オーディオ
人間の耳に聞こえる20Hz〜20kHzの音の周波数の音波を指します。
対応するオーディオカードをコンピューターに追加すると、よく言われるサウンドカードですべてのサウンドを録音でき、サウンドのレベルなどのサウンドの音響特性をコンピューターのハードにファイルとして保存できます。ディスク。 逆に、特定のオーディオプログラムを使用して、保存されているオーディオファイルを再生し、以前に録音したサウンドを復元することもできます。
1オーディオファイル形式
オーディオファイル形式とは、具体的にはオーディオデータを保存するファイルの形式を指します。 多くの異なるフォーマットがあります。
オーディオデータを取得する一般的な方法は、一定の時間間隔でオーディオ電圧をサンプリング（量子化）し、その結果を特定の解像度で保存することです（たとえば、CDDAの各サンプルは16ビットまたは2バイトです）。 サンプリング間隔には、さまざまな基準を設定できます。 たとえば、CDDAは44,100秒間に48,000回使用します。 DVDは96,000秒間に2回またはXNUMX回使用します。 したがって、[サンプリングレート]、[解像度]、および[チャンネル]の数（たとえば、ステレオの場合はXNUMXチャンネル）がオーディオファイル形式の重要なパラメーターです。
1.1ロスとロスレス
デジタルオーディオの製造プロセスによると、オーディオコーディングは自然な信号に限りなく近づくことができます。 少なくとも現在の技術はこれしかできません。 デジタルオーディオコーディングスキームは、完全に復元できないため、不可逆です。 コンピュータアプリケーションでは、最高レベルの忠実度はPCMエンコーディングであり、これは素材の保存や音楽鑑賞に広く使用されています。 CD、DVD、および一般的なWAVファイルで使用されます。 したがって、PCMはデジタルオーディオで最高の忠実度レベルを表すため、慣例によりPCMはロスレスエンコーディングになりました。
オーディオファイル形式には、主にXNUMXつのタイプがあります。
WAV、PCM、TTA、FLAC、AU、APE、TAK、WavPack（WV）などのロスレスフォーマット
MP3、Windows Media Audio（WMA）、Ogg Vorbis（OGG）、AACなどの不可逆形式
2パラメータの紹介
2.1サンプリングレート
XNUMX秒間に取得されるサウンドサンプルの数を指します。 音は実際には一種のエネルギー波であるため、周波数と振幅の特性もあります。 周波数は時間軸に対応し、振幅はレベル軸に対応します。 波は無限に滑らかで、弦は無数の点で構成されていると見なすことができます。 ストレージスペースは比較的限られているため、文字列のポイントはデジタルエンコーディングプロセス中にサンプリングする必要があります。
サンプリングプロセスは、特定のポイントの周波数値を抽出することです。 明らかに、22050秒間に抽出されるポイントが多いほど、より多くの頻度情報が取得されます。 波形を復元するために、サンプリング周波数が高いほど、音質は良くなります。 復元はより現実的ですが、同時により多くのリソースを占有します。 人間の耳の解像度が限られているため、高すぎる周波数は区別できません。 44100のサンプリング周波数が一般的に使用され、48,000はすでにCDの音質であり、96,000または24を超えるサンプリングはもはや人間の耳には意味がありません。 これは、映画のXNUMX秒あたりXNUMXフレームに似ています。 ステレオの場合、サンプルはXNUMX倍になり、ファイルはほぼXNUMX倍になります。
ナイキストのサンプリング理論によれば、音が歪まないようにするために、サンプリング周波数は約40kHzである必要があります。 この定理がどのようにして生まれたのかを知る必要はありません。 この定理は、信号を正確に記録する場合、サンプリング周波数はオーディオ信号の最大周波数のXNUMX倍以上でなければならないことを示しているだけです。 覚えておいてください、それは最大周波数です。
デジタルオーディオの分野で一般的に使用されるサンプリングレートは次のとおりです。
8000Hz-電話で使用されるサンプリングレート。これは人間の発話に十分です。
11025Hz-電話で使用されるサンプリングレート
22050Hz-ラジオ放送で使用されるサンプリングレート
32000 Hz-miniDVデジタルビデオカムコーダー、DAT（LPモード）のサンプリングレート
44100 Hz-オーディオCD、MPEG-1オーディオ（VCD、SVCD、MP3）のサンプリングレートとしても一般的に使用されます
47250Hz-商用PCMレコーダーで使用されるサンプリングレート
48000 Hz-miniDV、デジタルTV、DVD、DAT、映画、およびプロフェッショナルオーディオで使用されるデジタルサウンドのサンプリングレート
50000Hz-商用デジタルレコーダーで使用されるサンプリングレート
96000Hzまたは192000Hz-DVDオーディオ、一部のLPCM DVDオーディオトラック、BD-ROM（Blu-ray Disc）オーディオトラック、およびHD-DVD（High Definition DVD）オーディオトラックに使用されるサンプリングレート
2.2サンプリングビット数
サンプリングビット数は、サンプリングサイズまたは量子化ビット数とも呼ばれます。 これは、サウンドの変動、つまりサウンドカードの解像度を測定するために使用されるパラメータであるか、サウンドカードによって処理されるサウンドカードの解像度として理解できます。 値が大きいほど解像度が高くなり、録音および再生されるサウンドがよりリアルになります。 サウンドカードのビットは、サウンドファイルを収集および再生するときにサウンドカードが使用するデジタルサウンド信号の8桁の数字を指します。 サウンドカードのビットは、入力音声信号のデジタル音声信号の記述の正確さを客観的に反映しています。 一般的なサウンドカードは主に16ビットと16ビットです。 現在、市場に出回っている主流の製品はすべてXNUMXビット以上のサウンドカードです。
サンプリングされた各データは振幅を記録し、サンプリング精度はサンプリングビット数によって異なります。
1バイト（つまり、8ビット）は256の数値しか記録できません。つまり、振幅は256のレベルにしか分割できません。
2バイト（つまり、16ビット）は、すでにCD標準である65536まで小さくすることができます。
4バイト（つまり、32ビット）は、振幅を4294967296レベルに分割できますが、これは実際には不要です。
2.3チャンネル数
つまり、サウンドチャネルの数です。 一般的なモノラルおよびステレオ（デュアルチャネル）は、5.1サウンドサラウンド（XNUMXチャネル）およびXNUMXチャネルに発展しました。
2.3.1モノ
モノラルは比較的原始的な形式のサウンド再生であり、初期のサウンドカードではより一般的に使用されていました。 モノラルサウンドはXNUMXつのスピーカーでしか鳴らせず、XNUMXつのスピーカーに加工して同じサウンドチャンネルを出力するものもあります。 モノフォニック情報をXNUMXつのスピーカーで再生すると、XNUMXつのスピーカーからの音であることがはっきりとわかります。 スピーカーの真ん中から耳に伝わる音源の特定の場所を特定することは不可能です。
2.3.2ステレオ
バイノーラルチャンネルにはXNUMXつのサウンドチャンネルがあります。 原理は、人が音を聞いたときに、左右の耳の位相差に基づいて音源の特定の位置を判断できるということです。 録音プロセス中にXNUMXつの独立したチャネルにサウンドが割り当てられ、優れた音像定位効果が得られます。 このテクニックは、音楽鑑賞に特に役立ちます。 リスナーはさまざまな楽器の方向を明確に区別できるため、音楽がより想像力に富み、現場での体験に近づくことができます。
現在、XNUMXつの声が最も一般的に使用されています。 カラオケでは、XNUMXつは音楽を演奏するためのもので、もうXNUMXつは歌手の声のためのものです。 VCDでは、XNUMXつは北京語で吹き替え、もうXNUMXつは広東語で吹き替えです。
2.3.3トーンサラウンド
4.1チャンネルサラウンドは、左前、右前、左後、右後のXNUMXつのサウンドポイントを定義し、聴衆はこれらに囲まれます。 また、低周波信号の再生処理を強化するためにサブウーファーを追加することをお勧めします（これがXNUMXチャンネルスピーカーシステムが今日広く普及している理由です）。 全体的な効果に関する限り、XNUMXチャンネルシステムは、リスナーに複数の異なる方向からのサラウンドサウンドをもたらし、さまざまな異なる環境にいるという聴覚体験を取得し、ユーザーにまったく新しい体験を提供できます。 現在、XNUMXチャンネル技術はさまざまなミッドエンドからハイエンドのサウンドカードの設計に広く統合されており、将来の開発の主流のトレンドになっています。
2.3.4チャンネル
5.1チャンネルは、さまざまな伝統的な劇場やホームシアターで広く使用されています。 ドルビーAC-3（ドルビーデジタル）、DTSなどのよりよく知られている録音圧縮フォーマットのいくつかは、5.1サウンドシステムに基づいています。 「.1」チャンネルは、20〜120Hzの周波数応答範囲のサブウーファーを生成できる特別に設計されたサブウーファーチャンネルです。 実際、5.1サウンドシステムは4.1サラウンドから来ていますが、違いはセンターユニットが追加されていることです。 このセンターユニットは、80Hz未満の音声信号を送信する役割を果たします。これは、映画を見ているときの人間の声を強化し、会話を音場全体の中央に集中させて全体的な効果を高めるのに役立ちます。
現在、QQ Musicなどの多くのオンライン音楽プレーヤーは、試聴およびダウンロード用に5.1チャンネル音楽を提供しています。
2.4フレーム
オーディオフレームの概念は、ビデオフレームほど明確ではありません。 ほとんどすべてのビデオエンコーディング形式は、フレームをエンコードされた画像と単純に考えることができます。 ただし、オーディオフレームは、各エンコーディング標準によって実装されるエンコーディングフォーマットに関連しています。
たとえば、PCM（エンコードされていないオーディオデータ）の場合、フレームの概念はまったく必要なく、サンプリングレートとサンプリング精度に応じて再生できます。 たとえば、サンプリングレートが44.1kHZでサンプリング精度が16ビットのデュアルオーディオの場合、ビットレートは44100162bpsであり、44100162秒あたりのオーディオデータは固定の8/XNUMXバイトであると計算できます。
amrフレームは比較的単純です。 オーディオの20msごとがフレームであり、オーディオの各フレームが独立していることを規定しており、さまざまなエンコードアルゴリズムとさまざまなエンコードパラメータを使用できます。
mp3フレームはもう少し複雑で、サンプリングレート、ビットレート、さまざまなパラメータなどの詳細情報が含まれています。
2.5サイクル
オーディオデバイスが一度に処理するために必要なフレーム数、オーディオデバイスのデータアクセス、およびオーディオデータの保存はすべてこのユニットに基づいています。
2.6インターリーブモード
デジタルオーディオ信号の保存方法。 データは連続フレームに格納されます。つまり、フレーム1の左チャネルサンプルと右チャネルサンプルが最初に記録され、次にフレーム2の記録が開始されます。
2.7非インターレースモード
まず、ある期間のすべてのフレームの左チャネルサンプルを記録し、次にすべての右チャネルサンプルを記録します。
2.8ビットレート（ビットレート）
ビットレートはビットレートとも呼ばれ、音楽が8秒間に再生するデータの量を指します。 単位はビットで表されます。ビットはバイナリビットです。 bpsはビットレートです。 bはビット（ビット）、sは秒（秒）、pは毎（あたり）、4バイトは128バイナリビットに相当します。 つまり、128bpsの8分間の曲のファイルサイズは次のように計算されます（460/3840）3.8 = 1kB = 8MB、3B（バイト）= 128b（ビット）、一般的にmp3は約4ビットで有益ですレート、そしてそれはおそらくですサイズは約XNUMX-XNUMXBMです。
コンピュータアプリケーションでは、最高レベルの忠実度はPCMエンコーディングであり、これは広く使用されています 素材の保存と音楽鑑賞のために。 CD、DVD、および一般的なWAVファイルがすべて使用されます。 したがって、PCMはデジタルオーディオで最高の忠実度レベルを表すため、慣例によりPCMはロスレスエンコーディングになりました。 PCMが信号の絶対的な忠実度を保証できるという意味ではありません。 PCMは、最大の無限近接のみを達成できます。
PCMオーディオストリームのビットレートを計算するのは非常に簡単な作業です。サンプリングレート値×サンプリングサイズ値×チャネル番号bpsです。 サンプリングレートが44.1KHz、サンプリングサイズが16ビット、デュアルチャネルPCMエンコーディングのWAVファイルで、データレートは44.1K×16×2 = 1411.2Kbpsです。 私たちの一般的なオーディオCDはPCMエンコーディングを使用しており、CDの容量は72分の音楽情報しか保持できません。
デュアルチャネルPCMエンコードオーディオ信号は、176.4秒で1KBのスペース、10.34分で約1Mのスペースを必要とします。 これは、ほとんどのユーザー、特にコンピューターで音楽を聴きたいユーザーには受け入れられません。 ディスク占有率。インデックスのダウンサンプリングと圧縮の3つの方法しかありません。 サンプリングインデックスを下げることはお勧めできません。そのため、専門家はさまざまな圧縮スキームを開発しました。 最もオリジナルなのはDPCM、ADPCMで、最も有名なのはMPXNUMXです。 したがって、データ圧縮後のコードレートは、元のコードよりもはるかに低くなります。
2.9計算例
たとえば、「Windows XPstartup.wav」のファイル長は424,644バイトで、「22050HZ / 16ビット/ステレオ」の形式です。
次に、22050162秒あたりの伝送速度（ビットレート、ビットレート、サンプリングレートとも呼ばれます）は705600 = 705600（bps）、バイト単位に変換すると8/88200 = 424644（バイト/秒）、再生時間：88200（合計バイト） / 4.8145578（バイト/秒）≈XNUMX（秒）。
しかし、これは十分に正確ではありません。 標準PCM形式のWAVEファイル（* .wav）には少なくとも42バイトのヘッダー情報があり、再生時間を計算するときに削除する必要があるため、（424644-42）/（22050162/8）≈4.8140816（秒）。 これはより正確です。
3PCMオーディオエンコーディング
PCMはPulseCodeModulationの略です。 PCMプロセスでは、入力アナログ信号がサンプリングされ、量子化され、コード化されます。バイナリコード化された数値は、アナログ信号の振幅を表します。 次に、受信側はこれらのコードを元のアナログ信号に復元します。 つまり、デジタルオーディオのA / D変換には、サンプリング、量子化、エンコードのXNUMXつのプロセスが含まれます。
音声PCMの採用率は8kHz、サンプリングビット数は8ビットであるため、音声デジタル符号化信号の符号化率は8bit×8kHz = 64kbps = 8KB / sとなります。
3.1オーディオコーディングの原則
特定の電子基盤を持っている人なら誰でも、センサーによって収集されたオーディオ信号がアナログ量であることを知っていますが、実際の送信プロセスで使用するのはデジタル量です。 そして、これにはアナログをデジタルに変換するプロセスが含まれます。 アナログ信号は、音声デジタル化のパルス符号変調（PCM、パルス符号変調）技術を実現するために、サンプリング、量子化、コーディングのXNUMXつのプロセスを経る必要があります。
変換プロセス
3.1.1サンプリング
サンプリングは、信号帯域幅の2倍を超える周波数でアナログ信号からサンプル（サンプリングレート）を抽出し（Lequist Sampling Theorem）、それを時間軸上で個別のサンプリング信号に変換するプロセスです。
サンプリングレート：離散信号を形成するためにXNUMX秒あたりの連続信号から抽出されたサンプルの数。ヘルツ（Hz）で表されます。
サンプル：
たとえば、オーディオ信号のサンプリングレートは8000Hzです。
上の図のサンプルは、図の1秒間の電圧変化の曲線に対応し、1〜2ポイント、つまり3であるため、下の10 1…8000に対応していることがわかります。秒は1の部分に分割され、次にそれらを順番に取り出します。その8000ポイントの時間に対応する電圧値。
3.1.2定量化
サンプリングされた信号は時間軸上の離散信号ですが、それでもアナログ信号であり、そのサンプル値は特定の値の範囲内で無限の数の値を持つことができます。 サンプル値を「切り上げる」には、「丸め」方法を採用する必要があります。これにより、特定の値の範囲内のサンプル値が、無限の値から有限の値に変更されます。このプロセスは、定量化。
サンプリングビット数：デジタル信号を記述するために使用されるビット数を指します。
8ビット（8ビット）は2の8乗= 256を表し、16ビット（16ビット）は2の16乗= 65536を表します。
サンプル：
たとえば、オーディオセンサーによって収集される電圧範囲は0〜3.3Vで、サンプリング数は8ビット（ビット）です。
つまり、3.3V / 2 ^ 8 = 0.0128を量子化精度と見なします。
図3.3に示すように、0.0128vをステッピングY軸として3に分割すると、1…2は8…0Vになります。
たとえば、サンプリングポイントの電圧値は1.652V（1280.128〜1290.128）です。 これを1.65Vに丸め、対応する量子化レベルは128です。
3.1.3エンコーディング
量子化されたサンプリング信号は、サンプリングシーケンスに従って配置された一連のXNUMX進デジタルコードストリーム、つまりXNUMX進デジタル信号に変換されます。 シンプルで効率的なデータシステムは、バイナリコードシステムです。 したがって、XNUMX進数のデジタルコードはバイナリコードに変換する必要があります。 XNUMX進デジタルコードの総数に応じて、バイナリコーディングに必要なビット数、つまりワード長（サンプリングビット数）を決定できます。 量子化されたサンプル信号を特定のワード長のバイナリコードストリームに変換するこのプロセスは、エンコーディングと呼ばれます。
サンプル：
その場合、上記の1.65Vは128の量子化レベルに対応します。対応するバイナリシステムは10000000です。つまり、サンプリングポイントをエンコードした結果は10000000です。もちろん、これは正と負の値を考慮しないエンコード方法です。 、および特定の問題の特定の分析を必要とする多くのタイプのエンコード方法があります。 （PCMオーディオ形式のエンコーディングはA-law 13ポリラインエンコーディングです）
3.2PCMオーディオコーディング
PCM信号は、エンコードおよび圧縮（ロスレス圧縮）を受けていません。 アナログ信号と比較して、伝送システムの乱雑さや歪みの影響を受けにくいです。 ダイナミックレンジが広く、音質もかなり良いです。
3.2.1PCMエンコーディング
使用されるコーディングは、A-law13ポリラインコーディングです。
詳細については、PCM音声コーディングを参照してください。
3.2.2チャンネル
チャンネルはモノラルとステレオ（デュアルチャンネル）に分けることができます。
PCMの各サンプル値は整数iに含まれ、iの長さは、指定されたサンプル長に対応するために必要な最小バイト数です。
サンプルサイズデータ形式最小値最大値
8ビットPCMunsigned int 0 225
16ビットPCMint -32767 32767
モノラルサウンドファイルの場合、サンプリングデータは8ビットの短整数（short int 00H-FFH）であり、サンプリングデータは時系列で保存されます。
16チャンネルステレオサウンドファイル、各サンプリングデータはXNUMXビット整数（int）、上位XNUMXビット（左チャンネル）と下位XNUMXビット（右チャンネル）はそれぞれXNUMXチャンネルを表し、サンプリングデータは時系列になっています。交互の順序で入金してください。
サンプリングビット数が16ビットで、ストレージがバイトオーダーに関連している場合も同様です。
PCMデータ形式
すべてのネットワークプロトコルは、ビッグエンディアンの方法を使用してデータを送信します。 したがって、ビッグエンディアン方式はネットワークバイトオーダーとも呼ばれます。 バイトオーダーが異なるXNUMXつのホストが通信する場合、送信する前にデータを送信する前に、それらをネットワークバイトオーダーに変換する必要があります。
4G.711
一般的なPCMでは、アナログ信号はデジタル化される前に何らかの処理（振幅圧縮など）を受けます。 デジタル化されると、PCM信号は通常さらに処理されます（デジタルデータ圧縮など）。
G.711は、標準のマルチメディアデジタル信号（圧縮/解凍）アルゴリズムです。ITU-Tからのパルスコードを変調します。 これは、アナログ信号、特にオーディオ信号をデジタル化するためのサンプリング手法です。 PCMは、信号を8000秒間に8回、8KHzでサンプリングします。 各サンプルは64ビット、合計0Kbps（DSXNUMX）です。 サンプリングレベルのコーディングにはXNUMXつの標準があります。 北米と日本ではMu-Law標準が使用されていますが、他のほとんどの国ではA-Law標準が使用されています。
A-lawとu-lawは、PCMの12つのエンコード方法です。 A-law PCMはヨーロッパと私の国で使用されており、Mu-lawは北米と日本で使用されています。 両者の違いは量子化法です。 Aの法則は13ビットの量子化を使用し、uの法則は8ビットの量子化を使用します。 サンプリング周波数は8KHzで、どちらもXNUMXビットのエンコード方式です。
簡単な理解：PCMは、オーディオ機器によって収集された元のオーディオデータです。 G.711とAACはXNUMXつの異なるアルゴリズムであり、PCMデータを特定の比率に圧縮できるため、ネットワーク伝送の帯域幅を節約できます。
当社の他の製品：
