SciTech-AV-Audio-DAP(Digital Audio Processing)-Loudness Normalization(响度规范化): Perceived Loudness + RMS (Root Mean Square)
PCM(Pulse Code Modulation)也被称为脉码编码调制，
PCM的声音数据没有被压缩，
它是由模拟信号经过Sampling、Quantilization、Code 转换成的标准的数字音频数据。
采样转换方式参考下图：
音频采样包含以下几大要素：
-
采样率
采样率表示音频信号每秒的数字快照数。该速率决定了音频文件的频率范围。
采样率越高，数字波形的形状越接近原始模拟波形。
低采样率会限制可录制的频率范围，这可导致录音表现原始声音的效果不佳。- 根据奈奎斯特采样定理，为重现给定频率，采样率必须至少是该频率的两倍。
例如，一般CD唱片的采样率为每秒 44,100 个采样，因此可重现最高为 22,050 Hz 的频率，
此频率刚好超过人类的听力极限 20,000 Hz。 - Over-sampling超采样: 参考
- 采样图示：
A是低采样率的音频信号，其效果已经将原始声波扭曲，
B是完全重现原始声波的，高采样率的音频信号。
- 数字音频常用的采样率如下：
- 根据奈奎斯特采样定理，为重现给定频率，采样率必须至少是该频率的两倍。
-
位深度
位深度决定动态范围。位深度越高，提供的动态范围越大。
采样声波时，为每个采样指定最接近原始声波振幅的振幅值。
较高的位深度可提供更多可能的振幅值，产生更大的动态范围、更低的噪声基准和更高的保真度。
二、PCM
上面名词解析，我们对PCM有一定的理解和认识，下面做更多的讲解。
- PCM音频数据存储方式
- 如果是单声道的文件，采样数据按时间顺序先后存入。
如果是单声道的音频文件，采样数据按时间顺序先后存入(也可用 LRLRLR 方式, 但另一个声道的数据为 0）。 - 如果是双声道，通常按照 LRLRLR 的方式存储。
- 存储时还和机器的大小端有关，PCM的存储方式为小端模式。
关于字节序大小端，可参考《字节序问题之大小端模式讲解》进行了解。 - 存储Data数据排列如下图所示：
- 如果是单声道的文件，采样数据按时间顺序先后存入。
- PCM 音频数据的参数
描述 PCM 音频数据的参数的时候有如下描述方式：44100HZ 16bit stereo: 每秒钟有 44100 次采样, 采样数据用 16 位（2 字节）记录, 双声道（立体声） 22050HZ 8bit mono: 每秒钟有 22050 次采样, 采样数据用 8 位（1 字节）记录, 单声道 48000HZ 32bit 51ch: 每秒钟有 48000 次采样, 采样数据用 32 位（4 字节浮点型）记录, 5.1 声道。 44100Hz 指的是采样率，它的意思是每秒取样 44100 次。采样率越大，存储数字音频所占的空间就越大。 16bit 指的是采样精度，意思是原始模拟信号被采样后，每一个采样点在计算机中用 16 位（两个字节）来表示。采样精度越高越能精细地表示模拟信号的差异。 Stereo 指的是声道数，也即采样时用到的麦克风的数量，麦克风越多就越能还原真实的采样环境（当然麦克风的放置位置也是有规定的）。
三、WAV
- WAV 是 Microsoft 和 IBM 为 PC 开发的一种声音文件格式，
它符合 RIFF(Resource Interchange File Format)文件规范，
用于保存 Windows 平台的音频信息资源，被 Windows 平台及其应用程序所广泛支持。 - WAVE 文件通常只是有单个"WAVE"块的 RIFF 文件, 该块由两子数据块("fmt"块和"data"块)组成,
它的格式如下图所示：
WAV 格式定义
该格式的实质就是在 PCM 文件的前面加了一个文件头，每个字段的的含义如下：
typedef struct {
char ChunkID[4]; //内容为"RIFF"
unsigned long ChunkSize; //存储文件的字节数（不包含ChunkID和ChunkSize这8个字节）
char Format[4]; //内容为"WAVE“
} WAVE_HEADER;
typedef struct {
char Subchunk1ID[4]; //内容为"fmt"
unsigned long Subchunk1Size; //存储该子块的字节数（不含前面的Subchunk1ID和Subchunk1Size这8个字节）
unsigned short AudioFormat; //存储音频文件的编码格式，例如若为PCM则其存储值为1。
unsigned short NumChannels; //声道数，单声道(Mono)值为1，双声道(Stereo)值为2，等等
unsigned long SampleRate; //采样率，如8k，44.1k等
unsigned long ByteRate; //每秒存储的bit数，其值 = SampleRate * NumChannels * BitsPerSample / 8
unsigned short BlockAlign; //块对齐大小，其值 = NumChannels * BitsPerSample / 8
unsigned short BitsPerSample; //每个采样点的bit数，一般为8,16,32等。
} WAVE_FMT;
typedef struct {
char Subchunk2ID[4]; //内容为“data”
unsigned long Subchunk2Size; //接下来的正式的数据部分的字节数，其值 = NumSamples * NumChannels * BitsPerSample / 8
} WAVE_DATA;