编码与格式 / 系统课时

用采样率与位深描述 PCM 音频

用采样率与位深描述 PCM 音频

拿到一段 PCM 音频数据时,只有字节内容还不足以正确播放。你还需要知道采样率、位深、采样格式和声道数。本课通过频率范围、量化误差与数据量计算,帮助你读懂常见 PCM 参数,并判断录音、传输和播放配置是否匹配。

学习目标

  • 解释采样率与位深分别影响什么,理解奈奎斯特频率和量化误差。
  • 区分常见 PCM 采样格式,能够正确解释整数样本的数值范围。
  • 根据采样率、位深和声道数计算未压缩 PCM 的码率与文件大小。

PCM 如何表示声音

PCM(Pulse Code Modulation,脉冲编码调制)把连续变化的模拟声音转换为离散的数字样本。对于普通线性 PCM,采集过程主要涉及三个环节:

  1. 采样:每隔固定时间测量一次模拟信号的幅度。
  2. 量化:把测量结果映射到有限数量的数字等级。
  3. 编码:按照约定的整数或浮点格式,把样本保存为二进制数据。

采样率决定每秒记录多少次幅度,位深决定每个整数样本可以使用多少个量化等级。这是两个不同维度,不能把提高位深理解成提高可记录的最高声音频率。

模拟波形采样与量化示意图

例如,单声道 48 kHz 音频在一秒内包含 48000 个采样时刻。如果采用 16 位整数 PCM,每个样本占 2 字节,一秒便有 96000 字节的原始音频数据。

采样率决定可表示的频率范围

采样率通常记为 fsf_s,单位是 Hz。44100 Hz 表示每秒采样 44100 次,常写为 44.1 kHz。

对于理想带限信号,采样定理要求采样率大于信号最高频率的两倍。对应的奈奎斯特频率为:

fN=fs2f_N=\frac{f_s}{2}

以 48 kHz 采样率为例,奈奎斯特频率为 24 kHz。它是理论频率上限,并不表示实际设备能够无失真地记录到 24 kHz;麦克风频响、模拟滤波器和转换器性能同样会限制有效带宽。

采样率 奈奎斯特频率 常见用途
8 kHz 4 kHz 窄带语音
16 kHz 8 kHz 宽带语音处理
44.1 kHz 22.05 kHz 音乐音频
48 kHz 24 kHz 视频制作、直播音频
96 kHz 48 kHz 部分专业录音和音频处理

如果输入信号包含超过奈奎斯特频率的分量,而采样前没有充分滤除,就可能发生混叠。例如,以 8 kHz 采样率采集 5 kHz 正弦信号,离散采样结果可能表现为 3 kHz 的低频成分。

音频欠采样与混叠示意图

实际录音设备会在模数转换前使用抗混叠滤波;数字音频重采样则需要适当的数字滤波,不能简单通过复制或删除样本来替代高质量采样率转换。

位深决定量化精度

整数 PCM 的位深通常记为 BB。对于 BB 位样本,可以表示的离散编码数量为:

N=2BN=2^B

16 位 PCM 有 65536 个编码值,24 位 PCM 有 16777216 个编码值。在相同满量程幅度下,量化等级越密集,理想量化误差通常越小。

以常见的有符号整数 PCM 为例:

位深 编码数量 有符号整数范围
8 位 256 -128~127
16 位 65536 -32768~32767
24 位 16777216 -8388608~8388607
32 位 4294967296 -2147483648~2147483647

表中列出的是有符号整数范围,不代表所有 PCM 文件都使用这些编码方式。例如,标准 WAV 文件中的 8 位整数 PCM 通常使用无符号编码,静音中心值约为 128,而 16 位整数 PCM 通常使用有符号编码,静音中心值为 0。

对于理想均匀量化、满幅正弦波且量化误差可近似视为噪声的情况,理论信噪比近似为:

SNR≈6.02B+1.76 dB\mathrm{SNR}\approx 6.02B+1.76\ \mathrm{dB}

代入位深可得到:

  • 16 位:约 98.1 dB。
  • 24 位:约 146.2 dB。

这些是理想模型下的量化信噪比,并非录音设备保证达到的实际动态范围。真实设备还有模拟电路噪声、麦克风本底噪声以及时钟等因素,24 位录音设备通常无法实现完整的 146 dB 有效动态范围。

位深增加也不会让音频自动变大声。把已有 16 位 PCM 无损转换为 24 位,只会改变样本的存储精度或表示方式,不会凭空恢复原始量化时已经丢失的细节。

采样格式不只是位深

实际音视频接口经常使用 s16le、s24le、s32le、f32le 等采样格式。它们除了样本位数,还描述数值类型和字节排列顺序。

格式 含义 每样本字节数
u8 无符号 8 位整数 1
s16le 有符号 16 位整数,小端序 2
s24le 有符号 24 位整数,小端序 3
s32le 有符号 32 位整数,小端序 4
f32le 32 位 IEEE 754 浮点数,小端序 4

小端序表示多字节整数的低有效字节放在前面。例如,16 位整数十六进制值 0x1234 以 s16le 存储时,字节顺序是 34 12。如果误按大端序读取,就会得到不同的样本值,音频可能产生严重失真。

浮点 PCM 与整数 PCM 也不能直接混为一谈。常见浮点音频处理把正常满量程参考范围设为 -1.0~1.0,但浮点样本本身可以暂时超过这个范围;转换到整数 PCM 时,必须正确处理缩放、舍入与限幅,避免削波。

还要区分有效位数与存储容器位数。有些设备把 24 位有效样本放入 32 位存储单元,每个样本实际上占 4 字节,而不是 3 字节。必须根据具体接口的格式定义确认有效位的位置、符号扩展和存储步长。

计算 PCM 码率与存储大小

未压缩、紧密排列的 PCM 数据量可以直接由采样率、每样本存储位数和声道数算出。对于整数 PCM 且样本没有额外填充时:

R=fs×B×CR=f_s\times B\times C

其中 RR 为每秒比特数,fsf_s 为采样率,BB 为每个声道样本的存储位数,CC 为声道数。

假设要录制一段 10 秒的立体声原始音频,参数为 48 kHz、16 位整数 PCM、2 声道。

  1. 每秒采样帧数为 48000,每帧包含左、右声道各一个样本。
  2. 单帧数据量为 2 字节 × 2 声道,即 4 字节。
  3. 每秒数据量为 48000 × 4,即 192000 字节。
  4. 10 秒原始数据量为 1920000 字节,约 1.92 MB(十进制),或约 1.83 MiB。

对应码率为 1536000 bit/s,即 1536 kbit/s。这里计算的是未压缩 PCM 数据,不是 AAC、MP3 等有损压缩后的实际码率;如果封装成 WAV 文件,还会增加文件头等开销。

如果将同一段音频改为紧密排列的 24 位 PCM,数据量将变为原来的 1.5 倍;如果从双声道改为单声道,数据量则减半。采样率、存储位数和声道数对原始码率的影响可以分别计算。

用一份音频参数完成检查

遇到一份没有文件头的原始 PCM 数据,先确认四个参数:采样率、声道数、采样格式、数据排列方式。例如 48000 Hz / 2 声道 / s16le / 交错排列,表示每个采样时刻依次存储左、右两个 16 位整数样本,再进入下一个采样时刻。

可以用下面的检查方法避免误读:

  1. 检查数据长度是否为 4 字节的整数倍;当前格式每帧包含两个 2 字节样本。
  2. 用文件总字节数除以每帧 4 字节,得到采样帧数。
  3. 将采样帧数除以 48000,得到理论播放时长。
  4. 检查播放器或采集接口是否同时采用 48 kHz、立体声和 s16le,不要只核对采样率。

例如,一份 384000 字节的原始数据包含 96000 个采样帧,理论播放时长为 2 秒。若错误地按 24 kHz 解释同一份数据,播放时长就会变成 4 秒,并伴随错误的播放速度和音调。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

用采样率与位深描述 PCM 音频

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通