一认识PCM

Posted 2023-03-30 future_sky_word

文章目录

• 1、概述
• • 1.1 什么是pcm
  • 1.2 pcm属性、量化指标
• 2、PCM数据格式

1、概述

1.1 什么是pcm

pcm：脉冲编码调制，是将模拟信号转化为数字信号的一种方法。
声音的转化的过程为：

1. 先对连续的模拟信号按照固定频率周期性采样
2. 将采样到的数据按照一定的精度进行量化，量化后的信号和采样后的信号差值叫做量化误差
3. 将量化后的数据进行最后的编码存储，最终模拟信号变化为数字信号

1.2 pcm属性、量化指标

1. 采样率: 单位时间内采样的次数，以Hz为单位，采样频率越高，对信号的还原度越高越高 采样位数: 一个采样信号的位数，也是对采样精度的变现
2. 位深度：表示用多少个二进制位来描述采样数据，一般为16bit
3. 字节序：表示PCM数据存储的字节序是大端存储（big-endian）还是小端存储（little-endian），通常为小端存储
4. 声道数：表示PCM文件中包含的声道数，是单声道还是双声道，此外还有5.1声道等 比特率：没有压缩的音频数据的比特率 = 采样频率 * 采样精度 * 通道数
5. 码率：压缩后的音频数据的比特率，等于 音频文件大小 / 时长。码率越大，压缩效率越低，音质越好，压缩后数据越大。常见的码率如下：

码率	音质
96kbps	FM质量
128-160kbps	一般质量音频
192kbps	CD质量
256-320Kbps	高质量音频

2、PCM数据格式

1. 单声道音频，采样数据按照时间的先后顺序依次存储
2. 双声道音频，按照LRLRLR方式存储，具体每个采样点的存储方式与机器大小端有关

大端存储

小端存储

PCM编码格式

目录

一、PCM音频编码格式

1. 相关英文单词

2. PCM数据结构

2.1 单声道数据

2.2 多声道数据

2.3 小结

二、WAV音频文件格式

---

一、PCM音频编码格式

1. 相关英文单词

Amplitude：幅度 PAM：Pulse Amplitude Modulation 脉冲幅度调制(数字信号过程采样) Stereo：立体声(双声道)，Mono：单声道 PCM：Pulse Code Modulation Sampling：采样        Quantization：量化           Code：编码 Nyquist Sampling theorem：奈奎斯特采样定理 Analog Signal：模拟信号   Digital Signal：数字信号 Sample rate：采样率（每秒钟的样本点数）sampleing bit depth：采样位深度 Channel：通道数/声道数

（1）PCM是最原始的音频编码格式，并不是文件格式，WAV/MP3等才是文件格式。

（2）采样率：每秒钟的采样次数/每秒钟的样本点数，即一秒钟能采集到多少个离散的数值点，比如：16KHz=16000Hz，意思就是16000个采样点/s，采样率是保证音质的一个重要参数。

（3）采样位深度是每一个采样点的值的bit数，很容易理解，bit越多，能表示的数范围就越广，更加能表示模拟信号，可以直观理解，如果采样率和位深都很大，采样的离散序列就可以近似等于模拟信号。

8bit：256个值，从0~255 16bit：65536个值，从0~65535 24bit：……………………………… 32bit：………………………………….

2. PCM数据结构

（1）关于音频数据流

编码之后的PCM数据流是一串0和1的组合：0011000010101100……

所以，就要根据一些相关信息来解析数据。假如采样位深是8bit，且是有符号的数据。那么数据解析如下：

0011 0000    1010 1100……

第一个字节，除掉最高位符号位后，值就是+48

第二个字节，除掉最高位符号位后，值就是-44

在范围-128~127之内。

一般来说，常用的是16bit的位深，在C语言中用short类型（两字节）的数据来表示即可。

2.1 单声道数据

实例：读取一个32KHz，单声道，16bit的PCM音频文件数据到内存，并再次写入新文件。

int main(int argc, char** argv)

	int i, j, count;
	FILE *fpin = NULL;
	FILE *fpout = NULL;

	fpin = fopen("input.pcm", "rb"); //单声道
	fpout = fopen("output.pcm", "wb");
	fseek(fpin, 0, SEEK_END);
	long inputdata_length = ftell(fpin);
	inputdata_length /= 2;
	printf("input_file_len:% ld\\n", inputdata_length);
	short *stream_in = (short *)malloc(inputdata_length * sizeof(short));
	//读出数据流(0/1数据流--->字节数据)
	rewind(fpin);
	count = fread(stream_in, sizeof(short), inputdata_length, fpin);
	printf("count=%d\\n", count);

	//将数据写入文件
	fwrite(stream_in, sizeof(short), inputdata_length, fpout);
	fclose(fpin);
	fclose(fpout);
	free(stream_in);
	printf("process finished.\\r\\n");
	return 0;

注：

(1)音频数据一般都有符号，可以直接打印出每一个采样点的音频数据：printf(“stream_in[%d]=%hd\\n”, 100, stream_in[100]);

(2) 16bit的深度，所以缓存空间的数据类型定义成short，刚好合适

(3) 代码运行结束，生成的文件大小没变，可使用cooledit pro打开对比查看波形图

2.2 多声道数据

（1）数据排布

对于多声道的数据流，声道数据会交叉排列。当然，这跟底层驱动程序相关，比如一些ADC采集模块，stereo数据排布就是这样的。

第1个byte（左声道）/第2个byte（右）/第3个byte（左）/第4个byte（左）……

（2）关于字节序

数据是大端存储结构还是小端存储结构，一般使用的是小端存储结构（Little Endian）。如下图：

 实例：分离双声道PCM文件数据(LE/44100Hz/16bi/立体声)

int main(int argc, char** argv)

	int i, j, count;
	FILE *fpin = NULL;
	FILE *fp_l = NULL;
	FILE *fp_r = NULL;

	fpin = fopen("44100_2ch_stereo.pcm", "rb");
	fp_l = fopen("left.pcm", "wb");
	fp_r = fopen("right.pcm", "wb");

	fseek(fpin, 0, SEEK_END);
	int inputdata_length = ftell(fpin);
	inputdata_length = inputdata_length/2;  //16bit
	printf("input_file_len:% d\\n", inputdata_length);

	short *stream_in = (short *)malloc(inputdata_length * sizeof(short));
	short *stream_l  = (short *)malloc((inputdata_length/2) * sizeof(short));
	short *stream_r  = (short *)malloc((inputdata_length/2) * sizeof(short));

	//读出数据流(数据流--->字节数据)
	rewind(fpin);
	count = fread(stream_in, sizeof(short), inputdata_length, fpin);
	printf("count=%d\\n", count);


	//分离左右声道数据
	int loop=inputdata_length/2;
	short *dat_ptr=stream_in;
	for(int i=0; i<loop; i=i+2) 
		stream_l[i]=*dat_ptr;
		stream_l[i+1]=*(dat_ptr+1);
		dat_ptr=dat_ptr+2;
		stream_r[i]=*dat_ptr;
		stream_r[i+1]=*(dat_ptr+1);
		dat_ptr=dat_ptr+2;
	

	//将左右声道数据写入文件
	fwrite(stream_l, sizeof(short), inputdata_length/2, fp_l);
	fwrite(stream_r, sizeof(short), inputdata_length/2, fp_r);
	fclose(fpin);
	fclose(fp_l);
	fclose(fp_r);
	free(stream_in);
	free(stream_l);
	free(stream_r);

	printf("process finished.\\r\\n");
	return 0;

文件大小和数据量减小一半，左右声道均选择44100Hz的采样率进行播放，声音正常。

 

2.3 小结

（1）s16le

s-----signed，就是有符号数据，根据采样位深度，可以知道数值范围，所以在音频处理的时候，需要注意数据是否溢出

16----采样位深16bit

 le----小端存储

（2）PC的声卡一般是16bit或者24bit

（3）PCM不是音频文件格式，因此一般的音乐播放软件无法打开，需要保存为wav或者其他格式(加个文件头)才行。

二、WAV音频文件格式

关于wav音频文件格式不放在这里解析，算法处理过程中(实际上算法一般都是针对PCM原始编码格式进行)，需要注意下面几点即可：

1. 构成：文件头+数据部分。
2. 文件头占44个字节，后面就是数据部分，读取音频数据时，要注意偏移。
3. 音频部分的编码可以是PCM，也可以是其他格式。

实例：读取wav音频文件数据，伪代码如下

/* 01. 读取音频数据 */ fp_in = fopen("clean.wav", "rb"); fseek(fp_in, 0, SEEK_END); long clean_len = ftell(fp_in); clean_len = clean_len -44; //减掉文件头 clean_len /= 2; printf("clean voice len:% ld\\n", clean_len); short *clean_buf = (short *)malloc(clean_len * sizeof(short)); //申请音频数据存储空间 rewind(fp_in); //先偏移，跳过文件头再读数据 fseek(fp_in, 44, SEEK_SET); count = fread(clean_buf, sizeof(short), clean_len, fp_in); /* 02. 分帧，加窗，傅里叶变换到频域，计算 */ /* 03. 还原到时域 */ /* 04. 写入新文件(注意文件头部信息的写入) */