附录02 相关音频知识介绍
1. 声音的物理特性
声音是由物体振动产生的，通过空气、固体、液体等介质进行传输的一种声波，可以被人耳识别的声波的范围是 20Hz~20000Hz 之间，也叫做可听声波，这种声波称之为声音，根据声波频率的不同可以主要分为：
（1）可听声波：20Hz~20kHz
（2）超声波：> 20kHz
（3）次声波：< 20Hz
此外，人的发声范围一般是 85Hz~1100Hz。
2. 声音的三要素
音调：
指的是声音频率的高低，表示人的听觉分辨一个声音的调子高低的程度，物体振动的快，发出的声音的音调就高，振动的慢，发出的音调就低。
音量：
又称音强、响度，指声音的振幅大小，表示人耳对所听到的声音大小强弱的主观感受。
音色：
又称音品，指不同声音表现在波形方面总是有与众不同的特性，不同的物体振动都有不同的特点，反映每个物体发出的声音的特有的品质，音色具体由谐波决定，好听的声音绝不仅仅是一个正弦波，而是谐波。
3. 模拟音频和数字音频
3.1. 模拟音频
模拟音频是一种连续的波形信号，直接对应声波的物理振动。麦克风将声波转化为连续的电压信号, 这个时候就是模拟音频信号, 然后经过功放给扬声器就可用直接播放了。
传统的收音机, 电视等处理的都是模拟音频信号。
优点:
- 信号连续，音质接近原始声音。
- 不需要复杂的数字化过程。
缺点:
- 易受噪声和干扰。
- 不便于现代数字化存储和处理。
3.2. 数字音频
数字音频是通过对模拟信号进行采样和量化，将其转换为一系列离散的数字数据表示。
优点:
- 易于编辑、处理和传输。
- 数据可靠，抗干扰能力强。
- 压缩技术可以节省存储空间（如 MP3、AAC）。
缺点:
- 需要采样与量化，会丢失部分模拟信号的细节。
- 数字音频的音质受采样率和量化位数限制。
现代计算能处理的只能是数字音频. 比如各种变声设备就是对数字音频进行处理的
3.3. 模拟音频和数字音频的转换
通过麦克风采集到的音频信号是模拟音频信号, 只有转换成数字音频信号之后才能交给计算处理和存储。
如果想要播放数字音频,还需要把数字音频转换成模拟音频, 然后交给扬声器播放.
我们平常用的电脑中的声卡就是完成他们之间转换的。
下图是模拟音频转换为数字音频的过程:
采样：
连续信号转换为离散信号的过程，每个一定时间的信号值来替代原来时间段连续的信号值，这个1s 内的采样次数就是采样率，如 8KHz 是电话信号的采样率，可以满足通话需要，音频 CD 一般是 44.1kHz，数字电视一般是是 48kHz，采样率越高声音的还原成度越高。
量化：
将采样后的模拟信号转换为数字信号的过程，量化分为均匀量化和非均匀量化，上图中显然使用了均匀量化。
上图中的量化级数是8. 量化级数一般由ADC的位数来决定, 也叫采样深度. 比如上图中的采样深度是3位. 一般用到采样深度有8位,16位,24位,32位. 用得比较多的是16位的采样深度
编码
将量化后的信号转换为对应的二进制代码
3.4. PCM
PCM (Pulse Code Modulation)是脉冲编码调制，实际上就是将模拟音频信号转换为数字音频信号，音视频中的 PCM 指的是未经压缩的音频采样数据，是音频信号经采样、量化、编码生成的原始音频数据，PCM 数据关键量化指标如下
（1）Sample Size：采样大小，也是量化级数，表示一个采样用多少位 bit 存放，常用的是 16 位
（2）Sample Rate：采样率，表示每次采样的次数，单位 Hz，常见的采样率有 8k、16k、32k、44.1k、48k 等。
（3）Number of Channels：声道数，表示当前 PCM 数据中包含的声道数，如单声道、双声道、多声道等
（4）Dynamic Range: 动态范围, 信号中最强和最弱声音的振幅比，通常用分贝（dB）表示。
（5）Bitrate: 码率, 秒钟存储或传输的数据量，用 kbps（千比特每秒）表示。计算公式: 码率 (bps)=采样率 (Hz)×量化位数 (bits/sample)×通道数
（6）Signal-to-Noise Ratio, SNR: 信噪比, 信号的有效强度与噪声强度之比，通常用分贝（dB）表示. SNR 越高，音质越好。
4. 数字音频通讯协议-I2S通讯
I2S（Inter-IC Sound，即芯片间声音接口）是一种用于音频数据传输的标准数字通信协议，由飞利浦（现为 NXP）在 1986 年开发，广泛用于嵌入式音频设备中，如音频编解码器、数字信号处理器（DSP）、微控制器、音频放大器等.
4.1. 物理特性
标准通信模式下的 I2S 总线包含以下几条线路：
MCLK
主时钟线。该信号线可选，具体取决于从机，主要用于向 I2S 从机提供参考时钟。
BCLK
位时钟线。用于数据线的位时钟。
WS
字（声道）选择线。通常用于识别声道（除 PDM 模式外）。
DIN/DOUT
串行数据输入/输出线。(全双工时2条, 半双工时1条)
4.2. 数据格式
Philips 格式（STD格式、标准格式）
数据信号与 WS 信号相比有一个位的位移。WS 信号的占空比为 50%
MSB 格式
与 Philips 格式基本相同，但其数据没有位移
