PCM音频数据格式介绍

1. What is PCM?

PCM(Pulse-code-modulation)是模拟信号以固定的采样频率转换成数字信号后的表现形式。

Sample Rate :
采样频率单位为：Hz。采样频率越高，音频质量越好，占用空间也越大。

Sign :
音频数据是否是有符号的。通常情况下都是有符号的。若是将有符号的数据当做无符号的数据来处理将会使声音听来很刺

Sample Size :
表示每一个采样数据的大小。通常该值为16-bit。

Byte Ordering :
字节序指的是little-endian还是big-endian。表示音频数据的存储字节序。通常均为little-endian。

Number of Channels :
标识音频是单声道(mono，1 channel)还是立体声(stereo，2 channels)。

通过以上五个数据我们就可以描述一个PCM数据，播放一个PCM数据需要的就是以上五个数据。

2. What does a PCM stream look like?

单声道：

+------+------+------+------+------+------+------+------+------+
|  500 |  300 | -100 | -20  | -300 |  900 | -200 |  -50 |  250 |      
+------+------+------+------+------+------+------+------+------+
    
      
      
      
      

    
      
      
      
      

       
       
       
       
1
       
       
       
       
2
       
       
       
       
3
      
      
      
      

每个整数占据2个字节(16-bit)，9个采样也就是18字节的数据。每个采样的整数大小最小为 -32768，最大为 32768 。根据采样数据的位置和值画一个图的话，就会得到像播放器上那样的波浪形图。

我们可以像下面伪代码示例这样将数据读入一个C语言数组 :

FILE *pcmfile
int16_t *pcmdata;
pcmfile = fopen(your pcm data file);
pcmdata = malloc(size of the file);
fread(pcmdata, sizeof(int16_t), size of file / sizeof(int16_t), pcmfile);  
    
      
      
      
      

    
      
      
      
      

       
       
       
       
1
       
       
       
       
2
       
       
       
       
3
       
       
       
       
4
       
       
       
       
5
      
      
      
      

如果我们将这些数据送入声卡，我们就可以听到声音。当然我们需要告诉声卡这些数据的采样率。若我们告知声卡的采样率大于数据本身的采样率，那么这些数据的播放速度会高于其原始的速度。就是快放的功能。

立体声：

 +----------+----------+---------+----------+---------+----------+---------+----------+----------+
 |  LFrame1 |  RFrame1 | LFrame2 | RFrame2  | LFrame3 |  RFrame3 | LFrame4 |  RFrame4 |  LFrame5 |      
 +----------+----------+---------+----------+---------+----------+---------+----------+----------+
    
      
      
      
      

    
      
      
      
      

       
       
       
       
1
       
       
       
       
2
       
       
       
       
3
      
      
      
      

每一个frame是一个16-bit的采样点。左右声道的数据交叉存放。

3. Basic Audio Effects – Volume Control

现在让我们来看一下一些真实的波形图。最简单的就是正弦波了。

我们将波形的振幅扩大五倍，图形如下：

所以如果要增加PCM数据的音量，只需要将每一个采样的数据乘以一个系数就行了。如果我们的PCM数据有2048个字节，则包含了1024个采样。我们用如下的伪代码来扩大音量 ：

int16_t pcm[1024] = read in some pcm data;
for (ctr = 0; ctr < 1024; ctr++) {
    pcm[ctr] *= 2;
}
    
      
      
      
      

    
      
      
      
      

       
       
       
       
1
       
       
       
       
2
       
       
       
       
3
       
       
       
       
4
      
      
      
      

音量控制就是这么简单，但是要注意两点：

1. 若采样点的数据乘以扩大系数之后的值 小于 -32768 或 大于 32768 ，则此处采样的数值只能取 -32768 或 32768

 int16_t pcm[1024] = read in some pcm data;
 int32_t pcmval;
 for (ctr = 0; ctr < 1024; ctr++) {
     pcmval = pcm[ctr] * 2;
     if (pcmval < 32767 && pcmval > -32768) {
         pcm[ctr] = pcmval
     } else if (pcmval > 32767) {
         pcm[ctr] = 32767;
     } else if (pcmval < -32768) {
         pcm[ctr] = -32768;
     }
 }
    
      
      
      
      

    
      
      
      
      

       
       
       
       
1
       
       
       
       
2
       
       
       
       
3
       
       
       
       
4
       
       
       
       
5
       
       
       
       
6
       
       
       
       
7
       
       
       
       
8
       
       
       
       
9
       
       
       
       
10
       
       
       
       
11
       
       
       
       
12
      
      
      
      

1. 我们将采样点的数据乘以2并不代表将声音的音量扩大了两倍，事实上也的确如此。声音音量的增益系数与音量的关系如图：
   

以上内容翻译自：http://www.ypass.net/blog/2010/01/pcm-audio-part-3-basic-audio-effects-volume-control/

4. How to change PCM Sample Rate

根据定义，Sample Rate表示每秒钟的采样个数，所以若是要改变音频的采样频率，我们只需要对采样点做适当的丢弃或者复制就可以。

比如：原始音频为opus编码，单声道，采样率为48kHz，采样点大小为16-bit。如何得到编码为speex，采样率为16kHz，采样大小为16-bit的音频？
我们需要以下几步：

1. 将opus解码为PCM格式数据（叫做PCM1），此时的PCM1的采样率为48kHz
2. 将PCM1的数据中第 3*n（n为从0开始的自然数） 个位置的采样点，丢弃3*n+1 和3*n+2位置的采样点。得到PCM2，此时的PCM2采样率为48kHz / 3 = 16kHz
3. 将PCM2编码为speex数据