【音视频|PCM】PCM格式详解-程序员宅基地

博客主页：https://blog.csdn.net/wkd_007
博客内容：嵌入式开发、Linux、C语言、C++、数据结构、音视频
本文内容：介绍数字音频的PCM格式
金句分享：子曰：君子不器。 ——《论语·为政篇》。意思是，君子不应像器具那样，只有一种用途。

一、PCM是什么？

1.1 PCM 的定义

PCM（Pulse Code Modulation）又称脉冲编码调制，是一种用于数字通信和音频记录的技术。PCM通过对模拟信号进行采样、量化、编码，将连续的模拟信号转换为离散的数字信号，从而实现信号的高保真传输和存储。

1.2 PCM 和声音(音频) 的关系

从PCM的定义来看，它主要是将模拟信号转成数字信号。那它和音频有什么关系呢？为什么是要转成数字信号呢？

1、自然界中的声音通过麦克风等采集设备处理后，首先会将声音信号转换成电信号，但此时的电信号是连续的模拟信号，将这些音频模拟信号在坐标系表示就类似于下图：

2、计算机只认识0和1，这样连续的模拟信号要被计算机传输或存储等处理的话，就需要先转换成数字信号；

3、通过模数转换器(A/D)，将音频模拟信号转换成数字信号后就可以被计算机处理，经过模数转换器处理后的音频数字信号就是PCM，是声音的原始数据。在音视频编程中，常被称为音频裸数据，它还可以继续被编码成其他格式的音频数据如：wav、mp3、aac、ogg；

4、计算机处理后的数字音频信号，再通过数模转换器(D/A)，转换成音频模拟信号，最后通过扬声器等设备转成声音信号，进行播放。

通过前面的介绍，PCM可以总结为：通过模数转换器处理后，将声音模拟信号转换而成的数字信号，是声音要给计算机处理的最原始的音频数据。

在这里插入图片描述

二、PCM 生成过程

读者可以先思考一下，怎样才能将连续的模拟信号转成数字信号呢？

既然模拟信号看起来像连续的一段曲线，是不是可以用很密集的一些点去表示，只要有足够多的点，就可以让这些点看起来像模拟信号的曲线了；

如果选择用很多点去表示连续的曲线，那么这些点的取值范围应该是多少呢？取值范围越大，越能精确地表示模拟信号曲线；

确定范围后，表示曲线的每个点就成了各个数值，最后将这些数值按照格式排列起来，就成了数字信号了。

其实，PCM也是大概按照上面的流程去生成的，PCM生成需要经过采样(Sampling)、量化(Quantization)、编码(Encoding)。

2.1 采样(Sampling)

采样就是将模拟信号的音频转换成数字信号音频的过程，通过模/数转换器（A/D）对声波进行采样，每一次采样都记录下了原始模拟声波在某一时刻的状态，称之为样本，将一串的样本连接起来，就可以描述一段声波。把每一秒钟所采样的次数称为采样频率，单位为HZ（赫兹）。其实，采样就是在时间轴上对信号进行数字化。

采用过程如上图，用若干个黑点来表示红色的曲线。红色的曲线是音频模拟信号，各个黑点就是样本。

采样率：每一秒钟所采样的样本个数；如果每秒所采集的样本越多，越能精确的表示曲线。常见的采样率有：通话时的采样率为8KHz(每秒8000个样本)，常用的媒体采样率有44.1KHz(每秒44100个样本)，更高要求的有48KHz(每秒48000个样本)等等。

2.2 量化(Quantization)

量化就是为采集的样本确定一个取值范围。

比如用16比特的二进制信号来表示声音的一个样本，而16比特（一个short）所表示的范围是[-32768,32767]，共有65536个可能取值，因此最终音频的数字信号在幅度上也分为了65536层。

如果用8比特的二进制信号来表示声音的一个样本，8比特(一个unsigned char)所表示的范围是[0,255]，共有256个层级。

注意：
在8位的PCM音频数据中，样本的取值范围是从0到255。对于有符号的8位PCM编码，取值范围为-128到127。每个样本使用一个8位字节来表示其幅度值，其中最低位（LSB）表示0，最高位（MSB）表示255。这种编码方式使得正负幅度能够均匀地分布在取值范围内，方便存储和处理。如果没有明确指定是有符号还是无符号的情况下，通常默认为无符号的0到255取值范围。

在16位PCM音频数据中，样本的取值范围是-32768到32767。16位PCM音频数据使用两个字节（16个比特）来表示每个样本的取值，其中一个比特用于表示正负号（16位中最高位为符号位）。因此，样本的取值范围可以表示为从 $2^{15}$ (-32768)到 $2^{15}$ -1(32767)。这个范围与8位PCM音频数据的取值范围不同，因为它们使用了不同数量的比特来表示每个样本的取值。

2.3 编码(Encoding)

编码，就是按照一定的格式记录采样和量化后的样本数据，将量化后的数字信号转换为二进制码的过程。比如顺序存储或压缩存储，等等。

采样、量化后的数据经过编码后产生的二进制数据，就是PCM数据。

在这里插入图片描述

三、PCM音频的特征或参数

采样率（Sampling Rate）：表示每秒钟采样的样本数量，单位为赫兹（Hz）。它决定了PCM音频的时间分辨率和频率范围。
位深度（Bit Depth）：表示每个样本的取值精度，通常以位数表示。它决定了PCM音频的动态范围和信噪比。一般为16bit。
字节序（Byte Order）：表示多字节数据在存储或传输中的排列顺序。常见的字节序有大端序（Big Endian）和小端序（Little Endian）两种。常见的为小端字节序。
采样数据是否有符号（Signed or Unsigned Samples）：表示每个样本的取值是否包含符号位。有符号PCM样本的取值范围涵盖正负值，而无符号PCM样本的取值范围仅包含非负值。
声道数（Number of Channels）：表示PCM音频中的独立声道数量。常见的声道数有单声道（Mono）和立体声（Stereo），还可以有更多声道如5.1声道、7.1声道等。

这些参数共同定义了PCM音频的基本特征，对于处理、存储和传输PCM音频非常重要。不同的应用场景和需求可能需要不同的参数设置来满足特定的要求。
在这里插入图片描述

四

在这里插入图片描述

五

在这里插入图片描述

六、

在这里插入图片描述
如果文章有帮助的话，点赞、收藏，支持一波，谢谢

参考资料：
https://blog.csdn.net/qq_25333681/article/details/90682989

本文链接：https://blog.csdn.net/wkd_007/article/details/134101976

原作者删帖不实内容删帖广告或垃圾文章投诉

智能推荐

攻防世界_难度8_happy_puzzle_攻防世界困难模式攻略图文-程序员宅基地

文章浏览阅读645次。这个肯定是末尾的IDAT了，因为IDAT必须要满了才会开始一下个IDAT，这个明显就是末尾的IDAT了。，对应下面的create_head()代码。，对应下面的create_tail()代码。不要考虑爆破，我已经试了一下，太多情况了。题目来源：UNCTF。_攻防世界困难模式攻略图文

达梦数据库的导出（备份）、导入_达梦数据库导入导出-程序员宅基地

文章浏览阅读2.9k次，点赞3次，收藏10次。偶尔会用到，记录、分享。1. 数据库导出1.1 切换到dmdba用户su - dmdba1.2 进入达梦数据库安装路径的bin目录，执行导库操作　　导出语句：./dexp cwy_init/[email protected]:5236 file=cwy_init.dmp log=cwy_init_exp.log　注释：　　 cwy_init/init_123..._达梦数据库导入导出

js引入kindeditor富文本编辑器的使用_kindeditor.js-程序员宅基地

文章浏览阅读1.9k次。1. 在官网上下载KindEditor文件，可以删掉不需要要到的jsp，asp，asp.net和php文件夹。接着把文件夹放到项目文件目录下。2. 修改html文件，在页面引入js文件：<script type="text/javascript" src="./kindeditor/kindeditor-all.js"></script><script type="text/javascript" src="./kindeditor/lang/zh-CN.js"_kindeditor.js

STM32学习过程记录11——基于STM32G431CBU6硬件SPI+DMA的高效WS2812B控制方法-程序员宅基地

文章浏览阅读2.3k次，点赞6次，收藏14次。SPI的详情简介不必赘述。假设我们通过SPI发送0xAA，我们的数据线就会变为10101010，通过修改不同的内容，即可修改SPI中0和1的持续时间。比如0xF0即为前半周期为高电平，后半周期为低电平的状态。在SPI的通信模式中，CPHA配置会影响该实验，下图展示了不同采样位置的SPI时序图[1]。CPOL = 0，CPHA = 1：CLK空闲状态 = 低电平，数据在下降沿采样，并在上升沿移出CPOL = 0，CPHA = 0：CLK空闲状态 = 低电平，数据在上升沿采样，并在下降沿移出。_stm32g431cbu6

计算机网络-数据链路层_接收方收到链路层数据后,使用crc检验后,余数为0,说明链路层的传输时可靠传输-程序员宅基地

文章浏览阅读1.2k次，点赞2次，收藏8次。数据链路层习题自测问题1.数据链路(即逻辑链路)与链路(即物理链路)有何区别?“电路接通了”与”数据链路接通了”的区别何在?2.数据链路层中的链路控制包括哪些功能?试讨论数据链路层做成可靠的链路层有哪些优点和缺点。3.网络适配器的作用是什么?网络适配器工作在哪一层?4.数据链路层的三个基本问题(帧定界、透明传输和差错检测)为什么都必须加以解决？5.如果在数据链路层不进行帧定界，会发生什么问题？6.PPP协议的主要特点是什么？为什么PPP不使用帧的编号？PPP适用于什么情况？为什么PPP协议不_接收方收到链路层数据后,使用crc检验后,余数为0,说明链路层的传输时可靠传输

软件测试工程师移民加拿大_无证移民，未受过软件工程师的教育（第1部分）-程序员宅基地

文章浏览阅读587次。软件测试工程师移民加拿大无证移民，未受过软件工程师的教育(第1部分) (Undocumented Immigrant With No Education to Software Engineer(Part 1))Before I start, I want you to please bear with me on the way I write, I have very little gen...

随便推点

Thinkpad X250 secure boot failed 启动失败问题解决_安装完系统提示secureboot failure-程序员宅基地

文章浏览阅读304次。Thinkpad X250笔记本电脑，装的是FreeBSD，进入BIOS修改虚拟化配置（其后可能是误设置了安全开机），保存退出后系统无法启动，显示：secure boot failed ，把自己惊出一身冷汗，因为这台笔记本刚好还没开始做备份.....根据错误提示，到bios里面去找相关配置，在Security里面找到了Secure Boot选项，发现果然被设置为Enabled，将其修改为Disabled ，再开机，终于正常启动了。_安装完系统提示secureboot failure

C++如何做字符串分割（5种方法）_c++ 字符串分割-程序员宅基地

文章浏览阅读10w+次，点赞93次，收藏352次。1、用strtok函数进行字符串分割原型： char *strtok(char *str, const char *delim);功能：分解字符串为一组字符串。参数说明：str为要分解的字符串，delim为分隔符字符串。返回值：从str开头开始的一个个被分割的串。当没有被分割的串时则返回NULL。其它：strtok函数线程不安全，可以使用strtok_r替代。示例：//借助strtok实现split#include <string.h>#include <stdio.h&_c++ 字符串分割

2013第四届蓝桥杯 C/C++本科A组真题答案解析_2013年第四届c a组蓝桥杯省赛真题解答-程序员宅基地

文章浏览阅读2.3k次。1 .高斯日记大数学家高斯有个好习惯：无论如何都要记日记。他的日记有个与众不同的地方，他从不注明年月日，而是用一个整数代替，比如：4210后来人们知道，那个整数就是日期，它表示那一天是高斯出生后的第几天。这或许也是个好习惯，它时时刻刻提醒着主人：日子又过去一天，还有多少时光可以用于浪费呢？高斯出生于：1777年4月30日。在高斯发现的一个重要定理的日记_2013年第四届c a组蓝桥杯省赛真题解答

基于供需算法优化的核极限学习机(KELM)分类算法-程序员宅基地

文章浏览阅读851次，点赞17次，收藏22次。摘要：本文利用供需算法对核极限学习机(KELM)进行优化，并用于分类。

metasploitable2渗透测试_metasploitable2怎么进入-程序员宅基地

文章浏览阅读1.1k次。一、系统弱密码登录1、在kali上执行命令行telnet 192.168.26.1292、Login和password都输入msfadmin3、登录成功，进入系统4、测试如下：二、MySQL弱密码登录：1、在kali上执行mysql –h 192.168.26.129 –u root2、登录成功，进入MySQL系统3、测试效果：三、PostgreSQL弱密码登录1、在Kali上执行psql -h 192.168.26.129 –U post..._metasploitable2怎么进入

Python学习之路：从入门到精通的指南_python人工智能开发从入门到精通pdf-程序员宅基地

文章浏览阅读257次。本文将为初学者提供Python学习的详细指南，从Python的历史、基础语法和数据类型到面向对象编程、模块和库的使用。通过本文，您将能够掌握Python编程的核心概念，为今后的编程学习和实践打下坚实基础。_python人工智能开发从入门到精通pdf