前言
學習AudioToolBox有一段時間了，期間有遇到不少坑（主要還是英文不夠好，看官方文檔不甚明了）。隨著一路踩坑填坑，倒是積累了不少音頻相關(guān)的知識。在這里分享一下心得，算是給后來的人一點幫助吧。
??這一篇是基礎(chǔ)篇，主要介紹音頻基礎(chǔ)知識，順便講講iOS上實現(xiàn)音頻流播的幾種方式和需要掌握的知識。
??開源項目DOUAudioStreamer對我?guī)椭艽螅ǜ兄x開源社區(qū)），而我最開始的知識來自這一系列博客，大家也可以去學習一下。很多知識我就直接引用了（其實是copy過來），這里先說明一下。
音頻基礎(chǔ)知識
音頻文件的生成過程是將連續(xù)的離散信號（真實的聲音信號）采樣、量化再編碼轉(zhuǎn)化為離散的數(shù)字信號的過程，這一過程被稱為脈沖編碼調(diào)制（Pulse Code Modulation,PCM）。采樣必須遵循奈奎斯特抽樣定理（只有采樣頻率高于聲音信號最高頻率的兩倍時，才能把數(shù)字信號表示的聲音還原成為原來的聲音），而人耳能聽到的聲音，頻率最低從20Hz起到20KHz，所以音頻文件的采樣率一般在40KHz以上，比如最常見的44.1KHz和48KHz。
采樣（sampling）
把模擬音頻轉(zhuǎn)成數(shù)字音頻的過程,就稱作采樣。采樣的過程實際上是將通常的模擬音頻信號的電信號轉(zhuǎn)換成二進制碼0和1，這些0和1便構(gòu)成了數(shù)字音頻文件。要正確理解音頻采樣可以分為采樣的頻率和采樣的位數(shù)。
采樣頻率（sample rate）
也稱為采樣速度或者采樣率（單位Hz），定義了每秒從連續(xù)信號中提取并組成離散信號的采樣個數(shù)。通俗的講采樣頻率是指計算機每秒鐘采集多少個信號樣本，采樣頻率越高聲音的還原就越真實越自然。
采樣位數(shù)
也稱為采樣精度（單位bit），采樣位數(shù)可以理解為采集卡處理聲音的解析度。這個數(shù)值越大，解析度就越高，錄制和回放的聲音就越真實。移動端常見的采樣位數(shù)為8或16。8位代表2的8次方--256，16位則代表2的16次方--64K。比較一下，一段相同的音樂信息，16位聲卡能把它分為64K個精度單位進行處理，而8位聲卡只能處理256個精度單位，造成了較大的信號損失，最終的采樣效果自然是無法相提并論的。
通道數(shù)（channel）
分為單聲道和立體聲。當然還存在更多的通道數(shù)。舉個列子，聲道多，效果好，兩個聲道，說明只有左右兩邊有聲音傳過來， 四聲道，說明前后左右都有聲音傳過來。
樣本（sample），幀（frame），包（packet）
- 一個音頻樣本是單個音頻通道的單一數(shù)值。
- 一個音頻幀是時間重合的樣本的集合。例如，立體聲文件每幀有兩個樣本，一個用于左聲道，一個用于右聲道。
- 一個音頻包是一個或多個連續(xù)的幀的集合。在線性PCM音頻中，音頻包始終是單個幀。在壓縮格式中，一般是多個幀。在給定的音頻格式中，音頻包定義了最小且具有意義的一組音頻幀的集合。
比特率（bit rate）
也叫碼率，聲音中的比特率是指將模擬聲音信號轉(zhuǎn)換成數(shù)字聲音信號后，單位時間內(nèi)的二進制數(shù)據(jù)量，是間接衡量音頻質(zhì)量的一個指標（比特率越高音質(zhì)越好）。計算公式：比特率 = 采樣率 x 采樣位數(shù) x 聲道數(shù)，單位bps（Bit Per Second）。例如一個48KHz采樣率，雙聲道，16位采樣率，它的比特率為 48KHz * 2 * 16bit = 1536kbps（這里的k是1000）。下圖是網(wǎng)易云音樂提供的音頻碼率。
音頻壓縮
一個采樣率為44.1KHz，采樣位數(shù)為16bit/s，雙聲道的PCM編碼的音頻文件，它的數(shù)據(jù)速率則為 44.1K * 16 * 2=1411.2 kbps。 將碼率除以8（進制轉(zhuǎn)換，1Byte=8Bit），就可以得到數(shù)據(jù)速率，即176.4KB/s。這表示存儲一秒鐘采樣率為44.1KHz，采樣大小為16bit/s，雙聲道的PCM 編碼的音頻信號，需要176.4KB的空間，1分鐘則約為10.34M，這對大部分用戶是不可接受的，尤其是喜歡在電腦上聽音樂的朋友，要降低磁盤占用， 只有2種方法，降低采樣指標或者壓縮，而降低指標是不可取的，就只能壓縮了。對于原始音頻數(shù)據(jù)，如PCM，每一個數(shù)據(jù)包只有一個音頻幀，而對于壓縮音頻，如MP3，一個數(shù)據(jù)包往往對應著多個音頻幀。
編碼方式VBR、CBR
VBR（Variable Bitrate）動態(tài)比特率 也就是沒有固定的比特率，壓縮軟件在壓縮時根據(jù)音頻數(shù)據(jù)即時確定使用什么比特率，這是以質(zhì)量為前提兼顧文件大小的方式，推薦編碼模式；
??CBR（Constant Bitrate），常數(shù)比特率 指文件從頭到尾都是一種位速率。相對于VBR和ABR來講，它壓縮出來的文件體積很大，而且音質(zhì)相對于VBR和ABR不會有明顯的提高
MP3格式
MP3是目前最常用的音頻格式。MP3格式中的數(shù)據(jù)通常由兩部分組成，一部分為ID3用來存儲歌名、演唱者、專輯、音軌數(shù)等信息，另一部分為音頻數(shù)據(jù)。音頻數(shù)據(jù)部分以幀(frame)為單位存儲，每個音頻都有自己的幀頭。MP3中的每一個幀都有自己的幀頭，其中存儲了采樣率等解碼必須的信息，所以每一個幀都可以獨立于文件存在和播放，這個特性加上高壓縮比使得MP3文件成為了音頻流播放的主流格式(也正是因為這個，于是出現(xiàn)了VBR技術(shù)，可以讓MP3文件的每一段甚至每一幀都可以有單獨的bitrate，這樣做的好處就是在保證音質(zhì)的前提下最大程度的限制了文件的大小)。幀頭之后存儲著音頻數(shù)據(jù)，這些音頻數(shù)據(jù)是若干個PCM數(shù)據(jù)幀經(jīng)過壓縮算法壓縮得到的，對CBR的MP3數(shù)據(jù)來說每個幀中包含的PCM數(shù)據(jù)幀是固定的，而VBR是可變的。
單個音頻包的持續(xù)時間
??packetDuration = framesPerPacket / sampleRate * 1000，也就是說單個包的持續(xù)時間(毫秒) = 單個包的幀數(shù) / 采樣頻率 * 1000
??例如，對于一個采樣率44.1KHz的MP3文件，一個音頻包有1152個音頻幀（固定的），根據(jù)公式計算可得 packetDuration = 1152 / 44.1KHz * 1000 = 26.1224...(約等于26ms)，即一個MP3音頻包的持續(xù)時間是26ms。這個知識點在seek時會發(fā)揮比較大的作用，可以用于求出seek后對應的音頻包位置。
iOS音頻播放總覽
了解了基礎(chǔ)概念之后我們就可以列出一個經(jīng)典的音頻播放流程（以MP3為例）：
1、讀取MP3文件
2、解析采樣率、碼率、時長等信息，分離MP3中的音頻幀
3、對分離出來的音頻幀解碼得到PCM數(shù)據(jù)
4、對PCM數(shù)據(jù)進行音效處理（均衡器、混響器等，非必須）
5、把PCM數(shù)據(jù)解碼成音頻信號
6、把音頻信號交給硬件播放
7、重復1-6步直到播放完成
在iOS系統(tǒng)中apple對上述的流程進行了封裝并提供了不同層次的接口，下面對其中的中高層接口進行功能說明：
- Audio File Services：讀寫音頻數(shù)據(jù)，可以完成播放流程中的第2步；
- Audio File Stream Services：對音頻進行解碼，可以完成播放流程中的第2步；
- Audio Converter services：音頻數(shù)據(jù)轉(zhuǎn)換，可以完成播放流程中的第3步；
- Audio Processing Graph Services：音效處理模塊，可以完成播放流程中的第4步；
- Audio Unit Services：播放音頻數(shù)據(jù)：可以完成播放流程中的第5步、第6步；
- Extended Audio File Services：Audio File Services和Audio Converter services的結(jié)合體；
- AVAudioPlayer/AVPlayer(AVFoundation)：高級接口，可以完成整個音頻播放的過程（包括本地文件和網(wǎng)絡(luò)流播放，第4步除外）；
- Audio Queue Services：高級接口，可以進行錄音和播放，可以完成播放流程中的第3、5、6步；
我們可以自身需求，選擇不同的接口：
- 如果只是想實現(xiàn)音頻的播放，沒有其他需求AVFoundation會很好的滿足你的需求。它的接口使用簡單、不用關(guān)心其中的細節(jié)；
- 如果想實現(xiàn)一個音頻流播放器，有幾種選擇：
- CFNetwork + AudioFileStream + AudioQueue。用CFReadStream讀取音頻數(shù)據(jù)并交給AudioFileStream或者AudioFile解析分離音頻幀，分離出來的音頻幀可以送給AudioQueue進行解碼和播放。如果是本地文件用NSFileHandle直接讀取文件解析即可。開源播放器AudioStreamer就是這種思路。
- CFNetwork + AudioFile + AudioConverter + AudioUnit。同樣用CFReadStream讀取音頻數(shù)據(jù)并交給AudioFile解析分離音頻幀，分離出來的音頻幀交給AudioConverter轉(zhuǎn)換成PCM數(shù)據(jù)，再把PCM數(shù)據(jù)交給AudioUnit進行播放。這是開源播放器DOUAudioStreamer的搭建方式，也是這一系列文章要講述的方式。
為什么選擇CFNetwork而不是NSURLSession？
??由于NSURLSession是異步請求，這樣就會涉及到多線程之間的通信問題，比較復雜，并且讀取到的數(shù)據(jù)大小不好控制，而使用CFNetwork則不一樣，可以精確控制每次讀取到的數(shù)據(jù)大小，并且讀取數(shù)據(jù)是在本線程中，所以雖然說CFNetwork是底層網(wǎng)絡(luò)，但是使用CFNetwork反而比使用NSURLSession更加簡單。
??
??下篇將會介紹iOS中的音頻小管家，AVAudioSession。
