音頻采樣率、碼率

采樣頻率

  • 采樣:采樣即采集樣本,是模擬信息數字化的一個環節。即對模擬信號進行離散采樣,使之成為數字信號。現實信息轉換成的模擬信號,我們沒辦法處理,只有轉換成數字信號才方便我們處理。
  • 采樣率:44.1kHz的采樣率,就是指1個通道1秒鐘有44.1k個數據

采樣時間

  • 時間單位換算:1 s = 10^3 ms = 10^6 us = 10^9 ns = 10^12 ps = 10^15 fs=1018阿秒=1021渺秒=10^43普朗克常數
  • 采樣率的倒數:如44.1kHz的采樣率,采樣時間就是1 / 44.1 / 1000 s,就是 1 / 44.1 ms,即0.022727..ms,就是1 / 44.1 x 1000 = 22.7272us = 22727.2727ns
    44.1kHz的采樣率意味著大約22.72微秒的時間采樣一次

量化位數

量化位數:其實就是采樣精度。對聲波每次采樣后存儲、記錄聲音振幅所用的位數稱為采樣位數,16位聲卡的采樣位數就是16。

量化位數

上圖簡單的演示了一下采樣和量化,每個固定時間對模擬信號進行一次采樣,然后將樣本值用一定位數的 bit 來量化,上圖是將4~10V 的電壓用5位 bit 來進行量化。一般量化位數是沒有5位的,上圖僅僅是演示。
量化位數一般是16、24或者32等

比如10V 電壓,用16為來量化,量化結果就是00000000 00001010

一分鐘音頻需要的存儲空間大小

  • 數據量(總b) = 采樣頻率(Hz) x 量化位數(bit) x 時間(s) x 聲道數(個)
  • 數據量(總B) = 采樣頻率(Hz) x 量化位數(bit) x 時間(s) x 聲道數(個) / 8

采樣率是44.1KHz,量化位數是16,時間是一分鐘,聲道是兩個
不算比特量了,一般都是看字節,所以一般算 B 的數量,即字節數量,如 KB、MB 和 GB等
一般說的500M,2個 G,都是指字節,即 B

  • 一分鐘60s,開始算數據大小了
    44.1 * 1000 (采樣率) x 16(每個樣本值的量化位數) x 60 (音頻時長) x 2(聲道個數) / 8 (比特換算成字節,一字節8比特) = 10584000B = 10335.9375 KB = 10.1MB

碼率

1秒鐘壓縮后的數據量的大小其實就是碼率

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 227,428評論 6 531
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 98,024評論 3 413
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 175,285評論 0 373
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 62,548評論 1 307
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 71,328評論 6 404
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 54,878評論 1 321
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 42,971評論 3 439
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,098評論 0 286
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 48,616評論 1 331
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 40,554評論 3 354
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 42,725評論 1 369
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,243評論 5 355
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 43,971評論 3 345
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,361評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,613評論 1 280
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,339評論 3 390
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 47,695評論 2 370

推薦閱讀更多精彩內容