先來點閑言碎語，前段時間我有一段感悟：Android開發(fā)，本身并不是一個可以走得多遠的方向，它只是一個平臺，提供了許多封裝好的API，讓大家能夠快速開發(fā)出針對特定業(yè)務(wù)的應(yīng)用。

成都創(chuàng)新互聯(lián)公司是一家專業(yè)提供金州企業(yè)網(wǎng)站建設(shè),專注與做網(wǎng)站、成都做網(wǎng)站、HTML5、小程序制作等業(yè)務(wù)。10年已為金州眾多企業(yè)、政府機構(gòu)等服務(wù)。創(chuàng)新互聯(lián)專業(yè)的建站公司優(yōu)惠進行中。

真正有價值的地方就在于Android與具體的業(yè)務(wù)方向結(jié)合，比如：Android與音視頻技術(shù)，Android與智能硬件交互，Android與前端技術(shù)的融合與探索，Android信息安全，Android源碼深度定制等等。

我一直比較看好音視頻/多媒體方向，希望在此能夠深入積累和探索，前段時間我發(fā)布了一款A(yù)ndroid VoIP網(wǎng)絡(luò)電話應(yīng)用“飛鴿電話”，并寫了一篇分析其整體架構(gòu)的文章《PigeonCall：一款A(yù)ndroid VoIP網(wǎng)絡(luò)電話App架構(gòu)分析》，歡迎有興趣的小伙伴們先看一看。

在這個應(yīng)用的開發(fā)過程中學(xué)到的東西還蠻多的，因此想寫一些文章分享分享，本文作為開篇，主要以問答的形式，介紹一些音頻開發(fā)的基礎(chǔ)常識，非常重要，因為不了解這些常識，很多Android API或者第三方庫的參數(shù)，你都不知道該怎么配置。

1. 音頻開發(fā)的主要應(yīng)用有哪些？

音頻播放器，錄音機，語音電話，音視頻監(jiān)控應(yīng)用，音視頻直播應(yīng)用，音頻編輯/處理軟件，藍牙耳機/音箱，等等。

2. 音頻開發(fā)的具體內(nèi)容有哪些？

（1）音頻采集/播放

（2）音頻算法處理（去噪、靜音檢測、回聲消除、音效處理、功放/增強、混音/分離，等等）

（3）音頻的編解碼和格式轉(zhuǎn)換

（4）音頻傳輸協(xié)議的開發(fā)（SIP，A2DP、AVRCP，等等）

3. 音頻應(yīng)用的難點在哪？

延時敏感、卡頓敏感、噪聲抑制（Denoise）、回聲消除（AEC）、靜音檢測（VAD）、混音算法，等等。

4. 音頻開發(fā)基礎(chǔ)概念有哪些？

在音頻開發(fā)中，下面的這幾個概念經(jīng)常會遇到。

（1） 采樣率（samplerate）

采樣就是把模擬信號數(shù)字化的過程，不僅僅是音頻需要采樣，所有的模擬信號都需要通過采樣轉(zhuǎn)換為可以用0101來表示的數(shù)字信號，示意圖如下所示：

藍色代表模擬音頻信號，紅色的點代表采樣得到的量化數(shù)值。

采樣頻率越高，紅色的間隔就越密集，記錄這一段音頻信號所用的數(shù)據(jù)量就越大，同時音頻質(zhì)量也就越高。

根據(jù)奈奎斯特理論，采樣頻率只要不低于音頻信號最高頻率的兩倍，就可以無損失地還原原始的聲音。

通常人耳能聽到頻率范圍大約在20Hz～20kHz之間的聲音，為了保證聲音不失真，采樣頻率應(yīng)在40kHz以上。常用的音頻采樣頻率有：8kHz、11.025kHz、22.05kHz、16kHz、37.8kHz、44.1kHz、48kHz、96kHz、192kHz等。

（2） 量化精度（位寬）

上圖中，每一個紅色的采樣點，都需要用一個數(shù)值來表示大小，這個數(shù)值的數(shù)據(jù)類型大小可以是：4bit、8bit、16bit、32bit等等，位數(shù)越多，表示得就越精細，聲音質(zhì)量自然就越好，當然，數(shù)據(jù)量也會成倍增大。

常見的位寬是：8bit 或者 16bit

（3） 聲道數(shù)（channels）

由于音頻的采集和播放是可以疊加的，因此，可以同時從多個音頻源采集聲音，并分別輸出到不同的揚聲器，故聲道數(shù)一般表示聲音錄制時的音源數(shù)量或回放時相應(yīng)的揚聲器數(shù)量。

單聲道（Mono）和雙聲道（Stereo）比較常見，顧名思義，前者的聲道數(shù)為1，后者為2

（4） 音頻幀（frame）

這個概念在應(yīng)用開發(fā)中非常重要，網(wǎng)上很多文章都沒有專門介紹這個概念。

音頻跟視頻很不一樣，視頻每一幀就是一張圖像，而從上面的正玄波可以看出，音頻數(shù)據(jù)是流式的，本身沒有明確的一幀幀的概念，在實際的應(yīng)用中，為了音頻算法處理/傳輸?shù)姆奖悖话慵s定俗成取2.5ms~60ms為單位的數(shù)據(jù)量為一幀音頻。

這個時間被稱之為“采樣時間”，其長度沒有特別的標準，它是根據(jù)編×××和具體應(yīng)用的需求來決定的，我們可以計算一下一幀音頻幀的大小：

假設(shè)某通道的音頻信號是采樣率為8kHz，位寬為16bit，20ms一幀，雙通道，則一幀音頻數(shù)據(jù)的大小為：

int size = 8000 x 16bit x 0.02s  x 2 = 5120 bit = 640 byte

5. 常見的音頻編碼方式有哪些？

上面提到過，模擬的音頻信號轉(zhuǎn)換為數(shù)字信號需要經(jīng)過采樣和量化，量化的過程被稱之為編碼，根據(jù)不同的量化策略，產(chǎn)生了許多不同的編碼方式，常見的編碼方式有：PCM 和 ADPCM，這些數(shù)據(jù)代表著無損的原始數(shù)字音頻信號，添加一些文件頭信息，就可以存儲為WAV文件了，它是一種由微軟和IBM聯(lián)合開發(fā)的用于音頻數(shù)字存儲的標準，可以很容易地被解析和播放。

我們在音頻開發(fā)過程中，會經(jīng)常涉及到WAV文件的讀寫，以驗證采集、傳輸、接收的音頻數(shù)據(jù)的正確性。

6. 常見的音頻壓縮格式有哪些？

首先簡單介紹一下音頻數(shù)據(jù)壓縮的最基本的原理：因為有冗余信息，所以可以壓縮。

（1） 頻譜掩蔽效應(yīng)： 人耳所能察覺的聲音信號的頻率范圍為20Hz～20KHz，在這個頻率范圍以外的音頻信號屬于冗余信號。

（2） 時域掩蔽效應(yīng)： 當強音信號和弱音信號同時出現(xiàn)時，弱信號會聽不到，因此，弱音信號也屬于冗余信號。

下面簡單列出常見的音頻壓縮格式：

MP3，AAC，OGG，WMA，Opus，F(xiàn)LAC，APE，m4a，AMR，等等

7. Adndroid VoIP相關(guān)的開源應(yīng)用有哪些 ？

imsdroid，sipdroid，csipsimple，linphone，WebRTC 等等

8. 音頻算法處理的開源庫有哪些 ？

speex、ffmpeg，webrtc audio module（NS、VAD、AECM、AGC），等等

10. Android提供了哪些音頻開發(fā)相關(guān)的API？

音頻采集：  MediaRecoder，AudioRecord

音頻播放：  SoundPool，MediaPlayer，AudioTrack （它們之間的區(qū)別可以參考這篇文章）

音頻編解碼： MediaCodec

NDK API：     OpenSL ES

11. 音頻開發(fā)的延時標準是什么？

ITU-TG.114規(guī)定，對于高質(zhì)量語音可接受的時延是300ms。一般來說，如果時延在300～400ms，通話的交互性比較差，但還可以接受。時延大于400ms時，則交互通信非常困難。

12. 小結(jié)

音頻開發(fā)的知識點其實挺多的，一篇文章也無法詳細地展開敘述，因此，不夠全面和詳盡的地方，請大家搜索專業(yè)的資料進行深入了解。文章中有不清楚的地方歡迎留言或者來信 lujun.hust@gmail.com 交流，或者關(guān)注我的新浪微博 @盧_俊 或者 微信公眾號 @Jhuster 獲取最新的文章和資訊。

文章標題：Android音頻開發(fā)（1）：基礎(chǔ)知識
文章位置：http://vcdvsql.cn/article26/jhjicg.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供虛擬主機、外貿(mào)建站、品牌網(wǎng)站制作、ChatGPT、搜索引擎優(yōu)化、網(wǎng)站設(shè)計

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)