怎么对音频进行上采样和下采样的操作

怎么对音频进行上采样和下采样的操作

采样位数可以理解为采集卡处理声音的解析度。这个数值越大，解析度就越高，录制和回放的声音就越真实。我们首先要知道：电脑中的声音文件是用数字0和1来表示的。连续的模拟信号按一定的采样频率经数码脉冲取样后，每一个离散的脉冲信号被以一定的量化精度量化成一串二进制编码流，这串编码流的位数即为采样位数，也称为量化精度。从码率的计算公式中可以清楚的看出码率和采样位数的关系：码率=取样频率×量化精度×声道数。
在电脑上录音的本质就是把模拟声音信号转换成数字信号。反之，在播放时则是把数字信号还原成模拟声音信号输出。采集卡的位是指采集卡在采集和播放声音文件时所使用数字声音信号的二进制位数。采集卡的位客观地反映了数字声音信号对输入声音信号描述的准确程度。8位代表2的8次方--256，16位则代表2的16次方--64k。比较一下，一段相同的音乐信息，16位声卡能把它分为64k个精度单位进行处理，而8位声卡只能处理256个精度单位。8位采样的差别在于动态范围的宽窄，动态范围宽广，音量起伏的大小变化就能够更精细的被记录下来，如此一来不论是细微的声音或是强烈的动感震撼，都可以表现的淋漓尽致，而cd音质的采样规格正式16位采样的规格。
16位二进制数的最小值是0000000000000000，最大值是1111111111111111，对应的十进制数就是0和65535，也就是最大和最小值之间的差值是65535，也就是说，它量化的模拟量的动态范围可以差65535，也就是96.32分贝，所以，量化精度只和动态范围有关，和频率响应没关系。动态范围定在96分贝也是有道理的，人耳的无痛苦极限声压是90分贝，96分贝的动态范围在普通应用中足够使用，所以96分贝动态范围内的模拟波，经量化后，不会产生削波失真的。
声音的位数就相当于画面的颜色数，表示每个取样的数据量，当然数据量越大，回放的声音越准确，不至于把开水壶的叫声和火车的鸣笛混淆。同样的道理，对于画面来说就是更清晰和准确，不至于把血和西红柿酱混淆。不过受人的器官的机能限制，16位的声音和24位的画面基本已经是普通人类的极限了，更高位数就只能靠仪器才能分辨出来了。比如电话就是3khz取样的7位声音，而cd是44.1khz取样的16位声音，所以cd就比电话更清楚。
如今市面上所有的主流产品都是16位的采集卡，而并非有些无知商家所鼓吹的64位乃至128位，他们将采集卡的复音概念与采样位数概念混淆在了一起。如今功能最为强大的采集卡系列采用的emu10k1芯片虽然号称可以达到32位，但是它只是建立在direct sound加速基础上的一种多音频流技术，其本质还是一块16位的声卡。应该说16位的采样精度对于电脑多媒体音频而言已经绰绰有余了。 很多人都说，就算从原版cd抓轨，再刻录成cd，重放的音质也是不一样的，这个也是有道理的，那么，既然0101这样的二进数是完全克隆的，重放怎么会不一样呢？那是因为，时基问题造成的数模互换时的差别，并非是克隆过来的二进制数变了，二进制数一个也没变，时基误差不一样，数模转换后的模拟波的频率和源相比就会有不一样。

比特率这个词有多种翻译，比如码率等，表示经过编码（压缩）后的音频数据每秒钟需要用多少个比特来表示，而比特就是二进制里面最少的单位，要么是0，要么是1。比特率与音视频压缩的关系简单的说就是比特率越高音视频的质量就越好，但编码后的文件就越大；如果比特率越少则情况刚好翻转。例如：以500Kbps来编码音视频。其中bps是比特1K=1010=1024b就是比特（bit）s就是秒（second）p就是每（per）所以，以500kbps来编码表示经过编码后的音视频数据每秒钟需要用500K的比特来表示在基带传输系统中用比特率表示传输的信息码率.比特率Rb是指单位时间内传输的二元比特数,单位是b/s.例如计算机串口的传输码率最高到115200b/s.符号率或波特率Rs是指单位时间内传输的调制符号数,即指三元及三元以上的多元数字码流的信息传输速率,单位是baud/s.在M进制调制中,比特率Rb和波特率Rs之间的关系为:Rb=Rslog2M采样率是指采样样本与总样本数之比，采样数率是单位时间采样数。如果是仪器中，采样速率为40MSa/s，说明每秒采样数量为40M个，但是不能使用40MHz表示。把模拟音频转成数字音频的过程,就称作采样，简单地说就是通过波形采样的方法记录1秒钟长度的声音，需要多少个数据。44KHz采样率的声音就是要花费44000个数据来描述1秒钟的声音波形。原则上采样率越高，声音的质量越好。