pcm音量放大源代码（pcm 音量）

今天给各位分享pcm音量放大源代码的知识，其中也会对pcm 音量进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！

本文目录一览：

• 1、基于pcm音频的音量分析
• 2、Asterisk播放mp4（1）——音频和PCM编码
• 3、音频输出模式pcm与透传哪个好
• 4、5.1pcm音频声音小
• 5、语音编解码的PCM编码(原始数字音频信号流)
• 6、snd_pcm_write最终的音量

基于pcm音频的音量分析

声音（sound)是由物体振动产生的声波。是通过介质（空气或固体、液体）传播并能被人或动物听觉器官所感知的波动现象。最初发出振动（震动）的物体叫声源。声音以波的形式振动（震动）传播。声音是声波通过任何物质传播形成的运动。

音调的高低主要由声波频率决定。人的听觉频率范围是20Hz～20kHz，其中1kHz～4kHz赫兹是人耳最敏感的区域。

音响是由声音强度决定的一种听觉特性。声音强度大，音响就大，声音强度小，音响就小。人所能感觉到的音响范围在0～130分贝，当音响超过130分贝，人耳就会产生痛觉。研究者大多数用纯音来测查音响的感知觉。30岁的成年男子能知觉到音响只有4分贝的6 000赫兹纯音。在同是6 000赫兹的声波频率下，65岁的老年人要把声音强度提高到40分贝才能知觉到同样的声响。

波形决定了声音的音色。声音因不同物体材料的特性而具有不同特性，音色本身是一种抽象的东西，但波形是把这个抽象直观的表现。音色不同，波形则不同。每一种声音都有各自的基本波形，称为基波。不同声音的基波中混入的谐波有多有少，导致音质变化多端，也就是音色的不同。基波中混入的谐波越多，也就是泛音越多，听起来就更悦耳。

分贝dB定义为两个数值的对数比率，这两个数值分别是测量值和参考值（也称为基准值）。存在两种定义情况。

因为人耳的特性，我们对声音的大小感知呈对数关系。所以我们通常用分贝描述声音大小，分贝（decibel）是量度两个相同单位之数量比例的单位，主要用于度量声音强度，常用dB表示。在声学领域，dB经常用作为表征声压级SPL（Sound Pressure Level）的大小。声压的单位是帕斯卡，Pa，声压的参考值是20μPa，这个值表示人耳在1000Hz处的平均可听阈值，或者是人耳在1000Hz处可被感知的平均最小声压波动值。

因此使用声压计算分贝时使用下述版本的公式：

其中的pref是标准参考声压值20微帕。

人耳可听的声压幅值波动范围为2×10^-5Pa~20Pa，用幅值dB表示对应的分贝数为0~120dB。

物体通过震动发出声音

通过声波带动麦克风内的振膜一起震动来采集音频信号，振膜在震动时会有幅度，我们将振膜的震动过程记录下来，就可以还原声波的形状，以此将声波描述成模拟信号。

对模拟信号进行量化采集的操作

将模拟信号转换成为数字信号

将数字信号存储为pcm无损音频数据裸流

将pcm文件编码成wav，aac，mp3等音频格式进行传输及存储

每秒钟取得声音样本的次数

奈奎斯特定理：在进行模拟/数字信号的转换过程中，当采样频率fs.max大于信号中最高频率fmax的2倍时(fs.max2fmax)，采样之后的数字信号完整地保留了原始信号中的信息。

人耳可听的声音20Hz~20kHz，所以CD品质的采样率为44.1kHz就可以完整的保留人耳所能听到的声音，其中1kHz～4kHz赫兹是人耳最敏感的区域，MP3品质为8kHz，就已经可以基本满足收听音乐的需求了

一个采样点所占据的位（bit）数

*1 字节(也就是8bit) 仅仅能记录 256 个数

*2 字节(也就是16bit) 能够细到 65536 个数, 这已是 CD 标准了;

*4 字节(也就是32bit) 能把振幅细分到 4294967296 个等级

一个采样点描述的是当前采集时间的能量（震动幅度），一个采样点所占的位数越多，描述声音的精确度越高，声压级为20μPa~20Pa，等级比为10^6, 4字节等级为4294 * 10^6，远远高于声压级的等计量，所以无需使用这么细致的深度来进行描述，使用2字节就可以满足需求。

记录声音的通道数量

*单声道通过一个麦克风收集声音

*立体声需要通过多个麦克风一起收集声音

每秒的数据传输速率（kbps）

比特率 = 采样频率 * 采样位数 * 通道数

PCM(Pulse Code Modulation)也被称为脉冲编码调制。PCM音频数据是未经压缩的音频采样数据裸流，它是由模拟信号经过采样、量化、编码转换成的标准的数字音频数据。

PCM音频数据是未经压缩的音频采样数据裸流，是无法直接通过播放器进行播放的，因为pcm中只存储了音频采样数据裸流，采样频率、位深度、通道数等信息都没有进行存储，所以播放器不知道以什么方式来播放pcm数据。因此我们需要将pcm存储为wav格式或编码成其他音频格式进行存储及播放

WAV为微软公司（Microsoft)开发的一种声音文件格式，它符合RIFF(Resource Interchange File Format)文件规范，用于保存Windows平台的音频信息资源，被Windows平台及其应用程序所广泛支持。WAVE文件通常只是一个具有单个“WAVE”块的RIFF文件，该块由两个子块（”fmt”子数据块和”data”子数据块）

wav的实质就是在pcm文件的前面加了一个文件头，让播放器知道该以何种方式来进行播放

1.获取pcm数据片段buff

2.分析buff数据的大小端

3.分析buff数据的符号（有符号/无符号）

4.根据位深度（8/16位）来获取每个采样点的数据

5.计算采样点的平均value

6.数字信号的分贝计算，需要使用dbFS公式，位深度计算出来的最大值（16位有符号32767，无符号65535）为分母（Pref），采样点value为分子（Prms）通过公式计算分贝。

这样计算出来的数字为负值，0为最大值。16位有符号为-93~0，16位无符号位-90~0.

7.分贝换算，通过dbFS公式计算出来的分贝为负数范围，但数字为线性关系，我们需要将结果等比映射到0~120db即为我们最终的结果

Asterisk播放mp4（1）——音频和PCM编码

本文分为四个部分：音频基本概念，PCM编码格式介绍，PCM A-law编码格式介绍，制作测试样本。

我们听到的声音是由频率（是什么）和强度（有多响）决定的。上图是一个正弦函数生成的音频，频率是441Hz，采样率是44.1kHz，采样（sample）的最大值是4095。声音的频率就是一个完整的波形没秒钟重复的次数，采样率（sample_rate）是每秒钟收集多少次声音的强度数据，这样每个完整的波形包含100个采样。

上面这个图是个单声道（channel）的音频，实际的音频很多都是多声道的。当有多个声道时，需要定义每个声道中的采样用什么方式进行排列，例如：双声道的时，可以 LRLR... ，也可以 LL...,RR... 。（这个问题会在后续讲容器的文章中在详细说明）

每个采样（sample）代表了声音的强度，但它这并不是个绝对的声音大小，只是相对的。因为，同样的声音文件通过不同的设备播放，声音的大小显然不同，这个和播放设备提供的能量有关。声音的绝对大小用分贝（dB）度量，采样只是和分贝的相对关系。

PCM（Pulse Code Modulation，脉冲编码调制）是对声音的振幅（音量的大小）进行编码，位深度为14bit，20bit，24bit等（用多少个二进制位表示）。通过每秒钟记录若干次振幅的值（采样率，8k，44.1k，48k等），把声音的波形记录下来（频率）。

计算机系统中8个二进制位对应1个字节，所以实际表示一个采样时，需要用1个，2个或4个字节进行表示；每个字节又可采用有符号或无符号的方式。当用多个字节表示一个采样时，又存在字节序的问题，就是前面的字节表示的高位还是低位，分为大字节序（big-endian，将高序字节存储在起始地址）和小字节序（little-endian，将低序字节存储在起始地址）。这样就会产生 很多编码的组合，下面是 ffmpeg 支持的 pcm 采样格式（也可以通过命令行 ffmpeg -formats | grep PCM 查看）。

PCM本身是一种无损（lossless）编码格式（我理解无损的含义是收集到什么就记录什么，不同格式间的差别在于记录的精度，并不因为方式产生的损失）。但是在电话系统中为了更有效地传递数据，提出了 PCM A-alaw 和 PCM mu-law 两种编码格式，其思路是将原始的PCM编码， 压缩成8位的编码（具体的算法不展开了，可以参考 g711原理pcm转alaw，pcm转ulaw，alaw转pcm，ulaw转pcm ）。

alaw 是将13位的有符号数压缩为8位的有符号数，是有损编码（压缩），编码后的数据通过解码无法恢复到原状，数值越大的采样损失的数据就越多。（这里有个疑问，在系统中是用16位保存一个样本的，那是否又有3位数据丢掉了？）

alaw 只定义了采样的编解码方法，但是实际使用中还要注意采样率的问题，通常mp3，mp4这些音视频文件中的采样率为44.1k或48k，而电话系统中的采样率为8k，那么从高采样率到低采样率，必然又会产生损失。

上图是实现Asterisk播放mp4文件的简要流程，中间涉及到音频的编解码过程，其中任何一个环节（出现错误或者因为编解码带来损失）都可能导致最终听到的声音有问题（失真，噪音等）。我们必须找到一种方法验证在各个环节是否运行正确，例如；采样率，采样位深度等等。我采用的方法是通过 ffmpeg 这个工具生成测试数据，并按照各个环节产生的编码格式生成对应的参照数据，然后比较在各个环节实际产生的数据是否正确。

通常mp4文件中的音频解码出的裸流是 pcm_s16le （有符号，2字节，小字节序），那么我们先生成一个该格式的10秒钟的裸流。

ffmpeg 告诉我们生成的文件的编码格式 pcm_s16le ，采样率是 44100 ，单声道 mono 。通过查看源码（libavfilter/asrc_sine.c）可以知道：1、正弦波的频率是441Hz，那么 每周期包含100个采样（44100/441） ，这个有助于我们理解生成的数据的变化规律；2、 采样的最大值等于4095（0xfff） ，并不是有符号16位数的最大值32767（0x8000），这个最大值正好是12bit，加上1位符号位是13，正好和 alaw 将13位有符号数转为8位对应上了。

生成文件的大小是 882000 字节，44100个采样/秒 * 10秒 * 2字节/采样。

读取生成文件的前200个采样（400个字节）生成图形如下：

按16进制格式打开文件（vi sine-10s.s16le，打开后 :%!xxd ），查看数据：

可以看到在第26个采样达到最大值 ff0f ，第76个采样达到最小值 01f0 。因为是小字节序，要调换字节顺序，所以最大值对应的是 0x0fff（4095） ，最小值对应的是 0xf001（-4095） 。

用上面的 ffmpeg 命令生成一段10秒钟的 pcm_s16le 格式音频文件（裸流，没有进行封装）。我们既可以用耳朵听，也可以用眼睛看这个音频。

下面我们把同样的声音做 alaw 编码。

生成文件的大小 441000 ，44100个采样/秒 * 10秒 * 2字节/采样。

读取生成文件的前200个采样（200个）字节，生成图形：

alaw 采样的符号位和原始pcm数据符号位是相反的，所以波峰和波谷和 s16le 是相反的；因为数据进行了编码压缩，所以编码后的数据并不能体现出原始波形，但是频率并没有发生改变。

直接打开文件查看数据：

可以看到在波峰波谷位置数据的差异变小了。

如果需要设置采样率（默认是44.1k），例如：8k，可以通过 ar 参数实现。

alaw 是一种压缩格式，需要解压缩才能播放，按 alaw 算法解码出来的采样时13位有符号数，对应的存储格式就是 pcm_s16le ，所以我们看看alaw转s16le会是什么样？

这次是用之前生成好的 alaw 文件作为输入。

取前200个样本生成图形。

从图形上可以看到整体波形并没有发生改变，但是在波峰波谷的位置存在失真，这表明 alaw 的编解码过程带来了损失。

查看原始数据我们也可以看到已经和原始 s16le 数据不同，数据精度下降了。

生成一段空白10秒裸流，采样全是0。

ffmpeg -lavfi anullsrc=r=44100:cl=mono -t 10 -f s16le -c:a pcm_s16le null-10s.raw

生成一段指定内容的裸流（并不能设定为特定值，如果指定的是0，输出的是0，否则是最大值）。

ffmpeg -lavfi aevalsrc=1 -t 1 -f s16le -c:a pcm_s16le eval-1s.raw

执行如下命令，可以查看音频文件的音量：

获得输出内容：

n_samples: 441000

mean_volume: -21.1 dB

max_volume: -18.1 dB

histogram_18db: 128000

看这个数据仍然不太明白音量到底是什么，通过看源码，形成大体上的理解，0dB被当作音量的极大值，对应16位有符号数的最大值就是32767（0x8000），等于91dB的音量。（目前并不确切知道为什么选91分贝这个值，似乎是再高的值人就受不了。）

参考：

参考：

参考：

参考：

参考：

参考：

音频输出模式pcm与透传哪个好

pcm代表播放设备自己解码，然后把经过处理的声音输出，如果设备支持该音轨编码，那么就是有声音的，但如果不支持dts或者杜比的某些音轨，那么就会出现静音无声的情况，那这个时候就需要hdmi透传。hdmi透传相当于播放设备不去解码音轨，而是把音轨数字信号直接输出给dac或功放，它不管也不做处理，直通输出，外部功放或者回音壁负责解码，这时之前不能解码的dts或杜比就可以让功放来解码，从而实现有声音的正常状态。合并功放还有种情况就是播放器虽然解码也回放了声音，但是降解，有损播放，比如dtshdmaster降解为dts，损失了很多音轨信息，但透传是源码直通，只要功放识别就不会有损耗。如何区分是pcm还是透传播放器调高音量，听到的声音也变大了就是pcm，但如果声音没变化，说明就是直通。如果自己具备先进的前端解码器或者合并式功放或优秀的回音壁，建议直通，这样可以确保正常解码。如果功率放大器足够好，选择raw！因为PCM可能会从DVD中重新编码。

PCM：非线性脉冲编码调制。PCM是解码后下一个设备的输出。如果玩家很强大，选择这个。PCM有时采用相应的技术来降低数字信号源的数据速率，方便存储和数据传输。

Raw：简单的描述就是设备不解码，直接输出到下一个设备，让下一个设备解码。如果是外部功率放大器，请选择raw。

声音输出pcm和raw哪个好？

都可以。PCM和原始音频输出之间的唯一区别是是否解码。Raw支持源代码输出，PCM可以自行解码和播放。相对而言，PCM对设备的要求更高。

5.1pcm音频声音小

声音的本质是一种能量波，由振动而产生的能量波，通过传输介质传输出去。声音有三个属性：

音调(Pitch)：声音频率的高低。表示人的听觉分辨一个声音的调子高低的程度。音调主要由声音的频率决定,同时也与声音强度有关

音量：人主观上感觉声音的大小，由“振幅”（amplitude）和人离声源的距离决定，振幅越大响度越大，人和声源的距离越小，响度越大。（单位：分贝dB）

音色：又称声音的品质，波形决定了声音的音色。声音因不同物体材料的特性而具有不同特性，音色本身是一种抽象的东西，但波形是把这个抽象直观的表现。音色不同，波形则不同。典型的音色波形有方波，锯齿波，正弦波，脉冲波等。不同的音色，通过波形，完全可以分辨的。

波长是决定音调高低；振幅是决定音量高低；波纹是决定音色。

PCM(Pulse Code Modulation，脉冲编码调制)音频数据是未经压缩的音频采样数据裸流，它是由模拟信号经过采样、量化、编码转换成的标准数字音频数据。

描述PCM数据主要有以下6个参数：

Sample Rate : 采样频率。8kHz(电话)、44.1kHz(CD)、48kHz(DVD)。

Sample Size : 量化位数，描述数字信号所使用的位数。8位(8bit)代表2的8次方=256，16 位(16bit)则代表2的16次方=65536；采样位数越高，精度越高。

Number of Channels : 通道个数。常见的音频有立体声(stereo)和单声道(mono)两种类型，立体声包含左声道和右声道。另外还有环绕立体声等其它不太常用的类型。

Sign : 表示样本数据是否是有符号位，比如用一字节表示的样本数据，有符号的话表示范围为-128 ~ 127，无符号是0 ~ 255。

Byte Ordering : 字节序。字节序是little-endian还是big-endian。通常均为little-endian。

Integer Or Floating Point : 整形或浮点型。大多数格式的PCM样本数据使用整形表示，而在一些对精度要求高的应用方面，使用浮点类型表示PCM样本数据。

对于16位，单声道的音频，采样点幅值为2^15-1和-2^15，即32767和-32768，当乘以放大倍数后，需要对超出此范围的数据进行溢出处理，但是如果一个音频帧中溢出数据过多，就会造成音频失真，故要合理的动态的选择放大倍数。

下面是两种对16位，单声道的音频调节音量算法

语音编解码的PCM编码(原始数字音频信号流)

类型：Audio

制定者：ITU-T

所需频宽：1411.2 Kbps

特性：音源信息完整，但冗余度过大

优点：音源信息保存完整,音质好

缺点：信息量大，体积大，冗余度过大

应用领域：voip

版税方式：Free

备注：在计算机应用中，能够达到最高保真水平的就是PCM编码，被广泛用于素材保存及音乐欣赏，CD、DVD以及我们常见的WAV文件中均有应用。因此，PCM约定俗成了无损编码，因为PCM代表了数字音频中最佳的保真水准，并不意味着PCM就能够确保信号绝对保真，PCM也只能做到最大程度的无限接近。要算一个PCM音频流的码率是一件很轻松的事情，采样率值×采样大小值×声道数bps。一个采样率为44.1KHz，采样大小为16bit，双声道的PCM编码的WAV文件，它的数据速率则为 44.1K×16×2=1411.2 Kbps。我们常见的Audio CD就采用了PCM编码，一张光盘的容量只能容纳72分钟的音乐信息。

snd_pcm_write最终的音量

一。方法一：直接放大缓存中的数据

1. 基本原理

2. 相关尝试和结果

2.1 在播放前放大音频缓存数据

2.2 在录制前放大缓存

二。方法二：在linux终端直接设置alsa的参数。

1. 基本原理

2. 过程

2.1 获取可以设置的参数

2.2 获取各个参数当前的值

2.3 设置`播放音量参数`和`录音音量参数`

关于pcm音量放大源代码和pcm 音量的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。