昨天簡單介紹了音訊的檔案格式，今天來聊聊聲音是怎麼轉換成數位訊號的。
簡單講講聲音的性質與組成。
振幅、頻率、波長我就當作基本常識帶過去了。
每個聲音的波形都不同，聽起來音色就不同。一個波形可以拆解成許多種不同頻率的 sin 波，因此我們也能反向用許多 sin 波製造出全新的音色，就是 DAC (Digital to Analog Converter)、合成器在玩的事情。
要如何使用數位訊號紀錄聲音呢？更具體一點，要如何用 bits 描述一個波形呢？
引用自 演算法筆記
以固定時間間隔(水平軸)量測振幅(垂直軸)，就可以得到很多 (X, Y) 值。我們來詳細聊聊這兩個值。
每隔一段時間對聲音量測，這個動作稱為 Sample 取樣，也就是前面提到的 X 。
X 因間隔固定，我只需要知道間隔大小就行了，因此用一秒內取幾次數值代表，也就是 sample rate。常見的 sample rate 從 8 khz to 48khz。
要如何決定使用多少取樣率進行取樣呢？這個跟聲音本身的頻率有關。Nyquist Theorm （取樣定理）提到，對頻率 n 的聲波取樣，要能夠保證結果波形與原始波形相似，至少需要 2n 的 sample rate。 sample rate 小於 2n 有機會出現完全錯誤的波形。
一般人類的聲音約在 4khz，人耳可以識別的聲音範圍是 20hz - 20khz，因此常見的 sample rate 才會是 8khz - 48khz。
每次量測得到的聲音振幅，也就是 Y 值，數值每次都不同，因此可以用 N 位元表示一次取樣點聲音的振幅，也就是位元深度 (bit-depth)，常見使用 8 bits (早期遊戲的音樂)、16 bits (CD 音質)、24 bits。
位元深度越高，能夠表示的振幅範圍越多，以 1 bit 換算約為 6 dB 來說，像是 16 bits 可以表示 96 dB、24 bits 可以表示 144 dB。
因位元有限 (Y 軸的刻度有限)，不可能剛好每個數值都在刻度上，勢必需要四捨五入去表示，因此會產生 Quantization Noise (Quantization Error)，造成部分的失真。這個刻度間隔稱為 decision boundaries，而四捨五入後的值稱為 reconstruction level。
decision boundaries == coder mapping ==> recinstruction level
decision boundaries <== decode mapping == recinstruction level
當然，沒有人規定每個間隔都要相等，因此等間距的稱做 uniform quantize，非等間距的稱做 non-uniform，代表的有 u-law 與 A-law。
中文名稱脈衝編碼調變技術非常的不直覺。基本上用上述 Quantization 與 Sampling 取出的資料，就稱為 PCM Data。它將每個取樣點看成直條圖的脈衝，可以簡單比喻成積分的概念，sample rate 越高表示的波形越精準。
一個數位訊號要怎麼轉成聲音讓人聽到呢？主要有兩種方式：
因為聲波可以疊加，所以 FM 以給定的頻率建立基底 sin 波，並根據一套計算公式混和各種頻率的 sin 波產出聲音。聲音比較假，一般用在較低規格的音效卡。
與其合成聲音，不如將真實樂器的聲音按每個音錄製，並存在音效卡的記憶體中，播放指定頻率的音檔。這些音檔可以被軟體操作、合成，與後面會提到的 MIDI 息息相關。
好吧 ~ 今天只能到這裡了，真的是非常非常的淺談，原文書好硬啊 (嗑嗑嗑....)。其實大致了解概念即可，要細講的話 30 天大概都念不完吧 Orz
iThome鐵人賽
看影片追技術