音频采集

采集设备与接口

麦克风类型
– 模拟麦克风：传统麦克风，需要ADC转换
– 数字麦克风：直接输出数字信号，MEMS技术
– 阵列麦克风：多个麦克风组成阵列，支持波束成形、降噪

采集参数
– 采样率：每秒采样次数，常见值：8kHz、16kHz、44.1kHz、48kHz
– 位深：每个采样点的位数，常见值：16bit、24bit、32bit
– 声道数：单声道（Mono）、立体声（Stereo）、多声道（5.1、7.1等）

采集API
– Linux: ALSA（Advanced Linux Sound Architecture）
– macOS/iOS: CoreAudio
– Windows: DirectSound、WASAPI（Windows Audio Session API）
– Web: Web Audio API、MediaDevices API
– Android: AudioRecord、AudioManager

音频格式

PCM格式（Pulse Code Modulation）
– 未压缩的原始音频数据
– 采样率：决定频率范围（Nyquist定理，采样率需≥2倍最高频率）
– 位深：决定动态范围和信噪比
– 声道：单声道数据量最小，立体声数据量翻倍

音频预处理
– 自动降噪（ANS）：去除背景噪声，提高信噪比
– 回声消除（AEC）：去除扬声器播放声音的回声
– 自动增益控制（AGC）：自动调整音量，保持稳定
– 静音检测（VAD）：检测是否有声音，用于节省带宽

采集参数

采样率选择
– 8kHz：电话质量，带宽要求低
– 16kHz：语音通话常用，质量与带宽平衡
– 44.1kHz：CD质量，音乐播放
– 48kHz：专业音频、视频同步

位深选择
– 16bit：常用，动态范围96dB，足够大多数场景
– 24bit：专业音频，动态范围144dB
– 32bit：浮点格式，用于音频处理

声道配置
– 单声道：语音通话，数据量最小
– 立体声：音乐、视频，提供空间感
– 多声道：环绕声，数据量大