IOS音视频（三）AVFoundation 播放和录音

1. 音频理论知识

1.1 声音的物理性质
1.2 数字音频
1.3 音频编解码

2. 录制音频
3. 播放音频

回顾一下，上一篇博客“IOS音视频（二）AVFoundation视频捕捉” 中讲解了关于AVFoundation框架对摄像头视频的捕捉能力，并用两个demo(一个OC的Demo,一个Swift的Demo)详细讲解了AVFoundation处理摄像头视频捕捉的能力，可以捕捉静态图片，也可以捕捉实时视频流，可以录制视频，还提供了接口操作闪光灯，开启手电筒模式等等功能。但是这些讲解都是基于苹果官方文档一些接口讲解的，学习了这些我们虽然知道了怎么调用苹果的接口实现相关功能，但是我们并不知道其中的原理性知识，后续的博客中将从视频采集，视频编码，视频解码等原理方面详细讲解，由于时间问题，写完一篇博客基本上要花费一天的时间，所以进度有些慢，博客中也参考了很多大神的博客，但是这些博客是我们平时收集在印象笔记中的，可能有时候忘记添加原始地址了，后续有时间会补上。
感觉说了好多废话，好了，先简单介绍一下：本篇博客主要讲解AVFoundation在音频处理方面的能力。
在音频方面，我们主要是指录制音频和播放音频两个重要的能力，在AVFoundation框架中，等为我们提供了相关类，很容易就实现这些功能。但是我们需要理解一下原理性的知识，便于我们开发中遇到问题就可以及时解决。
在开始讲解录音和播放音频之前，有必要学习一下音频的一些理论知识，方便我们更好的理解。

1. 音频理论知识

1.1 声音的物理性质

声音是波

声音是如何产生的呢？

声音是有物体振动而产生的。

如图所示，当小球撞击到音叉的时候，音叉会产生振动，对周围的空气产生挤压，从而产生声音。声音是一种压力波，当演奏乐器、拍打一扇门或者敲击桌面时，它们的振动都会引起空气有节奏的振动，使周围的空气产生疏密变化，形成疏密相间的纵波（可以理解为石头落入水中激起的波纹），由此就产生了声波，这种现象会一直延续到振动消失为止。

声波的三要素：

声波的三要素是频率、振幅和波形，频率代表音阶的高低，振幅代表响度，波形代表音色。

频率（过零率）越高，波长就越短。低频声响的波长则较长，所以其可以更容易地绕过障碍物，因此能量衰减就小，声音就会传得远，反之则会得到完全相反的结论。

响度其实就是能量大小的反映，用不同的力度敲击桌子，声音的大小势必也会不同。在生活中，分贝常用于描述响度的大小。声音超过一定的分贝，人类的耳朵就会受不了。

人类耳朵的听力有一个频率范围，大约是20Hz～20kHz，不过，即使是在这个频率范围内，不同的频率，听力的感觉也会不一样，业界非常著名的等响曲线，就是用来描述等响条件下声压级与声波频率关系的，人耳对3～4kHz频率范围内的声音比较敏感，而对于较低或较高频率的声音，敏感度就会有所减弱；在声压级较低时，听觉的频率特性会很不均匀；而在声压级较高时，听觉的频率特性会变得较为均匀。频率范围较宽的音乐，其声压以80～90dB为最佳，超过90dB将会损害人耳（105dB为人耳极限）。

声音的传播介质

吉他是通过演奏者拨动琴弦来发出声音的，鼓是通过鼓槌敲击鼓面发出声音的，这些声音的产生都离不开振动，就连我们说话也是因为声带振动而产生声音的。既然都是振动产生的声音，那为什么吉他、鼓和人声听起来相差这么大呢？这是因为介质不同。我们的声带振动发出声音之后，经过口腔、颅腔等局部区域的反射，再经过空气传播到别人的耳朵里，这就是我们说的话被别人听到的过程，其中包括了最初的发声介质与颅腔、口腔，还有中间的传播介质等。事实上，声音的传播介质很广，它可以通过空气、液体和固体进行传播；而且介质不同，传播的速度也不同，比如，声音在空气中的传播速度为340m/s，在蒸馏水中的传播速度为1497m/s，而在铁棒中的传播速度则可以高达5200m/s；不过，声音在真空中是无法传播的。

吸音和隔音原理

吸音主要是解决声音反射而产生的嘈杂感，吸音材料可以衰减入射音源的反射能量，从而达到对原有声源的保真效果，比如录音棚里面的墙壁上就会使用吸音棉材料。

隔音主要是解决声音的透射而降低主体空间内的吵闹感，隔音棉材料可以衰减入射音源的透射能量，从而达到主体空间的安静状态，比如KTV里面的墙壁上就会安装隔音棉材料。

回音

当我们在高山或空旷地带高声大喊的时候，经常会听到回声（echo）。之所以会有回声是因为声音在传播过程中遇到障碍物会反弹回来，再次被我们听到。但是，若两种声音传到我们的耳朵里的时差小于80毫秒，我们就无法区分开这两种声音了，其实在日常生活中，人耳也在收集回声，只不过由于嘈杂的外界环境以及回声的分贝（衡量声音能量值大小的单位）比较低，所以我们的耳朵分辨不出这样的声音，或者说是大脑能接收到但分辨不出。

共鸣

自然界中有光能、水能，生活中有机械能、电能，其实声音也可以产生能量，例如两个频率相同的物体，敲击其中一个物体时另一个物体也会振动发声。这种现象称为共鸣，共鸣证明了声音传播可以带动另一个物体振动，也就是说，声音的传播过程也是一种能量的传播过程。

1.2 数字音频

为了将模拟信号数字化，需要3个过程分别是采样、量化和编码。
首先要对模拟信号进行采样，所谓采样就是在时间轴上对信号进行数字化。根据奈奎斯特定理（也称为采样定理），按比声音最高频率高2倍以上的频率对声音进行采样（也称为AD转换）。
对于高质量的音频信号，其频率范围（人耳能够听到的频率范围）是20Hz～20kHz，所以采样频率一般为44.1kHz，这样就可以保证采样声音达到20kHz也能被数字化，从而使得经过数字化处理之后，人耳听到的声音质量不会被降低。而所谓的44.1kHz就是代表1秒会采样44100次。
那么，具体的每个采样又该如何表示呢？
这就是量化。