我们在音频处理的时候经常会接触到PCM数据：它是模拟音频信号经模数转换（A/D变换）直接形成的二进制序列，该文件没有附加的文件头和文件结束标志。
声音本身是模拟信号，而计算机只能识别数字信号，要在计算机中处理声音，就需要将声音数字化，这个过程叫经模数转换（A/D变换）。最常见的方式是透过脉冲编码调制PCM(Pulse Code Modulation) 。
运作原理如下:首先我们考虑声音经过麦克风，转换成一连串电压变化的信号，如下图所示。这张图的横座标为秒，纵座标为电压大小。
要将这样的信号转为 PCM 时，需要将声音量化，我们一般从如下几个维度描述一段声音：
- 声道数、
- 采样位数
- 采样频率
- 时长
采样频率：即取样频率,指每秒钟取得声音样本的次数。采样频率越高,声音的质量也就越好,声音的还原也就越真实，但同时它占的资源比较多。由于人耳的分辨率很有限,太高的频率并不能分辨出来。在16位声卡中有22KHz、44KHz等几级,其中，22KHz相当于普通FM广播的音质，44KHz已相当于CD音质了，目前的常用采样频率都不超过48KHz。
采样位数：即采样值或取样值（就是将采样样本幅度量化）。它是用来衡量声音波动变化的一个参数，也可以说是声卡的分辨率。它的数值越大，分辨率也就越高，所发出声音的能力越强。
声道数：很好理解，有单声道和立体声之分，单声道的声音只能使用一个喇叭发声（有的也处理成两个喇叭输出同一个声道的声音），立体声的PCM 可以使两个喇叭都发声（一般左右声道有分工） ，更能感受到空间效果。
时长： 采样的时长
下面再用图解来看看采样位数和采样频率的概念。让我们来看看这几幅图。
- 图中的黑色曲线表示的是PCM 文件录制的自然界的声波，
- 红色曲线表示的是PCM 文件输出的声波，
这个图中，采样点是离散的，每一个点对应pcm一个单元的数据。
- 采样频率越高，x轴采样点就越密集，声音越接近原始数据
- 采样位数越高，y轴采样点就越密集，声音越接近原始数据
采样频率单位为Hz，表示每秒采样的次数，一般有11025HZ（11KHz），22050HZ（22KHz）、44100Hz（44KHz）三种。
采样位数单位为bit（位），一般有8bit和16bit 。8bit表示用8bit空间量化某时刻的声音，这一点基本是和图片用r、g、b三单位共24bit量化颜色一样。
PCM存储方式：
有了上述基础，就可以很容易理解PCM信息存储的方式。例如，一个单声道、8bit、11KHz的格式如下：
|
采样点 |
T1 |
T2 |
T3 |
T4 |
T5 |
T6 |
|
幅值 |
0x08 |
0x07 |
0x03 |
0x03 |
0x04 |
0x03 |
- 采样位数为是8bit，用一个byte存储它每个时刻的信息
- 声道为单声道，每个时刻只有一份信息。
- 频率为11kHz，每秒钟有11025个时刻
再扩展一下
- 对于多声道的声音，每个时刻的存储同时存了两份LR，LR，LR的方式
- 对于16bit的声音，又分为little endian 和 big endian存储方式（和数字的存储方式一样分大小端）
知乎上有篇帖子讲述的还比较多： pcm 音频数据的存储方式？
综上所述，我们可以得到pcm文件的体积计算公式（这里我们把 采样位数/8 是因为电脑上是将bit转化为byte）：
存储量 = (采样频率 × 采样位数/8 × 声道 × 时间.
例如，数字激光唱盘(CD－DA，红皮书标准)的标准采样频率为44.lkHz，采样数位为16位，立体声(2声道)，可以几乎无失真地播出频率高达22kHz的声音，这也是人类所能听到的最高频率声音。激光唱盘一分钟音乐需要的存储量为：
(44.1*1000*l6*2)*60/8=10，584，000(字节)=10.584MBytes
这个数值就是PCM声音文件在硬盘中所占磁盘空间的存储量。
计算机音频文件的格式决定了其声音的品质，日常生活中电话、收音机等均为模拟音频信号，即不存在采样频率和采样位数的概念，我们可以这样比较一下：
- 44KHz，16BIT的声音称作：CD音质；
- 22KHz、16Bit的声音效果近似于立体声（FM Stereo）广播，称作：广播音质；
- 11kHz、8Bit的声音，称作：电话音质。
WAV和PCM的关系
前面也介绍到了，PCM数据本身只是一个裸码流，它是由声道、采样位数、采样频率、时长共同决定的，因此我们至少要知道其中的三个才能将pcm所代表的数据提取出来。
因此，纯PCM数据是无法播放的，因此还需要一段描述数据。计算机系统中的一个比较常见的做法是将pcm码流和描述信息封装在一起，形成一个音频文件。这样就可以直接播放了。
一种常见的方式是使用wav格式定义的规范将pcm码流和描述信息封装起来。查看pcm和对应wav文件的hex文件，可以发现，wav文件只是在pcm文件的开头多了44bytes，来表征其声道数、采样频率和采样位数等信息。这个其实和bmp非常类似。
网上有文章详细的介绍了这种方式，并通过将pcm封装成wav文件实现html直接播放。
需要注意的是，WAV定义的是一种音频封装规范，虽然常见的都是音频流被PCM编码处理的WAV，但这不表示WAV只能使用PCM编码，MP3编码同样也可以运用在WAV中
参考文章：