我們在音頻處理的時候經常會接觸到PCM數據：它是模擬音頻信號經模數轉換（A/D變換）直接形成的二進制序列，該文件沒有附加的文件頭和文件結束標志。
聲音本身是模擬信號，而計算機只能識別數字信號，要在計算機中處理聲音，就需要將聲音數字化，這個過程叫經模數轉換（A/D變換）。最常見的方式是透過脈沖編碼調制PCM(Pulse Code Modulation) 。
運作原理如下:首先我們考慮聲音經過麥克風，轉換成一連串電壓變化的信號，如下圖所示。這張圖的橫座標為秒，縱座標為電壓大小。
要將這樣的信號轉為 PCM 時，需要將聲音量化，我們一般從如下幾個維度描述一段聲音：
- 聲道數、
- 采樣位數
- 采樣頻率
- 時長
采樣頻率：即取樣頻率,指每秒鍾取得聲音樣本的次數。采樣頻率越高,聲音的質量也就越好,聲音的還原也就越真實，但同時它占的資源比較多。由於人耳的分辨率很有限,太高的頻率並不能分辨出來。在16位聲卡中有22KHz、44KHz等幾級,其中，22KHz相當於普通FM廣播的音質，44KHz已相當於CD音質了，目前的常用采樣頻率都不超過48KHz。
采樣位數：即采樣值或取樣值（就是將采樣樣本幅度量化）。它是用來衡量聲音波動變化的一個參數，也可以說是聲卡的分辨率。它的數值越大，分辨率也就越高，所發出聲音的能力越強。
聲道數：很好理解，有單聲道和立體聲之分，單聲道的聲音只能使用一個喇叭發聲（有的也處理成兩個喇叭輸出同一個聲道的聲音），立體聲的PCM 可以使兩個喇叭都發聲（一般左右聲道有分工） ，更能感受到空間效果。
時長： 采樣的時長
下面再用圖解來看看采樣位數和采樣頻率的概念。讓我們來看看這幾幅圖。
- 圖中的黑色曲線表示的是PCM 文件錄制的自然界的聲波，
- 紅色曲線表示的是PCM 文件輸出的聲波，
這個圖中，采樣點是離散的，每一個點對應pcm一個單元的數據。
- 采樣頻率越高，x軸采樣點就越密集，聲音越接近原始數據
- 采樣位數越高，y軸采樣點就越密集，聲音越接近原始數據
采樣頻率單位為Hz，表示每秒采樣的次數，一般有11025HZ（11KHz），22050HZ（22KHz）、44100Hz（44KHz）三種。
采樣位數單位為bit（位），一般有8bit和16bit 。8bit表示用8bit空間量化某時刻的聲音，這一點基本是和圖片用r、g、b三單位共24bit量化顏色一樣。
PCM存儲方式：
有了上述基礎，就可以很容易理解PCM信息存儲的方式。例如，一個單聲道、8bit、11KHz的格式如下：
| 采樣點 |
T1 |
T2 |
T3 |
T4 |
T5 |
T6 |
| 幅值 |
0x08 |
0x07 |
0x03 |
0x03 |
0x04 |
0x03 |
- 采樣位數為是8bit，用一個byte存儲它每個時刻的信息
- 聲道為單聲道，每個時刻只有一份信息。
- 頻率為11kHz，每秒鍾有11025個時刻
再擴展一下
- 對於多聲道的聲音，每個時刻的存儲同時存了兩份LR，LR，LR的方式
- 對於16bit的聲音，又分為little endian 和 big endian存儲方式（和數字的存儲方式一樣分大小端）
知乎上有篇帖子講述的還比較多： pcm 音頻數據的存儲方式？
綜上所述，我們可以得到pcm文件的體積計算公式（這里我們把 采樣位數/8 是因為電腦上是將bit轉化為byte）：
存儲量 = (采樣頻率 × 采樣位數/8 × 聲道 × 時間.
例如，數字激光唱盤(CD－DA，紅皮書標准)的標准采樣頻率為44.lkHz，采樣數位為16位，立體聲(2聲道)，可以幾乎無失真地播出頻率高達22kHz的聲音，這也是人類所能聽到的最高頻率聲音。激光唱盤一分鍾音樂需要的存儲量為：
(44.1*1000*l6*2)*60/8=10，584，000(字節)=10.584MBytes
這個數值就是PCM聲音文件在硬盤中所占磁盤空間的存儲量。
計算機音頻文件的格式決定了其聲音的品質，日常生活中電話、收音機等均為模擬音頻信號，即不存在采樣頻率和采樣位數的概念，我們可以這樣比較一下：
- 44KHz，16BIT的聲音稱作：CD音質；
- 22KHz、16Bit的聲音效果近似於立體聲（FM Stereo）廣播，稱作：廣播音質；
- 11kHz、8Bit的聲音，稱作：電話音質。
WAV和PCM的關系
前面也介紹到了，PCM數據本身只是一個裸碼流，它是由聲道、采樣位數、采樣頻率、時長共同決定的，因此我們至少要知道其中的三個才能將pcm所代表的數據提取出來。
因此，純PCM數據是無法播放的，因此還需要一段描述數據。計算機系統中的一個比較常見的做法是將pcm碼流和描述信息封裝在一起，形成一個音頻文件。這樣就可以直接播放了。
一種常見的方式是使用wav格式定義的規范將pcm碼流和描述信息封裝起來。查看pcm和對應wav文件的hex文件，可以發現，wav文件只是在pcm文件的開頭多了44bytes，來表征其聲道數、采樣頻率和采樣位數等信息。這個其實和bmp非常類似。
網上有文章詳細的介紹了這種方式，並通過將pcm封裝成wav文件實現html直接播放。
需要注意的是，WAV定義的是一種音頻封裝規范，雖然常見的都是音頻流被PCM編碼處理的WAV，但這不表示WAV只能使用PCM編碼，MP3編碼同樣也可以運用在WAV中
參考文章：
- http://blog.csdn.net/ce123_zhouwei/article/details/9359389
- http://www.jianshu.com/p/1d1f893e53e9
- http://blog.csdn.net/x_iya/article/details/52384473
- http://blog.csdn.net/baidu_zhongce/article/details/50393254