转自：http://blog.csdn.net/dinggo/article/details/1966444
https://blog.csdn.net/wlsfling/article/details/5875928
目录
1. 概述
2. AMR编码方式
3. AMR文件结构示范图
4. AMR帧头格式分析
5. 异常帧分析
6. AMR帧读取算法
7. 参考资料
1. 概述
现在很多智能手机都支持多媒体功能，特别是音频和视频播放功能，而AMR文件格式是手机端普遍支持的音频文件格式。
AMR，全称是：Adaptive Multi-Rate，自适应多速率，是一种音频编码文件格式，专用于有效地压缩语音频率。
AMR音频主要用于移动设备的音频压缩，压缩比非常高，但是音质比较差，主要用于语音类的音频压缩，不适合对音质要求较高的音乐类音频的压缩。
下面是两个AMR示范文件，一个是新闻类，一个是歌曲，可以听出来，音乐类压缩成AMR格式后，音质大大降低。
编号 | 文件名 | 文件长度 | 时长 |
1 | h.amr （歌曲） | 409KB | 04:21 |
2 | zbc1217.amr | 242KB | 02:36 |
2. AMR编码方式
AMR有多种编码方式，每种编码方式的采样频率不同：
规格 | 比特率（kbps） | 音频帧大小（字节） | 帧头（1个字节） | FT | |
0 | AMR 4.75 | 13 | 04 00000100 | 0000 | |
1 | AMR 5.15 | 14 | 0C 00001100 | 0001 | |
2 | AMR 5.9 | 16 | 14 00010100 | 0010 | |
3 | AMR 6.7 | 18 | 1C 00011100 | 0011 | |
4 | AMR 7.4 | 20 | 24 00100100 | 0100 | |
5 | AMR 7.95 | 21 | 2C 00101100 | 0101 | |
6 | AMR 10.2 | 27 | 34 00110100 | 0110 | |
7 | AMR 12.2 | 32 | 3C 00111100 | 0111 |
说明：
04 的二进制：00000100
0C 的二进制：00001100
说明：
l 比特率是指将数字声音由模拟格式转化成数字格式的采样率，采样率越高，还原后的音质就越好。
l 比特率值与现实音频对照:
16kbps=电话音质
24kbps=增加电话音质、短波广播、长波广播、欧洲制式中波广播
40kbps=美国制式中波广播
56kbps=话音
64kbps=增加话音（手机铃声最佳比特率设定值、手机单声道MP3播放器最佳设定值）
112kbps=FM调频立体声广播
128kbps=磁带（手机立体声MP3播放器最佳设定值、低档MP3播放器最佳设定值）
160kbps=HIFI高保真（中高档MP3播放器最佳设定值）
192kbps=CD（高档MP3播放器最佳设定值）
256kbps=Studio音乐工作室（音乐发烧友适用）
l 音频数据帧大小的计算：
amr 一帧对应20ms，那么一秒有50帧的音频数据。由于比特率不同，每帧的数据大小也不同。
如果比特率是12.2kbs，那么每秒采样的音频数据位数为：
12200 / 50 = 244bit = 30.5byte，取整为31字节。
取整要四舍五入。
再加上一个字节的帧头，这样数据帧的大小为32字节。
3. AMR文件结构示范图
下面是一个AMR文件示范：
从图中可以看出，所有AMR文件头标志是6个字节。（最后一个字节是换行符“/n”）
后面就紧跟的是音频帧。这个文件是每帧32字节。
文件头 |
语音帧 1 |
语音帧 2 |
… |
4. AMR帧格式分析
AMR语音帧格式为帧头和语音数据组成。
帧头 | 语音数据 |
AMR语音帧头占1个字节，如下图所示：
0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
P | FT | Q | P | P | |||
0 | 0 | 0 | 0 |
其中：
P = 0；
FT：Frame Type，对应不同编码模式。（参见“2. AMR编码方式”中表格中的说明）,
用法：在解析了音频帧的FT数据之后，就可以根据 “”AMR编码方式表格“”来确定这个音频文件的比特率。
Q：帧质量指示器，0：表示为坏帧。
后面的P补0。
5. 异常帧分析
下图是一个出现异常帧的示例：（zbc1217.amr）
从上图可以看见，本amr音频帧头都是0x3C，但是在0x000091e6处，帧头字节为0x44。与0x3C不一致。而在0x00009243处，才恢复到0x3C。
对异常帧的简单处理办法是，遇到异常帧就跳过异常帧。后面的读帧算法有描述。
6. AMR帧读取算法
因为可能存在异常帧，所以不一定所有的语音帧大小一致，对于跟正常帧大小不一致的，或者帧头跟正常帧头不一致的，就不交给解码器，直接抛弃该坏帧。
读取帧的算法，用C语言来编写，readAMRFrame.c，JAVA可以用类似的方法。
下面是算法描述流程图。
后记
采样率，比特率，文件格式的说明：
通俗的讲采样频率是指计算机每秒钟采集多少个信号样本。它用赫兹（Hz）来表示。
以上文中提到数据为例：
amr 一帧对应20ms，这个数值跟采样率的关系：
1s=1000ms
20ms = 1000ms/50
采样率为50hz
比特率：
音频文件专用算法：【比特率】（kbps)=【量化采样点】（kHz）×【位深】（bit/采样点）×【声道数量】（一般为2）
【比特率】（kbps) = 采样率值×采样大小值×声道数 bps
以电话为例，每秒3000次取样，每次取样是7比特(bit)，那么电话的比特率是21000。
反过来，知道了比特率跟采样率，可以知道每次采样的数据是多少bit，
12200 / 50 = 244bit = 30.5byte，取整为31字节。取整要四舍五入。
（为什么要四舍五入呢？猜测是因为在写入文件的时候是按照 8 bits = 1 byte 来对齐的）
https://zhidao.baidu.com/question/1539029237582451067.html
如果把原始16位深调到32位，那么精度增大。就像一座1000米的山，原来有10级台阶，现在修成100级台阶，但高度没变还是1000米。此外16位到32位也不是增加一倍，而是2的32-16=16次幂即65536倍。
量化精度：
声波在转为数字的过程中不是只有采样率会影响原始声音的完整性，另一个亦具有举足轻重的参数——量化精度，也是相当的重要。一般来说，音质分辨率就是大家常说的bit数。目前，绝大多数的声卡都已经可以支持24bit的量化精度。
那么，什么是量化精度呢？前面曾说明采样频率，它是针对每秒钟所采样的数量，而量化精度则是对于声波的“振幅”进行切割，形成类似阶梯的度量单位。所以，如果说采样频率是对声波水平进行的X轴切割，那么量化精度则是对Y轴的切割，
切割的数量是以最大振幅切成2的n次方计算，n就是bit数。
举个例子，如果是8bit，那么在振幅方面的采样就有256阶，若是16bit，则振幅的计量单位便会成为65536阶，越多的阶数就越能精确描述每个采样的振幅高度。如此，也就越接近原始声波的“能量”，在还原的过程序也就越接近原始的声音了。
【转贴扫盲】位深度、采样率以及码率：
http://blog.renren.com/share/233588808/4959169016/0