当前位置：文档之家 › 第3章 音频处理技术(2课时)

第3章 音频处理技术(2课时)

  • 格式：ppt
  • 大小：369.50 KB
  • 文档页数：72

下载文档原格式

  / 72

合集下载

第03章_数字音频基础

第03章_数字音频基础

3.2.2 量化（Quantization）
量化是指用若干比特表示一个样本的过程；表示一个样本所使用的比特数称为量化深度 （bit depth）。常见的量化深度有 4 比特、8 比特、16 比特、32 比特等等。不难理解，量化实 际上是一个对声音样本的幅值进行离散化处理的一个过程。虽然采样已经在时间上将模拟信号 离散化了，但是样本的大小（即幅值）仍然有无限种可能的取值（所以本质上还是连续量）， 而数字系统只能表示有限种状态，例如，用 8 个比特表示样本大小的话，则只能有 256 种取值。 所以，量化是一个将无限多种可能取值归结为有限多个数字值的过程。通常，系统会将一个样 本以最接近其值大小的数字表示。总之，采样是时间上的离散化，而量化则是空间上的离散化。 需要强调的是，量化深度也是影响数字音频信号质量的重要因素。4 比特只有 16 种取值， 显然，试图通过这样少数几个状态来恢复原始模拟音频信号是十分困难的。但是，量化深度越 多，数据量也会越大，传输和存储的压力自然越大。所以，也需要根据实际应用环境来采用合 适的量化深度。例如，一般的网络音频应用采用了 8 位的量化深度，CD 音频的量化深度则是 16 比特，而有些高级数字音频系统采用了 32 位的量化深度。 3.2.3 编码（Coding） 在采样、量化处理后，模拟音频数字化的第三个步骤是编码。编码实际上是以某种格式最 终生成数字音频数据流的过程，所得到的数字音频数据将会被存储、传输或者进行各种处理。 本章第 3 节将介绍几种重要的音频编码技术。 需要读者注意的是，把数字化过程分解成采样、量化、编码三个阶段实际上是一种简化描 述，各种不同的数字音频技术会有不同的采样、量化与编码机制，特别是量化与编码往往是同 步进行的，而且编码还包括后续的数据流格式化。因此，多数介绍数字音频技术的教科书或学 术著作在提到音频编码的时候，都将这三个步骤合称为编码系统或编码技术，并在编码系统的 框架下对整个模数转换过程进行整体性介绍。本教程下面的阐述也沿用了这一模式。

第3章 数字音频处理技术

第3章 数字音频处理技术
多媒体技术
信息科学技术学院·曹晓兰 20
3.2.4 音频的编码与压缩技术
音频压缩编码时考虑的因素： 音频质量
数据量
计算复杂度
多媒体技术
信息科学技术学院·曹晓兰
21
常见音频编码算法和标准
多媒体技术
信息科学技术学院·曹晓兰
22
1.波形编码
基于音频数据的统计特性进行的编码，其目 标是使重建语音波形保持原波形的形状。 特点：算法简单，易于实现，可获得高质量 语音。
MIDI音频文件是一个脚本语言，它通过对“事 件”编码，产生声音。一个MIDI事件包含一个音 阶的音调、持续时间和音量等参数。
多媒体技术
信息科学技术学院·曹晓兰
31
1．MIDI乐音合成方法
频率调制（FM）合成法
FM声音合成器波形
原理：根据傅立叶级数理论，任何一种波形信号都可 被分解成若干个频率不同的正弦波
需要以音乐为背景的音响效果，同时从CD －ROM中装载其他数据时； 需要以音乐为背景的音响效果，同时播放波形音 频或实现文-语转换，实现音乐和语音同时输出时。
多媒体技术
信息科学技术学院·曹晓兰
37
多媒体技术
信息科学技术学院·曹晓兰
38
3.4.1 常见音频软件简介
1.Cool Edit Pro
专业级多轨录音和音频处理软件。 Syntrillium Software Corporation公司开发。 功能强大、效果出色。 详见下节介绍。
多媒体技术
信息科学技术学院·曹晓兰
时域掩蔽
除了同时发出的声 音之间有掩蔽现象之外， 在时间上相邻的声音之 间也有掩蔽现象。包括 超前掩蔽和滞后掩蔽。
9
3.1.4 音频信号处理过程 音频数字化过程

音频信息处理技术PPT课件

音频信息处理技术PPT课件
情感分析的应用
语音助手、智能客服、社交媒体情感分析等。
情感分析的挑战
情感状态受多种因素影响，如个人情绪、环境噪音等，准确判断情 感状态较为困难。
基于深度学习的音频识别与分类
深度学习在音频识别与分类中的应用
01
利用深度学习算法对音频信号进行特征提取和分类，
提高识别与分类的准确率。
深度学习在音频处理中的优势
音频隐写技术通常采用最低有效位替换、频域隐写等方法， 将秘密信息嵌入到音频信号中，同时保持音频信号的听感 质量。
音频隐写技术的优点包括高隐蔽性和低误码率，能够在传 输过程中抵抗噪声和干扰，实现信息的可靠传输。
音频信息伪装技术
音频信息伪装技术是一种将秘密信息隐藏在普通音频信号中，同时使秘 密信息难以被察觉的技术。
实时性
音频信息处理技术能够实时地对音频信号进行处理，满足实时通信、 语音识别等应用需求。
高效性
音频信息处理技术采用了高效的数字信号处理算法，能够快速地处理 大量的音频数据。
交互性
音频信息处理技术可以实现人机交互，使得人与机器之间的交流更加 自然和便捷。
音频信息处理技术的应用领域
语音识别
音频编辑与合成
应用。
详细描述
倒谱分析能够提供音频信号的倒谱结构，有助于识别 和分类不同的声音。
音频信号的梅尔滤波器组分析
总结词
梅尔滤波器组是一种用于 音频信号处理的滤波器组 。
详细描述
梅尔滤波器组可以将音频 信号分解成多个不同频带 的成分，能够更好地处理 音频信号中的细节和动态 范围。
总结词
梅尔滤波器组分析能够提 供音频信号的频带结构， 有助于提取和分类不同的 声音特征。
音频信息伪装技术通常采用声音替换、声音掩蔽等方法，将秘密信息嵌 入到音频信号中，同时通过调整音频信号的频率、幅度和节奏等参数， 使秘密信息难以被察觉。

第三章 音频处理技术PPT课件

第三章 音频处理技术PPT课件
量化的过程如下：将采样后的信号按整个声波的幅值划分为若干个区段，把 落入某区段的样值归为一类，并赋予相同的量化值。
除了量化精度以外，数字化声音的技术指标还有采样频率和声道数。
量化精度指每个声音样本需要用多少位二进制数来表示，它反映出度量声音 波形幅度的精确程度，由于计算机按字节运算，一般的量化精度为8位或16 位，量化精度越高，数字化后的声音信号就越可能接近原始信号，但所需要 的存储空间也越大。
超声波
超低频
低频
20Hz
60Hz 80Hz
低频谐波 临场感
250Hz
4kHz 5kHz 6kHz
声音的频率范围
清晰度
停止
12kHz 16kHz 20kHz
要使声音文件能像文字和图形信息一样进行存储、检索、编辑等处理，需要 将声音数字化。声音数字化就是将模拟的连续声音波形在时间上和幅值上进行 离散化处理，共分为两个步骤：采样和量化。
采样就是将声音信号在时间上进行离散化处理，即每隔相等的一段时间在声 音信号波形曲线上采集一个信号样本（声音的幅度）。
量化就是把采样得到的声音信号幅度转换成相应的数字值。采样后的数值不 一定能在计算机内部进行方便的表示，所以将每一个样本值归入预先编排的 最近的量化级上，该过程称为量化。
如果幅度的划分是等间隔的，就称为线性量化，否则就称为非线性量化。
声音压缩方法分类: 波形编码 参数编码 混混合合编编码码
采用线性技术构成声道模型，不只传输预测参数和清浊音信息，而是将 预测误差信息和预测参数同时传输，在接收端采用新的预测参数构成合 思 成滤波器，使得合成滤波器输出的信号波形与原始语声信号的波形最大 想 程序的拟合，从而获得自然度较高的语声。这种编码技术的关键是：如 何高效地传输预测误差信息。

《音频处理技术》PPT课件

《音频处理技术》PPT课件
动态范围不仅用来表示一个声源产生的最大声压级与 最小声压级之间的差值，录音设备或记录声音的载体( 磁带、光盘、硬盘)同样可用动态范围表示能够处理信 号电平的范围。
如磁带的动态范围为50dB～60dB， CD光盘96dB， 磁光盘录放音机105dB。
刘海燕
12
动态范围可以用信号的相对强度表示：
6
0.80 -9.36672 -9
…… ……
……
9 0.45 -1.63831 -2 10 0.50 7.89216 8
20 1.00 4.40090
刘海燕
4
31
对于CD—DA，采样频率为44.1kHz，即每 秒取44100个点。幅度的取值范围是限制在 216=65 536以内，量化间隔为1，即量化幅 度可以取65 536个不同的值，计算机中用 16位的存储空间就可以表示一个量化后的 数值。动态范围为20×1g(216)≈96dB
声波可以用一条连续的曲线来表示，它在时间和幅度上都是连续的 ，称为模拟音频信号。
在任一时刻，声波可以分解成一系列正弦波的线性叠加：
刘海燕
4
正弦波
刘海燕
5
声音的物理特性
周期/频率/带宽
两个相邻波之间的时间长度为周期T ，单位为秒；
每秒钟声源振动的次数称为频率f，单位Hz；
f=1/T
描述组成复合信号的频率范围，称为带宽。
声音信号可被分解和复合，可以从中抽出若干 个单一的正弦信号，也可以用若干个单一的正 弦信号来合成任意波形的复合信号，如合成语 音和合成音乐等
刘海燕
8
声压和声强
声波在空气媒质中是以空气中的分子振动形成疏密而 传播。它造成空气中的气压发生大小变化，相当于在 无声波下空气中的气压上叠加一个变化的压强，叠加 上的压强称为声压，记作P。单位有帕斯卡（Pa）和微 巴（μbar）。

多媒体技术应用教程之音频处理技术

多媒体技术应用教程之音频处理技术

多媒体技术应用教程之音频处理技术音频处理技术被广泛应用于多媒体领域，包括音频编辑、音效设计、语音识别等方面。

本教程将介绍一些常见的音频处理技术及其应用。

1. 音频剪辑和混合：音频剪辑通常用于去除不需要的部分，例如噪音、杂音等。

音频混合则是将多个音频信号合并为一个，常用于音乐制作和广播节目制作。

2. 音频增强：音频增强技术可以提高音频的音质和音量。

例如，均衡器可以调整不同频段的音量，使音频更加平衡；压缩器可以控制音频的动态范围，使音量更加稳定。

3. 音频特效：音频特效可以为音频添加各种效果，例如混响、回声、合唱等。

这些效果可以增加音频的空间感和层次感。

4. 语音合成：语音合成技术可以将文字转换为语音，常用于电子书朗读、语音助手等应用。

通过调整语音合成器的参数，可以实现不同风格和音色的语音输出。

5. 语音识别：语音识别技术可以将人类的语音转换为文本，用于语音交互、语音搜索等应用。

通过训练语音识别模型，并结合语音信号处理算法，可以提高语音识别的准确性和稳定性。

6. 音频编码：音频编码技术可以将音频信号压缩，减小文件大小，方便传输和存储。

常见的音频编码格式包括MP3、AAC、WMA等。

7. 音频分析：音频分析技术可以对音频进行频谱分析、时频分析等，在音频信号中提取出有用的信息。

例如，音频分析可以用于音乐鉴赏、语音识别等领域。

8. 实时音频处理：实时音频处理技术可以对实时音频信号进行即时处理，例如实时音频效果处理、实时语音识别等。

这些技术在语音通信、音乐表演等领域有广泛应用。

以上是一些常见的音频处理技术及其应用。

随着科技的发展，音频处理技术将不断创新和进步，为音频领域带来更多可能性和创意。

续9. 音频降噪：音频降噪技术用于减少环境噪声对音频质量的影响。

通过将原始音频与噪声信号进行比较并去除噪声成分，可以使音频更加清晰，并提高语音信号的可识别性。

10. 音频分离：音频分离技术可以将混合在一起的多个音频信号分离出来。

音频处理基础知识课件

19
二、数字音频文件格式
?11.2.1 声音文件格式 7、WMA 微软公司 开发 的网络 音频格式，同 时兼顾了保 真度 和网络传输 需求， 当一首歌曲 压缩到很小的 时候， 还能够保持很好的音 质，压缩比率一般都可以 达到1 8:1左右。支持 数据流（Stream）技术，可以在网 上一边下载一边收听。并且提供了版 权保护方法。 8、Ogg 比较新的音频压缩格式，采用的 声学模型比MP3更 先进，相同位速率 编码的OGG比MP3的音质更好， 但使用程度 远不如其他主流音 频格式广泛。
RealAudio文件是RealNetworks 公司开发的一种新 型流式音频 (Streaming Audio) 文件格式；它包含在 Real Networks所制定的音频、视频压缩规范 RealMedia 中， 主要用于在低速率的广域网上实时传输音频信息 ； 网络连接速率不同，客户端所获得的声音质量也不 尽相同：对于 28.8kb/s的连接，可以达到广播级的声 音质量；如果拥有 ISDN或更快的线路连接，则可获 得CD音质的声音。
频率为44.1 kHz ，量化位数为 16位，立体声。一 分钟 CD-DA 音乐所需的存储量为
44.1 K×16×2×60÷8 = 10584 KB
12
一、声音及声音的数字化
?11.1.3 数字音频
用一组数字来描述的音频信号。 音频的数字化表示
模拟音频经过 A/D 转换后，将模拟信号转换为数字 信号，并输出到数字存储器中保存。
为什么要用数字音 频来描述声音信号?
模拟信号不能精 确复制和传输
13
一、声音及声音的数字化
?模拟声音量化数据表
采样序号
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

音频处理技术PPT教案

的语法和语义，难于识别。 非语音信号：音乐，自然界的声音，
信息量低，识别简单。
6
图4-4 在自然界，声波与水波一样都是一种振动波
7
图4-5 用声音录制软件记录的英文单词”Hello”语音的实际波形
8
4.1.3 模拟音频信号的物理特征 频率：体现音调的高低，单位Hz 幅度：体现声音的强弱，单位dB 语音信号频率范围：300Hz~3000Hz 可听频率带宽（音频）： 20Hz~20kHz
音频处理技术
会计学
1
2
4.1.1 声音处理技术历史回顾 记录：19世纪，爱迪生，留声机。 电声技术：研究可听声频率范围内声音
的产生、传播、存储、重放和接收的技术。 依靠电来记录并播放声音，通过电压产生 模拟声波变化的电流信号是模拟信号。
随着计算机技术和存储设备的发展，数 字化音频处理技术也得到了发展。
图4-19 5.1声道系统的布局图
41
4.多音频流输出 5.I/O设备接口 6.声卡软件 7.总线结构
图4-20 支持5.1声道系统的声卡接口
42
43
44
45
杜比与DTS
1. Dolby Digital Mono: 杜比数字单声道音效 只有单声道的效果, 并不足以构成立体声,
2. Dolby Digital Stereo: 杜比数字双声道音效 将双声道的立体讯号储存为AC-3格式,
机存储、处理和播放。
Nyquist采样定理：只有采样频率高于声音信
号最高
19
图4-9 声音的采样和量化示意图
20
4.2.2 量化
用某种数字化的方法来反映某一瞬间声波幅 度的电 压值的大小称为量化。
采样后的信号按照整个声波的幅度（幅度轴 ） 划分称有限个区段的集合，把落入某个区段内的 样值归为一类，并赋予形同的量化值。采用二进 制，以16位或256位等的方式来进行。

3章 数字音频处理技术


3 WMA文件
Windows Media Audio 7压缩的文件，其扩展名是.WMA， 主要优点是在较低的采样频率下保持良好的音质。
4 MIDI文件
乐器数字接口，文件扩展名为.mid。MIDI文件记录的是一 系列指令不是数字化后的波形数据，因此占用存储空间很小。 播放时使用软件波表，可以达到与真实乐器几乎一样的效果。
教学进程
3.2.5 数字音频处理
1 基本编辑
删除声音文件中不需要的声音片段，比如噪音、杂音、口 误、重复、过长的停顿等。
2 声道编辑
将单声道变成双声道的声音；或将双声道的变成单声道声 音以节省存储空间；或让声音交替地从左右声道发出，产生声 音的立体效果。
3 淡入淡出
常用于节目的开始、结尾和两段声音之间的过渡。
教学进程
主板
主机箱
声音适配器 数字信号
音频信号 音箱
音箱
● 作用: 数字信号与模拟信号之间的双向转换 ● 单板 (输出功率大，抗干扰，音质好) ● 主板集成 (易受干扰，性能指标比单板略差)
教学进程
2 声卡的结构体系
教学进程
3 声卡的分类 按连接方式分为：板卡式、集成式、外置式
4 声卡的性能指标 (1) 采样和量化能力 (2) 芯片类型 (3) 总线类型 (4) 输出声道数
1 WAV文件
WAV（Wave）文件，又名波形文件，扩展名为.WAV。是 Windows本身存放数字声音的标准格式，几乎所有的音频处理 软件都支持WAV格式。 质量较高，但文件体积大。
最简单的数字音频采集方式：利用Windows中的录音机通 过声卡进行采集。
教学进程
准备工作
麦克风已经插到声卡的MIC插孔上，且能正常工作。每次 用户打开录音机时，它都是等待录音的状态 。最后以以.wav的 音频文件格式保存

3章 语音编码与处理技术

第三章 话音编码多媒体技术多媒体技术第三章 话音编码与处理技术多媒体技术浙江工业大学信息学院 古辉gh@13.1 话音编码概要 3.2 脉冲编码调制(PCM) 3.3 增量调制与自适应增量调制 3.4 自适应差分脉冲编码调制 3.5 线性预测编码(LPC)的概念 3.6 GSM编译码器简介 3.7 语音合成 3.8 语音识别23.1 话音编码概要多媒体技术3.1 话音编码概要多媒体技术话音波形的特性话音分成三种类型：浊音(voiced sounds)，清音 (unvoiced sounds)和爆破音(plosive sounds)。

浊音是一种称为准周期脉冲(quasi-periodic pulses)激励所 发出的音，这种准周期脉冲是在声门打开然后关闭时中 断肺部到声道的气流所产生的脉冲。

清音是由不稳定气流激励所产生的，这种气流是在声门 处在打开状态下强制空气在声道里高速收缩产生的。

爆破音是在声道关闭之后产生的压缩空气然后突然打开 声道所发出的音。

不能归属到上述三种音中的任何一种音，称为混合音。

浊音段的波形举例浊音段的功率普密度举例3清音段的波形举例清音段的功率谱密度举例43.1 话音编码概要多媒体技术3.1 话音编码概要多媒体技术三种话音编译码器话音编译码器一般分成三种类型： 波形编译码器(waveform codecs)的话音质量高，但数 据率也很高； 音源编译码器(source codecs)的数据率很低，产生的 合成话音的音质有待提高； 混合编译码器(hybrid codecs)使用音源编译码技术和 波形编译码技术，数据率和音质介于它们之间。

图 普通编译码器的音质与数据率5 63.1 话音编码概要多媒体技术3.1 话音编码概要多媒体技术波形编译码器波形编译码的想法是，不利用生成话音信号的任何知识 而企图产生一种重构信号，它的波形与原始话音波形尽 可能地一致。

时域法(time domain approach)脉冲编码调制(pulse code modulation，PCM)，它仅仅是 对输入信号进行采样和量化。

  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

2．声音的方向
声音以振动波的形式从声源向四周传播， 人类在辨别声源位置时，首先依靠声音 到达左、右两耳的微小时间差和强度差 异进行辨别，然后经过大脑综合分析而 判断出声音来自何方。
3．声音的三要素
声音的三要素是音调、音色和音强。就听觉特性而言， 声音质量的高低主要取决于该三要素。 （1）音调——代表了声音的高低。音调与频率有关， 频率越高，音调越高，反之亦然。 （2）音色——具有特色的声音。
3.1.2 数字音频文件的种类
1．WAV文件 2．MIDI文件 3．光盘数字音频文件（CD-DA） 4. 压缩音频文件 5．其他文件格式
1．WAV文件
• WAV文件也称为波形文件，是Windows所使用的 标准数字音频，文件的扩展名是WAV。 • 它是对实际声音进行采样所得到的数据。 • 使用波形文件最大的缺点是文件太大，不适合长时 间记录声音，例如，同样半小时的立体声音乐， MIDI文件只有200KB左右，而WAV文件则要差不 多300MB。 • 波形音频文件占存储空间很大，每秒钟音频文件的 字节数可用如下公式计算： • （采样频率×采样精度）/8
3．光盘数字音频文件（CD-DA）
• 其采样频率为43.1KHz，每个采样使用16 位存储信息。 • 它不仅为开发者提供了高质量的音源， 还无需硬盘存储声音文件，声音直接通 过光盘由CD-ROM驱动器中特定芯片处 理后发出。
4. 压缩音频文件
• 在数字音频领域，mp3格式的压缩数字音频文件很 流行。由于该格式文件采用MPEG数据压缩技术， 压缩比高 • 目前已经有一些多媒体平台软件和算法语言支持该 格式的音频文件，为制作多媒体产品提供了非常有 效的文件格式。mp3格式的音频文件具有如下特点：
使用“录音机”录音（续）
• 把话筒插入声卡的话筒插座后，在 Windows的桌面上，单击【开始】按钮， 然后选用菜单【程序】|【附件】|【娱乐】 |【录音机】命令，打开录音机应用程序， 鼠标单击录音机上的录音按钮，开始录音。 一分钟后，录音自动停止。注意，录音机 录制的声音只能采用“.wav”格式。
3．录音失败的处理
• 如果录音失败，应检查以下几个方面： （1）话筒的开关是否打开，很多话筒带有开关。 （2）话筒是否正确地连接在声卡的MIC输入端。 （3）双击屏幕右下角的音量图标（小喇叭），在随 后显示出来的音量控制画面中，选择菜单【选项】 |【属性】，显示【属性】对话框。在【属性】对 话框中，单击【录音】选项，在音量控制清单中， 检查“录音控制”、“线路输入”和“麦克风” 三项均应有“√”，如果没有，单击该项。最后单 击“确定”按钮。
2．MIDI文件
• MIDI是Musical Instrument Digital Interface （乐 器数字接口）的缩写，MIDI文件的扩展名为MID。 • 与波形文件不同，MIDI文件不对音乐进行采样， 而是对音乐的每个音符记录为一个数字，所以与 波形文件相比要小得多，可以满足长时间音乐的 需要。 • MIDI标准规定了各种音调的混合及发音，通过输 出装置可以将这些数字重新合成为音乐。
• 其他格式文件还包括VOC文件、AU文件和CIF 等。 • VOC文件是随声霸卡一起诞生的常用的声音文件， 主要用于DOS程序（特别是游戏）中，VOC文件 和波形文件可互相转换。 • AU文件是UNIX操作系下的数字声音文件，由于 早 期 在 Internet 上 的 Web 服 务 器 主 要 是 基 于 UNIXR的，所以这种文件成为WWW上使用的标 准声音文件。 • MOD文件最初产生于Commodore公司的AMIGA 计算机。
2．使用“录音机”录音
• 在使用计算机进行录音时，话筒的插头应插入声卡 的MIC（话筒）输入插座内。 • 质量较好的声卡有两个输入插座，一个用于话筒， 一个用于线路输入。用于话筒的插座灵敏度高，一 般为0.5～3mv，适于输入微弱的信号；用于线路输 入的插座灵敏度低，主要与音响设备的线路输出端 连接，适于输入强度较大的信号 ，一般为 500 ～ 1000mv。上述两个插座不要混淆。如果把话筒插在 线路输入插座内，将录不到声音。
用声音录制软件记录的英文单词“Hello”的 语音实际波形
3.1.1 声音基本特点
1．声音的传播与可听域 2．声音的方向 3．声音的三要素 4．声音的频谱 5．声音的质量 6．声音的连续时基性 7．数字化声音
1．声音的传播与可听域
• 声音依靠介质的振动进行传播。声源实际上是一 个振动源，它使周围的介质（空气、液体、固体） 产生振动，并以波的形式进行传播，人耳如果感 觉到这种传播过来的振动，再反映到大脑，就意 味着听到了声音。 • 人耳听到的声音是有限的，频率低于20Hz和高于 20kHz的声音人类听不到，换言之，人耳的可听 域在20～20kHz之间。频率低于20Hz的声音叫做 “次声”，高于20kHz的声音是“超声”。 • 频率范围又叫“频域”或“频带”，不同种类的 声源其频带也不同，表3.l列出了部分常见声源的 频带宽度。
– 声音分纯音和复音两种类型。所谓纯音，是指振幅和周期 均为常数的声音；复音则是具有不同频率和不同振幅的混 合声音，大自然中的声音大部分是复音。在复音中，最低 频率的声音是“基音”，它是声音的基调。其他频率的声 音称为“谐音”，也叫泛音。基音和谐音是构成声音音色 的重要因素。 – 各种声源都具有自己独特的音色，例如各种乐器的声音、 每个人的
3.2 音频数据采样与简单处理
3.2.1 采样基本原理 3.2.2 CD音乐采样 3.2.3 自然声采样
3.2.1 采样基本原理
• 声音采样的作用是：把自然界中的模拟 量声音转换成计算机能够处理的数字化 声音，该过程称为“A/D转换（模/数转 换）”。
1．数字采样
• 声音采样的基本原理是：首先输入模拟声音信 号，然后按照固定的时间间隔截取该信号的振 幅值，每个波形周期内截取两次，以取得正、 负向的振幅值。该振幅值采用若干位二进制数 表示，从而将模拟声音信号变成数字音频信号。 模拟声音信号是连续变化的振动波，而数字音 频信号则是阶跃变化的离散信号。 • 截取模拟声音信号振幅值的过程叫做“采样”， 得到的振幅值叫做“采样值”，采样值用二进 制数的形式表示，该表示形式叫做“量化编 码”。
3．声音的三要素（续）
（3）音强——声音的强度，也被称为声音 的响度，常说的“音量”也是指音强。 音强与声波的振幅成正比，振幅越大， 强度越大。唱盘、CD激光盘以及其他形 式声音载体中的声音强度是一定的，通 过播放设备的音量控制，可改变聆听时 的响度。如果要改变原始声音的音强， 在把声音数字化以后，使用音频处理软 件提高音强。
• 从上式中看出，音频数据的采样频率是还原模 拟声音频率的两倍。例如，要求还原的声音频 率为22.05kHz，则采样频率应取43.1kHz。
3. 声道数
• 声道数是声音通道的个数，指一次采样 的声音波形个数。 • 单声道一次采样一个声音波形，双声道 则被人们称为“立体声”，一次采样两 个声音波形。双声道比单声道多一倍的 数据量，多声道的数据量更大。
3.1.3 数字音频的音质与数据量
• 数字音频主要指wav格式的波形音频文件。 • 数字音频的声音质量好坏，取决于采样频率的高低、 表示声音的基本数据位数和声道形式。 • 音频的数据量由下式算出： v fbs / 8 • 式中，V代表数据量；f是采样频率；b是数据位数；s 是 声 道 数 。 例 如 CD 质 量 的 参 数 为 ， f=43.1kHz， b=16bit，s=2，则每秒钟的数据量为： • v=（44100Hz×16bit×2）÷8=176400B（约合172KB） • 如果以CD激光盘音质（44100kHz的采样频率、16位 立体声形式）记录一首5min（300秒）的乐曲，参照 表3.2，计算的数据量是： • 172KB/s×300s=51600KB（合50.39MB）
录音的技术问题（续）
• 话筒是录制自然声所必需的。 • 话筒主要有动圈话筒和电容话筒等类型。 • 动圈话筒的音质好，动态范围宽，适于录制 音乐； • 电容话筒灵敏度高，频率范围窄，适于录制 语音。 • 由于话筒的输出信号非常微弱，因此话筒的 输出信号线不宜过长。如果使用无线话筒， 则话筒与接收装置的距离不宜太远。
4．声音的频谱
• 声音的频谱有线性频谱和连续频谱之分。 • 线性频谱是具有周期性的单一频率声波； • 连续频谱是具有非周期性的带有一定频 带所有频率分量的声波。
5．声音的质量
• 声音的质量简称“音质”，音质的好坏与音色和 频率范围有关。悦耳的音色、宽广的频率范围， 能够获得非常好的音质。影响音质的因素还有很 多，常见的有： （1）对于数字音频信号，音质的好坏与数据采样频 率和数据位数有关。采样频率越低，位数越少， 音质越差。 （2）音质与声音还原设备有关，音响放大器和扬声 器的质量能够直接影响重放的音质。 （3）音质与信号噪声比有关。在录制声音时，音频 信号幅度与噪声幅度的比值越大越好，否则声音 被噪声干扰，会影响音质。
第3章 音频处理技术
3.1 基本概念 3.2 音频数据采样与简单处理 3.3 数字音频处理软件GoldWave
3.1 基本概念
• 声音是振动的波，是随时间连续变化的物理 量。 • 声音有三个重要指标： • 振幅（Amplitude）——波的高低幅度，表 示声音的强弱； • 周期（Period）——两个相邻波之问的时间 长度； • 频率（Frequency）——每秒钟振动的次数， 以Hz为单位。
6．声音的连续时基性
声音在时间轴上是连续信号，具有连续性 和过程性，属于连续时基性媒体形式。
7．数字化声音
• 为了用计算机表示和处理声音，必须将 声音进行数字化，即用数字表示声波。 • 数字化了的声音叫做“数字音频信号”， 它除了包含有自然界中所有的声音之外， 还具有经过计算机处理的独特的音色和 特质
3.2.2 CD音乐采样
• 所谓CD音乐采样，是指使用专用软件对 CD盘上的音乐、语言以及其他形式的声 音进行数字转换，生成多种格式的数字 音频信号。 • 用于转换的专用软件很多，本节以Easy CD-DA Extractor软件为例介绍CD音乐的 采样方法（自学）