第3講音頻信號的獲取與處理3.1

音頻基礎(chǔ)知識3.2

音頻處理軟件Audition的使用3.1

音頻基礎(chǔ)知識 最初的音頻是用電信號記錄下來進行存儲和傳輸?shù)?，在時間上和幅度上都是連續(xù)變化的，稱之為模擬音頻，而計算機只能處理離散的數(shù)字信號，因此需對模擬音頻進行數(shù)字化處理，即將它轉(zhuǎn)變?yōu)橛?和1表示的在時間和幅度上都是離散的是數(shù)字音頻。

3.1.1聲音信號的基本概念3.1.2聲音信號的數(shù)字化3.1.3數(shù)字音頻的獲取方式3.1.4數(shù)字音頻的文件格式3.1.1聲音信號的基本概念

聲音是通過一定介質(zhì)（如空氣、水等）傳播的一種連續(xù)的波，聲音的主要傳播介質(zhì)是空氣，因此，聲音的本質(zhì)是空氣振動，由于空氣振動引起耳膜的振動，然后被人耳所感知。聲音既然是波，它就具有普通波特性：反射、折射、衍射，但這不是多媒體技術(shù)要研究的內(nèi)容，我們需要關(guān)注它的兩個基本參數(shù)：頻率和振幅。頻率：聲波每秒鐘變化的次數(shù)，它代表聲音變化的快慢，決定了聲音音調(diào)的高低，單位是Hz。振幅：聲波振動幅度的大小，它代表了聲音能量的強弱，決定了聲音音量的大小。

聲音的本質(zhì)是空氣振動，但并不是所有的空氣振動都能被人耳所感知。人耳所能感覺到空氣振動的頻率范圍大約為20Hz～20kHz（注意，大于20KHz的聲音并非感知不到，而是我們不能從中獲得有用的信息并且它對人體是有害的）。因此，多媒體技術(shù)中所研究的音頻（Audio）信號是指頻率范圍在20Hz～20kHz之間的聲波，即人耳能識別的聲音。根據(jù)聲音能否被人耳接收與聲音是否是人類所發(fā)出的聲音，一般將聲音信號進行如下劃分：聲音信號的分類 如圖3-1所示，根據(jù)聲音信號的帶寬，我們可以將聲音信號劃分為次聲波、音頻信號和超聲波三個波段，而音頻信號又可分為語音（Speech）信號和非語音（Sound）信號兩類，其中語音信號特指人類發(fā)聲器官所發(fā)出的聲音，其頻率約為200-3400Hz。語音信號與非語間信號 語音信號特指人的發(fā)聲器官所發(fā)出的聲音信號，人的發(fā)音器官發(fā)出的聲音的頻率范圍大約在80～3400Hz之間，而人說話的信號頻率通常在300～3000Hz之間。語言是人類社會的一種特有的信息系統(tǒng)，是社會交際工具的符號，而語音是語言的物質(zhì)外殼（載體）。語音識別是多媒體技術(shù)的一個重要的研究方向，即希望計算機能自由地“聽懂”人類的語言。 非語音是指語音信號范圍外的人耳所能識別的音頻信號，主要包括樂音和雜音，非語音信號的特點是不具有復(fù)雜的語義和語法信息，信息量比較低，因此識別簡單。聲音的三要素

聲音具有音調(diào)、音強和音色3個要素。

（1）音調(diào)：由聲音信號的頻率變化所決定，人對聲音頻率的感覺表現(xiàn)為音調(diào)的高低，在音樂中稱為音高。

（2）音強：由聲音信號的幅度大小所決定，人對聲音振幅的感覺表現(xiàn)為聲音有強弱，也就是我們平時常說的音量大小，音量以分貝(dB)為單位。人對聲音強弱的聽覺響應(yīng)與聲音振幅成對數(shù)關(guān)系1dB=20log(幅值)。人類能感知的聲音的幅度范圍在0～120(dB)之間。

（3）音色：由聲音的頻譜（基音與泛音之間的關(guān)系）決定。聲波的各階諧波的比例不同，隨著時間衰減的程度不同，音色隨之變動。3.1.2聲音信號的數(shù)字化聲音是機械振動，振動越強，聲音越大。聲波本身難以進行遠距離傳送，而且也不能存儲。為了將聲音進行存儲和傳輸，通常是將聲音信號轉(zhuǎn)換為電信號，用電壓或電流的幅度表示聲音強弱。這樣聲音信號表現(xiàn)為在時間和幅度上都是連續(xù)的電信號，如圖3-2所示，這樣表示的音頻信號即模擬音頻。 模擬音頻是連續(xù)的，然而計算機只能處理以0和1的形式表示的離散的信號量。在計算機內(nèi)，所有的信息均以數(shù)字表示。各種命令是不同的數(shù)字，各種幅度的物理量也是不同的數(shù)字。要想在計算機中對音頻信號進行存儲、傳輸、播放、處理，就必須進行音頻的模/數(shù)轉(zhuǎn)換，即把模擬音頻信號數(shù)字化，形成數(shù)字音頻，最后通過編碼以文件的形式存儲于計算機中。數(shù)字化 將連續(xù)的模擬音頻信號轉(zhuǎn)換為離散的數(shù)字音頻信號，通常采用的方法是每隔固定時間間隔對模擬音頻信號測定一個幅值（采樣），并用給定位數(shù)的二進制數(shù)表示這個幅值（量化）。（1）采樣（Sampling）：在某些特定的時刻對模擬信號進行測量叫做采樣，由這些特定時刻采樣得到的信號稱為離散時間信號，采樣的作用是把連續(xù)的時間信號變?yōu)殡x散的時間信號。（2）量化（Quantization）：經(jīng)過采樣獲得的離散時間信號的幅度值依然是連續(xù)的，因此需要對這些幅度值進行量化。把幅度區(qū)間劃分成n個區(qū)間，一個區(qū)間對應(yīng)于一個幅度值，對于所有落入第i個區(qū)間的任何幅度值，都用同一個幅度值來表示。這個過程稱為量化。采樣頻率與量化精度 音頻經(jīng)過數(shù)字化采樣和量化得到的時間和幅度都離散的數(shù)字信號就稱為數(shù)字音頻信號。 由上論述可知，聲音數(shù)字化也即對連續(xù)的模擬聲音信號進行離散化，這種離散要進行兩方面的離散，即時間的離散和強度的離散。連續(xù)時間的離散化通過采樣來實現(xiàn)；連續(xù)強度的離散通過量化來實現(xiàn)。此時就需要考慮兩個問題：一是在哪些時刻對聲音進行采樣，即每秒鐘需要采集多少個聲音樣本，也就是采樣頻率是多少；二是每個樣本用多少個二進制位來存儲，即每個聲音樣本的位數(shù)應(yīng)該是多少，也就是量化精度。采樣頻率 采樣頻率一般是由奈奎斯特采樣定理決定。奈奎斯特采樣理論（Nyquisttheory）指出，采樣頻率不應(yīng)低于聲音信號最高頻率的兩倍，這樣才能把以數(shù)字表達的聲音還原成原來的聲音。奈奎斯特理論采樣定理用公式表示為 fs≥2f或者Ts≤T/2 其中fs為采樣頻率，Ts為采樣周期，f為被采樣信號的最高頻率，T為被采樣信號的最小周期。采樣頻率的高低是根據(jù)奈奎斯特理論和聲音信號本身的最高頻率決定的。例如，電話話音的信號最高頻率約為3.4kHz，采樣頻率通常選為8kHz。量化精度 量化樣本的位數(shù)由計算機的性能和對聲音質(zhì)量的要求決定，一般有8位量化、16位量化和32位量化，即分別用一個字節(jié)、兩個字節(jié)和四個字節(jié)存放一個采樣點的幅度值。量化位數(shù)越高，需要的存儲空間越大，但此時聲音細節(jié)的丟失比較少，聲音的質(zhì)量較好。編碼做完采樣和量化以后還需對它們（數(shù)字信號）進行編碼從而以文件的形式存儲于計算機中。編碼的作用有兩個：一是采用一定的格式來記錄數(shù)字數(shù)據(jù)；二是采用一定的算法來壓縮數(shù)字數(shù)據(jù)以減少存儲空間和提高傳輸效率。一種最方便、最簡單的編碼方法是脈沖編碼調(diào)制，簡稱PCM編碼；這是一種最通用的無壓縮編碼，其特點是保真度高，解碼速度快，但編碼后的數(shù)據(jù)量大。衡量一種編碼方法的性能有兩個主要指標：●碼流速率：音頻信號數(shù)字化編碼后每秒鐘產(chǎn)生的數(shù)據(jù)流量(kbps)●量化噪聲：由量化失真引起的噪聲，表示為量化后音頻信號噪聲比數(shù)據(jù)率定義為每秒比特數(shù)(bps)，與信息在計算機中的實時傳輸有直接關(guān)系；數(shù)據(jù)量定義為每秒字節(jié)數(shù)(B/s)，與計算機的存儲空間有直接關(guān)系。未經(jīng)壓縮數(shù)字音頻數(shù)據(jù)量(B/s)＝采樣頻率(Hz)×(量化位數(shù)(bit)/8)×聲道數(shù)數(shù)據(jù)量與聲音質(zhì)量3.1.3數(shù)字音頻的獲取方式 在多媒體應(yīng)用軟件中，經(jīng)常要使用音頻素材。數(shù)字音頻的獲取主要有以下幾種方式： （1）使用聲卡采集模擬設(shè)備上的聲音信息，并以文件的形式存儲在計算機中。 （2）使用聲卡錄制聲音信息，并以文件的形式存儲在計算機中。 （3）使用聲卡及MIDI設(shè)備在計算機上創(chuàng)作樂曲。 （4）從互聯(lián)網(wǎng)下載或購買音頻光盤。 （5）從CD或VCD上截取音頻數(shù)據(jù)。 （6）從視頻上獲取音頻數(shù)據(jù)。3.1.4數(shù)字音頻的文件格式 數(shù)字音頻數(shù)據(jù)在計算機中以文件的形式出現(xiàn)。流行的聲音文件格式很多，以WAV、MP3、MIDI為擴展名的文件格式比較常見。

1．WAV格式音頻文件2．VOC格式音頻文件3．MP3格式音頻文件4．RA格式音頻文件5．MIDI格式音頻文件6．WMA格式音頻文件1．WAV格式音頻文件 WAV格式音頻文件是最早出現(xiàn)的數(shù)字音頻格式，也叫波形聲音文件，由Microsoft公司和IBM公司共同開發(fā)。它記錄了對實際聲音采樣的數(shù)據(jù)，被Windows平臺及其應(yīng)用程序廣泛支持。WAV格式支持多種音頻量化位數(shù)、采樣頻率和聲道。采用44.1kHz的采樣頻率、16位量化位數(shù)的WAV文件的音質(zhì)與CD相差無幾。 WAV文件數(shù)據(jù)的缺點是數(shù)據(jù)量大，優(yōu)點是音質(zhì)較好，而且它還是一種標準數(shù)字音頻，大多數(shù)壓縮格式的聲音都是在它的基礎(chǔ)上經(jīng)過數(shù)據(jù)的重新編碼來實現(xiàn)的，這些壓縮格式的聲音信號在壓縮前和回放時都要使用WAV格式。2．VOC格式音頻文件 VOC格式音頻文件是CreativeLab公司開發(fā)的聲音文件，也是聲霸卡使用的音頻文件格式，被Windows平臺支持。每個VOC文件由文件頭塊和音頻數(shù)據(jù)塊組成。文件頭包含一個標識、版本號和一個指向數(shù)據(jù)塊起始的指針。數(shù)據(jù)塊分成各種類型的子塊，如聲音數(shù)據(jù)、靜音、標記、ASCII文件以及終止標志、擴展塊等。3．MP3格式音頻文件 MP3的全稱是MPEG-1AudioLayer3，是近年來頗為流行的音樂文件，它在1992年被合并至MPEG規(guī)范中。MP3文件的音質(zhì)較好，并且文件的數(shù)據(jù)量較小。4．RA格式音頻文件 RA文件是RealNetwork公司開發(fā)的一種流式音頻文件，主要應(yīng)用于網(wǎng)絡(luò)上進行音頻傳輸，網(wǎng)絡(luò)連接連率不同，客戶端所獲得的聲音質(zhì)量也不盡相同。對于傳輸速率為14.4kbit/s的網(wǎng)絡(luò)連接可獲得調(diào)幅（AM）質(zhì)量的音質(zhì)；對于傳輸速率為28.8kbit/s的網(wǎng)絡(luò)連接，可以達到廣播級的聲音質(zhì)量；如果擁有更快的線路連接，則可獲得CD音質(zhì)的聲音。5．MIDI格式音頻文件 MIDI是MusicalInstrumentDigitalInterface的縮寫，又稱做樂器數(shù)字接口，是數(shù)字音樂/電子合成樂器的統(tǒng)一國際標準。它定義了計算機音樂程序、數(shù)字合成器及其他電子設(shè)備交換音樂信號的方式，規(guī)定了不同廠家的電子樂器與計算機連接的電纜和硬件及設(shè)備間數(shù)據(jù)傳輸?shù)膮f(xié)議，可以模擬多種樂器的聲音MIDI文件就是MIDI格式的文件，在MIDI文件中存儲的是一些指令，聲卡接收到這些指令后就按照指令將聲音合成出來。6．WMA格式音頻文件 WMA文件是Microsoft公司開發(fā)的一種音頻壓縮格式，存儲容量比MP3小，但音質(zhì)稍差。

在多媒體的制作領(lǐng)域，音頻是不可或缺的部分。音頻的處理通常包含聲音的編輯、特殊效果的添加及文件格式轉(zhuǎn)換等操作。常見的音頻處理軟件有Windows操作系統(tǒng)中的SoundRecorder（通常被稱做錄音機）、SoundBlaster系列音頻卡所附帶的WaveStudio以及一些專門的多媒體音頻處理軟件，如GoldWave、Audition等。本節(jié)以Audition為例，介紹聲音錄制和編輯的基本技能以及一些特殊處理方法。3.2

音頻編輯軟件Audition的使用3.2.1Audition介紹3.2.2Audition基本操作

3.2.3Audition音頻處理綜合實例3.2.1Audition介紹 Audition的主要功能有錄制和采集音頻文件；對音頻文件進行剪切、粘貼、合并、重疊聲音等操作；提供多種特效（如放大、降低噪音、擴展、回聲、延遲、失真、調(diào)整音調(diào)等）；可以生成噪音、低音、靜音、電話信號等聲音；可以實現(xiàn)自動靜音檢測和刪除、自動節(jié)拍查找等功能；可以在多種音頻文件格式之間進行轉(zhuǎn)換。1．Audition界面2．Audition功能菜單1．Audition界面 Audition有兩種編輯狀態(tài)，即波形編輯狀態(tài)和多音軌編輯狀態(tài)，如后圖所示，這兩種狀態(tài)可以通過快捷鍵【F12】或默認工具欄的第一個按鈕進行切換。波形編輯狀態(tài)主要用來對音頻進行編輯，多音軌編輯狀態(tài)主要用來進行音頻合成。

Audition波形編輯狀態(tài)從上到下共分為標題欄、菜單欄、工具欄、資源管理區(qū)、波形顯示區(qū)、操作區(qū)、狀態(tài)欄顯示區(qū)六個部分，如圖中所示。2．Audition功能菜單

Audition2.1在波形編輯窗口界面共有10個一級菜單，包括File（文件）、Edit（編輯）、View（查看）、Effects（效果）、Generate（生成）、Analyze（分析）、Favorites（偏好）、Options（選項）、Window（窗口）、Help（幫助）和30多個快捷工具，下面進行簡單介紹。

（1）File（文件）

（2）Edit（編輯）

（3）View（查看）

（4）Effects（效果）

（5）Generate（生成）

（6）Analyze（分析）

（7）Favorites（偏好）（1）File（文件）

此菜單主要為對音頻文件的一些操作，如新建、打開、關(guān)閉、存儲等，同時包括如下一些專為音頻文件設(shè)計的操作。● OpenAppend（追加）：將一個音頻文件連接在一個已打開的文件的尾部。● ExtractAudiofromVideo（從視頻提取聲音）：可以從視頻文件中把聲音提取出來，主要是針對*.avi、*.mpg等格式的視頻文件?！?SaveSelection（保存選取區(qū)域）：允許將當(dāng)前選中的部分波形文件單獨保存下來?！?FreeHardDriveSpace（清理硬盤空間）：Audition進行音頻編輯時，會隨時產(chǎn)生一些臨時文件并存儲在指定的臨時文件夾中，在硬盤中占了很大空間，使用該命令可以清空這些臨時文件。（2）Edit（編輯）

此菜單包含了一些常用的剪貼板操作，如復(fù)制、粘貼、刪除等。其中屬于音頻文件的特有操作如下?！?MixPaste（混合粘貼）：將剪貼板中的波形內(nèi)容混合到當(dāng)前波形文件中?！?InsertinMultitrack（插入多軌工程）：將當(dāng)前文件或當(dāng)前文件被選中部分在多軌窗口中插入一個新軌，要事先在多軌模式下選擇好軌道和音頻塊的開始位置，用鼠標單擊即可?！?DeleteSilence（刪除靜音）：刪除波形文件中分貝極小的信號，可以使當(dāng)前文件變短。●ZeroCrossings（零點定位）：將選中區(qū)域的開頭和結(jié)尾自動調(diào)節(jié)在無聲的狀態(tài)?！馞indBeats（確定節(jié)拍）：自動查找音樂中一個完整的拍子的起止點?！馎djustSampleRate（調(diào)整采樣率）：改變聲卡播放當(dāng)前音頻文件時所用的采樣頻率?！馛onvertSampleType（轉(zhuǎn)換音頻格式）：改變當(dāng)前文件的采樣頻率和量化位數(shù)等參數(shù)。（3）View（查看）

大多為一些打開/關(guān)閉各子窗口以及快捷工具欄命令，其中比較常用的和音頻操作相關(guān)的子菜單如下?！馦ulititrackView（多軌窗口切換）：切換到多軌編輯狀態(tài)?！馱aveformView（波形編輯窗口）：顯示波形?！馭pectralView（頻譜編輯窗）：顯示頻譜。（4）Effects（效果）

它是Audition中的主要功能菜單，可以為音頻增加很多特效。●Invert（反相）：將波形的上半周和下半周互換?！馬everse（倒置）：將被選中的波形的開頭和結(jié)尾反相?！馭ilence（靜音）：將被選中的波形變成零振幅的信號?！馎mplitude（波形振幅）：對音頻信號振幅的處理，即改變聲音信號的音量。該菜單下有8個子菜單，可以通過對聲音信號音量的改變獲得一些特殊效果?！馜elayEffects（延遲效果）：對延遲混響效果的處理，有11個子菜單，可以制作出一些場地聲音、合唱效果等?！馜irectX：列出支持的Direct的效果器插件?！馞ilters（濾波器）：可以對音頻信號進行各種濾波處理。●Special（特殊處理）：產(chǎn)生一些特殊效果。●NoiseReduction（噪音消除）：消除選中音頻的噪音。（5）Generate（生成）

可以生成一些特殊的聲音●Silence（靜音）：生成靜音。●Tone（音調(diào)）：根據(jù)你的選擇，生成一些標準信號音?！馧oise（噪波）：生成噪音信號?！馜TMFSignals：生成類似電話撥號音的信號。（6）Analyze（分析）

自動對聲音信號內(nèi)部信息進行分析，并給出一些可視化的結(jié)果?！馭howFrequencyAnalyze：顯示音頻信號的頻譜分析圖像?！馭howPhaseAnalyze：顯示音頻信號的相位分析圖像?！馭tatistics：顯示音頻信號波形統(tǒng)計數(shù)據(jù)。（7）Favorites（偏好）

顯示曾經(jīng)使用過的效果編輯命令。3.2.2Audition的基本操作1．聲音的錄制2．噪音消除3．音頻數(shù)據(jù)編輯4．音量調(diào)節(jié)功能5．改變播放速度、改變音調(diào)高低6．音效添加1．聲音的錄制

在一個具有聲卡的計算機上，使用Audition可以通過麥克風(fēng)直接錄制外界聲音，也可以從錄音機、CD唱機等外界媒體設(shè)備獲得聲音。

（1）創(chuàng)建音頻文件

（2）設(shè)置錄音音源

（3）打開監(jiān)視電平，調(diào)試錄音音量

（4）開始錄音，注意錄制一段空白的含噪聲的信號

（5）試聽，如果效果較差可重新錄制。創(chuàng)建音頻文件

運行Audition程序，執(zhí)行【File】→【New】命令，彈出新建音頻文件對話框，如圖所示。設(shè)置錄音音源在Windows的【開始】菜單中選擇【附件】→【娛樂】→【音量控制】命令，打開如圖所示的【音量控制】窗口。在【音量控制】窗口中選擇【選項】→【屬性】命令，打開音頻屬性對話框，如圖所示。在此選擇錄音音源并調(diào)節(jié)錄音音量。錄音

在對話框中選擇采樣頻率、量化位數(shù)、聲道數(shù)后單擊【確定】按鈕。然后單擊功能鍵中的錄音按鈕，開始錄音，錄制完畢單擊停止按鈕停止錄音。按空格鍵，試聽錄音效果，再按一次空格鍵，結(jié)束試聽。 執(zhí)行【File】→【SaveAs】命令，在出現(xiàn)的保存文件對話框中將錄音保存到磁盤中。2．噪音消除功能

通常自己錄制的音頻由于環(huán)境問題往往帶有噪音，這種環(huán)境噪音一般貫穿整個聲音文件始終，可以使用Audition去除這種噪音。

（1）選擇一段噪音信號。

（2）在降噪對話框中獲得噪音樣本信息，必要的時候保存這個樣本。

（3）回到波形編輯，選中整個錄音波形。

（4）在降噪對話框中執(zhí)行降噪操作。（1）選中音頻開始時的環(huán)境噪音（此時人聲還沒有開始），如圖所示，呈現(xiàn)白色的區(qū)域即為被選中區(qū)域。（2）如圖所示，在降噪對話框中執(zhí)行采樣命令即可從剛才選中的噪音信號中提取噪音樣本信息。然后單擊關(guān)閉按鈕，回到波形界面。（3）在波形編輯界面中執(zhí)行【Edit】→【SelectionEntireWave】命令，選中全部音頻文件，（4）然后再次執(zhí)行【Effects】→【NoiseReduction】→【NoiseReduction】命令，打開去除噪音對話框，單擊【OK】按鈕，完成去除噪音操作。3．音頻數(shù)據(jù)的編輯音頻數(shù)據(jù)的編輯包括聲音片段的選擇、拷貝、剪切、刪除、粘貼等操作。在Audition中，不管進行什么操作，都要首先選擇需要處理的區(qū)域，如果不選擇，Audition默認對整個音頻文件進行操作。Audition中提供了三種音頻粘貼方式。（1）普通粘貼（2）粘貼到新文件（3）混合粘貼（1）普通粘貼：執(zhí)行【Edit】→【Paste】命令將內(nèi)部剪貼板上的數(shù)據(jù)插入到當(dāng)前波形插入點位置。這樣插入點前的原波形文件和插入點后的原波形文件不變，只是在兩個聲音間插入了新的內(nèi)容。（2）粘貼到新文件：執(zhí)行【Edit】→【PastetoNew】命令可將剪貼板中的波形數(shù)據(jù)創(chuàng)建一個新文件。

（3）混合粘貼：執(zhí)行【Edit】→【MixPaste】命令可以彈出一個混合粘貼對話框，如圖所示。在對話框左下方的粘貼模式中選擇【Overlap】模式，即疊加模式，可以將剪貼板中的音頻數(shù)據(jù)疊加在文件已選中的音頻數(shù)據(jù)中。4．音量調(diào)節(jié)功能

【Effects】菜單下的【Amplitude】子菜單下有一系列和音頻信號振幅相關(guān)的選項，可以實現(xiàn)音量調(diào)節(jié)、淡入淡出效果、去除人聲等操作。 （1）音量調(diào)節(jié)：該功能可以實現(xiàn)聲音音量的提高或降低。 執(zhí)行【Effects】→【Ampli