多媒體技術(shù)音頻處理技術(shù)多媒體技術(shù)音頻處理技術(shù)

第2章音頻信息處理

學(xué)習(xí)目標(biāo):了解聲音信號(hào)的特點(diǎn)、存儲(chǔ)格式及質(zhì)量的度量方法理解音頻信號(hào)壓縮方法及音頻編碼標(biāo)準(zhǔn)掌握常用的音頻處理軟件對(duì)聲音信號(hào)進(jìn)行處理了解語(yǔ)音識(shí)別技術(shù)及其應(yīng)用第2章音頻信息處理學(xué)習(xí)目標(biāo):2.1數(shù)字音頻的基本概念2.1.1聲音與音頻的概念1、聲音的定義：震動(dòng)物體產(chǎn)生的聲波，傳入耳朵形成聲音。2.1數(shù)字音頻的基本概念2.1.1聲音與音頻的概念2、聲音的分類按頻率分亞音頻：0~20Hz音頻（Audio）：20Hz~20KHz超音頻：20KHz~1GHz過(guò)音頻：1GHz~1THz2、聲音的分類按原始聲源劃分語(yǔ)音：人類為表達(dá)思想和感情發(fā)出的聲音樂(lè)音：演奏樂(lè)器時(shí)樂(lè)器發(fā)出的聲音聲響：除語(yǔ)音和樂(lè)音以外的所有聲音。如自然界的聲音按原始聲源劃分按存儲(chǔ)形式劃分模擬聲音：模擬方式存儲(chǔ)，如磁帶數(shù)字聲音：用0、1表示的聲音數(shù)據(jù)按存儲(chǔ)形式劃分3、音頻20HZ~20KHz范圍內(nèi)的聲波，也是人的耳朵可以聽到的聲音。3、音頻20HZ~20KHz范圍內(nèi)的聲波，也是人的耳朵可4、聲音質(zhì)量的評(píng)價(jià)標(biāo)準(zhǔn)（信噪比、頻帶寬度）按照聲音頻率的變化幅度可以分為：電話話音質(zhì)量：200~3400Hz調(diào)幅廣播音質(zhì)：50~7000Hz，簡(jiǎn)稱AM音質(zhì)調(diào)頻廣播音質(zhì)：20~15000HZ，簡(jiǎn)稱FM音質(zhì)激光唱盤音質(zhì)：10~20000HZ，簡(jiǎn)稱CD音質(zhì)4、聲音質(zhì)量的評(píng)價(jià)標(biāo)準(zhǔn)（信噪比、頻帶寬度）東莞億兆集團(tuán)項(xiàng)目戰(zhàn)略2.1.2模擬音頻的數(shù)字化過(guò)程

對(duì)模擬音頻數(shù)字化過(guò)程涉及到音頻的采樣、量化和編碼。

采樣和量化的過(guò)程可由A/D轉(zhuǎn)換器實(shí)現(xiàn)。A/D轉(zhuǎn)換器以固定的頻率去采樣，即每個(gè)周期測(cè)量和量化信號(hào)一次。經(jīng)采樣和量化后聲音信號(hào)經(jīng)編碼后就成為數(shù)字音頻信號(hào)，可以將其以文件形式保存在計(jì)算機(jī)的存儲(chǔ)介質(zhì)中。

2.1.2模擬音頻的數(shù)字化過(guò)程對(duì)模擬音頻數(shù)字化過(guò)程涉及到信息論的奠基者香農(nóng)（Shannon）指出：在一定條件下，用離散的序列可以完全代表一個(gè)連續(xù)函數(shù)，這是采樣定理的基本內(nèi)容。

為實(shí)現(xiàn)A/D轉(zhuǎn)換，需要把模擬音頻信號(hào)波形進(jìn)行分割，這種方法稱為采樣(Sampling)。采樣的過(guò)程是每隔一個(gè)時(shí)間間隔在模擬聲音的波形上取一個(gè)幅度值，把時(shí)間上的連續(xù)信號(hào)變成時(shí)間上的離散信號(hào)。該時(shí)間間隔稱為采樣周期，其倒數(shù)為采樣頻率。采樣頻率是指計(jì)算機(jī)每秒鐘采集多少個(gè)聲音樣本。

1.采樣信息論的奠基者香農(nóng)（Shannon）指出：在一定條件對(duì)聲波波形幅度的數(shù)字化表示稱之為“量化”。量化的過(guò)程是先將采樣后的信號(hào)按整個(gè)聲波的幅度劃分成有限個(gè)區(qū)段的集合，把落入某個(gè)區(qū)段內(nèi)的樣值歸為一類，并賦于相同的量化值。以８位(bit)或16位(bit)的方式來(lái)劃分縱軸。也就是說(shuō)在一個(gè)以8位為記錄模式的音效中，其縱軸將會(huì)被劃分為?個(gè)量化等級(jí)，用以記錄其幅度大小。2.量化對(duì)聲波波形幅度的數(shù)字化表示稱之為“量化”。量化的過(guò)程是采樣和量化采樣和量化D/A轉(zhuǎn)換器從上圖得到的數(shù)值中重構(gòu)原來(lái)信號(hào)時(shí)，得到下圖藍(lán)色線段所示的波形?？梢钥闯觯{(lán)色線與原波形(紅色線)相比，其波形的細(xì)節(jié)部分丟失了很多。這意味著重構(gòu)后的信號(hào)波形有較大的失真。

D/A轉(zhuǎn)換器從上圖得到的數(shù)值中重構(gòu)原來(lái)信號(hào)時(shí)，得到下圖失真是不可避免的，如何減少失真呢？在下圖中，采樣率和量化等級(jí)再提高了一倍。從圖中可以看出，當(dāng)用D/A轉(zhuǎn)換器重構(gòu)原來(lái)信號(hào)時(shí)（圖中的輪廓線），信號(hào)的失真明顯減少，信號(hào)質(zhì)量得到了提高。失真是不可避免的，如何減少失真呢？在下圖中，采樣率和量3.編碼

模擬信號(hào)量經(jīng)過(guò)采樣和量化以后，形成一系列的離散信號(hào)——脈沖數(shù)字信號(hào)。這種脈沖數(shù)字信號(hào)可以一定的方式進(jìn)行編碼，形成計(jì)算機(jī)內(nèi)部運(yùn)行的數(shù)據(jù)。所謂編碼，就是按照一定的格式把經(jīng)過(guò)采樣和量化得到的離散數(shù)據(jù)記錄下來(lái)，并在有用的數(shù)據(jù)中加入一些用于糾錯(cuò)、同步和控制的數(shù)據(jù)。3.編碼

模擬信號(hào)量經(jīng)過(guò)采樣和量化以后，形成一系列2.1.3數(shù)字音頻的文件格式

在多媒體技術(shù)中，存儲(chǔ)音頻信息的文件格式主要有：WAV文件、VOC文件和MP3文件等。1.

WAV文件

WAV文件又稱波形文件，來(lái)源于對(duì)聲音模擬波形的采樣，并以不同的量化位數(shù)把這些采樣點(diǎn)的值輪換成二進(jìn)制數(shù)，然后存入磁盤，這就產(chǎn)生了波形文件。WAV文件用于保存Windows平臺(tái)的音頻信息資源，被Windows平臺(tái)及其應(yīng)用程序所廣泛支持。2.1.3數(shù)字音頻的文件格式

請(qǐng)計(jì)算對(duì)于5分鐘雙聲道、16位采樣位數(shù)、44.1kHz采樣頻率聲音的不壓縮數(shù)據(jù)量是多少？思考題請(qǐng)計(jì)算對(duì)于5分鐘雙聲道、16位采樣位數(shù)、44.1解：根據(jù)公式：數(shù)據(jù)量=（采樣頻率×采樣位數(shù)×聲道數(shù)×?xí)r間）/8得，數(shù)據(jù)量=[44.1×1000×16×2×（5×60）]/（8×1024×1024）=50.47MB因此，聲音的不壓縮數(shù)據(jù)量約為50.47MB。計(jì)算時(shí)要注意幾個(gè)單位的換算細(xì)節(jié)：時(shí)間單位換算：1分=60秒采樣頻率單位換算：1kHz=1000Hz數(shù)據(jù)量單位換算：1MB=1024×1024=1048576B解：根據(jù)公式：數(shù)據(jù)量=（采樣頻率×采樣位數(shù)×聲道數(shù)×?xí)r間未壓縮的聲音文件的存儲(chǔ)量可用下式計(jì)算：存儲(chǔ)量（KB）=（采樣頻率KHZ×采樣位數(shù)bit×聲道數(shù)×?xí)r間秒）/8

未壓縮的聲音文件的存儲(chǔ)量可用下式計(jì)算：2.VOC文件

VOC文件是Creative公司所使用的標(biāo)準(zhǔn)音頻文件格式，多用于保存CreativeSoundBlaster(創(chuàng)新聲霸)系列聲卡所采集的聲音數(shù)據(jù)，被Windows平臺(tái)和DOS平臺(tái)所支持。

2.VOC文件

VOC文件是Creative公司所使用的3.MPEG音頻文件——.MP1/.MP2/.MP3

MPEG音頻文件的壓縮是一種有損壓縮，根據(jù)壓縮質(zhì)量和編碼復(fù)雜程度的不同可分為三層(MPEGAudioLayer1/2/3)，分別對(duì)應(yīng)MP1、MP2和MP3這三種聲音文件；MPEG音頻編碼具有很高的壓縮率，MP1和MP2的壓縮率分別為4∶1和6∶1～8∶1，而MP3的壓縮率則高達(dá)10∶1～12∶1，也就是說(shuō)一分鐘CD音質(zhì)的音樂(lè)，未經(jīng)壓縮需要10MB存儲(chǔ)空間，而經(jīng)過(guò)MP3壓縮編碼后只有1MB左右，同時(shí)其音質(zhì)基本保持不失真。

3.MPEG音頻文件——.MP1/.MP2/.MP3

4.RealAudio文件——.RA/.RM/.RAM

RealAudio文件是RealNetworks公司開發(fā)的一種新型流式音頻(StreamingAudio)文件格式；它包含在RealNetworks所制定的音頻、視頻壓縮規(guī)范RealMedia中，主要用于在低速率的廣域網(wǎng)上實(shí)時(shí)傳輸音頻信息；網(wǎng)絡(luò)連接速率不同，客戶端所獲得的聲音質(zhì)量也不盡相同：對(duì)于28.8kb/s的連接，可以達(dá)到廣播級(jí)的聲音質(zhì)量；如果擁有ISDN或更快的線路連接，則可獲得CD音質(zhì)的聲音。

5.AIFF文件——.AIF/.AIFF

AIFF是音頻交換文件格式(AudioInterchangeFileFormat)的英文縮寫，是蘋果計(jì)算機(jī)公司開發(fā)的一種聲音文件格式；被Macintosh平臺(tái)及其應(yīng)用程序所支持，其他專業(yè)音頻軟件包也同樣支持這種格式。5.AIFF文件——.AIF/.AIFF

AIFFMP3的全名是MPEGAudioLayer-3，簡(jiǎn)單地說(shuō)就是一種聲音文件的壓縮格式。ISO/MPEG音頻壓縮標(biāo)準(zhǔn)里包括了三個(gè)編碼方案，按照壓縮質(zhì)量(每Bit的聲音效果)和編碼方案的復(fù)雜程度分別是Layer1、Layer2、Layer3。所有這三層的編碼采用的基本結(jié)構(gòu)是相同的。通過(guò)研究人耳和大腦聽覺神經(jīng)對(duì)音頻失真的敏感度，在編碼時(shí)先分析聲音文件的波形，然后濾去人耳不敏感的信號(hào)，最后編碼形成MPEG的文件。而音質(zhì)聽起來(lái)與CD相差不大。MP3壓縮技術(shù)MP3壓縮技術(shù)MPEG的層次與壓縮比率

Layer1(相當(dāng)于384kbps立體聲信號(hào))4:1Layer2(相當(dāng)于192~256kbps立體聲信號(hào))6:1~8:1Layer3(相當(dāng)于112~154kbps立體聲信號(hào))10:1~12:1MPEG的層次與壓縮比率Layer1(相當(dāng)于384kbps

MP4并不是MPEG-4或者M(jìn)PEG-1Layer4，它的出現(xiàn)是針對(duì)MP3的大眾化、無(wú)版權(quán)的一種保護(hù)格式，由美國(guó)網(wǎng)絡(luò)技術(shù)公司開發(fā)，美國(guó)唱片行業(yè)聯(lián)合會(huì)倡導(dǎo)公布的一種新的網(wǎng)絡(luò)下載和音樂(lè)播放格式。MP4壓縮技術(shù)MP4并不是MPEG-4或者M(jìn)PEG-1Layer42.2波形音頻文件的采集與制作

Windows錄音機(jī)的主要功能是錄音和放音，使用“錄音機(jī)”可以錄制、混合、播放和編輯聲音。其主要功能操作如下所述：（1）波形文件的錄制：錄音機(jī)常用的輸入設(shè)備是麥克風(fēng)和CD-ROM播放機(jī)。（2）波形文件的存儲(chǔ)：存儲(chǔ)的文件格式為波形（.wav）文件。（3）聲音的編輯：復(fù)制、粘貼、插入、刪除等操作。（4）音頻變換與特殊效果：更改聲音的大小、速度、回音等。

2.2波形音頻文件的采集與制作Windows錄音錄制一段音頻錄制一段音頻東莞億兆集團(tuán)項(xiàng)目戰(zhàn)略東莞億兆集團(tuán)項(xiàng)目戰(zhàn)略2.3常用音頻處理軟件簡(jiǎn)介GoldWave：左聲道右聲道2.3常用音頻處理軟件簡(jiǎn)介GoldWave：左聲道右

GoldWave是一款相當(dāng)不錯(cuò)的數(shù)碼錄音及編輯軟件，除了附有許多的效果處理功能外，它還能將編輯好的文件存為WAV、AU、SND、RAW和AFC等格式。作為Wave文件編輯處理工具，支持從MP3、MPG、AVI、ASF、MOV等文件中提取音頻進(jìn)行編輯，所以除了它強(qiáng)大的編輯功能外，用作把以上格式的音頻轉(zhuǎn)換成WAV文件也是很方便的。GoldWave是一款相當(dāng)不錯(cuò)的數(shù)碼錄音及編輯軟1、聲音類型轉(zhuǎn)換1、聲音類型轉(zhuǎn)換東莞億兆集團(tuán)項(xiàng)目戰(zhàn)略東莞億兆集團(tuán)項(xiàng)目戰(zhàn)略2、聲音合并2、聲音合并東莞億兆集團(tuán)項(xiàng)目戰(zhàn)略東莞億兆集團(tuán)項(xiàng)目戰(zhàn)略東莞億兆集團(tuán)項(xiàng)目戰(zhàn)略東莞億兆集團(tuán)項(xiàng)目戰(zhàn)略東莞億兆集團(tuán)項(xiàng)目戰(zhàn)略東莞億兆集團(tuán)項(xiàng)目戰(zhàn)略3、回聲效果3、回聲效果東莞億兆集團(tuán)項(xiàng)目戰(zhàn)略東莞億兆集團(tuán)項(xiàng)目戰(zhàn)略4、多普勒效果4、多普勒效果東莞億兆集團(tuán)項(xiàng)目戰(zhàn)略5、制作鈴聲1、打開原音樂(lè)文件5、制作鈴聲1、打開原音樂(lè)文件2、試聽找到音樂(lè)高潮部分2、試聽找到音樂(lè)高潮部分東莞億兆集團(tuán)項(xiàng)目戰(zhàn)略3、將選中的音樂(lè)部分剪裁下來(lái)3、將選中的音樂(lè)部分剪裁下來(lái)東莞億兆集團(tuán)項(xiàng)目戰(zhàn)略4、選中開始的幾秒鐘，加淡入效果4、選中開始的幾秒鐘，加淡入效果東莞億兆集團(tuán)項(xiàng)目戰(zhàn)略5、選中結(jié)束的幾秒鐘，加淡出效果5、選中結(jié)束的幾秒鐘，加淡出效果東莞億兆集團(tuán)項(xiàng)目戰(zhàn)略制作好的鈴聲圖制作好的鈴聲圖第2章討論題1.聲音按其特性分為哪幾類？舉例說(shuō)明。分為規(guī)則和不規(guī)則兩類。不規(guī)則指不含任何信息的噪音；規(guī)則聲音分為語(yǔ)音、音樂(lè)和音效。語(yǔ)音是指具有語(yǔ)言內(nèi)涵和人類約定俗成的特殊媒體，音樂(lè)是規(guī)范的、符號(hào)化的聲音，音效是指人類熟悉的其他聲音，如雨聲、雷聲、機(jī)器轟鳴聲。2.聲音具有哪3個(gè)要素？音強(qiáng)、音調(diào)、音色。第2章討論題1.聲音按其特性分為哪幾類？舉例說(shuō)明。分為規(guī)則和3.聲音數(shù)字化分為哪兩個(gè)步驟？采樣：就是每隔一段時(shí)間