第4章 数字音频处理技术（课件）- 《多媒体技术与应用》同步教学（国防科大版）

第4章 数字音频处理技术 本章重点： 声音概述 音乐合成与MIDI 数字音频压缩标准 数字音频处理实例 声音在本质上是一种机械振动，它通过空气传播到人耳，刺激神经后使大脑产生一种感觉。在一些专业场合，声音通常被称为声波或音频。 4.1 声音概述 声音在物理学上称之为声波，是通过一定介质（如空气、水等）传播的一种连续振动的波，也称为声波。 通常把频率范围为20Hz～20kHz的信号称为音频信号。低于20Hz的信号为亚音信号或者称为次音信号；高于20kHz的信号称为超音频信号，或称为超声波信号。 常见声源及其频率范围： 声音的特征： 声音有3个重要指标即振幅、周期和频率。振幅是波的高低幅度，表示声音的强弱；周期指两个相邻波之间的时间长度；频率指每秒振动的次数，以Hz为单位。 声音的3要素是音调、音色、强度，它们分别与声波的频率、波形、振幅等相关 4.2 数字化音频 声音信号是时间和幅度上都连续的模拟信号。而计算机只认识“0”和“1”，或者说计算机只能处理一个个数据，尽管数据量可能是巨大的。所以，计算机处理声音的第一步是将声音数字化，将模拟信号变为数字信号。 4.2.1音频的数字化 把模拟声音（音频）信号转换位数字化声音（音频）的过程称为声音（音频）的数字化，或称为模/数（A/D）变换。 1. 采样 在音频数字化过程中，采样指的是以固定的时间间隔T对模拟信号（音频信号）进行取值。固定的时间间隔T称为采样周期，1/T称为采样频率（fs）。采样后得到的是一个离散时间信号。采样时间间隔T越短，也就是采样频率越高，声音数据在后期播放时保真度越好。 2. 量化 采样后的音频信号需要经过量化，使信号幅度转变为有限的离散数值。这种由有限个数值组成的信号就称为离散幅度信号。 例如，假设输入电压的范围是0V～7V，并假设它的取值只限定在0，1，2，…，7共8个值。如果采样得到的幅度值是1.2V，则它的取值就应是1V，如果采样得到的幅度值是2.6V，则它的取值就应是3V等。 这种数值就称为离散数值，即量化值。量化之后得到的是时间离散、幅度离散的数字信号。 3. 编码 编码，即是将量化值表示成为二进制数的形式，以便于计算机存储和处理。例如，上面量化规定的8个取值，就可以用3位二进制数表示，从000～111，2V可以表示为001，3V可以表示位011，6V可以表示位101。 计算机可以对数字化之后的音频信号进行存储、编辑和处理，并可以还原成原始的波形进行播放，这个还原的过程称为解码，它是模/数（A/D）变换的逆过程，及数/模（D/A）变换。 4.2.2 数字音频音质与数据量 采样频率和采样量化级数是数字化声音的两个最基本要求，直接影响数字化音频的质量和数据量。一般而言，采样频率越高声音失真越小，但用于存储音频的数据量也越大。量化位数越高音质越好，数据量越大。 通常有3中采样频率：44.1kHz（取样44 100次每秒，用于CD品质的音乐）、22.05kHz（适用于语音和中等品质的音乐）、11.025kHz（低品质），量化精度分别为8位字长（256阶）量化（低品质）和16位字长（65 535阶）量化（高品质）。 4.2.2 数字音频音质与数据量 反映音频数字化质量的另一个因素是通道（或声道）个数。一次采样一个声音波形，称为“单声道”；一次采样两个声音波形，称为“双声道”（即人们常说的立体声）。立体声更能反映人的听觉感受。但数据量比单声道多一倍，这样需要的存储空间是单声道的两倍。对声音的采样可以使用不同的采样频率、采样量化级数和声道，但实际上为了节省存储空间，经常要在数字化音频数据量的的大小与声音回放质量之间进行权衡。 声音信息数字化后的数据量计算公式为： 数据量=采样频率*量化位数*声道数/8 数据量的单位：B/s（字节/秒） 音质与数字音频参数的关系 4.2.3 数字音频文件格式 数字音频数据是以文件的形式保存在计算机中的。数字音频的文件格式主要又CD、WAVE、MP3、WMA、MIDI等。 CD文件：*.cda格式，采用44.1kHz的采样频率，速率为88kbps。具有16位量化位数，CD音轨近似无损，声音基本上终于忠于原声。 WAV文件：微软公司开发的一种声音文件格式，也称波形声音文件，是最早的数字音频格式，被Windows平台及其应用程序广泛支持。 4.2.3 数字音频文件格式 MP3音频文件：全称为MPEG-1 audio layer3，其压缩率为12：1。优