多媒體技術(shù)教程(林福宗)第2章數(shù)字聲音及midi簡(jiǎn)介

1、多媒體技術(shù)教程(林福宗)第 2 章 數(shù)字聲音及 MIDI 簡(jiǎn)介 聲音是攜帶信息的極其重要的媒體，是多媒體技術(shù)研究 中的一個(gè)重要內(nèi)容。 聲音的種類繁多， 如人的話音、 樂(lè)器聲、 動(dòng)物發(fā)出的聲音、 機(jī)器產(chǎn)生的聲音以及自然界的雷聲、 風(fēng)聲、 雨聲、閃電聲等。這些聲音有許多共同的特性，也有它們各 自的特性。在用計(jì)算機(jī)處理這些聲音時(shí)，既要考慮它們的共 性，又要利用它們的各自的特性。本章將介紹聲音的基礎(chǔ)知 識(shí)，重點(diǎn)掌握聲音數(shù)字化的兩個(gè)最基本的概念。此外，還介 紹在上網(wǎng)瀏覽或者脫機(jī)工作時(shí)你會(huì)經(jīng)常遇到的聲音文件存 儲(chǔ)格式和聲音工具。 2.1 聲音與聽(tīng)覺(jué)器官 聲音是通過(guò)空氣傳播的一種連續(xù)的波，叫聲波。聲音的 強(qiáng)

2、弱體現(xiàn)在聲波壓力的大小上，音調(diào)的高低體現(xiàn)在聲音的頻 率上。聲音用電表示時(shí)，聲音信號(hào)在時(shí)間和幅度上都是連續(xù) 的模擬信號(hào)，如圖 2 01 所示。聲波具有普通波所具有的特 性，例如反射 (reflection) 、折射 (refraction) 和衍射 (diffraction) 等。 圖 2 01 聲音是一種連續(xù)的波 對(duì)聲音信號(hào)的分析表明，聲音信號(hào)由許多頻率不同的信 號(hào)組成，這類信號(hào)稱為復(fù)合信號(hào)，而單一頻率的信號(hào)稱為分 量信號(hào)。聲音信號(hào)的一個(gè)重要參數(shù)就是帶寬，它用來(lái)描述組 成復(fù)合信號(hào)的頻率范圍。 如高保真音信號(hào) (high-fidelity audio) 的頻率范圍為 10 Hz20 000 Hz

3、，它的帶寬約為 20 kHz , 而視頻信號(hào)的帶寬是 6 MHz 。 聲音信號(hào)的兩個(gè)基本參數(shù)是頻率和幅度。信號(hào)的頻率是 指信號(hào)每秒鐘變化的次數(shù)，用 Hz 表示。例如，大氣壓的變 化周期很長(zhǎng)，以小時(shí)或天數(shù)計(jì)算，一般人不容易感到這種氣 壓信號(hào)的變化，更聽(tīng)不到這種變化。對(duì)于頻率為幾 Hz 到 20 Hz 的空氣壓力信號(hào)， 人們也聽(tīng)不到， 如果它的強(qiáng)度足夠大， 也許可以感覺(jué)到。 人們把頻率小于 20 Hz 的信號(hào)稱為亞音信 號(hào)，或稱為次音信號(hào) (subsonic) ；頻率范圍為 20 Hz 20 kHz 的信號(hào)稱為音頻 (Audio) 信號(hào)；雖然人的發(fā)音器官發(fā)出的聲音 頻率大約是 803400 Hz

4、，但人說(shuō)話的信號(hào)頻率通常為 3003000 Hz ，人們把在這種頻率范圍的信號(hào)稱為話音 (speech) 信號(hào)；高于 20 kHz 的信號(hào)稱為超音頻信號(hào)，或稱 超聲波 (ultrasonic) 信號(hào)。超音頻信號(hào)具有很強(qiáng)的方向性，而 且可以形成波束，在工業(yè)上得到廣泛的應(yīng)用，如超聲波探測(cè) 儀，超聲波焊接設(shè)備等就是利用這種信號(hào)。 在多媒體技術(shù)中， 處理的信號(hào)主要是音頻信號(hào)，它包括音樂(lè)、話音、風(fēng)聲、雨 聲、鳥(niǎo)叫聲、機(jī)器聲等。 人們是否都能聽(tīng)到音頻信號(hào)，這主要取決于各個(gè)人的年 齡和耳朵的特性。一般來(lái)說(shuō)，人的聽(tīng)覺(jué)器官能感知的聲音頻 率大約在2020000 Hz之間，在這種頻率范圍里感知的聲 音幅度大約在0

5、120 dB之間。除此之外，人的聽(tīng)覺(jué)器官對(duì) 聲音的感知還有一些重要特性， 這些特性將在第 9 章中介紹， 它們?cè)诼曇魯?shù)據(jù)壓縮中已經(jīng)得到廣泛的應(yīng)用。 2.2 聲音信號(hào)數(shù)字化 2.2.1 從模擬過(guò)渡到數(shù)字 回顧歷史， 大多數(shù)電信號(hào)的處理一直是用模擬元部件(如 晶體管、變壓器、電阻、電容等 )對(duì)模擬信號(hào)進(jìn)行處理。 但是， 開(kāi)發(fā)一個(gè)具有相當(dāng)精度、且?guī)缀醪皇墉h(huán)境變化影響的模擬信 號(hào)處理元部件是相當(dāng)困難的，而且成本也很高。 如果把模擬信號(hào)轉(zhuǎn)變成數(shù)字信號(hào)，用數(shù)字來(lái)表示模擬量， 對(duì)數(shù)字信號(hào)做計(jì)算，那末難點(diǎn)就發(fā)生了轉(zhuǎn)移，把開(kāi)發(fā)模擬運(yùn) 算部件的問(wèn)題轉(zhuǎn)變成開(kāi)發(fā)數(shù)字運(yùn)算部件的問(wèn)題，這就出現(xiàn)了 數(shù)字信號(hào)處理器 (dig

6、ital signal processor ， DSP) 。 DSP 與通 用微處理器相比，除了它們的結(jié)構(gòu)不同外，其基本差別是， DSP 有能力響應(yīng)和處理采樣模擬信號(hào)得到的數(shù)據(jù)流， 如做乘 法和累加求和運(yùn)算。 在數(shù)字域而不在模擬域中做信號(hào)處理的主要優(yōu)點(diǎn)是：首 先，數(shù)字信號(hào)計(jì)算是一種精確的運(yùn)算方法，它不受時(shí)間和環(huán) 境變化的影響；其次，表示部件功能的數(shù)學(xué)運(yùn)算不是物理上 實(shí)現(xiàn)的功能部件，而是僅用數(shù)學(xué)運(yùn)算去模擬，其中的數(shù)學(xué)運(yùn) 算也相對(duì)容易實(shí)現(xiàn)；此外，可以對(duì)數(shù)字運(yùn)算部件進(jìn)行編程， 如欲改變算法或改變某些功能，還可對(duì)數(shù)字部件進(jìn)行再編程。 2.2.2 模擬信號(hào)與數(shù)字信號(hào) 話音信號(hào)是典型的連續(xù)信號(hào)，不僅在時(shí)間

7、上是連續(xù)的， 而且在幅度上也是連續(xù)的。在時(shí)間上“連續(xù)”是指在一個(gè)指定 的時(shí)間范圍里聲音信號(hào)的幅值有無(wú)窮多個(gè)，在幅度上“連續(xù)” 是指幅度的數(shù)值有無(wú)窮多個(gè)。我們把在時(shí)間和幅度上都是連 續(xù)的信號(hào)稱為模擬信號(hào)。 在某些特定的時(shí)刻對(duì)這種模擬信號(hào)進(jìn)行測(cè)量叫做采樣 (sampling) ，由這些特定時(shí)刻采樣得到的信號(hào)稱為離散時(shí)間 信號(hào)。采樣得到的幅值是無(wú)窮多個(gè)實(shí)數(shù)值中的一個(gè)，因此幅 度還是連續(xù)的。如果把信號(hào)幅度取值的數(shù)目加以限定，這種 由有限個(gè)數(shù)值組成的信號(hào)就稱為離散幅度信號(hào)。例如，假設(shè) 輸入電壓的范圍是0.0V0.7V ,并假設(shè)它的取值只限定在 0、 0.1、0.2，0.7共8個(gè)值。如果采樣得到的幅度值是

8、0.123V , 它的取值就應(yīng)算作 0.1V，如果采樣得到的幅度值是0.26V， 它的取值就算作 0.3，這種數(shù)值就稱為離散數(shù)值。我們把時(shí) 間和幅度都用離散的數(shù)字表示的信號(hào)就稱為數(shù)字信號(hào)。 2.2.3 聲音信號(hào)數(shù)字化 聲音進(jìn)入計(jì)算機(jī)的第一步就是數(shù)字化，數(shù)字化實(shí)際上 就是采樣和量化。如前所述，連續(xù)時(shí)間的離散化通過(guò)采樣來(lái) 實(shí)現(xiàn)，就是每隔相等的一小段時(shí)間采樣一次，這種采樣稱為 均勻采樣 (uniform sampling) ；連續(xù)幅度的離散化通過(guò)量化 (quantization) 來(lái)實(shí)現(xiàn)，就是把信號(hào)的強(qiáng)度劃分成一小段一小 段，如果幅度的劃分是等間隔的，就稱為線性量化，否則就 稱為非線性量化。圖 2

9、-02表示了聲音數(shù)字化的概念。 圖 202 聲音的采樣和量化 聲音數(shù)字化需要回答兩個(gè)問(wèn)題：每秒鐘需要采集多少 個(gè)聲音樣本，也就是采樣頻率(fs)是多少，每個(gè)聲音樣本的 位數(shù) (bit per sample ， bps) 應(yīng)該是多少，也就是量化精度。 2.2.4 采樣頻率 采樣頻率的高低是根據(jù)奈奎斯特理論 (Nyquist theory) 和聲音信號(hào)本身的最高頻率決定的。奈奎斯特理論指出，采 樣頻率不應(yīng)低于聲音信號(hào)最高頻率的兩倍，這樣就能把以數(shù) 字表達(dá)的聲音還原成原來(lái)的聲音，這叫做無(wú)損數(shù)字化 (lossless digitization) 。采樣定律用公式表示為 fs 3 2f 或者 Ts T/

10、2 其中 f 為被采樣信號(hào)的最高頻率。 你可以這樣來(lái)理解奈奎斯特理論：聲音信號(hào)可以看成 由許許多多正弦波組成的，一個(gè)振幅為 A、頻率為f的正弦 波至少需要兩個(gè)采樣樣本表示，因此，如果一個(gè)信號(hào)中的最 高頻率為 fmax, 采樣頻率最低要選擇 2。例如，電話話音的 信號(hào)頻率約為 3.4 kHz ，采樣頻率就選為 8 kHz 。 2.2.5 采樣精度 樣本大小是用每個(gè)聲音樣本的位數(shù)bit/s (即 bps )表示 的，它反映度量聲音波形幅度的精度。例如，每個(gè)聲音樣本 用16位(2字節(jié))表示，測(cè)得的聲音樣本值是在065536 的范圍里，它的精度就是輸入信號(hào)的 1/65536 。樣本位數(shù)的 大小影響到聲

11、音的質(zhì)量，位數(shù)越多，聲音的質(zhì)量越高，而需 要的存儲(chǔ)空間也越多；位數(shù)越少，聲音的質(zhì)量越低，需要的 存儲(chǔ)空間越少。 采樣精度的另一種表示方法是信號(hào)噪聲比，簡(jiǎn)稱為信噪 比(signal-to-noise ratio , SNR)，并用下式計(jì)算： SNR = 10log(Vsignal)2/(Vnoise)2= 20log(Vsignal/Vnoise) 其中， Vsignal 表示信號(hào)電壓， Vnoise 表示噪聲電壓； SNR 的單位為分貝 (db) 例1 :假設(shè) Vnoise = 1，米樣精度為 1位表示 Vsignal =21，它的信噪比SNR = 6分貝。 例 2：假設(shè) Vnoise = 1

12、 ，采樣精度為 16位表示 Vsignal =216，它的信噪比 SNR=96 分貝。 2.2.6 聲音質(zhì)量與數(shù)據(jù)率 根據(jù)聲音的頻帶，通常把聲音的質(zhì)量分成 5 個(gè)等級(jí)，由 低到高分別是電話 ( telephone )、調(diào)幅( amplitude modulation AM )廣播、調(diào)頻( frequency modulation ， FM )廣播、激 光唱盤(pán)(CD-Audio )和數(shù)字錄音帶(digital audio tape , DAT ) 的聲音。在這 5 個(gè)等級(jí)中，使用的采樣頻率、樣本精度、通 道數(shù)和數(shù)據(jù)率列于表2 -01 o 表2 -01聲音質(zhì)量和數(shù)據(jù)率質(zhì)量 采樣頻率 (kHz) 樣本精度