第四章 數(shù)字音頻處理技術(shù)

第四章數(shù)字音頻處理技術(shù)第一頁，共四十七頁，2022年，8月28日本章重點(diǎn)：聲音概述音樂合成與MIDI數(shù)字音頻壓縮標(biāo)準(zhǔn)數(shù)字音頻處理實(shí)例第二頁，共四十七頁，2022年，8月28日

聲音在本質(zhì)上是一種機(jī)械振動，它通過空氣傳播到人耳，刺激神經(jīng)后使大腦產(chǎn)生一種感覺。在一些專業(yè)場合，聲音通常被稱為聲波或音頻。第三頁，共四十七頁，2022年，8月28日4.1聲音概述

聲音在物理學(xué)上稱之為聲波，是通過一定介質(zhì)（如空氣、水等）傳播的一種連續(xù)振動的波，也稱為聲波。通常把頻率范圍為20Hz～20kHz的信號稱為音頻信號。低于20Hz的信號為亞音信號或者稱為次音信號；高于20kHz的信號稱為超音頻信號，或稱為超聲波信號。第四頁，共四十七頁，2022年，8月28日第五頁，共四十七頁，2022年，8月28日第六頁，共四十七頁，2022年，8月28日常見聲源及其頻率范圍：

第七頁，共四十七頁，2022年，8月28日聲音的特征：

聲音有3個重要指標(biāo)即振幅、周期和頻率。振幅是波的高低幅度，表示聲音的強(qiáng)弱；周期指兩個相鄰波之間的時間長度；頻率指每秒振動的次數(shù)，以Hz為單位。聲音的3要素是音調(diào)、音色、強(qiáng)度，它們分別與聲波的頻率、波形、振幅等相關(guān)第八頁，共四十七頁，2022年，8月28日4.2

數(shù)字化音頻

聲音信號是時間和幅度上都連續(xù)的模擬信號。而計(jì)算機(jī)只認(rèn)識“0”和“1”，或者說計(jì)算機(jī)只能處理一個個數(shù)據(jù)，盡管數(shù)據(jù)量可能是巨大的。所以，計(jì)算機(jī)處理聲音的第一步是將聲音數(shù)字化，將模擬信號變?yōu)閿?shù)字信號。第九頁，共四十七頁，2022年，8月28日音頻的數(shù)字化

把模擬聲音（音頻）信號轉(zhuǎn)換位數(shù)字化聲音（音頻）的過程稱為聲音（音頻）的數(shù)字化，或稱為模/數(shù)（A/D）變換。第十頁，共四十七頁，2022年，8月28日1.

采樣

在音頻數(shù)字化過程中，采樣指的是以固定的時間間隔T對模擬信號（音頻信號）進(jìn)行取值。固定的時間間隔T稱為采樣周期，1/T稱為采樣頻率（fs）。采樣后得到的是一個離散時間信號。采樣時間間隔T越短，也就是采樣頻率越高，聲音數(shù)據(jù)在后期播放時保真度越好。第十一頁，共四十七頁，2022年，8月28日2.

量化采樣后的音頻信號需要經(jīng)過量化，使信號幅度轉(zhuǎn)變?yōu)橛邢薜碾x散數(shù)值。這種由有限個數(shù)值組成的信號就稱為離散幅度信號。例如，假設(shè)輸入電壓的范圍是0V～7V，并假設(shè)它的取值只限定在0，1，2，…，7共8個值。如果采樣得到的幅度值是1.2V，則它的取值就應(yīng)是1V，如果采樣得到的幅度值是2.6V，則它的取值就應(yīng)是3V等。這種數(shù)值就稱為離散數(shù)值，即量化值。量化之后得到的是時間離散、幅度離散的數(shù)字信號。第十二頁，共四十七頁，2022年，8月28日3.

編碼

編碼，即是將量化值表示成為二進(jìn)制數(shù)的形式，以便于計(jì)算機(jī)存儲和處理。例如，上面量化規(guī)定的8個取值，就可以用3位二進(jìn)制數(shù)表示，從000～111，2V可以表示為001，3V可以表示位011，6V可以表示位101。計(jì)算機(jī)可以對數(shù)字化之后的音頻信號進(jìn)行存儲、編輯和處理，并可以還原成原始的波形進(jìn)行播放，這個還原的過程稱為解碼，它是模/數(shù)（A/D）變換的逆過程，及數(shù)/模（D/A）變換。第十三頁，共四十七頁，2022年，8月28日4.2.2數(shù)字音頻音質(zhì)與數(shù)據(jù)量

采樣頻率和采樣量化級數(shù)是數(shù)字化聲音的兩個最基本要求，直接影響數(shù)字化音頻的質(zhì)量和數(shù)據(jù)量。一般而言，采樣頻率越高聲音失真越小，但用于存儲音頻的數(shù)據(jù)量也越大。量化位數(shù)越高音質(zhì)越好，數(shù)據(jù)量越大。通常有3中采樣頻率：44.1kHz（取樣44100次每秒，用于CD品質(zhì)的音樂）、22.05kHz（適用于語音和中等品質(zhì)的音樂）、11.025kHz（低品質(zhì)），量化精度分別為8位字長（256階）量化（低品質(zhì)）和16位字長（65535階）量化（高品質(zhì)）。第十四頁，共四十七頁，2022年，8月28日

數(shù)字音頻音質(zhì)與數(shù)據(jù)量

反映音頻數(shù)字化質(zhì)量的另一個因素是通道（或聲道）個數(shù)。一次采樣一個聲音波形，稱為“單聲道”；一次采樣兩個聲音波形，稱為“雙聲道”（即人們常說的立體聲）。立體聲更能反映人的聽覺感受。但數(shù)據(jù)量比單聲道多一倍，這樣需要的存儲空間是單聲道的兩倍。對聲音的采樣可以使用不同的采樣頻率、采樣量化級數(shù)和聲道，但實(shí)際上為了節(jié)省存儲空間，經(jīng)常要在數(shù)字化音頻數(shù)據(jù)量的的大小與聲音回放質(zhì)量之間進(jìn)行權(quán)衡。第十五頁，共四十七頁，2022年，8月28日聲音信息數(shù)字化后的數(shù)據(jù)量計(jì)算公式為：數(shù)據(jù)量=采樣頻率*量化位數(shù)*聲道數(shù)/8數(shù)據(jù)量的單位：B/s（字節(jié)/秒）第十六頁，共四十七頁，2022年，8月28日音質(zhì)與數(shù)字音頻參數(shù)的關(guān)系

第十七頁，共四十七頁，2022年，8月28日

數(shù)字音頻文件格式

數(shù)字音頻數(shù)據(jù)是以文件的形式保存在計(jì)算機(jī)中的。數(shù)字音頻的文件格式主要又CD、WAVE、MP3、WMA、MIDI等。CD文件：*.cda格式，采用44.1kHz的采樣頻率，速率為88kbps。具有16位量化位數(shù)，CD音軌近似無損，聲音基本上終于忠于原聲。WAV文件：微軟公司開發(fā)的一種聲音文件格式，也稱波形聲音文件，是最早的數(shù)字音頻格式，被Windows平臺及其應(yīng)用程序廣泛支持。第十八頁，共四十七頁，2022年，8月28日

數(shù)字音頻文件格式MP3音頻文件：全稱為MPEG-1audiolayer3，其壓縮率為12：1。優(yōu)勢是在高壓縮比的情況下，還能擁有優(yōu)美的音質(zhì)。它利用知覺音頻編碼技術(shù)，即利用了人耳的特性，消減音樂中人耳的特性，消減音樂中人耳聽不到的成分，同時盡可能地維持原來的聲音質(zhì)量。WMA文件：WindowsMediaAudio，通過減少數(shù)據(jù)流量但保持音質(zhì)的方法來達(dá)到比MP3壓縮率更高的目的。WMA的一個優(yōu)點(diǎn)是壓縮率高，，一般都在18：1.其次，WMA的內(nèi)容提供商可以加入防復(fù)制保護(hù)。第十九頁，共四十七頁，2022年，8月28日

數(shù)字音頻文件格式MID：MusicalInstrumentDigitalInterface，允許數(shù)字合成器和其他設(shè)備交換數(shù)據(jù)。MIDI文件格式由MIDI繼承而來。MIDI文件并不是一段錄制好的聲音，而是記錄聲音的信息，每個音符記錄為一個數(shù)字，然后是告訴聲卡如何再現(xiàn)音樂的一組指令。1分鐘MIDI音樂文件的大小只有5~10KB。RealAudio：Realnetwork推出的一種音樂壓縮格式；它的壓縮比可達(dá)到96：1，因此在網(wǎng)上比較流行。經(jīng)過壓縮的音樂文件可以通過速率為14.4kb/s的MODEM上網(wǎng)的計(jì)算機(jī)中流暢回放。第二十頁，共四十七頁，2022年，8月28日

數(shù)字音頻獲取

聲音文件的獲取是為音頻的編輯進(jìn)行素材積累階段。聲音的獲取途徑很多，可以采用以下方式進(jìn)行獲取。自己親自錄制從CD唱盤獲得從網(wǎng)上和素材庫獲取第二十一頁，共四十七頁，2022年，8月28日

數(shù)字音頻的處理

專業(yè)的音頻編輯軟件GoldWave功能強(qiáng)大，可以對音樂進(jìn)行播放、錄制、編輯、轉(zhuǎn)換格式、特技處理等。GoldWave支持多種聲音格式，如WAV、MP3、AU、AVI、MPEG、MOV、RAW、SDS等。其主要功能有：音頻文件的格式轉(zhuǎn)換：，它還支持MAC計(jì)算機(jī)所使用的聲音文件。因此，通過GoldWave可以實(shí)現(xiàn)這種格式的轉(zhuǎn)換。音頻數(shù)據(jù)的簡單編輯聲音效果的處理音頻的修復(fù)CD音樂提取聲音文件的生成聲音文件的錄制第二十二頁，共四十七頁，2022年，8月28日GoldWaved的界面與窗口

GoldWaved的界面第二十三頁，共四十七頁，2022年，8月28日4.3

音樂合成與MIDI

音樂合成的方式根據(jù)一定的協(xié)議標(biāo)準(zhǔn)，使用音樂符號來記錄和解釋樂譜，并組合成相應(yīng)的音樂信號，這就是MIDI（musicalinstrumentdigitalinterface，樂器數(shù)字接口）。MIDI不是把音樂的波形進(jìn)行數(shù)字化采樣和編碼，而是將數(shù)字式電子樂器的彈奏過程以命令符號的形式記錄下來，如按了哪個鍵、力度多大、時間多長等。當(dāng)需要播放出這首樂曲時，根據(jù)記錄的樂譜指令，通過音樂合成器生成音樂聲波，經(jīng)放大后由揚(yáng)聲器播出。第二十四頁，共四十七頁，2022年，8月28日1.電子音樂中常用的術(shù)語

（1）音樂合成器（musicalsynthesizer）

音樂合成器是由數(shù)字信號處理器（DSP）和其他集成電路芯片構(gòu)成的電子設(shè)備，用來產(chǎn)生并修改正弦波形，然后通過聲音產(chǎn)生器和揚(yáng)聲器發(fā)出特定的聲音。不同的合成器根據(jù)MIDI樂譜指令產(chǎn)生的音色和音質(zhì)都可不同，其發(fā)聲的質(zhì)量和聲部取決于合成器能夠同時播放的獨(dú)立波形的個數(shù)、控制軟件的能力，以及合成器電路中的存儲空間大小。第二十五頁，共四十七頁，2022年，8月28日

（2）復(fù)調(diào)（polyphony）

復(fù)調(diào)也稱復(fù)音，指合成樂器同時演奏若干音符時發(fā)出的聲音。如鋼琴、吉他等樂器可以同時演奏幾種音符，而雙簧管就不能。復(fù)調(diào)著重于同時演奏的音符數(shù)，如鋼琴的合弦音符。第二十六頁，共四十七頁，2022年，8月28日（3）多音色（timbre）

多音色指同時演奏幾種不同樂器時發(fā)出的聲音。它著重于同時演奏的樂器數(shù)。例如，具有6音符復(fù)音的4種樂器合成器，可以同時演奏4種不同聲音的6個音符，如3個鋼琴的合弦音符、一個長笛、一個小提琴和一個薩克斯管的音符。要改善合成音樂的真實(shí)感，必須把許多合成器連接起來，以產(chǎn)生復(fù)調(diào)聲音和多音色聲音。第二十七頁，共四十七頁，2022年，8月28日2.MIDI標(biāo)準(zhǔn)相關(guān)的術(shù)語

MIDI電子樂器：它是能產(chǎn)生特定聲音的合成器，如電子鍵盤、吉他、薩克斯管等；它們相互間的數(shù)據(jù)傳送符合MIDI的通信約定。MIDI消息（message）或指令：MIDI軟件通信協(xié)議，實(shí)際上是用數(shù)字指令描述的音樂樂譜，其中包括音符、強(qiáng)度、定時及樂器的指派等。MIDI接口（interface）：MIDI硬件通信協(xié)議，可使電子樂器互聯(lián)或與計(jì)算機(jī)硬件端口相連，可發(fā)送和接收MIDI消息。MIDI通道（channel）：MIDI標(biāo)準(zhǔn)提供了16個通道，每種通道對應(yīng)一種邏輯的合成器，即對應(yīng)一種樂器的合成。音序器：它指可用來記錄、編輯和播放MIDI文件的計(jì)算機(jī)程序。第二十八頁，共四十七頁，2022年，8月28日4.3.2MIDI音樂的制作原理1.MIDI音樂的產(chǎn)生過程第二十九頁，共四十七頁，2022年，8月28日2.MIDI通道當(dāng)MIDI設(shè)備交流信息時，需要遵循一定的事件序列。例如，兩個MIDI設(shè)備在建立連接之后首先要做的事情就是在使用相同的MIDI通道方面達(dá)成一致。MIDI可以在16個這樣的通道上進(jìn)行操作，這些通道用數(shù)字分別標(biāo)記為0～15。只要兩個MIDI設(shè)備進(jìn)行交流，就必須使用相同的通道。對電腦合成音樂，每個邏輯通道可指定一種樂器，音樂鍵盤可設(shè)置在這16個通道之中的任何一個，而MIDI聲源或者聲音模塊可被設(shè)置在指定的MIDI通道上接收。第三十頁，共四十七頁，2022年，8月28日3.MIDI接口和計(jì)算機(jī)的連接MIDI接口由3個端口組成：輸入端口（In）、輸出端口（Out）和直達(dá)端口（Thru）。其中，輸入端口處理接收的字節(jié)，即那些發(fā)自其他MIDI設(shè)備。為了將兩個MIDI設(shè)備連在一起，可以將其中一個的輸出端口和另一個的輸入端口相連，這樣第一個設(shè)備就可以控制第二個設(shè)備同時發(fā)生。MIDI設(shè)備可以級聯(lián)，即第一個設(shè)備的輸出連接第二個設(shè)備的輸入，第二個的輸出再連接第三個的輸入等。第三十一頁，共四十七頁，2022年，8月28日4.MIDI音樂合成器

MIDI制造商協(xié)會制定了通用MIDI規(guī)格，簡稱GM規(guī)格。通用MIDI規(guī)格同時定義了GM音色庫（一個音色庫，也被稱為音色映射，支持128種樂器聲音）和GM打擊音色庫（只包含打擊樂器發(fā)出的聲音），另外還定義了其他一些與音樂相關(guān)的性能，如每個GM設(shè)備應(yīng)支持的聲音數(shù)量和MIDI消息種類。MIDI合成的產(chǎn)生方式有兩種：FM合成和波表合成。第三十二頁，共四十七頁，2022年，8月28日4.3.3MIDI文件的特點(diǎn)用樂譜指令代替聲音數(shù)據(jù)有效記錄和重現(xiàn)各種樂器聲音占用存儲空間極小適合樂曲創(chuàng)作和遠(yuǎn)距離傳輸?shù)谌?，共四十七頁?022年，8月28日4.4數(shù)字音頻壓縮標(biāo)準(zhǔn)音頻壓縮方法是指對原始數(shù)字音頻信號流（PCM編碼）運(yùn)用適當(dāng)?shù)臄?shù)字信號處理技術(shù)，在不損失有用信息量，或者所引入損失可忽略的條件下，降低（壓縮）其碼率，也稱為壓縮編碼。逆變換的過程，稱為解壓縮或解碼。

第三十四頁，共四十七頁，2022年，8月28日4.4.2數(shù)字音頻壓縮標(biāo)準(zhǔn)

音頻信號是多媒體信息的重要組成部分。音頻信號分為電話質(zhì)量的語言、調(diào)幅廣播質(zhì)量的音頻信號和高保真立體聲信號。針對不同的質(zhì)量標(biāo)準(zhǔn)，制定了相應(yīng)的壓縮標(biāo)準(zhǔn)。第三十五頁，共四十七頁，2022年，8月28日1.電話質(zhì)量的音頻壓縮編碼技術(shù)標(biāo)準(zhǔn)由于數(shù)字音頻壓縮技術(shù)具有廣闊的應(yīng)用范圍和良好的市場前景，因而音頻壓縮技術(shù)的標(biāo)準(zhǔn)化工作顯得十分重要。CCITT（現(xiàn)ITU-T）在語音信號壓縮的標(biāo)準(zhǔn)化方面做了大量的工作，制定了G.771、G.721、G.728等標(biāo)準(zhǔn)，并逐漸受到業(yè)界的認(rèn)同，其他語音相關(guān)標(biāo)準(zhǔn)有：H.221、H.222、H.223、H.233、H.231、H.242、H.245、H.261、H.263等。第三十六頁，共四十七頁，2022年，8月28日2.調(diào)幅廣播質(zhì)量的音頻壓縮編碼技術(shù)

標(biāo)準(zhǔn)

調(diào)幅廣播質(zhì)量音頻信號的頻率范圍為50Hz～7kHz。CCITT在1988年制定了、G.722標(biāo)準(zhǔn)。此標(biāo)準(zhǔn)采用16kHz采樣頻率，14bit量化，信號數(shù)據(jù)傳輸速率為224kbps，并采用子帶編碼方法，將輸入音頻信號經(jīng)濾波器分成高子帶和低子帶兩個部分，分別進(jìn)行ADPCM編碼，再混合形成輸出碼。第三十七頁，共四十七頁，2022年，8月28日3.高保真度立體聲音頻壓縮編碼技術(shù)

標(biāo)準(zhǔn)高保真立體聲音頻信號頻率范圍為50Hz~20kHz，采用44.1kHz采樣頻率，16bit量化，進(jìn)行數(shù)字化轉(zhuǎn)換，其數(shù)據(jù)傳輸速率每聲道達(dá)705kbps。一般語音信號的動態(tài)范圍和頻響比較小，采用8kHz采樣頻率，每樣值用8bit表示，現(xiàn)在的語音壓縮技術(shù)可把碼率從原來的64kbps壓縮到4kbps左右。但多媒體通信中的聲音要比語音復(fù)雜的多，它的動態(tài)范圍可達(dá)100db，頻響范圍可達(dá)20Hz~20kHz。因此，聲音數(shù)字化后的信息量非常達(dá)。為了更有效地利用寶貴的信道資源，必須對聲音進(jìn)行數(shù)字壓縮編碼。第三十八頁，共四十七頁，2022年，8月28日目前世界上第一個高保真立體聲音頻壓縮標(biāo)準(zhǔn)為MPEG音頻壓縮算法。雖然MPEG音頻標(biāo)準(zhǔn)是MPEG標(biāo)準(zhǔn)的一部分，但它也完全可以獨(dú)立使用。表4-2中列出了ISO和ITU先后建議的用于電話質(zhì)量的語音壓縮標(biāo)準(zhǔn)。第三十九頁，共四十七頁，2022年，8月28日第四十頁，共四十七頁，2022年，8月28日4.4.3音頻壓縮工具

由于存在不同格式的音頻文件，在不同場合對于音頻素材的格式要求也不盡相同，因此需要有專門的工具對它們進(jìn)行格式轉(zhuǎn)換，從而滿足不同場合對音頻文件的需要。AVIMPEGWMVRMtoMP3Converter是一個好用的音頻轉(zhuǎn)換工具，可以將通用的視頻和音頻文件轉(zhuǎn)換成MP3、WAV、WMA和OGG格式，支持AVI、MPEG、RM/RMVB、WMV/ASF、MOV的視頻和音頻格式。對于想從視頻文件中抓取音頻和想把RM格式轉(zhuǎn)換成MP3/WAV格式的用戶來說非常有用。第四十一頁，共四十七頁，2022年，8月28日音頻壓縮工具界面

第四十二頁，共四十七頁，2022年，8月28日4.5數(shù)字音頻處理實(shí)例

利用GoldWave軟件錄制一首自己演唱的歌曲，采樣頻率設(shè)為44.1kHz，生成.wav文件；并為生成的音樂文件添加混響效果，對聲音進(jìn)行簡單的