多媒體技術(shù)2音頻處理技術(shù)

第二章音頻信息處理

第2章音頻信息處理

學(xué)習(xí)目標(biāo):了解聲音信號的特點(diǎn)、存儲格式及質(zhì)量的度量方法理解音頻信號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聲音信號進(jìn)行處理了解語音識別技術(shù)及其應(yīng)用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：震動物體產(chǎn)生的聲波，傳入耳朵形成聲音。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過音頻：1GHz~1THz按原始聲源劃分語音：人類為表達(dá)思想和感情發(fā)出的聲音樂音：演奏樂器時(shí)樂器發(fā)出的聲音聲響：除語音和樂音以外的所有聲音。如自然界的聲音按存儲形式劃分模擬聲音：模擬方式存儲，如磁帶數(shù)字聲音：用0、1表示的聲音數(shù)據(jù)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。4、聲音質(zhì)量的評價(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，簡稱AM音質(zhì)調(diào)頻廣播音質(zhì)：20~15000HZ，簡稱FM音質(zhì)激光唱盤音質(zhì)：10~20000HZ，簡稱CD音質(zhì)2.1.2模擬音頻的數(shù)字化過程

對模擬音頻數(shù)字化過程涉及到音頻的采樣、量化和編碼。

采樣和量化的過程可由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)周期測量和量化信號一次。經(jīng)采樣和量化后聲音信號經(jīng)編碼后就成為數(shù)字音頻信號，可以將其以文件形式保存在計(jì)算機(jī)的存儲介質(zhì)中。

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波形進(jìn)行分割，這種方法稱為采樣(Sampling)。采樣的過程是每隔一個(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)信號變成時(shí)間上的離散信號。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.采樣對聲波波形幅度的數(shù)字化表示稱之為“量化”。量化的過程是先將采樣后的信號按整個(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)的方式來劃分縱軸。也就是說在一個(gè)以8位為記錄模式的音效中，其縱軸將會被劃分為?個(gè)量化等級，用以記錄其幅度大小。2.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)原來信號時(shí)，得到下圖藍(lán)色線段所示的波形?？梢钥闯?，藍(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)后的信號波形有較大的失真。

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)原來信號時(shí)（圖中的輪廓線），信號的失真明顯減少，信號質(zhì)量得到了提高。3.編碼

模擬信號量經(jīng)過采樣和量化以后，形成一系列的離散信號——脈沖數(shù)字信號。這種脈沖數(shù)字信號可以一定的方式進(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)過采樣和量化得到的離散數(shù)據(jù)記錄下來，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)。2.1.3數(shù)字音頻的文件格式

在多媒體技術(shù)中，存儲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，來源于對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平臺的音頻信息資源，被Windows平臺及其應(yīng)用程序所廣泛支持。請計(jì)算對于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未壓縮的聲音文件的存儲量可用下式計(jì)算：存儲量（KB）=（采樣頻率KHZ×采樣位數(shù)bit×聲道數(shù)×?xí)r間秒）/8

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平臺和DOS平臺所支持。

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，也就是說一分鐘CD音質(zhì)的音樂，未經(jīng)壓縮需要10MB存儲空間，而經(jīng)過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。

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：對于28.8kb/s的連接，可以達(dá)到廣播級的聲音質(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。

MP3的全名是MPEGAudioLayer-3，簡單地說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。通過研究人耳和大腦聽覺神經(jīng)對音頻失真的敏感度，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，最后編碼形成MPEG的文件。而音質(zhì)聽起來與CD相差不大。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)4:1Layer2(相當(dāng)于192~256kbps立體聲信號)6:1~8:1Layer3(相當(dāng)于112~154kbps立體聲信號)10:1~12:1

MP4并不是MPEG-4或者M(jìn)PEG-1Layer4，它的出現(xiàn)是針對MP3的大眾化、無版權(quán)的一種保護(hù)格式，由美國網(wǎng)絡(luò)技術(shù)公司開發(fā)，美國唱片行業(yè)聯(lián)合會倡導(dǎo)公布的一種新的網(wǎng)絡(luò)下載和音樂播放格式。MP4壓縮技術(shù)2.2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：存儲的文件格式為波形（.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。

錄制一段音頻2.3常用音頻處理軟件簡介GoldWave：左聲道右聲道

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。1、聲音類型轉(zhuǎn)換2、聲音合并3、回聲效果4、多普勒效果5、制作鈴聲1、打開原音樂文件2、試聽找到音樂高潮部分3、將選中的音樂部分剪裁下來4、選中開始的幾秒鐘，加淡入效果5、選中結(jié)束的幾秒鐘，加淡出效果制作好的鈴聲圖第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)則聲音分為語音、音樂和音效。語音是指具有語言內(nèi)涵和人類約定俗成的特殊媒體，音樂是規(guī)范的、符號化的聲音，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。3.聲音數(shù)字化分為哪兩個(gè)步