第3章 音频技术

2. 波形音频
声音的数字化过程＊＊ （3）编码
1.基于波形编码（音质高，但数据率也高）
频域法:
将输入话音分为几个频带(子带),变换到每个子带中的 话音信号进行独立编码,用ADPCM编码,在接收端,每个子 带中的信号单独解码之后重新组合,产生重Fra Baidu bibliotek的话音。 特点： 每个子带总的噪声信号仅仅与该子带使用的编码方式有 关系。根据声音的重要性分配不同的数位给它们。需要 滤波器将信号分成若干个子带，这比简单的ADPCM编译码 器要简单。 增加延迟。
2、频率是指物体每秒钟振动的次数。
我们听到的声音都是物体振动后会产生声波, 不同的振动频率将会产生不同的声波。 声波的频率范围 一般人的听力范围是 20Hz～20kHz。这个频率区域 称为可闻声段，大致可分为低频、中频和高频 频率 种类
低频的频率约在250～500 Hz（如鼓声） 0~20Hz 次声波 中频的频率约在1000～2000 Hz， 20~20KHz 可以听到的频率范围 高频的频率约在3000～4000 Hz（如哨子声）。 20KHz~1GHz 超声波
声音在数字化后的波形 图
图3-5声音的采样
2. 波形音频
声音的数字化过程＊＊ （2）量化（Quantigation） 定义：量化是将模拟信号的采样值用数字方法读出。读 出采样值时一般采用二进制方法。 如图3-5将波形的幅值高度用 量化过程：就是将采样后的信号按整个声波的幅值划分 8bit记录，就可以将高度分成 量化精度:表示采样值的二进制位数（比位数）。量化级 为若干个区段，把落入某区段的样值归为一类，并赋予 256个区间，采样后的波形将 位数的多少决定了采样值的精度。 相同的量化值。 会丢失采样之间的一些细节波 声音在数字化 后的波形图 形 均匀量化：采用相同间隔对采样得到的信号做量化，也 成为线性量化。 例如，一个采样点处于215区
临 界频 带 0 1 2 3 4 5 频率（Hz） 低 0 100 200 300 400 510 高 100 200 300 400 510 630 宽 度 100 100 100 100 110 120 临 界频 带 13 14 15 16 17 18 频率（Hz） 低 2000 2320 2700 3150 3700 4400 高 2320 2700 3150 700 4400 5300 宽度 320 380 450 550 700 900
2. 波形音频
声音的数字化过程＊＊ （3）编码 定义：编码是按一定的格式将离散的数字信号记录下来， 并在数据的 前、后加上同步、纠错等控制信号。 为了减少数据率，CCITT(国际电报电话咨询委员会) 先后提出 一系列音频压缩编码的建议。
1.基于波形编码（音质高，但数据率也高） 脉冲编码调制（PCM）: 直接对声音信号经过采样、量化、编码过程，作A/D（模/ 数）转换。 差分脉冲编码调制（DPCM）: 只传输声音预测值和样本值的差值以此降低音频数据的编 码率。 自适应差分编码调制（ADPCM）: 是DPCM的改进，通过调整量化步长，对不同频段设臵不同 的量化字长。
较高的声压级上，等响曲线较为平坦，说明各频 率的声压级基本相同。
可 闻 阈声 的压 分级 贝
值
图3-3 等响曲线
频率Hz
可见2：
高频段的响度变化与声压级增量基本一致，
低频段声压级的微小变化会导致响度的较大 变化。
可 闻 阈声 的压 分级 贝
值
这说明：在响度级较小时， 高、低频声音灵敏度降低 较明显，而低频段比高频 段灵敏度降低更加剧烈， 一般应特别重视加强低频 音量。
低于20Hz和高于20kHz的频率段分别称为次声和超声。 1GHz~10THz 甚超声波
3、相位是波形的变化方向，如果是多个
波形组合，起始相位可以相同或不同。
如图3-2的左图所示，在某一个瞬时T，不同波形 的相位都可以是不同的。 如图3-2右图所示的，就是一段多波形混合而成 的声音实际播放时所显示的波形。
临界频带
可以说明人类的听觉对声音的感知特性。 表3-1列出的是在20Hz～16kHz范围内， 通常可分出的24个子临界频带。
人耳对同一个临界频段内频率的 听觉和感知是较接近的。
但在有声音屏蔽的情况下，一个临界频 带之内的声音感知程度与表中跨越多个 临界频带的声音感知程度是不相同的。
表3-1 离散的临界频带
第 3 章 音频技术
音频是多媒体应用的重要组成部分; 现实世界的声音来源复杂，声音不仅与时间和空间有关， 还与强度、方向等很多因素有关。
3.1
音频信号处理的特点
3.2
3.3
语音
MIDI音乐
3.4
音频文件的格式
3.5 音频文件的创作(实验)
3.1
3.1.1
音频信号处理的特点
模拟声音
模拟信号：在时间和频率上都连续的信号称为模拟 信号。 数字信号：时间和幅度都用离散的数字表示的信号 称为数字信号。
3.1.1.2
声音的听觉心理特性
听觉心理的主观感受主要有：
响度、音高、音色、音量、密度、谐和、噪声、 掩蔽效应、高频定位。 1、声音三要素：音调、音强、音色。
音调：与声音的频率有关,频率高则声音高,频率低则声音 可以在主观上用来描述具有振幅、频率、和相 低。
位三个物理特征的任何复杂的声音。
音强：又称响度，取决于声音的幅度。也即振幅决定声音 的大小和强弱。
2、等响曲线
响度表示人们所感觉到的声音能量的强弱，主要
取决于声波振幅的大小，物理上声压级的值一般 不等于响度级的值。 声音的感知响度1 sone(宋) 相当于40分贝的音调在1kHz下的响度。
响度与人耳的可闻程度有关，当超出人耳的可听频 率范围时，声音的响度再大，人耳也无法察觉。在 人耳的可听频域范围内，当声音弱或强到一定程度， 人耳都无法听到。
瞬时T
复杂的声波就是有由不同振幅、不同频率和不同相位的正弦波形
组成的。例如，双声道、多声道、立体声等都是复杂的声波。
4、声音信号的其他基本特征
（1）声音的连续谱： 自然界的声音大多属于非周期信号，包含一 定频带的所有频率分量，其频谱是连续谱。 连续谱的成份使声音听起来饱满、生动。
（2）声音的方向感： 声音的传播是以声波形式进行的。由于人类的耳朵能 够判别出声波到达左右耳的相对时差和声音强度，所 以能判断出声音的来源方向；同时也由于空间使声音 来回反射，造成了声音的特殊空间效果。
分贝是指两个相同的物理量（例A1和A0）之比，取以10为底的 对数并乘以10（或20）。
N = 10 lg(A1/A0) 分贝符号为“dB”。 A0是基准量 N是被量度量的“级” 这也被称为声压级。 A1是被量度量
如果2.83＊10-4dyn/cm2被看作0
dB
那么在特别安静的环境中，经检测： 动物的呼吸声大约20 dB 人们正常的谈话声约60dB 汽车的喇叭声约100dB 飞机起飞的声音约120 dB 120dB以上的强度可使人产生痛苦的感觉。
6
630
770
140
19
5300
6400
1100
7
770
920
150
20
6400
7700
1300
8
920
1080
160
21
7700
9500
1800
9
1080
1270
190
22
9500
12000
2500
10
1270
1480
210
23
12000
15500
3500
11
1480
1720
240
15500
22050
图中多条等响度曲线中 实验表明，声音的可闻阈和痛感阈是随着频率而变
化的。如图3-3所示，闻阈和痛阈随频率变化的等 最低的一条等响度曲线是可闻阈级， 响度曲线之间的区域就是人耳的听觉范围。
最高一条等响度曲线是痛阈级。
就是说，小于0dB闻阈 和大于140dB痛阈时为 不可听声。 这些等响度曲线表明了 听觉在有些频率下较为 灵敏。
要模拟出符合现实世界的数字声音，我们首 先得了解声音的基本特性:包括声音的物理特 性和人们在听觉方面的心理特性.
3.1.1.1
声音的物理特征
声音是纵波，其基本形式是正弦波形。如图3-1所示。 声音是一种波，其本质是机械振动或气流扰动收起周 决定声波的物理特性有周期、振幅、频率和相位。 围弹性媒质发生波动的现象。声波可以在空气中传播 ，也可以在液体和固体中传播。
音色：由混入基音的泛音所决定的。每个基音都有其固有 频率和不同音强的泛音，因此使得每个声音具有特殊的音 色效果。
3.1.1.2 声音的听觉心理特性
纯音:振幅和周期均为常数的声音称为纯音。 复音:不同频率和不同振幅的声波组合起来的 称为复音。 基音:复音中的最低频率称为复音的基音，是 决定声音音调的基本因素，它通常是常数。 泛音:复音中的其它频率称为谐音（泛音）。 基音和谐音组合起来决定了特定声音的音色 （音质）。
图3-3 等响曲线
频率Hz
3、屏蔽
屏蔽是指一个弱声音被另一个强声音所 遮盖。当强、弱声音同时存在时，就将发
生声音屏蔽现象。 当两个声音在时间和频率上很接近的时候， 屏蔽效应就会很强。 当强声音的频率与弱声音相同或更高时，屏 蔽效应最有效。
4、临界频带
当某个纯音被以它为中心频率且具有一 定带宽的连续噪声所屏蔽时，如果该纯 音刚好能被听到时的功率等于这一频带 内噪声的功率，那么这个带宽就称为临 界频带宽度。
图3-3 等响曲线
频率Hz
值
可 闻 阈声 的压 分级 贝
所谓“等响” 就是对于1kHz以外的可听声，在同一级 等响度曲线上有无数个等效的声压—频 率值，
例如，200Hz的30dB的声音和1kHz的10dB 的声音在人耳听起来具有相同的响度。
可见1：
在较低的声压级上，等响上曲线各频率声音的声 压级相差很大，
图5-1 声波的基本形式
周期：两个相邻信号波峰（波谷）之间的时间间隔，称为一个周期。
振幅：是声压的大小，即声音的强度，指正弦波形的高度。 频率：是单位时间内声音的变化周期，每秒钟内波峰的数目或周期数量。 单位是赫兹Hz。 相位是声音变化的方向。
1、声音的振幅（强度）
在1kHz频率的正弦波中，能被人耳察觉的最弱声压大约是 2.83＊10-4dyn(达因)/cm2，这个最弱音已经作为国际标准 的参照声。 描述声音强度的量值是采用分贝表示:
间，该采样点的编码就是 非均匀量化：对输入信号进行量化时，大的输入信号采 11010111。 用大的量化间隔，小的输入信号采用小的量化间隔。 记录采样点的区间分得越多， 图 3-5 声 音 细节波形丢失得越少。 的采样
2. 波形音频
声音的数字化过程＊＊ 采样时间 1 2 3 4 5 6 7 8 9 10 幅度值 160 215 232 208 152 64 20 96 116 60 量化后二进制数 10100000 11010111 11101000 11010000 10011000 01000000 00010100 01100000 01110100 00111100
3.1 音频信号处理的特点 3.1.2 数字化声音和音乐
2.波形音频 波形音频 声卡以一定的采样频率和量化级对输入声音进行数字 化采样，将其对模拟声音信号进行量化（模/数转换 ），然后以波形音频文件的格式存在硬盘上。声音重 放时，声音卡将文件中的数字信号还原成模拟信号（ 数/模转换）,经混音器混合后由扬声器放出来。 实际声音信号被计算机获取的过程就是声音的数字 化的处理过程。
6550
24
12 1720 2000 280
3.1 音频信号处理的特点 3.1.2 数字化声音和音乐
1.音频种类
目前由计算机产生声音的方式有三种：
· 波形音频 以数字方式表示声波，存储对波形采样后得到的数字化信息， 它由声音卡来录制与播出声音。其文件格式为 .WAV · MIDI音频 电子合成器合成的声音。其文件格式为 .MID · CD唱盘数字音频 数字采样技术制作的，它把1和0这样的数字位以微小的长短不 等的凹坑直接通过激光器刻写在盘片上，重放时用激光读出这 些数据，再通过D/A转换成模拟信号。
3.1 音频信号处理的特点 3.1.2 数字化声音和音乐
2. 波形音频
声音的数字化过程＊＊
右图表示了模拟声音数字化的 三个步骤：采样、量化和编码
（1）采样（Sampling） 定义：每隔一个时间间隔在模拟声音的波形上取一个幅 度值，将时间上的连续信号变成时间上的离散信号。 采样频率：就是单位时间内采样次数。 采样定理：对随时间连续变化的模拟信号波形，必须用 该信号所含的最高频率的2倍来进行采样，才可保证原 模拟信号不丢失。