第3章 音频

音色：即特色的声音。声音分纯音 复音 纯音和复音 2 ） 音色 纯音 复音两种类型。所 谓纯音，是指振幅和周期均为常数的声音；复音则是具有不同 频率和不同振幅的混合声音。大自然中的声音绝大部分是复音。 在复音中，最低频率的声音是“基音 基音”，它是声音的基调。其 基音 他频率的声音称为“谐音”，也叫泛音 泛音。基音和谐音是构成声 泛音 音音色的重要因素。各种声源都具有自己独特的音色，例如各 种乐器的声音、每个人的声音、各种生物的声音等，人们就是 依据音色来辨别声源种类的。 3）音强：声音的强度，也被称为声音的响度，常说的“音量” 音强 也是指音强。音强与声波的振幅成正比，振幅越大，强度越大。 唱盘、CD激光盘以及其他形式声音载体中的声音强度是一定的， 通过播放设备的音量控制，可改变聆听时的响度。
音調頻率表 音調 頻率 C 262 D 294 E 330 F 349 G 392 A 440 B 494 C 523 D 587 E 659 F 698 G 784 A 880 B 988 C 1047 D 1175 E 1319 F 1397 G 1568 A 1760 B 1976
第3章 音频信息处理 章
fs ≥ 2f
2. 量化
采样只解决了音频波形信号在时间坐标 即横轴 时间坐标(即横轴 时间坐标 即横轴)上把一个波 形切成若干个等分的数字化问题，但是还需要用某种数字化的 方法来反映某一瞬间声波幅度的电压值大小。该值的大小影响 音量的高低。我们把对声波波形幅度的数字化表示称之为“量 对声波波形幅度的数字化表示称之为“ 对声波波形幅度的数字化表示称之为 化”。 量化的过程是先将采样后的信号按整个声波的幅度划分成 量化的过程 有限个区段的集合，把落入某个区段内的样值归为一类，并赋 于相同的量化值。如何分割采样信号的幅度呢? 我们还是采取二 进制的方式，以８位(bit)或16位(bit)的方式来划分纵轴 的方式来划分纵轴。也就是 以 或 位 的方式来划分纵轴 说在一个以8位为记录模式的音效中，其纵轴将会被划分为个量 化等级，用调：代表了声音的高低。音调与频率有关，频率越高， 1 ） 音调 音调越高，反之亦然。 读者也许有这样的经验，当提高磁带录音机的转速时，其 旋转加快，声音信号的频率提高，其喇叭放出来声音的音调 提高了。同样，在使用音频处理软件对声音的频率进行调整 时，也可明显感到音调随之而产生的变化。各种不同的声源 具有自己特定的音调，如果改变了某种声源的音调，则声音 会发生质的转变，使人们无法辨别声源本来的面目。
未压缩的声音文件的存储量可用下式计算： 未压缩的声音文件的存储量可用下式计算： 可用下式计算 存储量（KB） 采样频率KHZ 采样位数bit 声道数×时间秒） KHZ× bit× 存储量（KB）=（采样频率KHZ×采样位数bit×声道数×时间秒）/8
2.VOC文件 2.VOC文件
VOC文件是Creative公司所使用的标准音频文件格式， 多用于保存 Creative Sound Blaster(创新声霸)系列声卡所采 集的声音数据，被Windows平台和DOS平台所支持。 与WAV格式类似，VOC文件由文件头块和音频数据块组成。 文件头包含一个标识、版本号和一个指向数据块起始地址 的指针，这个指针帮助数据块定位以便顺利找到第一个数 据块。数据块分成各种类型的子块，如声音数据、静音、 标记、ASCII码文件、重复、重复的结束及终止标记等。
3.1.3 数字音频的文件格式
在多媒体技术中，存储音频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 WAV文件又称波形文件，来源于对声音模拟波形 的采样，并以不同的量化位数把这些采样点的 值轮换成二进制数，然后存入磁盘，这就产生 了波形文件。WAV文件用于保存Windows平台的 音频信息资源，被Windows平台及其应用程序所 广泛支持。
WAV声音文件是使用RIFF（Resource Interchange File Format资源交换文件）的格式描述的，它由文件头和波形 音频文件数据块组成。文件头包括标志符、语音特征值、 声道特征以及PCM格式类型标志等。WAV数据块是由数据子 块标记、数据子块长度和波形音频数据3个数据子块组成。 Wave格式支持多种压缩算法，支持多种音频位数、采样 频率和声道，是PC机上最为流行的声音文件格式，但其文 件尺寸较大，多用于存储简短的声音片断。
失真在采样过程中是不可避免的，如何减少失真呢 如何减少失真呢？可以直 失真 如何减少失真呢 观地看出，我们可以把上图中的波形划分成更为细小的区间，即 采用更高的采样频率。同时，增加量化精度，以得到更高的量化 采用更高的采样频率。同时，增加量化精度 等级，即可减少失真的程度。在下图（左）中，采样率和量化等 级均提高了一倍，分别为2000次/秒和20个量化等级。在下图（右） 中，采样率和量化等级再提高了一倍，分别达到4000次/秒和40个 量化等级。从图中可以看出，当用D/A转换器重构原来信号时 （图中的轮廓线），信号的失真明显减少，信号质量得到了提高。
模拟音频信号有两个重要参数：频率和幅度 频率和幅度。声音的频率 频率和幅度 体现音调的高低，声波幅度的大小体现声音的强弱。 一个声源每秒钟可产生成百上千个波，我们把每秒钟波峰 所发生的数目称之为信号的频率 频率，单位用赫兹(Hz)或千赫兹 频率 (kHz)表示。信号的幅度 信号的幅度是从信号的基线到当前波峰的距离。 信号的幅度 幅度决定了信号音量的强弱程度。幅度越大，声音越强。对音 频信号，声音的强度用分贝(dB)表示 声音的强度用分贝(dB)表示，分贝的幅度就是音量。 声音的强度用分贝(dB)表示
3. 编码
模拟信号量经过采样和量化以后，形成一系列的离散信 号——脉冲数字信号。这种脉冲数字信号可以一定的方式进行 编码，形成计算机内部运行的数据。所谓编码，就是按照一定 编码， 编码 的格式把经过采样和量化得到的离散数据记录下来， 的格式把经过采样和量化得到的离散数据记录下来，并在有用 的数据中加入一些用于纠错、同步和控制的数据。在数据回放 的数据中加入一些用于纠错、同步和控制的数据 时，可以根据所记录的纠错数据判别读出的声音数据是否有错， 如在一定范围内有错，可加以纠正。 编码的形式比较多，常用的编码方式是PCM——脉冲调制。 脉冲编码调制（ 脉冲编码调制（PCM）是把模拟信号变换为数字信号的一种调 ） 制方式， 制方式，即把连续输入的模拟信号变换为在时域和振幅上都离 散的量，然后将其转化为代码形式传输或存储。 散的量，然后将其转化为代码形式传输或存储
5.声音的频谱 5.声音的频谱
声音的频谱有线性频谱和连续频谱之分。线性频谱 线性频谱是具有 线性频谱 周期性的单一频率声波；连续频谱 连续频谱是具有非周期性的带有 连续频谱 一定频带所有频率分量的声波。纯粹的单一频率的声波只 能在专门的设备中创造出来，声音效果单调而乏味。自然 界中的声音几乎全部属于非周期性声波，该声波具有广泛 的频率分量，听起来声音饱满、音色多样且具有生气。
3.1.2 模拟音频的数字化过程
数字化的声音易于用计算机软件处理，现在几乎所有的专 业化声音录制、编辑器都是数字方式。对模拟音频数字化过程 涉及到音频的采样、量化和编码。 音频的采样、 音频的采样 量化和编码。 采样和量化的过程可由A/D转换器实现 A/D转换器实现。A/D转换器以固定的 采样和量化的过程可由A/D转换器实现 频率去采样，即每个周期测量和量化信号一次。经采样和量化 后声音信号经编码后就成为数字音频信号，可以将其以文件形 式保存在计算机的存储介质中，这样的文件一般称为数字声波 文件。
学习目标
了解声音信号的特点、存储格式及质量的度量方
法 理解音频信号压缩方法及音频编码标准 掌握常用的音频处理软件对声音信号进行处理
3.1 音频信息处理基础
音频信息在多媒体中的应用 应用极为广泛：视频图像配以娓 音频信息 应用 娓动听的音乐和语音 ；静态或动态图像配以解说和背景音 乐 ；立体声音乐可增加空间感 ；游戏中的音响效果等。 音频处理技术主要包括电声转换、音频信号的存储、重 音频处理技术主要包括 放技术、加工处理技术以及数字化音频信号的编码、压缩、 传输、存取、纠错等。
以下图所示的原始模拟波形为例进行采样和量化。假设采样 频率为1000次/秒，即每1/1000秒A/D转换器采样一次，其幅度被 划分成0到9共10个量化等级，并将其采样的幅度值取最接近0~ 9 之间的一个数来表示，如下图所示。图中每个正方形表示一次 采样。
D/A转换器 转换器从上图得到的数值中重构原来信号时，得到下 转换器 图中蓝色(直线段)线段所示的波形。从图中可以看出，蓝色线 与原波形(红色线)相比，其波形的细节部分丢失了很多。这意 味着重构后的信号波形有较大的失真。
规则音频是一种连续变化的模拟信号,可用一条连续的曲线 规则音频 来表示，称为声波 声波。因声波是在时间和幅度上都连续变化的量， 声波 我们称之为模拟量 模拟量。 模拟量 用声音录制软件记录的英文单词“Hello” 用声音录制软件记录的英文单词“Hello”的语音实际波形
2.模拟音频信号的两个重要参数 2.模拟音频信号的两个重要参数
3.MPEG音频文件——.MP1/.MP2/.MP3
这里的音频文件格式指的是MPEG标准中的音频部分，即 MPEG音频层(MPEG Audio Layer)。MPEG音频文件的压缩是 一种有损压缩，根据压缩质量和编码复杂程度的不同可分 为三层(MPEG Audio Layer 1/2/3)，分别对应MP1、MP2和MP3 这三种声音文件； MPEG音频编码具有很高的压缩率，MP1和MP2的压缩率分 别为4∶1和6∶1～8∶1，而MP3的压缩率则高达10∶1～ 12∶1，也就是说一分钟CD音质的音乐，未经压缩需要 10MB存储空间，而经过MP3压缩编码后只有1MB左右，同 时其音质基本保持不失真。
3.1.1 音频信号的特点
1.音频信号的分类 1.音频信号的分类
音频信号可分为两类：语音信号和非语音信号 音频信号可分为两类：语音信号和非语音信号。 语音是语言的物质载体，是社会交际工具的符号, 它包含了丰 语音 富的语言内涵，是人类进行信息交流所特有的形式。 非语音信号主要包括音乐和自然界存在的其他声音形式。非语 非语音信号 音信号的特点是不具有复杂的语义和语法信息，信息量低、识 别简单。