第三章多媒体音频信息处理教学讲义

视频电话及IP电话等 公共电话网 无线移动网、
计算机通信系统等
1996.3 1992.9 1996.3
2020/8/2
2020/8/2
六、数字音频的文件格式
➢ WAV文件 WAV文件又称为波形文件,是Micorsoft公司的文件 格式.WAV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转换成二进制数. WAVE声音文件是使用RIFF(资源交换文件)的格式 描述的
①存储空间小,同样长度的音乐文件，用MP3 存储相当于WAV的1/10。
③比较好的播放器：winamp、超级解霸、 realplayer等，一般都支持。
2020/8/2
➢ RA格式文件 Real Player公司推出的适合于网络播放的 媒体格式。
①高压缩比，存储空间小。 ②适合网络播放。 ③音质不是很好。 ④专用播放器Realplayer、
多音频流输出是指声卡可以在同一时间内支持 多个wav、mp3、midi类音频文件的播放。目前大 部分中高档的PCI声卡是普遍支持多音频流输出的，
2020/8/2
（二）声卡的技能指标 o I/O设备接口
一般的声卡都设有线性输入、线性输出、音箱 输出、MIDI和游戏杆接口等。
2020/8/2
点样值的二进制位数。例如，8位量化位数表示每 个采样值可以用28即256个不同的量化值之一来表 示，而16位量化位数表示每个采样值可以用216即 65536个不同的量化值之一来表示。这个参数就是 通常所说的声卡的位数.常用的量化位数为8位、16 位、32位,专业级的高档声卡有64位的。
2020/8/2
2020/8/2
（二）声卡的技能指标
随着波表合成技术的出现，由双声道立体声向 多声道环绕声的发展显得格外迫切。
四声道环绕规定了4个发音点：前左、前右、 后左、后右，听众则被包围在这中间，同时还建议 增加一个低音音箱，以加强对低频信号的回放处理 （这也是如今4.1声道音箱系统广泛流行的原因）。
2020/8/2
2020/8/2
五、音频信号的压缩编码与标准
数字波形文件数据量大，数字音频的编码 必须采用高效的数据压缩编码技术。对数字化后 的声音信号进行压缩编码,使其成为具有一定字长 的二进制数字序列,并以这种形式在计算机内传输 和存储.在播放时经解码器恢复成原来的声音信号.
输入信号 编码器
传输/存储
解码器 输出信号
信号周期是指两个峰点或谷底之间的相对时间。 信号的基线提供了一个测量声音的起点。信号
的幅度是从信号的基线到当前波峰的距离。幅 度决定了信号音量的强弱程度。 信号带宽是声音信号的一个重要参数，它用来描 述组成复合信号的频率范围。
振 幅
2020/8/2
周期
基线
2020/8/2
三、声音质量的评价
超级解霸2001以上的版本等
2020/8/2
➢ AIFF格式文件 AIF是音频交换文件格式（Audio Interchange File Format）的英文缩写，是苹果计算机公司开发的一 种声音文件格式。
2020/8/2
七、声卡
虽然PC声卡是在20世纪90年代才得以普及，但 它的问世却是在1984年。英国的ADLIB公司是目前公 认的“声卡之父”，虽然他们最初开发的产品只能提供 简单的声音效果，并且无法处理音频信号，但在当时 无疑已经是一个很大的突破。由于技术不够成熟，成 本又非常昂贵，因此这类带有试验品性质的早期ADLIB 音乐卡，因在当时计算机的运算速度还不足以应付大 规模的多媒体处理，所以未能普及。
2020/8/2
（二）声卡的技能指标 o MIDI声频
MIDI是计算机产生声音的另一种方法，它是一种 电子音乐。计算机播放MIDI文件时，有两种方法合成 声音：FM合成和波表合成。我们在考虑声卡的技能指 标时要考虑采用的哪种合成方法。
2020/8/2
（二）声卡的技能指标
o 声道数
声卡所支持的声道数也是重要指标。 单声道是比较原始的声音复制形式，缺乏对声 音的位置定位。 立体声声音在录制过程中被分配到两个独立的 声道，从而达到了很好的声音定位效果。
2020/8/2
波形编码的算法简单，易于实现，可获得 高质量的语音。常见的三种波形编码方法为：
脉冲编码调制(PCM)，实际为直接对声音信号作 A／D转换。只要采样频率足够高，量化位数足 够多，就能使解码后恢复的声音信号有很高的 质量。 差分脉冲编码调制(DPCM)，即只传输声音预测 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方法的进 一步改进，通过调整量化步长，对不同频段设 置不同的量化字长，使数据得到进一步的压缩。
VOC文件是Creative公司所使用的标准音频文件格式。 与WAVE格式类似，VOC文件有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。数据块分成各种类型的子块， 如声音数据、静音、标记、重复、重复的结束及终止 标记等。
2020/8/2
➢ mp3文件
是用一种属于按MPEG标准的声音压缩技术制作的 数字音频文件。
2020/8/2
七、声卡
（一）功能 o 录制、编辑和回放数字声音文件 o 控制各声源的音量并混合在一起 o 对声波文件进行压缩和解压缩 o 语音合成技术 o MIDI接口（乐器数字接口）
2020/8/2
（二）声卡的技能指标 o 音频技术指标
声卡的录音、放音效果应该具有CD唱片的音质。 所谓CD音质是指录音采样速度达到44.1kHz，用16 位量化指标来记录声音。Sound Blaster 16（即16位 声霸卡）系列的声卡都是CD音质的声卡。
2020/8/2
脉冲编码调制(PCM)
2020/8/2
PCM编码是对连续语音信号进行空间采样, 幅度值量化及用适当码字将其编码的总称.PCM 方法可以按量化方式的不同,分为均匀量化PCM, 非均匀量化PCM和自适应量化PCM等三种.
2020/8/2
均匀量化
2020/8/2
非均匀量化
差分脉冲编码调制(DPCM)
2020/8/2
2020/8/2
ITU-T G系列音频压缩编码标准
标准 比特速度 编码技术
应用
制定日期
G.711 64kb/s
PCM
公共电话网
1972
G.722 64kb/s SBC+ADPCM 视听多媒体和会议电话 1988.11
G.723 5.3kb/s或6.3kb/s MP-MLQ G.728 16kb/s LD-CELP G.729 8kb/s CS-ACELP
2020/8/2
音频信号能够被压缩编码的依据有两个， 一是声音信号存在着数据冗余；二是利用人 的听觉特性来降低编码率，人的听觉具有一 个强音能抑制一个同时存在的弱音现象，这 样就可以抑制与信号同时存在的量化噪声； 另外人耳对低频端比较敏感，而对高频端不 太敏感，由此引出了“子带编码技术”。
音频信号的编码方式可分为波形编码 参数编码和混合编码三种。
量化和编码.
模拟音频信号 采样
量化
数字音频信号 编码
2020/8/2
采样
计算机对声音的表示主要是通过规则的时间 间隔测出音波振动的幅度从而产生的一系列 声音数据。这种测出数据的方法就称为采样， 一秒内采样的次数称为采样率（sampling rate），单位为Hz。 例如：采样频率通常采用种:11.025KHz(语 音效果)、22.05KHz(音乐效果)44.1KHz(高 保真效果)。常见的CD唱盘的采样频音频编码？ A、获取更好的数学描述方法？ B、让声音不失真？ C、不编码就不是比特流？ D、为了使比特流更加简练？ E、为了便于计算机存储？ F、为了便于在网络上传输音频？
以上哪个是最根本的出发点？
2020/8/2
所谓编码,就是按照一定的格式把离散的数字 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.
话音信号是典型的连续信号，不 仅在时间上是连续的，而且在幅 度上也是连续的。在时间上“连 续”是指在一个指定的时间范围 里声音信号的幅值有无穷多个， 在幅度上“连续”是指幅度的数 值有无穷多个。我们把在时间和 幅度上都是连续的信号称为模拟
如果要用计算机对音频信息进行处理,则首先将 模拟音频信号(如语音、音乐等)转换成数字信号. 对模拟音频数字化的过程涉及到音频的采样、
2020/8/2
▪ 奈奎斯特理论:采样频率与声音频率之间有 一定的关系,只有采样频率高于声音信号最 高频率的两倍时,才能把数字信号表示的声 音还原成为原来的声音. 例如:CD唱片,要想获得CD音质的效果,则要 保证采样频率为44.1KHz.
2020/8/2
量化
采样的离散音频数据要转换成计算机能够表示的 数据范围的过程,我们把对声波波形幅度的数字化 表示称之为“量化”
量化的过程首先将采样后的信号按整个声波的幅 度划分成有限个区段的集合,把落入某个区段内 的样值归为一类,并赋予相同的量化值.
2020/8/2
数字化音频的过程如下图所示。
(a) 模拟音频信号
(b) 音频信号的采样
2020/8/2
(c) 采样信号的量化
▪ 量化位数 量化位数也称“量化精度”，是描述每个采样
2020/8/2
对于PCM采样得到的波形文件,其声音文件 的大小与采样频率、量化位数和声道数有关.
文件大小=采样频率*(量化位数/8)*声道数* 录音时间
如：对于立体声，如果采样频率为44.1Kz，分辨率为 16bit，声道数为2，语音时间为10秒，求录音文件 的大小？
2020/8/2
➢ VOC文件
❖ 客观质量度量：用信噪比来衡量。 ❖ 主观质量度量