第3讲 音频信号的获取与处理
第03章_数字音频基础
3.2.2 量化（Quantization）
量化是指用若干比特表示一个样本的过程；表示一个样本所使用的比特数称为量化深度 （bit depth）。常见的量化深度有 4 比特、8 比特、16 比特、32 比特等等。不难理解，量化实 际上是一个对声音样本的幅值进行离散化处理的一个过程。虽然采样已经在时间上将模拟信号 离散化了，但是样本的大小（即幅值）仍然有无限种可能的取值（所以本质上还是连续量）， 而数字系统只能表示有限种状态，例如，用 8 个比特表示样本大小的话，则只能有 256 种取值。 所以，量化是一个将无限多种可能取值归结为有限多个数字值的过程。通常，系统会将一个样 本以最接近其值大小的数字表示。总之，采样是时间上的离散化，而量化则是空间上的离散化。 需要强调的是，量化深度也是影响数字音频信号质量的重要因素。4 比特只有 16 种取值， 显然，试图通过这样少数几个状态来恢复原始模拟音频信号是十分困难的。但是，量化深度越 多，数据量也会越大，传输和存储的压力自然越大。所以，也需要根据实际应用环境来采用合 适的量化深度。例如，一般的网络音频应用采用了 8 位的量化深度，CD 音频的量化深度则是 16 比特，而有些高级数字音频系统采用了 32 位的量化深度。 3.2.3 编码（Coding） 在采样、量化处理后，模拟音频数字化的第三个步骤是编码。编码实际上是以某种格式最 终生成数字音频数据流的过程，所得到的数字音频数据将会被存储、传输或者进行各种处理。 本章第 3 节将介绍几种重要的音频编码技术。 需要读者注意的是，把数字化过程分解成采样、量化、编码三个阶段实际上是一种简化描 述，各种不同的数字音频技术会有不同的采样、量化与编码机制，特别是量化与编码往往是同 步进行的，而且编码还包括后续的数据流格式化。因此，多数介绍数字音频技术的教科书或学 术著作在提到音频编码的时候，都将这三个步骤合称为编码系统或编码技术，并在编码系统的 框架下对整个模数转换过程进行整体性介绍。本教程下面的阐述也沿用了这一模式。
2.3-音频编码技术
Page 36
3.2 自动噪声抑制-ANR
自动噪声抑制-ANR (Adaptive Noise Reduction):
噪声
解决通话中由于背景噪声太大无法听清
话音的问题，含有噪声的语音信号进行 噪声抑制以提高主观语音质量。
已被抑制
Page 37
3.2 自动电平控制-ALC
Page 19
第2章 常用语音编码比较和应用
2.1 常用语音编码算法 2.2 视频会议常用音频技术
Page 20
2.2 视频会议中音频技术
2006 1992 1988 1972 G.722
音质较好 延迟较长
AAC-LD
高保真CD音质 低延时编码
G.728
低延时编码 音质较差
低复杂度编码
G.711
舒适噪音生成CNG (Comfort Noise Generation)：与VAD配合使用，设置播放舒 适噪音。
怎么这么静？是不是挂 断了？
舒适噪音：CNG
静音检测：VAD
用户 A
用户 B：停顿期间
Page 33
3.2 回声消除-EC (回声形成)
回声表示说话者的声音，经过网络设备后，环回到了自己。
输出码率：24/32/48Kbps
采样频率：32KHZ 优点：低运算，低带宽，高保真质量 缺点：牺牲高频信息，Polycom授权，极少数产商使用 应用领域：CD级高保真语音质量
Page 25
2.2 G.728
G.728是1992年由国际电信联盟（ITU-T）建议的一个压缩原则16 kbps 的压缩标准，并
Page 15
数字音频资源的获取、处理及应用
数字音频资源的获取、处理及应用音频泛指人类能够听到的所有声音，它是信息交流的重要媒介。
音频属于过程性信息，有利于限定和解释画面。
音频作为一种信息载体，在教学中的作用主要有三个方面:一是作为解说，用于说明事物和现象，对学习者给予指导和引导；二是作为背景音乐，用于烘托特定的内容情节的气氛，对学习的节奏和氛围给予一定程度的调节；三是用作模拟在特定场合中产生效果声，用于丰富教学内容所涉及的事物和现象，增加内容的表现力，不仅让学生观其形，还能闻其声。
【实验目的】1.了解数字音频资源的常用格式2.学会数字音频资源的获取方法3.能够对数字音频资源进行简单的加工处理4.学会在多媒体课件、主题学习网站中使用数字音频资源的方法【实验类型】基础型实验【实验任务】运用本实验中学习的数字音频获取与处理技术，制作自己课件中所需的音频资源，并运用于课件或网站中。
要求做到：1. 根据课程教学内容表达的要求，设计好相应的音频资源，如配音、音效或背景音乐等。
2. 采取多种音频素材获取方法获取音频素材(网络下载、自己录制或音频片段截取)，并用cooledit音频处理软件对获取的素材进行合成处理，使其符合课件需要。
3. 运用于PowerPoint或Dreamweaver制作的课件或网站中。
【实验环境】1．能够连接Internet的多媒体计算机；2．耳麦；3．Cool Edit、Microsoft PowerPoint、Macromedia DreamWeaver等软件。
【实验指导】一、常用数字音频文件的格式1．WAV文件格式W A V（Waveform Audio) 文件格式，扩展名为W A V，是Microsoft公司开发的一种音频文件格式。
WA V音频文件是对声音模拟波形的采样而形成的文件格式，即将声音源发出的模拟音频信号通过采样、量化转换成数字信号，再进行编码，以波形文件(.W A V)的格式保存起来，记录的是数字化波形数据。
其中声音信息采样频率和量化的精度直接影响声音的质量和数据量。
音频信号的拾取与处理技术
另外，因为ENG方式拍摄旳主要是新闻信息类节目，所以 话筒以及录音器材对于画面并无太大影响，有时话筒等录音器 材在画面出现反而会增长真实感。
当空气旳气流吹向麦克风时，振膜受振便会产生难听旳干扰噪声。尤其在外景录音，当风 吹过麦克风时，所录旳风声却与人耳听到旳截然不同，一点儿也听不出是风吹树叶旳沙沙声或吹 过屋旁旳潇潇声，而是某些砰砰声、隆隆声或爆裂声。在室内录音一般没有风旳问题，但当麦克 风追随声源而必须迅速移动时也会引起气流对振膜旳冲击，产生干扰噪声；另一种问题是在近距 离录音时，演员口中气流冲击麦克风，尤其是有些带有“破”、“拖”、“搏”旳字更易产愤怒 流，其发声气流冲击麦克风振膜时会产生讨厌旳爆破声。
中距离对 民族、美声唱法拾音 远距离对 美声唱法、乐器拾音 注：
5－20cm 15 左右 10－20cm 0
为了取得最大旳输出 电压 2
（1）当话筒与声源旳方位角成0 时，气流声会很轻易产生低频“pu”声；而 当话筒与声源成15 －30 时，音色旳低频、中频、高频都比较均衡。当话 筒置于45 －90 时，语音气流擦过话筒振膜，使音圈振动减小，所以低频 声音小，相对高频成份百分比增长，但总音量变小。
二、话筒旳选用
1、以话筒旳性能参数根据
指向性 敏捷度 频响特征 最大输入声压级 输出阻抗
A、指向性 话筒分为单一指向性和可变指向性两大类。前者只有如前面
所简介旳全向、双向、心型等指向性之一，而后者能够经过转换 开关旳切换，从而具有多种指向性。可变指向性话筒对于录音环 境和需要旳适应性较强，但价格却较为昂贵。
音频系统基础培训资料
信号源（线路Line）
在录音、扩音设备上，线路输入是相对于“麦克”输入而言的 从“DVD”、“VCD”、“CD”传输声音信号到音响设备，就是线路输 入，而唱歌的人则是使用“麦克”输入 在录音设备、扩音设备和计算机的声卡上，一般都有“mic、line in、 line out” mic=麦克：通过麦克收集声音信号 line in=线路输入，通过其他音频设备采集音频信号 line out=线路输出，向其他设备（包括扬声器）输出音频信号
也有独立的参量均衡器，调节的参数内容包括频段、频点、增益和品质因数 Q值等，可以美化（包括丑化）和修饰声音，使声音（或音乐）风格更加鲜 明突出，丰富多彩达到所需要的艺术效果。
均衡器
B、图示均衡器 目前在专业扩声系统中使用最广泛的均衡器类型，它的表面每个均衡点
增益都是由一个直线电位器来调节，有多少个频率点就有多少个电位器，这 样可以很直观的进行调节。专业图示均衡器可将20~20kHz的信号分成10段、 15段和31段进行调节，人们根据不同的要求分别选择不同段数的频率均衡器。 一般来说，10段的均衡器的频点是以倍频程间隔分布。15段均衡器的频点是 以2/3倍频程间隔分布。31段均衡器的频点是以1/3倍频程间隔分布。频段分 得越细，调节的值越大，调节时补偿的就越细致；频段分得越粗，调节的区 域就越宽，这样当声场传输频率特性曲线比较复杂时就不容易很好的补偿。
媒体矩阵
媒体矩阵是由硬件和软件两部分组成。然后通过PC将这两部分组合在一 起，组成一台智能化专用控制中心，担负调整、控制、设计，组合或运行及 参量比较任务。设备的数据设备库中存有各种不同种类的自动调音台、信号 路由器、自动反馈抑制器、自动语音播放器、逻辑门、信号显示器、数字式 可调整参数均衡器和图示均衡器、2分频至多分频的分频器、延时器、激励 器、压缩限幅器、扩展器、噪声门、自动哑音器、解码器、接线分配器、信 号发生器、测试仪等音频信号处理器，通过软件将它们集成在一部主机之中。 使用时，通过一个高解像度的Windows图形界面，显示色彩鲜明，界面非常 友好，可以显示一个或多个子系统界面的编辑、运行和变化,并可以在系统 设计时引入其所需的图片进入界面，图文并茂， 生动活泼。可以提起使用 者的兴趣，提高注意力，更准确，更直观地工作。将所需的设备调出进行不 同设计选择编排后，就立即自己生成一套专业音响系统投入工作。
音频信息的获取与处理
声音是人们用来传递信息最方便、最熟悉的方式。
早期的PC是聪明的哑巴，后来利用PC的扬声器能够发出一点音效，如今多媒体技术的发展使计算机处理音频信息已达到较成熟的阶段。
本章我们简要介绍数字音频的基本概念，然后介绍音频文件的获取和输出，以及使用音频处理软件编辑音频文件的思路、操作和技巧。
一、声音的基本概念在多媒体系统中，声音是指人耳能识别的音频信息，对音频信号的处理方法大致可分为两类：数字音频方式，分析——合成的方式。
这里首先介绍音频信号处理过程中所涉及的基本概念。
1.声音的要素（1）音调：即声音的高低，由声波振动的频率决定。
（2）音强：又叫响度，由声波振动的振幅决定。
（3）音色：音色是由混入基音的泛音所决定的，高次谐波越丰富，音色就越有明亮感和穿透力。
不同的谐波具有不同的幅值An和相位偏移|n ，由此产生各种音色效果。
（4）音质：即声音聆听效果的好坏，例如噪音信号强的声音就比噪音信号弱的声音音质要差。
（5）波形：在数字环境下用来加强声音编辑的一种图形表示。
（6）振幅：一个特定时间上的声音信号强度。
（7）数字化声音的基本参数：采样频率：声音数字化过程中，每秒钟抽取声波幅度样本的次数。
量化位数：记录每次抽样结果的数据长度，常采用的有8位、16位等。
声道数：我们通常讲的立体声，也就是具有两个相对独立声道的声音。
编码方法（压缩方法）：将采样所得数据记录下来的格式。
2.声音的数字化声音的数字化是指按照一定的采样频率，从模拟声音波形上抽取声波的一个幅度值，而后将一定范围内的幅度值用一个数字表示，即量化的过程；最后，为了使计算机能够读懂数据，我们将以特定的格式将所得数据写成二进制的数据格式，也就是编码，从而实现声音从模拟量到数字量的转化。
数字化声音的优点，归结起来有如下几点：传输时抗干扰能力强；重放时声音效果好；易进行编辑处理；易纠错；易形成数据流；可进行数据压缩。
3.音频编码及压缩方法音频编码是声音数字化过程中的最后一步，它的实现是靠各种不同的压缩方法将数据编码压缩。
音频信息瞬时提取术
音频信息瞬时提取术音频信息瞬时提取术音频信息瞬时提取术是一种用于分析和提取音频信息的技术。
它通过对音频信号进行处理和解析，从中获得有关音频内容的详细信息。
这种技术在语音识别、音乐分析和语音合成等领域具有广泛的应用。
在音频信息瞬时提取术中，首先需要对音频信号进行数字化处理。
这通常涉及将模拟音频信号转换为数字表示形式，以便计算机能够对其进行处理。
然后，通过应用一系列信号处理算法，可以对音频信号进行分析和解析，以提取有关音频内容的各种信息。
其中一个关键的应用是语音识别。
通过音频信息瞬时提取术，计算机可以将音频信号转换为文字表示形式。
这对于语音识别软件和设备来说是至关重要的。
通过将声音转化为文字，计算机可以更好地理解和处理人类语言，实现更高效的沟通和交流。
除了语音识别，音频信息瞬时提取术还可以用于音乐分析。
通过对音频信号进行频率和振幅分析，可以识别出音乐的不同元素，如旋律、节奏和和弦。
这使得计算机能够自动识别和分类音乐，为音乐制作和推荐系统提供更准确的数据和功能。
此外，音频信息瞬时提取术还可以用于语音合成。
通过分析音频信号的频谱特征和声学模型，可以模拟人类的发音方式，从而实现计算机生成逼真的语音。
这对于语音助手和自动回复系统来说是非常重要的，可以提供更自然和人性化的交互体验。
总之，音频信息瞬时提取术是一种非常有用的技术，可以从音频信号中提取有关音频内容的详细信息。
它在语音识别、音乐分析和语音合成等领域具有广泛的应用，并为计算机实现更高效的沟通和交流提供了可能。
随着技术的不断进步，我们可以期待这种技术在各个领域的应用将会越来越广泛。
声音卡和音频信息
用于激光唱盘音 质采样
2.3.2 采样精度（分辨率、解析度）
采样精度：每个采样值用多少位二进制 数来表示，它反映出度量声音波形幅度 值的精确程度。
高于CD） 数字激光唱盘的声音质量最高， 的话音质量
最低。除了频率范围外，人们往往还用其它方 法和指标来进一步描述不同用途的音质标准。
图声音频率范围图 5.1声道示意图
7.1声道图
2.2 数字化声音
把模拟声音信号变成数字信号由两个步骤完成 Rm(realmedia):realnetworks流媒体 ： 说话时频率范围为300~3000HZ：SPEECH,VOICE
6 音乐合成与MIDI 通过采用语音合成技术，使计算机朗读文本
(1) 对连续的术，使计算机朗读文本
(2) 将采样得到的连续幅度值进行量化 标准:1982年达成协议，1988年提交midi制造商协会，成为数字音乐的国际标准。
mid(MIDI)：windows 2、MIDI(musical instrument digital interface) 区分声音质量通常用声音信号频率范围衡量。 的话音质量，200Hz~3400Hz。 数字激光唱盘的声音质量最高， 的话音质量最低。 2 数字化的声音和音乐
例：8位可精确到1/28=1/256 声道数：表示所产生声音波形的个数，
单声道1个，双声道和立体声2个（根源 在早期激光唱盘）
存储容量=(采样频率khzX精度bitX通道数) / 8
Byte/s 主要声音文件格式： wav(windows系统用) Mp3(mpeg layer3) mid(MIDI)：windows Rm(realmedia):realnetworks流媒体 Ra(realaudio)…………………声音文件 Snd和aif :apple及sgi工作站上的声音文件 Au:sun和next公司声音文件，主要用于unix工作站
八年级上音频和视频信息的获取与编辑
目录重要提醒《国家九年义务教育课程综合实践活动指导纲要（7——9年级）》中指出：中小学信息技术教育是为了适应以计算机技术和通信技术应用为核心的信息时代对人才培养提出的新要求而设置的学习领域，是以培养学生的信息素养和信息技术应用能力为主要目标，以操作性、实践性和探究性为特征的课程。
初中信息技术教育的目标是：发展学生积极学习和探究信息技术的兴趣，巩固良好的信息意识和健康负责的信息技术使用习惯，提高信息处理能力，强化学生使用信息技术支持各种学习和解决各类问题的意识与能力。
教材分析：教材以为信息活动为主线，从实际应用出发，（1）让学生在实践活动中，体验借助计算机和网络获取、处理、表达信息并用以解决实际问题、开展学科学习的过程；（2）在活动中理解感知信息的重要性，分析信息编码以及利用计算机等常见信息处理工具处理信息的一般过程；（3）发展积极参加信息技术活动、主动探究信息技术工作原理和信息科技奥秘的兴趣；（4）在参与实践活动的过程中，思考讨论和分析与信息技术应用相关的社会现象，养成适当的信息技术使用习惯。
第一单元音频和视频信息的获取与编辑学习目标（1）掌握音频和视频信息的获取方法与途径。
（2）了解音频和视频信息的存储格式，学会播放和转换音频、视频文件。
学会对音频和视频文件进行简单编辑。
音频和视频信息是信息技术社会中不可或缺的重要组成部分，是人们信息交流、生活娱乐及多媒体作品中常见的元素。
在计算机中，可以播放和应用本机中的音频、视频文件，还可以通过不同的途径获取外部的音、视频内容，并将其加到计算机中，实现音频、视频的数字化，方便我们的编辑、创作、应用。
本单元我们将学习音频、视频信息的获取与编辑，并利用这些技术创作音频、视频作品。
本单元知识框架第一课：音频信息的获取（2个课时）【教学目标】（1）通过网络和CD光盘获取音频信息。
（2）自己动手录制音频信息。
（3）音频格式的转换。
（4）初步掌握播放音频文件的常用软件。
音频信号的处理
利用专门软件进行
利用Gold Wave 利用Nero Wave Edit
利用录音机也可以转换为MP3
注意文件名及文件大小
10
音频处理之三
波形文件的编辑、修改、合成
声音的大小 回音 淡入和淡出 背景音乐合成 配乐朗诵
11
3.1.4 音频数据压缩
基本原理
所以目前并不是所有的程序都可以用它来存 储图像文件
Photoshop可以处理PNG图像文件，也可以 用PNG图像文件格式存储编辑后的图像。
28
做一套 Excel 的考题
二、办公自动化软件（共14分） 打开C:\ks\excel.xls文件，以样张为准，对Sheet1中
的表格按以下要求操作： 1、按EXCEL样张，设置表格标题为：隶书、20磅、
网络上的在线音乐欣赏 按带宽确定数据流速率，音质可变
WMA 文件Windows Media Audio 14
3.1.6 语音合成和语音识别
让计算机开口，“阅读”出文本
Windows XP自带语音阅读功能
在Word中，Excel中阅读文本演示
让计算机听懂人讲话——语音识别输入
IBM公司的Via Voice软件简介
音频信号的处理
第三章 多媒体技术应用(一)
1
媒体 和 多媒体
媒体在计算机领域有两种含义：
既可理解为存储信息的实体，如磁盘、光 盘等
也可理解为传递信息的载体，如文字、声 音、图像、动画、视频等
多媒体技术中的多媒体指的是后者：
利用多种媒体进行信息传递的技术
2
声音——音频信息
计算机处理声音 在Windows中分
Windows XP自带语音识别功能
音频处理器调试教程
音频处理器调试教程音频处理器调试教程笫一步：先用处理器成功地连接系统，并对输出通道分别控制哪个音箱做好备注, 例如你用3、4通道来连接超低音音箱，就要为其接好线，并进入到处理器的EDIT 页面开始进行接下来的设置。
关于如何进入编辑页面，方式各有不同，我们可根据音频处理器的说明书，按照图示一步步进行操作，其中一步若有错误，按返回键即可。
第二步：利用处理器常用的ROUNT功能来决定输出通道的信号来自于哪里，如果你想要用立体声的形式来进行扩音，那么完全可以选择经典的1、3通道信号进入A,另外两个信号进B。
信号往往会被分配在同一个产品的不同位置，因此我们此时同样可以参考说明书去找到正确的位置。
笫三步：这也是最关键的一步，我们可以依据所购买的音箱特性或者具体的工作环境来对音箱的频段进行合理的设置，人们常说的“分频点”就是指该种行为。
它的具体步骤为：设定工作频段-设置滤波器-设置分频斜率。
第四步：当以上的参数全部设置完毕之后，此时我们就要对通道的初始电平进行细致的查看了，在这一个步骤里，要确保所有参数电平都已调到0。
第五步：接通信号发声，在这里我们还需要用到一个相对专业的仪器一极性相位仪，通过这个工具的帮助我们可以把音箱的极性有机地统一起来，必要时棋至可以利用极性翻转功能进行操作。
第六步：最后一步还是要借助STA等工具测量相关的传输时间和距离量，同时对EQ 进行均衡调节调好之后就要小心保存数据，以备调用。
音频处理器对音频处理的基本原则1、音频处理设备，主要借助减小动态范围的方法来抑制噪声，其中包括对节LI 信号的压缩、峰值限制与削波、多频段压缩和频率可选择的限制及均衡功效。
压缩的主要LI的是缩小节LI动态范围，增加声音的密度，尽量使音频信号峰点幅度均匀一致。
峰值限制是压缩的一种及其形式，但它压缩比高，起动和复原时间较快，主要目的是保护后面声道的传输不出现过荷。
2、峰值削波处理是防止因声道处理电路过荷而造成的失真，瞬时地“切掉”超过阀值的高电平波峰部分的处理。
教育技术概论第三讲媒体与教学.
听觉媒体是指承载、传输和控制声音信息的物质材料 和工具。 它以电子设备为传输工具，把记录在磁带、光盘以及 电波中的音频信息，通过放大、处理、变换、还原为音频 信号。
听觉媒体的特性
1、实效性。 2、广泛性。 3、重现性。 4、可控性。 5、生动性。
三、听觉媒体及其在教学中的应用
分镜头稿本格式
四、视听觉媒体及其在教学中的应用
（二）计划准备阶段 1、组织。成立电视教材设置组，组织全体摄制人员讨论分镜 头稿本和摄制计划，作到思想统一，听从指挥。 2、计划。制定设置工作的进程计划和经费预算。 3、器材。对拍摄器材、灯具、话筒等设备进行清理，准备好 材料，使其处于正常完好状态。 4、美工。对场景设置、背景装备、道具、教具选择，以及有 关片中字幕、动画等与美工人员商讨、落实、准备。 5、教师。讲课教师要早些熟悉教材内容，讲课时尽量脱离讲 稿。 6、落实。联系和落实外拍地点、单位、对象。
地面上，小铅笔越伸越长，越变越大，成了一根象火箭一样的大铅笔。
四个孩子不知所措地望着。 铅笔人：来呀，你们骑在我身上，我带你们到长白上去。 孩子们高兴了，一个个跑上前去，骑在大铅笔上。小刚有些迟疑，铅 笔人催：快来呀！ 最后小刚也骑上去了。火铅笔轻悠悠地离开了地面。在门口拐丁个弯，向天空 飞去。
混合式
二、视觉媒体
常用视觉媒体二 投影媒体
在幻灯媒体的基础上开
发而成，能够投影明胶 片，以及投影实物的光 学放大器。 常见的有：光学投影器 （图一），视频展示台
图一
图二
二、视觉媒体
常用视觉媒体三
数码相机（新型视觉媒体）
采用数字技术记录和存贮景 物影像的照相机，称为数字照相 机（Digital Cameras），也称 数码照相机。
信息处理技术员计算机系统基础知识(三)
[模拟] 信息处理技术员计算机系统基础知识(三)单项选择题下面的各种设备中，(1) 既是输入设备，又是输出设备。
(2) 组的设备依次为输出设备、存储设备、输入设备。
(3) 用于把摄影作品、绘画作品输入到计算机中，进而对这些图像信息进行加工处理、管理使用、存储和输出。
不属于输入设备的是(4) 。
第1题：A.扫描仪B.打印机C.键盘D.U盘参考答案：D第2题：A.CRT、CPU、ROMB.绘图仪、键盘、光盘C.绘图仪、光盘、鼠标D.磁带、打印机、激光打印机参考答案：C第3题：A.扫描仪B.投影仪C.彩色喷墨打印机D.绘图仪参考答案：A第4题：A.显示器B.扫描仪C.键盘D.话筒参考答案：A输入设备用于将数据等信息输入到计算机的存储设备中以备使用。
常用的几种输入设备有键盘、鼠标和扫描仪等。
输出设备用于将计算机处理的结果、用户文档、程序及数据等信息从计算机存储器中输出，以便观看或保存起来供以后使用。
常用的输出设备有显示器、打印机和绘图机等。
存储设备如磁盘、U盘和软盘等既可以作为输入设备，也可以作为输出设备。
第5题：计算机中数据输入输出的控制方式有多种，“中断”方式的优点不包括______。
A.I/O与CPU并行处理B.并行处理多种I/OC.实时响应突发事件D.批量传送数据参考答案：D在中断传送方式中，各个外设和主机并行工作，进行各自的输入或输出操作。
当某台外设完成了自身的输入或输出操作时，便向CPU申请中断，CPU收到中断请求信号后，可暂停正在运行的程序，转去执行为该外设服务的中断服务子程序，完成后仍返回原来被中断的主程序继续执行。
外设的I/O操作速度较慢，中断传送方式在这段较慢的过程中让主机和各个外设并行工作，仅在外设I/O过程完成后才暂停CPU主程序运行，基本实现了主机和外设的并行工作。
中断方式不适合完成批量传送数据的工作，由DMA (Direct Memory Access，直接存储器访问)方式完成更合适。
多媒体第三讲 音频信息的获取与处理
2.6 声音文件工具
1. Windows 操作系统自带的“Sound Recorder” 2. 买声音卡时带的工具，如声霸卡带的Wave Studio 3. 网络上下载的工具，如Cool Edit, Cakewalk Pro Audio（主要制作处理MIDI音乐）,mp3Pro Audio Player等等。 4. 声音文件的转换工具，如：豪杰超级解霸，东方1. 插孔和D形连接器 线路输入（Line In）插孔： 麦克风（MIC）输入插孔： 线路输出插孔：“Line Out”、“Audio Out”、 “Speaker” D形连接器：15芯的D形接口，可以用来连接游戏操纵 杆、游戏机入口或MIDI合成器。 2. CD-ROM接口及音频信号连接口：通常为4芯插 座，有左、右声道以及两根地线。
2.1 音频技术的主要组成部分
2. 多媒体涉及到的音频处理技术： （1）音频采集：把模拟音频信号转换成数字化音频信 号，然后存储到存储设备中。 （2）文语转换：经过语言学处理、语音学处理，把计算 机内的文本转换成声音输出。 （3）声音编码/解码：对语音信息进行压缩编码和解压缩 还原。 （4）语音识别：电脑辨别和理解人说的话。 （5）音乐合成：利用音乐合成芯片，把乐谱转换成乐曲 输出。 还有音频数据传输、音频—视频同步、音频效果与编辑等
2.2 声音卡的功能和分类
1. 声音卡的分类 声音卡的分类主要是根据其数据采样量化的位数来确 定，通常分为8位、16位和32位，位数越多，其量化精度 越高，音质就越好。 声音卡通常带有自己的CPU，具有较高的智能性和灵 活性，支持DOS环境和Windows环境下的应用开发。 数字音频部分具有的基本功能有44 .1kHz的采样 率，8位以上的分辨率，录音和播放声音信号，同时具有 压缩采样信号的能力。最常用的压缩方法是自适应脉冲编 码调制。
第三章+音频信号的数字化及特征分析
3.2 音频信号的时域分析
1. 2. 3.
短时能量分析 短时平均过零率 短时自相关函数和短时平均幅度差函数
3.2.1
短时能量分析
短时能量计算说明
3.2.1
短时能量分析
短时平均能量方框图
3.2.1
短时能量分析
短时能量的主要用途
可以区分清音段和浊音段。 可以区分清音段和浊音段。 浊音的En比清音 大得多 浊音的 比清音En大得多 比清音 可以区分声母和韵母的分界，无声和有声的分界， 可以区分声母和韵母的分界，无声和有声的分界，连 字的分界。 字的分界。 可以用于语音识别
语音技术及其应用
第三章 音频信号的数字化及特征分析
洪青阳 副教授 厦门大学信息学院 Email: qyhong@
本章内容
1. 2. 3. 4. 5.
音频信号的数字化 音频信号的时域分析 音频信号的频域分析 音频信号的时频域分析 音频信号的倒谱分析
3.1 音频信号的数字化
1. 2.
X n (e
jwk
)=
m =−∞
∑
∞
x(m) w(n − m)e− jwk m
0 ≤ k ≤ N −1
3.3.1
傅里叶变换
在短时傅里叶变换的基础上，可以得到短时功率 谱。短时功率谱实际上是短时傅里叶变换幅度的 平方，不难证明，它是信号x(n)的短时自相关函 数的傅里叶变换，即
Pn (e jw ) =| X n (e jw ) |2 =
若两个信号波形完全不同，则互相关函数为零； 若两个信号波形完全不同，则互相关函数为零； 若两个信号波形相同，则在超前、滞后处出现峰值。 若两个信号波形相同，则在超前、滞后处出现峰值。
自相关函数用于研究信号本身。 自相关函数用于研究信号本身。
第3讲—第一章 多媒体技术概述(3)
音频放大器
7
扩展设备
● 个人计算机外 光存储介质 半导体存储介质
数码照相机
彩色投影机 彩色扫描仪
语音识别设备
数码摄像机
彩色打印机
8
触摸屏 触摸屏的导电层 1) ITO涂层 涂层 弱导电体，透明，材料是氧化铟，属于无机物。 弱导电体，透明，材料是氧化铟，属于无机物。 材料特性：当材料厚度低于 材料特性：当材料厚度低于180nm时，透光率在 ％左右。若厚度再 时 透光率在80％左右。 薄一些，透光率会提高。但当厚度进一步变薄时， 薄一些，透光率会提高。但当厚度进一步变薄时，透光率呈下降的趋 势，直到接近30nm时，透光率又回到 ％。 直到接近 时 透光率又回到80％。
最大容量4GB 最大容量
19
彩色打印机 彩色激光打印机 ● 打印指标
1) 打印速度 打印速度——以ppm作为计量单位，即每分钟可打印的页数。 作为计量单位， 以 作为计量单位 即每分钟可打印的页数。 目前的打印机在8~25ppm之间。 之间。 目前的打印机在 之间 2) 打印精度——以dpi作为计量单位，即每英寸打印点数。 打印精度 以 作为计量单位，即每英寸打印点数。 作为计量单位 目前的机型多为1200dpi。 。 目前的机型多为 3) 最大打印幅面 最大打印幅面——以A4幅面和 幅面为主。 幅面和A3幅面为主 以 幅面和 幅面为主。 4) 内存容量 内存容量——打印机自带内存的容量，在4~200MB之间。内存容量 打印机自带内存的容量， 之间。 打印机自带内存的容量 之间 越大，储存信息越多，计算机的负担越小，打印越快。 越大，储存信息越多，计算机的负担越小，打印越快。 5) 接口形式——并行数据通信接口，串行通信接口，USB接口。 接口形式 并行数据通信接口，串行通信接口， 接口。 并行数据通信接口 接口
音频处理综合实践教学(3篇)
第1篇一、引言随着信息技术的飞速发展，音频处理技术在多媒体、通信、娱乐等领域得到了广泛的应用。
为了提高学生的实践能力和创新能力，本课程设置了音频处理综合实践教学环节。
通过本次实践，学生可以系统地了解音频处理的基本原理，掌握音频处理软件的操作方法，并能够运用所学知识解决实际问题。
二、实践目的1. 使学生掌握音频信号的基本概念和特性；2. 熟悉音频处理软件的使用，提高音频编辑、合成和效果处理能力；3. 培养学生创新意识和团队协作精神；4. 提高学生解决实际问题的能力。
三、实践内容1. 音频信号的基本概念与特性（1）音频信号的定义及分类音频信号是指频率在20Hz到20kHz之间的声波信号。
根据音频信号的频率范围，可分为低频信号、中频信号和高频信号。
（2）音频信号的特性音频信号的特性主要包括：幅度、频率、相位、谐波、噪声等。
2. 音频处理软件的使用（1）音频编辑软件——AudacityAudacity是一款开源、免费的音频编辑软件，具有以下功能：- 录制、编辑、播放音频文件；- 支持多种音频格式；- 提供丰富的音频效果处理功能；- 支持多轨音频编辑。
（2）音频合成软件——FL StudioFL Studio是一款音乐制作软件，具有以下特点：- 支持MIDI、音频、VST插件等多种音频输入；- 提供丰富的音频效果处理功能；- 支持多轨音频编辑；- 提供多种音源、合成器、效果器等模块。
3. 音频效果处理（1）均衡器（EQ）均衡器用于调整音频信号的频率特性，实现对特定频率的增强或减弱。
（2）压缩器（Compressor）压缩器用于调整音频信号的动态范围，降低音频信号的峰值。
（3）混响器（Reverb）混响器用于模拟声场效果，使音频听起来更加真实。
4. 实际案例分析本次实践选取了一首流行歌曲作为案例，通过以下步骤进行处理：（1）导入音频文件，使用Audacity进行剪辑、拼接；（2）使用FL Studio添加背景音乐、节奏；（3）对音频信号进行均衡、压缩、混响等效果处理；（4）输出最终的音频作品。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
数据量与声音质量
数据率定义为每秒比特数(bps)，与信息在计算机中的实 时传输有直接关系；数据量定义为每秒字节数(B/s)，与计算 机的存储空间有直接关系。
未经压缩数字音频数据量 (BΒιβλιοθήκη s) ＝采样频率 (Hz)×( 量化
位数(bit)/8)×声道数
3.1.3 数字音频的获取方式
在多媒体应用软件中，经常要使用音频素材。数 字音频的获取主要有以下几种方式： （1）使用声卡采集模拟设备上的声音信息，并以文 件的形式存储在计算机中。 （2）使用声卡录制声音信息，并以文件的形式存储 在计算机中。 （3）使用声卡及MIDI设备在计算机上创作乐曲。 （4）从互联网下载或购买音频光盘。 （5）从CD或VCD上截取音频数据。 （6）从视频上获取音频数据。
量化精度
量化样本的位数由计算机的性能和对声音质量的 要求决定，一般有8位量化、16位量化和32位量化， 即分别用一个字节、两个字节和四个字节存放一个 采样点的幅度值。量化位数越高，需要的存储空间 越大，但此时声音细节的丢失比较少，声音的质量 较好。
编码
做完采样和量化以后还需对它们（数字信号）进行编码 从而以文件的形式存储于计算机中。编码的作用有两个： 一是采用一定的格式来记录数字数据；二是采用一定的算 法来压缩数字数据以减少存储空间和提高传输效率。 一种最方便、最简单的编码方法是脉冲编码调制，简称 PCM编码；这是一种最通用的无压缩编码，其特点是保真度 高，解码速度快，但编码后的数据量大。 衡量一种编码方法的性能有两个主要指标： ●码流速率：音频信号数字化编码后每秒钟产生的数据 流量(kbps) ●量化噪声：由量化失真引起的噪声，表示为量化后音 频信号噪声比
采样频率与量化精度
音频经过数字化采样和量化得到的时间和幅度都 离散的数字信号就称为数字音频信号。 由上论述可知，声音数字化也即对连续的模拟声 音信号进行离散化，这种离散要进行两方面的离散， 即时间的离散和强度的离散。连续时间的离散化通 过采样来实现；连续强度的离散通过量化来实现。 此时就需要考虑两个问题：一是在哪些时刻对声音 进行采样，即每秒钟需要采集多少个声音样本，也 就是采样频率是多少；二是每个样本用多少个二进 制位来存储，即每个声音样本的位数应该是多少， 也就是量化精度。
3.1.2 声音信号的数字化
声音是机械振动，振动越强，声音越大。声波本身 难以进行远距离传送，而且也不能存储。为了将声音 进行存储和传输，通常是将声音信号转换为电信号， 用电压或电流的幅度表示声音强弱。这样声音信号表 现为在时间和幅度上都是连续的电信号，如图3-2所示， 这样表示的音频信号即模拟音频。
如图3-1所示，根据声音信号的带宽，我们可以将 声音信号划分为次声波、音频信号和超声波三个波段， 而音频信号又可分为语音（Speech）信号和非语音 （Sound）信号两类，其中语音信号特指人类发声器官所 发出的声音，其频率约为200-3400Hz。
语音信号与非语间信号
语音信号特指人的发声器官所发出的声音信号， 人的发音器官发出的声音的频率范围大约在80～ 3400Hz之间，而人说话的信号频率通常在300～ 3000Hz之间。语言是人类社会的一种特有的信息系 统，是社会交际工具的符号，而语音是语言的物质 外壳（载体）。语音识别是多媒体技术的一个重要 的研究方向，即希望计算机能自由地“听懂”人类 的语言。 非语音是指语音信号范围外的人耳所能识别的音 频信号，主要包括乐音和杂音，非语音信号的特点 是不具有复杂的语义和语法信息，信息量比较低， 因此识别简单。
WAV格式音频文件是最早出现的数字音频格式， 也叫波形声音文件，由Microsoft公司和IBM公司共 同开发。它记录了对实际声音采样的数据，被 Windows平台及其应用程序广泛支持。WAV格式支持 多种音频量化位数、采样频率和声道。采用44.1kHz 的采样频率、16位量化位数的WAV文件的音质与CD相 差无几。 WAV文件数据的缺点是数据量大，优点是音质较 好，而且它还是一种标准数字音频，大多数压缩格 式的声音都是在它的基础上经过数据的重新编码来 实现的，这些压缩格式的声音信号在压缩前和回放 时都要使用WAV格式。
数字化
将连续的模拟音频信号转换为离散的数字音频信号， 通常采用的方法是每隔固定时间间隔对模拟音频信号测定 一个幅值（采样），并用给定位数的二进制数表示这个幅 值（量化）。 （1）采样（Sampling）：在某些特定的时刻对模拟 信号进行测量叫做采样，由这些特定时刻采样得到的信号 称为离散时间信号，采样的作用是把连续的时间信号变为 离散的时间信号。 （2）量化（Quantization）：经过采样获得的离散 时间信号的幅度值依然是连续的，因此需要对这些幅度值 进行量化。把幅度区间划分成 n个区间，一个区间对应于 一个幅度值，对于所有落入第 i个区间的任何幅度值，都 用同一个幅度值来表示。这个过程称为量化。
2．VOC格式音频文件
VOC格式音频文件是CreativeLab公司开发的声音 文件，也是声霸卡使用的音频文件格式，被Windows 平台支持。每个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 块起始的指针。数据块分成各种类型的子块，如声 音数据、静音、标记、ASCII文件以及终止标志、扩 展块等。
6．WMA格式音频文件
WMA文件是Microsoft公司开发的一种音频压缩格 式，存储容量比MP3小，但音质稍差。
3.2 音频编辑软件AUDITION的使用
在多媒体的制作领域，音频是不可或缺的部分。音频的 处理通常包含声音的编辑、特殊效果的添加及文件格式转换 等操作。常见的音频处理软件有Windows操作系统中的 SoundRecorder（通常被称做录音机）、SoundBlaster系列音 频卡所附带的WaveStudio以及一些专门的多媒体音频处理软 件，如GoldWave、Audition等。本节以Audition为例，介绍 声音录制和编辑的基本技能以及一些特殊处理方法。
模拟音频是连续的，然而计算机只能处理以0 和 1 的形式表示的离散的信号量。在计算机内，所 有的信息均以数字表示。各种命令是不同的数字， 各种幅度的物理量也是不同的数字。要想在计算机 中对音频信号进行存储、传输、播放、处理，就必 须进行音频的模 / 数转换，即把模拟音频信号数字 化，形成数字音频，最后通过编码以文件的形式存 储于计算机中。
3.1.1 声音信号的基本概念
声音是通过一定介质（如空气、水等）传播的一种 连续的波，声音的主要传播介质是空气，因此，声音的 本质是空气振动，由于空气振动引起耳膜的振动，然后 被人耳所感知。 声音既然是波，它就具有普通波特性：反射、折射、 衍射，但这不是多媒体技术要研究的内容，我们需要关 注它的两个基本参数：频率和振幅。 频率：声波每秒钟变化的次数，它代表声音变化的快 慢，决定了声音音调的高低，单位是Hz。 振幅：声波振动幅度的大小，它代表了声音能量的强 弱，决定了声音音量的大小。
3.2.1 Audition介绍 3.2.2 Audition基本操作 3.2.3 Audition音频处理综合实例
3.2.1 AUDITION介绍
Audition的主要功能有录制和采集音频文件；对音频文 件进行剪切、粘贴、合并、重叠声音等操作；提供多种特效 （如放大、降低噪音、扩展、回声、延迟、失真、调整音调 等）；可以生成噪音、低音、静音、电话信号等声音；可以实 现自动静音检测和删除、自动节拍查找等功能；可以在多种音 频文件格式之间进行转换。
声音的三要素
声音具有音调、音强和音色3个要素。 （1）音调：由声音信号的频率变化所决定，人对声音频 率的感觉表现为音调的高低，在音乐中称为音高。 （2）音强：由声音信号的幅度大小所决定，人对声音振 幅的感觉表现为声音有强弱，也就是我们平时常说的音 量大小，音量以分贝(dB)为单位。人对声音强弱的听觉 响应与声音振幅成对数关系1dB=20log(幅值)。人类能感 知的声音的幅度范围在0～120(dB)之间。 （3）音色：由声音的频谱（基音与泛音之间的关系）决 定。声波的各阶谐波的比例不同，随着时间衰减的程度 不同，音色随之变动。
采样频率
采样频率一般是由奈奎斯特采样定理决定。奈奎 斯特采样理论（Nyquisttheory）指出，采样频率不 应低于声音信号最高频率的两倍，这样才能把以数 字表达的声音还原成原来的声音。奈奎斯特理论采 样定理用公式表示为 fs≥2f或者Ts≤T/2 其中fs为采样频率，Ts为采样周期，f为被采样 信号的最高频率，T为被采样信号的最小周期。采样 频率的高低是根据奈奎斯特理论和声音信号本身的 最高频率决定的。例如，电话话音的信号最高频率 约为3.4kHz，采样频率通常选为8kHz。
1．Audition界面 2．Audition功能菜单
1．AUDITION界面
Audition有两种编辑状态，即波形编辑状态和多音轨编 辑状态，如后图所示，这两种状态可以通过快捷键【F12】或 默认工具栏的第一个按钮进行切换。波形编辑状态主要用来 对音频进行编辑，多音轨编辑状态主要用来进行音频合成。 Audition波形编辑状态从上到下共分为标题栏、菜单栏、 工具栏、资源管理区、波形显示区、操作区、状态栏显示区 六个部分，如图中所示。
声音信号的分类
声音的本质是空气振动，但并不是所有的空气 振动都能被人耳所感知。人耳所能感觉到空气振动 的频率范围大约为 20Hz ～ 20kHz （注意，大于 20KHz 的声音并非感知不到，而是我们不能从中获得有用 的信息并且它对人体是有害的）。因此，多媒体技 术中所研究的音频（ Audio ）信号是指频率范围在 20Hz～20kHz之间的声波，即人耳能识别的声音。根 据声音能否被人耳接收与声音是否是人类所发出的 声音，一般将声音信号进行如下划分：
5．MIDI格式音频文件
MIDI是MusicalInstrumentDigitalInterface的 缩写，又称做乐器数字接口，是数字音乐/电子合成 乐器的统一国际标准。它定义了计算机音乐程序、 数字合成器及其他电子设备交换音乐信号的方式， 规定了不同厂家的电子乐器与计算机连接的电缆和 硬件及设备间数据传输的协议，可以模拟多种乐器 的声音MIDI文件就是MIDI格式的文件，在MIDI文件 中存储的是一些指令，声卡接收到这些指令后就按 照指令将声音合成出来。