第三章 音频处理技术PPT课件
合集下载
音频信息处理技术PPT课件
情感分析的应用
语音助手、智能客服、社交媒体情感分析等。
情感分析的挑战
情感状态受多种因素影响，如个人情绪、环境噪音等，准确判断情 感状态较为困难。
基于深度学习的音频识别与分类
深度学习在音频识别与分类中的应用
01
利用深度学习算法对音频信号进行特征提取和分类，
提高识别与分类的准确率。
深度学习在音频处理中的优势
音频隐写技术通常采用最低有效位替换、频域隐写等方法， 将秘密信息嵌入到音频信号中，同时保持音频信号的听感 质量。
音频隐写技术的优点包括高隐蔽性和低误码率，能够在传 输过程中抵抗噪声和干扰，实现信息的可靠传输。
音频信息伪装技术
音频信息伪装技术是一种将秘密信息隐藏在普通音频信号中，同时使秘 密信息难以被察觉的技术。
实时性
音频信息处理技术能够实时地对音频信号进行处理，满足实时通信、 语音识别等应用需求。
高效性
音频信息处理技术采用了高效的数字信号处理算法，能够快速地处理 大量的音频数据。
交互性
音频信息处理技术可以实现人机交互，使得人与机器之间的交流更加 自然和便捷。
音频信息处理技术的应用领域
语音识别
音频编辑与合成
应用。
详细描述
倒谱分析能够提供音频信号的倒谱结构，有助于识别 和分类不同的声音。
音频信号的梅尔滤波器组分析
总结词
梅尔滤波器组是一种用于 音频信号处理的滤波器组 。
详细描述
梅尔滤波器组可以将音频 信号分解成多个不同频带 的成分，能够更好地处理 音频信号中的细节和动态 范围。
总结词
梅尔滤波器组分析能够提 供音频信号的频带结构， 有助于提取和分类不同的 声音特征。
音频信息伪装技术通常采用声音替换、声音掩蔽等方法，将秘密信息嵌 入到音频信号中，同时通过调整音频信号的频率、幅度和节奏等参数， 使秘密信息难以被察觉。
语音助手、智能客服、社交媒体情感分析等。
情感分析的挑战
情感状态受多种因素影响，如个人情绪、环境噪音等，准确判断情 感状态较为困难。
基于深度学习的音频识别与分类
深度学习在音频识别与分类中的应用
01
利用深度学习算法对音频信号进行特征提取和分类，
提高识别与分类的准确率。
深度学习在音频处理中的优势
音频隐写技术通常采用最低有效位替换、频域隐写等方法， 将秘密信息嵌入到音频信号中，同时保持音频信号的听感 质量。
音频隐写技术的优点包括高隐蔽性和低误码率，能够在传 输过程中抵抗噪声和干扰，实现信息的可靠传输。
音频信息伪装技术
音频信息伪装技术是一种将秘密信息隐藏在普通音频信号中，同时使秘 密信息难以被察觉的技术。
实时性
音频信息处理技术能够实时地对音频信号进行处理，满足实时通信、 语音识别等应用需求。
高效性
音频信息处理技术采用了高效的数字信号处理算法，能够快速地处理 大量的音频数据。
交互性
音频信息处理技术可以实现人机交互，使得人与机器之间的交流更加 自然和便捷。
音频信息处理技术的应用领域
语音识别
音频编辑与合成
应用。
详细描述
倒谱分析能够提供音频信号的倒谱结构，有助于识别 和分类不同的声音。
音频信号的梅尔滤波器组分析
总结词
梅尔滤波器组是一种用于 音频信号处理的滤波器组 。
详细描述
梅尔滤波器组可以将音频 信号分解成多个不同频带 的成分，能够更好地处理 音频信号中的细节和动态 范围。
总结词
梅尔滤波器组分析能够提 供音频信号的频带结构， 有助于提取和分类不同的 声音特征。
音频信息伪装技术通常采用声音替换、声音掩蔽等方法，将秘密信息嵌 入到音频信号中，同时通过调整音频信号的频率、幅度和节奏等参数， 使秘密信息难以被察觉。
第三章 音频处理技术PPT课件
量化的过程如下：将采样后的信号按整个声波的幅值划分为若干个区段，把 落入某区段的样值归为一类，并赋予相同的量化值。
除了量化精度以外，数字化声音的技术指标还有采样频率和声道数。
量化精度指每个声音样本需要用多少位二进制数来表示，它反映出度量声音 波形幅度的精确程度，由于计算机按字节运算，一般的量化精度为8位或16 位，量化精度越高，数字化后的声音信号就越可能接近原始信号，但所需要 的存储空间也越大。
超声波
超低频
低频
20Hz
60Hz 80Hz
低频谐波 临场感
250Hz
4kHz 5kHz 6kHz
声音的频率范围
清晰度
停止
12kHz 16kHz 20kHz
要使声音文件能像文字和图形信息一样进行存储、检索、编辑等处理，需要 将声音数字化。声音数字化就是将模拟的连续声音波形在时间上和幅值上进行 离散化处理，共分为两个步骤：采样和量化。
采样就是将声音信号在时间上进行离散化处理，即每隔相等的一段时间在声 音信号波形曲线上采集一个信号样本（声音的幅度）。
量化就是把采样得到的声音信号幅度转换成相应的数字值。采样后的数值不 一定能在计算机内部进行方便的表示，所以将每一个样本值归入预先编排的 最近的量化级上，该过程称为量化。
如果幅度的划分是等间隔的，就称为线性量化，否则就称为非线性量化。
声音压缩方法分类: 波形编码 参数编码 混混合合编编码码
采用线性技术构成声道模型，不只传输预测参数和清浊音信息，而是将 预测误差信息和预测参数同时传输，在接收端采用新的预测参数构成合 思 成滤波器，使得合成滤波器输出的信号波形与原始语声信号的波形最大 想 程序的拟合，从而获得自然度较高的语声。这种编码技术的关键是：如 何高效地传输预测误差信息。
除了量化精度以外，数字化声音的技术指标还有采样频率和声道数。
量化精度指每个声音样本需要用多少位二进制数来表示，它反映出度量声音 波形幅度的精确程度，由于计算机按字节运算，一般的量化精度为8位或16 位，量化精度越高，数字化后的声音信号就越可能接近原始信号，但所需要 的存储空间也越大。
超声波
超低频
低频
20Hz
60Hz 80Hz
低频谐波 临场感
250Hz
4kHz 5kHz 6kHz
声音的频率范围
清晰度
停止
12kHz 16kHz 20kHz
要使声音文件能像文字和图形信息一样进行存储、检索、编辑等处理，需要 将声音数字化。声音数字化就是将模拟的连续声音波形在时间上和幅值上进行 离散化处理，共分为两个步骤：采样和量化。
采样就是将声音信号在时间上进行离散化处理，即每隔相等的一段时间在声 音信号波形曲线上采集一个信号样本（声音的幅度）。
量化就是把采样得到的声音信号幅度转换成相应的数字值。采样后的数值不 一定能在计算机内部进行方便的表示，所以将每一个样本值归入预先编排的 最近的量化级上，该过程称为量化。
如果幅度的划分是等间隔的，就称为线性量化，否则就称为非线性量化。
声音压缩方法分类: 波形编码 参数编码 混混合合编编码码
采用线性技术构成声道模型，不只传输预测参数和清浊音信息，而是将 预测误差信息和预测参数同时传输，在接收端采用新的预测参数构成合 思 成滤波器，使得合成滤波器输出的信号波形与原始语声信号的波形最大 想 程序的拟合，从而获得自然度较高的语声。这种编码技术的关键是：如 何高效地传输预测误差信息。
《音频处理技术》PPT课件
动态范围不仅用来表示一个声源产生的最大声压级与 最小声压级之间的差值，录音设备或记录声音的载体( 磁带、光盘、硬盘)同样可用动态范围表示能够处理信 号电平的范围。
如磁带的动态范围为50dB～60dB， CD光盘96dB， 磁光盘录放音机105dB。
刘海燕
12
动态范围可以用信号的相对强度表示：
6
0.80 -9.36672 -9
…… ……
……
9 0.45 -1.63831 -2 10 0.50 7.89216 8
20 1.00 4.40090
刘海燕
4
31
对于CD—DA，采样频率为44.1kHz，即每 秒取44100个点。幅度的取值范围是限制在 216=65 536以内，量化间隔为1，即量化幅 度可以取65 536个不同的值，计算机中用 16位的存储空间就可以表示一个量化后的 数值。动态范围为20×1g(216)≈96dB
声波可以用一条连续的曲线来表示，它在时间和幅度上都是连续的 ，称为模拟音频信号。
在任一时刻，声波可以分解成一系列正弦波的线性叠加：
刘海燕
4
正弦波
刘海燕
5
声音的物理特性
周期/频率/带宽
两个相邻波之间的时间长度为周期T ，单位为秒；
每秒钟声源振动的次数称为频率f，单位Hz；
f=1/T
描述组成复合信号的频率范围，称为带宽。
声音信号可被分解和复合，可以从中抽出若干 个单一的正弦信号，也可以用若干个单一的正 弦信号来合成任意波形的复合信号，如合成语 音和合成音乐等
刘海燕
8
声压和声强
声波在空气媒质中是以空气中的分子振动形成疏密而 传播。它造成空气中的气压发生大小变化，相当于在 无声波下空气中的气压上叠加一个变化的压强，叠加 上的压强称为声压，记作P。单位有帕斯卡（Pa）和微 巴（μbar）。
如磁带的动态范围为50dB～60dB， CD光盘96dB， 磁光盘录放音机105dB。
刘海燕
12
动态范围可以用信号的相对强度表示：
6
0.80 -9.36672 -9
…… ……
……
9 0.45 -1.63831 -2 10 0.50 7.89216 8
20 1.00 4.40090
刘海燕
4
31
对于CD—DA，采样频率为44.1kHz，即每 秒取44100个点。幅度的取值范围是限制在 216=65 536以内，量化间隔为1，即量化幅 度可以取65 536个不同的值，计算机中用 16位的存储空间就可以表示一个量化后的 数值。动态范围为20×1g(216)≈96dB
声波可以用一条连续的曲线来表示，它在时间和幅度上都是连续的 ，称为模拟音频信号。
在任一时刻，声波可以分解成一系列正弦波的线性叠加：
刘海燕
4
正弦波
刘海燕
5
声音的物理特性
周期/频率/带宽
两个相邻波之间的时间长度为周期T ，单位为秒；
每秒钟声源振动的次数称为频率f，单位Hz；
f=1/T
描述组成复合信号的频率范围，称为带宽。
声音信号可被分解和复合，可以从中抽出若干 个单一的正弦信号，也可以用若干个单一的正 弦信号来合成任意波形的复合信号，如合成语 音和合成音乐等
刘海燕
8
声压和声强
声波在空气媒质中是以空气中的分子振动形成疏密而 传播。它造成空气中的气压发生大小变化，相当于在 无声波下空气中的气压上叠加一个变化的压强，叠加 上的压强称为声压，记作P。单位有帕斯卡（Pa）和微 巴（μbar）。
第3章数字音频处理技术
教学进程
(3) 音色 音色指声音的感觉特性，与波形相关，影响声音感觉特色
的因素是复音。所谓“复音”是指具有不同频率和不同振幅的 混合声音，自然声中大部分是复音。在复音中，最低频率是 “基音”，它是声音的基调；其他频率的声音称为“谐音（泛 音）”。 5 声音的主要性质 ● 连续性：在时间轴上是连续信号，具有连续性和过程性。
教学进程
3.2 数字化音频
3.2.1 数字音频基本概念
量化
对采样后的声音信号的振幅值进行离散化处理。如果幅 度的划分是等间隔的，就称为线性量化，否则就称为非 线性量化。
编码
将采样和量化后的数字化声音信息以二进制形式并按 照一定的数据格式进行表示，这个过程称为编码。
教学进程
3.2.2 数字音频音质技术指标
(2) 音强
音强即声音的响亮程度（或音量），与振幅相关，取决于声波信 号的强弱程度。音强与声波振幅成正比，振幅越大，强度越大，反之 亦然。唱盘、CD盘以及其他形式的声音载体中的音强是一定的，通 过播放设备的音量控制，可以改变聆听时的强度。如果想改变原始声 音的音强，可以在声音数字化以后，使用音频处理软件提高音强。
采样率/kHz 8 16
37.8 44.1
量化位数/bit 8 16 16 16
教学进程
● 相关性：构成声音的数据，前后之间具有强烈的相关性。
● 实时性：对处理声音的计算机硬件和软件提出很高要求。
教学进程
3.2 数字化音频
模拟信号与数字信号 从模拟信号过渡到数字信号
回顾历史，大多数电信号的处理一直是用模拟元部件(如晶体管、变压 器、电阻、电容等)对模拟信号进行处理。但是，开发一个具有相当精 度、且几乎不受环境变化影响的模拟信号处理元部件是相当困难的， 而且成本也很高。
(3) 音色 音色指声音的感觉特性，与波形相关，影响声音感觉特色
的因素是复音。所谓“复音”是指具有不同频率和不同振幅的 混合声音，自然声中大部分是复音。在复音中，最低频率是 “基音”，它是声音的基调；其他频率的声音称为“谐音（泛 音）”。 5 声音的主要性质 ● 连续性：在时间轴上是连续信号，具有连续性和过程性。
教学进程
3.2 数字化音频
3.2.1 数字音频基本概念
量化
对采样后的声音信号的振幅值进行离散化处理。如果幅 度的划分是等间隔的，就称为线性量化，否则就称为非 线性量化。
编码
将采样和量化后的数字化声音信息以二进制形式并按 照一定的数据格式进行表示，这个过程称为编码。
教学进程
3.2.2 数字音频音质技术指标
(2) 音强
音强即声音的响亮程度（或音量），与振幅相关，取决于声波信 号的强弱程度。音强与声波振幅成正比，振幅越大，强度越大，反之 亦然。唱盘、CD盘以及其他形式的声音载体中的音强是一定的，通 过播放设备的音量控制，可以改变聆听时的强度。如果想改变原始声 音的音强，可以在声音数字化以后，使用音频处理软件提高音强。
采样率/kHz 8 16
37.8 44.1
量化位数/bit 8 16 16 16
教学进程
● 相关性：构成声音的数据，前后之间具有强烈的相关性。
● 实时性：对处理声音的计算机硬件和软件提出很高要求。
教学进程
3.2 数字化音频
模拟信号与数字信号 从模拟信号过渡到数字信号
回顾历史，大多数电信号的处理一直是用模拟元部件(如晶体管、变压 器、电阻、电容等)对模拟信号进行处理。但是，开发一个具有相当精 度、且几乎不受环境变化影响的模拟信号处理元部件是相当困难的， 而且成本也很高。
音频处理技术ppt课件
9
2.声音信号的数字化
•2.1模拟音频与数字音频的
区别
•自然声音是连续变化的，人
类最早记录声音的技术是利 用一些机械的、电的或磁的 参数随着声波引起空气压力
10Βιβλιοθήκη • 例如麦克风，当人对着麦克风讲
话时，麦克风能根据它周围空气 压力的不同变化而输出相应的连 续变化的压力值，这种变化的电 压值便是一种对人类讲话声音的 模拟，称为模拟音频。它把声音 的压力变化转变为电压信号，当 输出连续变化的电压值到录音机
音频处理技术
1
知识点
•1.声音的基本概念 •2.音频数值化过程 •3.常用音频压缩技术 •4.常用的音频存储格式
2
课后作业
• 1.什么是声音？声音三要素是什么？ • 2.声音数字化的三个步骤是——
、——、——
• 3.什么是采样频率？ • 4.采样的量化位数与音频质量成反
比，与存储空间成正比，这句话正 确吗？为什么？
11
•而数字化音频的获得是通过每
隔一定时间间隔测一次模拟音 频的值（如电压）并将其数字 化，这一过程称为采样，每秒 钟采样的次数称为采样率。一 般地。采样率越高，记录的声 音越自然，反之，将失去声音 的自然特性，这一现象称为失 12
•由上可知，数字音频是离散
的，而模拟音频是连续的， 数字音频的好坏与采样率密 切相关
音文件格式
snd
Apple计算机、SGI工作站上的声
音文件格式
wav
Window采用的波形文件存储格式
进行的核试验产生的次声波曾经环 绕地球6圈。超低频率次声波比其 他声波（10Hz以上的声波）更具 7
• 人的发声频率在100Hz（男低音）
到10000Hz（女高音）范围内。
2.声音信号的数字化
•2.1模拟音频与数字音频的
区别
•自然声音是连续变化的，人
类最早记录声音的技术是利 用一些机械的、电的或磁的 参数随着声波引起空气压力
10Βιβλιοθήκη • 例如麦克风，当人对着麦克风讲
话时，麦克风能根据它周围空气 压力的不同变化而输出相应的连 续变化的压力值，这种变化的电 压值便是一种对人类讲话声音的 模拟，称为模拟音频。它把声音 的压力变化转变为电压信号，当 输出连续变化的电压值到录音机
音频处理技术
1
知识点
•1.声音的基本概念 •2.音频数值化过程 •3.常用音频压缩技术 •4.常用的音频存储格式
2
课后作业
• 1.什么是声音？声音三要素是什么？ • 2.声音数字化的三个步骤是——
、——、——
• 3.什么是采样频率？ • 4.采样的量化位数与音频质量成反
比，与存储空间成正比，这句话正 确吗？为什么？
11
•而数字化音频的获得是通过每
隔一定时间间隔测一次模拟音 频的值（如电压）并将其数字 化，这一过程称为采样，每秒 钟采样的次数称为采样率。一 般地。采样率越高，记录的声 音越自然，反之，将失去声音 的自然特性，这一现象称为失 12
•由上可知，数字音频是离散
的，而模拟音频是连续的， 数字音频的好坏与采样率密 切相关
音文件格式
snd
Apple计算机、SGI工作站上的声
音文件格式
wav
Window采用的波形文件存储格式
进行的核试验产生的次声波曾经环 绕地球6圈。超低频率次声波比其 他声波（10Hz以上的声波）更具 7
• 人的发声频率在100Hz（男低音）
到10000Hz（女高音）范围内。
《音频技术》课件
未来音频技术的挑战与机遇：随着音 频技术的不断发展，将面临更多的挑 战和机遇，需要不断创新和进步。
添加标题
添加标题
添加标题
添加标题
音频技术在各领域的应用前景：音频 技术将在教育、娱乐、医疗、军事等 领域发挥更大的作用，为人们的生活 带来更多的便利和乐趣。
未来音频技术的展望：未来音频技术 将更加注重用户体验和个性化需求， 同时将不断拓展新的应用领域和市场。
单击此处输入你的项正文，文字是您思想的提炼。
音频技术未来发展方向
单击此处输入你的项正文，文字是您思想的提炼。
音频技术未来应用前景
单击此处输入你的项正文，文字是您思想的提炼。
展望未来音频技术的发展方向和应用前景
音频技术发展趋势：随着科技的不 断发展，音频技术将朝着更高质量、 更智能化、更便捷化的方向发展。
虚拟现实音频技术：在虚拟现实游戏中，使用音频技术提供更加真实的听觉感受
总结与展望
总结音频技术的特点和发展趋势
音频技术定义与分类
单击此处输入你的项正文，文字是您思想的提炼。
音频技术特点
单击此处输入你的项正文，文字是您思想的提炼。
音频技术应用领域 展望音频技术的发展趋势 展望音频技术的发展趋势
音频技术发展趋势
虚拟现实与增强现实技术 智能家居与物联网 医疗保健与健康监测
音频信号处理
音频信号的采集和传输
音频信号采集：通 过麦克风等设备将 声音转换为电信号
音频信号传输：通 过线路或无线方式 将音频信号传输到 目的地
音频信号处理：对 采集到的音频信号 进行加工处理，以 满足特定需求
音频信号的应用： 在通信、娱乐、医 疗等领域中广泛应 用
音频处理技术的发展趋势
第3章_数字音频处理技术-PPT课件
MIDI主要包括以下两个部分：
MIDI硬件规范：硬件接口标准和信号传 输机制(I/O通道、连接电缆和插座形式)。 MIDI软件规范：音乐信息数字化编码方 式(音符、音符长短、音调和音量等)。
特点
MIDI标准之所以受到欢迎，主要是它有下列几个 优点：
生成的文件比较小，因为MIDI文件存储的是命令，而 不是声音波形； 容易编辑，因为编辑命令比编辑声音波形要容易得多； 可以作背景音乐，因为MIDI音乐可以和其它的媒体， 如数字电视、图形、动画、话音等一起播放，这样可 以加强演示效果
声卡的接口
3.5 MIDI与音乐合成
MIDI简介
MIDI是Musical Instrument Digital Interface的首写字 母组合词，可译成“电子乐器数字接口”。用于在音乐合 成器(music synthesizers)、乐器(musical instruments) 和计算机之间交换音乐信息的一种标准协议。从20世纪80 年代初期开始，MIDI已经逐步被音乐家和作曲家广泛接受 和使用。 MIDI是乐器和计算机使用的标准语言，是一套指令(即命 令的约定)，它指示乐器即MIDI设备要做什么，怎么做， 如演奏音符、加大音量、生成音响效果等。MIDI不是声音 信号，在MIDI电缆上传送的不是声音，而是发给MIDI设备 或其它装置让它产生声音或执行某个动作的指令。
音频文件格式
VOC：Creative公司的声霸卡(Sound Blaster)使用的 波形音频文件格式。 MID：Windows的MIDI文件（MIDI Audio）存储格式。 MP3： MP3压缩格式文件。
• MP3的全称实际上是MPEG1 Audio Layer-3
MP4：基于MPEG-2 AAC技术的文件压缩格式。 CD格式：cda文件，大小为44字节，只是一个索引信息， 并不包含真正的声音信息。 Aif、snd：Apple计算机上的声音文件存储格式。 RA、RM：Real公司开发的主要适用于网络上实时数字 音频流技术的文件格式。 ASF、ASX、WMA、WAX ：微软公司针对Real公司开发的 新一代网上流式数字音频压缩技术。
- 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)。
第三章 音频处理技术
3.1 声音的数字化 3.2 几种常见的声音文件格式 3.3 使用GoldWave编辑声音
3.1.1 声音的基础知识 3.1.2 声音的采样与量化 3.1.3 音质与数据量 3.1.4 声音压缩算法简介
声音的三个重要指标：振幅 周期 频率 振幅:波的高低幅度，表示声音的强弱。 周期:两个相邻的波之间的时间长度。 频率:每秒钟振动的次数，以Hz为单位。
A
振 幅
0
周期
T
频率=
1 周期
从听觉角度看，声音具有音调、音色和响度三个要素。
音调：在物理学中，把声音的高低叫作音调。
音的频率有关，声源振动的频率越高，声音的音调就越高；声源振动的 频率越低，声音的音调就越低。通常把音调高的声音叫高音，音调低的声音叫低音。
音色：表示人耳对声音音质的感觉，又称音品，与频率有关。
量化位数 声道数 /bit
8
单声道
每分钟的数据量 /MB
0.66
16
双声道
5.29
16
双声道
10.58
常用的采样指标及等效音质
等效音质
语音
播放
FM广播 播放
CD唱盘 播放
停止
声音压缩方法分类 语音压缩编码原理 常用的声音压缩标准算法 语音压缩编码技术的发展方向
声音压缩方法分类: 波波形形编编码码 参数编码 混合编码
要求不高的场合，人的语音采用11.025kHz的采样频率、8bit、单声 道已经足够；如果是乐曲，22.05kHz的采样频率、8bit、立体声形 式已能满足一般播放场合的需要。
采用数据压缩的方法，在降低数据量的同时保证较高的音质，这也 是人们经常使用的方式。
采样频率 /kHz
11.025
22.05
44.1
通常按照人们听觉的频率范围可将声音分为次声波、超声波和音频三类：
次声波：频率低于20Hz的信号，也称为亚音频；
超声波：频率高于20kHz的信号，也称为超音频；
音频：频率范围是20Hz～20kHz的声音信号，即在次声波和超声波之间的
音
频，
是人耳能听到的声音信号，即属于多媒体音频信息范畴。
音频
次声波
人的语音频率
量化的过程如下：将采样后的信号按整个声波的幅值划分为若干个区段，把 落入某区段的样值归为一类，并赋予相同的量化值。
除了量化精度以外，数字化声音的技术指标还有采样频率和声道数。
量化精度指每个声音样本需要用多少位二进制数来表示，它反映出度量声音 波形幅度的精确程度，由于计算机按字节运算，一般的量化精度为8位或16 位，量化精度越高，数字化后的声音信号就越可能接近原始信号，但所需要 的存储空间也越大。
T1T1T2 TT32 T4 T35 T6 TT47 T8T5T9 T1T06T11
采 量样 化
原采样频率点 低采样频率点 原量化精度点 低量化精度点
T
采样频率高于信号频率时： 采样频率低于信号频率时： 采样频率等于信号频率的2倍时：
输入波形 时钟周期 采样波形
输入波形 时钟周期 采样波形
输入波形 时钟周期 采样波形
超声波
超低频
低频
20Hz
60Hz 80Hz
低频谐波 临场感
250Hz
4kHz 5kHz 6kHz
声音的频率范围
清晰度
停止
12kHz 16kHz 20kHz
要使声音文件能像文字和图形信息一样进行存储、检索、编辑等处理，需要 将声音数字化。声音数字化就是将模拟的连续声音波形在时间上和幅值上进行 离散化处理，共分为两个步骤：采样和量化。
采样就是将声音信号在时间上进行离散化处理，即每隔相等的一段时间在声 音信号波形曲线上采集一个信号样本（声音的幅度）。
量化就是把采样得到的声音信号幅度转换成相应的数字值。采样后的数值不 一定能在计算机内部进行方便的表示，所以将每一个样本值归入预先编排的 最近的量化级上，该过程称为量化。
如果幅度的划分是等间隔的，就称为线性量化，否则就称为非线性量化。
当采样频率变 低时： 音质变差
当量化精度变 高时： 声音信号更接 近原始信号
V 11011011 1110 11100010 10110110 1011 100110 1001 10010001
00110110 0110 010011 0100 00001110 00000110 0001 0000
采样频率：指单位时间内采样的次数。采样频率越高，在一定的时间间隔 内采集的样本数越多，音质就越好。当然，采集的样本数量越多，数字化声 音的数据量也越大。如果为了减少数据量而过分降低采样频率，音频信号增 加了失真，音质就会变得很差。采样频率的选择应该遵循奈奎斯特采样理论: f采≥2fmax 。采样频率的三个标准频率分别为44.1kHz,22.05kHz和 11.025kHz。
编码前根据采样定理对模拟语音信号进行采样，然后进行幅度量化与二
声道数：声音通道的个数，指一次采样的声音波形个数。除单声道和立体 声外，目前经常使用的声道数还有4声道、4.1声道和5.1声道。
数字化声音的数据量= 采样频率×量化精度×8声道数×声音持续时间
以CD格式为例:
假设它的采样频率为44.1kHz，量化位数为16bit，CD格式的音乐 通常都是立体声(两个声道)，那么CD格式的声音20秒钟的数据量 为
(44.1kHz*16bit*2*20s)/8=3.52MBps
若改变它的采样频率为22.05kHz，则 (22.05kHz*16bit*2*20s)/8=1.76MBps
若再改变它的量化位数为4bit，则
(22.05kHz*4bit*2*20s)/8=0.44MBps
停止
为了节省存储空间，在存储和传输时通常采用两种方式进行声音处理: 在保证基本音质的前提下，采用稍低一些的采样频率。一般而言,在
[注] 一定频率的纯音不存在音色问题，音色是复音主观属性的反映。声音的音色主要 由其谐音的多寡、各谐音的特性所决定。各种乐器奏同样的曲子，即使响度和音调相 同，听起来还是不一样，就是由于它们的音色不同。
响度：即声音的响亮程度，也就是我们通常说的声音的强弱或大、小，重、轻。
播放
[注] 响度与振幅有关，取决于声波信号的强弱程度。由于人的听觉响应与声音信号强 度不是成线性关系，因此一般用声音信号幅度取对数后再乘20所得值来描述响度，以 分贝（dB）为单位，此时称为音量。
3.1 声音的数字化 3.2 几种常见的声音文件格式 3.3 使用GoldWave编辑声音
3.1.1 声音的基础知识 3.1.2 声音的采样与量化 3.1.3 音质与数据量 3.1.4 声音压缩算法简介
声音的三个重要指标：振幅 周期 频率 振幅:波的高低幅度，表示声音的强弱。 周期:两个相邻的波之间的时间长度。 频率:每秒钟振动的次数，以Hz为单位。
A
振 幅
0
周期
T
频率=
1 周期
从听觉角度看，声音具有音调、音色和响度三个要素。
音调：在物理学中，把声音的高低叫作音调。
音的频率有关，声源振动的频率越高，声音的音调就越高；声源振动的 频率越低，声音的音调就越低。通常把音调高的声音叫高音，音调低的声音叫低音。
音色：表示人耳对声音音质的感觉，又称音品，与频率有关。
量化位数 声道数 /bit
8
单声道
每分钟的数据量 /MB
0.66
16
双声道
5.29
16
双声道
10.58
常用的采样指标及等效音质
等效音质
语音
播放
FM广播 播放
CD唱盘 播放
停止
声音压缩方法分类 语音压缩编码原理 常用的声音压缩标准算法 语音压缩编码技术的发展方向
声音压缩方法分类: 波波形形编编码码 参数编码 混合编码
要求不高的场合，人的语音采用11.025kHz的采样频率、8bit、单声 道已经足够；如果是乐曲，22.05kHz的采样频率、8bit、立体声形 式已能满足一般播放场合的需要。
采用数据压缩的方法，在降低数据量的同时保证较高的音质，这也 是人们经常使用的方式。
采样频率 /kHz
11.025
22.05
44.1
通常按照人们听觉的频率范围可将声音分为次声波、超声波和音频三类：
次声波：频率低于20Hz的信号，也称为亚音频；
超声波：频率高于20kHz的信号，也称为超音频；
音频：频率范围是20Hz～20kHz的声音信号，即在次声波和超声波之间的
音
频，
是人耳能听到的声音信号，即属于多媒体音频信息范畴。
音频
次声波
人的语音频率
量化的过程如下：将采样后的信号按整个声波的幅值划分为若干个区段，把 落入某区段的样值归为一类，并赋予相同的量化值。
除了量化精度以外，数字化声音的技术指标还有采样频率和声道数。
量化精度指每个声音样本需要用多少位二进制数来表示，它反映出度量声音 波形幅度的精确程度，由于计算机按字节运算，一般的量化精度为8位或16 位，量化精度越高，数字化后的声音信号就越可能接近原始信号，但所需要 的存储空间也越大。
T1T1T2 TT32 T4 T35 T6 TT47 T8T5T9 T1T06T11
采 量样 化
原采样频率点 低采样频率点 原量化精度点 低量化精度点
T
采样频率高于信号频率时： 采样频率低于信号频率时： 采样频率等于信号频率的2倍时：
输入波形 时钟周期 采样波形
输入波形 时钟周期 采样波形
输入波形 时钟周期 采样波形
超声波
超低频
低频
20Hz
60Hz 80Hz
低频谐波 临场感
250Hz
4kHz 5kHz 6kHz
声音的频率范围
清晰度
停止
12kHz 16kHz 20kHz
要使声音文件能像文字和图形信息一样进行存储、检索、编辑等处理，需要 将声音数字化。声音数字化就是将模拟的连续声音波形在时间上和幅值上进行 离散化处理，共分为两个步骤：采样和量化。
采样就是将声音信号在时间上进行离散化处理，即每隔相等的一段时间在声 音信号波形曲线上采集一个信号样本（声音的幅度）。
量化就是把采样得到的声音信号幅度转换成相应的数字值。采样后的数值不 一定能在计算机内部进行方便的表示，所以将每一个样本值归入预先编排的 最近的量化级上，该过程称为量化。
如果幅度的划分是等间隔的，就称为线性量化，否则就称为非线性量化。
当采样频率变 低时： 音质变差
当量化精度变 高时： 声音信号更接 近原始信号
V 11011011 1110 11100010 10110110 1011 100110 1001 10010001
00110110 0110 010011 0100 00001110 00000110 0001 0000
采样频率：指单位时间内采样的次数。采样频率越高，在一定的时间间隔 内采集的样本数越多，音质就越好。当然，采集的样本数量越多，数字化声 音的数据量也越大。如果为了减少数据量而过分降低采样频率，音频信号增 加了失真，音质就会变得很差。采样频率的选择应该遵循奈奎斯特采样理论: f采≥2fmax 。采样频率的三个标准频率分别为44.1kHz,22.05kHz和 11.025kHz。
编码前根据采样定理对模拟语音信号进行采样，然后进行幅度量化与二
声道数：声音通道的个数，指一次采样的声音波形个数。除单声道和立体 声外，目前经常使用的声道数还有4声道、4.1声道和5.1声道。
数字化声音的数据量= 采样频率×量化精度×8声道数×声音持续时间
以CD格式为例:
假设它的采样频率为44.1kHz，量化位数为16bit，CD格式的音乐 通常都是立体声(两个声道)，那么CD格式的声音20秒钟的数据量 为
(44.1kHz*16bit*2*20s)/8=3.52MBps
若改变它的采样频率为22.05kHz，则 (22.05kHz*16bit*2*20s)/8=1.76MBps
若再改变它的量化位数为4bit，则
(22.05kHz*4bit*2*20s)/8=0.44MBps
停止
为了节省存储空间，在存储和传输时通常采用两种方式进行声音处理: 在保证基本音质的前提下，采用稍低一些的采样频率。一般而言,在
[注] 一定频率的纯音不存在音色问题，音色是复音主观属性的反映。声音的音色主要 由其谐音的多寡、各谐音的特性所决定。各种乐器奏同样的曲子，即使响度和音调相 同，听起来还是不一样，就是由于它们的音色不同。
响度：即声音的响亮程度，也就是我们通常说的声音的强弱或大、小，重、轻。
播放
[注] 响度与振幅有关，取决于声波信号的强弱程度。由于人的听觉响应与声音信号强 度不是成线性关系，因此一般用声音信号幅度取对数后再乘20所得值来描述响度，以 分贝（dB）为单位，此时称为音量。