第3章 音频处理技术(2课时)

用声音录制软件记录的英文单词“Hello”的 语音实际波形
3.1.1 声音基本特点
1．声音的传播与可听域 2．声音的方向 3．声音的三要素 4．声音的频谱 5．声音的质量 6．声音的连续时基性 7．数字化声音
1．声音的传播与可听域
• 声音依靠介质的振动进行传播。声源实际上是一 个振动源，它使周围的介质（空气、液体、固体） 产生振动，并以波的形式进行传播，人耳如果感 觉到这种传播过来的振动，再反映到大脑，就意 味着听到了声音。 • 人耳听到的声音是有限的，频率低于20Hz和高于 20kHz的声音人类听不到，换言之，人耳的可听 域在20～20kHz之间。频率低于20Hz的声音叫做 “次声”，高于20kHz的声音是“超声”。 • 频率范围又叫“频域”或“频带”，不同种类的 声源其频带也不同，表3.l列出了部分常见声源的 频带宽度。
使用“录音机”录音（续）
• 把话筒插入声卡的话筒插座后，在 Windows的桌面上，单击【开始】按钮， 然后选用菜单【程序】|【附件】|【娱乐】 |【录音机】命令，打开录音机应用程序， 鼠标单击录音机上的录音按钮，开始录音。 一分钟后，录音自动停止。注意，录音机 录制的声音只能采用“.wav”格式。
3.2.2 CD音乐采样
• 所谓CD音乐采样，是指使用专用软件对 CD盘上的音乐、语言以及其他形式的声 音进行数字转换，生成多种格式的数字 音频信号。 • 用于转换的专用软件很多，本节以Easy CD-DA Extractor软件为例介绍CD音乐的 采样方法（自学）
3.2.3 自然声采样
• 自然声不同于光盘音乐，获得自然声的途 径只能是直接录音。 • 在录音过程中，实时地完成采样，形成数 字音频信号。 • 具备录音和采样功能的软件非常多，最常 见的软件是Windows中的“录音机”应用 软件。但该软件对录音时间有限制，一次 录音最长不能超过1min。若想录制大于 1min的声音，只能使用其他软件。
6．声音的连续时基性
声音在时间轴上是连续信号，具有连续性 和过程性，属于连续时基性媒体形式。
源自文库
7．数字化声音
• 为了用计算机表示和处理声音，必须将 声音进行数字化，即用数字表示声波。 • 数字化了的声音叫做“数字音频信号”， 它除了包含有自然界中所有的声音之外， 还具有经过计算机处理的独特的音色和 特质
第3章 音频处理技术
3.1 基本概念 3.2 音频数据采样与简单处理 3.3 数字音频处理软件GoldWave
3.1 基本概念
• 声音是振动的波，是随时间连续变化的物理 量。 • 声音有三个重要指标： • 振幅（Amplitude）——波的高低幅度，表 示声音的强弱； • 周期（Period）——两个相邻波之问的时间 长度； • 频率（Frequency）——每秒钟振动的次数， 以Hz为单位。
2．采样频率
• 在一定的时间间隔内采集的样本数叫做“采样 频率”。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。 • 音频数据的采样频率与声音还原频率还原的关 系如下：
2．MIDI文件
• MIDI是Musical Instrument Digital Interface （乐 器数字接口）的缩写，MIDI文件的扩展名为MID。 • 与波形文件不同，MIDI文件不对音乐进行采样， 而是对音乐的每个音符记录为一个数字，所以与 波形文件相比要小得多，可以满足长时间音乐的 需要。 • MIDI标准规定了各种音调的混合及发音，通过输 出装置可以将这些数字重新合成为音乐。
• 其他格式文件还包括VOC文件、AU文件和CIF 等。 • VOC文件是随声霸卡一起诞生的常用的声音文件， 主要用于DOS程序（特别是游戏）中，VOC文件 和波形文件可互相转换。 • AU文件是UNIX操作系下的数字声音文件，由于 早 期 在 Internet 上 的 Web 服 务 器 主 要 是 基 于 UNIXR的，所以这种文件成为WWW上使用的标 准声音文件。 • MOD文件最初产生于Commodore公司的AMIGA 计算机。
3.1.3 数字音频的音质与数据量
• 数字音频主要指wav格式的波形音频文件。 • 数字音频的声音质量好坏，取决于采样频率的高低、 表示声音的基本数据位数和声道形式。 • 音频的数据量由下式算出： v fbs / 8 • 式中，V代表数据量；f是采样频率；b是数据位数；s 是 声 道 数 。 例 如 CD 质 量 的 参 数 为 ， f=43.1kHz， b=16bit，s=2，则每秒钟的数据量为： • v=（44100Hz×16bit×2）÷8=176400B（约合172KB） • 如果以CD激光盘音质（44100kHz的采样频率、16位 立体声形式）记录一首5min（300秒）的乐曲，参照 表3.2，计算的数据量是： • 172KB/s×300s=51600KB（合50.39MB）
4．声音的频谱
• 声音的频谱有线性频谱和连续频谱之分。 • 线性频谱是具有周期性的单一频率声波； • 连续频谱是具有非周期性的带有一定频 带所有频率分量的声波。
5．声音的质量
• 声音的质量简称“音质”，音质的好坏与音色和 频率范围有关。悦耳的音色、宽广的频率范围， 能够获得非常好的音质。影响音质的因素还有很 多，常见的有： （1）对于数字音频信号，音质的好坏与数据采样频 率和数据位数有关。采样频率越低，位数越少， 音质越差。 （2）音质与声音还原设备有关，音响放大器和扬声 器的质量能够直接影响重放的音质。 （3）音质与信号噪声比有关。在录制声音时，音频 信号幅度与噪声幅度的比值越大越好，否则声音 被噪声干扰，会影响音质。
3．光盘数字音频文件（CD-DA）
• 其采样频率为43.1KHz，每个采样使用16 位存储信息。 • 它不仅为开发者提供了高质量的音源， 还无需硬盘存储声音文件，声音直接通 过光盘由CD-ROM驱动器中特定芯片处 理后发出。
4. 压缩音频文件
• 在数字音频领域，mp3格式的压缩数字音频文件很 流行。由于该格式文件采用MPEG数据压缩技术， 压缩比高 • 目前已经有一些多媒体平台软件和算法语言支持该 格式的音频文件，为制作多媒体产品提供了非常有 效的文件格式。mp3格式的音频文件具有如下特点：
录音的技术问题（续）
• 话筒是录制自然声所必需的。 • 话筒主要有动圈话筒和电容话筒等类型。 • 动圈话筒的音质好，动态范围宽，适于录制 音乐； • 电容话筒灵敏度高，频率范围窄，适于录制 语音。 • 由于话筒的输出信号非常微弱，因此话筒的 输出信号线不宜过长。如果使用无线话筒， 则话筒与接收装置的距离不宜太远。
2．声音的方向
声音以振动波的形式从声源向四周传播， 人类在辨别声源位置时，首先依靠声音 到达左、右两耳的微小时间差和强度差 异进行辨别，然后经过大脑综合分析而 判断出声音来自何方。
3．声音的三要素
声音的三要素是音调、音色和音强。就听觉特性而言， 声音质量的高低主要取决于该三要素。 （1）音调——代表了声音的高低。音调与频率有关， 频率越高，音调越高，反之亦然。 （2）音色——具有特色的声音。
3.2 音频数据采样与简单处理
3.2.1 采样基本原理 3.2.2 CD音乐采样 3.2.3 自然声采样
3.2.1 采样基本原理
• 声音采样的作用是：把自然界中的模拟 量声音转换成计算机能够处理的数字化 声音，该过程称为“A/D转换（模/数转 换）”。
1．数字采样
• 声音采样的基本原理是：首先输入模拟声音信 号，然后按照固定的时间间隔截取该信号的振 幅值，每个波形周期内截取两次，以取得正、 负向的振幅值。该振幅值采用若干位二进制数 表示，从而将模拟声音信号变成数字音频信号。 模拟声音信号是连续变化的振动波，而数字音 频信号则是阶跃变化的离散信号。 • 截取模拟声音信号振幅值的过程叫做“采样”， 得到的振幅值叫做“采样值”，采样值用二进 制数的形式表示，该表示形式叫做“量化编 码”。
– · 数据源取自波形音频文件，可获得非常好的音质。 – · 数据压缩比非常高，数据量较小。 – · 通过专用软件，可以很方便地在个人计算机上制作和播放 mp3格式的音频文件。 – · 播放设备多样化，目前市售的微型mp3播放机和mp3激光 盘播放机都可以播放mp3格式的音频文件。
5．其他文件格式
2．使用“录音机”录音
• 在使用计算机进行录音时，话筒的插头应插入声卡 的MIC（话筒）输入插座内。 • 质量较好的声卡有两个输入插座，一个用于话筒， 一个用于线路输入。用于话筒的插座灵敏度高，一 般为0.5～3mv，适于输入微弱的信号；用于线路输 入的插座灵敏度低，主要与音响设备的线路输出端 连接，适于输入强度较大的信号 ，一般为 500 ～ 1000mv。上述两个插座不要混淆。如果把话筒插在 线路输入插座内，将录不到声音。
1．录音的技术问题
• 录制自然声，一般需要专业的录音设备，以便保证 良好的信噪比。 • 采用计算机进行录音，应配备质量较好的声卡和话 筒。 • 如果到野外录音的话，一般采用便携式录音设备录 制前期声，然后在室内进行后期加工和处理。 • 在录音时，应注意调整输入信号的强度，使其不超 过录音设备的动态范围，否则将产生削顶失真，音 感阻塞，严重时无法辨别声音的内容。信号强度过 低，也不能获得满意的声音，原因是信号与噪声的 比值小，噪声相对比较明显，影响了音质。
3．录音失败的处理
• 如果录音失败，应检查以下几个方面： （1）话筒的开关是否打开，很多话筒带有开关。 （2）话筒是否正确地连接在声卡的MIC输入端。 （3）双击屏幕右下角的音量图标（小喇叭），在随 后显示出来的音量控制画面中，选择菜单【选项】 |【属性】，显示【属性】对话框。在【属性】对 话框中，单击【录音】选项，在音量控制清单中， 检查“录音控制”、“线路输入”和“麦克风” 三项均应有“√”，如果没有，单击该项。最后单 击“确定”按钮。
• 从上式中看出，音频数据的采样频率是还原模 拟声音频率的两倍。例如，要求还原的声音频 率为22.05kHz，则采样频率应取43.1kHz。
3. 声道数
• 声道数是声音通道的个数，指一次采样 的声音波形个数。 • 单声道一次采样一个声音波形，双声道 则被人们称为“立体声”，一次采样两 个声音波形。双声道比单声道多一倍的 数据量，多声道的数据量更大。
– 声音分纯音和复音两种类型。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，大自然中的声音大部分是复音。在复音中，最低 频率的声音是“基音”，它是声音的基调。其他频率的声 音称为“谐音”，也叫泛音。基音和谐音是构成声音音色 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．声音的三要素（续）
（3）音强——声音的强度，也被称为声音 的响度，常说的“音量”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。如果要改变原始声音的音强， 在把声音数字化以后，使用音频处理软 件提高音强。
3.1.2 数字音频文件的种类
1．WAV文件 2．MIDI文件 3．光盘数字音频文件（CD-DA） 4. 压缩音频文件 5．其他文件格式
1．WAV文件
• WAV文件也称为波形文件，是Windows所使用的 标准数字音频，文件的扩展名是WAV。 • 它是对实际声音进行采样所得到的数据。 • 使用波形文件最大的缺点是文件太大，不适合长时 间记录声音，例如，同样半小时的立体声音乐， MIDI文件只有200KB左右，而WAV文件则要差不 多300MB。 • 波形音频文件占存储空间很大，每秒钟音频文件的 字节数可用如下公式计算： • （采样频率×采样精度）/8
• 由计算结果看出，音频文件的数据量问 题不容忽视。为了节省存储空间，通常 在保证基本音质的前提下，可以采用稍 低一些的采样频率。 • 一般而言，在要求不高的场合，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。