第二章数字声音及MIDI
合集下载
数字声音与生活教案
数字声音与生活教案第一章：数字声音概述1.1 声音的数字化过程1.2 数字声音的常见格式1.3 数字声音的优势与劣势第二章：数字声音的采集与处理2.1 数字声音的采集方法2.2 数字声音的处理软件与技术2.3 数字声音的剪辑与合成技巧第三章：数字声音的应用领域3.1 广播与电视3.2 电影制作3.3 音乐制作与数字音乐3.4 语音识别与第四章：数字声音的存储与传输4.1 数字声音的存储格式4.2 数字声音的传输技术4.3 数字音频接口与硬件设备第五章：数字声音的版权保护与伦理问题5.1 数字声音的版权保护法律法规5.2 数字声音的版权维权途径5.3 数字声音的伦理问题与责任第六章：数字音频编辑软件应用6.1 常见的数字音频编辑软件介绍6.2 Adobe Audition的使用方法6.3 Audacity的基本操作和功能第七章：声音的调制与音效制作7.1 声音调制的原理与技术7.2 常见音效的制作方法7.3 环境音效与空间音效的创建第八章：数字音乐制作基础8.1 数字音乐制作流程与步骤8.2 音乐创作软件与硬件设备8.3 数字音乐编曲与MIDI技术第九章：语音合成与9.1 语音合成的技术原理9.2 在数字声音中的应用9.3 智能语音与虚拟主播第十章：数字声音在教育领域的应用10.1 数字声音在远程教育中的应用10.2 互动式教学中的数字声音运用10.3 数字声音教育资源的设计与开发第十一章：数字音频技术在游戏产业中的应用11.1 游戏音乐与音效的设计原则11.2 3D游戏音效与空间定位技术第十二章：数字音频技术在社交媒体的影响12.1 社交媒体中的音频功能与应用12.2 音频直播与播客的兴起12.3 数字音频内容的创意营销策略第十三章：数字音频技术在辅助听障人士中的应用13.1 辅助听障设备的原理与种类13.2 语音识别与合成技术在听障人士中的应用13.3 数字音频技术在未来听障辅助领域的展望第十四章：数字音频技术在环境保护与监测中的应用14.1 声音监测与环境保护的关系14.2 数字音频在生物多样性监测中的应用14.3 噪声控制与声音景观管理第十五章：数字音频技术的未来发展趋势15.1 虚拟现实与增强现实中的音频技术15.2 智能家居与物联网中的数字音频应用15.3 音频技术在与智能穿戴设备的发展重点和难点解析本文教案主要围绕“数字声音与生活”这一主题展开，内容涵盖了数字声音的概述、采集与处理、应用领域、存储与传输、版权保护与伦理问题以及数字音频编辑软件应用等多个方面。
第二章 数字音频编辑与处理
定俗成的整个电脑音乐的统称。
● 特点：文件不记载声音本身波形数据，可以理解为一个乐队的“总谱”
：上边记录的是有哪些乐器、每种乐器的音高、节奏、强弱等；通过声卡将
这个乐谱识出来，并用已经存放在声卡或者软件中的音色库把对应的声音播 放出来。 ● 应用：适合应用在对资源占用要求苛刻的场合，比如多媒体光盘、游戏 制作、背景音乐等。主要用于计算机声音的重放和处理。
● 声音的三要素
代表声音的快慢，与频率有关；使
● 音调 — (快慢)
用音频处理软件对声音的频率进行
调整时，其音调也会随之发生变化 (慢) (快) 声音的强度 (响度或音量)，与声波振幅成
● 音强 — (强弱)
正比；唱盘、CD 盘等声音载体中的音强
不变，通过播放设备的音量控制可改变聆 (弱) (强) (停) 听时强度；音频处理软件可提高声源音强 声音的特色，主要影响因素是复音；复
主讲：韩立华
信息学院基础教研室
目标
• • • • • • 掌握声音的概念、特点和三个要素； 理解模拟音频转换为数字音频的过程； 掌握常见的音频文件格式及其特点； 了解音量调整、声音录制等基本知识； 掌握音频处理软件CoolEdit的基本用法。 会用CoolEdit制作自己的音频作品。
数字音频编辑处理
数字音频编辑处理
（1）采样
采样是采集声音模拟信号的样本，然 后再转换成数字信号。
数字音频编辑处理
（1）采样
采样是采集声音模拟信号的样本，然后再转 换成数字信号。
采样用两个参数来衡量：
采样频率 采样分辨率
又称：采样位数、 采样精度、量化 位数、量化精度
单位时间内 采样的数量
记录每次采样值大 小的数值的位数
多媒体技术及应用数字音频技术02
特点：在低速的广域网上实时传输音频
4. WMA文件
WMA(Windows Media Audio)是 Windows Media格式中的一个子集(音频 格式)。
特点：压缩到MP3一半
多媒体技术及应用数字音频技术02
2-11
2.1 数字音频基础
5. MIDI和RMI文件 MIDI(乐器数字接口)是由一组音乐、乐 谱或乐器符号的数字集合。 特点：播放效果与硬件相关，数据量很小， 音质不高、音色单调等 6.VOC文件 创新公司开发的声音文件格式，由文件头 块和音频数据块组成。
音乐是符号化的声音。
多媒体技术及应用数字音频技术02
2.1 数字音频基础
二、声音的数字化 1.声音信号的类型 模拟信号(自然界、物理) 数字信号(计算机) 2.声音数字化过程
模拟信号
采样
量化
编码
数字信号
模拟信号
A/D ADC D/A DAC
数字信号
多媒体技术及应用数字音频技术02
2.1 数字音频基础
霍夫曼编码、算术编码、行程编码 ②有损压缩
波形编码--PCM、DPCM、ADPCM 子带编码、矢量量化
参数编码--LPC 混合编码--MPLPC、CELP
多媒体技术及应用数字音频技术02
2.2 数字音频压缩标准
二、音频压缩技术标准
分类
电话语 音质量
调幅广 播质量 高保真 立体声
标准 G.711 G.721 G.723 G.728
多媒体技术及应用数字 音频技术02
2020/11/14
多媒体技术及应用数字音频技术02
第二章 数字音频技术
2.1 数字音频基础 2.2 数字音频压缩标准 2.3 声卡与电声设备 2.4 MIDI与音乐合成 2.5 音频编辑软件 2.6 语音识别技术 本章小结
4. WMA文件
WMA(Windows Media Audio)是 Windows Media格式中的一个子集(音频 格式)。
特点：压缩到MP3一半
多媒体技术及应用数字音频技术02
2-11
2.1 数字音频基础
5. MIDI和RMI文件 MIDI(乐器数字接口)是由一组音乐、乐 谱或乐器符号的数字集合。 特点：播放效果与硬件相关，数据量很小， 音质不高、音色单调等 6.VOC文件 创新公司开发的声音文件格式，由文件头 块和音频数据块组成。
音乐是符号化的声音。
多媒体技术及应用数字音频技术02
2.1 数字音频基础
二、声音的数字化 1.声音信号的类型 模拟信号(自然界、物理) 数字信号(计算机) 2.声音数字化过程
模拟信号
采样
量化
编码
数字信号
模拟信号
A/D ADC D/A DAC
数字信号
多媒体技术及应用数字音频技术02
2.1 数字音频基础
霍夫曼编码、算术编码、行程编码 ②有损压缩
波形编码--PCM、DPCM、ADPCM 子带编码、矢量量化
参数编码--LPC 混合编码--MPLPC、CELP
多媒体技术及应用数字音频技术02
2.2 数字音频压缩标准
二、音频压缩技术标准
分类
电话语 音质量
调幅广 播质量 高保真 立体声
标准 G.711 G.721 G.723 G.728
多媒体技术及应用数字 音频技术02
2020/11/14
多媒体技术及应用数字音频技术02
第二章 数字音频技术
2.1 数字音频基础 2.2 数字音频压缩标准 2.3 声卡与电声设备 2.4 MIDI与音乐合成 2.5 音频编辑软件 2.6 语音识别技术 本章小结
第二章 数字声音及MIDI简介
第二章 数字声音 及MIDI简介
2.1 声音与听觉器官 2.2 声音信号数字化 2.3 声音文件的存储格式 2.4 声音工具 2.5 电子乐器与听觉器官
声音是通过空气传播的一种连续的波，叫声波。
声音的三要素为声调(声音频率的高低）、音量 (强弱)和音色（混入基音中的泛音决定）。
三、采样频率
采样频率的高低可根据奈奎斯特理论(Nyquist theory)和声音信号本身的最高频率决定的。 奈奎斯特理论指出，采样频率不应低于声音信 号最高频率的两倍。此时可以达到无损数字化 (lossless digitization) 。
2.2 声音信号数字化
即有以下采样定律 fs 2f 或者 Ts T/2 其中f为被采样信号的最高频率。 例如，电话话音的信号频率约为3.4 kHz，采样频率 就选为8 kHz。
2.5 电子乐器数字接口(MIDI)系统
单个物理MIDI通道(MIDI channel)分成16个逻 辑通道，每个逻辑通道可指定一种乐器，如图所示
2.5 电子乐器数字接口(MIDI)系统
五、MIDI消息
MIDI数据是一套音乐符号的定义，而不是实际 的音乐声音，因此MIDI文件的内容被称为MIDI消息
64.0
88.2
200～3 400 Hz
50～7 000Hz
FM
CD DAT
22.050
44.1 48
16
16 16
立体声
立体声 立体声
705.6
1411.2 1536.0
20～15 000Hz
20～20 000 Hz 20～20 000 Hz
2.3 声音文件的存储格式
声音文件格式很多，但目前比较流行的有以： .wav(waveform):windows .au(audio):sun
2.1 声音与听觉器官 2.2 声音信号数字化 2.3 声音文件的存储格式 2.4 声音工具 2.5 电子乐器与听觉器官
声音是通过空气传播的一种连续的波，叫声波。
声音的三要素为声调(声音频率的高低）、音量 (强弱)和音色（混入基音中的泛音决定）。
三、采样频率
采样频率的高低可根据奈奎斯特理论(Nyquist theory)和声音信号本身的最高频率决定的。 奈奎斯特理论指出，采样频率不应低于声音信 号最高频率的两倍。此时可以达到无损数字化 (lossless digitization) 。
2.2 声音信号数字化
即有以下采样定律 fs 2f 或者 Ts T/2 其中f为被采样信号的最高频率。 例如，电话话音的信号频率约为3.4 kHz，采样频率 就选为8 kHz。
2.5 电子乐器数字接口(MIDI)系统
单个物理MIDI通道(MIDI channel)分成16个逻 辑通道，每个逻辑通道可指定一种乐器，如图所示
2.5 电子乐器数字接口(MIDI)系统
五、MIDI消息
MIDI数据是一套音乐符号的定义，而不是实际 的音乐声音，因此MIDI文件的内容被称为MIDI消息
64.0
88.2
200～3 400 Hz
50～7 000Hz
FM
CD DAT
22.050
44.1 48
16
16 16
立体声
立体声 立体声
705.6
1411.2 1536.0
20～15 000Hz
20～20 000 Hz 20～20 000 Hz
2.3 声音文件的存储格式
声音文件格式很多，但目前比较流行的有以： .wav(waveform):windows .au(audio):sun
数字声音及MIDI
• T为抽样周期，1/T抽样频率
–
量化：把抽样序列x(nT)量化成一个有限个 幅度之的集合x’(nT).
2. 声音数字化：
– – – Sampling, Quantization, Coding 采样频率与量化精度 Nyquist定理（1928年提出原理，仙侬形成 定理并应用，1933年卡切尼科夫用公式表 述）：
– 在乐器上演奏音符，采样 – 存于ROM中 – 合成。图2-9
5.MIDI系统:
– MPC:MIDI 接口与声音模块组合在卡上。SoundMAX Wavetable synthesizer(MIDI音乐播放器） – Windows Media Player 播放 MIDI音乐（music\容易受伤的女 人.mid，music\梁祝.mid） – 制作软件Midisoft Studio 6
– – MIDI MIDI是一套指令，指示MIDI设备做什么，如何做。 MIDI MIDI不是声音信号，而是发送给Midi 设备的，产 生声音或执行动作的指令。
2.
– –
MIDI乐音的产生方法
频率调制合成， FM 波形表合成 wave table synthesis
3.频率调制合成:
把几种乐音的波形用数字表达，存于计算机中并通过 数模转换器来生成乐音。专利售给Yamaha公司。乐音 由一组参数控制。 4.波形表合成 把乐器的真实声音记录下来，生成各种音符
3.采样频率
采样频率≥2f
这里f为被采样信号的最高频率。
4. 量化精度
– 量化： 取样值（-∞,+∞）→有限个数（量化 值近似） – 若量化值有J个，若用二进制表示，需要 R=log2(J) 位 – 量化误差：用有限的离散值表示无限多的连 续值，必然存在误差. 该误差又称为量化噪 声（与一般的噪声不同）。 – 采样精度可与用信噪比表示: R为编码位数
–
量化：把抽样序列x(nT)量化成一个有限个 幅度之的集合x’(nT).
2. 声音数字化：
– – – Sampling, Quantization, Coding 采样频率与量化精度 Nyquist定理（1928年提出原理，仙侬形成 定理并应用，1933年卡切尼科夫用公式表 述）：
– 在乐器上演奏音符，采样 – 存于ROM中 – 合成。图2-9
5.MIDI系统:
– MPC:MIDI 接口与声音模块组合在卡上。SoundMAX Wavetable synthesizer(MIDI音乐播放器） – Windows Media Player 播放 MIDI音乐（music\容易受伤的女 人.mid，music\梁祝.mid） – 制作软件Midisoft Studio 6
– – MIDI MIDI是一套指令，指示MIDI设备做什么，如何做。 MIDI MIDI不是声音信号，而是发送给Midi 设备的，产 生声音或执行动作的指令。
2.
– –
MIDI乐音的产生方法
频率调制合成， FM 波形表合成 wave table synthesis
3.频率调制合成:
把几种乐音的波形用数字表达，存于计算机中并通过 数模转换器来生成乐音。专利售给Yamaha公司。乐音 由一组参数控制。 4.波形表合成 把乐器的真实声音记录下来，生成各种音符
3.采样频率
采样频率≥2f
这里f为被采样信号的最高频率。
4. 量化精度
– 量化： 取样值（-∞,+∞）→有限个数（量化 值近似） – 若量化值有J个，若用二进制表示，需要 R=log2(J) 位 – 量化误差：用有限的离散值表示无限多的连 续值，必然存在误差. 该误差又称为量化噪 声（与一般的噪声不同）。 – 采样精度可与用信噪比表示: R为编码位数
数字声音及MIDI简介
三、MIDI音序器
·概念 ·音轨
因而采样频率11. 根据CCITT(Consultative Committee of International Telegraph and Telephone)的声音标准，把声音根据使用范围分为以下三个等级： 声音进入计算机的第一步就是数字化
频率和振幅(0—120db) 1kHz，可完全重现原来的声音。 乐器数字化接口（Musical Instrumment DigitalInterface） ·计算机作曲(cakewalk) 带宽:用于描述组成复合信号的频率范围。 ·超声(ultyrasonic) 压缩比1：15，比Mp3的1：12高。
Realone player ,
是最好的一种声音格式文件，16为采 样精度，44.1kHz，可完全重现原来 的声音。
Windows自带工具CD唱机
2.4 MIDI系统
一、MIDI的产生
Musical Instrument Digital interface 用于在音乐合成器(music synthesizers)、（music instruments)和计算机之间交换音乐信息的 一种标准协议。
fs ≥ 2 fmax
fs ≥ 2 fmax 媒体播放器、超级解霸，Realone Player、Winmap ·高保真立体声级：20Hz-20kHz 3 常用声音文件格式及存储 ·音频信号(adio)
SNR=10lg[(Vsignal)2/(Vnoise)2]=20 lg(Vsignal/vnoise) 1kHz，可完全重现原来的声音。 因而采样频率11. ·计算机作曲(cakewalk)
一、采样
采样定理(1924,Nyquist thoery)
fs ≥ 2 fmax
·概念 ·音轨
因而采样频率11. 根据CCITT(Consultative Committee of International Telegraph and Telephone)的声音标准，把声音根据使用范围分为以下三个等级： 声音进入计算机的第一步就是数字化
频率和振幅(0—120db) 1kHz，可完全重现原来的声音。 乐器数字化接口（Musical Instrumment DigitalInterface） ·计算机作曲(cakewalk) 带宽:用于描述组成复合信号的频率范围。 ·超声(ultyrasonic) 压缩比1：15，比Mp3的1：12高。
Realone player ,
是最好的一种声音格式文件，16为采 样精度，44.1kHz，可完全重现原来 的声音。
Windows自带工具CD唱机
2.4 MIDI系统
一、MIDI的产生
Musical Instrument Digital interface 用于在音乐合成器(music synthesizers)、（music instruments)和计算机之间交换音乐信息的 一种标准协议。
fs ≥ 2 fmax
fs ≥ 2 fmax 媒体播放器、超级解霸，Realone Player、Winmap ·高保真立体声级：20Hz-20kHz 3 常用声音文件格式及存储 ·音频信号(adio)
SNR=10lg[(Vsignal)2/(Vnoise)2]=20 lg(Vsignal/vnoise) 1kHz，可完全重现原来的声音。 因而采样频率11. ·计算机作曲(cakewalk)
一、采样
采样定理(1924,Nyquist thoery)
fs ≥ 2 fmax
第二章 数字音频处理
◆
为了把采样得到的离散序列信号存入计算机， 必须将采样值量化成有限个幅度值的集合，采样值 用二进制数字表示的过程称为量化编码。
左图为采样率2000Hz，量化等级为20的采样量化过程 右图为采样率4000Hz，量化等级为40的采样量化过程
当采样率和量化等级提高一倍，从图中可以看出， 当采样率和量化等级提高一倍，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）， D/A转换器重构原来信号时 ），信 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。 பைடு நூலகம்的失真明显减少，信号质量得到了提高。
2.1.2 声音的三要素
声音的三要素是音调、音色和音强。 声音的三要素是音调、音色和音强。 音调 音调---代表了声音的高低。 1.音调---代表了声音的高低 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 音调与频率有关，频率越高，音调越高， 如果改变某种声源的音调， 然。如果改变某种声源的音调，则声音会发生质 的转变，使人们无法辨别声源本来的面目。 的转变，使人们无法辨别声源本来的面目。
fs ≥2f 或者 Ts ≤T/2 其中f为被采样信号的最高频率 fs 为采样频率
2.2.3 影响数字音频质量的技术参数 对模拟音频信号进行采样量化编码后，得 到数字音频。数字音频的质量取决于采样频率、 量化位数和声道数三个因素。 1) 采样频率 采样频率是指一秒钟时间内采样的次数。 在计算机多媒体音频处理中，采样频率通常采 用三种：11.025KHz(语音效果)、22.05KHz(音 乐效果)、44.1KHz(高保真效果)。常见的CD唱 盘的采样频率即为44.1KHz。
2.1 多媒体计算机的组成与结构 2.2 多媒体音频 2.3 多媒体视频 2.4 多媒体光存储器 2.5 多媒体输入输出设备
为了把采样得到的离散序列信号存入计算机， 必须将采样值量化成有限个幅度值的集合，采样值 用二进制数字表示的过程称为量化编码。
左图为采样率2000Hz，量化等级为20的采样量化过程 右图为采样率4000Hz，量化等级为40的采样量化过程
当采样率和量化等级提高一倍，从图中可以看出， 当采样率和量化等级提高一倍，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）， D/A转换器重构原来信号时 ），信 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。 பைடு நூலகம்的失真明显减少，信号质量得到了提高。
2.1.2 声音的三要素
声音的三要素是音调、音色和音强。 声音的三要素是音调、音色和音强。 音调 音调---代表了声音的高低。 1.音调---代表了声音的高低 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 音调与频率有关，频率越高，音调越高， 如果改变某种声源的音调， 然。如果改变某种声源的音调，则声音会发生质 的转变，使人们无法辨别声源本来的面目。 的转变，使人们无法辨别声源本来的面目。
fs ≥2f 或者 Ts ≤T/2 其中f为被采样信号的最高频率 fs 为采样频率
2.2.3 影响数字音频质量的技术参数 对模拟音频信号进行采样量化编码后，得 到数字音频。数字音频的质量取决于采样频率、 量化位数和声道数三个因素。 1) 采样频率 采样频率是指一秒钟时间内采样的次数。 在计算机多媒体音频处理中，采样频率通常采 用三种：11.025KHz(语音效果)、22.05KHz(音 乐效果)、44.1KHz(高保真效果)。常见的CD唱 盘的采样频率即为44.1KHz。
2.1 多媒体计算机的组成与结构 2.2 多媒体音频 2.3 多媒体视频 2.4 多媒体光存储器 2.5 多媒体输入输出设备
第二章数字声音及MIDI-资料
5. 音频数据率
未经压缩的数字音频数据率（bit/s）＝ 采样频率（Hz）×量化位数 （bit）×声道数
音频数据存储量（Byte）＝ 数据率（bit/s）×持续时间（s） / 8
存储量=采样频率×量化位数/8×声道数×时间
例：采样率11.025KHz、量化位8位，采集1分钟， 则：音频数据率＝11.025（KHz）×8（bit） ＝ 88.2 (Kbit/s) 音频数据量＝11.025（KHz）×8（bit） ×60（s）/8＝ 0.66 (MByte)
振 幅
周期
基线
•基线是测量模拟信号的基准点。 •声波的振幅表示声音信号的强弱程度。 •声波的频率反映出声音的音调，声音细尖 表示频率高，声音粗低表示频率低。
•振幅和频率不变的声音信号，称为单音。 单音一般只能由专用电子设备产生。
•在日常生活中，我们听到的自然界的声音 一般都属于复音，其声音信号由不同的振
幅与频率合成而得到。
模拟声音信号：可分解成一系列正弦波的 线性叠加。
最低频的音波称为基音，频率为基频 其余的为泛音，频率是基频的整数倍。
声音三要素：音高、音色、音强
音高：由基频决定，基频取对数后与人的音高 感觉成线性关系。
音色：有混入基音中的泛音决定。
音强：幅度，听觉与声音信号强度不成线性关 系，因而用20log幅度（分贝）表示
声音的质量与数据率
根据声音的频带，把声音的质量分为5个 等级
质量
采样频率 分辨率 （KHz） (b/s)
单声道/ 数据率 频率范围
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。常用的 量化位数为8位、12位、16位。
第5讲—第二章 数字音频处理技术(2)
14
（对应书中第六章） 对应书中第六章）
思考题
数据压缩技术
主要内容
基本概念 ■ 信息熵概念 信息熵概念 ■ 数据压缩必要性 ■ 数据压缩条件 ■ 数据冗余 ■ 数据压缩算法性能指标 ■ 数据压缩算法分类 ■ 统计编码 行程长度压缩 霍夫曼编码 算术编码 词典编码 ■ 预测编码 ■ 变换编码 JPEG 编码 ■ JPEG三个标准 三个标准 ■ JPEG编码和解码模型 编码和解码模型 离散余弦变换 量 化 DC和AC系数的编码 和 系数的编码 熵编码 MPEG 编码
●合成器
合成器是一种将MIDI文件中的数字信号转换成声音波形的电子设备。 文件中的数字信号转换成声音波形的电子设备。 合成器是一种将 文件中的数字信号转换成声音波形的电子设备 常用的MIDI合成器有 合成器和 合成器有FM合成器和 合成器二种类型。 常用的 合成器有 合成器和WAVETABLE合成器二种类型。 合成器二种类型
●电子音乐合成
使用计算机利用声音合成技术生成音乐的技术称为电子音乐合 成。
4
MIDI文件与 文件与WAV文件比较 文件与 文件比较
●MIDI指令 指令
MID数据是一套指令，它指示乐器即MIDI设备做了什么，怎么做 数据是一套指令，它指示乐器即 设备做了什么， 数据是一套指令 设备做了什么 如演奏音符、加大音量、生成音响效果等。 的，如演奏音符、加大音量、生成音响效果等。
●音序器
音序器是一种记录、编辑和生成 文件的软件。 音序器是一种记录、编辑和生成MIDI文件的软件。它将乐曲的 文件的软件 数字化信息按时间或节拍顺序记录下来， 数字化信息按时间或节拍顺序记录下来，根据用户的要求进行编辑 修改或创作MIDI文件。最后把 文件。 文件送到合成器， 、修改或创作 文件 最后把MIDI文件送到合成器，经合成后自 文件送到合成器 动演奏播放。 动演奏播放。
第三章 数字声音与MIDI简介
声音是连续信号，以连续波的形式传播。而计 算机只能处理数字信号，为使计算机能处理音频 信号，必须对音频信号数字化。
声源 声波 传声器
从模拟到数字 模拟电信号 数字声音
计算机能够处理的典型数字音频：
audio） 数字方式表示声波，存储对波形采样后得到 的数字化信息，文件格式 *.wav。 MIDI音频（MIDI audio） 电子合成器合成的声音，文件格式 *.mid。 CD唱盘数字音频（CD audio） 数字采样技术制作的，把数字位1和0通过激 光刻写在盘片上（形式为微小的长短不等的 凹坑），重放时用激光读出数据，再通过 D/A转换成模拟信号。
第三章 数字声音与MIDI简介
第一节 数字声音
声音的本质
• 声音是携带信息的极其重要的媒体（20％） • 声音是通过空气传播的一种连续的波，叫声波， 也具有反射、折射和衍射现象。 • 声音信号是由许多频率不同的分量信号组成的复 合信号。复合信号的频率范围称为带宽。 • 带宽为20Hz－20kHz的信号称为音频（audio）信 号，可以被人的耳朵感知。 • 声音是时基类媒体。
标准采样频率
采样频率 8KHz 采样次数/s 8000 声音质量 电话音质
11.025KHz
22.05KHz 44.1KHz 48KHz
11025
22050 44100 48000
AM音质
FM音质 CD音质 DAT音质
说明：DAT指数字录音带格式（Digital audio type）
2. 采样定理
由于一个物体不可能总是一成不变
的振动，所以它的频率和振幅都会 随着时间的改变而改变，并最终趋 于静止。我们把一声音的发展过程 分为四个阶段，分别是触发、衰减、 保持和消失。这四个阶段我们统称 为“包络” 。包络的发生时间，也 决定了一个乐音的时值。
声源 声波 传声器
从模拟到数字 模拟电信号 数字声音
计算机能够处理的典型数字音频：
audio） 数字方式表示声波，存储对波形采样后得到 的数字化信息，文件格式 *.wav。 MIDI音频（MIDI audio） 电子合成器合成的声音，文件格式 *.mid。 CD唱盘数字音频（CD audio） 数字采样技术制作的，把数字位1和0通过激 光刻写在盘片上（形式为微小的长短不等的 凹坑），重放时用激光读出数据，再通过 D/A转换成模拟信号。
第三章 数字声音与MIDI简介
第一节 数字声音
声音的本质
• 声音是携带信息的极其重要的媒体（20％） • 声音是通过空气传播的一种连续的波，叫声波， 也具有反射、折射和衍射现象。 • 声音信号是由许多频率不同的分量信号组成的复 合信号。复合信号的频率范围称为带宽。 • 带宽为20Hz－20kHz的信号称为音频（audio）信 号，可以被人的耳朵感知。 • 声音是时基类媒体。
标准采样频率
采样频率 8KHz 采样次数/s 8000 声音质量 电话音质
11.025KHz
22.05KHz 44.1KHz 48KHz
11025
22050 44100 48000
AM音质
FM音质 CD音质 DAT音质
说明：DAT指数字录音带格式（Digital audio type）
2. 采样定理
由于一个物体不可能总是一成不变
的振动，所以它的频率和振幅都会 随着时间的改变而改变，并最终趋 于静止。我们把一声音的发展过程 分为四个阶段，分别是触发、衰减、 保持和消失。这四个阶段我们统称 为“包络” 。包络的发生时间，也 决定了一个乐音的时值。
第2章 1-数字声音
30
量化
为了把抽样序列X(nT)存入计算机，必须将样本值量 化为一个有限个幅度值的集合X(nT)。 通常使用二进制数字表示量化后的样本值。用B位二 进制码字可以表示2B个不同的量化电平。 存储数字音频信号的比特率为： I=B〃fs（比特/秒） 式中，fs是抽样率（抽样/秒），B是每个样值的比特 数（比特/采样）。
18 May 2014
10
（5）频谱
简谐振动：物体在一定位置附近做来回往返运动。 简谐振动会产生一个特定音调的纯音。 复音：产生于物体的复杂振动，可分解为许多不同 振幅和不同频率的简谐振动，简谐振动的振幅按 频率排列的图形称为频谱。如图为钢琴（基频为 253Hz）的复音频谱。
dB
频率
18 May 2014 11
18 May 2014
31
量化的过程
先将整个幅度划分为有限个小幅度（量化 阶距）的集合，把落入某个阶距内的样值归 为一类，并赋予相同的量化值。 设为量化阶距，量化器的最大范围是Xmax， 则 =2Xmax / 2B
18 May 2014
32
Sampling Resolution 8 bit Sampling Frequency 11 KHz
34
0010101100011000
+32767 … +512 +128 0 -128 -512 … -32768
Sampling Resolution 16 bit Sampling Frequency 22 KHz
18 May 2014
35
量化精度
样本大小是用每个声音样本的位数(bit/s或 b/s)表示，它反映了度量声音波形幅度的精度。
个。话音信号是典型的连续信号。
MMT_02_数字声音与MIDI
文件的扩展名 Au
aif(Audio Interchange) cmf(Creative Music Format) Mct mff(MIDI Files Format) mid(MIDI) Mp2 Mp3 mod(Module) rm(RealMedia)
–1.采样（Sampling）
–2.量化（Quantization: A/D conversion）
–3.编码（Encoding）
模拟音频 采样
量化
编码 数字音频
01101001 ……
• 声音信号的数字化
–采样（Sampling）
• 定义
–每隔一定的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。
• 通常，采样频率越高，记录的声音就越自然， 反之，若采样频率太低将失去原有声音的自 然特性，这一现象称为失真。
• 声音信号的数字化
–量化（Quantization）
• 量化是连续幅度的离散化，就是把信号的强 度划分成一小段一小段。
–如果幅度的划分是等间隔的，就称为均匀量化， 否则就称为非均匀量化。
–AD/DA 转换器 » 负责录音及播放*.WAV格式的波形文件。
–电子合成器（Synthesizer） » 负责MIDI乐曲的合成，及时创造各种音乐。
–混音器（Mixer） » 是一个处理音效控制的芯片，负责调节各声音 来源的音量、混音与调整录放音的音量大小。
–CD 音频连接器 （CD-Audio Connector） » 可以接收光盘机中的音乐信号。
• 声音信号的数字化
–采样和量化
采样
量化
• 声音信号的数字化
–采样和量化
采样
量化
• 声音信号的数字化
数字录音制作复习资料整理
第一章初识数字音频模数转换:ADC 数模转换:DAC1.什么叫数字音频？数字音频技术是利用数字技术处理声音的方法，简称为数字音频.数字音频是随着数字信号处理技术、计算机技术、多媒体技术的发展而形成的一种全新的声音处理手段.2.数字音频与电脑音乐、MIDI的区别？1,数字音频的主要应用领域是音乐制作和录音。
就录音制作来说，其主要采用的方法分为两种，即数字音频和MIDI技术。
2,数字音频和MIDI技术都可以应用在电脑上，也可以脱离电脑使用其他数字设备完成。
所以说电脑音乐包含了数字音频和MIDI技术，而数字音频和MIDI技术并不是必须依靠电脑才能实现。
3.数字音频能做什么？数字音频已经深入到了生活中的各个角落，它的应用面非常广泛。
1.唱片制作2.影视配音、配乐3.手机铃声制作4.多媒体教学5.Flash制作4.数字音频的优势？数字音频相比传统的模拟音频技术，其优势是非常明显的。
1,在声音存储方面，传统的模拟音频技术需要将声音存储在磁带或黑胶唱片等模拟介质中，模拟介质不容易保存，会由于温度、湿度等原因或赞造成损坏，或声音质量下降。
2,在声音处理方面，模拟音频技术记录下的声音很难进行复杂的二次加工，所以音乐的录制一般都需要一次完成，后期很难对音乐中的错误进行修正。
3,在声音压缩方面，模拟音频技术在尽量不损失音质的情况下，最多可以实现1：2的压缩比率，也就是用相同长度的一段磁带，记录比原来多一倍的声音信号。
而数字音频在这方面是绝对的领先者,出色的数字音频压缩技术使得音乐能够快速地在因特网上传播。
数/模转换：声音被播放出来时，声卡将电脑内部的数字信号转换为模拟信号，由声音输出接口经过模拟音频线输出到音响或者耳机，音响或者耳机再将模拟声音信号转化为人耳能够听到的声音，这就是声卡的数字信号到模拟信号的转化过程。
5.如何构建一套简单数字音频电脑软件、硬件系统？一台装有声卡的普通电脑，就可以称之为一个数字音频电脑硬件系统。
第2章 数 字 声 音
声音类型 声音带宽（Hz） 数字语音 CD唱片 300～3400 20～20 000 采样频率 （kHz） 8 44.1 量化位数 （bits） 8 16 声道数 1 2 未压缩时的码率 （kbps） 64 1411.2
声音数据量以Byte为单位，可由下式算出： 声音数据量＝采样频率×（量化精度÷8）×声道数×时间 ＝（声音的码率÷8）×时间 例如，CD唱片的采样频率是44.1kHz，量化精度为16位，声道数为2（立体声）， 那么，根据上式计算出每分钟声音的数据量为44 100×（16/8）×60×2≈10.09MB。
3．声道数 ． 立体声虽然满足了人们对左、右声道位置感体验的要求，但要达到好的效果， 仅仅依靠两个音箱是远远不够的。随着声音合成技术的发展，双声道立体声逐步 向效果来模拟的，例如，画面中一架飞机从远处向你飞来，引擎呼啸声由 远而近，让你感觉就好像身处飞机场一样。往后便发展到4声道（两前两后）、 DVD的6声道（5.1）、7声道（6.1）、8声道（7.1），以及电影院的10声道。5.1声 道的音箱系统如图2.5所示。
图2.5 5.1声道的音箱系统
音频API种类繁多，目前各种游戏可以使用的API和3D技术大体上有 DirectSound 3D（DS3D），A3D，EAX，Sensaura 3D，Q3D，IAS等。不同的声卡硬 件和不同的游戏往往支持多种不同的API和3D技术，这主要取决于声卡所采用的 音效芯片的类型。 （1）DirectSound 3D DirectSound 3D（即DS3D）是DirectX中的一个组件，是Microsoft公司专为游戏 开发的API，得益于DirectX的不断发展和完善，DS3D得到了众多声卡厂商的支持。 DS3D的作用在于帮助开发者定义声音在3D空间中的定位和声响，然后把它交给与 DS3D兼容的声卡，让它们用各种算法去实现。定位声音的效果好坏实际上取决于 声卡所采用的算法。 （2）Aureal 3D Aureal 3D简称A3D，是由著名的Aureal Semiconductor公司开发的新型3D音效 定位技术。使用这一技术的应用程序（通常是游戏）可以根据用户的选择来决定 音效的变化，而且可以只通过一对普通的音箱或耳机来实现，产生围绕听者的3D 精确定位音效。
声音数据量以Byte为单位，可由下式算出： 声音数据量＝采样频率×（量化精度÷8）×声道数×时间 ＝（声音的码率÷8）×时间 例如，CD唱片的采样频率是44.1kHz，量化精度为16位，声道数为2（立体声）， 那么，根据上式计算出每分钟声音的数据量为44 100×（16/8）×60×2≈10.09MB。
3．声道数 ． 立体声虽然满足了人们对左、右声道位置感体验的要求，但要达到好的效果， 仅仅依靠两个音箱是远远不够的。随着声音合成技术的发展，双声道立体声逐步 向效果来模拟的，例如，画面中一架飞机从远处向你飞来，引擎呼啸声由 远而近，让你感觉就好像身处飞机场一样。往后便发展到4声道（两前两后）、 DVD的6声道（5.1）、7声道（6.1）、8声道（7.1），以及电影院的10声道。5.1声 道的音箱系统如图2.5所示。
图2.5 5.1声道的音箱系统
音频API种类繁多，目前各种游戏可以使用的API和3D技术大体上有 DirectSound 3D（DS3D），A3D，EAX，Sensaura 3D，Q3D，IAS等。不同的声卡硬 件和不同的游戏往往支持多种不同的API和3D技术，这主要取决于声卡所采用的 音效芯片的类型。 （1）DirectSound 3D DirectSound 3D（即DS3D）是DirectX中的一个组件，是Microsoft公司专为游戏 开发的API，得益于DirectX的不断发展和完善，DS3D得到了众多声卡厂商的支持。 DS3D的作用在于帮助开发者定义声音在3D空间中的定位和声响，然后把它交给与 DS3D兼容的声卡，让它们用各种算法去实现。定位声音的效果好坏实际上取决于 声卡所采用的算法。 （2）Aureal 3D Aureal 3D简称A3D，是由著名的Aureal Semiconductor公司开发的新型3D音效 定位技术。使用这一技术的应用程序（通常是游戏）可以根据用户的选择来决定 音效的变化，而且可以只通过一对普通的音箱或耳机来实现，产生围绕听者的3D 精确定位音效。
数字声音及MIDI简介剖析课件
探索数字声音及midi技术的更多可能性
数字声音及MIDI技术将不断拓展其在音乐创作和制作领域的 应用，例如在影视配乐、游戏音效等方面的应用。
通过与其他技术的结合，数字声音及MIDI技术将为音乐产业 带来更多的创新应用，例如智能乐器、音乐治疗等。
THANKS
感谢观看
音乐制作中，数字声音和MIDI技术是必不可少的。数字声音可以提供高 质量、无损的音频，而MIDI可以提供音乐制作中所需的音符、节奏等信 息。
在音乐制作中，数字声音可以通过音频工作站进行录制、编辑和混音， 而MIDI则可以通过音序器、编曲键盘等设备进行演奏和编辑。
数字声音和MIDI技术的结合，可以使得音乐制作更加高效、灵活和具有 表现力。
数字声音技术解析
数字声音的采集
模拟声音转换为数字信号
通过模拟-数字转换器（ADC），将模拟声音信号转换为数字信号。
影响采集质量的因素
采样率、分辨率、信噪比等参数。
数字声音的编码与解码
01
02
03
编码方式
采用压缩算法将数字声音 数据进行压缩，以减小文 件大小和存储空间。
解码方式
对经过压缩的数字声音数 据进行解压缩，还原为原 始的数字声音信号。
游戏音效中的数字声音与midi技术
游戏音效中，数字声音和MIDI技术也 是非常重要的。数字声音可以提供高质 量的游戏音效，而MIDI则可以提供游
戏背景音乐的演奏信息。
在游戏音效中，数字声音可以通过游戏 音频引擎进行播放和混音，而MIDI则 可以通过游戏中的音乐播放器进行演奏
和编辑。
数字声音和MIDI技术的结合，可以使 得游戏音效更加逼真、丰富和具有表现
数字声音及midi技术的版权问题与解决方案
音频信息的获取与处理
3. 数字音频音质与数据流量 3.1 音频信号经过数字系统重现后的音质与系统频率响应的范围成正比. 模拟信号 A/D→D/A 模拟信号
“音质”正比于“采样频率”× “量化位数” 3.2 音频数据流量单位(比特率，位数，码率) kb/s(kbps) ， 8kbps = 1kBps = 采样频率 × 量化字节数 × 通道数 音频数据流量和数据量的计算 例: 对于调频广播级立体声，采样频率44.1 kHz，量化位数16 位，则音频信号 数字化后的数据量为: 44.1k×16 ×2 =1411.2 kb/s =176.4 kByte/s 采样频率 量化 声道数 数据量 电话: 11 kHz, 8位, 单声道, 88kb/s 收音机: 22kHz, 16位, 双声道, 352kb/s CD: 44.1kHz, 2Byte, 双声道, 1411 kb/s 音频数据总量=音乐时长×数据流量 例: 对于三分钟的乐曲，立体声总量=180s×176kB/s=31.68MB
第二章 音频信息的获取与处理
一．声音概述 二．数字化音频 三．音乐合成与MIDI 四．音频卡 五．数字音频压缩标准
2. 噪声 70dB: 50%的人的睡眠受到影响. 噪声性耳聋: 长期暴露在强噪声中, 听力不能复原, 引起心血管和消化系统疾病; 140dB ~160dB(高强度噪声): 会使鼓膜破裂, 双耳完 全失聪. 超音速飞机的轰声, 爆炸声: 玻璃震碎, 墙皮脱落 160dB以上的特强噪声: 使金属疲劳损坏
4.5 流式音频文件~ WMA扩展名 Microsoft 研制的一种压缩文件或流式文件, 相当于MP3, 压缩率较高和音质较好. 边下载边播放 4.6 流式音频文件~ RA扩展名 Real networks 推出的压缩格式，其压缩比可达到96:1. 4.7 数字音频文件~ PCM扩展名 模拟音频经A/D转换形成的二进制数字序列, 该文件没有文件头和文件结束标志. 音源信息完整, 冗余度过大, 音质好,数据量大. 较高保真水平, 被用于素材保存及音乐欣赏. 4.8 CD-DA音频文件~ CDA扩展名： 激光CD音乐盘格式. 音质好, 数据量大。 4.9 APE音频文件：是一种无损压缩音频技术，与MP3等有损压缩方式不同，在将CDA音 频数据文件压缩成APE格式后，还可将APE格式的文件还原为压缩前的CDA文件。APE 的文件大小约为CDA的一半。APE格式可用于通过网络传输CD质量的音乐. APE常用软件: CuteAPE(切割ape) Windows Media Player 11 千千静听 暴风影音和MPC等等。 5. 数字音频编辑：剪切粘贴, 左右声道剪切粘贴, 淡入淡出, 回声和混响, 模拟厅场。 6. 音频信号处理：声纹识别测谎，音乐合成，立体声模拟，采集，编解码和传输。
数字声音及MIDI简介
声音的三要素
音调、音强、音色为声音的三要素。 音强（响度）取决于声音的幅度。 音调取决于声音的频率。 音色是由混入基音的泛音所决定的。
声音的听觉特性
声音的方向性 人的耳朵对声音强度和频率的反应成对数形式 声音的掩蔽特性（时域掩蔽、频域掩蔽）
声音质量的度量
声音的质量与声音的带宽有关，一般来说频率范围越宽， 声音质量也就越高。
关于音频信号的几个问题
奈奎斯特（Nyquist）理论与混迭效应
量化
信号的时域与频率特征
人耳对音频信号的理解
信号的表示和编码
信号的重构
音频信号处理的流程
原始声音 信 号 声电信号 转 换 低 滤 通 波 模拟数字 转 换
传 输 存 储 数字模拟 转 换
声 音 合 成 功 率 放 大
数字信号 处 理
MIDI的物理接口标准
各个MIDI设备通过专用的串行电缆(MIDI线)连接， 并以 31.25 kb/s（每字节10位） 的速度传送着数字音乐 信息。
MIDI
Thru
Out
In
MIDI通道的概念
单个物理MIDI通道分为16个逻辑通道，每个逻辑通 道可指定一种乐器。MIDI键盘可设置在这16个通道中的 任何一个，MIDI合成器可以被设置在指定的通道上接收 MIDI指令。
质量 采样频率 （kHz） 8 11.025 22.050 44.1 样本精度 （bit） 8 8 16 16 单道声/ 立体声 单道声 单道声 立体声 立体声 数据率 （kb/s） 64 88.2 705.6 1411.2
电话 AM FM CD
第3节 音频处理技术
- 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)。
Windows Media Player 播放 MIDI音乐
制作软件Midisoft Studio 6
MIDI文件
记录MIDI信息的标准格式文件称MIDI文件，其中 包含音符、定时和多达16个通道的乐器定义以及 键号、通道号、持续时间、音量和击键力度等各 个音符的有关信息。定义和产生乐曲的MIDI信息 和数据组存放于MIDI文件中，每个MIDI文件最多 可存放16个音乐通道的信息。
1. 从模拟信号到数字信号
模拟信号：在时间与幅度上都连续，连续 记为x(t).
离散信号：按一定的时间间隔T，得到的 x(nT).
T为抽样周期，1/T抽样频率
量化：把抽样序列x(nT)量化成一个有限个幅 度之的集合x’(nT).
对模拟音频信号进行采样量 化编码后，得到数字音频。数字 音频的质量取决于
第二章 数字声音及MIDI
信息：数、文、形、音、图 音频：麦克风、扬声器 多媒体计算机：
声音的输入、存储、处理、输出
声音：消息、意向、情感
表示方式 汉字内码 点阵 声音
数据量
表达信息
2-4字节
编码
32—数百字节 汉字形、体
几千字节
声学、意向、情感
2.1 声音与听觉
声音：通过空气传播的一种连续的波， 又称声波。
WAV文件来源于对声音模拟波形的采样。用不同 的采样频率对声音的模拟波形进行采样可以得到 一系列离散的采样点，以不同的量化位数（8位或 16位）把这些采样点的值转换成二进制数，然后 存入磁盘，这就产生了声音的WAV文件，即波形 文件。WAV文件是由采样数据组成的，所以它需 要的存储容量很大。
（2） VOC文件
（3） MIDI文件
MIDI（musical instrument digital interface）是一种技术规范，从它的英文全 名可以看出，它用于音乐。
其他音频文件
最重要的是PCM格式，它是模拟的音频信号经数模转 换（A/D变换）直接形成的二进制序列，该文件没有 附加的文件头和文件结束标志。在声卡提供的软件中， 可以利用VOC HDR程序，为PCM格式的音频文件 加上文件头，而形成VOC格式。Windows的 Convert工具也可以将PCM音频文件转换成 Microsoft的WAV格式。
•采样频率 •量化位数 •声道数
采样频率
采样频率是指一秒钟时间内采样的次数。 在计算机多媒体音频处理中，采样频率通
常采用三种：11.025KHz(语音效果)、 22.05KHz(音乐效果)、44.1KHz(高保真效 果)。常见的CD唱盘的采样频率即为 44.1KHz。
量化位数
量化位数也称“量化精度”，是描述每个 采样点样值的二进制位数。
音序器是一种为MIDI作曲而设计的软件或设备， 可用来记录、播放及编辑MIDI事件，大多数音序 器可输入输出MIDI文件。当演奏MIDI文件时，音 序器将MIDI信息从文件中取出并送至合成器中。
MIDI作品
MIDI作者可以购买现成的产品，也可以自己制作。 当然，开发自己的MIDI作品，除了必须拥有计算 机方面的知识与设备之外，还需要具备专业音乐 知识和专用工具。
振 幅
周期
基线
•基线是测量模拟信号的基准点。 •声波的振幅表示声音信号的强弱程度。 •声波的频率反映出声音的音调，声音细尖 表示频率高，声音粗低表示频率低。
•振幅和频率不变的声音信号，称为单音。 单音一般只能由专用电子设备产生。
•在日常生活中，我们听到的自然界的声音 一般都属于复音，其声音信号由不同的振
3. 常见声音文件的扩展名 表2-2
声音文件
在多媒体技术中，存储声音信息的常用文 件格式主要有：WAV文件、VOC文件、 MIDI文件、AIF文件、SNO文件和RMI文件 等。
（1） WAV文件
WAV是Microsoft公司的音频文件格式。利用 Microsoft Sound System软件Sound Finder可 以将AIF、SND和VOD文件转换到WAV格式。
声音的度量：频率与幅度（声波压力的 大小）
频率用音高表示，幅度用声强表示 与看得见的水波类似
波形声音
波形声音，实际上包含了所有的声音形式。任何 声音信号，包括麦克风、磁带录音、无线电和电 视广播、光盘等各种声源所产生的声音，都要首 先对其进行模数转换，然后再恢复出来。
语音（speech）
声卡：附带wave studio 网上：cool edit, goldwave
Windows Media Player
播放和组织计算机和 Internet 上的数字媒体文件。 这就好象把收音机、视频播放机、CD 播放机和 信息数据库等都装入了一个应用程序中
Windows Media Player 播放器支持的文件类 型.doc
10
lg
2
( signal 2 noise
)
6R
5. 音频数据率
未经压缩的数字音频数据率（bit/s）＝ 采样频率（Hz）×量化位数 （bit）×声道数
音频数据存储量（Byte）＝ 数据率（bit/s）×持续时间（s） / 8
存储量=采样频率×量化位数/8×声道数×时间
例：采样率11.025KHz、量化位8位，采集1分钟， 则：音频数据率＝11.025（KHz）×8（bit） ＝ 88.2 (Kbit/s) 音频数据量＝11.025（KHz）×8（bit） ×60（s）/8＝ 0.66 (MByte)
人的声音不仅是一种波形，而且还有内在的语言、 语音学的内涵，可以利用特殊的方法进行抽取， 通常将语音也作为一种媒体。
音乐
音乐是符号化了的声音。这种符号就是乐曲，乐 谱是转化为符号媒体的声音。电子乐器数字接口 （musical instrument digital interface, MIDI ） 是十分规范的一种形式。
16
立体声 176.4 20～2000
DAT
48
16
立体声 192.0 20～2000
2.3 声音文件的存储格式
1. 声音文件的格式：
PC机：.wav Apple: .aiff, .snd Unix: .au
2. 波形文件格式：1991年IBM与微软开发（以 .wav 为扩展名） Fig 2.3
把几种乐音的波形用数字表达，存于计算机中 并通过数模转换器来生成乐音。专利售给 Yamaha公司。乐音由一组参数控制。
4.波形表合成
把乐器的真实声音记录下来，生成各种音符 在乐器上演奏音符，采样 存于ROM中 合成。图2-9
5.MIDI系统:
MPC:MIDI 接口与声音模块组合在卡上。 SoundMAX Wavetable synthesizer(MIDI音 乐播放器）
2. 声音数字化：
Sampling, Quantization, Coding 采样频率与量化精度
3.采样频率
奈奎斯特(Nyquist)定理（1928年提出原理， 仙侬(Shannon)形成定理并应用，1933年卡 切尼科夫用公式表述）：
采样频率2f
这里f为被采样信号的最高频率。
4. 量化精度
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。常用的 量化位数为8位、12位、16位。
声道数
声音通道的个数称为声道数，是指一次 采样所记录产生的声音波形个数。
记录声音时，如果每次生成一个声波数据， 称为单声道；每次生成两个声波数据，称 为双声道（立体声）。随着声道数的增加， 所占用的存储容量也成倍增加。
2.5 声音质量的度量
1.声音信号的带宽 2.客观质量度量
signal-to-noise ratio,SNR 3.主观质量度量:人的感觉
MOS:mean opinion score
声音质量 MOS标准
分数 5 4 3 2 1
质量级别 优 ( Excellent )
良 ( Good ) 中 ( Fair ) 差 ( Poor ) 劣 ( Bad )
失真级别 察觉不到 （刚）察觉但不讨厌 （察觉）及有点讨厌 讨厌而不反感 极讨厌（令人反感）
2.5 声音质量的度量
作业
1. 使用“录音机”软件把10秒钟的CD音乐录制成 CD音质（44.1kz、16位、双声道、PCM) 的.wav文件）。
2. 把录制的文件分别转换为“22.05kz、16位、单 声道、PCM”, “11.025kz、8位、单声道、PCM”以及“44.1kz、 4位、单声道、ADPCM”
VOC文件是Creative公司波形音频文件格式，也 是声卡使用的音频文件格式。每个VOC文件由文 件头块（header block）和音频数据块（data block）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码 文件、重复的结束，以及终止标记、扩展块等。
简谱 1 2 3 4 5 6 7
频率 261 293 330 349 392 440 494
20log频率 48.3 49.3 50.3 50.8 51.8 52.8 53.8
(1). 采样和量化 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
(c) 采样信号的量化
2.2 声音信号数字化
带宽与听觉
次声带
音 频 （ Audio ） 带 宽
超声带
语 音 （ Speech ） 带 宽
20 300 f(Hz)
3K
20K
18k
Hertz，Amplitude, Frequency infra-sound, ultrasound, hypersound
感知声音的幅度：用dyne(达因）/平方厘米 表示，常转换成0—120dB(decibel),但对不 同的频率，同样的声强，感觉不同。
制作软件Midisoft Studio 6
MIDI文件
记录MIDI信息的标准格式文件称MIDI文件，其中 包含音符、定时和多达16个通道的乐器定义以及 键号、通道号、持续时间、音量和击键力度等各 个音符的有关信息。定义和产生乐曲的MIDI信息 和数据组存放于MIDI文件中，每个MIDI文件最多 可存放16个音乐通道的信息。
1. 从模拟信号到数字信号
模拟信号：在时间与幅度上都连续，连续 记为x(t).
离散信号：按一定的时间间隔T，得到的 x(nT).
T为抽样周期，1/T抽样频率
量化：把抽样序列x(nT)量化成一个有限个幅 度之的集合x’(nT).
对模拟音频信号进行采样量 化编码后，得到数字音频。数字 音频的质量取决于
第二章 数字声音及MIDI
信息：数、文、形、音、图 音频：麦克风、扬声器 多媒体计算机：
声音的输入、存储、处理、输出
声音：消息、意向、情感
表示方式 汉字内码 点阵 声音
数据量
表达信息
2-4字节
编码
32—数百字节 汉字形、体
几千字节
声学、意向、情感
2.1 声音与听觉
声音：通过空气传播的一种连续的波， 又称声波。
WAV文件来源于对声音模拟波形的采样。用不同 的采样频率对声音的模拟波形进行采样可以得到 一系列离散的采样点，以不同的量化位数（8位或 16位）把这些采样点的值转换成二进制数，然后 存入磁盘，这就产生了声音的WAV文件，即波形 文件。WAV文件是由采样数据组成的，所以它需 要的存储容量很大。
（2） VOC文件
（3） MIDI文件
MIDI（musical instrument digital interface）是一种技术规范，从它的英文全 名可以看出，它用于音乐。
其他音频文件
最重要的是PCM格式，它是模拟的音频信号经数模转 换（A/D变换）直接形成的二进制序列，该文件没有 附加的文件头和文件结束标志。在声卡提供的软件中， 可以利用VOC HDR程序，为PCM格式的音频文件 加上文件头，而形成VOC格式。Windows的 Convert工具也可以将PCM音频文件转换成 Microsoft的WAV格式。
•采样频率 •量化位数 •声道数
采样频率
采样频率是指一秒钟时间内采样的次数。 在计算机多媒体音频处理中，采样频率通
常采用三种：11.025KHz(语音效果)、 22.05KHz(音乐效果)、44.1KHz(高保真效 果)。常见的CD唱盘的采样频率即为 44.1KHz。
量化位数
量化位数也称“量化精度”，是描述每个 采样点样值的二进制位数。
音序器是一种为MIDI作曲而设计的软件或设备， 可用来记录、播放及编辑MIDI事件，大多数音序 器可输入输出MIDI文件。当演奏MIDI文件时，音 序器将MIDI信息从文件中取出并送至合成器中。
MIDI作品
MIDI作者可以购买现成的产品，也可以自己制作。 当然，开发自己的MIDI作品，除了必须拥有计算 机方面的知识与设备之外，还需要具备专业音乐 知识和专用工具。
振 幅
周期
基线
•基线是测量模拟信号的基准点。 •声波的振幅表示声音信号的强弱程度。 •声波的频率反映出声音的音调，声音细尖 表示频率高，声音粗低表示频率低。
•振幅和频率不变的声音信号，称为单音。 单音一般只能由专用电子设备产生。
•在日常生活中，我们听到的自然界的声音 一般都属于复音，其声音信号由不同的振
3. 常见声音文件的扩展名 表2-2
声音文件
在多媒体技术中，存储声音信息的常用文 件格式主要有：WAV文件、VOC文件、 MIDI文件、AIF文件、SNO文件和RMI文件 等。
（1） WAV文件
WAV是Microsoft公司的音频文件格式。利用 Microsoft Sound System软件Sound Finder可 以将AIF、SND和VOD文件转换到WAV格式。
声音的度量：频率与幅度（声波压力的 大小）
频率用音高表示，幅度用声强表示 与看得见的水波类似
波形声音
波形声音，实际上包含了所有的声音形式。任何 声音信号，包括麦克风、磁带录音、无线电和电 视广播、光盘等各种声源所产生的声音，都要首 先对其进行模数转换，然后再恢复出来。
语音（speech）
声卡：附带wave studio 网上：cool edit, goldwave
Windows Media Player
播放和组织计算机和 Internet 上的数字媒体文件。 这就好象把收音机、视频播放机、CD 播放机和 信息数据库等都装入了一个应用程序中
Windows Media Player 播放器支持的文件类 型.doc
10
lg
2
( signal 2 noise
)
6R
5. 音频数据率
未经压缩的数字音频数据率（bit/s）＝ 采样频率（Hz）×量化位数 （bit）×声道数
音频数据存储量（Byte）＝ 数据率（bit/s）×持续时间（s） / 8
存储量=采样频率×量化位数/8×声道数×时间
例：采样率11.025KHz、量化位8位，采集1分钟， 则：音频数据率＝11.025（KHz）×8（bit） ＝ 88.2 (Kbit/s) 音频数据量＝11.025（KHz）×8（bit） ×60（s）/8＝ 0.66 (MByte)
人的声音不仅是一种波形，而且还有内在的语言、 语音学的内涵，可以利用特殊的方法进行抽取， 通常将语音也作为一种媒体。
音乐
音乐是符号化了的声音。这种符号就是乐曲，乐 谱是转化为符号媒体的声音。电子乐器数字接口 （musical instrument digital interface, MIDI ） 是十分规范的一种形式。
16
立体声 176.4 20～2000
DAT
48
16
立体声 192.0 20～2000
2.3 声音文件的存储格式
1. 声音文件的格式：
PC机：.wav Apple: .aiff, .snd Unix: .au
2. 波形文件格式：1991年IBM与微软开发（以 .wav 为扩展名） Fig 2.3
把几种乐音的波形用数字表达，存于计算机中 并通过数模转换器来生成乐音。专利售给 Yamaha公司。乐音由一组参数控制。
4.波形表合成
把乐器的真实声音记录下来，生成各种音符 在乐器上演奏音符，采样 存于ROM中 合成。图2-9
5.MIDI系统:
MPC:MIDI 接口与声音模块组合在卡上。 SoundMAX Wavetable synthesizer(MIDI音 乐播放器）
2. 声音数字化：
Sampling, Quantization, Coding 采样频率与量化精度
3.采样频率
奈奎斯特(Nyquist)定理（1928年提出原理， 仙侬(Shannon)形成定理并应用，1933年卡 切尼科夫用公式表述）：
采样频率2f
这里f为被采样信号的最高频率。
4. 量化精度
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。常用的 量化位数为8位、12位、16位。
声道数
声音通道的个数称为声道数，是指一次 采样所记录产生的声音波形个数。
记录声音时，如果每次生成一个声波数据， 称为单声道；每次生成两个声波数据，称 为双声道（立体声）。随着声道数的增加， 所占用的存储容量也成倍增加。
2.5 声音质量的度量
1.声音信号的带宽 2.客观质量度量
signal-to-noise ratio,SNR 3.主观质量度量:人的感觉
MOS:mean opinion score
声音质量 MOS标准
分数 5 4 3 2 1
质量级别 优 ( Excellent )
良 ( Good ) 中 ( Fair ) 差 ( Poor ) 劣 ( Bad )
失真级别 察觉不到 （刚）察觉但不讨厌 （察觉）及有点讨厌 讨厌而不反感 极讨厌（令人反感）
2.5 声音质量的度量
作业
1. 使用“录音机”软件把10秒钟的CD音乐录制成 CD音质（44.1kz、16位、双声道、PCM) 的.wav文件）。
2. 把录制的文件分别转换为“22.05kz、16位、单 声道、PCM”, “11.025kz、8位、单声道、PCM”以及“44.1kz、 4位、单声道、ADPCM”
VOC文件是Creative公司波形音频文件格式，也 是声卡使用的音频文件格式。每个VOC文件由文 件头块（header block）和音频数据块（data block）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码 文件、重复的结束，以及终止标记、扩展块等。
简谱 1 2 3 4 5 6 7
频率 261 293 330 349 392 440 494
20log频率 48.3 49.3 50.3 50.8 51.8 52.8 53.8
(1). 采样和量化 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
(c) 采样信号的量化
2.2 声音信号数字化
带宽与听觉
次声带
音 频 （ Audio ） 带 宽
超声带
语 音 （ Speech ） 带 宽
20 300 f(Hz)
3K
20K
18k
Hertz，Amplitude, Frequency infra-sound, ultrasound, hypersound
感知声音的幅度：用dyne(达因）/平方厘米 表示，常转换成0—120dB(decibel),但对不 同的频率，同样的声强，感觉不同。