音频数字化

3、了解数字音频的文件格式
4、掌握常见的音频压缩编码方法 5、理解G.711、G.721、G.722标准
第一节 音频的数字化
一、声音
声音是通过空气传播的一种连续的波，叫声波。 声音的强弱体现在声波压力的大小上 音调的高低体现在声音的频率上
一、声音——有关概念
复合信号：声音信号由许多频率不同的信号组成 分量信号：单一频率的信号 带宽：描述组成复合信号的频率范围。如： 高保真声音的频率范围为10 Hz~20K Hz，它的带宽 约为20K Hz。
四、G.721标准
• APCM (自适应脉冲编码调制)
• DPCM (差分脉冲编码调制) • ADPCM (自适应差分脉冲调制)
四、G.721标准 APCM (自适应脉冲编码调制)
能随信号幅度的大小自动地改变量化阶距的编码制式。
改变量化阶距的方法：
• 前向自适应APCM （Forward Adaptation） • 后向自适应APCM （Backward Adaptation）
2236752字节数据量
五、音频文件的读取
00h：52 49 46 46
RIFF标志
82 21 22 00
总数据块大小 2236802字节
57 41 56 45
格式类型
66 6D 74 20
fmt标志
WAVE
10h：12 00 00 00
01 00 02 00
44 AC 00 00
采样频率 44.1kHz
一、声音——三要素
音强(volume) —> 响度，由振幅决定 音调(pitch) 音色 —> 由频率决定
—> 指声音频率组成成分
一、声音——分类
次音频信号<20HZ(人耳听不到) 音频信号20HZ~20kHZ(人能听到)
超音频信号>20kHZ(人听不到,有很强的方向
性,可以形成波束)
00 00 FF FF
data标志
声音裸数据长度 2236752字节
声音数据内容
40h：00 00 FE FF
FE FF 00 00 00 00 FE FF
FE FF 01 00
六、声音质量的度量
1、客观质量度量：信噪比 信噪比SNR（Signal to Noise Ratio）是有用信 号与噪声之比的简称。 噪音可分为环境噪音和设备
Debug
其他反汇编软件
五、音频文件的读取
WAVE文件作为多媒体中使用的声波文件格式之一，它 是以RIFF格式为标准的。 RIFF是英文Resource Interchange File Format（资 源互换文件格式 ）的缩写，每个WAVE文件的头四个字 节便是“RIFF”。对应的十六进制是52 49 46 46。 RIFF／WAV文件标识段 WAVE文件 文件头 声音数据格式说明段 数据体
六、声音质量的度量
4、主观质量度量：MOS分数
分数 5 4 3 2 质量级别 优 良 中 差 Mean Opinian Score 失真级别 不觉察 刚刚觉察、不讨厌 觉察、有点讨厌 讨厌而不反感
1
劣
极讨厌、令人反感
作业
1、你认为多媒体技术发展的八大技术基础中哪 一个是最重要的技术基础？并说明原因。 2、请简述音频数字化过程。
3、计算：
三分钟的采样频率为22.05kHz，量化位数为16位 的立体声音频数据量为多少？
第二节 语音编码
一、人耳的听觉特性
人耳对各频率的灵敏度是不同的
频域掩蔽效应
一种频率的声音阻碍听觉系统感受另一种频率的 声音的现象。 时域掩蔽效应 在时间上相邻的声音之间也有掩蔽现象
一、人耳的听觉特性
二、脉冲编码调制(PCM)
二、脉冲编码调制(PCM)
1、均匀量化的PCM
二、脉冲编码调制(PCM)
2、非均匀量化的PCM
三、 G.711标准
CCITT国际电话电报咨询委员会
Consulative Committee for International Telephone and Telegraph） 原始信号 F=8khz B=14bit
数据量小
适用于：需要播放长时间高质量音乐
四、数字音频的文件格式
3、MIDI文件
四、数字音频的文件格式
3、MIDI文件
四、数字音频的文件格式
4、ASF、WMA文件 微软开发的网上流式数字音频文件格式 特点：音质好 数据量小
适合网络流式传输
四、数字音频的文件格式
5、RAM、RA文件 RealNetworks开发的网上流式数字音频文件格式 特点：能随带宽的不同而改变音质，在保证大多 数人听到流畅声音的前提下，带宽宽裕的听众获 得较好的音质 适合低网速的实时传输
•Sgn(x)为x的极性
•μ 反映最大量化间隔与最小量化间隔之比，100<= μ<=500 具体取值为255
三、 G.711标准
A律压扩 FA(x) = sgn(x) FA(x) = sgn(x)
A|x| 1+ lnA 1+ln(A|x|) 1+ lnA 1 /A <=|x|<=1 0<=|x|<=1/A
四、G.721标准 改变量化阶距的方法一：前向自适应APCM
根据未量化的样本值的均方根值来估算输入信号的电
平，以此来确定量化阶距的大小，并对其电平进行编码作 为边信息（Side Information）传送到接收端。 信道 逆 量化器
S(k)
缓冲器
量化器
S r(k)
量化阶 适配器
信道
(边信息)
四、G.721标准 改变量化阶距的方法二：后向自适应APCM
10 B1 02 00
每秒数据量 176400
音频格式数据块大小 编码格式 双声道 18 waveformatPCM
20h：04 00 10 00
00 00 66 61
63 74 04 00
00 00 54 88
区块对齐单位 量化位数 4 16位
30h：08 00 64 61
74 61 50 21
22 00 00 00
五、音频文件的读取
标志符Байду номын сангаасRIFF） 数据大小
格式类型（"WAVE"）
WAV文件结构 "fmt" Sizeof(PCMWAVEFORMAT)
文件头
PCMWAVEFORMAT "data"
声音数据大小 声音数据
数据体
五、音频文件的读取
五、音频文件的读取
例：sound.wav 44.1kHz 12.68秒 16位 双声道
压缩
112Kbps
F=8khz B=8bit
64Kbps
采用的方法：对数PCM编码 • μ律压扩（北美、日本） • A 律压扩（西欧、中国）
三、 G.711标准
μ律压扩 Fμ(x) = sgn(x)
Ln(1+ μ|x|) Ln(1+ μ)
•x为输入信号幅度，规格化成-1<=x<=1 • Fμ(x)为量化输出数据
•x为输入信号幅度，规格化成-1<=x<=1 •Sgn(x)为x的极性
•A 反映最大量化间隔与最小量化间隔之比，具体取值87.56
四、G.721标准
原始信号 μ或A律 F=8khz B=14bit 112Kbps
F=8khz ADPCM F=8khz B=8bit B=4bit 64Kbps 32Kbps
根据从量化器刚输出的过去样本中来提取量化阶信息。
这种自适应能在发收两端自动生成量化阶，所以不需要传 送边信息。 S(k) 量化器 信道 逆 量化器 S r(k)
量化阶 适配器
量化阶 适配器
四、G.721标准 DPCM (差分脉冲编码调制)
根据过去的样本去估算(estimate)下一个要量化 编码的样本信号幅度有多大，这个值称为预测值，
三、音频的数字化
声音质量与数据率
质量 电话 AM 采样频率 样本精度 单/立体 kHz (b/s) 声 8 8 单道声 11.025 8 单道声 数据率 (kB/s) 8 11 频率范围 200~3400 20~15000
FM
CD DAT
22.050
44.1 48
16
16 16
立体声
立体声 立体声
量化等级的划分
三、音频的数字化
模拟信号
采样
量化 编码
三、音频的数字化
A/D转换中，影响质量及数据量的主要因素： •每秒钟需要采集多少个声音样本即采样频率 •每个声音样本的位数(bps)应该是多少即量化位数 例子:每个声音样本用16位表示,测得声音样本值 是在0~65536的范围里,它的精度就是输入信号的 1/65536
噪音。信噪比越大，声音质量越好。
六、声音质量的度量
2、客观质量度量：带宽
200—3.4KHz 50—7KHz 20—15KHz 10—20KHz 电话声音范围 调幅广播声音范围 调频广播声音范围 高保真立体声音范围
六、声音质量的度量
2、客观质量度量：带宽
音频信号的频带越宽，所包含的音频信号分 量越丰富，音质越好
二、模拟音频与数字音频
模拟信号
数字信号
二、模拟音频与数字音频
模拟音频：在时间和幅度上都是连续变化的 数字音频：在时间和幅度上都是离散、不连续的
三、音频的数字化
模拟音频
数字音频
采样、量化、编码
三、音频的数字化（采样）
音频采样：当把模拟声音变成数字声音时，需要每
隔一个时间间隔在模拟声音波形上取一个幅度值。
信号转换示意图
三、音频的数字化（采样）
采样：
将时间上连续的取值变为有限个离散取值的过程
三、音频的数字化（采样）
奈奎斯特采样定理：
设连续信号X(t)的最高频率分量为Fm，以等间隔Ts（Ts
称采样间隔，fs=1/Ts称为采样频率）对X(t)进行采样，得到
Xs(t)。如果Fs>=2Fm，则Xs(t)保留了X(t )的全部信息（从Xs(t)
编码器仅对实际信号值与预测值之差进行量化编码。
四、G.721标准
S(k) + + Se(k-1) 预测器 Se(k-1) S(k)输入信号 S r(k)译码的输出信号 Se(k-1) 是对S(k)的预测值 dq(k)是量化差分信号 d(k) 逆量化器 + dq(k) + + S r(k)
量化器
逆量化器
88.2
176.4 192.0
50~7000
20~2000 20~2000
四、数字音频的文件格式
1、WAV文件
声音是随着时间连续变化的物理量，并且是
一种能借助介质传播的波。
四、数字音频的文件格式
1、WAV文件
特点：数据量大 音质好 不适合网络传播或播放
文件数据量计算：
字节数/秒=采样频率（HZ） * 量化位数（BIT）* 声道数/8
四、数字音频的文件格式
6、AIF、AU文件 Apple公司开发的音频文件格式
四、数字音频的文件格式
7、CD-DA 数字音频光盘
44.1khz、16Bit量化位数、双声道
四、数字音频的文件格式
8、MD Mini Disc
Sony推出的便携式音乐格式
MD汽车音响、随身听
五、音频文件的读取
工具：
UltraEdit
?
1分钟单声道，采样频率为11.025kHz，8位采样位数
四、数字音频的文件格式
2、MP3文件 MPEG Audio Layer-3
特点：数据量较小，压缩率10：1—20：1
音质较好 是目前最为流行的音频格式文件
四、数字音频的文件格式
3、MIDI文件 数字乐器接口标准 特点：midi文件中存储的是产生声音指令
第五章 音频的数字化与语音编码
学习内容
第一节 音频的数字化
1、 声音
2、模拟音频与数字音频
3、音频的采样、量化和数字化（重点）
4、数字音频的格式
学习内容
第二节 语音编码
1、人耳的听觉特性
2、脉冲编码调制(PCM)
3、G.711标准、G.721标准、G.722标准（重点）
学习目标
1、了解声音相关概念及要素 2、掌握音频采样、量化和数字化原理
+ 预测器
d(k)差分信号
四、G.721标准 ADPCM (自适应差分脉冲编码调制)
ADPCM = APCM + DPCM
32kbps 输出
64KBPS
A或u律 PCM输入
可以不失真地恢复出X(t)）。
只要采样频率高于信号中最高频率的2倍，就可
以从采样中完全恢复原始信号的波形。
三、音频的数字化（量化）
音频量化：将经采样后幅度上无限多个连续的样值
变为有限个离散值的过程
三、音频的数字化（量化）
量化过程：先将整个幅度划分成为有限个幅度（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。
六、声音质量的度量
3、客观质量度量：动态范围 声音的动态范围即声音从最弱变到最强的范围。 声音的动态范围还与频率有关。动态范围最大的频 率区间是1000-6000HZ，计量单位是分贝(dB)。 动态范围越大，信号强度的相对变化范围越大， 音响效果越好
六、声音质量的度量
3、客观质量度量：动态范围 动态范围＝20×log(信号的最大强度/信号的最小强 度)(dB)