音频信息处理..

20～40
轻声
40～60 正常交谈声
60～70 吵闹
70～源自文库0 很吵
>90 听力受损
常见声音的分贝量级
（2）声音信号的心理学特征
人们感知到的声音特征称为心理学特征
音调：在音乐中又叫音高，是由发声物体的振动频率决定，振动越快
（即频率越大），音调越高，振动越慢，音调越低。音调的高低与声音基
频的对数（20*log）成线性关系。基频越低，给人的感觉是声音越低沉，
例2.1 计算一分钟未压缩的高保真立体声数字声音数据的大小。 60 * （ 44100 * 16 * 2 ） / 8 = 10.09 MB 一首未经压缩的4分钟的歌曲文件的大小约为40MB，那么一个容量为512MB的
MP3播放器也只能播放12首这样的歌曲。
2. 数字音频压缩标准
电话质量的语音压缩标准
2．声音的基本特征
（1）声波信号的物理特征
周期（T）：声波的两个波峰或波谷之间的相对时间。
频率（f）：周期的倒数（f=1/T），即每秒波峰或波谷出现的次数。 幅度：从声波信号的基线到波峰的距离，幅度越大声波的强度也越大。通 常也用声压、声强或声功率来表示声音的强弱。
分贝数 听觉效果
低于20 能分辨
2.1.2
音频信号的数字化
1. 音频信号数字化
声音信号在时间上是连续的，在幅度上也是连续的，属于模拟信号。
（1）采样
声音信号在时间上的离散化，即每隔一段时间抽取一个信号样本。 采样频率：每秒采样的次数。 奈奎斯特理论（Nyquist theory）：采样频率不低于声音信号最高频率 的两倍，这样就能把数字声音还原成原来的声音，称为无损数字化。 f s >= 2 f max
（3）高保真立体声的宽带音频压缩标准
MPEG音频：第一个高保真立体声音频压缩的国际标准 MPEG音频压缩标准提供三个独立的压缩层次： 1）Layer 1：编码器简单，输出数据率为384 kb/s，主要用于小型数字盒式磁带。
2）Layer 2：编码器较复杂，输出数据率为256 kb/s～192kb/s，主要应用于数字广播声
1）声音质量分级：按照声音信号的频率范围将声音质量分为5级。
质量 电话 AM
频率范围 200～3400 Hz 100～5500Hz
采样频率 （kHz） 8 11.025
采样精度 （bits） 8 8
声道数 单道声 单道声
数据率（非压缩） （kB/s） 8 11.0
FM
CD-DA DVD
20～11000Hz
基频频率增加一倍，在音乐上就叫升高了一个八度。
音色：这是一个主观评价声音的量，声音的音色取决于声音的频谱结构，
一般高次谐波越丰富，音色越明亮并具有穿透力。
响度：人耳对声音强弱的感觉程度，主要取决于振幅和声压。通常振幅
越大声音越响，其次人耳距离声源越远，声音越小。
（3）声音质量的评价
声音质量与带宽有关，频率范围越宽，声音质量越高。
音频信号的数学表示
f (t ) An sin(n 0 t n )
n 0

ω0： 声音的基音，决定了音调的高低 nω0： 声音的泛音，决定了声音的音色 An : 声波的振幅，表示声音的强弱
2）音频信号的波形表示
3）音频信号的频谱表示
声音信号的频率分布曲线。复杂的声音是由振幅和频率不同的正弦声波叠 加而成的，这些正弦波的幅值按频率排列的图形就叫做频谱。 男声的基频较低，低频分量更加丰富，因此听起来会更加低沉、浑厚。
电话话音信号的最高频率约为3.4kHz，所以采样频率取为8kHz。
（2） 量化
声音信号在幅度上的离散化
也就是采样过程中对每一个采样点的幅度值用数字量来表示。如
果幅度的划分是等间隔的，称为线性量化，否则为非线性量化。 采样精度：即量化的位数，位数越多量化等级数也越多，所能表 示的声波幅度的动态范围也越大，当然需要的存储空间也越大。
（3） 编码
就是用一组二进制码组来表示每一个有固定电平的量化值，或者说将 量化值转换成二进制码组。
典型的音频编码方法：脉冲编码调制法（PCM）。
（4）数字音频的数据量
数据量 = 采样频率* 采样精度* 采样时间* 声道数 / 8
单声道：一次只产生一组声波数据， 立体声：一次产生两组声波数据。
（字节数）
（1）电话质量的语音压缩标准
（2）调幅广播语音压缩标准 G.722
标准 G.711 G.721 G.723 G.728
编码方法 PCM ADPCM ADPCM LD-CELP
采样频率 8kHz 8kHz 8kHz 8kHz
采样精度 8位 8位 8位 8位
数据传输率 64kb/s 32kb/s 24kb/s 16kb/s
音频的频率范围：20 Hz ～ 20000 Hz 语音的频率范围：300 Hz ～ 3000 Hz 次声波的频率范围： < 20 Hz 超声波的频率范围： > 20 kHz
（4）声强：对于一定频率的声音，要能引起听觉，其声强也有一定的范
围。 下限：是恰能引起人听觉的最小声强，叫做该频率的可闻阈； 上限：是指人耳能听闻的最大声强，高于上限的声强，人耳感觉疼 痛，所以叫做该频率的疼痛阈。
规则音频信号：带有语音、音乐和音效的有规律的音频信号，承载了一 定的信息。 语音：语言的载体，有丰富的语言内涵，是人类交流的信息载体。 音乐：是一种规范的符号化的声音。 音效：自然界中各种声音效果，如掌声、雷鸣声，爆破声等。 不规则音频信号：不包含任何信息的声音，比如噪声。
（2）音频信号的表示
第2章
音频信息处理
2． 1
音频处理基础
2．2
2． 3
音频处理软件Adobe Audition
音频处理综合应用案例
2.1 音频处理基础
1. 声波
（1）声波：由各种机械振动或气流扰动引起周围的弹性媒质发生波动。 （2）声源：产生声波的物体，如人的声带和乐器等。 （3）声音：人的听觉系统所能感知到的声波。
5～20000Hz 0～96000Hz
22.050
44.1 192
16
16 24
立体声
立体声 6声道
88.2
176.4 1200
2）信噪比（SNR）：即有用信号与噪音信号的强度之比，单位是分贝。 3) 声音主观质量的度量：主观度量就是大多数人对声音质量的感觉。
3．音频信号的表示
（1）音频信号：通过麦克风等设备转换成的电信号。