多媒体技术_音频处理

主要的音频压缩编码类型
熵编码 如Hufman编码、算术编码以及行程编码等。
波形编码 全频带编码如PCM、自适应差分PCM等，子带编码如自
适应变换编码ATC、心理学模型等，以及向量量化等在音 频中均常常采用。波形编码的特点是在高码率的条件下 获得高质量的音频信号，适用于高保真度语音和音乐信 号的压缩技术。 参数编码
11
其他音频质量指标
• 感觉上的、主观上的测试是评价声音质 量不可缺少的部分。
• 可靠的主观度量值是较难获得的。
12
听觉生理
• 人耳最容易听到的就是4000Hz的频率，不管频 率是增高或降低，即使是响度相同的情况下， 大家都会觉得声音在变小。
• 当响度降到一定程度时，人耳就听不到了，每 一个频率都有着不同的值，当频率超过 15000Hz时，人耳的会感觉到声音很小，
• 比如：大提琴音色、黑管音色不同
– 虽然演奏同一音高（基频）的音符，但人们能够明 确分辨出是哪个乐器
9
频率特性
• 带宽：用来描述复合声音信号的频率范 围。如高保真音信号(high-fidelity audio) 的频率范围为10Hz～20,000Hz，带宽约 为20kHz
10
信噪比
信噪比（SNR，Signal to Noise Ratio）是 有用信号与噪声之比的简称 是衡量声音质量的一种指标 噪音可分为环境噪音和设备噪音 信噪比越大，声音质量越好
第4章 音频处理
1
第4章 音频处理
• 音频信号 • 音频数字压缩 • MPEG-1音频 • MPEG-2音频 • MPEG-4音频 • 电子音乐合成与MIDI • 语音识别 • 3D音频 • 音频应用
2
声音
声音是指人耳能识别的音频信息.
如人发出的话音，乐器声，动物发出的声音，机器产生 的声音，自然界的雷声，风声、雨声、闪电声等，也包
16
4.2音频数字压缩
•音频压缩编码技术 主要依据是人耳的听觉特性： 1. 人的听觉系统中存在一个 听觉阈值电 平 ，低于这个电平的声音 信号人耳听不 到. 2. 人的听觉存在 屏蔽效应 。当几个强弱 不同的声音同时存在时，强 声使弱声难以 听到，并且两者之间的关系与其相对频率 的大小有 关。
17
例: 电话语音 =8k x 8b x 1 = 64kbps =8kB/s=28MB/h
例：CD的数据率 44.1KHz, 16bits, 2,
15
数字音频技术指标（续）
编码算法 •作用 •采用一定的格式来纪录数字数据 •采用一定的算法来压缩数字数据以减少存贮空 间和提高传输效率 •包括有损压缩和无损压缩 •有损压缩指解压后数据不能完全复原，要丢失 一部分信息。 •基本指标之一是压缩比 •压缩越多，信息丢失越多、信号还原后失真越 大 •应根据不同的应用选用不同的压缩编码算法
括各种人工合成的声音。
声音涉及到声波的物理传播特点和电声信号处 理技术。多媒体技术的发展使计算机处理音频 信息已达到较成熟的阶段。
3
4.1 音频信号
声音的特征指标
声音是由于空气振动引起耳膜的振动，由人 耳接收，最后被大脑所感知。因此，声音的特 征体现为物理特征和认知属性。这两类特性的 基本对比见表：
• 很多听觉不是很好的人，根本就听不到 20000Hz的频率，不管响度有多大。
• 当人耳同时听到两个不同频率、不同响度的声 音时，响度较小的那个也会被忽略
13
数字音频技术指标
采样频率：采样频率是指一秒钟内采样的次数。采样频 率的选择应该遵循奈奎斯特（Harry Nyquist）采样理论： 如果对某一模拟信号进行采样，则采样后可还原的最高信 号频率只有采样频率的一半。 量化位数：量化位是对模拟音频信号的幅度轴进行数字 化所采用的位数，它决定了模拟信号数字化以后的动态范 围
表4.1.2 几种音频业务的动态范围
音质效果 动态范围（dB）
AM广播 40
FM广播 60
数字电话 50
CD－DA
100
5
分贝示例
6
频率特性
• 基频：ωO ，决定音调
• 泛音：n×ωO 称为基频的高次谐波分量 • 音色：由混入基音的泛音所决定的
➢ 高次谐波越丰富,音色就越有明亮感和穿透力
➢ 不同的谐波具有不同的幅值和相位偏移，产生各种音色效果 ➢ 能够用来描述乐器声的区别
物理特征 强度（Intensity） 基频（Fundamental Frequency） 谱形状（Spectral Shape） 开始/结束时间（Onset/Offset Time） 相位差(双耳听)（Phase Difference[Binaural
Hearing]）
认知属性 响度（Loudness） 基音（Pitch） 音色（Timbre） 定时（Timing） 位置（Location）
•
7
频率特性
• 如果一个物体振动所发出的泛音为基音 的整数倍，这个音就会具有清晰可辨的 音高，我们称之为乐音，如钢琴，小提
琴等发出的都是乐音；如果泛音是基音
的非整数倍，这个音就不具备清晰可辨
的音高，我们称之为噪音，如汽车发动
机、计算机风扇等发出的都是噪音。
8
音色
• 因为声音的波形绝大多数都不是简单的正弦波， 而是一种复杂的波。分析表明这 种复杂的波形， 可以分解为一系列的正弦波，这些正弦波中有 基频f0，还有与f0成 整数倍关系的谐波：f1、 f2、f3、f4，它们的振幅有特定的比例。这种 比例，赋予 每种乐器以特有的“色彩”—音色。 如果没有谐波成分，单纯的基音正弦信号是 毫 无音乐感的。
4
动态范围
•人的听觉响应与强度成对数关系。只有在强度适中时才最 灵敏。 • 一般的人只能察觉出3 分贝的音强变化。 • 常用音量或响度来描述声音强度，以分贝（dB）为单位。 • 在处理音频信号时，相对强度更有意义。 • 动态范围定义：
动态范围＝20 log（信号的最大强度 / 信号的最小强度） （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。
量化位 8 16
等份 256 65536
动态范围（Hale Waihona Puke BaiduB） 48 - 50 96 -100
应用 数字电话
CD-DA
声道数：有单声道、双声道、多声道之分。双声道在硬 件中要占两条线路，音质、音色好，但数字化后所占空间
比单声道多一倍。
14
声音质量与数据率
• 数据率 = 取样频率 x 量化位数 x 通 道数目