多媒体通信技术 第三章

MIDI音乐:

标准的多媒体计算机能够通过内部(声卡中) 合 成器或连接到计算机MIDI端口的外部合成器 播放MIDI文件，利用MIDI文件演奏音乐，所 需的存储量最少。
Multimedia Communications
Multimedia Communications
MIDI文件与波形文件



3.3 音频信号压缩编码

音频信息编码技术可分为三类： 波形编译码器（waveform coder）：
波形编码是基于对语音信号波形的数字
化处理，试图使处理后重建的语音信号波
形与原语音信号波形保持一致。

例如PCM、DPCM、ADPLeabharlann BaiduM等。
Multimedia Communications
声音的三个属性： （1） 幅值(Amplitude) （2） 相位(Phase) （3） 时序(Timing)

Multimedia Communications
3.2 数字音频技术
一、数字音频

在计算机中声音信号是用一系列的数字表示的，称 为数字音频。

波形声音：基于振动波（信号化）描述的声音，可 形成数字波形文件。
形幅度的采样精度。 量化字长：用采样周期分割样本波形的振

幅空间的等分数，表示为采样值的二进制
位数；因而称采样精度或样本字长．

量化字长（位数）与采样值的精度成正比 ．关系： 4bit16级，8bit256级， 16bit65536级．
Multimedia Communications
通道数

举例
计算采样频率22.05kHz,量化位数为8位的
双声道立体声信号,求每分钟的存储量. 采样频率f(单位:Hz)
量化 字长n(单位:bit) 声道数为s(单位:个) 则:存储量v=(f.n.s)/8=2.64MB
Multimedia Communications
质量 电话
采样频率 （kHz） 8
样本精度 8
单道声/ 立体声 单道声
数据率 （kb/s） 64
频率范围 （kHz）
200～ 3400
AM FM CD DAT
11.025 22.050 44.1 48
8 16 16 16
单道声 立体声 立体声 立体声
88 705.6 1411.2 1536
50～ 7000 20～ 15000 20～ 20000 20～ 20000

（ 1）采样频率 （ 2）采样精度 （ 3）通道数
Multimedia Communications
1.音频信号的数字化过程

① 放大：使信号幅度达到可采集与变换要求，并滤除高频干 扰和噪声。 ② 采样（sampling） ：模拟信号离散化以固定的采样周期 T对波形Xa（t）的幅值进行抽样，得到一个离散的序列X（n ）． 采样值：X（n）＝ Xa（nT）； N = 1,2,3,……（离散点的 个数），T = 1／f，f为采样频率

声压就是声音的压力。以帕斯卡（Pa）为单 位来度量响度；

对声压有效值取对数，用此对数值来表示声音
的强弱。这种表示声音强弱的对数值就叫做声 压级SPL。
Multimedia Communications
1、声音的性质

（1）声音是时基类媒体。
（2）声音有三个要素，音调、音强和音 色 （3）声音具有连续谱特性。
语音：人的声道发出的声音 — 语义化描述的语言 形式，也表现为波形声音。 音乐：通过乐谱规范表达的乐曲 —符号化描述的 声音；可形成数字音乐文件。


Multimedia Communications
二、数字音频技术


声音进入计算机的第一步就是数字化。
数字化实际上就是采样和量化。
影响数字声音波形质量的主要因素有三个
声音类型 带 宽
电话语音
调幅广播 调频广播
200Hz－3.4kHz
50Hz－7kHz 20Hz－15kHz
CD
20Hz－20kHz
Multimedia Communications

可以使用信噪比（SNR）、主观平均判分 法（MOS）。 在采用等级法MOS(Mean Opinion Score)进行评价时，通常设优，良，中， 差，劣五个等级。是一种主观评价指标。 听众根据系统质量的好坏使用N分制给系 统打分。
Multimedia Communications
2.音频的数字化与再现

音频处理应考虑以下三点： （1）人与计算机通信。包括音频获取、语 音的识别和理解。

（2）计算机与人通信。包括音乐合成、语 音合成、声音的定位以及音频视频的同步。 （3）人-计算机-人通信。有语音采集、音 频的编码和解码、音频的存储、音频的传输 等。
Multimedia Communications

音源编译码器（Source coder）：也叫
参数编译码器、声码器（vocoder）。 通过建立声音的产生模型(如语音发声模 型),将声音信号以模型参数表示,再对参数 进行编码.


Multimedia Communications
采样频率

单位时间间隔（采样周期）内所采集的样 本数fc越高，数字化后的信号质量就越高
；但存储量也越大。 标准的采样频率有11.025kHz，

22.05kHz，44.1kHz。
Multimedia Communications

采样定理：若fc≧2fsmax （fsmax为最 大信号频率），则可保证量化后的信号具
Multimedia Communications
多媒体技术与通信
第三章 音频信息处理技术
目录


3.1 声学基础知识
3.2 数字音频技术 3.3 音频信号压缩编码
3.4 音频信息压缩编码标准 3.5 IP电话技术
Multimedia Communications
3.1 声学基础知识

（4）声音有方向感。 （5）音色与失真特性。
Multimedia Communications
声音的质量特性



SQuality = (Tone, Volume, Quality) ① 音调(Tone)：声音频度与音域宽窄程 度，与频率f有关． ② 音量（Volume）：声音响度亦或音强 ，与振幅A成正比． ③ 音质（Tone Quality）：声音在听觉 上的优美程度，亦称音色；是振幅与频率 的优化组合（基音 + 谐音）。

声音是通过空气传播的一种连续的波。
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。

Multimedia Communications

声压及声压级SPL（Sound Pressure Level ）也是常用的声音描述参量。

MP3的全称是MPEG-1 Layer3音频文件。
MPEG音频编码是国际上公认的高保真立体 声音频压缩标准。 MPEG-1声音标准其音频编码分为3层： Laer-1、Layer-2和Layer-3。 Layer 3的压缩比为1:10～1:12，压缩码率 可以达到64kb/s。
Multimedia Communications
定义了计算机音乐程序、合成器及电子乐器交换 信息和电子信号的方式，解决了不同电子乐器 之间的不兼容问题.
Multimedia Communications




定义计算机与MIDI设备之间进行信息交换的一整 套规则，包括电子乐器之间传送数据的通信协议 MIDI实质上是由MIDI控制器（或MIDI文件）产 生的指示电子音乐合成器要做什么、怎么做（如演 奏某个音符、加大音量、生成音响效果）的一套标 准指令。
Multimedia Communications
数 字 激 光 唱 盘 (CD) FM无 线 电 调 频 广 播 AM无 线 调 幅 广 播 电 话 0.010.02 0.05 0.2
音频信号的带宽
3.4
7
15 20
f / kHz
Multimedia Communications
2、人耳听觉特性

Multimedia Communications
常见的5分制系统 ：
平均观点分 5 4 3
2
质量等级 极好 好 一般
差
主观感觉 觉察不到 觉察得到，但不难听 有点难听
难听，但不反感
1
极差
难以忍受
Multimedia Communications
5
（

单声道(Monophonic)意味着单个声源。
MIDI文件占用空间小，如30分钟的立体声高品 质音乐，用波形文件无压缩录制，约需300MB
的存储空间；而同样的MIDI数据，则只需 200KB，相差1500倍。

MIDI只存储指令，编辑相对直接、方便，而波 形文件的编辑相对复杂。
Multimedia Communications
（2）MP3数码音乐
Multimedia Communications

3、数字音乐国际标准MIDI和MP3

（1）电子乐器数字接口：MIDI（ musical instrument digital interface, MIDI） 1988年，MIDI正式成为数字式音乐的一 个国际标准。 音乐设备数字接口MIDI的作用：


一次采样所记录的声音波形个数。 单声道 — 产生一个声音波形； 双声道 — 产生两个声音波形（立体声） 声道数增加，将使存储容量及开销成倍增加 计算公式：

存储量 =（采样频率×量化字长×声道数）／8 （Byte／s）

一般有8位和16位两种双声道（立体声）。
Multimedia Communications
Multimedia Communications
编码：数字信号格式化
把每个量化值表示成二进制存储位形式的字长 8位字长 ≡ 8bit （1个Byte） 若要进行数据压缩编码，需采用相关算法及数
据格式表示
Multimedia Communications
采样精度

每个声音样本的数字化位数反映了声音波
有还原为模拟信号的能力． 例：人耳听觉的上限频率为20KHz；则

fc≧40KHz.
Multimedia Communications
模拟信号、离散信号及数字信号
Multimedia Communications
量化：离散信号数字化

把每个采样值（模拟量）转换成数字量，并用 n个 二进制数表示；n越大，量化精度越高 量化值：



1.PCM脉冲编码调制:直接对声音信号做 模/数转换,用一组二进制数字编码表示,得 到未压缩的音频数据. 2.DPCM差分脉冲编码调制:通过只传输声 音的预测值和样本值的差值来降低音频数 据的编码率的一种方法,采用预测编码技术 ,实现音频数据的压缩编码. 3.ADPCM自适应差分脉冲编码调制:在 DPCM编码中加入自适应的方法.

人耳对声音强弱的感觉特性 响度、响度级
人耳听觉的掩蔽效应

一个声音的存在会影响人们对其他声音的听觉 能力， 使一个声音在听觉上掩蔽了另一个声 音， 即所谓的“掩蔽效应”。

频域掩蔽，时域掩蔽
Multimedia Communications
3、声音质量评价

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。
电压范围 0.5 ~ 0.7 0.3 ~ 0.5 0.1 ~ 0.3 -0.1 ~ 0.1 -0.3 ~ -0.1 -0.5 ~ -0.3 -0.7 ~ -0.5 -0.9 ~ -0.7
量化 (dec) 编码 (bin) 3 011 2 010 1 001 0 000 -1 111 -2 110 -3 101 -4 100
Multimedia Communications


声音的质量通常以音频信号的带宽来衡量 音频（Audio）：声音的同义词 频率范围为： 20Hz～20KHz 人的声带一般为：50～500 Hz 电话音频：200Hz～3.4KHz 无线电广播调幅（AM）声：50Hz～7KHz 无线电广播调频（FM）声：20Hz～15KHz ④ 高保真（HiFi）立体声： 20Hz～20KHz

量化误差：
注意：

a. 实现量化的过程称A／D变换 b. 均匀量化后的信号称脉冲编码调制（PCM）信号 c. A／D变换一般是均匀量化；因而称PCM量化
Multimedia Communications

量化（quantization）： 将连续的信号幅度离散化 。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。 量化位数越大，所记录声 音的变化程度就越细腻。