第二章数字音频处理

1、第二章第二章 数字音频处理数字音频处理 2.1 数字音频技术基础知识数字音频技术基础知识 2.1.1 声音的基本概念声音的基本概念 声音是由空气中分子振动而产生的，是一个随时间变化的连续信号。 做简谐振动的发声体发出的声音是纯音纯音，也称单音。纯音一般只能由专用设备产生，波形可以近似地看成一种周期性的函数。单音波形 自然界的声音、乐器发出的声音，一般是由若干个频率和振幅都不同的纯音所组成的复音复音。复音中频率最低的纯音称基音基音，它是决定音调的基本要素。复音中存在的其他频率是复音中的次要成分，称为谐音。基音和谐音合成复音，决定了特定的声音音质和音色。复音波形 声音有三要素分别是：响度响度，音调

2、音调，音色音色。 响度响度又称音量，表示声音能量的强弱程度，大小主要取决于声音接收处的声波振幅，单位用分贝(db)表示。人耳感受到的声音强弱，是人对声音大小的一个主观感觉量。就同一声源来说，波幅传播的愈远，响度愈小；当传播距离一定时，声源振幅愈大，响度愈大。当声音的频率、声波的波形改变时，人对响度大小的感觉也将发生变化。 声音的高低叫做音调音调，表示人耳对声音调子高低的主观感受。音调的高低主要取决于声波频率的高低，单位用赫兹(Hz)表示，频率高则音调高，频率低则音调低。通常自然界和乐器发出的声波都是复音，波形复杂，所以音调的高低，实际由很多因素所决定。 音色音色又称音品，表示声音的品质，音色由

3、声音波形的谐波频谱和包络决定。复音中包括基音和泛音。基音的频率最低，由发音体全段振动产生，泛音由发音体各部分振动产生。每个复音都包括有固有音调的基音以及不同频率和响度的泛音，通过不同的泛音可以区别其它具有相同基音的的复音，形成独特的音色。 2.1.2 波形音频波形音频 计算机中处理的信息必须是二进制数字。所以计算机要处理声音，必须先将声音数字化。声音的数字化过程涉及采样采样、量化量化和编码编码三个过程。 采样采样指每隔一个时间间隔在声音的波形上截取一个振幅值，把时间上的连续信号变成时间上的离散信号。该时间间隔T称为采样周期，其倒数1/T称为采样频率。采样频率越高，采样的间隔时间越短，在单位时间

4、内计算机得到的声音样本数据就越多，对声音波形的表示也越精确，声音的质量就越好，声音文件占用的存储空间也越大。常用的采样频率有： 11.025kHz、22.05kHz、44.1kHz等。 量化量化指把在幅度上连续取值的每一个样本转换为离散值表示，就是将采样得到的声波上的幅度值数字化。量化的过程是先将采样后的信号按整个声波的幅度划分成有限个区段的集合，把落入某个区段内的采样值归为一类，并赋于相同的量化值。 采样信号的量化值采用二进制表示，表示采样信号的幅度二进制数的位数称量化位数。在相同的采样频率之下，量化位数愈高，测量的采样值就越精确，声音的质量越好，声音文件占用的存储空间也越大。声音信号的量化

5、精度一般为8bit，12bit，16bit。 编码编码指按照一定的格式把经过采样和量化得到的离散数据记录下来，并在有效的数据中加入一些用于纠错、同步和控制的数据。音频信号编码通常采用的是波形编码方法，它直接对波形采样、量化和编码，算法简单，易于实现，在声音恢复时能保持原有的特点，因此被广泛应用。常用的声音编码格式有：PCM编码方法、DPCM编码、ADPCM压缩编码等。 除了采样、量化、编码外，影响声音数字化效果的另一个重要因素是声道声道。声道指声音的通道数，是一次采样记录产生的声音波形的个数。记录声音时，如果每次生成一个声道数据，称为单声道；每次生成两个声道数据，称为双声道。立体声音乐能使听众

6、获得身临其境的感觉就是使用双声道的效果。随着声道数的增加，声音文件的存储容量也会成倍增加。 模拟波形声音数字化后音频文件的存储量可以使用以下公式计算： 存储量 = 采样频率量化位数8声道数时间 例如，要将一段一分钟的音乐进行数字化，采用44.1kHz的采样频率，16位量化位数，立体声效果，则生成的音频文件的存储量为： 44100168260 =10584000Byte10336KB10MB 2.1.3 声卡声卡 声卡是计算机处理和播放声音的关键部件，它通过主板上的扩展槽中与主机相连。声音输入/输出设备通过输入输出接口与声卡连接。声卡通过输入设备获取声音，如果接收的是数字音频信号，则直接保存到计

7、算机中；如果接收的是模拟信号，则先将模拟信号转变为数字信号，再存入计算机中进行处理。计算机播放音频文件时，通过声卡将音频文件进行解压缩、数字/模拟转换，再送到输出设备播放。 声卡一般由Wave合成器、MIDI合成器、混音器、MIDI设备接口、CD-ROM接口、DSP数字信号处理器等组成。 声卡有以下主要功能： 1. 录制与播放波形音频文件。 2. 编辑与合成波形音频文件。 3. MIDI音乐录制和合成。 4. 语音转换和语音识别。 2.1.4 常用音频文件的格式常用音频文件的格式 1.WAV WAV格式是微软公司开发的一种声音文件格式，它符合 PIFF Resource Interchange

8、 File Format 文件规范，用于保存WINDOWS平台的音频信息。WINDOWS以及几乎所有的音频编辑软件、多媒体制作软件都支持WAV格式。标准格式的WAV文件采用44.1K的采样频率，16位量化位数，音质接近CD，但由于存储时不经过压缩，文件占用存储空间很大，不适合长时间记录高质量声音。 2.MID MIDI（musical instrument digital interface）是数字化乐器接口。声卡将来源于MIDI音源的声音信息转化为数字信息并以MID文件形式存入计算机。MID文件并不记录录制好的声音，而是记录如何再现声音的一组指令，这些指令包括指定发声乐器、力度、音量、延迟时

9、间和通信编号等信息。MIDI文件占用存储空间小，可以满足记录长时间音乐的需要。MID文件重放的效果完全依赖声卡的档次，但通常缺乏重现自然真实声音的能力。MID文件主要用于原始乐器作品、游戏音轨、电子贺卡背景音乐、手机铃声等。 3.CDA CDA格式文件只存放于音乐CD光盘中，大多数音频播放软件的都支持CDA格式。标准CD采用44.1KHz的采样频率，速率88K/秒，16位量化级，CD的数字化过程是近似无损的，声音基本上忠于原声，具有很好的音质。CDA文件并不是真正的包含声音信息，它只是一个索引信息，所以不论CD音乐的长短，在电脑上看到的CDA文件都是44字节，也不能直接将CDA文件复制到硬盘上

10、播放。如果需要使用CDA格式的音频素材，需要使用Advanced CD Ripper等抓音轨软件将CDA格式的文件转换成WAV或MP3格式。 4. MP3 MP3是MPEG标准中的音频部分，也就是MPEG音频层。根据压缩质量和编码处理的不同分为3层，分别对应MP1、MP2、MP3三种声音文件。MP3音频文件的压缩是一种有损压缩，能基本保持低音频部分不失真，但MP3压缩算法牺牲了声音文件中12KHz到16KHz高音频部分的质量来减小文件存储空间。相同长度的音乐文件，MP3格式的存储容量一般只有WAV文件的1/10，但音质要稍次于CD格式或WAV格式的声音文件。随着Internet的发展和普及，

11、MP3凭借其优美的音质和高压缩比而成为流行的音乐格式。 5.RM RM是Real Media文件的简称，是 Real公司开发的网络流媒体文件格式。RM文件使用流媒体技术，将连续不断的音频分割成一个一个带有顺序标记的数据包，这些数据包通过网络进行传递，接收的时候由接收方将这些数据包重新按顺序组织起来播放。如果网络质量太差，有些数据包收不到或者延缓到达，它们就会被跳过不播放，以保证用户聆听的内容是基本连续的。RM文件可以很小并且质量损失不大，有利于在网络上传输并实时播放。 6. WMA WMA是Windows Media Audio的缩写，是微软公司力推的数字音乐格式，其最大的特点是具有版权保护功

12、能并且比MP3更强大的压缩能力。WMA格式的可保护性极强，甚至能限定播放机器、播放时间及播放次数，这对于作为版权拥有者的唱片公司来说是一种相当有用的压缩技术。 除了版权保护外，WMA还在压缩比上进行了深化，在较低的采样频率下也能产生较好的音质。64kbps的WMA在波形还原后的效果要好于128kbps的MP3。另外，Windows Media是一种网络流媒体技术，所以WMA格式能够在网络上实时播放。 2.2 音频素材的获取音频素材的获取2.2.1 音频素材的获取方法音频素材的获取方法 音频素材的获取方法主要有以下几种： 1.使用声卡录制； 2.从CD、VCD、DVD中截取； 3.从因特网上下载

13、或从素材库获取； 4.使用声卡及MIDI设备创作。 2.2.2 使用声卡录制使用声卡录制 安装有声卡的计算机可以通过MIC IN接口和LINE IN接口录制声音。使用MIC IN接口可以录制麦克风输入的语音，使用LINE IN接口可以录制其他音频设备输入计算机的声音。 录音过程可以使用音频处理软件进行录音，也可以使用Windows附件中的录音机进行录音。 2.2.3 从从CD、DVD中截取中截取 如果声音素材是CD、DVD中的音乐或音乐片段，可以使用对应的音频截取软件进行截取。要截取CD音轨，可以使用Advanced CD Ripper Pro，截取DVD音轨，可以使用DVD Audio Ri

14、pper。 2.2.4 从因特网上下载或从素材库获取从因特网上下载或从素材库获取 制作多媒体作品时需要的大量音频效果还可以通过因特网下载，一些搜索引擎如百度提供MP3搜索功能，可以在上面搜索到需要的MP3、RM、WMA等格式音频文件。 另外，现在还有一些专业音频素材库光盘，里面包含一些专业音频制作公司和电影制作机构多年创作积累的音频音效素材。我们可以在这些素材库光盘中挑选需要的音频素材进行使用。 如果具有比较专业的音乐知识，还可以利用一些音频制作软件例如GoldWave、Cakewalk、Course.PTR.Cubase.SX.3、Logic Pro 7等，使用声卡和MIDI设备自己创作音频

15、文件。 2.3 声音文件的播放声音文件的播放 2.3.1 使用使用Windows Media Player播放音频文件播放音频文件 Windows Media Player是一个常用媒体播放软件，它属于Windows附件，可以播放wav、mp3、wmv、mid等音频格式文件，也可以播放avi、asf、mpeg等视频格式文件。 2.3.2 使用使用RealPlayer播放音频文件播放音频文件 rm格式文件要使用Real Player播放。Real Player支持rm、mp3、wav、wma等音频格式。2.4 使用录音机处理音频使用录音机处理音频 2.4.1 使用录音机压缩音频文件使用录音机压缩

16、音频文件 Windows录音机除了可以进行录音以外，还可以对wav格式音频文件进行格式转换、混音、改变音量、加减速、添加回音、反转等处理。 Windows录音机只支持wav格式音频文件。录音过程中保存的wav文件没有采用任何压缩算法，文件比较大。录音机可以转换wav文件的压缩算法和采样频率，减小声音文件的数据量。 2.4.2 音频连接和混音音频连接和混音 录音机具有简单的混音功能，它能把两个音频文件波形连接或混合，合并成一个音频文件。 2.4.3 音频特效音频特效 在录音机的“效果”菜单中，可以使用一些常用特效来调整音频文件音量大小、播放速度、为文件添加回音、反向播放声音文件。2.5 使用使用

17、GoldWave制作处理音频制作处理音频 2.5.1 音频编辑处理软件音频编辑处理软件GoldWave GoldWave是一个集音频播放、录制、编辑、转换多功能于一体的音频制作处理软件。使用GoldWave可以录制音频文件；可以对音频文件进行剪切、复制、粘贴、合并等操作；可以对音频文件调整音量、调整音调、降低噪音、进行静音过滤等操作；提供回声、倒转、镶边、混响等多种特效；可以在多种音频文件格式之间进行转换。 2.5.2 录音录音 GoldWave可以录制麦克风输入的语音、其他设备从声卡Line in接口输入的声音，也可以录制其他播放器通过声卡播放的音乐。 2.5.3 基本音频编辑基本音频编辑

18、GoldWave具有很强的编辑功能，可以对声音波形直接进行删除、复制、剪切、裁剪等操作。在对波形进行编辑之前需要先选定要处理的波形。 在执行复制粘贴操作时， GoldWave有四种粘贴方式可以选择，分别为：粘贴、粘贴为新文件、混音、替换。 2.5.4 特效处理特效处理 GoldWave除了可以对声音做复制、删除、裁减等一些基本处理以外，还可以对声音进行更复杂更精密的处理，例如增加回声、声音渐强渐弱、降噪等。 GoldWave中实现回声的基本原理是将声音波形进行复制叠加，叠加的波形比原波形延迟一段时间，振幅要小一些，听觉感受就是回声。 回声的基本原理 在多媒体作品中常常要将语音解说和背景音乐混合。混合时需要在插入语音解说的位置柔和地降低背景音乐的音量，在解说结束时再逐渐恢复音量， 背景音乐音量控制原理 在多媒体作品中也经常设置背景音乐进入方式为淡入，退出方式为淡出。在两个音频片段连接时，为了使过渡效果更加自然，通常设置前一段音乐淡出、后一段音乐淡入， 背景音乐淡入淡出原理 两段音频片段过渡原理 2.5.5 常用声音格式的转换常用声音格式的转换 多媒体作品中的声音素材文件不应太大，以免影响存储和网络传输