音频处理详细讲解课件

1、5音频处理 第1页，共40页。学习目标掌握声音基本常识理解声音的数字化的数字化过程了解常见的音频文件格式理解音频素材的获取方式会用Windows自带的录音机知道几种常见的音频处理软件,会用一种以上处理声音第2页，共40页。内容提要声音基本常识声音的数字化常见的音频文件格式音频素材的获取Windows自带的录音机介绍几种常见的音频处理软件第3页，共40页。1 声音基础知识第4页，共40页。声音基本常识声音是由于空气振动引起耳膜的振动，由人耳所感知。从本质上说，空气的振动就产生了声波 。人耳能感受到的声音范围是2020kHz人的语音范围是3003kHz空气的振动空气振动形成声波 第5页，共40页。

2、声音三要素正弦波有三个重要参数：频率 0、幅度An 和相位n 。研究表明，一般的声音是由许多不同频率的正弦信号组合成的。声音的三个要素是音调、音强和音色。 第6页，共40页。基频与音调频率是指信号每秒钟变化的次数。人对声音频率的感觉表现为音调的高低，在音乐中称为音高。音调是由频率所决定的。音乐中音阶的划分是在频率的对数坐标（20log）上取等分而得的。第7页，共40页。谐波与音色nO 称为O 的高次谐波分量，也称为泛音。音色是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An 和相位偏移n ，由此产生各种音色效果。 第8页，共40页。幅度与音强人耳

3、对于声音细节的分辨只有在强度适中时才最灵敏。人的听觉响应与强度成对数关系。一般的人只能察觉出3 分贝的音强变化，再细分则没有太多意义。我们常用音量来描述音强，以分贝（dB=20log）为单位。在处理音频信号时，绝对强度可以放大，但其相对强度更有意义，一般用动态范围定义： 动态范围20 log（信号的最大强度 / 信号的最小强度） （dB） 第9页，共40页。音宽与频带频带宽度或称为带宽，它是描述组成复合信号的频率范围。例如，普通电话容许语音信号通过，带宽约为3.2k Hz（200-3400Hz）；高保真度（Hi-Fi，high-fidelity）声音的频率范围为1020000Hz，带宽约为20

4、k Hz。 第10页，共40页。音频信号的指标（1）频带宽度：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。第11页，共40页。（2）动态范围: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。第12页，共40页。（3）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噪音。信噪比越大，声音质量越好。 第13页，共40页。（4）主观度量法：人的感觉机理对声音的度量最有决定意义。感觉上的、主观上的测试是评价声音质量不可缺少的部分。当然，可靠的主观度量值是较难获得的。 第14页，共40页。2 声音的数字化第15页

5、，共40页。声音的数字化为什么要数字化？脉冲编码调制（PCM）数字音频的技术指标第16页，共40页。为什么要数字化？由于音频信号是一种连续变化的模拟信号计算机只能处理和记录二进制的数字信号因此，由自然音源而得的音频信号必须经过一定的变化和处理，变成二进制数据后才能送到计算机进行再编辑和存贮。把模拟信号转换成数字信号的过程称为模/数转换（A/D转换） ；反过来，把数字信号转换为模拟信号的过程称为数/模转换（D/A转换）。第17页，共40页。A/D话音编码信道编码信道信道译码话音译码D/A第18页，共40页。脉冲编码调制（PCM）模/数转换主要包括： 采样：在时间轴上对信号数字化； 量化：在幅度轴

6、上对信号数字化； 编码：按一定格式记录采样和量化后的数字数据。脉冲编码调制PCM（Pulse Code Modulation）是一种模数转换的最基本编码方法。CD-DA采用的就是这种编码方式。 第19页，共40页。编码的过程首先用一组脉冲采样时钟信号与输入的模拟音频信号相乘，相乘的结果即输入信号在时间轴上的数字化。然后对采样以后的信号幅值进行量化。最简单的量化方法是均衡量化，这个量化的过程由量化器来完成。对经量化器A/D变换后的信号再进行编码，即把量化的信号电平转换成二进制码组，就得到了离散的二进制输出数据序列x ( n )，n表示量化的时间序列，x ( n )的值就是n时刻量化后的幅值，以二

7、进制的形式表示和记录。 第20页，共40页。第21页，共40页。数字音频的技术指标 (1) 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，或者说只要采样频率高于输入信号最高频率的两倍，就能从采样信号系列重构原始信号。第22页，共40页。根据该采样理论CD 激光唱盘采样频率为44.1KHz，可记录的最高音频为22.05KHz，这样的音质与原始声音相差无几，也就是我们常说的超级高保真音质。常用的声音采样频率有44.lKHz（达到CD音质），22.05KHz(

8、达到调频广播音质)及11.025KHz(达到电话语音音质)。第23页，共40页。(2)量化位数：量化位数是对模拟音频信号的幅度轴进行数字化，它决定了模拟信号数字化以后的动态范围。由于计算机按字节运算，一般的量化位数为8位和16位。量化位越高，信号的动态范围越大，数字化后的音频信号就越可能接近原始信号，但所需要的存贮空间也越大。 第24页，共40页。（3） 声道数：有单声道和双声道之分。双声道又称为立体声，在硬件中要占两条线路，音质、音色好，但立体声数字化后所占空间比单声道多一倍。 第25页，共40页。（4）编码算法：编码的作用其一是采用一定的格式来记录数字数据，其二是采用一定的算法来压缩数字数

9、据以减少存贮空间和提高传输效率。第26页，共40页。压缩算法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。压缩编码的基本指标之一就是压缩比，它通常小于1。压缩越多，信息丢失越多、信号还原后失真越大。第27页，共40页。声音文件的大小S=R*D*(r/8)*2R: 采样频率（Hz）D：录音时间（S）r: 量化位数第28页，共40页。3 声音的文件格式第29页，共40页。常见的音频文件格式*.wav文件*.mid文件还有采用压缩技术将声音文件的大小压缩10倍以上的声音文件格式如：*.mp3*.rm *.wma 等第30页，共40页。WAVE文件Microsoft和IB

10、M共同开发，PC标准声音格式没有采用压缩算法，不会失真，处理速度快扩展名wav特点：声音层次丰富，还原性好，表现力强采用足够高的采样频率，音质极佳不足：数据量大，与采样频率、量化位数和声道数成正比第31页，共40页。MIDI文件不是真正的数字化声音，而是一组声音或乐器符号的集合象记录乐谱一样记录下演奏的符号，所以体积是所有音频格式中最小的播放效果与硬件关系很大应用于手机铃声等对音质要求不高且对空间有严格限制的场合扩展名mid音色比较单调，层次感稍差，表现力不够第32页，共40页。MP3文件是一种有损压缩，通过记录音频的音高、音色和音量信息压缩比约为11:1一张CD可存储15首普通歌曲，采用mp3格式，则可存储160首CD音质的歌曲扩展名mp3理想播放器是winamp第33页，共40页。WMA文件Window Media Audio的缩写可以保证在只有MP3文件一半大小的前提下，保持相同的音质大多数MP3播放器都支持WMA文件第34页，共40页。4 音频素材的获取第35页，共40页。音频素材的获取用软件创作； 通过计算机中的声卡录制声音；通过计算机中声卡的MIDI接口获取声音；从CD或VCD中直接捕获(抓轨)；利用已有光盘中的音频素材； 从网络资源管理系统中搜索声音素材第36页，共40页。5 声音的处理第37