第3章音频信息的获取与处理

第2章音频信息的获取和处理2.1

数字音频基础2.2声卡的组成与工作原理

2.3音频编码基础和标准

2.4音乐合成和MIDI标准2023/2/6

2.1数字音频基础

随着多媒体信息处理技术的发展，计算机数据处理能力的增强，音频处理技术受到重视，并得到了广泛的应用，如：视频图像配以娓娓动听的音乐和语音；静态或动态图像配以解说和背景音乐；立体声音乐可增加空间感；游戏中的音响效果等。本章主要介绍音频的相关知识。2023/2/6一、模拟音频规则音频是一种连续变化的模拟信号,可用一条连续的曲线来表示，称为声波。因声波是在时间和幅度上都连续变化的量，我们称之为模拟量。用声音录制软件记录的英文单词“Hello”的语音实际波形2.1.1模拟音频和数字音频2023/2/6模拟音频信号的两个重要参数模拟音频信号有两个重要参数：频率和幅度。声音的频率体现音调的高低，声波幅度的大小体现声音的强弱。

一个声源每秒钟可产生成百上千个波，我们把每秒钟波峰所发生的数目称之为信号的频率，单位用赫兹(Hz)或千赫兹(kHz)表示。信号的幅度是从信号的基线到当前波峰的距离。幅度决定了信号音量的强弱程度。幅度越大，声音越强。对音频信号，声音的强度用分贝(dB)表示，分贝的幅度就是音量。幅度限周期基线2023/2/6二、数字音频声音的A/D与D/A转换A/D转换就是把模拟信号转换成数字信号的过程，模拟电信号变为了由“0”和“1”组成的Bit信号。这样做的好处是显而易见的，声音存储质量得到了加强，数字化的声音信息使计算机能够进行识别、处理和压缩。A/D转换的一个关键步骤是声音的采样和量化，得到数字音频信号，它在时间上是不连续的离散信号。借助于A/D或D/A转换器，模拟信号和数字信号可以互相转换。2023/2/6模拟音频的数字化过程

数字化的声音易于用计算机软件处理，现在几乎所有的专业化声音录制、编辑器都是数字方式。对模拟音频数字化过程涉及到音频的采样和量化。

采样和量化的过程可由A/D转换器实现。A/D转换器以固定的频率去采样，即每个周期测量和量化信号一次。经采样和量化后声音信号经编码后就成为数字音频信号，可以将其以文件形式保存在计算机的存储介质中，这样的文件一般称为数字声波文件。

2023/2/62.1.2音频的数字化

多媒体计算机产生声音的方式主要有3种：由外部声音源进行录制与重放的波形音频、MIDI音乐的MIDI音频/programs/view/AB0N4boBhFY/声音数字化分为采样和量化两个步骤：采样就是每隔一段时间就读一次声音信号的幅度，记录下来的原始模拟声波在某一时刻的状态，称之为样本；每秒钟抽取声波幅度样本的次数，称为采样频率；量化：把采样得到的声波幅度转化为数字值，也就是把某一幅度范围内的电压用一个数字表示。2023/2/6

以下图所示的原始模拟波形为例进行采样和量化。假设采样频率为1000次/秒，即每1/1000秒A/D转换器采样一次，其幅度被划分成0到9共10个量化等级，并将其采样的幅度值取最接近0~9之间的一个数来表示，如下图所示。图中每个正方形表示一次采样。

012345678910ms2023/2/6

失真在采样过程中是不可避免的，如何减少失真呢？可以直观地看出，我们可以把上图中的波形划分成更为细小的区间，即采用更高的采样频率。同时，增加量化精度，以得到更高的量化等级，即可减少失真的程度。在下图（左）中，采样率和量化等级均提高了一倍，分别为2000次/秒和20个量化等级。在下图（右）中，采样率和量化等级再提高了一倍，分别达到4000次/秒和40个量化等级。从图中可以看出，当用D/A转换器重构原来信号时（图中的轮廓线），信号的失真明显减少，信号质量得到了提高。2023/2/6

信息论的奠基者香农（Shannon）为实现A/D转换，需要把模拟音频信号波形进行分割，这种方法就是采样(Sampling)。采样的过程是把时间上的连续信号变成时间上的离散信号。该时间间隔称为采样周期，其倒数为采样频率。采样频率是指计算机每秒钟采集多少个声音样本。采样频率越高，声音失真越小，存储音频的数据量也越大。常用的有8kHz,11.025kHz,22.05,kHz16kHz,44.1kHz,48kHz等。1.采样频率

2023/2/6

采样只解决了音频波形信号在时间坐标(即横轴)上把一个波形切成若干个等分的数字化问题，但是还需要用某种数字化的方法来反映某一瞬间声波幅度的电压值大小。该值的大小影响音量的高低。我们把对声波波形幅度的数字化表示称之为“量化”。量化位数是每个采样点能够表示的数据范围，有8/12/16/32位。量化级的大小决定了声音的动态范围，即被记录和重放的声音最高与最低之间的差值。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样值归为一类，并赋于相同的量化值。如何分割采样信号的幅度呢?我们还是采取二进制的方式，以８位(bit)或16位(bit)的方式来划分纵轴。也就是说在一个以8位为记录模式的音效中，其纵轴将会被划分为一个量化等级，用以记录其幅度大小。量化位数越高音质越好，数据量也越大。2.量化数据位数（也称量化级、样本尺寸等）2023/2/63、单声道与双声道反映音频数字化质量的另一个因素是通道（或声道）个数。记录声音时，如果每次生成1个声波数据，称为单声道；如果每次生成2个声波数据，称为立体声（双声道）。立体声更能反映人的听觉感受，数字音频还受其他一些因素（如扬声器质量）的影响。2023/2/64、数字音频的存储可用下面的公式估算声音数字化后每秒所需的存储量（假定不经压缩）：存储量（B）=（采样频率HZ×量化位数bit×声道数）/8例：数字激光唱盘（CD-DA，红皮书标准）的标准采样频率为44.1KHZ，量化位数为16位，立体声（这就是所谓的CD音质—CD-qualitysound），可以几乎无失真地播出频率高达22KHZ的声音，这也是人耳所能听到的最高声音频率。1分钟CD-DA音乐所需的存储量为

（44.1×1000×16×2×60/8）B=10584000B采样频率是8KHZ，量化位数是16位，双声道声音，一分钟的数据量是多少？2023/2/6在多媒体技术中，存储音频信息的文件格式主要有：WAV文件、VOC文件、MIDI文件、AIF文件、SNO文件和RMI文件等。

1.

WAV文件

WAV文件又称波形文件，来源于对声音模拟波形的采样，并以不同的量化位数把这些采样点的值转换成二进制数，然后存入磁盘，这就产生了波形文件。WAV文件用于保存Windows平台的音频信息资源，被Windows平台及其应用程序所广泛支持。2.1.3数字音频的文件格式2023/2/62.2声卡的组成与工作原理

处理音频信号的PC插卡是声卡（AudioCard），又称音频卡，声卡处理的音频媒体有数字化声音（Wave）、合成音乐（MIDI）、CD音频。2023/2/62.2.1声卡的功能、技术指标与分类1.声卡的功能（1）采集来自话筒、收音机等音源的信号，并将其数字化形成数字音频（2）将数字音频回原位模拟音频信号，待放大后送到扬声器还原为声音信号（3）对数字化的声音进行编辑加工，已达到特殊的效果（4）控制音源的音量，对各种音源进行混合（5）采集数据时，对数字化声音信号进行压缩，一边存储；播放时，对压缩的数字化声音文件进行解压（6）接受来自MIDI控制器的MIDI信号，使计算机可以控制多台具有MIDI接口的乐器2023/2/6音箱2、Microphone（麦克风输入）3、Speaker（扬声器输出）4、MIDI/GamePort（MIDI/操纵杆端口）7、CD-ROM音频信号接口6、CD-ROM的接口8、跳接器音频输出IDE接口CD-ROM外部音频设备麦克风操纵杆MIDI声音装置1、Linein（线性输入）5、VolumeControl（音量调节旋钮）电源跳接线2023/2/6MIDI是数字音乐接口（MusicalInstrumentDigitalInterface)的缩写。或者说，MIDI是用来將电子乐器相互连接，或将MIDI设备与电脑连接成系统的一种通讯协议。通过它，各种MIDI设备都可以准确传送MIDI信息。2.4.2MIDI规范一、什么是MIDI2023/2/6二、MIDI系统的组成基于计算机的MIDI音乐创作系统2023/2/6三、MIDI的工作过程音序器：你可以理解为一个MIDI数据的录音机，它是以软件形式安装在电脑上，如