第5章-音频处理技术

第5章音频处理技术本章概述本章的学习目标主要内容1本章概述声音是携带信息的非常重要的媒体。在多媒体计算机系统中，通过声音可以传递信息、制造效果、营造气氛及演奏音乐等。音频处理技术是多媒体技术研究的重要内容之一,主要包括模拟声音信号数字化、音频文件存储、传输、播放、数字音效处理等内容。本章主要介绍声音信号及其数字化的基本概念、音频卡的组成及其工作原理、数字音频的采集与编辑、MIDI音乐以及几个常用的音频处理软件等内容，并以AdobeAudition3.0为例，详细介绍编辑处理声音文件的具体方法。2本章的学习目标理解音频的基本知识掌握常用的音频文件格式理解音频数字化过程熟练掌握音频的采集及处理3主要内容5.1音频基本知识5.2音频数字化5.3音频文件格式5.4数字音频的采集5.5常用音频工具软件5.6基于AdobeAudition的音频处理5.7本章小结45.1音频基本知识声音的物理特征音频相关概念5声音的物理特征人的耳朵所感觉到的空气分子的振动就是声音信号，它通常用一种连续的波形来表示。声波的振幅与频率波形的最大位移称为振幅A，反映音量。波形中两个连续波峰(或波谷)之间的距离称为周期T。周期的倒数1/T即为频率f，以赫兹(Hz)为单位。6声音的物理特征频率反映了声音的音调，声音按频率可分为三类：低于20Hz的声音称为次声频率范围在20Hz～20kHz范围的可听声称为音频频率高于20kHz的声音称为超音频(或超声)7声音的物理特征振幅和频率不变的声音为纯音，纯音一般都是用专用电子设备产生的。在自然界中，语音、乐声等大多数不是纯音，它们都是由不同的振幅和频率组成的复音。在复音中最低频一般是一个常数，称为基频，基频是决定声音音调的基本因素。复音中的其他频率通常称为谐音。基频和谐音组合后，即可形成不同音质和音色的声音。音色是辨别声音的特征，通过音色能区分自然界不同的声源。若在传播过程中谐音有所损失，则可能改变原声源的特征而发生畸变。8音频相关概念从处理方式看，目前多媒体计算机中的音频主要有波形音频、CD音频和MIDI音乐3种形式：波形音频所谓波形音频，就是由外部声音源通过数字化过程采集到多媒体计算机中的所有声音形式，如讲话录音、流行歌曲、自然界的各种声音等，可通过编辑(裁剪、合成、效果等)、编码压缩、存储以及还原播放等方式进行处理。在波形音频中，人的语音有一类特殊的声音。语音具有内在的语言学、语音学的内涵，例如发音习惯、语气等。多媒体计算机可以利用特殊的方法分析、研究、抽取语音的相关特征，实现对不同语音的分辨、识别以及通过文字合成语音波形等。9音频相关概念CD音频CD音频(CD-Audio)是存储在音乐CD光盘中的数字音频，可以通过CD-ROM驱动器读取并采集到多媒体计算机系统中，然后以波形音频的相应形式进行存储和处理。MIDI音乐MIDI音乐是一种十分规范的音乐形式，也称MIDI音频。它将音乐符号化并保存在MIDI文件中，然后通过音乐合成器产生相应的声音波形来还原播放。10主要内容5.1音频基本知识5.2音频数字化5.3音频文件格式5.4数字音频的采集5.5常用音频工具软件5.6基于AdobeAudition的音频处理5.7本章小结115.2音频数字化音频是时间的函数，声音信号是振幅随时间连续变化的模拟信号。在计算机处理音频信号之前，必须将声音的模拟信号进行数字化，形成数字音频。数字化的具体过程包括采样、量化和编码3个环节。采样和量化完成模拟信号的数字化表示，编码实现数字音频的标准化和数据压缩。数字化后的音频质量取决于采样频率、量化位数以及编码压缩算法等因素。音频数字化过程125.2音频数字化采样与采样频率量化与量化级声道音频采样的数据量音频数据编码13采样与采样频率所谓采样就是每间隔一段时间读取一次声音信号幅度，使声音信号在时间上被离散化。采样的主要参数是采样频率。采样频率(SamplingRate)是指将模拟声音波形数字化时，每秒钟所抽取声波幅度样本的次数，其计算单位是kHz(千赫兹)。一般来说，采样频率越高，声音失真越小，但用于存储数字音频的数据量也越大。采样频率的高低是根据声音信号本身的最高频率和奈奎斯特采样定理(Nyquisttheory)决定的。14采样与采样频率奈奎斯特采样定理：设连续信号的频谱为，以采样间隔T采样得到离散信号，如果满足：当时，是截止频率，或则可以由离散信号完全确定连续信号。当采样频率等于时，即，称为奈奎斯特频率。奈奎斯特采样定理指出，采样频率不应低于声音信号最高频率的两倍，这样才能把离散的数字音频还原为原来的声音。15采样与采样频率音频的频率范围大约在20Hz～20kHz之间，根据采样理论，为了保证声音不失真，采样频率应在40kHz左右。常用的音频采样率有8kHz、11.025kHz、22.05kHz、16kHz、37.8kHz、44.1kHz(CD音质)、48kHz等。采样频率越高，数字音频的音质就越接近原声。16量化与量化级量化就是把采样得到的声音信号幅度转换为数字值，是声音信号在幅度上被离散化。量化位数是每个采样点能够表示的数据范围，量化位数越多，所得到的量化值越接近原始波形的采样值。常用的量化位数有8位、16位、24位。量化位数越高音质越好，数据量也越大。17量化与量化级在多媒体中，对于音频，量化位数可采用16位，对应有65536个量化级；对于语音编码，量化位数可采用8位，对应有256个量化级。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。量化时，每个采样数据均被四舍五入到最接近的整数，如果波形幅度超过了可用的最大位，波形的顶部和底部将会被削去，这就是削峰。在量化过程中可能会出现噪声，削峰有可能会造成声音严重失真。18声道反映音频数字化质量的另一个因素是声道个数。记录声音时，如果每次生成一个声波的数据，称为单声道。每次生成两个声波数据，称为双声道(立体声)。每次生成两个以上声波数据，称为多声道(环绕立体声)。19音频采样的数据量数字音频的采样数据量主要取决于两个因素：一是音质因素，它是由采样频率、量化位数和声道数3个参数决定的。采样频率越高、量化位数越多、声道数越多，数字音频的音质就越好，反之就越差；二是时间因素，采样时间越长，数据量越大。20音频采样的数据量单位时间的数据量可用下式表示：为单位时间的数据量(Kbps)，为采样频率(kHz)，为量化位数(bit)，为声道数。具体计算时，需要将单位时间的数据量与采样时间相乘，并注意采样频率的单位换算。例如，对于22.05kHz的采样频率，量化位数为8位二进制位，单声道10秒钟的采样数据量为 22.05×1000×8×10×1/8=220500(B)。211分钟声音所需的存储空间

22音频数据编码数字音频的数据量是非常大的，所以音频处理的关键问题就是要对音频数据进行压缩编码。在多媒体计算机系统中，采样量化后的数字音频信号要经过编码压缩后才能以音频文件的形式存储或传输，而播放音频文件是通过解码器还原后再将音频信号输出。为了对音频数据进行有效的压缩，需从采样数据中去除数据冗余，同时保证音频质量在许可的可控范围内。人们从音频数据的可能冗余出发，分析研究了不同形式的音频数据冗余形式，在统计归纳的基础上，构造了一系列的数据模型，即编码算法，从不同角度实现对音频数据的有效压缩。23音频数据编码音频数据压缩编码的方法有多种，可分为无损压缩和有损压缩两大类。无损压缩主要包含各种熵编码。有损压缩则可分为波形编码、参数编码和同时利用多种技术的混合编码。波形编码是在模拟音频数字化(抽样和量化)的过程中，根据人耳的听觉特性进行编码，并使编码后的音频信号与原始信号的波形尽可能匹配，实现数据的压缩。波形编码的特点是适应性强，音频质量好，在较高码率的条件下可以获得高质量的音频信号，既适合于高质量的音频信号，也适合于高保真语音和音乐信号，但波形编码压缩比不大。24音频数据编码参数编码把音频信号表示参数编码把音频信号表示成某种模型的输出，利用特征提取的方法抽取必要的模型参数和激励信号的信息，并对这些信息进行编码，最后在输出端合成原始信号。其目的是重建音频，保持原始音频的特性。常用的音频参数有线性预测系数、滤波器组等。参数编码的压缩率很大，但计算量大，保真度不高，适合于一般语音信号(电话音质)的编码。混合编码介于波形编码和参数编码之间，集中了这两种方法的优点，可在较低的码率上得到较高的音质。25主要内容5.1音频基本知识5.2音频数字化5.3音频文件格式5.4数字音频的采集5.5常用音频工具软件5.6基于AdobeAudition的音频处理5.7本章小结265.3音频文件格式常用的音频文件格式有：WAV格式MP3格式WMA格式MIDI格式CD-DA格式Audio格式RealAudio格式AIFF格式27音频文件格式WAV格式(.wav)WAV声音格式文件也叫波形(WAVE)声音文件，是微软公司推出的格式，是Windows所使用的标准数字音频。WAV格式存储的采样数据可以用来重现实际声音的波形，这些数据不经过压缩，所有不会失去任何记录信息，音质是最好的，数据体积最大。Windows录音机就是将原始的声音信号存储为WAV格式，大多数压缩格式的声音文件都是在WAV格式的基础上经过数据的重新编码来压缩其数据量的。28音频文件格式MP3格式(.mp3)MP3的全称是MPEG-1Layer3音频文件。MPEG-1是动态视频压缩标准，其中的声音部分称MPEG-1音频层，它根据压缩质量和编码复制程度划分为三层，即Layer1，Layer2和Layer3，分别对应MP1，MP2和MP3三种声音文件，并且根据不同的用途，使用不同层次的编码。MPEG音频编码的层次越高，对应的编码越复杂，压缩率也越高。MP1和MP2的压缩率分别为4:1和6:1～8:1，而MP3的压缩率则高达10:1～12:1。虽然它是一种有损压缩方式，但它以极小的声音失真换取了较高的压缩比，使得MP3不仅在Internet上广泛传播，而且可以轻而易举地下载到便携式数字音频设备中播放。29音频文件格式WMA格式(.wma/.asf/.asx/.wax)WMA(WindowsMediaAudio)是微软推出的一种音频压缩格式，它采用流式压缩技术，以减少数据流量但保持音质的方法来达到比MP3压缩率更高的目的，压缩率一般都可以达到1:18左右。WMA支持音频流(Stream)技术，适合在网络上在线播放，兼顾了保真度和网络传输需求，成为Internet上的主要流格式之一。30音频文件格式MIDI格式(.mid/.rmi/.cmi/.cmf)MIDI(MusicalInstrumentDigitalInterface)文件是国际MIDI协会开发的乐器数字接口文件，采用数字方式对乐器所奏出来的声音进行记录。MIDI音频与波形音频完全不同，它不对声波进行采样、量化与编码，而是讲电子乐器键盘的演奏信息(包括键名、力度、时间长短等)记录下来，这些信息成为MIDI信息，是乐谱的一种数字式描述。对应于一段音乐的MIDI文件，不记录任何声音信息，而只是包含一系列产生音乐的MIDI消息。播放时只需从中读出MIDI消息，生成所需的乐器声音波形，经放大处理即可输出。MIDI文件通常比声音文件小得多。31音频文件格式CD-DA格式(.cda)CD-DigitalAudio(CD-DA)文件是标准光盘文件。这种格式的文件数据量大、音质好。在Windows操作系统中可使用CD播放器进行播放。大多数播放软件都可以播放CD格式的文件。Audio格式(.au)Audio文件是SUN公司推出的一种数字音频格式，是为UNIX系统开发，和WAV非常相像，在大多数的音频编辑软件中支持这种音乐格式。32音频文件格式RealAudio格式(.ra/.rm/.ram)RealAudio是一种流式音频(StreamingAudio)文件格式，主要适用于在网络上的在线音乐欣赏，它包含在RealNetworks公司所制定的音频、视频压缩规范RealMedia中，主要用于在低速率的广域网上实时传输音频信息。AIFF格式(.aif/.aiff)AIFF(AudioInterchangeFileFormat)是APPLE公司开发的一种音频文件格式，被MACINTOSH平台及其应用程序所支持。33主要内容5.1音频基本知识5.2音频数字化5.3音频文件格式5.4数字音频的采集5.5常用音频工具软件5.6基于AdobeAudition的音频处理5.7本章小结345.4数字音频的采集录音采集抓取CD、VCD和DVD音轨电子合成音乐35录音采集1.选择采样参数在自行录制音频文件即采集音频之前，除了要有合适的环境和音源外，还需要聘请专业创作人员、音响工程师，租用录音设备等。还要根据具体情况和用途确定适当的采样参数。如果采样参数选的太低，会导致音质差，因为声音采样的采样点太少，难以超过录制过程中固有的噪声水平；如果采样参数太高，虽然音质有了保证，但会产生巨大的数据量。一段音频只能有一个采样率，而且在录制过程中不能修改，所以采集数字音频时首先要根据实际情况选择最佳的采样参数，做到音质与数据量的折中考虑，避免采样过程中出现存储空间不足的现象发生。36录音采集在WindowsXP操作系统中，提供了录音参数的选择设置功能，其中的音质选择分为CD音质、电话质量、收音质量和DefaultQuality等4种，每种音质可选择不同的参数。声音选定CD音质的具体参数为PCM编码格式，采样频率为44.100kHz，16位量化位数，双声道立体声。这组录音参数每秒将产生172KB的数据量。PCM为脉冲编码调制编码。37录音采集2.检测输入音频的强度为了防止录音过程中出现失真，需用在录音前进行输入音频强度的检测。如果输入强度太低，音量太小，录制结果就会夹杂许多噪音。如果输入强度过高，音量太大以至于超出允许的范围，录制就会产生失真。如果在WindowsXP环境下，可通过“音量控制”窗口来检测、调节进入计算机的音源强度。具体的操作步骤为：双击任务栏上的扬声器，打开“音量控制”窗口，将音量调节设置成录音模式，然后确保录音源(麦克风或线路输入等)被选定。38录音采集(1)音量控制对话框(2)属性对话框(3)音源设置39录音采集3.开始录音在做好以上工作后，就可以使用Windows系统中的“录音机”工具或专门的音频处理软件来录音。系统中提供的录音机程序只能录制60s的音频数据。如果要录制更长时间的数字音频，可使用专门的音频处理软件，不仅能够录制任意时长的音频文件，还可以提供更为灵活多样的编码格式。录音机界面40抓取CD、VCD和DVD音轨从不同的多媒体产品中直接抓取音轨信息，并转换压缩成所需的音频格式是获取数字音频的另一个快捷途径。一般的音频工具软件都具有直接抓取音乐CD的功能。Windows自带的WindowsMediaPlayer。WaveLab软件既可直接抓取音乐CD又可以抓取音乐DVD中的音轨。豪杰超级解霸软件提供了全面的音轨抓取能力，可直接抓取音乐CD、VCD或DVD光盘等格式音轨，也可从DVD、VCD、RM/RMVB、AVI、MPG、MV等音视频混合的媒体中提取音频信息，并保存为DAC或WAV、MP3格式的声音文件。41电子合成音乐什么是MIDIMIDI(MusicalInstrumentDigitalInterface)即乐器数字接口。它是在音乐合成器、乐器和计算机之间交换音乐信息、播放和录制音乐的一种标准协议。MIDI标准确定了将计算机与电声乐器、录音设备连接起来所需的电缆线、硬件及通信协议。从20世纪80年代初期开始，MIDI已经逐步被音乐家和作曲家广泛接受和使用。MIDI是乐器和计算机使用的标准语言，是一套指令，它指示乐器即MIDI设备要做什么，怎么做，如演奏音符、加大音量、生成音响效果等。42电子合成音乐什么是MIDI当需要播放时，从相应的MIDI文件中读出MIDI消息，通过音乐合成器产生相应的声音波形，经过放大后，再由扬声器输出。MIDI乐谱播放的质量取决于最终用户的MIDI设备。利用MIDI技术将电子合成器、电子节奏机(电子鼓机)和其他电子音源与序列器连接在一起即可演奏模拟出气势雄伟、音色变化万千的音响效果，又可将演奏中的多种按键数据存储起来，极大的改善了音乐演奏的能力和条件。与其他的声音文件相比，MIDI音乐文件所占的存储空间非常小，特别适合于音乐创作及长时间播放音乐的需要。43电子合成音乐制作MIDI音乐MIDI是制作原创音乐最快捷、最方便、最灵活的工具。制作一段原创的MIDI音乐还需要对音乐有一定的了解，并投入一定的时间。为了制作MIDI音乐，需要构建一套系统，即多媒体计算机中的声卡需要带一个声音合成器((SoundSynthesizer)即MIDI电子乐器、一个MIDI键盘，这样才具备创作MIDI音乐的基础条件。44电子合成音乐制作MIDI音乐MIDI电子乐器通过MIDI接口与计算机相连，计算机通过音序器软件来采集MIDI电子乐器发出的一系列指令。这些指令可记录到以.mid为扩展名的MIDI文件中。在计算机上音序器可对MIDI文件进行编辑和修改。最后将MIDI指令送往音乐合成器，由音乐合成器将MIDI指令符号进行解释并产生波形，然后通过声音发生器送往扬声器播放出来。45电子合成音乐MIDI音乐产生过程46电子合成音乐播放MIDI音乐：声卡播放MIDI音乐最常用的方法有两种，即频率调制(FrequencyModulation，FM)合成与波表合成。FM是运用声音振荡的原理对MIDI进行合成处理的，由于技术本身的局限，很难制出逼真的真实乐器的音色，听上去有很强的人工合成的痕迹。波表(WaveTable)合成是将各种真实乐器所能发出的所有声音(包括各个音域、声调)录制下来，存储在声卡的ROM中，称为硬波表。播放时，根据MIDI文件记录的乐曲信息向硬波表发出指令，从表格中逐一找出对应的声音信息，经过合成、加工后回放出来。由于它采用的是真实乐器的采样，所以效果好于FM。47电子合成音乐由于MIDI与设备有关，同用户使用的播放硬件设备的质量有很大差异。目前，MIDI是为多媒体项目创建原始音乐素材的最佳途径，使用MIDI能够带来所希望得到的灵活性和创新。当MIDI音乐创作完成且能够用于多媒体项目时，应该将其转换成数字音频数据来准备发布。48主要内容5.1音频基本知识5.2音频数字化5.3音频文件格式5.4数字音频的采集5.5常用音频工具软件5.6基于AdobeAudition的音频处理5.7本章小结495.5常用音频工具软件AdobeAuditionAdobeAudition是一个专业音频编辑和混合环境，功能强大，控制灵活，使用它可以录制、混合、编辑和控制数字音频文件。也可轻松创建音乐、制作广播短片、修复录制缺陷。通过与Adobe视频应用程序的智能集成，还可将音频和视频内容结合在一起。505.5常用音频工具软件GoldWaveGoldWave是一个集声音编辑、播放、录制和转换的音频工具，它体积小巧，但功能却很强。可打开WAV、OGG、VOC、IFF、AIF、AFC、AU、SND、MP3、MAT、DWD、SMP、VOX、SDS、AVI、MOV等格式的音频文件，也可以从CD、VCD、DVD或其它视频文件中提取声音。软件内含丰富的音频处理特效，从一般特效如多普勒、回声、混响、降噪到高级的公式计算。它能将编辑好的文件存成WAV、AU、SND、RAW、AFC等格式，可以不经由声卡直接抽取SCSICDROM中的音乐来录制编辑，能够支持以动态压缩保存MP3文件。515.5常用音频工具软件AllEditorAllEditor不仅是一款超级强大的录音工具，还是一个专业的音频编辑软件。提供了多达20余种音频效果修饰音乐，比如淡入淡出、静音的插入与消除、哇音、混响、高低通滤波、颤音、震音、回声、倒转、反向、失真、合唱、延迟、音量标准化处理等等。软件还自带了一个多重剪贴板，可用来进行更复杂的复制、粘贴、修剪、混合操作。在AllEditor中可以边录边存或者是录音完成后再行保存，并且无论是已录制的内容还是导入的音频文件都可以全部或选择性地导出为WAV、MP3、WMA、OGG、VGF文件格式。525.5常用音频工具软件TotalRecorderEditorTotalRecorderEditor是HighCriteria公司出品的一款优秀的录音软件，其功能强大，支持的音源极为丰富。TotalRecorder的工作原理是利用一个虚拟的“声卡”去截取其他程序输出的声音，然后再传输到物理声卡上，整个过程完全是数码录音，因此从理论上来说不会出现任何的失真。它不仅支持硬件音源，如麦克风、电话、CD-ROM和Walkman等，还支持软件音源，比如Winmap、RealPlayer、MediaPlayer等，而且它还支持网络音源，如在线音乐、网络电台和Flash等。535.5常用音频工具软件格式工厂格式工厂(FormatFactory)是一种多媒体格式转换软件。可以支持从其它音频格式到MP3、WMA、FLAC、3GP、OGG等格式的转换，而且可以从光盘提取音频，可以进行音频