关于多媒体音频的探究

1、 关于多媒体音频的探究 2012221110310022 姓名：叶方园摘要：关于多媒体音频，首先他有多种格式，多种用途，带来方便和娱乐，还有对波形等内容的讨论和见解，不同的格式有不同的优点和效果！关键字：音频，频率，量化与量化级，音频格式正文：一、音频基本知识1）声音的物理特征 人的耳朵之所以能听到声音，是感觉到空气分子的震动的信号，通常用一种连续的波来表示。波形的最大位移称为振幅a，反映音量。波形中的两个连续的波峰（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，声音按频率分为三类：亚音频（次生），频率范围为020hz，音频的频率范围为2020000hz,频率

2、高于20khz的称为超音频或超声，其实还有一类，就是过音频，频率范围为1g1t。振幅和频率不变的声音为纯音。2）音频的相关概念 音频卡也称为声卡，可以把所有的声音录制下来。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音频。 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）、编码压缩、存储以及还原等方式进行处理。 cd音频式是存储在cd光盘中的数字音频，可通过cd-rom驱动器读取并采集到多媒体计算机中，然后以波形音频的形式进行存储和处理。 midi音乐是一种十分规范的

3、音乐方式，也称midi音频，后面将仔细分析的。二音频数字化1）频率与采样率的关系首先，数字化的具体过程包括采样、量化和编码3个环节，由模拟信号通过采样、量化和编码得到数字信号，数字化后的音频质量取决与采样频率、量化位数以及编码压缩算法等因素。所谓采样就是每间隔一段时间读取一次声音信号幅度，是声音信号在时间上被离散化。采样频率的高低是根据奈奎斯特理论(nyquist theory)和声音信号本身的最高频率决定的。奈奎斯特理论指出，采样频率不应低于声音信号最高频率的两倍，这样才能把以数字表达的声音还原成原来的声音。采样的过程就是抽取某点的频率值，很显然，在一秒中内抽取的点越多，获取得频率信息更丰富

4、，为了复原波形，一次振动中，必须有个点的采样，人耳能够感觉到的最高频率为20khz，因此要满足人耳的听觉要求，则需要至少每秒进行40k次采样，用40khz表达，这个40khz就是采样率。我们常见的cd，采样率为44.1khz。电话话音的信号频率约为3.4 khz，采样频率就选为8 khz。2）量化与量化级 光有频率信息是不够的，我们还必须纪录声音的幅度。量化位数越高，能表示的幅度的等级数越多。例如，每个声音样本用3bit表示，测得的声音样本值是在08的范围里。我们常见的cd位16bit的采样精度，即音量等级有2的16次方个。样本位数的大小影响到声音的质量，位数越多，声音的质量越高，而需要的存储

5、空间也越多。量化就是把采样得到的声音信号幅度转化为数字值，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，分别对应的是语音，后两位是音频，量化为数越高，声音越好，但是数据量越大。在多数媒体中，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。量化级也是数字声音质量的重要指标。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的差值。16位的量化级足以表示极细微的声音到巨大噪声的声音范围。3）音频数据编码 根据采

6、样率和采样大小可以得知，相对自然界的信号，音频编码最多只能做到无限接近，至少目前的技术只能这样了，相对自然界的信号，任何数字音频编码方案都是有损的，因为无法完全还原。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；而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。（1） 波形编码 在模拟音频数字化的过程中，根据人耳的听觉特性进行编码，并使用编码后的音频信号与原始信号的波形尽可能匹配，实现数据压缩。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，即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

7、比不大。（2） 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，并对这些信号进行编码，最后在输出端合成原始信号。压缩率很大，但计算量大，保真度不高，因此使用于一般语音信号的编码。（3） 混合编码 介于波形编码和参数编码之间，集中了两种的优点，可在较低的码率上得到较高的音质。三音频文件格式1、wav格式这是一种古老的音频文件格式，由微软开发。wav对音频流的编码没有硬性规定，除了pcm之外，还有几乎所有支持acm规范的编码都可以为wav的音频流进行编码。wav可以使用多种音频编码来压缩其音频流，不过我们常见的都是音频流被pcm编码处理的wav，但这

8、不表示wav只能使用pcm编码，mp3编码同样也可以运用在wav中，只要安装好了相应的decode，就可以欣赏这些wav了。 在windows平台下，基于pcm编码的wav是被支持得最好的音频格式，所有音频软件都能完美支持，由于本身可以达到较高的音质的要求，因此，wav也是音乐编辑创作的首选格式，适合保存音乐素材。因此，基于pcm编码的wav被作为了一种中介的格式，常常使用在其他编码的相互转换之中，例如mp3转换成wma。2、mp3格式 作为目前最为普及的音频压缩格式，为大家所大量接受，各种与mp3相关的软件产品层出不穷，而且更多的硬件产品也开始支持mp3，我们能够买到的vcd/dvd播放机都

9、很多都能够支持mp3，还有更多的便携的mp3播放器等等，虽然几大音乐商极其反感这种开放的格式，但也无法阻止这种音频压缩的格式的生存与流传。mp3发展已经有10个年头了，他是mpeg(mpeg：moving picture experts group) audio layer-3的简称，是mpeg1的衍生编码方案，1993年由德国fraunhofer iis研究院和汤姆生公司合作发展成功。mp3可以做到12:1的惊人压缩比并保持基本可听的音质，在当年硬盘天价的日子里，mp3迅速被用户接受，随着网络的普及，mp3被数以亿计的用户接受。mp3编码技术的发布之初其实是非常不完善的，由于缺乏对声音和人耳

10、听觉的研究，早期的mp3编码器几乎全是以粗暴方式来编码，音质破坏严重。随着新技术的不断导入，mp3编码技术一次一次的被改良，其中有2次重大技术上的改进。关于vbr，mp3格式的文件有一个有意思的特征，就是可以边读边放，这也符合流媒体的最基本特征。也就是说播放器可以不用预读文件的全部内容就可以播放，读到哪里播放到哪里，即使是文件有部分损坏。虽然mp3可以有文件头，但对于mp3格式的文件却不是很重要，正因为这种特性，决定了mp3文件的每一段每一帧都可以单独的平均数据速率，而无需特别的解码方案。于是出现了一种叫vbr（variable bitrate，动态数据速率）的技术，可以让mp3文件的每一段甚

11、至每一帧都可以有单独的bitrate，这样做的好处就是在保证音质的前提下最大程度的限制了文件的大小。3、midi格式 在一个专门的硬件里。序列器实际上是一个音乐词处理器（word processor），应用它可以记录、播放和编辑各种不同midi乐器演奏出的乐曲。序列器并不真正的记录声音，它只记录和播放midi信息，这些信息从midi乐器来的电脑信息，就像印在纸上的乐谱一样，它本身不能直接产生音乐，midi本身也不能产生音乐，但是它包含有如何产生音乐所需的所有指令，例如用什么乐器、奏什么音符、奏得多快，奏得力度多强等。序列器可以是硬件，也可以是软件，它们作用过程完全与专业录音棚里多轨录音机一样，

12、可以把许多独立的声音记录在序列器里，其区别仅仅是序列器只记录演奏时的midi数据，而不记录声音；它可以一轨一轨地进行录制，也可以一轨轨地进行修改，当你弹键盘音乐时，序列器记录下从键盘来的midi数据。一旦把所需要的数据存储下来以后，可以播放你刚作好的曲子。如果你觉得这一声部的曲子不错，可以把别的声部加上去，新加上去的声部播放时完全与第一道同步。 midi的三个标准：gs、gm、xg 音乐的要素之一是音色。在midi中，一种乐器就是一种音色（patch,program和timbre)。现实的情况是不同的合成器和音源的制造者为了使自己的产品有独特之处，总是开发出若干种特殊音色，因而不同品牌的设备在音色种类和音色排列顺序方面会大不相同。每一种midi设备的音色设置（以及其他方面）都具有排他性。这就使音乐家受到了设备的制约。为了有利于音乐家广泛地使用不同的合成器设备和促进midi文件的交流， midi协会（mma）于1991年制订了“通用midi”（gm）标准。该标准以日本rolan