多媒体技术与应用讲稿(2014-2)第2章音频信号的获取与处理2.1多媒体音频基础知识。2.1.1声音信号的数字化。2.1.2数字音频的获取方式·2.1.3数字音频的文件格式2.2音频编辑软件CoolEdit的使用2.1多媒体音频基础知识最初的音频是用电信号记录下来进行存储和传输的，是模拟信号，而计算机处理的是数字音频，数字音频有独特的获取和处理方式。声波如图：A周期振幅t重要指标：振幅：音量的大小周期：重复出现的时间间隔频率：指信号每秒钟变化的次数2.1.1声音信号的数字化1、声音的基础知识声音是通过一定介质（如空气、水等）传播的一种连续的波，是连续型时基媒体。声音的主要传播介质是空气，固体、液体也能传播声音。（日本地震声波）声音的本质是空气振动，由于空气振动引起耳膜的振动，然后被人耳所感知，但并不是所有的空气振动都能被人耳所感知。心声音信号的频率是指声音信号每秒钟变化的次数，用Hz表示*人耳所能感觉到空气振动的频率范围大约为20Hz～20kHz，即人耳能识别的声音。*人类说话声音频率范围：300Hz-3kHz，语音信号是指频率范围和人说话的信号频
多媒体技术与应用讲稿 （2014-2） 第 2 章 音频信号的获取与处理 2.1 多媒体音频基础知识 ⚫ 2.1.1 声音信号的数字化 ⚫ 2.1.2 数字音频的获取方式 ⚫ 2.1.3 数字音频的文件格式 2.2 音频编辑软件 Cool Edit 的使用 2.1 多媒体音频基础知识 最初的音频是用电信号记录下来进行存储和传输的，是模拟信号，而计算机处理的是数 字音频，数字音频有独特的获取和处理方式。 声波如图： 重要指标： 振幅：音量的大小 周期：重复出现的时间间隔 频率：指信号每秒钟变化的次数 2.1.1 声音信号的数字化 1、声音的基础知识 ❖ 声音是通过一定介质（如空气、水等）传播的一种连续的波，是连续型时基媒体。 ❖ 声音的主要传播介质是空气，固体、液体也能传播声音。（ 日本地震声波） ❖ 声音的本质是空气振动，由于空气振动引起耳膜的振动，然后被人耳所感知，但并 不是所有的空气振动都能被人耳所感知。 ❖ 声音信号的频率是指声音信号每秒钟变化的次数，用 Hz 表示 ❖ 人耳所能感觉到空气振动的频率范围大约为 20Hz～20kHz，即人耳能识别的声音。 ❖ 人类说话声音频率范围：300Hz-3kHz， 语音信号是指频率范围和人说话的信号频 t 振幅 周期 A
率范围一致的信号非语音是指语音信号范围外的人耳所能识别的音频信号，主要包括乐音和杂音，非语音信号的特点是不具有复杂的语义和语法信息，信息量比较低，因此识别简单。声波范围示意图：-↓音频（Audio）带宽Y--次声带语音（Speech）带宽超声带业业KK--------1------1?203k30020kf(Hz)图2-1声波范围示意图频带：CD-DAFM广播AM广播电话f(Hz)1020503.4k2007k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。复音中频率最低的纯音称基音，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，称为谐音或泛音。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：
率范围一致的信号 ❖ 非语音是指语音信号范围外的人耳所能识别的音频信号，主要包括乐音和杂音，非 语音信号的特点是不具有复杂的语义和语法信息，信息量比较低，因此识别简单。 声波范围示意图： 频带： 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。复音中频率最低的纯音称基音，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，称为谐音或泛音。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： 10 20 50 200 3.4k 7k 15k 20k CD-DA FM广播 AM广播 电话 f(Hz)
1声音3要素：（1）音调：表示声音的高低，由声音信号的频率所决定，在音乐中称为音高.频率高则音调高，频率低则音调低。（2）音强：又称响度、音量，决定声音能量的强弱程度，由声音信号的幅度决定，通常用音量来描述音强，以分贝（dB）为单位。人类能感知的声音的幅度范围在0～120（dB）之间。就同一声源来说，人对声音的感觉强度与声源的方向与距离相关。（3）音色：又称音品，表示声音的品质，由声音的频谱和混入基音中的泛音所决定的。2、模拟音频和数字音频模拟音频是连续的电信号，然而计算机只能处理以0和1的形式表示的离散的信号量。心要想在计算机中对音频信号进行存储、传输、播放、处理，就必须进行音频的模数转换，即把模拟音频信号数字化，形成数字音频。模拟信号数字信号采样量化编码第一步第二步第三步8ss000000100100...3o量化采样编码
声音 3 要素： （1）音调：表示声音的高低，由声音信号的频率所决定，在音乐中称为音高,频率高则音调 高，频率低则音调低。 （2）音强：又称响度、音量，决定声音能量的强弱程度，由声音信号的幅度决定，通常用 音量来描述音强，以分贝（dB）为单位。人类能感知的声音的幅度范围在 0～120（dB） 之间。就同一声源来说，人对声音的感觉强度与声源的方向与距离相关。 （3）音色：又称音品，表示声音的品质，由声音的频谱和混入基音中的泛音所决定的。 2、模拟音频和数字音频 ❖ 模拟音频是连续的电信号，然而计算机只能处理以 0 和 1 的形式表示的离散的信号 量。 ❖ 要想在计算机中对音频信号进行存储、传输、播放、处理，就必须进行音频的模/ 数转换，即把模拟音频信号数字化，形成数字音频。 采样 量化 编码 模拟信号 数字信号 第一步 第二步 第三步 采样 量化 编码 模拟信号 数字信号 第一步 第二步 第三步
010101000011001000010000O10011010101111001101图2-3模拟音频数字化示意图音频经过数字化采样和量化得到的时间和幅度都离散的数字信号就称为数字音频信号。&（1）采样（Sampling）：在某些特定的时刻对模拟信号进行测量叫做采样。采样的时间间隔称为采样周期，采样可分为均匀采样和非均匀采样，每秒钟采样的次数称为采样频率。心（2）量化（Quantization）：经过采样获得的离散时间信号的幅度值依然是连续的，因此需要对这些幅度值进行量化。把幅度区间划分成n个区间，一个区间对应于一个幅度值，对于所有落入第i个区间的任何幅度值，都用同一个幅度值来表示。这个过程称为量化。量化的幅度间隔均等的称为线性量化，否则称为非线性量化。（3）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，并在有心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。奈奎斯特采样定理：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。fs≥2f或者Ts≤T/2其中fs为采样频率，Ts为采样周期，f为被采样信号的最高频率，T为被采样信号的最小周期。采样频率的高低是根据奈奎斯特理论和声音信号本身的最高频率决定的。例如，电话话音的信号最高频率约为3.4kHz，采样频率通常选为8kHz。声音数字化三要素：声道数采样频率量化位数每秒钟抽取声波幅每个采样点用多少二进制使用声音通道的个数度样本的次数位表示数据范围
音频经过数字化采样和量化得到的时间和幅度都离散的数字信号就称为数字音频信号。 ❖ （1）采样（Sampling）：在某些特定的时刻对模拟信号进行测量叫做采样。采样的 时间间隔称为采样周期，采样可分为均匀采样和非均匀采样，每秒钟采样的次数称 为采样频率。 ❖ （2）量化（Quantization）：经过采样获得的离散时间信号的幅度值依然是连续的， 因此需要对这些幅度值进行量化。把幅度区间划分成 n 个区间，一个区间对应于一 个幅度值，对于所有落入第 i 个区间的任何幅度值，都用同一个幅度值来表示。这 个过程称为量化。量化的幅度间隔均等的称为线性量化，否则称为非线性量化。 ❖ （3）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。 奈奎斯特采样定理： 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。 fs ≥2f 或者 Ts≤T/2 其中 fs 为采样频率，Ts 为采样周期，f 为被采样信号的最高频率，T 为被采样信号 的最小周期。采样频率的高低是根据奈奎斯特理论和声音信号本身的最高频率决定的。 例如，电话话音的信号最高频率约为 3.4kHz，采样频率通常选为 8kHz。 声音数字化三要素： 采样频率 量化位数 声道数 每秒钟抽取声波幅 度样本的次数 每个采样点用多少二进制 位表示数据范围 使用声音通道的个数
立体声比单声道的表采样频率越高量化位数越多音质越好声音质量越好现力丰富，但数据量数据量也越大翻倍数据量也越大单声道11.025kHz8位=256个值立体声22.05kHz16位=65536个值44.1kHz32位==232量化样本的位数由计算机的性能和对声音质量的要求决定，一般有8位量化、16位量化和32位量化，即分别用一个字节、两个字节和四个字节存放一个采样点的幅度值。量化位数越高，需要的存储空间越大，但此时声音细节的丢失比较少，声音的质量较好。声音数字化计算公式：数据量=采样频率×量化位数×声道数/8（字节/秒）×时间采样频率量化位数数据量(KB/s)(kHz)(bit)立体声单声道810.7721.5311.0251621.5343.07821.5343.0722.051643.0786.13843.0786.1344.11686.13172.272.1.2数字音频的获取方式在多媒体应用软件中，经常要使用音频素材。数字音频的获取主要有以下几种方式：（1）使用声卡采集模拟设备上的声音信息，并以文件的形式存储在计算机中（2）使用声卡录制声音信息，并以文件的形式存储在计算机中。（3）使用声卡及MIDL设备在计算机上创作乐曲（4）从互联网下载或购买音频光盘。（5）从CD或VCD上截取音频数据。（6）从视频上获取音频数据。2.1.3数字音频的文件格式1.WAV格式音频文件2.VOC格式音频文件3.MP3格式音频文件4.RA格式音频文件
采样频率越高 声音质量越好 数据量也越大 量化位数越多 音质越好 数据量也越大 立体声比单声道的表 现力丰富，但数据量 翻倍 11.025kHz 22.05 kHz 44.1 kHz 8 位＝256 个值 16 位＝65536 个值 32 位==232 单声道 立体声 量化样本的位数由计算机的性能和对声音质量的要求决定，一般有 8 位量化、16 位量化和 32 位量化，即分别用一个字节、两个字节和四个字节存放一个采样点的幅度 值。量化位数越高，需要的存储空间越大，但此时声音细节的丢失比较少，声音的质量 较好。 声音数字化计算公式： 数据量＝采样频率×量化位数×声道数/8(字节/秒) ×时间 采样频率 (kHz) 量化位数 (bit) 数据量(KB/s) 单声道 立体声 11.025 8 10.77 21.53 16 21.53 43.07 22.05 8 21.53 43.07 16 43.07 86.13 44.1 8 43.07 86.13 16 86.13 172.27 2.1.2 数字音频的获取方式 在多媒体应用软件中，经常要使用音频素材。数字音频的获取主要有以下几种方式： （1）使用声卡采集模拟设备上的声音信息，并以文件的形式存储在计算机中。 （2）使用声卡录制声音信息，并以文件的形式存储在计算机中。 （3）使用声卡及 MIDI 设备在计算机上创作乐曲。 （4）从互联网下载或购买音频光盘。 （5）从 CD 或 VCD 上截取音频数据。 （6）从视频上获取音频数据。 2.1.3 数字音频的文件格式 1．WAV 格式音频文件 2．VOC 格式音频文件 3．MP3 格式音频文件 4．RA 格式音频文件