数字音频处理(第二次课)

资源描述

《数字音频处理(第二次课)》由会员分享，可在线阅读，更多相关《数字音频处理(第二次课)（89页珍藏版）》请在金锄头文库上搜索。

1、第2章数字音频处理本章重点:n模拟音频与数字音频的概念n数字音频的获取n音频信号压缩编码标准n音乐合成和语音识别第2章数字音频处理n2.1概述n2.2数字音频的获取n2.3音频信号压缩编码标准n2.4音乐合成和MIDIn2.5语音识别n2.6实例 VC+播放声音的实现n2.7本章小结2.1概述声音是携带信息的重要媒体。研究表明，人类从外部世界获取的信息中，10%是通过听觉获得的,因此声音是多媒体技术研究中的一个重要内容。声音是由物体振动产生的，这种振动引起周围空气压强的振荡，从而使耳朵产生听觉的印象。声音的种类繁多，人的语音是最重要的声音。此外，还有动物、乐器等发出的声音，风

2、声、雨声、雷声等自然声音，以及机器合成产生的声音等。 2.1概述幅值t一个周期+空气压强图2.1 空气压强振荡的波形示意图0人耳能识别的声音频率范围大约在2020kHz，通常称为音频（audio）信号。 2.1概述声音包含三个要素：音调、音强和音色。基频与音调：一个声源每秒钟可产生成百上千个波，通常把每秒钟波峰所产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。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。音调正是由频率所决定的。 2.1概述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。如表所示， 20log261=48.3，20l

3、og293=49.3等。音阶阶CDE FGAB简谱简谱符号1234567频频率(HZ)261293330349392440494频频率(对对数)48.349.350.350.851.852.853.82.1概述谐波与音色：no称为基波o的n次谐波分量 (n就是高次谐波的方次，n o就是基波o的n次谐波)，也称为泛音。音色是由混入基音的泛音所决定的。幅度与音强：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。一般用动态范围定义相对强度：动态范围20log(信号的最大强度/信号的最小强度) (dB)2.1概述音宽与频带：频带宽度，也称

4、为带宽，它是描述组成复合信号的频率范围。客观上，通常用频带宽度、动态范围、信噪比等指标衡量音频信号的质量。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。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。 CD-DA数字音乐、FM广播、AM广播和电话的带宽10 20 50 200 3.4 K 7K 15K 22K f(Hz)电话AM广播CDDAFM广播图2.3 几种音频业务的频带宽度10 20 50 200 3.4K 7K 15K 22K f(Hz)电话AM广播CDDAFM广播图2.3 几种音频业务的频带宽度2.1概述声音的质量可以通过信噪比来度量。信噪比

5、(SNR，Signal to Noise Ratio)是有用信号与噪声之比的简称，定义为：信噪比越大，声音质量越好。2.2数字音频的获取n2.2.1采样n2.2.2量化n2.2.3数字音频的技术指标n2.2.4数字音频的文件格式音频信息处理结构框图 2.2.1采样图2.5 模拟信号的采样所谓采样就是在某些特定的时刻对模拟信号进行取值，如上图所示。采样的过程是每隔一个时间间隔在模拟声音的波形上取一个幅值，把时间上的连续信号变成时间上的离散信号。2.2.1采样采样时间间隔称为采样周期t，其倒数为采样频率fs=1/t。一般来讲，采样频率越高，则在单位时间内计算机得到的声音样本数据就

6、越多，对声音波形的表示也越精确，声音失真越小，但用于存储音频的数据量越大。根据奈奎斯特定理，只有采样频率高于声音信号最高频率的两倍时，才能把数字信号表示的声音还原为原来的声音。2.2.2量化每个采样值在幅度上进行离散化处理的过程称为量化。量化可分为均匀量化和非均匀量化。均匀量化是把将采样后的信号按整个声波的幅度等间隔分成有限个区段，把落入某个区段内的样值归为一类，并赋于相同的量化值。以8bit或16bit的方式来划分纵轴为例，其纵轴将会被划分为28个和216个量化等级，用以记录其幅度大小。均匀量化 2.2.2量化非均匀量化是根据信号的不同区间来确定量化间隔。对

7、于信号值小的区间，其量化间隔也小；反之，量化间隔就大。量化会引入失真，并且量化失真是一种不可逆失真，这就是通常所说的量化噪声。模拟信号经过采样和量化，形成一系列离散信号。这种数字信号可以以一定方式进行编码，形成计算机内部存储运行的数据，经过编码后的声音信号就是数字音频信号。2.2.3数字音频的技术指标衡量数字音频的主要指标包括：采样频率量化位数通道(声道)个数数据传输率是计算机处理时基本参数。未经压缩的数字音频数据传输率可按下式计算：数据传输率=采样频率量化位数声道数 2.2.3数字音频的技术指标例:假定语音信号的带宽是50 Hz10kHz，而音乐信号的是 15Hz 20

8、 kHz。采用奈奎斯特频率，并用12bit表示语音信号样值，用16bit表示音乐信号样值，计算这两种信号数字化以后的比特率以及存储一段10分钟的立体声音乐所需要的存储器容量。解：语音信号：取样频率210kHz20kHz；比特率=20k12240 kbit/s音乐信号：取样频率220kHz40kHz；比特率40kl6bit/s21280kbits(立体声-双声道 )所需存储空间1280k 600896MB2.2.4数字音频的文件格式WAV文件格式简介 WAV是Microsoft Windows提供的音频格式。这个格式是目前通用音频格式，它通常用来保存一些没有压缩的音频。目前所有

9、的音频播放软件和编辑软件都支持这一格式。WAV文件由三部分组成：文件头(标明是WAV文件、文件结构和数据的总字节数)、数字化参数(如采样频率、声道数、编码算法等)，最后是实际波形数据。一般来说，声音质量与其WAV格式的文件大小成正比。nWAVE(Waveform Audio File Format)文件是多媒体中使用的声音文件格式之一 ,它以RIFF格式为基础,每个WAVE文件的头四个字节为“RIFF”。WAVE文件的扩展名为“.WAV”。WAVE WAVE 文件格式文件格式WAVE WAVE 文件格式文件格式Format 块Sound 数据块RIFF WAVE Chun

11、mt) ) Chunk Chunk 格式块(fmt)是WAVE文件必选项，描述波形文件的基本参数，如采样率、位分辨率以及通道数等。 #define FormatID fmt /* chunkID for Format Chunk.*/ typedef struct ID chunkID; long chunkSize; short wFormatTag; /* currently PCM */unsigned short wChannels; /* num of channels */unsigned long dwSamplesPerSec;/* sample rate in Hz */u

12、nsigned long dwAvgBytesPerSec; /* xxx Bytes/s */unsigned short wBlockAlign;/*1/2/48/16 mono/stereo */unsigned short wBitsPerSample;/* bits in a sample */* 根据 wFormatTag不同,可以有附加字段. */ FormatChunk; Data ChunkData Chunk数据块包含实际的波形数据：#define DataID data /* chunk ID for data Chunk */ typedef struct ID chu

13、nkID;long chunkSize;unsigned char waveformData; DataChunk; Offset DescriptionOffset Description- Offset Contents - 0x00 chunk id RIFF 0x04 chunk size (32-bits) 0x08 wave chunk id WAVE 0x0C0x0C format chunk id format chunk id fmtfmt 0x10 0x10 format chunk size (32-bits)format chunk size (32-bits) 0x14 format tag ( currently PCM ) 0x16 number of channels 1=mono, 2=stereo 0x18 sample rate in Hz 0x1C average bytes per second - Offset Contents -0x20 number of bytes per sample1 =8-bit mono2 =8-bit stereo or16-

展开阅读全文