第四章 數(shù)字音頻處理技術(shù)

第四章數(shù)字音頻處理技術(shù)第一頁(yè)，共四十七頁(yè)，2022年，8月28日本章重點(diǎn)：聲音概述音樂(lè)合成與MIDI數(shù)字音頻壓縮標(biāo)準(zhǔn)數(shù)字音頻處理實(shí)例第二頁(yè)，共四十七頁(yè)，2022年，8月28日

聲音在本質(zhì)上是一種機(jī)械振動(dòng)，它通過(guò)空氣傳播到人耳，刺激神經(jīng)后使大腦產(chǎn)生一種感覺(jué)。在一些專業(yè)場(chǎng)合，聲音通常被稱為聲波或音頻。第三頁(yè)，共四十七頁(yè)，2022年，8月28日4.1聲音概述

聲音在物理學(xué)上稱之為聲波，是通過(guò)一定介質(zhì)（如空氣、水等）傳播的一種連續(xù)振動(dòng)的波，也稱為聲波。通常把頻率范圍為20Hz～20kHz的信號(hào)稱為音頻信號(hào)。低于20Hz的信號(hào)為亞音信號(hào)或者稱為次音信號(hào)；高于20kHz的信號(hào)稱為超音頻信號(hào)，或稱為超聲波信號(hào)。第四頁(yè)，共四十七頁(yè)，2022年，8月28日第五頁(yè)，共四十七頁(yè)，2022年，8月28日第六頁(yè)，共四十七頁(yè)，2022年，8月28日常見(jiàn)聲源及其頻率范圍：

第七頁(yè)，共四十七頁(yè)，2022年，8月28日聲音的特征：

聲音有3個(gè)重要指標(biāo)即振幅、周期和頻率。振幅是波的高低幅度，表示聲音的強(qiáng)弱；周期指兩個(gè)相鄰波之間的時(shí)間長(zhǎng)度；頻率指每秒振動(dòng)的次數(shù)，以Hz為單位。聲音的3要素是音調(diào)、音色、強(qiáng)度，它們分別與聲波的頻率、波形、振幅等相關(guān)第八頁(yè)，共四十七頁(yè)，2022年，8月28日4.2

數(shù)字化音頻

聲音信號(hào)是時(shí)間和幅度上都連續(xù)的模擬信號(hào)。而計(jì)算機(jī)只認(rèn)識(shí)“0”和“1”，或者說(shuō)計(jì)算機(jī)只能處理一個(gè)個(gè)數(shù)據(jù)，盡管數(shù)據(jù)量可能是巨大的。所以，計(jì)算機(jī)處理聲音的第一步是將聲音數(shù)字化，將模擬信號(hào)變?yōu)閿?shù)字信號(hào)。第九頁(yè)，共四十七頁(yè)，2022年，8月28日音頻的數(shù)字化

把模擬聲音（音頻）信號(hào)轉(zhuǎn)換位數(shù)字化聲音（音頻）的過(guò)程稱為聲音（音頻）的數(shù)字化，或稱為模/數(shù)（A/D）變換。第十頁(yè)，共四十七頁(yè)，2022年，8月28日1.

采樣

在音頻數(shù)字化過(guò)程中，采樣指的是以固定的時(shí)間間隔T對(duì)模擬信號(hào)（音頻信號(hào)）進(jìn)行取值。固定的時(shí)間間隔T稱為采樣周期，1/T稱為采樣頻率（fs）。采樣后得到的是一個(gè)離散時(shí)間信號(hào)。采樣時(shí)間間隔T越短，也就是采樣頻率越高，聲音數(shù)據(jù)在后期播放時(shí)保真度越好。第十一頁(yè)，共四十七頁(yè)，2022年，8月28日2.

量化采樣后的音頻信號(hào)需要經(jīng)過(guò)量化，使信號(hào)幅度轉(zhuǎn)變?yōu)橛邢薜碾x散數(shù)值。這種由有限個(gè)數(shù)值組成的信號(hào)就稱為離散幅度信號(hào)。例如，假設(shè)輸入電壓的范圍是0V～7V，并假設(shè)它的取值只限定在0，1，2，…，7共8個(gè)值。如果采樣得到的幅度值是1.2V，則它的取值就應(yīng)是1V，如果采樣得到的幅度值是2.6V，則它的取值就應(yīng)是3V等。這種數(shù)值就稱為離散數(shù)值，即量化值。量化之后得到的是時(shí)間離散、幅度離散的數(shù)字信號(hào)。第十二頁(yè)，共四十七頁(yè)，2022年，8月28日3.

編碼

編碼，即是將量化值表示成為二進(jìn)制數(shù)的形式，以便于計(jì)算機(jī)存儲(chǔ)和處理。例如，上面量化規(guī)定的8個(gè)取值，就可以用3位二進(jìn)制數(shù)表示，從000～111，2V可以表示為001，3V可以表示位011，6V可以表示位101。計(jì)算機(jī)可以對(duì)數(shù)字化之后的音頻信號(hào)進(jìn)行存儲(chǔ)、編輯和處理，并可以還原成原始的波形進(jìn)行播放，這個(gè)還原的過(guò)程稱為解碼，它是模/數(shù)（A/D）變換的逆過(guò)程，及數(shù)/模（D/A）變換。第十三頁(yè)，共四十七頁(yè)，2022年，8月28日4.2.2數(shù)字音頻音質(zhì)與數(shù)據(jù)量

采樣頻率和采樣量化級(jí)數(shù)是數(shù)字化聲音的兩個(gè)最基本要求，直接影響數(shù)字化音頻的質(zhì)量和數(shù)據(jù)量。一般而言，采樣頻率越高聲音失真越小，但用于存儲(chǔ)音頻的數(shù)據(jù)量也越大。量化位數(shù)越高音質(zhì)越好，數(shù)據(jù)量越大。通常有3中采樣頻率：44.1kHz（取樣44100次每秒，用于CD品質(zhì)的音樂(lè)）、22.05kHz（適用于語(yǔ)音和中等品質(zhì)的音樂(lè)）、11.025kHz（低品質(zhì)），量化精度分別為8位字長(zhǎng)（256階）量化（低品質(zhì)）和16位字長(zhǎng)（65535階）量化（高品質(zhì)）。第十四頁(yè)，共四十七頁(yè)，2022年，8月28日

數(shù)字音頻音質(zhì)與數(shù)據(jù)量

反映音頻數(shù)字化質(zhì)量的另一個(gè)因素是通道（或聲道）個(gè)數(shù)。一次采樣一個(gè)聲音波形，稱為“單聲道”；一次采樣兩個(gè)聲音波形，稱為“雙聲道”（即人們常說(shuō)的立體聲）。立體聲更能反映人的聽(tīng)覺(jué)感受。但數(shù)據(jù)量比單聲道多一倍，這樣需要的存儲(chǔ)空間是單聲道的兩倍。對(duì)聲音的采樣可以使用不同的采樣頻率、采樣量化級(jí)數(shù)和聲道，但實(shí)際上為了節(jié)省存儲(chǔ)空間，經(jīng)常要在數(shù)字化音頻數(shù)據(jù)量的的大小與聲音回放質(zhì)量之間進(jìn)行權(quán)衡。第十五頁(yè)，共四十七頁(yè)，2022年，8月28日聲音信息數(shù)字化后的數(shù)據(jù)量計(jì)算公式為：數(shù)據(jù)量=采樣頻率*量化位數(shù)*聲道數(shù)/8數(shù)據(jù)量的單位：B/s（字節(jié)/秒）第十六頁(yè)，共四十七頁(yè)，2022年，8月28日音質(zhì)與數(shù)字音頻參數(shù)的關(guān)系

第十七頁(yè)，共四十七頁(yè)，2022年，8月28日

數(shù)字音頻文件格式

數(shù)字音頻數(shù)據(jù)是以文件的形式保存在計(jì)算機(jī)中的。數(shù)字音頻的文件格式主要又CD、WAVE、MP3、WMA、MIDI等。CD文件：*.cda格式，采用44.1kHz的采樣頻率，速率為88kbps。具有16位量化位數(shù)，CD音軌近似無(wú)損，聲音基本上終于忠于原聲。WAV文件：微軟公司開(kāi)發(fā)的一種聲音文件格式，也稱波形聲音文件，是最早的數(shù)字音頻格式，被Windows平臺(tái)及其應(yīng)用程序廣泛支持。第十八頁(yè)，共四十七頁(yè)，2022年，8月28日

數(shù)字音頻文件格式MP3音頻文件：全稱為MPEG-1audiolayer3，其壓縮率為12：1。優(yōu)勢(shì)是在高壓縮比的情況下，還能擁有優(yōu)美的音質(zhì)。它利用知覺(jué)音頻編碼技術(shù)，即利用了人耳的特性，消減音樂(lè)中人耳的特性，消減音樂(lè)中人耳聽(tīng)不到的成分，同時(shí)盡可能地維持原來(lái)的聲音質(zhì)量。WMA文件：WindowsMediaAudio，通過(guò)減少數(shù)據(jù)流量但保持音質(zhì)的方法來(lái)達(dá)到比MP3壓縮率更高的目的。WMA的一個(gè)優(yōu)點(diǎn)是壓縮率高，，一般都在18：1.其次，WMA的內(nèi)容提供商可以加入防復(fù)制保護(hù)。第十九頁(yè)，共四十七頁(yè)，2022年，8月28日

數(shù)字音頻文件格式MID：MusicalInstrumentDigitalInterface，允許數(shù)字合成器和其他設(shè)備交換數(shù)據(jù)。MIDI文件格式由MIDI繼承而來(lái)。MIDI文件并不是一段錄制好的聲音，而是記錄聲音的信息，每個(gè)音符記錄為一個(gè)數(shù)字，然后是告訴聲卡如何再現(xiàn)音樂(lè)的一組指令。1分鐘MIDI音樂(lè)文件的大小只有5~10KB。RealAudio：Realnetwork推出的一種音樂(lè)壓縮格式；它的壓縮比可達(dá)到96：1，因此在網(wǎng)上比較流行。經(jīng)過(guò)壓縮的音樂(lè)文件可以通過(guò)速率為14.4kb/s的MODEM上網(wǎng)的計(jì)算機(jī)中流暢回放。第二十頁(yè)，共四十七頁(yè)，2022年，8月28日

數(shù)字音頻獲取

聲音文件的獲取是為音頻的編輯進(jìn)行素材積累階段。聲音的獲取途徑很多，可以采用以下方式進(jìn)行獲取。自己親自錄制從CD唱盤(pán)獲得從網(wǎng)上和素材庫(kù)獲取第二十一頁(yè)，共四十七頁(yè)，2022年，8月28日

數(shù)字音頻的處理

專業(yè)的音頻編輯軟件GoldWave功能強(qiáng)大，可以對(duì)音樂(lè)進(jìn)行播放、錄制、編輯、轉(zhuǎn)換格式、特技處理等。GoldWave支持多種聲音格式，如WAV、MP3、AU、AVI、MPEG、MOV、RAW、SDS等。其主要功能有：音頻文件的格式轉(zhuǎn)換：，它還支持MAC計(jì)算機(jī)所使用的聲音文件。因此，通過(guò)GoldWave可以實(shí)現(xiàn)這種格式的轉(zhuǎn)換。音頻數(shù)據(jù)的簡(jiǎn)單編輯聲音效果的處理音頻的修復(fù)CD音樂(lè)提取聲音文件的生成聲音文件的錄制第二十二頁(yè)，共四十七頁(yè)，2022年，8月28日GoldWaved的界面與窗口

GoldWaved的界面第二十三頁(yè)，共四十七頁(yè)，2022年，8月28日4.3

音樂(lè)合成與MIDI

音樂(lè)合成的方式根據(jù)一定的協(xié)議標(biāo)準(zhǔn)，使用音樂(lè)符號(hào)來(lái)記錄和解釋樂(lè)譜，并組合成相應(yīng)的音樂(lè)信號(hào)，這就是MIDI（musicalinstrumentdigitalinterface，樂(lè)器數(shù)字接口）。MIDI不是把音樂(lè)的波形進(jìn)行數(shù)字化采樣和編碼，而是將數(shù)字式電子樂(lè)器的彈奏過(guò)程以命令符號(hào)的形式記錄下來(lái)，如按了哪個(gè)鍵、力度多大、時(shí)間多長(zhǎng)等。當(dāng)需要播放出這首樂(lè)曲時(shí)，根據(jù)記錄的樂(lè)譜指令，通過(guò)音樂(lè)合成器生成音樂(lè)聲波，經(jīng)放大后由揚(yáng)聲器播出。第二十四頁(yè)，共四十七頁(yè)，2022年，8月28日1.電子音樂(lè)中常用的術(shù)語(yǔ)

（1）音樂(lè)合成器（musicalsynthesizer）

音樂(lè)合成器是由數(shù)字信號(hào)處理器（DSP）和其他集成電路芯片構(gòu)成的電子設(shè)備，用來(lái)產(chǎn)生并修改正弦波形，然后通過(guò)聲音產(chǎn)生器和揚(yáng)聲器發(fā)出特定的聲音。不同的合成器根據(jù)MIDI樂(lè)譜指令產(chǎn)生的音色和音質(zhì)都可不同，其發(fā)聲的質(zhì)量和聲部取決于合成器能夠同時(shí)播放的獨(dú)立波形的個(gè)數(shù)、控制軟件的能力，以及合成器電路中的存儲(chǔ)空間大小。第二十五頁(yè)，共四十七頁(yè)，2022年，8月28日

（2）復(fù)調(diào)（polyphony）

復(fù)調(diào)也稱復(fù)音，指合成樂(lè)器同時(shí)演奏若干音符時(shí)發(fā)出的聲音。如鋼琴、吉他等樂(lè)器可以同時(shí)演奏幾種音符，而雙簧管就不能。復(fù)調(diào)著重于同時(shí)演奏的音符數(shù)，如鋼琴的合弦音符。第二十六頁(yè)，共四十七頁(yè)，2022年，8月28日（3）多音色（timbre）

多音色指同時(shí)演奏幾種不同樂(lè)器時(shí)發(fā)出的聲音。它著重于同時(shí)演奏的樂(lè)器數(shù)。例如，具有6音符復(fù)音的4種樂(lè)器合成器，可以同時(shí)演奏4種不同聲音的6個(gè)音符，如3個(gè)鋼琴的合弦音符、一個(gè)長(zhǎng)笛、一個(gè)小提琴和一個(gè)薩克斯管的音符。要改善合成音樂(lè)的真實(shí)感，必須把許多合成器連接起來(lái)，以產(chǎn)生復(fù)調(diào)聲音和多音色聲音。第二十七頁(yè)，共四十七頁(yè)，2022年，8月28日2.MIDI標(biāo)準(zhǔn)相關(guān)的術(shù)語(yǔ)

MIDI電子樂(lè)器：它是能產(chǎn)生特定聲音的合成器，如電子鍵盤(pán)、吉他、薩克斯管等；它們相互間的數(shù)據(jù)傳送符合MIDI的通信約定。MIDI消息（message）或指令：MIDI軟件通信協(xié)議，實(shí)際上是用數(shù)字指令描述的音樂(lè)樂(lè)譜，其中包括音符、強(qiáng)度、定時(shí)及樂(lè)器的指派等。MIDI接口（interface）：MIDI硬件通信協(xié)議，可使電子樂(lè)器互聯(lián)或與計(jì)算機(jī)硬件端口相連，可發(fā)送和接收MIDI消息。MIDI通道（channel）：MIDI標(biāo)準(zhǔn)提供了16個(gè)通道，每種通道對(duì)應(yīng)一種邏輯的合成器，即對(duì)應(yīng)一種樂(lè)器的合成。音序器：它指可用來(lái)記錄、編輯和播放MIDI文件的計(jì)算機(jī)程序。第二十八頁(yè)，共四十七頁(yè)，2022年，8月28日4.3.2MIDI音樂(lè)的制作原理1.MIDI音樂(lè)的產(chǎn)生過(guò)程第二十九頁(yè)，共四十七頁(yè)，2022年，8月28日2.MIDI通道當(dāng)MIDI設(shè)備交流信息時(shí)，需要遵循一定的事件序列。例如，兩個(gè)MIDI設(shè)備在建立連接之后首先要做的事情就是在使用相同的MIDI通道方面達(dá)成一致。MIDI可以在16個(gè)這樣的通道上進(jìn)行操作，這些通道用數(shù)字分別標(biāo)記為0～15。只要兩個(gè)MIDI設(shè)備進(jìn)行交流，就必須使用相同的通道。對(duì)電腦合成音樂(lè)，每個(gè)邏輯通道可指定一種樂(lè)器，音樂(lè)鍵盤(pán)可設(shè)置在這16個(gè)通道之中的任何一個(gè)，而MIDI聲源或者聲音模塊可被設(shè)置在指定的MIDI通道上接收。第三十頁(yè)，共四十七頁(yè)，2022年，8月28日3.MIDI接口和計(jì)算機(jī)的連接MIDI接口由3個(gè)端口組成：輸入端口（In）、輸出端口（Out）和直達(dá)端口（Thru）。其中，輸入端口處理接收的字節(jié)，即那些發(fā)自其他MIDI設(shè)備。為了將兩個(gè)MIDI設(shè)備連在一起，可以將其中一個(gè)的輸出端口和另一個(gè)的輸入端口相連，這樣第一個(gè)設(shè)備就可以控制第二個(gè)設(shè)備同時(shí)發(fā)生。MIDI設(shè)備可以級(jí)聯(lián)，即第一個(gè)設(shè)備的輸出連接第二個(gè)設(shè)備的輸入，第二個(gè)的輸出再連接第三個(gè)的輸入等。第三十一頁(yè)，共四十七頁(yè)，2022年，8月28日4.MIDI音樂(lè)合成器

MIDI制造商協(xié)會(huì)制定了通用MIDI規(guī)格，簡(jiǎn)稱GM規(guī)格。通用MIDI規(guī)格同時(shí)定義了GM音色庫(kù)（一個(gè)音色庫(kù)，也被稱為音色映射，支持128種樂(lè)器聲音）和GM打擊音色庫(kù)（只包含打擊樂(lè)器發(fā)出的聲音），另外還定義了其他一些與音樂(lè)相關(guān)的性能，如每個(gè)GM設(shè)備應(yīng)支持的聲音數(shù)量和MIDI消息種類。MIDI合成的產(chǎn)生方式有兩種：FM合成和波表合成。第三十二頁(yè)，共四十七頁(yè)，2022年，8月28日4.3.3MIDI文件的特點(diǎn)用樂(lè)譜指令代替聲音數(shù)據(jù)有效記錄和重現(xiàn)各種樂(lè)器聲音占用存儲(chǔ)空間極小適合樂(lè)曲創(chuàng)作和遠(yuǎn)距離傳輸?shù)谌?yè)，共四十七頁(yè)，2022年，8月28日4.4數(shù)字音頻壓縮標(biāo)準(zhǔn)音頻壓縮方法是指對(duì)原始數(shù)字音頻信號(hào)流（PCM編碼）運(yùn)用適當(dāng)?shù)臄?shù)字信號(hào)處理技術(shù)，在不損失有用信息量，或者所引入損失可忽略的條件下，降低（壓縮）其碼率，也稱為壓縮編碼。逆變換的過(guò)程，稱為解壓縮或解碼。

第三十四頁(yè)，共四十七頁(yè)，2022年，8月28日4.4.2數(shù)字音頻壓縮標(biāo)準(zhǔn)

音頻信號(hào)是多媒體信息的重要組成部分。音頻信號(hào)分為電話質(zhì)量的語(yǔ)言、調(diào)幅廣播質(zhì)量的音頻信號(hào)和高保真立體聲信號(hào)。針對(duì)不同的質(zhì)量標(biāo)準(zhǔn)，制定了相應(yīng)的壓縮標(biāo)準(zhǔn)。第三十五頁(yè)，共四十七頁(yè)，2022年，8月28日1.電話質(zhì)量的音頻壓縮編碼技術(shù)標(biāo)準(zhǔn)由于數(shù)字音頻壓縮技術(shù)具有廣闊的應(yīng)用范圍和良好的市場(chǎng)前景，因而音頻壓縮技術(shù)的標(biāo)準(zhǔn)化工作顯得十分重要。CCITT（現(xiàn)ITU-T）在語(yǔ)音信號(hào)壓縮的標(biāo)準(zhǔn)化方面做了大量的工作，制定了G.771、G.721、G.728等標(biāo)準(zhǔn)，并逐漸受到業(yè)界的認(rèn)同，其他語(yǔ)音相關(guān)標(biāo)準(zhǔn)有：H.221、H.222、H.223、H.233、H.231、H.242、H.245、H.261、H.263等。第三十六頁(yè)，共四十七頁(yè)，2022年，8月28日2.調(diào)幅廣播質(zhì)量的音頻壓縮編碼技術(shù)

標(biāo)準(zhǔn)

調(diào)幅廣播質(zhì)量音頻信號(hào)的頻率范圍為50Hz～7kHz。CCITT在1988年制定了、G.722標(biāo)準(zhǔn)。此標(biāo)準(zhǔn)采用16kHz采樣頻率，14bit量化，信號(hào)數(shù)據(jù)傳輸速率為224kbps，并采用子帶編碼方法，將輸入音頻信號(hào)經(jīng)濾波器分成高子帶和低子帶兩個(gè)部分，分別進(jìn)行ADPCM編碼，再混合形成輸出碼。第三十七頁(yè)，共四十七頁(yè)，2022年，8月28日3.高保真度立體聲音頻壓縮編碼技術(shù)

標(biāo)準(zhǔn)高保真立體聲音頻信號(hào)頻率范圍為50Hz~20kHz，采用44.1kHz采樣頻率，16bit量化，進(jìn)行數(shù)字化轉(zhuǎn)換，其數(shù)據(jù)傳輸速率每聲道達(dá)705kbps。一般語(yǔ)音信號(hào)的動(dòng)態(tài)范圍和頻響比較小，采用8kHz采樣頻率，每樣值用8bit表示，現(xiàn)在的語(yǔ)音壓縮技術(shù)可把碼率從原來(lái)的64kbps壓縮到4kbps左右。但多媒體通信中的聲音要比語(yǔ)音復(fù)雜的多，它的動(dòng)態(tài)范圍可達(dá)100db，頻響范圍可達(dá)20Hz~20kHz。因此，聲音數(shù)字化后的信息量非常達(dá)。為了更有效地利用寶貴的信道資源，必須對(duì)聲音進(jìn)行數(shù)字壓縮編碼。第三十八頁(yè)，共四十七頁(yè)，2022年，8月28日目前世界上第一個(gè)高保真立體聲音頻壓縮標(biāo)準(zhǔn)為MPEG音頻壓縮算法。雖然MPEG音頻標(biāo)準(zhǔn)是MPEG標(biāo)準(zhǔn)的一部分，但它也完全可以獨(dú)立使用。表4-2中列出了ISO和ITU先后建議的用于電話質(zhì)量的語(yǔ)音壓縮標(biāo)準(zhǔn)。第三十九頁(yè)，共四十七頁(yè)，2022年，8月28日第四十頁(yè)，共四十七頁(yè)，2022年，8月28日4.4.3音頻壓縮工具

由于存在不同格式的音頻文件，在不同場(chǎng)合對(duì)于音頻素材的格式要求也不盡相同，因此需要有專門(mén)的工具對(duì)它們進(jìn)行格式轉(zhuǎn)換，從而滿足不同場(chǎng)合對(duì)音頻文件的需要。AVIMPEGWMVRMtoMP3Converter是一個(gè)好用的音頻轉(zhuǎn)換工具，可以將通用的視頻和音頻文件轉(zhuǎn)換成MP3、WAV、WMA和OGG格式，支持AVI、MPEG、RM/RMVB、WMV/ASF、MOV的視頻和音頻格式。對(duì)于想從視頻文件中抓取音頻和想把RM格式轉(zhuǎn)換成MP3/WAV格式的用戶來(lái)說(shuō)非常有用。第四十一頁(yè)，共四十七頁(yè)，2022年，8月28日音頻壓縮工具界面

第四十二頁(yè)，共四十七頁(yè)，2022年，8月28日4.5數(shù)字音頻處理實(shí)例

利用GoldWave軟件錄制一首自己演唱的歌曲，采樣頻率設(shè)為44.1kHz，生成.wav文件；并為生成的音樂(lè)文件添加混響效果，對(duì)聲音進(jìn)行簡(jiǎn)單的