音频处理技术资料

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,第,2,章 音频处理技术,2.1,音频基础知识,2.2,声音的数字化,2.3,常见声音文件的格式,2.4,用,GoldWave,软件处理音频,2.5 GoldWave,的其它实用功能,2.1,音频基础知识,2.1.1,声音概述,人类从外部世界获取的信息中，大约,10,%,是通过听觉获得的。,声音是通过传播媒体传播的一种连续的波，叫,声波,。空气是最常见的声音传播媒体，不存在任何媒体的真空是不能传播声音的。在自然界中，一切能够发出声音的物体都叫做,声源,。,声源产生的声波是一种模拟信号，可以用波形来表示。声音的模拟波形曲线有三个要素：,基线、周期,和,振幅,。其中，基线是波形曲线中最高点和最低点之间的平均线；振幅表示了声音的大小，振幅越大，声音音量越大；周期是波形中两个相邻波峰之间的距离，即完成一次振动过程所需要的时间，体现于振动进行的速度，而平均每秒钟出现的周期个数为频率，频率以赫兹,(Hz),为单位。,2.1.1,声音概述,在实际生活中，声音是混杂的，是由许多不同频率的波合成的复合波。声音的频率范围称为声音的带宽，人耳只能感觉到频率为,20Hz20kHz,的声音，低于,20Hz,或者高于,20kHz,的声音都不能为人耳所听到。,可听声包括：,（,1,）话音,(,语音,),：频率范围为,300Hz3400Hz,。,（,2,）音乐,(,是规范的符号化声音,):,其带宽可达到,20Hz20kHz,。,（,3,）其他声音,:,其带宽范围也是,20Hz20kHz,。,2.1.2,音频参数与声音特性,决定声音特性的主要参数有,振幅,、,周期,和,频率,，下面分别介绍这三个重要指标。,（,1,）,振幅（,Amplitude,）,。波的高低幅度，表示声音的强弱，常用,A,表示。,（,2,）,周期（,Period,）,。两个相邻的波之间的时间长度，常用,T,表示，以秒,(s),为单位。,（,3,）,频率（,Frequency,）,。每秒钟振动的次数，常用,f,表示，以赫兹,(Hz),为单位，,1,赫兹,=1/,秒。频率与周期具有互为倒数的关系,声音的三个重要指标：振幅 周期 频率,0,A,t,振幅,振幅,:,波的高低幅度，表示声音的强弱。,周期,频率,=,1,频率,:,每秒钟振动的次数，以,赫兹,(Hz),为单位。,周期,周期,:,两个相邻的波之间的时间长度，以,秒,(s),为单位。,2.1.2,音频参数与声音特性,如果用数学公式描述声波，声波的幅值是一个随时间,t,变化的函数,A,(,t,),，根据傅立叶变换原理，任何函数都可以展开为不同频率的正弦或余弦周期函数的和，因此,A,(,t,),可以表示为如下形式的展开公式：,在声音信号展开公式中，频率为,0,的分量叫做,基波,，,0,称为,基频,；频率为,n,0,的分量叫做,n,次谐波,，谐波在音乐学科中叫做,泛音,。,A,1,是,基波的振幅,，而,A,n,是,n,次,谐波分量的振幅,。,从听觉角度看，声音具有,音调、音色,和,响度,(,音强）,三个要素。,(1),音调：在物理学中，把声音的高低叫作音调。,注,音调与声音的频率有关，声源振动的频率越高，声音的音调就越高；声源振动的,频率越低，声音的音调就越低。,通常把音调高的声音叫高音，音调低的声音叫低音。,音调高,音调低,播放,播放,播放,2.1.2,音频参数与声音特性,(2),音色：表示人耳对声音音质的感觉，又称音品，与频率有关。,注,一定频率的纯音不存在音色问题，音色是复音主观属性的反映。声音的音色主要由其谐音的多寡、各谐音的特性所决定。,各种乐器奏同样的曲子，即使响度和音调相同，听起来还是不一样，就是由于它们的音色不同。,2.1.2,音频参数与声音特性,(3),响度（音强）：即声音的响亮程度，也就是我们通常说的声音的强弱或大、小，重、轻。,注,响度与振幅有关，取决于声波信号的强弱程度。,由于人的听觉响应与声音信号强,度不是成线性关系，因此一般用声音信号幅度取对数后再乘,20,所得值来描述响度，以,分贝（,dB,）为单位，此时称为音量。,播放,2.1.2,音频参数与声音特性,2.1.2,音频参数与声音特性,通常，按人们听觉的频率范围可将声音分为,次声波、超声波,和,音频,三类。,（,1,）次声波,：频率低于,20Hz,的信号，也称为亚音频。,（,2,）超声波,：频率高于,20kHz,的信号，也称为超音频。,（,3,）音频,：频率范围是,20Hz20kHz,的声音信号，即在次声波和超声波之间的声波是音频，是人耳能听到的声音信号，即属于多媒体音频信息范畴。,2.1.2,音频参数与声音特性,声音信号所占用的频率范围叫做,频带宽度,，简称,带宽,。,声音的质量与它所占用的频带宽度有关，频带越宽，信号强度的相对变化范围就越大，音响效果也就越好。,按照带宽可将,声音质量分为典型的四级,，四级音频的带宽如图,2-1,所示。,图,2-1,典型声波的频率范围,2.1.2,音频参数与声音特性,2.2,声音的数字化,2.2.1,声音采样,2.2.2,音频信号的量化,2.2.3,音频信号的编码,2.2.4,音质与数据量,音频信息处理结构框图,图,2-2,音频信息处理框图,模拟音,频信号,采样,量化,编码,数字音频信号,2.2.1,声音采样,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,声音采样,1.,采样周期与采样频率,采样时间间隔称为采样周期,t,，,其倒数为采样频率,f,s,=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（即采样定理）,，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。,2.2.1,声音采样,2.,样本大小与样本精度,样本大小,是每个声音样本在计算机中存储时占的二进制位数，单位用,bps (,b,it,p,er,s,ample,),来表示。,人们也常把存储一个样本信号所需的二进制位数叫做,样本精度,，也叫,样本位数,、,位深,。,可见，,样本大小,与,样本精度,是同一个概念。,2.2.1,声音采样,2.,样本大小与样本精度,若量化一个样本信号用,n,位二进制信息表示，其相应量化级数为,2,n,，则量化信号精确度可达,1/2,n,。即,1,个单位大小的信号，最多引起,1/2,n,数量级的量化误差，与这个量化误差数量级相当的信号强度叫做量化噪声强度。因此，量化,位数越多，声音的质量越高，但需要的存储空间也越多。,所以，存储一个样本信号所需的二进制位数越多，,样本精度,越高。,2.2.1,声音采样,样本,精度,的另一种表示方法是,信号噪声比,，简称为信噪比,(,Signal-to-Noise Ratio,，,SNR),，,并用下式计算：,SNR,10 log (,V,signal,),2,/ (,V,noise,),2,20 log (,V,signal,/,V,noise,),(db),其中，,V,signal,表示信号电压，,V,noise,表示噪声电压；,SNR,的单位为分贝,(,db),例如：假设,V,noise,1,，,样本,精度,为,1,位表示,V,signal,2,1,，,它的信噪比,SNR,6,分贝。,(,注：,log(2)=log,10,(2)=0.301.,),又如：假设,V,noise,1,，,样本,精度,为,16,位表示,V,signal,2,16,，,则它的信噪比,SNR,20 log (,2,16,),96,分贝,。,2.2.1,声音采样,3.,声道数,声道数是指声音通道的个数，即一次采样的声音波形的个数。,单声道,一次采样一个声音波形；,双声道,则被人们称为“,立体声,”，一次采样两个声音波形。除单声道和立体声外，目前经常使用的声道数还有,4,声道、,4.1,声道和,5.1,声道。双声道比单声道多一倍的数据量，多声道的数据量则更大。,2.2.2,音频信号的量化,采样得到的数据是一些离散时间点的样本值，由于检测器的灵敏度和计算机存储一个数所用的二进制位数有限，又由于传输过程中噪声的干扰，所以没有必要存储和传输一个个样本值的准确大小，只需要将这些离散值用若干二进制位的数来表示即可。这一过程叫做量化。,量化精度是指表示每个采样点数据所用的二进制数据位数，例如，,256,个量化等级的量化精度就是,8,位。,用均匀间隔量化的方法，称为,均匀量化,或,线性量化,。如果小信号量化级间宽度小一些，而大信号量化级间宽度大些的话，这样的量化方法法就是“,非线性量化法,” 。,2.2.3,音频信号的编码,将模拟音频信号的量化值用一组二进制数字代码来表示的过程，叫做,音频信号编码,。,在实际过程中，量化和编码是同时进行的。量化和编码时一般要确定两个因素：, 每一个量化值的编码位数（即决定用多少位二进制码来表示一个量化值），它决定了量化的精度。, 每一组代码与量化值对应的规则（如，常用自然二进制码，即编码值就是量化值所对应的二进制数）。,当编码位数为,k,时，对应的量化值数目为,2,k,。,2.2.4,音质与数据量,声音的数据率可用下列公式计算：,声音数据率（,B/s,）,=,采样频率（,Hz,）,量化位数（,bit,）,声道数,/8.,声音数据量,=,声音数据率,时长,.,例如，对于采样频率为,8kHz,、量化位数为,8 bit,的电话音质，其声音的数据率为：,声音数据率,=,（,81000,）, 8 1/8,字节,/,秒,= 8000 B/s 8,（,KB/s,）,上述计算中，最后一步采用了工业近似：,1KB1000B,（工业上常常是这样计算的），而,1Byte =8 bit,。,2.2.4,音质与数据量,利用数据率公式，我们还可估算一定时长（秒）某种音质的音频数据量，公式是：,声音数据量,= (,采样频率,量化位数,声道数,声音持续时间,) /8 ;,声音数据量,=,声音数据率,声音持续时间,;,在公式中，采样频率的单位用,Hz,，量化位数（即样本精度）单位用,bit,，时间的单位用,s,；声音数据率的单位是,B/s,，声音数据量的单位是,B,（,Byte,，字节）。,采样频率,量化位数,声道数,声音持续时间,假设它的采样频率为,44.1kHz,，量化位数为,16bit,，,CD,格式的音乐通常都是立体声,(,两个声道,),，那么,CD,格式的声音,20,秒钟的数据量为,以,CD,格式为例,:,(44.1kHz*16bit*2*20s)/8,3.528MB,(22.05kHz*16bit*2*20s)/8,1.764MB,(22.05kHz*4bit*2*20s)/8 0.441MB,若改变它的采样频率为,22.05kHz,，则,若再改变它的量化位数为,4bit,，则,停止,2.2.4 音质与数据量,数字化声音的数据量,=,8,2.2.4,音质与数据量,声音质量 的,5,个等级，由低到高分别是：电话、调幅广播、调频广播、激光唱盘、数字录音带。,声音,质量,采样频率,（,kHz,）,量化位数,（,bit,）,声道数,（,1,或,2,）,压缩前数据率,（,KB/s,）,频率范围,（,Hz,）,电话,8,8,单道声,1,8,200,3 400,AM,11.025,8,单道声,1,11.0,20,15 000,FM,22.050,16,立体声,2,88.2,50,7 000,CD,44.1,16,立体声,2,176.4,20,20 000,DAT,48,16,立体声,2,192.0,20,20 000,2.2.5,数字化声音的压缩,1.,声音信号压缩编码的依据,声音信号可以压缩编码的主要原因如下：,（,1,）声音信号中存在着很大的冗余度，通过识别和去除这些冗余度，便能达到压缩的目的。,（,2,）音频信息的最终接收者是人，而人耳在听觉方面有一个重要的特点，即听觉的“掩蔽”。它是指一个强音能抑制一个同时存在的弱音的听觉现象。利用该特性，可以抑制与信号同时存在的量化噪声。,（,3,）对声音波形采样后，相邻样值之间存在着很强的相关性。,2.2.5,数字化声音的压缩,2.,无损压缩和有损压缩,（,1,）无损压缩：压缩后的信息没有损失的压缩方法。该方法可以把数据压缩到原来的,1/2,或者,1/4,，即压缩比为,2:1,或者,4:1,。其基本方法就是将相同的或者类似的数据进行归类，使用较少的数据量来描述原始数据，达到减少数据量的目的。,（,2,）有损压缩：压缩后信息有损失的压缩。这种压缩方法在压缩的过程中丢掉一些对原始数据不会产生误解的信息，有针对地化简一些不重要的信息，从而达到数据压缩的目的，大大提高了压缩比。,2.2.5,数字化声音的压缩,3.,音频信号的三种编码方式,(1),波形编码。波形编码的编码信息是声音的波形。这种方法要求重构的声音信号的各个样本尽可能地接近于原始声音的采样值，使复原的声音质量较高。,(2),参数编码。参数编码是一种对语音参数进行分析合成的方法。语音的基本参数是基音频率（基频）或基音周期、共振峰、语音谱、音强等，如能得到这些语音的基本参数，就可以不对语音的波形进行编码，而只要记录和传输这些参数就能实现声音数据的压缩。,(3),混合编码。混合编码方法是一种在保留参数编码技术的基础上，引用波形编码准则去优化激励源信号的方案。,2.2.5,数字化声音的压缩,3.,音频信号的典型压缩编码标准,(1) G.711,标准。该标准由国际电信联盟（,ITU,）制定于,1972,年。,(2) G.721,标准。该标准由国际电信联盟（,ITU,）制定于,1984,年。,(3) G.728,标准。该标准是一个追求低比特率的标准，其数据率为,16kbit/s,，其质量与,32kbit/s,的,G.721,标准基本相当。,(4) MPEG,音频标准。这是,ISO(,国际标准化组织,),制定的一系列音频标准，,MPEG,是运动图像专家组的简称。,MPEG,音频标准根据不同声音压缩算法有三个层次：,层一，即,MPEG-1,； 层二，又称,MP2,； 层三，又称,MP3,。,2.3,常见声音文件的格式,2.3.1 WAV,格式,WAV,格式是微软公司开发的一种声音文件格式，也称作波形声音文件。目前所有的音频播放软件和编辑软件都支持这一格式。但,WAV,格式对存储空间需求太大，不便于交流和传播。,2.3.2 MP3,音乐,MP3,的全称是,MPEG Audio Layer3,，所以人们把它简称为,MP3,，它是,MPEG-1,运动图像压缩标准的声音部分。编码器的输出数据率为,32,320kbps,，压缩率则高达,10:1,12:1,。,2.3,常见声音文件的格式,2.3.3 VQF,格式,VQF,即,TwinVQ,，是由,Nippon Telegraph and Telephone,同,YAMAHA,公司开发的一种音频压缩技术。它的音频压缩率比,MP3,高，可以达到,1:18,左右，而且音质和,MP3,不相上下。,2.3.4 RealAudio,格式,RealAudio(RA),、,RAM,和,RM,都是,Real Networks,公司开发的典型音频流文件格式。它包含了,Real Networks,公司所制定的音频、视频压缩规范，主要用于在低速率的因特网上实时传输音频信息。,2.3,常见声音文件的格式,2.3.5 WMA,格式,WMA,的全称是,Windows Media Audio,， 是微软公司力推的一种音频格式。,WMA,文件在,80Kps,、,44kHz,的模式下压缩比可达,1:18,，基本上和,VQF,相同。,2.3.6 AAC,格式,AAC,实际是,Advanced Audio Coding,（高级音频编码）的缩写，是,MPEG-2,规范的音频部分。,2.3.7 MIDI,音乐,MIDI,（,Music Instrument Digital Interface,）音乐是电子合成音乐，是为了把电子乐器和计算机连接起来而制定的规范，是数字化音乐的一种国际标准。,2.4,用,GoldWave,软件处理音频,GoldWave,软件的,主要功能：,1,.,以不同的采样频率录制声音信号,录制声音时，声音可以是,CD-ROM,播放的,CD,音乐，电缆传送过来的声音信号，也可以通过麦克风直接进行录音。,2,.,声音剪辑,例如：去掉一段不需要的声音，截取一段声音，并复制到另外的位置，将某段声音移动到另外的位置，连接两段声音，把多种声音合成在一起等等。,3,.,增加特殊效果,例如：增加混响时间，声称回声效果，改变声音的频率，制作声音的淡入、淡出效果等。,4,.,文件操作,该操作主要包括：新建数字音频文件，此项功能通常用于录制一段新的声音。还有打开，保存和删除数字音频文件等功能。,编辑器,播放器,2.4.1 GoldWave,软件界面介绍,播放停止,录音,播放,自定义播放,倒退,前进,录音停止,暂停,设备属性钮,音量调节,左右平衡调节,快慢调节,菜单栏,工具栏,左声道,右声道,状态栏,2.4.2,录制声音,用麦克风录制声音的操作方法：将麦克风与计算机声卡的麦克风接口相连；运行,GoldWave,软件，选取“,文件新建,”菜单，可以新建一个新文件，这时会弹出“新建音频”对话框。,设置参数。,按下“,控制器,”窗口中的“,录音,”按钮，就开始录制声音了；要结束录制，只要按下“,控制器,”窗口中的“,停止录音,”按钮即可。,录音结束后，按“,控制器,”窗口中的“,播放,”按钮，播放录音，如果效果满意，则选择“,文件,保存,/,另存为,”,菜单，保存文件。,2.4.3,编辑声音,用“,打开音频,”对话框，打开音频文件。,多个音频子窗口中只有一个为当前窗口。,白色进度线显示播放位置。,设备控制窗口，“,快进,”，“,快退,” 修改进度线位置。,1.,时间标尺和显示缩放,改变显示比例的方法很简单，用“,视图,”菜单下的“,放大,”、“,缩小,”命令就可以完成；更方便的是用快捷键“,Shift+”,放大和用“,Shift+”,缩小。,用“,视图,”菜单下的“,垂直放大,”、“,垂直缩小,”命令或使用“,Ctrl+”,、“,Ctrl+”,快捷键就,可以改变,纵向的显示比例。,2.4.3,编辑声音,2.,选择声音片段,鼠标右键弹出的快捷菜单中选择“,设置起始标记,”将该位置设置为选定区域的起始点；选择“,设置完结标记,”则可以将该位置设置为选定区域的终点。,注意,：,编辑器中，编辑区域只能有一个，当定义新的编辑区域后，原有的编辑区域将自动消失。,3.,删除声音片段,选择“编辑删除”菜单选项或“删除”按钮。,2.4.3,编辑声音,4.,静音处理,选择“,静音,”按钮或者选择“,编辑静音,”菜单选项，该区域变成静音区段。,注意,：,与删除声音片段不同的是，变成静音的编辑区域仍然存在，其时间长度不变。,5.,插入空白区域,选择“,编辑,”菜单下的“,插入静音,”命令，在弹出的对话窗中输入插入的时间长度。,注意,：,“,插入静音,”与“,静音,”是有区别的 。,2.4.3,编辑声音,6.,剪切,/,复制片段,选定一段音频，然后单击“,剪切,”按钮或者选择“,编辑剪切,”菜单选项；或“,编辑复制,”菜单选项。,注意,：,对原始音频来讲，“,剪切,”效果等同于“,删除,”，但不同于“,静音,”,。,7.,移动声音片段,先按照完成片段,剪切,的操作；然后单击文件波形图的某一位置（确认插入的位置）；再单击“,粘贴,”按钮或者选择“,编辑粘贴,”菜单选项。,2.4.3,编辑声音,8.,声道的操作,1,）声道选择,“,编辑,”菜单的“,声道,”命令，在子命令中直接选择将要进行处理的声道,。,2,）声道的编辑,需要指出的是：在对某个声道进行,删除片段,、,剪切片段,等改变时间长度的操作时，该声道与另一个声道在时间长度上产生差异，导致声音不同步，应尽量避免这种情况发生。,2.4.3,编辑声音,9.,特效编辑功能,1,）淡入淡出效果,所谓“,淡入,”和“,淡出,”是指声音的渐强和渐弱,。,首先要选定实施“淡入”或“淡出”效果的编辑区域，一般情况下，实施淡入淡出效果的区域总是位于声音素材的开始和末尾两端。单击“,淡入,”按钮,，,或单击“,淡出,”按钮,。,2,）频率均衡控制,确定要调整频率的音频区域，然后单击“,均衡器,”按钮,。在,“,均衡器,”,对话框中调整。,2.4.3,编辑声音,9.,特效编辑功能,3,）回声效果,选择“,效果,”菜单下的“,回声,”命令，弹出“,回声,”对话框。在对话框的“,回声,” 标尺上指定回声的次数；在“,延迟,” 标尺上指定回声的延迟时间；在“,音量,” 标尺上指定回声的音量大小。,4,）压缩效果,选择“,效果,”菜单中的“,压缩器,/,扩展器,”命令，弹出“,压缩器,/,扩展器,”对话框。最重要的是“,阈值,”的确定,。,2.4.3,编辑声音,9.,特效编辑功能,5,）镶边效果,“,效果,”菜单下的“,镶边器,”命令就能看到设置界面。依靠“,频率,”、“,可变延迟（毫秒）,”、“,固定延迟（毫秒）,”三项参数和“,镶边器,”的“,音量,”决定。,6,）改变音高,选择“,效果,”菜单中的“,音高,”命令，打开“,音高,”对话框。,12,个半音就是一个八度，所以用,+12,或,-12,来升高或降低一个八度。下方的“,微调,”是半音的微调方式，,100,个单位表示,12,个半音。,选中 “,保持节拍,”选框可以实现梦寐以求的“,变调不变长,”功能,。,2.4.3,编辑声音,9.,特效编辑功能,7,）音量效果,GoldWave,的音量效果子菜单中包含了选择部分“,更改音量,”、“,淡入,”、“,淡出,”、“,最大化音量,”、“,匹配音量,”和“,定型音量,”等命令，满足我们各种音量变化的需求。,8,）机器人声音,首先确定编辑区域，然后单击（机械化）按钮，显示 “,机械化,”对话框。在对话框中移动频率滑块，改变机器声音的频率；并选择调制器类型。,2.4.3,编辑声音,9.,特效编辑功能,9,）倒序声音,选定编辑区域后，单击“,倒序,”按钮，这时编辑区域内的声音即被变为倒序声音。在电影,泰山,中，导演就是把狮吼倒放，并与正序的虎啸合成为泰山的叫声。,2.4.4,保存声音文件,GoldWave,软件带有压缩算法编译器，可以编辑和保存,wav,格式的波形音频文件，以及编辑和保存,MP3,、,au,、,ogg,等格式文件。,对编辑处理后的文件需要另存时，选择“,文件另存为,”菜单项，显示“,另存音频为,”对话框。在该对话框中选择需要的文件格式，指定路径和文件夹，并输入文件名，最后单击“,保存,”按钮。即可得到所需格式的文件。,2.5 GoldWave,的其它实用功能,2.5.1,抓取,CD,音轨,该功能适用于编辑存储在,CD,中的音频素材。选择工具菜单下的“,CD,读取器,”命令，在“,CD,读取器,”对话框中，选择音轨之后按下“,保存,”按钮，再输入一个保存的文件名称和路径就行了。,2.5.2,批量格式转换,选择“,文件,”菜单下的“,批量处理,”命令，在弹出的“,批量处理,”对话框中添加要转换的多个文件，并选择转换后的格式和路径，然后按下“,开始,”按钮。,2.5.3,支持多种媒体格式,wav,、,mp3,、苹果机的,aif,、视频,mpg,的音频文件。,