音頻處理技術(shù)1.2多媒體特性與關(guān)鍵技術(shù)聲學(xué)基本知識(shí)物理學(xué)意義上的聲音心理學(xué)與生理學(xué)意義上的聲音聲音信號(hào)的數(shù)字化過(guò)程采樣量化數(shù)據(jù)壓縮算法簡(jiǎn)介相關(guān)標(biāo)準(zhǔn)簡(jiǎn)介音頻文件格式音頻處理軟件1.1物理學(xué)意義上的聲音聲音的本質(zhì)聲音是由于物體的振動(dòng)產(chǎn)生的機(jī)械波1.1物理學(xué)意義上的聲音聲音的頻率20Hz——20kHz：聲波（人耳可聞）20kHz以上：超聲波20Hz以下：次聲波聲音的強(qiáng)度：與聲波的振幅成正比聲波在單位時(shí)間內(nèi)作用在與其傳遞方向垂直的單位面積上的能量聲音的種類(lèi)純音：振幅和頻率均為常數(shù)的聲音復(fù)音：多種不同頻率和振幅的混合聲音基音：復(fù)印中頻率最低的聲音，復(fù)音的基調(diào)泛音、諧音：其他頻率聲音的統(tǒng)稱(chēng)噪音：多頻率、多強(qiáng)度的無(wú)規(guī)律聲音頻率振幅頻率振幅純音復(fù)音基音泛音/諧音1.1物理學(xué)意義上的聲音聲音強(qiáng)度的計(jì)量聲強(qiáng)（物理學(xué)上常用）聲強(qiáng)是指單位時(shí)間（1秒鐘）內(nèi)聲音通過(guò)垂直于聲音傳播方向單位面積（cm2）的聲能量。聲壓（聽(tīng)覺(jué)生理學(xué)上常用）聲音在空氣中傳播而改變了空氣原來(lái)的恒定靜壓力，導(dǎo)致了原有靜壓力的微小增加。1.1物理學(xué)意義上的聲音這兩種1.2生理及心理學(xué)意義上的聲音人耳聽(tīng)到的聲音≠自然界的聲音聽(tīng)域（AuditoryArea）：人耳可聞的聲音范圍頻率范圍：20Hz-20kHz強(qiáng)度范圍：可用聲壓、聲壓級(jí)、聲強(qiáng)、聲強(qiáng)級(jí)表示聽(tīng)閾（AuditoryThreshold）：人耳可聞的最小強(qiáng)度痛閾：引起人耳疼痛的最小強(qiáng)度聲強(qiáng)與響度的關(guān)系聲強(qiáng)：聲音強(qiáng)度的客觀度量（概念與度量前面已述）響度：聲音強(qiáng)度的主觀感受響度：聲音強(qiáng)度的主觀感受響度與聲強(qiáng)不是線性關(guān)系聲音能量（強(qiáng)度）增加近4倍，主觀感覺(jué)響度增加1倍響度與聲音能量是一種近似對(duì)數(shù)關(guān)系響度與頻率有關(guān)：1000～4000Hz的聲音人耳聽(tīng)起來(lái)最響響度的單位為宋（sone）頻率1000Hz，強(qiáng)度為聽(tīng)閾以上40dB(感覺(jué)級(jí))的純音所產(chǎn)生的響度為1sone。絕對(duì)聽(tīng)覺(jué)閾限指一個(gè)人在沒(méi)有噪聲的環(huán)境下，能夠產(chǎn)生聽(tīng)覺(jué)，感知到一個(gè)純音信號(hào)（某各頻率點(diǎn)）的最小能量幅度。通常絕對(duì)聽(tīng)覺(jué)門(mén)限用聲壓級(jí)表示（dB）人耳的等響度曲線音調(diào)：聲音頻率的主觀感受音調(diào)的高低與頻率的高低一致頻率不變，強(qiáng)度的變化對(duì)音調(diào)稍有影響。強(qiáng)度增大時(shí)，低頻率音調(diào)顯得更低，而高頻率音調(diào)顯得更高。音色：人耳對(duì)復(fù)合音中各種諧音成分總和的主觀印象人耳通過(guò)音色區(qū)分不同的樂(lè)器，如：基音為100Hz的鋼琴聲與基音100Hz的黑管聲音的

基音頻率相同鋼琴有15個(gè)泛音（諧音）黑管有10個(gè)泛音（諧音）聲音的掩蔽效應(yīng)當(dāng)兩個(gè)響度不等的聲音作用于人耳時(shí)，響度較高的頻率成分的存在會(huì)影響到對(duì)響度較低的頻率成分的感知同時(shí)掩蔽（頻域掩蔽）掩蔽聲音與被掩蔽聲音同時(shí)出現(xiàn)當(dāng)兩個(gè)或更多的音頻信號(hào)到達(dá)人內(nèi)耳時(shí)，掩蔽聲與被掩蔽聲同時(shí)作用發(fā)生掩蔽效應(yīng)，就稱(chēng)同時(shí)掩蔽。即在一個(gè)臨界頻帶內(nèi)，一個(gè)大的信號(hào)可以掩蔽掉若干小的信號(hào)，無(wú)論這個(gè)信號(hào)是音調(diào)還是噪音。25個(gè)臨界頻帶臨界頻帶頻率(Hz)臨界頻帶頻率(Hz)低端高端寬度低端高端寬度0010010013200023203201100200100142320270038022003001001527003150450330040010016315037005504400510110173700440070055106301201844005300900663077014019530064001100777092015020640077001300892010801602177009500180091080127019022950012000250010127014802102312000155003500111480172024024155002205065501217202000280

異時(shí)掩蔽（時(shí)域掩蔽）掩蔽聲音與被掩蔽聲音不同時(shí)出現(xiàn)一個(gè)強(qiáng)音頻信號(hào)可以掩蔽到之前若干時(shí)間和之后若干時(shí)間的音頻信號(hào)的感知，即導(dǎo)前掩蔽或滯后掩蔽對(duì)之前音頻信號(hào)的掩蔽效應(yīng)衰減的很快，大概只能掩蔽到幾毫秒對(duì)之后音頻信號(hào)的掩蔽可以持續(xù)到最長(zhǎng)200ms的時(shí)間。2.聲音信號(hào)的數(shù)字化過(guò)程從聲波到數(shù)字音頻文件的過(guò)程拾音放大A/D轉(zhuǎn)換（模數(shù)轉(zhuǎn)換）采樣量化編碼聲—電模擬信號(hào)模擬信號(hào)—數(shù)字信號(hào)—二進(jìn)制數(shù)據(jù)采樣與量化：模數(shù)轉(zhuǎn)換的核心采樣（Sampling）采樣：把模擬信號(hào)在時(shí)間域上以固定的時(shí)間間隔對(duì)波形的值進(jìn)行抽取，再用若干位二進(jìn)制數(shù)表示采樣周期：兩個(gè)取樣點(diǎn)之間的間隔稱(chēng)為采樣頻率：采樣周期的倒數(shù)采樣定理：當(dāng)采樣頻率大于信號(hào)最高頻率的兩倍時(shí)，在采樣過(guò)程中就不會(huì)丟失信息，能不失真地還原出原始的聲音信號(hào)

若超過(guò)此取樣頻率，就會(huì)包含冗余的信息

若低于此頻率，則將產(chǎn)生不同程度的失真對(duì)于音頻，最常用的采樣頻率有三種：44.1KHz22.05KHz11.025KHz哪種采樣頻率產(chǎn)生的數(shù)字音頻音質(zhì)最佳？Why？聲道數(shù)：聲音通道的個(gè)數(shù)，指一次采樣的聲音波形個(gè)數(shù)。

單聲道一次采樣一個(gè)聲音波形

雙聲道一次采樣兩個(gè)聲音波形，又稱(chēng)為“立體聲”。量化（Quantity）量化的目的是將采樣后的信號(hào)波形的幅度值（樣本）進(jìn)行離散化處理，樣本從模擬量轉(zhuǎn)化成了數(shù)字量。量化位數(shù)（量化級(jí)）：用于表示幅度值（樣本）的二進(jìn)制位數(shù)

量化位數(shù)越多，所得到的量化值越接近原始波形的采樣值。一個(gè)量化器就是將整個(gè)信號(hào)的幅度值分成若干個(gè)有限的區(qū)間，并且把落入同一個(gè)區(qū)間的樣本點(diǎn)都用同一個(gè)幅度值來(lái)表示，這個(gè)幅度值稱(chēng)為量化值。均勻量化非均勻量化數(shù)據(jù)率的概念數(shù)據(jù)率（比特率）：

一秒鐘的數(shù)字音頻信號(hào)所需的二進(jìn)制位數(shù)單位：bps（bitspersecond位每秒）計(jì)算公式：采樣率×采樣位數(shù)×聲道數(shù)例如：44.1KHz、16bit的立體聲數(shù)字音頻信號(hào)的數(shù)據(jù)率

44.1k*16b*2=1411.2kbps這就是CD音頻的數(shù)據(jù)率如果不進(jìn)行任何編碼和壓縮，

則產(chǎn)生的聲音文件體積會(huì)非常大，不利于存儲(chǔ)和傳輸減小音頻文件大小的思路1.降低采樣頻率和量化位數(shù)——降低音質(zhì)2.數(shù)據(jù)壓縮（編碼）無(wú)損壓縮算法減少數(shù)據(jù)量，但不減少信息量典型實(shí)例：哈夫曼編碼、Winrar有損壓縮算法原理：有選擇地舍棄一些信息，如人類(lèi)不敏感信息典型實(shí)例：PCM編碼（WAV）、MPEG編碼（MP3）數(shù)據(jù)壓縮算法常用音頻編碼標(biāo)準(zhǔn)編碼方法算法名稱(chēng)數(shù)據(jù)率標(biāo)準(zhǔn)應(yīng)用質(zhì)量波形編碼PCM均勻量化

公共網(wǎng)ISDN配音4.0～4.5μ(A)μ(A)64kbpsG.711APCM自適應(yīng)量化

DPCM差值量化ADPCM自適應(yīng)差值量化32kbpsG.721SB—

ADPCM子帶—自適應(yīng)差值量化64kbpsG.7225.3kbps6.3kbpsG.723參數(shù)編碼LPC線性預(yù)測(cè)編碼2.4kbps

保密話聲2.5～3.5混合編碼CELPC碼激勵(lì)LPC4.6kbps

移動(dòng)通信3.7～4.0VSELP矢量和激勵(lì)LPC8kbps

語(yǔ)音通信RPE-LTP長(zhǎng)時(shí)預(yù)測(cè)規(guī)則碼激勵(lì)13.2kbps

ISDNLD-CELP低延時(shí)碼激勵(lì)LPC16kbpsG.728G.729

MPEG多自帶感知編碼128kbps

CD5.0

AC-3感知編碼

音響5.0編碼（壓縮）的效果CD音質(zhì)的音頻未編碼（壓縮）：1411.2kbps經(jīng)MPEG-Layer3算法壓縮后（mp3格式）：128kbps1分鐘的原始CD音頻文件大?。?0.34MB1分鐘的接近CD音質(zhì)的MP3文件：0.96MB衡量音質(zhì)的指標(biāo)采樣頻率量化位數(shù)（量化級(jí)）例如：CD音質(zhì)：44.1kHz16bitDVD-Audio音質(zhì)：192kHz24bit（目前最高音質(zhì)）衡量編碼算法（壓縮效率）的指標(biāo)同等音質(zhì)（采樣頻率、量化位數(shù)、聲道數(shù)）下的

數(shù)據(jù)率。典型音頻編碼簡(jiǎn)介PCM（PulsePulseCodeModulation脈沖代碼調(diào)制編碼）原理：直接存儲(chǔ)采樣量化后的數(shù)據(jù)特點(diǎn)：沒(méi)有編碼的編碼

數(shù)據(jù)量大、無(wú)失真代表文件格式：wav文件PCM的實(shí)際應(yīng)用形式：加入了壓縮算法A律PCM：我國(guó)和歐洲采用μ律PCM：日本和北美采用標(biāo)準(zhǔn)制定組織：CCITT（CommitteeConsultationInternationalTechnicandTelegraph）國(guó)際電報(bào)電話咨詢(xún)委員會(huì)標(biāo)準(zhǔn)名稱(chēng)：G.711MPEG1（MovingPictureExpertsGroup）音頻編碼特點(diǎn)：根據(jù)人的聽(tīng)覺(jué)特性進(jìn)行編碼

有損壓縮

音質(zhì)較好，文件體積較小

三種層次的編碼系統(tǒng)，可根據(jù)需要選用

層次越高，性能越好編碼層次MPEG-Layer1MPEG-Layer2MPEG-Layer3代表文件格式：mp3標(biāo)準(zhǔn)制定組織：ISO（InternationalStandardOrganization）

國(guó)際標(biāo)準(zhǔn)化組織IEC（InternationalElectroTechnicalCommission）

國(guó)際電工委員會(huì)標(biāo)準(zhǔn)名稱(chēng)：ISO/IEC11172-3（MPEG-音頻）AC音頻編碼AC-1應(yīng)用的編碼技術(shù)是自適應(yīng)增量調(diào)制20kHz寬帶立體聲音頻信號(hào)編碼后的數(shù)據(jù)率為512kb/sAC-1曾在衛(wèi)星電視和調(diào)頻廣播上得到廣泛應(yīng)用。1990年DOLBY實(shí)驗(yàn)室推出了立體聲編碼標(biāo)準(zhǔn)AC-2比特率（數(shù)據(jù)率）降至256kb/s以下AC-2被應(yīng)用在PC聲卡和綜合業(yè)務(wù)數(shù)字網(wǎng)等方面。AC-3音頻編碼標(biāo)準(zhǔn)的起源是DOLBYAC-1。AC-31994年，日本先鋒公司宣布與美國(guó)杜比實(shí)驗(yàn)室合作研制成功一種嶄新的環(huán)繞聲制式，并命名為“杜比AC-3”(DolbySurroundAudioCoding-3)。1997年初，杜比實(shí)驗(yàn)室正式將“杜比AC-3環(huán)繞聲”改為“杜比數(shù)碼環(huán)繞聲”(DolbySurroundDigital)，我們常稱(chēng)為DolbyDigital。杜比AC-3提供的環(huán)繞聲系統(tǒng)由5個(gè)全頻域聲道和1個(gè)超低音聲道組成，被稱(chēng)為5.1聲道。6個(gè)聲道的信息在制作和還原過(guò)程中全部數(shù)字化，信息損失很少，是一種高音質(zhì)音頻標(biāo)準(zhǔn)。DVD中的音頻編碼采用AC-3標(biāo)準(zhǔn)播放AC-3格式的音頻文件，需要安裝解碼插件

如：AC-3Filter3音頻文件格式波形格式WAVWAV是MicrosoftWindows本身提供的音頻格式，用.wav作為擴(kuò)展名，其文件格式稱(chēng)為波形文件格式(WAVEFileFormat)WAV格式是一種文件格式，而非一種編碼文件格式：文件數(shù)據(jù)的組織結(jié)構(gòu)編碼：編碼（壓縮）算法比如：書(shū)信是一種文件格式，英語(yǔ)是一種編碼。WAV格式可以支持多種音頻編碼基于PCM編碼的WAV格式是應(yīng)用最廣泛的音頻文件格式，所有音頻播放、編輯軟件都支持。WAV是一種RIFF文件格式RIFF（ResourceInterchangeFileFormat）在Windows環(huán)境下，大部分多媒體文件都遵循RIFF結(jié)構(gòu)來(lái)存放信息，RIFF可以看做是一種樹(shù)狀結(jié)構(gòu)，其基本構(gòu)成單位為Chunk，就像樹(shù)形結(jié)構(gòu)中的節(jié)點(diǎn)，每個(gè)Chunk由辨別碼、數(shù)據(jù)長(zhǎng)度及數(shù)據(jù)組成。記錄采樣頻率、

采樣位數(shù)等參數(shù)記錄聲音數(shù)據(jù)WAV格式的特點(diǎn)通用性極強(qiáng)（基于PCM編碼的）一般音質(zhì)較好（基于PCM編碼的）占用存儲(chǔ)空間較大音頻素材與中間處理結(jié)果的最佳格式MIDI格式MIDI（MusicalInstrumentDigitalInterface）的首寫(xiě)字母組合詞，可譯成“電子樂(lè)器數(shù)字接口”。用于在音樂(lè)合成器（MusicSynthesizers）、樂(lè)器（MusicalInstruments）和計(jì)算機(jī)之間交換音樂(lè)信息、播放和錄制音樂(lè)的一種標(biāo)準(zhǔn)協(xié)議。MIDI標(biāo)準(zhǔn)確定了將計(jì)算機(jī)與電聲樂(lè)器、錄音設(shè)備連接起來(lái)所需的電纜線、硬件及通信協(xié)議。MIDI可用于基于計(jì)算機(jī)的作曲和電子音樂(lè)合成制作MP3格式MP3文件格式TAG_V2(ID3V2)+Frame+TAG_V1(ID3V1)ID3V1：存放歌曲的描述信息

歌名、作者、專(zhuān)輯名、年份、附注、音樂(lè)類(lèi)別

位于文件尾

mp3播放器軟件廣泛支持ID3V2：對(duì)ID3V1的擴(kuò)展

可存放更多描述信息如專(zhuān)輯封面圖等

位于文件頭

軟件支持有限Frame：一系列的幀，存放音頻編碼信息Frame：一系列的幀，存放音頻編碼信息幀的個(gè)數(shù)由文件大小和幀長(zhǎng)決定每個(gè)FRAME的長(zhǎng)度可能不固定，也可能固定，

由數(shù)據(jù)率bitrate決定恒定數(shù)據(jù)率（CBR）：96kbps、128kbps、192kbps變化數(shù)據(jù)率（VBR）：針對(duì)歌曲不同的部分采用不同的數(shù)據(jù)率，用以節(jié)省存儲(chǔ)空間。數(shù)據(jù)率越高，音質(zhì)越好每個(gè)FRAME