声音的图形量化探讨.pdfVIP

技术论坛 Technical Forum 声音的图形量化探讨 许含坤 / 福建信息职业技术学院 摘 要：本文通过对声音文件及音频和音调音量的量化分析，傅立叶变换，对声音、音频、音调、音量的量化处理，编 程实现了一种声音文件图形化过程。 关键词：音频；音调；图形 实世界中，声音是看不见摸不到的。它是一 整个幅度划分成有限个小幅度（量化阶距）的集合，把落 现种在空气中传播的无形波，对声波波形进行 入某个阶距内的样值归为一类，并赋予相同的量化值。 采样后，利用模拟数字的转换技术，对形成 音频文件中存储的一般都是压缩过的PCM数据，经过 的声音文件进行分析量化，就可以在屏幕上实时地画出其 解码后就变成了可处理的PCM数据。 形状。这个完整的过程是一个复杂的过程，本文就这种过 1.3 傅立叶变换 程的实现中的一个环节进行分析，阐述一个简单的声音的 傅里叶变换是一种线性的积分变换，通常在将信号在 图形化描述，并利用编程语言给出了示例的计算机程序实 时域和频域之间变换时使用。就声音音调识别来说，傅立 现。 叶变换可以将以时间为自变量的振幅函数vol （t ）变换到 声音文件的图形化描述，其本质上是以图形化的方式 以频率为自变量的振幅函数vol （f ）。 来还原声音文件所记录的原始采集信号。而图形化波形显 1.4 音调的识别流程 示却是以图形化的方式还原声音文件所记录的声音信号。 规定一个Δt ，假设在Δt 时间段内，音调是不变的.对 声音文件一般分为：音频、音调和音量等。如何对这 vol （t ）进行分割，分成[0，Δt] ，[ Δt ，2 Δt] … [t- Δt ，t] 些进行量化描述，是一个要解决的问题。 多个区间。分别对vol （t ）的多个区间进行傅立叶变换， 1 声音文件的结构及音频音调分析 得出频率分布谱，找到最大振幅对应的频率（一般情况下 声音文件中记录声音原始信息，因此，理论上任何可 音量最大的频率即为基本频率）。更好的方法则是利用基 以还原声音的文件都可以作为图形显示的信息源。声音的 本频率与音调变换关系，对得出来的频率进行变换，得到 记录方式有多种形式，最简单而又最能保持声音本色的方 的pitch （t ），即为声音的音调在变化谱线。 法是直接记录波形。 这种变形的傅立叶变换即为短时傅立叶变换能够观察 1.1 音调 出信号瞬时频率的信息。 基频（fundamental frequency ），指当发声体由于震动 2 编程实现图形化过程 而发出声音时，声音一般可以分解为许多单纯的正弦波， function pitch() 也就是说所有的自然声音基本都是由许多频率不同的正弦 //读取音频文件 波组成的，其中频率最低的正弦波即为基音，而其他频率 [stream, sample_rate] = audioread(test.wma); 较高的正弦波则为泛音。