《多媒体技术》讲稿第5章-jian.pptVIP

第五章 音频信号和声音卡 音频编码基础 * 音频信号压缩技术 * 音频编码标准 * 声音卡的组成和工作原理 语音识别技术及应用 * 音频编码基础 声音信号的特点 音频信号处理的方法 音频文件的存储格式 声音质量的度量 声音信号的特点* 声音是通过空气传播的一种连续的波，这种连续性表现在两个方面，一个是时间上的连续性，另一方面是指它在幅度上是连续的。 * 人的听觉器官能感知的声音频率范围为20～20000Hz ,能感知的声音幅度范围在0～120dB之间，而人的发音器官能够发出的声音频率范围为80～3,400Hz。 声音是一种弹性波，声音信号可以分成周期信号与非周期信号两类。 声音的质量与声音的频率范围有关。频率范围越宽，声音质量越高。 音频编码基础 √声音信号的特点 音频信号处理的方法 音频文件的存储格式 声音质量的度量 音频信号处理的方法 * 计算机只能处理数字信号。 首先对声音进行在时间轴和幅度两个方面进行离散化。 时间离散化－采样；幅度离散化－量化 。时间和幅度离散的信号，是数字信号。计算机处理的就是这种数字信号。 奈奎斯特采样定律 ：fs = 2f 或者 Ts= T/2 音频编码基础 √声音信号的特点 √音频信号处理的方法 音频文件的存储格式 声音质量的度量 音频文件的存储格式 目前比较流行的主要包括以下几种： 主要用在PC上的以.wav(waveform) 为扩展名的文件格式； 主要用在Unix工作站上的以.au(audio)为扩展名的文件格式； 主要用在苹果机和美国视算科技有限公司的工作站上的以.aiff和snd为扩展名的文件格式； PC机上比较流行的以.rm和.mp3为扩展名的文件格式 波形文件格式 .wav为扩展名的文件格式称为波形文件格式 由IBM和微软公司于1991年8月联合开发的 部分音频文件的后缀 音频编码基础 √声音信号的特点 √音频信号处理的方法 √音频文件的存储格式 声音质量的度量 声音质量的度量 * 声音的质量可以用声音信号的带宽来衡量，等级由高到低依次是DAT（数字录音带），CD（光盘），FM（调频广播），AM（调幅广播）和数字电话。 声音质量的度量 * 声音质量的度量还有两种基本的方法：一种是客观质量度量，另一种是主观质量度量。 声音客观质量的度量主要用信噪比SNR (signal to niose ratio)。 主观质量度量最常用的方法有平均意见得分(mean opinion score，MOS)。 第四章 音频信号和声音卡 √音频编码基础 音频信号压缩技术 音频编码标准 声音卡的组成和工作原理 语音识别技术及应用 音频信号压缩技术 * 概述 脉冲编码调制 增量调制 自适应脉冲编码调制 差分脉冲编码调制 自适应差分脉冲编码调制 概述 * 数据压缩的主要依据是人耳朵的听觉特性，使用“心理声学模型”来达到压缩声音数据的目的: 听觉系统中存在一个听觉阈值电平，声强在“听阈”和“痛阈”之间，才能被人所感知 听觉掩饰特性－一种频率的声音阻碍听觉系统感受另一种频率的声音 音频信号压缩技术 √概述 脉冲编码调制 增量调制 自适应脉冲编码调制 差分脉冲编码调制 自适应差分脉冲编码调制 脉冲编码调制 * 声音数字化有两个步骤：第一步是采样，就是每隔一段时间间隔读一次声音的幅度；第二步是量化，就是把采样得到的声音信号幅度转换成数字值。 非线性量化 * 非线性量化的基本想法是，对输入信号进行量化时，大的输入信号采用大的量化间隔，小的输入信号采用小的量化间隔。 在非线性量化中，采样输入信号幅度和量化输出数据之间定义了两种对应关系，一种称为m律压(缩)扩(展)算法，另一种称为A律压(缩)扩(展)算法。 m律压(缩)扩(展)算法 * m律压扩用在北美和日本等地区的数字电话通信中，按下面的式子确定量化输入和输出的关系： 式中：x为输入信号幅度，规格化成-1? x ?1; sgn(x)为x的极性；m为确定压缩量的参数，它反映最大量化间隔和最小量化间隔之比，取100?m?500。 A律压(缩)扩(展)算法 * A律(A-Law)压扩用在欧洲和中国大陆等地区的数字电话通信中，按下面的式子确定量化输入和输出的关系： 式中：x为输入信号幅度，规格化成-1?x?1，sgn(x)为x的极性；A为确定压缩量的参数，它反映最大量化间隔和最小量化间隔之比。 音频信号压缩技术 √概述 √脉冲编码调制 增量调制 自适应脉冲编码调制 差分脉冲编码调制 自适应差分脉冲编码调制 增量调制 * 增量调制DM(Delta Modulation)是一种预测编码技术。 DM是对实际的采样信号与预测的采样信号