多媒体课件数字音频处理技术.ppt

声音是携带信息的极其重要的媒体 是多媒体技术研究中的一个重要内容 在多媒体应用中，很多方面都需要使用到声音，这样多媒体才会有声有色 2.1 数字音频基础 声音是通过空气传播的一种连续的波 声音信号可以用一条连续的曲线来表示，在任一时刻都可以分解为一系列正弦波的线性叠加。 思考：为什么乐队合奏时能分辨是什么乐器在演奏？为什么几个人同时讲话时，我们能分辨出各自的声音？ 声音的三个要素（总结） 根据奈奎斯特（Nyquist）理论，只有采样频率高于声音信号最高频率的两倍时，也就是当信号是最高频率时每个周期至少采样两个点，才能把数字信号表示的声音较好地还原为原来的声音。 根据该采样理论，CD激光唱盘采样频率为44KHz，可记录的最高音频为22KHz，这样的音质与原始声音相差无几，也就是我们常说的超级高保真音质（Super High Fidelity-HiFi）。最常用的采样频率有： 11.025kHz、22.05kHz、44.1kHz等。 如以8位量化，其波形的幅度值可分为256份；而当用 16 位量化时，则共有 65536 个值。可见增加量化位数有利于细腻地表示声音信号的变化程度，从而减小量化失真；但同时也使相应的数据量大大增加了。同样，也需要在声音质量与数据量之间作出恰当的选择。 量化分为均匀量化和非均匀量化。 均匀量化：幅度的划分是等间隔的。 非均匀量化：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 在满足精度要求的情况下用较小的位数表示。 3、编码：将量化后的信号编码形成一个二进制码组输出（把声音数据写成计算机的数据格式 无压缩编码，如PCM(Pulse Code Modulation)，编码后的保真度高，但数据量大，需要很高的传输速率。在MPC中，声卡都具有PCM编码和解码的功能。激光唱盘（CD-DA）记录声音时就采用这种方法，存储未经压缩的数字音频信号。 压缩编码，如ADPCM(Adaptive Differential PCM)，数据量是PCM的四分之一。 因为音频信号一般不会发生突然变化，相邻的语音采样值之间存在很大的相关性，从一个采样值到相邻的另一个采样值的差值要比样值本身小得多。利用预测编码方法建立预测模型，通过预测器对未来的样本进行预测，然后对样本值与预测器得到的预测值之差进行量化和传输。由于这个差值的幅度远远小于样本值本身，需要较少的比特数来表示，这样可以降低数据的编码率，从而使编码数据得到压缩。 声道数 ：指所使用的声音通道的个数 它表明声音记录是产生一个波形（即单音或单声道）还是两个波形（即立体声或双声道）。 采样、量化和编码技术是音频数字化的关键技术。 采样频率、每个采样值的量化位数以及音频信息的声道数目，是影响数字化音频信息质量和容量的三个重要因素 如何减少失真？ 原始数字音频数据传输率的计算: 传输率（bytes/s）=R×r×N/8 R 表示采样频率，单位是Hz； r 表示量化位数，单位是bit； N 表示声道数； 占用存储空间的计算: 声音信号数据量S=数据传输率×D(持续时间,Byte) 在制作多媒体或其他作品时，经常要在声音质量与内存需要或网络速度等诸多因素之间妥协 在多媒体开发与制作中，声音文件一般推荐质量是22.050 kHz、16-bit 。 【例】双声道立体声音乐采样频率为44.1KHz,量化精度为16位,计算1小时的数据量.  数据传输率: 44100*2*2=1411.2kb/s=176.4KB/s 1小时数据量: 176.4*3600/1024≈605.62MB.  数字波形声音数据量非常大,需要压缩以减少存储空间,提高传输效率. 音频信号压缩编码的主要依据是人耳的听觉特性，主要有两点： 1.人的听觉系统中存在一个听觉阈值电平，低于这个电平的声音信号人耳听不到 . 2.人的听觉存在屏蔽效应。当几个强弱不同的声音同时存在时，强声使弱声难以听到，并且两者之间的关系与其相对频率的大小有关. 声音编码算法就是通过这些特性来去掉更多的冗余数据，来达到压缩数据的目的。 数据压缩算法应能满足下列需求:  2.1.5 声音文件的存储格式 2.1.5 声音文件的存储格式 2.1.5 声音文件的存储格式 2.1.5 声音文件的存储格式 2.3 声卡的应用 Line-in：音频输入端口，连接外部设备的输出端 Microphone(MIC)：用来与话筒连接 Line-out：用于连接外部音频设备的输入，如CD唱机。 Speaker：用于连接耳机、无源喇叭或有源立体音箱。 Game Port/MIDI：用于连接游戏操作杆或具有MIDI接口的电子乐器。 声卡的基本功能 （1）录制、编辑和回放