多媒体课件第2章[精选].ppt

第2章 多媒体音频处理技术 2.1 声 音 2.2 多媒体中的音频信号 2.3 音频信号的采集与量化 2.5 音乐合成与MIDI 2.6 声 卡 2.7 音频数据的采集与处理 2.8 MIDI制作软件Cakewalk使用简介 音频信号的处理技术是多媒体计算机（MPC）技术的重要组成部分。同时由音频信号处理技术得来的语言、音乐播放功能也是MPC诸功能中最重要的功能之一。由MPC的基本硬件组成也可以看出这一点。一般而言，一个最简单的MPC也会包含一个声卡。我们所说的音频处理技术是指声音的采集、量化、编码、译码、放大、播放这样一个全过程中用到的软硬件和算法，下面将简要介绍。 2.1 声 音 在计算机应用系统中加入声音可以极大地加强计算机处理信息的效果。早期的计算机以处理数值和文字信息为主，简单的声音应用也只是加入一些用扬声器报警的振铃声或者是控制音响设备。在实际应用中存在着种类繁多的声音，且需要对它们进行数值化处理。 人类获取信息的方法主要有“听”和“看”两种。看是通过眼睛读或是观察文字、图形和图像等，听则要用耳朵来接受语音、音乐及其他声音。因而在多媒体系统中加入声音功能是必不可少的，我们希望一个计算机系统既能发音又能记录各种声音，当然还要能对声音进行编辑制作。 当一种物体使空气发生振动时就产生了声音。比如讲话时声带的振动、拉琴时琴弦的振动以及扬声器纸盆的振动等都会产生声音。这样的声音可以用声波来表示。声波是一条随时间变化的连续曲线，图2.1为声波的示意图。 图中的基线为时间t，声波有两个基本参数，频率和振幅。 频率f是指声音信号每秒钟变化的次数，以赫兹（Hz）为单位。 与频率有关的一个参数是周期T，它是指两个相邻峰点或谷点之间的时间。周期与频率的关系是互为倒数，即f=1/T。 振幅是指波形的最高点或最低点与时间轴之间的距离。它反映了声音信号的强弱程度。为了表示上的方便，一般是用分贝（dB）来表示声音的强度，它是对声音信号取对数运算后得到的值。人类能听到的声音强度在0分贝至120分贝之间，也就是从能听到开始到耳膜感到疼痛为止，但因人略有不同。 2.2 多媒体中的音频信号 声音按其频率的不同可分为次声、可听声和超声。低于20Hz的为次声，高于20kHz的为超声，位于中部的即为可听声。多媒体计算机中的声音主要指20Hz～20kHz的可听声——音频信号。因此，我们就把多媒体计算机的声音处理技术称为音频信号处理技术。 音频信号主要有3种：语音、音乐和效果声。语音的作用与文字一样，主要用于说明、回答和叙述，也可用作命令；音乐在多媒体系统中起到提示及加强效果的作用，在娱乐性多媒体应用中为播放的内容；效果声即自然界的声音，如打雷声、鼓掌声等，可为应用系统锦上添花。 音频信号又可根据其覆盖的带宽分为电话、调幅广播、调频广播及激光唱盘4种质量的声音。其大致关系如图2.3所示。 一般说来，覆盖频率越宽则声音质量越好。通常语音信号电话或调幅广播质量的声音已基本可以满足要求，而对于音乐则要求具有调频广播或激光唱片的声音质量。语音常用可懂度、清晰度和自然度来衡量，而音乐则要用保真度、空间感和音响效果等指标来衡量。 2.3 音频信号的采集与量化 多媒体中的声音主要有两种来源。一种是由语言或音乐合成器合成的，把合成器合成的信号还原出来即为我们听到的声音。但能合成的声音总是有限的，不能全部满足我们的要求。另一种来源是从世界上已有的声音或乐曲中获得的。这里所说的获得是指把已有的音频信号经数据采集、量化后将波形形式的模拟信号转换为数字信号，再经过编码压缩后存入计算机，需要时经过解压和数模转换后还原为声音的全过程。 2.3.1 模拟信号与数字信号 模拟信号是一种连续变化的电信号，它用电信号模拟原有的信息。显然模拟信号的取值可以有无限多个，图2.4所示为一个话音声压随时间而连续变化的模拟信号。数字信号是一种离散信号，它的取值是有限个，像电报系统中那样，只能用“0”和“1”来表示信号的值，数字信号不能像模拟信号那样其取值可直接与信息相对应，它是用数字信号的编码来反映信息。 图2.5所示是一个电报码的例子。图2.5中有电流用“1”表示，无电流用“0”表示。电报码中以“10”表示“点”，以“1110”表示“划”，图中为“101110”，即一点一划的图形。 历史上，大多数电信号的处理一直是用模拟元部件（如晶体管、电阻、电容等）对模拟信号进行处理，但是开发一个具有相当精度且不受环境变化影响的模拟信号处理元件相当困难。如果把模拟信号转换为数字信号，用数字量来表示模拟量，那么难点就发生了转移。 在数字域中作信号处理有许多优点，首先，数字信号计算是一种精确的运算方法，它不受时间和环境变化的影响。其次，