第二篇 音频信息处理ver3.0.ppt

第二章 音频信息处理 多媒体技术的特点是交互式地综合处理声文图信息。在多媒体系统中语音和音乐是不可少的。没有音频的视频是不可接受的。音频和视频同步，才能使视频图像更具真实性。娓娓动听的音乐和解说，会使静态图像变得更加丰富多彩。可视电话、电视会议中的声音更为重要。 第二章音频信息处理 2.1 声音概述 2.2 音频信息数字化 2.3 音频文件的格式 2.4 语音压缩编码 2.5 音乐合成和MIDI 2.1 声音概述 一、声音及其分类 1、声音 声音是通过空气传播的一种连续的波，称为声波。 基本参数 频率：声音的频率，体现音调的高低 振幅：声波压力的大小，体现声音的强弱 2.1 声音概述 声音信号由许多频率不同的信号组成，是复合信号。 重要参数－带宽：复合信号的频率范围 例如：高保真(high-fidelityaudio)声音的频率范围为10Hz～20000Hz，其带宽约为20KHz。而视频信号的带宽是6MHz。 2.1 声音概述 2、声音的分类 声音：无规则的噪音和有规则的音频信号。 音频信号携带的信息可分为：语言、音乐和音效等三类。 2.1 声音概述 3、声音的三要素 音调、音色和音强是声音的三要素。 在任一时刻，模拟声波信号曲线都可以分解为一系列正弦波的线性叠加。 其中ω0称为基频或基音(最低的音波)； n*ω0称为ω0的n次谐波分量或称为泛音，其频率是基频 的整数倍。 2.1 声音概述 ⑴ 音调 在音乐中称为音高，音高是指声波的基频。将基频取对数后与人的音高感觉成线性关系，音律中最常见的12平均律中的音阶划分，就是在频率对数坐标取等分而得来的。 ⑵ 音色 取决于声波的频谱，即由混入基音的泛音所决定的。各阶谐波即泛音的幅度比例不同，随时间衰减的程度不同，则音色就不同。若中高频泛音丰富，音色就明亮，如小号；若低频泛音丰富，音色就低沉，如低音贝司。 2.1 声音概述 ⑶ 音强 取决于声波信号的强弱程度，即与声音信号的幅度成正比。人耳在辨别声音的能力只有在音强适中时才最灵敏。 由于人的听觉响应与声音信号强度不是成线性关系，因此一般用声音信号幅度取对数后再乘20所得值来描述声强，以分贝（dB）为单位，此时称为音量。在处理音频信号时，一般用动态范围来定义音频信号的相对强度： 动态范围=20×log（信号的最大强度/信号最小强度） 单位：dB 2.1 声音概述 二、音频信号 （1）语音：具有语言内涵和人类约定成俗的特殊媒体。 （2）音乐：规范的符号化了的声音。 （3）音效(响）：人类熟悉的其他声音，如动物发声、机器产生的声音、自然界的风雨雷电声等。 音频的作用：直接通过讲话表达信息、制造某种效果和气氛、演奏音乐等。 2.1 声音概述 1、 音频——人类听觉所感知范围内的频率，也称声频。 音频(Audio):频率范围是20Hz~20KHz的声音信号（人耳能听到） 次声波(subsonic)：频率低于20Hz的信号（亚音） 超声波(ultrasonic)：频率高于20KHz的信号（超音频） 说明1： 次声波和超声波之间的音频为可听声波，属于多媒体音频信息范畴。 2.1 声音概述 说明2： 人的发音器官发出的声音频率大约是80～3400Hz，但人说话的信号频率通常为300～3000Hz，人们把在这种频率范围的信号称为语（话）音(speech)信号； 实际上，人最敏感的频率范围是3KHz~5KHz。对于高于18~20kHz和低于16~20Hz的声音信号，无论音强如何，一般人都听不到。 2.1 声音概述 2、音频信号——用电压或电流模拟信号表示声音信号，在多媒体技术中采用的是数字化音频信息。 3、音频信息处理技术 （1）音频获取技术（语音的采集、识别和理解） （2）音频合成技术（音乐的合成和语音的合成） （3）音频定位技术（模拟立体声、音频/视频同步） （4）音频编码、解码技术 （5）音频网络传输技术 2.1 声音概述 4、音频信号的技术指标 ⑴ 频带宽度：音频信号的频率范围，是衡量音质的标准。 频带越宽，包含的音频信号分量越丰富，则音质越好。 通常将音质定义为4个等级标准： CD-DA唱盘为10Hz～22KHz； FM广播为20Hz～15KHz； AM广播为50Hz～7KHz； 数字电话为200Hz～3.4KHz。 2.1 声音概述 2.1 声音概述 ⑵ 动态范围 动态范围＝20×log（信号的最大强度/信号的最小强度） 动态范围越大，说明音频信号的相对变化范围大，音响效果越好。 2.1 声