第四章 音频信号与声卡.doc

第四章 音频信号和声卡 4.1音频编码基础 1、声音信号的特点 基频与音调 频率是指信号每秒钟变化的次数。人对声音频率的感觉表现为音调的高低，在音乐中称为音高。音调正是由频率ω所决定的。音乐中音阶的划分是在频率的对数坐标（20×log）上取等分而得的： 谐波与音色 nωO称为ωO的高次谐波分量，也称为泛音。音色是由混入基音的泛音所决定的，高次谐波越丰富,音色就越有明亮感和穿透力。不同的谐波具有不同的幅值An 和相位偏移ψn ，由此产生各种音色效果。 幅度与音强 人耳对于声音细节的分辨只有在强度适中时才最灵敏。人的听觉响应与强度成对数关系。一般的人只能察觉出3 分贝的音强变化，再细分则没有太多意义。我们常用音量来描述音强，以分贝（dB=20log）为单位。在处理音频信号时，绝对强度可以放大，但其相对强度更有意义，一般用动态范围定义： 动态范围＝20×log(信号的最大强度/信号的最小强度)(dB) 音宽与频带 频带宽度或称为带宽，它是描述组成复合信号的频率范围 2、声音信号的分类 多媒体技术中通常处理的是规则声音。规则声音是一种连续变化的模拟信号，可用一条连续的曲线来表示，称为声波。模拟信号的曲线无论多复杂，在任一时刻t都可分解成一系列正弦波的线性叠加 3、音频信号处理方法： 对声音在时间轴和幅度两个方面进行离散化。分别称之为采样和量化。 根据Nyquist采样定理，如果模拟信号的频谱带宽是有限的（假设最高频率为fm），那么用等于或大于2fm的采样频率进行采样所得到的等间隔离散时间序列（采样信号）能够完全惟一地代表原模拟信号，或者说能够由采样信号恢复出原始信号。 4、音频文件的存储格式 音频数据必须以一定的数据格式存储在磁盘或其它媒体上。目前比较流行的几种格式为： a、WAV文件： WAV是Microsoft Windows本身提供的音频格式，由于Windows本身的影响力，这个格式已经成为了事实上的通用音频格式。 b、mp3文件：在mp3出现之前，一般的音频编码即使以有损方式进行压缩能达到4:1的压缩比例已经非常不错了。但是，mp3可以实现12:1的压缩比例，这使得mp3迅速地流行起来。mp3之所以能够达到如此高的压缩比例同时又能保持相当不错的音质是因为利用了知觉音频编码技术，也就是利用了人耳的特性，削减音乐中人耳听不到的成分，同时尝试尽可能地维持原来的声音质量。 c、RM文件：互联网大行其道之后，Real Media 出现了。这种文件格式几乎成了网络流媒体的代名词。RA、RMA这两个文件类型就是Real Media里面向音频方面的。它是由Real Networks公司（）发明的，特点是可以在非常低的带宽下（低达28.8kbps）提供足够好的音质让用户能在线聆听。这一特点在互联网的早期简直是广大网虫的福音。也就是因为出现了Real Media之后，相关的应用比如网络广播，网上教学，网上点播等等才浮出水面，形成了一个新的行业。 　　网络流媒体的道理其实非常简单，简单说就是将原来连续不断的音频分割成一个一个带有顺序标记的小数据包，将这些小数据包通过网络进行传递，在接收的时候再将这些数据包重新按顺序组织起来播放。如果网络质量太差，有些数据包收不到或者延缓了到达，它就跳过这些数据包不播放，以保证用户在聆听的内容是基本连续的。就是这么简单的道理，促成了网络上的又一个传奇。 d、其它格式：AVI等。 5、度量声音的质量：声音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→CD→FM→AM→数字电话。除此之外度量声音的质量还有两种基本方法：一种是客观质量度量，主要是用信噪比来度量。另一种是主观度量方法，最常用的是MOS（平均意见得分）法。 4.2音频信号压缩技术 音频压缩技术指的是对原始数字音频信号流（PCM编码）运用适当的数字信号处理技术，在不损失有用信息量，或所引入损失可忽略的条件下，降低（压缩）其码率，也称为压缩编码。它必须具有相应的逆变换，称为解压缩或解码。音频信号在通过一个编解码系统后可能引入大量的噪声和一定的失真。对音频压缩技术的研究和应用由来已久，如A律、u律编码就是简单的准瞬时压扩技术，并在ISDN话音传输中得到应用。 一般来讲，可以将音频压缩技术分为无损（lossless）压缩及有损（lossy）压缩两大类，而按照压缩方案的不同，又可将其划分为时域压缩、变换压缩、子带压缩，以及多种技术相互融合的混合压缩等等。各种不同的压缩技术，其算法的复杂程度（包括时间复杂度和空间复杂度）、音频质量、算法效率（即压缩比例），以及编解码延时等都有很大的不同。各种压缩技术的应用场合也因之而各不相同。 　　（1）时域压缩（或称为波形编码）技术是指直接针对音频PCM码流的样值进行处理，通过静音检测、非线性量化