矢量和激励线性预测编码器.ppt

多媒体通信技术 第一章 多媒体通信技术概述 第二章 音频技术基础 第三章 图像技术基础 第四章 视频信息压缩与处理 第五章 多媒体通信系统中的关键技术 第六章 多媒体通信网络技术 第七章 多媒体数据的分布式处理 第八章 多媒体通信应用系统 第二章 音频技术基础 音频信息涉及人耳所能听到的声音信息，包括语声和乐声。据统计，人类从外界获得的信息大约有16%是从耳朵得到的，由此可见音频信息在人类获得信息方面的重要性。本章主要介绍声学的基础知识、音频信息的数字化以及相关的音频信息编码标准。 2.1 声学基础知识 2.2 音频信息编码分类 2.3 常用压缩编码方法 2.4 音频信息压缩编码标准 2.5 多媒体音频信号文件格式 2.1 声学基础知识 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。 一切能发出声音的物体称为声源。声音是由于声源的振动而产生的，由于声源的振动，借助于它们周围的介质， 把这种振动以机械波的形式由近及远地传向远方， 这就是声波。声波传入人耳，致使耳膜也产生振动，这种振动被传导到听觉神经，人们就产生了“声音”的感觉。我们日常听到的声音是在时间和幅度上都连续的模拟信号。 声音按其频率的不同可分为次声、可听声和超声。 人们把频率小于20Hz的信号称为亚音信号，或称为次音信号(subsonic)； 高于20kHz的信号称为超音频信号，或称超声波(ultrasonic)信号； 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(audio)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。 虽然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300~3400Hz，人们把在这种频率范围的信号称为话音(speech)信号。 音频信号是一种复合信号，由许多频率不同的信号组成。音频信号的一个重要参数就是带宽，用来描述组成复合信号的频率范围。如高保真声音的频率范围为10~20000Hz，它的带宽约为20kHz，而视频信号的带宽是6MHz。 几种常见的声音频宽 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。 2.1 声学基础知识 2.1.1 音频信号特性 音频信号的特性可以从时域和频域两方面进行说明。 声音信号的时域特性说明了人们听到的声音从产生到结束的过程。这一过程大致可以分为3个阶段：起始、稳定、结束。 声音信号的频域特性是指声音信号是由很多的正弦分量组成的，我们所感兴趣的是这些个正弦分量对整个声音信号的影响是怎样的。 从频谱分析来看，大多数声音都是由线状谱和连续谱组成的。单一频率信号是线状谱，包含所有频率分量的信号是连续谱。从幅度来看，连续谱相比于线状谱来说比较弱，使整个声音在人耳的听觉来看是表现出有明确音高的有调音的特性。但这些很弱的连续谱还是不能一概忽略的。正是有了这些连续频谱成分，才使声音显得生动、活泼、真实。 在多媒体技术中，研究人员常用声波频率、声压、声强 等参数来描述声音。 声压及声压级SPL（Sound Pressure Level）是常用 的声音描述参量。简单来说，声压就是声音的压力。声压级 SPL是为了很好的描述人耳对声音的感觉所使用的物理量。 研究人耳对声音强弱的感觉是用声压及声压级来说明的。它 是用来说明当声音的强弱出现线性的变化时，人耳对这种声 音强弱线性的变化感觉是否也是线性的。实际上，人耳对声 音强弱的变化感觉并不是线性的。 当声压太小时，人耳是感觉不到的。我们把能引起人耳听到声音时的声压称为听阈，频率1kHz时的听阈为2×10-5Pa ；将引起人耳疼痛的声压称为痛阈，约为20Pa 。人耳对