[工学]音频信息处理.ppt

音频信息处理 本章的主要内容 （1）声音概述（特点、分类） （2）声音的采样和量化 （3）声音文件的格式 （4）语音压缩编码基础 （5）语音合成和语音识别技术技术 声音概述（1） 什么是声音？ 声音是通过空气传播的一种连续的波。 声波压力的大小体现声音的强弱声音的频率体现音调的高低 声音的重要性和特点 信息量大、精细、精确 声音的分类 频率小于20 Hz的信号称为亚音(subsonic)； 频率范围为20 Hz～20 kHz的信号称为音频(Audio)高于20 kHz的信号称为超音频(ultrasonic) 声音概述（2） 音频信号的分类：语音信号和非语音信号（风声、雨声、鸟叫声、机器声等，即乐音和杂音），非语音信号的特点是不具有复杂的语义和语法信息，信息量低、识别简单。语音是语言的载体，是人类社会特有的一种信息系统，是社会交际工具的符号。 声音概述（3） 人与人之间、人与机器之间声音信息处理流程图 声音概述（4） 数字音频 将模拟的(连续的)声音波形数字化(离散化)，以便利用数字计算机进行处理的过程，主要包括采样和量化两个方面。 数字音频的质量取决于：采样频率和量化位数这两个重要参数。此外，声道的数目、相应的音频设备也是影响音频质量的原因。 声音概述（5） 数字音频可以分为如下几个等级 声音概述（6） 数字音频的存储量 存储量=(采样频率x量化位数)/8(字节数) x 声道数目 如：激光唱盘一分钟音乐需要的存储量为: 44.1X1000Xl6X2X60/8=10，584，000(字节) 声音概述（7） 从人机交互的角度看音频信号处理 （1）人→计算机：包括音频获取；语音识别和理解等； （2）计算机→人：音乐合成、语音合成、立体声模拟等； （3）人→计算机→人：语音采集、音频编码/解码、音频传输、基于内容检索等； 采样和量化（1） 基本概念 1、取样周期：对连续信号取样的时间间隔T 2、取样频率：单位时间内的取样次数1/T 3、奈魁斯特取样定理：要从样值序列完全恢复原始的波形，取样频率必须大于原始有用音频最高频率的2倍 4、量化：对声音信号波形振幅值的离散化 5、量化误差（或量化噪音）：量化后的振幅代表值与真实振幅值之间的差； 6、量化跨度：在分割振幅时个个小区间的宽度 采样和量化（2） 采样 采样和量化（3） 量化 采样和量化（4） 量化位数每增加一位，信噪比改善6dB （1）量化位数W、最大振幅A、量化跨度q之间的关系：q = A / 2 w-1 （2）当量化跨度远小于信号振幅时： q = A / 2w （3）量化噪音功率： （4）将信噪比用分贝表示： SNR(dB) = 音频文件的格式 音频文件通常分为两类：声音文件和MIDI文件 （1）声音文件：指的是通过声音录入设备录制的原始声音，直接记录了真实声音的二进制采样数据，通常文件较大； （2）MIDI文件：它是一种音乐演奏指令序列，相当于乐谱，可以利用声音输出设备或与计算机相连的电子乐器进行演奏，由于不包含声音数据，其文件尺寸较小。 声音文件的格式（1） 　Wave文件——.WAV （1）Wave格式是Microsoft公司开发的一种声音文件格式，它符合RIFF(Resource Interchange File Format)文件规范； （2）用于保存Windows平台的音频信息资源，被Windows平台及其应用程序所广泛支持。 （3）Wave格式支持MSADPCM、CCITT ALaw、CCITT μLaw和其他压缩算法，支持多种音频位数、采样频率和声道，是PC机上最为流行的声音文件格式， （4）但其文件尺寸较大，多用于存储简短的声音片断。 声音文件的格式（2） AIFF文件——.AIF/.AIFF （1）AIFF是音频交换文件格式(Audio Interchange File Format)的英文缩写，是苹果计算机公司开发的一种声音文件格式； （2）被Macintosh平台及其应用程序所支持，Netscape Navigator浏览器中的LiveAudio也支持AIFF格式，SGI及其他专业音频软件包也同样支持这种格式。 （3）AIFF支持ACE2、ACE8、MAC3和MAC6压缩，支持16位44.1kHz立体声。 声音文件的格式（3） Audio文件——.AU （1）Audio文件是Sun Microsystems公司推出的一种经过压缩的数字声音格式，是Internet中常用的声音文件格式； （2）Netscape Navigator浏览器中的LiveAudio也支持Audio格式的声音文件。  声音文件的格式（4）