多媒体技术基础02.pptVIP

多媒体技术 第3讲 第二讲 数字音频及MIDI简介 一、声音本质与听觉特性 二、声音信号数字化 三、声音质量的度量 四、音乐的基础知识 五、声音文件的存储格式 六、电子乐器数字接口（MIDI） 声音信号的两个基本参数 频率：指声音信号每秒钟变化的次数，用f或F表示，单位是Hz，即每秒钟多少次，频率体现在人的感觉中即音调的高低。 幅度：指声波振幅的大小，幅度体现在人的感觉中即声音的强弱，响度的大小，响度的表示方式较多，物理上(客观)有声强或声压，心理上(主观)用“方”或者“宋”来度量(第12章) ，我们一般用分贝表示声音响度的大小。 声音信号的分类 根据声音带宽(频率范围)的不同，把声音信号分为以下四类： 亚音信号(f:20Hz) 音频信号(f:20-20KHz) 话音信号(f:300-3000) 超音信号(f:20KHz) 声音的三要素 音调、音强、音色为声音的三要素。 音强（响度）取决于声音的幅度（分贝）。 音调取决于声音的频率。 音色是由混入基音的泛音所决定的。 声音的听觉特性 人的耳朵对声音信号的感觉无论是在频率上还是在强度上都是非线性的。 另外人的耳朵对声音信号的感觉存在着掩蔽特性(时域掩蔽、频域掩蔽)，如MPEG编码即利用了此特性。 声音信号数字化 声音信号是典型的连续信号(模拟信号)，不仅在时间上是连续的，而且在幅度上也是连续的。 因此声音进入计算机的第一步就是数字化，即将其转换为数字信号，数字化实际上就是采样和量化。 为什么要将模拟信号转换为数字信号？ 声音信号数字化：采样 采样（sampling）：将声音信号在时间上离散化，即每隔相等的一段时间抽取一个信号样本。 声音信号数字化：采样频率 奈奎斯特理论指出：采样频率不应低于声音信号最高频率的两倍，这样就能把以数字表达的声音还原成原来的声音，称为无损数字化。 fs = 2fmax 话音信号最高频率约为3.4kHz，所以采样频率一般取为8kHz。 声音信号数字化：量化 量化（quantization）：将连续的信号幅度离散化。如果幅度的划分是等间隔的，称为线性量化，否则为非线性量化。 声音信号数字化：量化精度 量化精度: 每个声音样本的数字化位数反映了声音波形幅度的量化精度。 量化精度的大小影响声音的质量： 位数越多，声音质量较高，数据量较大。 位数较少，声音质量下降，数据量较少。 声音质量的度量 声音的质量与声音信号的数据率成正比关系，一般来说数据率越高，声音质量也就越高。 音乐 音乐起初是与巫术和宗教活动联系在一起的，舜作“韶”、禹作“大夏”、武王作“大武”，“乐”被孔夫子列为“六艺”之一 。后来，音乐从宗教中渐渐脱离出来，成为一种独立的艺术。 以小提琴为例，当它的A弦振动时，并不仅仅是整根弦在同频率振动，这根弦的二分之一、三分之一、四分之一、五分之一……处都各自振动着。于是，整根弦的振动产生了最主要的频率，我们称之为基音，而弦长的二分之一、三分之一、四分之一等处的振动则产生了一些次要的频率，我们称之为泛音。 如果一个物体振动所发出的泛音为基音的整数倍，这个音就会具有清晰可辨的音高，我们称之为乐音，如钢琴，小提琴等发出的都是乐音；如果泛音是基音的非整数倍，这个音就不具备清晰可辨的音高，我们称之为噪音，如汽车发动机、计算机风扇等发出的都是噪音。 音乐的四要素 音高：由基音的频率决定。即“哆”“唻”“咪”等音符。 响度：由声波的振幅决定。 音色：由基音与泛音的比例、泛音的分布、泛音随时间的衰减变化决定。不同发音源（乐器）的材质、形状不同，其泛音的排列组合也不同，也就构成了这一物体特殊的音色。 时值：乐音振动的持续时间，即节奏。 声音文件的存储格式 常用声音文件的存储格式： WAV：波形声音文件。 MP3：MPEG-1 Audio标准压缩声音文件。 WMA：Windows Media Audio(ASF-Audio文件)。 RA：流媒体声音文件。 MID：数字音乐，MIDI标准合成音乐。 声音文件的存储格式(续) WAV波形声音文件主要用于PC机上，它支持存储各种采样频率和样本精度的声音数据，并支持声音数据的压缩(RLE)。波形声音文件由许多不同类型的文件构造块组成，其中最主要的两个文件构造块是格式块(format chunk)和声音数据块(sound data chunk)。 格式块：描述声音文件的重要参数，如采样频率、样本精度、压缩方式等。 声音数据块：实际的波形声音数据。 电子乐器数字接口(MIDI) 电子乐器数字接口(Musical Instrument Digital Interface, MIDI)是用于在音乐合成器、乐器、和计算机之间交换音乐信息的一种标准协议。 MIDI是乐器和计算机使用的标准语言，是一套指令的约定，它指示乐