CH12MPEG声音.pptVIP

第十二章 MPEG声音 教 师 ：李 良 Email：plum_liliang@163.com QQ ：本章内容 12.1 听觉系统的感知特性 12.2 MPEG Audio 与感知特性 12.3 MPEG-1 Audio 12.4 MPEG-2 Audio 12.5 MPEG-2 AAC 12.6 MPEG-4 Audio 第十二章 MPEG声音 话音编码与MPEG声音的区别与联系： 话音编码：依据波形本身的相关性和模拟人的发音器官的特性 MPEG声音：利用人的听觉系统的特性来达到压缩声音数据的目的，这种压缩编码称为感知声音编码(perceptual audio coding)。MPEG-1 Audio, MPEG-2 Audio和MPEG-2 AAC等标准。 12.1 听觉系统的感知特性 声音的感知特性 响度、音高和掩蔽效应 对响度的感知 声音的响度就是声音的强弱。 在物理上，声音的响度使用客观测量单位来度量，即dyn/cm2(达因/平方厘米)(声压)或W/cm2(瓦特/平方厘米)(声强)。 在心理上，主观感觉的声音强弱使用响度级“方(phon)”或者“宋(sone)”来度量。 听阈：当声音弱到人的耳朵刚刚可以听见时，我们称此时的声音强度为“听阈”。 12.1 听觉系统的感知特性 比如，1 kHz纯音的声强达到10-16w/cm2(定义成零dB声强级)时，人耳刚能听到，此时的主观响度级定为零方。 痛阈：声音强到使人耳感到疼痛，此时的声音强度 比如，如果频率为1 kHz的纯音的声强级达到120 dB左右时，人的耳朵就感到疼痛 12.1 听觉系统的感知特性 对音高的感知 客观上用频率来表示声音的音高，其单位是Hz。而主观感觉的音高单位则是“美(Mel)”,主观音高与客观音高的关系是 Mel＝1000 log_2( 1+f ) 其中f的单位为Hz。 人耳对响度的感觉有一个范围，即从听阈到痛阈。同样，人耳对频率的感觉也有一个范围。人耳可以听到的最低频率约20 Hz，最高频率约18000 Hz。正如测量响度时是以1 kHz纯音为基准一样，在测量音高时则以40 dB声强为基准，并且同样由主观感觉来确定。 测量主观音高时，让实验者听两个声强级为40 dB的纯音，固定其中一个纯音的频率，调节另一个纯音的频率，直到他感到后者的音高为前者的两倍，就标定这两个声音的音高差为两倍。实验表明，音高与频率之间也不是线性关系。 12.1 听觉系统的感知特性 12.1 听觉系统的感知特性 掩蔽效应 一种频率的声音阻碍听觉系统感受另一种频率的声音的现象称为掩蔽效应。前者称为掩蔽声音(masking tone)，后者称为被掩蔽声音(masked tone)。掩蔽可分成频域掩蔽和时域掩蔽。 频域掩蔽 一个强纯音会掩蔽在其附近同时发声的弱纯音，这种特性称为频域掩蔽，也称同时掩蔽(simultaneous masking)。 12.1 听觉系统的感知特性 一个声强为60 dB、频率为1000 Hz的纯音，另外还有一个1100 Hz的纯音，前者比后者高18 dB，在这种情况下我们的耳朵就只能听到那个1000 Hz的强音。如果有一个1000 Hz的纯音和一个声强比它低18 dB的2000 Hz的纯音，那么我们的耳朵将会同时听到这两个声音。 12.1 听觉系统的感知特性 ①在250 Hz、1 kHz、4 kHz和8 kHz纯音附近，对其他纯音的掩蔽效果最明显 ②低频纯音可以有效地掩蔽高频纯音，但高频纯音对低频纯音的掩蔽作用则不明显 12.1 听觉系统的感知特性 临界频带: 由于声音频率与掩蔽曲线不是线性关系，为从感知上来统一度量声音频率，引入了“临界频带(critical band)”的概念。通常认为，在20 Hz到16 kHz范围内有24个临界频带，如表所示(见教材P219)。临界频带的单位叫Bark(巴克)， 1 Bark = 一个临界频带的宽度 f(频率) 500 Hz的情况下, 1 Bark f/100 f(频率) 500 Hz的情况下, 1Bark 9 + 4log(f/1000) 以上我们讨论了响度、音高和掩蔽效应，尤其是人的主观感觉。其中掩蔽效应尤为重要，它是心理声学模型的基础。 12.1 听觉系统的感知特性 时域掩蔽： 除了同时发出的声音之间有掩蔽现象之外，在时间上相邻的声音之间也有掩蔽现象，并且称为时域掩蔽。时域掩蔽又分为超前掩蔽(pre-masking)和滞后掩蔽(post-masking)。 产生时域掩蔽的主要原因是人的大脑处理信息需要花费一定的时间。一般来说，超前掩蔽很短，只有大约5～20 ms，而滞后掩蔽可以持续50～200 ms。这个区别也是很容易理解的。 12.2 MPEG Audio 与感知特