音频信号与声音卡.pptVIP

多媒体计算机技术 鲁宏伟 luhw@hust.edu.cn 第四章 音频信号和声音卡 音频编码基础 音频处理涉及的内容 音频信号压缩技术 音频编码标准 声音卡的组成和工作原理 语音识别技术及应用 音频处理涉及的内容 音频传播媒体特征,也即声波的物理特性。 音频的记录和产生方式，包括模/数、数/模转换；数据压缩和声音合成。 音频数据的编辑处理 音频信号的处理方法大致可分为两类：一种是数字音频方式，另一种是分析－合成的方式 音频编码基础 声音是携带信息的极其重要的媒体，是多媒体技术研究中的一个重要内容。声音的种类繁多，如人的话音、乐器声、动物发出的声音、机器产生的声音以及自然界的声音等。 这些声音有许多共同的特性，也有它们各自的特性。在用计算机处理这些声音时，既要考虑它们的共性，又要利用它们的各自的特性。 我们将研究声音的基础知识，掌握声音数字化的两个最基本的概念；了解基本的音频信号编码技术。 音频编码基础 声音信号的特点 音频信息的分类 音频信号处理的方法 音频文件的存储格式 声音质量的度量 频带宽度 音频信号的频带越宽，所包含的音频信号分量越丰富，音质越好 动态范围 动态范围越大，信号强度的相对变化范围越大，音响效果越好 信噪比 信噪比SNR（Signal to Noise Ratio）是有用信号与噪声之比的简称。?噪音可分为环境噪音和设备噪音。信噪比越大，声音质量越好。 主观度量法 人的感觉机理对声音的度量最有决定意义。感觉上的、主观上的测试是评价声音质量不可缺少的部分。当然，可靠的主观度量值是较难获得的 音频信息的分类 规则音频 规则音频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t0都可分解成一系列正弦波的线性叠加： 声音信号的特点 声音是通过空气传播的一种连续的波，这种连续性表现在两个方面，一个是时间上的连续性，另一方面是指它在幅度上是连续的。 声音信号的特点 人的听觉器官能感知的频率范围为20～20000Hz ,能感知的声音幅度范围在0～120dB之间，而人的发音器官能够发出的声音频率范围为80～3,400Hz。 声音是一种弹性波，声音信号可以分成周期信号与非周期信号两类。 声音的质量与声音的频率范围有关。 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 音频信号处理的方法 首先对声音进行在时间轴和幅度两个方面进行离散化。 音频文件的存储格式 目前比较流行的主要包括以下几种： 主要用在PC上的以.wav(waveform) 为扩展名的文件格式； 主要用在Unix工作站上的以.au(audio)为扩展名的文件格式； 主要用在苹果机和美国视算科技有限公司的工作站上的以.aiff和snd为扩展名的文件格式 PC机上比较流行的以.rm和.mp3 波形文件格式 .wav为扩展名的文件格式称为波形文件格式 由IBM和微软公司于1991年8月联合开发的 部分音频文件的后缀 声音质量的度量 声音的质量可以用声音信号的带宽和动态范围来衡量，等级由高到低依次是DAT，CD，FM，AM和数字电话。 声音质量的度量还有两种基本的方法：一种是客观质量度量，另一种是主观质量度量。 声音客观质量的度量主要用信噪比SNR (signal to niose ratio)。 主观质量度量最常用的方法有平均意见得分(mean opinion score，MOS)。 音频信号压缩技术 概述 脉冲编码调制 增量调制 自适应脉冲编码调制 差分脉冲编码调制 自适应差分脉冲编码调制 子带编码 概述 数据压缩的主要依据是人耳朵的听觉特性，使用“心理声学模型”来达到压缩声音数据的目的: 听觉系统中存在一个听觉阈值电平 听觉掩饰特性 脉冲编码调制 脉冲编码调制PCM（Pulse Code