多媒体音频信息处理PowerPointPresent.pptx

第4章 多媒体音频信息处理 ;4.1 音频信号及其概念 4.1.1 声音处理技术历史回顾  语音、音乐和各种自然声是以声波为载体进行传输的。人类很早就开始研究声音，并利用已掌握了的声音的某些规律来制造乐器、进行建筑设计或传声装置设计，使发出的声音传得更远。可是几千年来，人类只能凭耳朵来辨别声音的高低、强弱，不能把声音记录和储存起来。所以与其他研究领域相比，声学的研究相对滞后。直到19世纪爱迪生发明了留声机，人们才能用机械的方法把各种声音记录在唱片上。但机械振动不易传???，也不易放大，机械方法很不方便。 随着电学、电子学的发展，人们开始尝试记录真实声音，利用把声的振动转换成电信号的原理，使声音的记录成为可能。电声技术迅速发展。; 电声技术是研究可听声频率范围内声音的产生、传播、存储、重放和接收的技术。它依靠“电”来记录并播放声音，其基本原理是通过电压产生模拟声波变化的电流信号，并记录下来，灌录成唱片或磁带，这种电流信号被称为“模拟信号”。传统的声音记录方式就是将模拟信号直接记录下来，例如磁带录音和密纹唱片就是将声音拾取处理后以磁记录或机械刻度的方式记录下来，此时磁带上磁极的变化或密纹唱片音槽内的纹路起伏变化都是与声音信号的变化相对应、成正比的。这里，密纹唱片、盒式磁带等是记录储存这种模拟声音信号的载体，而能够播放、记录这些信号的处理设备，诸如电唱机、磁带录音机等，称为模拟音响设备。 ; 电声技术把声信号转换成电信号，经扩声系统进行扩声；或者将其信号利用磁带、CD或其他存储形式存储，使声音超越时间和空间，通过重放系统将信号放大，由扬声器或耳机转换成声信号，进入最后的终端---人耳，以实现任何时间、任何地点的声音重现。电声转换、音频(Audio)信号存储、重放、加工处理以及数字化音频信号的编码、压缩、传输、存取、纠错等技术，是音频技术的主要对象。; 随着计算机技术的发展，特别是海量存储设备和大容量内存在计算机上的实现，使音频数字化处理成为可能。数字化处理的核心是对音频信息的采样，通过对采集的样本进行加工，生成各种效果。 音频信息在多媒体中的应用极为广泛，计算机配有声卡和音箱后，就能发出各种悦耳声音，尤其是视频图像配以动听的音乐和语音，使得计算机操作成为愉快的过程。静态或动态图像配以解说和背景音乐，可使图像充满生气；立体声音乐可增加空间感，使人如身临其境；语音电子邮件，听声如见其人，游戏中的音响效果对于渲染气氛显得更为重要；此外，在多媒体通信中，可视电话、电视会议等都离不开数字化音频处理技术。 ;4.1.2 音频信号的形式 日常生活中，音频信号可分为两类：语音信号和非语音信号。语音是语言的物质载体，它包含了丰富的语言内涵，是人类进行信息交流的特有形式。非语音信号主要包括音乐和自然界存在的其他声音。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。  我们能听到的各种声音，是不同频率的声波通过空气产生震动刺激人耳的结果。在物理上，声音可用一条连续曲线表示。这条曲线无论多复杂，都可分解成一系列正弦波的线性叠加。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表示，称为声波。声波是在时间和幅度上都连续变化的量，我们称之为模拟量。 ; 用声音录制软件记录的英文单词“Hello”的语音实际波形如图4-1所示：;4.1.3 模拟音频信号的物理特征  模拟音频信号有两个重要参数：频率和幅度。频率体现音调的高低，幅度体现声音的强弱。  一个声源每秒可产生成百上千个波，我们把每秒波峰所发生的数目称为信号的频率，单位用赫兹(Hz)或千赫兹(kHz)表示。如一个声波信号在一秒内有5000个波峰，可将其频率表示为5000Hz或5kHz。人们说话时语音信号频率范围在300Hz～3000Hz之间。频率小于20 Hz的信号称为亚音(Subsonic)，范围为20Hz～20kHz的信号称为音频(Audio)，高于20kHz的信号称为超音频(Ultrasonic)。 ; 与频率相关的另一个参数是信号的周期。它指信号在两个峰点或谷底之间的相对时间。周期和频率互为倒数(如图4-2)。 信号的幅度是从信号的基线到当前波峰的距离。幅度决定信号音量的强弱程度。幅度越大，声音越强。音频信号声音的强度用分贝(dB)表示。分贝的幅度称为音量。;4.1.4 声音的A/D与D/A转换 模拟信号易受电子干扰。随着技术的发展，声音信号逐渐过渡到数字存储阶段，A/D转换和D/A转换技术应运而生。这里，A代表“Analog”(类比、模拟)，D代表“Digital ” (数字、数码)，A/D转换就是把模拟信号转换成数字信号。 A/D转