数字声音及MIDI简介剖析课件.pptVIP

MMT第二讲数字声音及MIDI简介YANGZHOUDAXUE物理科学与技术学院

第1节声音声音是携带信息的极其重要的媒体(20%)，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。

声音的本质声音是通过空气传播的一种连续的波，叫声波。反射(reflection)、折射(refraction)和衍射(diffraction)声音信号是由许多频率不同的分量信号组成的复合信号。复合信号的频率范围称为带宽。

声音与听觉带宽为20Hz－20kHz的信号称为音频（audio）信号，可以被人的耳朵感知。话音信号带宽在80Hz～3400Hz。频率决定音调。响度（音量）表示的是声音能量的强弱程度，主要取决于声波振幅的大小。用声压(达因／平方厘米，牛顿／平方米)或声强(瓦特／平方厘米)来计量。声压的单位为帕(Pa)。人耳对lkHz、10-16W/cm的纯音刚能听到。声强级表示响2度的相对量，它定义为某响度与10-16W/cm10，单位为dB。2比值的对数值乘以正常人听觉的强度范围为0dB—120dB。

乐音n以小提琴为例，当它的A弦振动时，并不仅仅是整根弦在振动，这根弦的二分之一、三分之一、四分之一、五分之一……处都在振动着。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。n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。基音和混入基音的泛音决定音色。

声音的三要素n音调、音强、音色为声音的三要素。n音强（响度）取决于声音的幅度。n音调取决于声音的频率。n音色是由混入基音的泛音所决定的。声音的听觉特性n声音的方向性n人的耳朵对声音强度和频率的反应成对数形式n声音的掩蔽特性（时域掩蔽、频域掩蔽）

声音质量的度量n声音的质量与声音的带宽有关，一般来说频率范围越宽，声音质量也就越高。声音类型电话语音带宽200Hz－3.4kHz50Hz－7kHz20Hz－15kHz10Hz－20kHz调幅广播(AM)调频广播(FM)CD

信噪比（SNR）度量主观平均判分法（MOS，MeanOpinionScore）指试听者要把语音编码器的输出按质量分为：优（5分）、良（4分）、中（3分）、差（2分）、劣（1分）或分类为：察觉不到（5分），稍稍察觉到但无不适感（4分），能察觉且有不适感（3分），有不适感但还能忍受（2分），很不适且无法忍受（1分）

第2节声音信号数字化n声音信号是典型的连续信号，不仅在时间上是连续的，而且在幅度上也是连续的。n声音进入计算机的第一步就是数字化，数字化过程中最重要的步骤就是采样和量化。

n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。

n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。一般紧跟编码过程。电压范围量化步长量化结果编码逆量化结果5~73~522222222320110100010001111101011006421~31-1~1-3~-1-5~-3-7~-5-9~-700-1-2-3-4-2-4-6-8多媒体数据的量化一般通过除以量化步长量化为整数。逆量化就是乘以量化步长。

量化除了有使幅度离散的作用外，同时：（1）压缩字节（2）产生量化误差（量化误差：逆量化的结果和原始信号幅值之差，也称为量化噪声。）量化步长越长，压缩字节越多，但是误差越大。量化步长越短，压缩字节越少，但是误差越小。

n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。sf=2fmax例如话音信号最高频率约为3.4kHz，所以采样频率取为8kHz。

n采样精度每个声音样本的数字化位数。反映声音波形幅度的采样精度。也直接决定数据率的大小。质量采样频率（kHz）样本精度（bit）单道声/数据率立体声（kb/s）电话888单道声单道声64AM11.02588.2FMCD22.05044.11616立体声立体声705.61411.2

第3节音频