第二章 数字声音及MIDI.pptVIP

第二章 数字声音及MIDI 信息：数、文、形、音、图 音频：麦克风、扬声器 多媒体计算机： 声音的输入、存储、处理、输出 声音：消息、意向、情感 2.1 声音与听觉 声音：通过空气传播的一种连续的波，又称声波。 声音的度量：频率与幅度（声波压力的大小） 频率用音高表示，幅度用声强表示 与看得见的水波类似 波形声音 波形声音，实际上包含了所有的声音形式。任何声音信号，包括麦克风、磁带录音、无线电和电视广播、光盘等各种声源所产生的声音，都要首先对其进行模数转换，然后再恢复出来。 语音（speech） 人的声音不仅是一种波形，而且还有内在的语言、语音学的内涵，可以利用特殊的方法进行抽取，通常将语音也作为一种媒体。 音乐 音乐是符号化了的声音。这种符号就是乐曲，乐谱是转化为符号媒体的声音。电子乐器数字接口（musical instrument digital interface, MIDI ）是十分规范的一种形式。 带宽与听觉 Hertz，Amplitude, Frequencyinfra-sound, ultrasound, hypersound 感知声音的幅度：用dyne(达因）/平方厘米表示，常转换成0—120dB(decibel),但对不同的频率，同样的声强，感觉不同。 声音信号： 有许多不同频率的信号组成，又称复合信号。 带宽：组成复合信号的频率范围。 纯音：单一频率的声音。 模拟声音信号：可分解成一系列正弦波的线性叠加。 最低频的音波称为基音，频率为基频 其余的为泛音，频率是基频的整数倍。 声音三要素：音高、音色、音强 音高：由基频决定，基频取对数后与人的音高感觉成线性关系。 音色：有混入基音中的泛音决定。 音强：幅度，听觉与声音信号强度不成线性关系，因而用20log幅度（分贝）表示 2.2 声音信号数字化 从模拟信号到数字信号 模拟信号：在时间与幅度上都连续，连续 记为x(t). 离散信号：按一定的时间间隔T，得到的x(nT). T为抽样周期，1/T抽样频率 量化：把抽样序列x(nT)量化成一个有限个幅度之的集合x’(nT). 采样频率 采样频率是指一秒钟时间内采样的次数。 在计算机多媒体音频处理中，采样频率通常采用三种：11.025KHz(语音效果)、22.05KHz(音乐效果)、44.1KHz(高保真效果)。常见的CD唱盘的采样频率即为44.1KHz。 量化位数 量化位数也称“量化精度”，是描述每个采样点样值的二进制位数。 例如，8位量化位数表示每个采样值可以用28即256个不同的量化值之一来表示，而16位量化位数表示每个采样值可以用216即65536个不同的量化值之一来表示。常用的量化位数为8位、12位、16位。 声道数 声音通道的个数称为声道数，是指一次采样所记录产生的声音波形个数。 记录声音时，如果每次生成一个声波数据，称为单声道；每次生成两个声波数据，称为双声道（立体声）。随着声道数的增加，所占用的存储容量也成倍增加。 2. 声音数字化： Sampling, Quantization, Coding 采样频率与量化精度 3.采样频率 奈奎斯特(Nyquist)定理（1928年提出原理，仙侬(Shannon)形成定理并应用，1933年卡切尼科夫用公式表述）： 采样频率?2f 这里f为被采样信号的最高频率。 4. 量化精度 量化： 取样值（-?,+?）?有限个数（量化值近似） 若量化值有J个，若用二进制表示，需要R=log2(J) 位 量化误差：用有限的离散值表示无限多的连续值，必然存在误差. 该误差又称为量化噪声（与一般的噪声不同）。 采样精度可以用信噪比表示: R为编码位数 5. 音频数据率 未经压缩的数字音频数据率（bit/s）＝ 采样频率（Hz）×量化位数 （bit）×声道数 音频数据存储量（Byte）＝ 数据率（bit/s）×持续时间（s） / 8 例：采样率11.025KHz、量化位8位，采集1分钟， 则：音频数据率＝11.025（KHz）×8（bit） ＝ 88.2 (Kbit/s) 音频数据量＝11.025（KHz）×8（bit） ×60（s）/8＝ 0.66 (MByte) 声音的质量与数据率 根据声音的频带，把声音的质量分为5个等级 2.3 声音文件的存储格式 声音文件的格式： PC机：.wav Apple: .aiff, .snd Unix: .au 2. 波形文件格式：1991年IBM与微软开发（以 .wav为扩展名） Fig