第二讲 音频处理技术.doc

第二章、音频处理技术 声音是多媒体信息的一个重要组成部分。也是表达思想和情感的一种必不可少的媒体，随着多媒体信息处理技术的发展，音频处理技术得到了广泛的应用。如：视频图像的配音、配乐；静态图像的解说、背景音乐；可视电话、电视会议中的话音；游戏中的音响效果：虚拟现实中的声音模拟；电子读物的有声输出等。声音的合理使用可以使多媒体系统变得更加丰富多彩。 一、声音信号的形式和特征 任何声音都是物体振动产生的现象，物体受到敲打或激发就能产生振动，通过一定介质(如空气、水等)传播形成的连续波，在物理学中称为声波。这种波就像在平静的池塘中投入石子，涟漪从中心向四面扩散，当它到达人的耳膜是，耳膜就会感觉到这种压力的变化，或者感觉到振动，这就是声音。声波有各种不同的强度和频率，许多声波混合在一起可能构成交响乐，也可能是一片噪音。 在物理上，声音可以用一条连续的曲线来表示，它是随时间连续变化的模拟量。 声波信号有两个重要的参数：频率和幅度。声波幅度大小体现声音的强弱，声音的频率体现音调的高低。 信号的幅度是从信号的基线到当前波峰的距离。幅度决定了信号音量的强弱程度。幅度越大，声音越强。对音频信号．它的强度用分贝(dB)表示。分贝的幅度就是音量。 一个声源每秒钟可产生成百上千个波峰，把每秒钟波峰所发生的数目称之为信号的频率，用赫兹(HZ比)或千赫兹(kHZ)表示。例如一个声波信号在一秒钟内有5000个波峰，则可将它的频率表示为5000hz或5khz。人们在日常说话时的语音信号频率范围在300hz—3000hz之间，人所能辨别的频率范围在20hz—20khz之间，频率小于20hz的 信号成为次声波（subsonic），频率高于20khz的称为超声波。 音箱和耳机的频响范围 所谓频响范围，指的是频率响应范围。在音箱、耳机等音频回放设备中一般会有标注20Hz-20KHz类似这样的一个数字范围的指标，此即是指该设备可以回放的有效频率范围。当然，与之相对应的是，人耳理论上可听到的声波范围也是20Hz-20KHz。 作为频响范围，规范的标注方法必须在这个频率范围后有声强度大小的条件范围，例如60Hz-20KHz （±3dB），否则该频率响应曲线是没有意义的。目前的情况是，大家很少会在音箱或者耳机产品后面看到这样与声音强度相关的标注。普通功放的频率响应为20Hz-20000Hz约( /-)l-3dB；优质功放的频率响应为20Hz-20kHz约 /-0.1dB。 在许多人认识到20Hz-20KHz的频响范围是完全不可信之后，有些“聪明”的音箱厂商从另一个角度来解决这个问题，他们开始把这个频响范围刻意的调整一下。例如，把低频调整到30Hz或者40Hz，把高频调整到18KHz，想通过这样的数字游戏来赢得大家的信任。但是，对于一款普通的2.1产品来说，20Hz和40Hz对它们来说有什么不同，同样是无法实现的一个频率。 耳机是一个比音箱更加夸张标注“频响范围”的产品。一款产品动不动就可以超过20Hz-20KHz。例如某品牌耳机频响范围标注的是5Hz-30KHz，这有些夸张了。如果两个耳机的频响上限分别是16kHz和20kHz，听感上是不一样的。过高的频率虽然听不到，但宽泛的频响参数中还包含有一些其它的含义，比如频响曲线的平直、瞬态响应能力等等。它也是耳机素质的一种参考。但是，由于标称的参数没有统一标准，所以厂家标称的这类参数对比较两个不同的耳机的品质并不具有实际意义 与频率相关的另一个参数是信号的周期。它是指信号在两个峰点或谷底之间的相对时间。周期是频率的倒数。如果每隔一定时间波形就重复相同的形状，这个时间就称为周期。 二、模拟音频的数字化 声音信号是振幅随时间连续变化的模拟信号。而计算机只能处理和存储二进制的数字信号，因此，计算机要获取与处理音频，必须先对模拟信号进行数字化处理，转换为计算机所能识别的二进制表示的数字信号，然后才能对其进行各类编辑处理。对模拟音频数字化的过程涉及音频的采样、量化和编码。其过程的实质是将连续的模拟音频信号转换为离散的一系列数字音频编码信号。 1、采样 采样就是每隔一段时间在模拟声音的波形上取一个幅度值，把时间上的连续信号变成时间上的离散信号，这个间隔时间称为采样周期．其倒数为采样频率。采样频率是采样最主要的参数。 采样频率是指计算机每秒钟采集多少个样本。采集频率越高，即采样的时间间隔越短．则在单位时间内得到的声音样本数据就越多、对波形的描述也越精确。较高的采样频率固然可以得到比较精确的对象描述，但是同时也会带来大量的数据，因此在实际应用中，不能无限制的增加采样频率。为了用较少的数据来尽可能的描述对象的主要内容，我们常常规定一个与声音频率之间有一定关系的最低采样频率。根据内奎斯持理论．只有采样