多媒体通信技术2.ppt

第二章 音频技术基础 第二章 音频技术基础 本章主要介绍： 声学的基础知识 音频信息编码分类 常用压缩编码方法 音频信息压缩编码标准。 2.1 声学基础知识 音频信息涉及人耳所能听到的声音信息，包括语声和乐声。声音是携带信息的极其重要的媒体。 人类从外部世界获取的信息中16%是听觉通过声音获得的，因此声音是多媒体技术研究中的一个重要内容。 如：在会议电视系统中，音频信息是优先级最高的信息通道。 2.1 声学基础知识 声音的种类繁多。人的语音当然是最重要的声音。 此外，还有动物、乐器等发出的声音，以及风声、雨声、雷声等自然声音，机器合成产生的声音等。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，又要利用它们各自的特性。 声学基础知识 声音是由于空气振动引起耳膜的振动，由人耳所感知。从本质上说，空气的振动就产生了声波。 声音会引起我们周围的气压变化。当我们说话时，发出的声音使周围环境的空气发生一系列的压缩和扩张，这些压缩和扩张以大约300米/秒（1120公里/小时）的速度在空气中以波的形式传播，并冲击周围的世界。 如果有人在倾听说话，那么有一部分声波就会传到他的外耳，并通过耳道使鼓膜发生轻微振动。声音一旦被接收到就会被听者听到，从而产生听觉。 音频信号特性 按照物理学观点，声音实际上是通过空气等介质传播的一种连续波，称为声波。 声音的强弱体现在声波压力的大小上，音调的高低体现在声音的频率上。 声波压力在时间和幅度上都是连续的，是模拟信号。 声波具有普通波所具有的特性，例如反射、折射和衍射等。 声波既然是波，也用频率、幅度（声压或声强）和相位等来度量。 音频信号特性 在多媒体技术中，常用声波频率、幅度（声压或声强）等参数描述声音。 声波频率是常用的描述声音的参量。人耳对声波频率的感觉是有界限的。 从人耳的听觉特性可知，人耳所能感受到的声音的频率范围在20Hz～20kHz范围内。这一范围的信号称为音频信号。 音频信号特性 低于20和高于20KHZ的声音，人耳是听不到的。 超过20kHz的信号称为超声波。 低于20Hz的信号称为次声波。 音频信号的频域特性 声音信号的频域特性是指声音信号是由很多频率成分组成的。 从频谱分析来看，大多数声音都是由线状谱和连续谱组成的。从幅度来看，线状谱较强，使整个声音在人耳的听觉来看是表现出有明确音高和音调的特性。 连续谱相比于线状谱来说比较弱，但这些很弱的连续谱是不能忽略的。正是有了这些连续频谱成分，使声音显得生动、活泼、真实。 音频信号特性 声音的质量与其频率范围紧密相关。 频率范围越宽，声音的质量越好。 音频信号特性 声压或声强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。 声压就是声音的压力。它的单位是帕(Pa—dyn/cm2), 声压级SPL：声压与基准声压比值的对数值称为声压级SPL，单位是分贝（dB) 声强就是声音的强度。它的单位是W/cm2 音频信号特性 为什么用声压级SPL参量 当声音的强弱出现线性的变化时，人耳对声音强弱的变化感觉并不是线性的。 人耳对声音强弱的感觉不是与声压或声强成正比的 人的听觉响应与声音的强度是成对数关系的， 人的听觉响应与声压级成正比关系。 音频信号特性 听阈： 当声压太小时，人耳是感觉不到的。我们把能引起人耳听到声音时的声压称为听阈。反映了人耳对声音的灵敏程度。 当音频信号频率为1kHz时的听阈为2×10－5Pa 痛阈： 引起人耳疼痛的声压称为痛阈。反映了人耳对声音的程受能力。 当音频信号频率为1kHz时的痛阈为20Pa. 音频信号特性 人的听觉响应与强度是成对数关系的，与声压级成正比关系 声压级SPL：声压与基准声压比值的对数值称为声压级SPL，单位是分贝（dB) 人耳的听阈和痛阈分别对应的声压级SPL为0dB和120dB。 小于听阈和大于痛阈的声音为不可听声音。 人耳听觉特性 声音的产生和传播是物理现象，而人感受声音的过程是生理-心理的活动。 音频信号特性是客观存在。 人耳听觉特性是主观感觉。 人耳听觉特性的三要素（主观参量）： 响度、音调和音色。 客观物理量与主观参量相对应： 声压或声强——响度