音视频基础知识及概念.pptx

音视频基础知识和概念 ;;音频基础概念;响度： 声音的响度即声音的强弱，是人耳对声波强弱的主观感觉。响度是由声波的振幅决定的。振幅大，声音响度大；振幅小，声音响度小。 声音的响度与声音的频率也有一定关系。振幅相同的声波，在1KHz～4KHz之间听起来感觉最响；而在此频率范围之外，响度随着频率变化而减弱，当低于20Hz或者高于20KHz时便听不到了。 音调 音调是反映声音高低的，由声波的频率决定。频率高的声音音调高，听起来尖细；频率低的声音音调低，听起来低沉。 对于不同的频???，人耳对音调的辨别能力不同，中频段最灵敏，高、低频段较差。对于1KHz左右的声音，一般人可以分辨出2～3Hz的变化来，而钢琴调音师能分辨出1Hz以下的变化 ;音色 音色又称音品，由声音波形的谐波频谱和包络决定。声音波形的基频所产生的听得最清楚的音称为基音，各次谐波的微小振动所产生的声音称泛音。音色是人在主观感觉上区别同样响度和音调的两个不同声音的特性。也就是说两种不同乐器发出相同的响度和音调的声音时，人耳能够分辨它们之间不同的特征。 音色主要取决于声音的频谱结构，与响度和音调也有一定的关系。例如，钢琴和黑管发出的基频都是100Hz，演奏同一乐曲，响度也一样，我们仍能分辨出这是两种乐器，因为它们的频谱结构不一样。 ;;音频技术基础—音频压缩的目的; 波形编码器 不利用生成语音信号的任何知识而企图产生一种重构信号，它的波形与原始语音波形尽可能地一致。 音源编码器(声码器) 企图从语音波形信号中提取生成语音的参数，使用这些参数通过语音生成模型重构出语音。 混合编码器 企图填补波形编译码和音源编译码之间的间隔，得到音质高而数据率低的语音。;音频技术基础—音频编码器特点;PCM 最简单的波形编码方式是脉冲编码调制（Pulse Code Modulation），它仅仅对输入信号进行采样和量化。典型的窄带语音带宽限制在4kHz以内，所以PCM采样频率是8kHz。如果要获得高一点的音质，样本精度要用12位，它的数据率就等于96kbps，可以通过使用非线性量化来降低数据率。例如可以使用近似于对数的对数量化器(logarithmic quantizer)，使用它产生的样本精度为8位，它的数据率为64kbps时，重构的语音信号几乎与原始的语音信号没有什么差别。这种量化器在20世纪80年代就已经标准化，而且直到今天还在广泛使用。在北美的压扩(companding)标准是μ律(μ-law)，在欧洲的压扩标准是A律(A-law)。它们的优点是编解码器实现简单，延迟时间短，音质高。但不足之处是数据率比较高，对传输通道的错误比较敏感。 DPCM 在语音编码中，一种普遍使用的技术叫做预测技术，这种技术是企图从过去的样本来预测下一个样本的值。这样做的根据是认为在语音样本之间存在相关性。如果样本的预测值与样本的实际值比较接近，它们之间的差值幅度的变化就比原始语音样本幅度值的变化小，因此量化这种差值信号时就可以用比较少的位数来表示差值。这就是差分脉冲编码调制（Differential Pulse Code Modulation，DPCM），它是对预测的样本值与原始的样本值之差进行编码。 ;ADPCM DPCM这种编译码器对幅度急剧变化的输入信号会产生比较大的噪声，改进的方法之一就是使用自适应的预测器和量化器，所谓自适应就是指，量化位数随着幅度的变化而变化，这样就产生了自适应差分脉冲编码调制（Adaptive Differential PCM，ADPCM）。 ;编码框图:;均匀量化和非均匀量化 ;非均匀量化的两种方式 μ-律：主要用在北美和日本等地区的数字电话通信中，由于μ-律的输入和输出关系是对数关系，所以这种编码又称为对数PCM。 A-律：主要用在欧洲和中国大陆等地区的数字电话通信中，A-律的前一部分是线性的，其余部分与μ-律相同。 ; ITU-T Recommendation G.711 ITU-T Recommendation G.722 / G.722.1 ITU-T Recommendation G.723.1 Annex A ITU-T Recommendation G.728 Annex G ITU-T Recommendation G.729 Annex A B MP3(MPEG-1 audio layer 3) AAC(Advanced Audio Coding，先进音频编码) ;G.711 类型：Audio制定者：ITU-T所需频宽：64Kbps特性：算法复杂度小，音质一般优点：算法复杂度低，压缩比小（CD音质400kbps），编解码延时最短（相对其它技术）缺点：占用的带宽较高应用领域：voip版税方式：Free备注：70年代CC