第2章-音频信息处理.pptVIP

第2章 音频信息处理 2．1 音频处理基础 2．2 音频处理软件Adobe Audition 2．3 音频处理综合应用案例 （2）声音信号的心理学特征 人们感知到的声音特征称为心理学特征。 音调：在音乐中又叫音高，是由发声物体的振动频率决定，振动越快（即频率越大），音调越高，振动越慢，音调越低。音调的高低与声音基频的对数（20*log）成线性关系。基频越低，给人的感觉是声音越低沉，基频频率增加一倍，在音乐上就叫升高了一个八度。 音色：这是一个主观评价声音的量，声音的音色取决于声音的频谱结构，一般高次谐波越丰富，音色越明亮并具有穿透力。 响度：人耳对声音强弱的感觉程度，主要取决于振幅和声压。通常振幅越大声音越响，其次人耳距离声源越远，声音越小。 （3）声音质量的评价 声音质量与带宽有关，频率范围越宽，声音质量越高。 1）声音质量分级：按照声音信号的频率范围将声音质量分为5级。 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，属于模拟信号。 （1）采样 声音信号在时间轴上的离散化，即每隔相等的一段时间抽取一个信号样本。 采样频率：每秒采样的次数。 奈奎斯特理论（Nyquist theory）：采样频率不应低于声音信号最高频率的两倍，这样就能把以数字声音还原成原来的声音，称为无损数字化。 f s = 2 f max 电话话音信号的最高频率约为3.4kHz，所以采样频率取为8kHz。 （2） 量化 将连续的声音信号的幅度离散化。 也就是采样过程中对每一个采样点的幅度值用数字量来表示。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。 采样精度：即量化的位数，位数越多量化等级数也越多，所能表示的声波幅度的动态范围也越大，当然需要的存储空间也越大。 （3） 编码 就是用一组二进制码组来表示每一个有固定电平的量化值，或者说将量化值转换成二进制码组。 典型的音频编码方法：脉冲编码调制法（PCM）。 （4）数字音频的数据量 数据量 = 采样频率* 采样精度* 采样时间* 声道数 / 8 （字节数） 单声道：一次只产生一组声波数据， 立体声：一次产生两组声波数据，分别送往左声道和右声道，根据声音到达人耳的时间差产生空间立体效果，因此立体声声波数据所需存储空间是单声道的一倍。 例2.1 计算一分钟未压缩的高保真立体声数字声音数据的大小。 60 * （ 44100 * 16 * 2 ） / 8 = 10.09 MB 一首未经压缩的4分钟的歌曲文件的大小约为40MB，那么一个容量为512MB的MP3播放器也只能播放12首这样的歌曲。 （1）电话质量的语音压缩标准 （2）调幅广播语音压缩标准：G.722 （3）高保真立体声的宽带音频压缩标准 1．WAV文件：波形文件，微软开发，需要的存储量大，多用于存储简短的声音片段和旁白。 2．MIDI文件：记录的是生成音乐的指令，MIDI文件短小。由于MIDI记录的并不是真正的声音，所以不同的声卡，不同软波表，不同硬件音源的音色是不相同的，相同的MIDI文件在不同的设备上播放也会有不同的效果。MIDI文件适合作为背景音乐来播放。 3．MP3文件：是MPEG音频第3层的简称，有损压缩，压缩比达12:1。MP3利用人耳的掩蔽特性，削减音频中人耳听不到的成分，同时尽可能地维持原来的声音质量。 4．RA文件：属于Real Media的音频部分，采用流式传输方式，可以在非常低的带宽下提供足够好的音质让用户能在线聆听。 5．WMA 文件：Windows Media的音频部分。无损压缩，支持多声道编码。 6．AC3文件：又叫杜比数码环绕立体声，压缩比10:1，提供的环绕声系统由5个全频域声道和1个超低音声道组成，称为5.1声道，一般作为DVD的伴音。 1. 数字音频技术 是一门结合数字技术和计算机技术而实现传统音频处理的技术。 （1） 特点 1）处理长样本文件的能力，录音时间只受硬盘本身大小的限制。 2）随机存取编辑 3）无损编辑 （2）应用 1）声音剪辑和CD刻录。 2）日常音乐录制。 3）大规模音乐录音和混音。 4）影视音乐的制作与合成。 5）多媒体音乐制作与合成。 2）语音识别系统分类 对说话人说话方式的要求 孤立字（词）语音识别系统 连接字语音识别系统 连续语音识别系统。 对说话人的依赖程度 特定人语音识别系统 非特定人语音识别系统 词汇量大小 小