【正文】 第 5 章 音頻技術(shù) 音頻也是多媒體應(yīng)用的重要組成部分。 現(xiàn)實(shí)世界的聲音來(lái)源是相當(dāng)復(fù)雜的，聲音不僅與時(shí)間和空間有關(guān)，還與強(qiáng)度、方向等很多因素有關(guān)。在計(jì)算機(jī)中創(chuàng)建音頻時(shí)，所能模擬的聲音還必須要符合人類的聽(tīng)覺(jué)特征和聽(tīng)力范圍。 數(shù)字音頻主要分為聲波、語(yǔ)音和音樂(lè)三類。 要模擬出符合現(xiàn)實(shí)世界的數(shù)字聲音，我們首先得了解聲音的基本特性 : 包括聲音的物理特性和人們?cè)诼?tīng)覺(jué)方面的心理特性 .以便創(chuàng)建出一定格式的數(shù)字聲音編碼，滿足人們對(duì)模擬聲音在采集、處理、質(zhì)量等各方面的需求。 聲音 聲音的物理特征 聲音是 縱波 。決定聲波的物理特性有振幅、頻率和相位。 一個(gè)聲源每秒鐘可產(chǎn)生成百上千個(gè)波，我們把每秒鐘波峰所發(fā)生的數(shù)目稱之為信號(hào)的頻率，單位用赫茲 (Hz)或千赫茲 (kHz)表示。信號(hào)的幅度是從信號(hào)的基線到當(dāng)前波峰的距離。幅度決定了信號(hào)音量的強(qiáng)弱程度。幅度越大，聲音越強(qiáng)。對(duì)音頻信號(hào)，聲音的強(qiáng)度用分貝 (dB)表示，分貝的幅度就是音量。 在 1kHz頻率的正弦波中，能被人耳察覺(jué)的最弱聲壓大約是 104dyn（達(dá)因） /cm2，這個(gè)最弱音已經(jīng)作為國(guó)際標(biāo)準(zhǔn)的參照聲。 描述聲音強(qiáng)度的量值是采用分貝表示 : 分貝 是指兩個(gè)相同的物理量（例 A1和 A0）之比，取以 10為底的對(duì)數(shù)并乘以 10（或 20）。 N = 10lg(A1/A0) 分貝符號(hào)為 “ dB”。 N是被量度量的“ 級(jí) ” 。，這也被稱為聲壓級(jí)。 A1是被量度量。 A0是基準(zhǔn)量 如果 那么在特別安靜的環(huán)境中，單獨(dú)檢測(cè)：動(dòng)物的呼吸聲大約 20 dB，人們正常的談話聲約 60dB，汽車的喇叭聲約100dB，飛機(jī)起飛的聲音約 120 dB 120dB以上的強(qiáng)度可使人產(chǎn)生痛苦的感覺(jué)。 一般人的聽(tīng)力范圍是 20Hz～ 20kHz。這個(gè)頻率區(qū)域稱為可聞聲段，大致可分為低頻、中頻和高頻 低頻的頻率約在 250～ 500 Hz（如鼓聲） 中頻的頻率約在 1000～ 2022 Hz， 高頻的頻率約在 3000～ 4000 Hz（如哨子聲）。 是指物體每秒鐘振動(dòng)的次數(shù)。 我們聽(tīng)到的聲音都是物體振動(dòng)后會(huì)產(chǎn)生聲波 不同的振動(dòng)頻率將會(huì)產(chǎn)生不同的聲波。 低于 20Hz和高于 20kHz的頻率段分別稱為次聲和超聲。 瞬時(shí) T 是波形的變化方向，如果是多個(gè)波形組合，起始相位可以相同或不同。 在某一個(gè)瞬時(shí) T，不同波形的相位都可以是不同的。 右圖所示的，就是一段多波形混合而成的聲音實(shí)際播放時(shí)所顯示的波形。 規(guī)則音頻 是一種連續(xù)變化的模擬信號(hào) ,可用一條連續(xù)的曲線來(lái)表示，稱為 聲波 。因聲波是在時(shí)間和幅度上都連續(xù)變化的量，我們稱之為 模擬量 。 聲音的聽(tīng)覺(jué)心理特性 對(duì)于復(fù)雜的人耳聽(tīng)覺(jué)系統(tǒng)特性的研究，目前僅限于在心理聲學(xué)和語(yǔ)言聲學(xué)內(nèi)。 聽(tīng)覺(jué)心理的主觀感受主要有： 響度、音高、音色、音量、密度、諧和、噪聲、掩蔽效應(yīng)、高頻定位。 響度、音度、音色： 可以在主觀上用來(lái)描述任何復(fù)雜的聲音 而對(duì)于多種音源場(chǎng)合： 人的耳掩蔽效應(yīng)等特性尤為重要。 1） 音調(diào)：代表了聲音的高低 。 音調(diào)與頻率有關(guān) ， 頻率越高 ， 音調(diào)越高 ，反之亦然 。 當(dāng)提高磁帶錄音機(jī)的轉(zhuǎn)速時(shí)，其旋轉(zhuǎn)加快，聲音信號(hào)的頻率提高，其喇叭放出來(lái)聲音的音調(diào)提高了。同樣，在使用音頻處理軟件對(duì)聲音的頻率進(jìn)行調(diào)整時(shí)，也可明顯感到音調(diào)隨之而產(chǎn)生的變化。各種不同的聲源具有自己特定的音調(diào)，如果改變了某種聲源的音調(diào)，則聲音會(huì)發(fā)生質(zhì)的轉(zhuǎn)變，使人們無(wú)法辨別聲源本來(lái)的面目。 2） 音色：即特色的聲音 。 聲音分 純音 和 復(fù)音 兩種類型 。 所謂純音 ， 是指振幅和周期均為常數(shù)的聲音；復(fù)音則是具有不同頻率和不同振幅的混合聲音 。 大自然中的聲音絕大部分是復(fù)音 。 在復(fù)音中 ， 最低頻率的聲音是 “ 基音 ” ， 它是聲音的基調(diào) 。 其他頻率的聲音稱為 “ 諧音 ” ， 也叫 泛音 ?；艉椭C音是構(gòu)成聲音音色的重要因素 。 各種聲源都具有自己獨(dú)特的音色 ， 例如各種樂(lè)器的聲音 、 每個(gè)人的聲音 、 各種生物的聲音等 ， 人們就是依據(jù)音色來(lái)辨別聲源種類的 。 3）音強(qiáng)：聲音的強(qiáng)度，也被稱為聲音的響度，常說(shuō)的 “ 音量 ” 也是指音強(qiáng)。 音強(qiáng)與聲波的振幅成正比，振幅越大，強(qiáng)度越大。唱盤(pán)、 CD激光盤(pán)以及其他形式聲音載體中的聲音強(qiáng)度是一定的，通過(guò)播放設(shè)備的音量控制，可改變聆聽(tīng)時(shí)的響度。 等響曲線 響度 表示人們所感覺(jué)到的聲音能量的強(qiáng)弱，主要取決于聲波振幅的大小，物理上聲壓級(jí)的值一般不等于響度級(jí)的值。 聲音的感知響度 1 sone 相當(dāng)于 40分貝的音調(diào)在 1kHz下的響度。 響度與人耳的可聞程度有關(guān)，當(dāng)超出人耳的可聽(tīng)頻率范圍時(shí)，聲音的響度再大，人耳也無(wú)法察覺(jué)。但在人耳的可聽(tīng)頻域范圍內(nèi)，當(dāng)聲音弱或強(qiáng)到一定程度，人耳都無(wú)法聽(tīng)到。 實(shí)驗(yàn)表明，聲音的可聞閾和痛感閾是隨著頻率而變化的。如圖所示，聞閾和痛閾隨頻率變化的等響度曲線之間的區(qū)域就是人耳的聽(tīng)覺(jué)范圍。 聲壓級(jí) 可聞閾的分貝值 頻率Hz 就是說(shuō)，小于 0dB聞閾和大于 140dB痛閾時(shí)為不可聽(tīng)聲。 這些等響度曲線表明了聽(tīng)覺(jué)在有些頻率下較為靈敏。 所謂 “ 等響 ” 就是對(duì)于 1kHz以外的可聽(tīng)聲，在同一級(jí)等響度曲線上有無(wú)數(shù)個(gè)等效的聲壓 —頻率值， 例如， 200Hz的 30dB的聲音和 1kHz的 10dB的聲音在人耳聽(tīng)起來(lái)具有相同的響度。 ★ 高頻段的響度變化與聲壓級(jí)增量基本一致，低頻段聲壓級(jí)的微小變化會(huì)導(dǎo)致響度的較大變化。 ★ 在較低的聲壓級(jí)上，等響上曲線各頻率聲音的聲壓級(jí)相差很大， 較高的聲壓級(jí)上，等響曲線較為平坦，說(shuō)明各頻率的聲壓級(jí)基本相同。 這說(shuō)明：在響度級(jí)較小時(shí)，高、低頻聲音靈敏度降低較明顯，而低頻段比高頻段靈敏度降低更加劇烈，一般應(yīng)特別重視加強(qiáng)低頻音量。 聽(tīng)覺(jué)的 掩蔽效應(yīng) 是一個(gè)較為復(fù)雜的心理和生理現(xiàn)象，包括人耳的 頻域掩蔽 效應(yīng)和 時(shí)域掩蔽 效應(yīng)。而且人耳對(duì)聲音源方向的辨別能力，也與頻率的高低有關(guān)。 由于對(duì)于 2KHZ以上的高頻聲音信號(hào)，人耳很難判斷其方向性，因而在數(shù)字處理時(shí)，就可以不必重復(fù)存貯立體聲廣播的高頻部分。 屏蔽 是指 一個(gè)弱聲音被另一個(gè)強(qiáng)聲音所遮蓋 。 當(dāng)強(qiáng)、弱聲音同時(shí)存在時(shí)，就將發(fā)生聲音屏蔽現(xiàn)象。例如，說(shuō)話聲會(huì)被火車聲所遮蓋。當(dāng)兩個(gè)聲音在時(shí)間和頻率上很接近的時(shí)候，屏蔽效應(yīng)就會(huì)較很強(qiáng)。當(dāng)強(qiáng)聲音的頻率與弱聲音相同或更高時(shí)，屏蔽效應(yīng)最有效。 屏蔽 如果同時(shí)存在的是兩個(gè)純音 實(shí)驗(yàn)表明存在兩種有效的屏蔽，一種是中等強(qiáng)度的純音最有效的屏蔽出現(xiàn)在其頻率附近，另一種是低頻的純音可以有效地掩蔽高頻的純音。 如果同時(shí)存在的是噪音和純音 情況較復(fù)雜。因?yàn)槠帘渭円舻脑胍魧?shí)際上是由多種純音組成的，具有無(wú)限寬的頻譜。 臨界頻帶 當(dāng)某個(gè)純音被 以它為中心頻率且具有一定帶寬的連續(xù)噪聲 所屏蔽時(shí)，如果該純音剛好能被聽(tīng)到時(shí)的 功率等于這一頻帶內(nèi)噪聲的功率 ，那么這個(gè)帶寬就稱為臨界頻帶寬度。 但在有聲音屏蔽的情況下，一個(gè)臨界頻帶之內(nèi)的聲音感知程度與表中跨越多個(gè)臨界頻帶的聲音感知程度是不相同的。 可以說(shuō)明人類的聽(tīng)覺(jué)對(duì)聲音的感知特性。 表 51列出的是在 20Hz～ 16kHz范圍內(nèi)，通?？煞殖龅?24個(gè)子臨界頻帶。 人耳對(duì)同一個(gè)臨界頻段內(nèi)頻率的聽(tīng)覺(jué)和感知是較接近的。 聲音的數(shù)字原理 模擬聲音的信號(hào)是個(gè)連續(xù)量，由許多具有不同振幅和頻率的正弦波組成。實(shí)際聲音信號(hào)的計(jì)算機(jī)獲取過(guò)程就是聲音的數(shù)字化的處理過(guò)程。 聲音的模 /數(shù)轉(zhuǎn)換（ ADC） ，首先需對(duì)聲波采樣，用數(shù)字方式記錄聲音。圖中橫軸表示時(shí)間，縱軸表示振幅，按時(shí)間對(duì)聲波分割從而提取波形的樣本。實(shí)現(xiàn)這個(gè)過(guò)程的裝置就被稱為模 /數(shù)轉(zhuǎn)換器。 聲音的數(shù) /模轉(zhuǎn)換（ DAC） 即由數(shù)字聲音變成模擬的波形。 音頻系統(tǒng)是將聲波波形轉(zhuǎn)換成的連續(xù)的二進(jìn)制數(shù)據(jù)來(lái)還原聲音的。實(shí)現(xiàn)這個(gè)過(guò)程的裝置被稱為數(shù) /模轉(zhuǎn)換器。 模擬音頻的數(shù)字化過(guò)程 數(shù)字化的聲音易于用計(jì)算機(jī)軟件處理，現(xiàn)在幾乎所有的專業(yè)化聲音錄制、編輯器都是數(shù)字方式。對(duì)模擬音頻數(shù)字化過(guò)程涉及到 音頻的采樣、量化和編碼。 采樣和量化的過(guò)程可由 A/D轉(zhuǎn)換器 實(shí)現(xiàn) 。 A/D轉(zhuǎn)換器以固定的頻率去采樣，即每個(gè)周期測(cè)量和量化信號(hào)一次。經(jīng)采樣和量化后聲音信號(hào)經(jīng)編碼后就成為數(shù)字音頻信號(hào)，可以將其以文件形式保存在計(jì)算機(jī)的存儲(chǔ)介質(zhì)中，這樣的文件一般稱為 數(shù)字聲波文件 。 模擬信號(hào)的數(shù)字化過(guò)程 100 101 100 01 1 101 信息論的奠基者香農(nóng)（ Shannon）指出： 在一定條件下，用離散的序列可以完全代表一個(gè)連續(xù)函數(shù) ，這是采樣定理的基本內(nèi)容。 為實(shí)現(xiàn) A/D轉(zhuǎn)換，需要 把模擬音頻信號(hào)波形進(jìn)行分割 ， 這種方法稱為采樣 (Sampling)。 采樣的過(guò)程是每隔一個(gè)時(shí)間間隔在模擬聲音的波形上取一個(gè)幅度值 ，把時(shí)間上的連續(xù)信號(hào)變成時(shí)間上的離散信號(hào)。該時(shí)間間隔稱為采樣周期，其倒數(shù)為采樣頻率。 采樣頻率 是指計(jì)算機(jī)每秒鐘采集多少個(gè)聲音樣本。 1. 采樣 采樣頻率與聲音頻率之間有一定的關(guān)系，根據(jù)奈奎斯特（ Nyquist）理論， 只有采樣頻率高于聲音信號(hào)最高頻率的兩倍時(shí)，才能把數(shù)字信號(hào)表示的聲音還原成為原來(lái)的聲音 。 2ffs ? 采樣只解決了音頻波形信號(hào)在 時(shí)間坐標(biāo) (即橫軸 )上把一個(gè)波形切成若干個(gè)等分的數(shù)字化問(wèn)題，但是還需要用某種數(shù)字化的方法來(lái)反映某一瞬間聲波幅度的電壓值大小。該值的大小影響音量的高低。我們把 對(duì)聲波波形幅度的數(shù)字化表示稱之為 “ 量化 ” 。 量化的過(guò)程 是先將采樣后的信號(hào)按整個(gè)聲波的幅度劃分成有限個(gè)區(qū)段的集合，把落入某個(gè)區(qū)段內(nèi)的樣值歸為一類，并賦于相同的量化值。如何分割采樣信號(hào)的幅度呢 ? 我們還是采取二進(jìn)制的方式，以８位 (bit)或 16位 (bit)的方式來(lái)劃分縱軸 。也就是說(shuō)在一個(gè)以 8位為記錄模式的音效中，其縱軸將會(huì)被劃分為個(gè)量化等級(jí)，用以記錄其幅度大小。 2. 量化 以下圖所示的原始模擬波形為例進(jìn)行采樣和量化。假設(shè)采樣頻率為1000次 /秒，即每 1/1000秒 A/D轉(zhuǎn)換器采樣一次，其幅度被劃分成 0到 9共 10個(gè)量化等級(jí)，并將其采樣的幅度值取最接近 0~ 9之間的一個(gè)數(shù)來(lái)表示，如下圖所示。圖中每個(gè)正方形表示一次采樣。 D/A轉(zhuǎn)換器 從上圖得到的數(shù)值中重構(gòu)原來(lái)信號(hào)時(shí)，得到下圖中藍(lán)色 (直線段 )線段所示的波形。從圖中可以看出，藍(lán)色線與原波形(紅色線 )相比，其波形的細(xì)節(jié)部分丟失了很多。這意味著重構(gòu)后的信號(hào)波形有較大的失真。 失真 在采樣過(guò)程中是不可避免的， 如何減少失真呢 ？可以直觀地看出，我們可以把上圖中的波形劃分成更為細(xì)小的區(qū)間，即 采用更高的采樣頻率。同時(shí)，增加量化精度 ，以得到更高的量化等級(jí)，即可減少失真的程度。在下圖（左）中，采樣率和量化等級(jí)均提高了一倍，分別為 2022次 /秒和 20個(gè)量化等級(jí)。在下圖（右）中，采樣率和量化等級(jí)再提高了一倍，分別達(dá)到 4000次 /秒和 40個(gè)量化等級(jí)。從圖中可以看出，當(dāng)用 D/A轉(zhuǎn)換器重構(gòu)原來(lái)信號(hào)時(shí)（圖中的輪廓線），信號(hào)的失真明顯減少，信號(hào)質(zhì)量得到了提高。 模擬信號(hào)量經(jīng)過(guò)采樣和量化以后，形成一系列的離散信號(hào) ——