【正文】 為擴展名的文件格式，主要用在UNIX工作站上的以 au(audio)為擴展名的文件格式，主要用在蘋果機和 SGI工作站上的以aiff(audio interchangeable file format)和snd(sound)為擴展名的文件格式，以及目前 PC機上比較流行的以 rm和 mp3為擴展名的音頻文件格式。對于 MP3播放器來說，信噪比都是一個比較重要的參數(shù)，它指音源產(chǎn)生最大不失真聲音信號強度與同時發(fā)出噪音強度之間的比率稱為信號噪聲比，簡稱信噪比（ Signal/Noise），通常以 S/N表示，單位為分貝（ dB）。 噪音可分為環(huán)境噪音和設(shè)備噪音。 CD的聲音頻音質(zhì)采樣頻率為 64KHZ， FM廣播的聲音頻音質(zhì)采樣頻率為 44KHZ。 這張則有很多西洋古典音樂的響度特征相似，這種音樂往往有著很大的動態(tài)范圍。 相信大家對圖中橢圓區(qū)域內(nèi)的東西并不陌生，這是一個輸出電平顯示儀，它以圖形化的方式顯示了當(dāng)前輸出電平的強度。 直方圖說明動態(tài)范圍 多媒體技術(shù)基礎(chǔ)與應(yīng)用 實景圖片說明動態(tài)范圍 故宮前面的牌坊，這張是原圖 左圖的直方圖，明暗變化相當(dāng)大 壓縮了其色彩動態(tài) 左圖的直方圖，明暗變化小 通過實景照片的對比，相信大家已經(jīng)看出了不同動態(tài)范圍造成的差異。 ? 不管什么對象，只要涉及范圍，就有個最大值和最小值，在圖象或圖象設(shè)備中，動態(tài)范圍是指的光線明暗的變化范圍，而音樂和音箱設(shè)備，動態(tài)范圍則和響度有關(guān)。因此，實際運用中并非都按最高音質(zhì)來采樣，而是根據(jù)音源的質(zhì)量和實際需要靈活運用；如在錄制一段語音， 8kHZ就夠了。 多媒體技術(shù)基礎(chǔ)與應(yīng)用 3. 編碼（ coding） ? 編碼是將量化后的結(jié)果轉(zhuǎn)化成二進制代碼。 如果采用相等的量化間隔對采樣得到的信號作量化，那么這種量化稱為均勻量化。 采樣頻率越高，單位時間內(nèi)采集的樣本數(shù)越多，得到的波形越接近原始波形，音質(zhì)越好，數(shù)字化聲音的數(shù)據(jù)量也越大 CD ；語音 8kHz 語音信號 背景音樂 多媒體技術(shù)基礎(chǔ)與應(yīng)用 2. 量化（ quantization） – 量化：是按 “ 四舍五入 ” 或其它方法將采樣得到的數(shù)值限定在幾個有限的數(shù)值中，將采樣信號轉(zhuǎn)換為時間離散、幅度離散的數(shù)字信號； – 樣本精度（ sample precise）：反映度量聲音波形幅度的精度 多媒體技術(shù)基礎(chǔ)與應(yīng)用 2. 量化 – 采樣精度越高，位數(shù)越多，表示的數(shù)值范圍越大，數(shù)字化后波形振幅的精度越高，聲波的還原越細膩，聲音的質(zhì)量越好，需要的存儲空間越多；位數(shù)越少，聲音的質(zhì)量越低，需要的存儲空間越少；通常有 8位、16位 多媒體技術(shù)基礎(chǔ)與應(yīng)用 量化 量化位是兩化中一個十分重要的參數(shù)，它是對模擬音頻信號的幅度軸進行數(shù)字化，決定了模擬信號數(shù)字化以后的動態(tài)范圍。 這張圖的橫軸表示時間，豎軸表示能量 多媒體技術(shù)基礎(chǔ)與應(yīng)用 音頻信號處理的方法 ? 首先對聲音進行在時間軸和幅度兩個方面進行離散化。 ? 采樣率為 16位時，表示聲音（聲壓、響度）可以產(chǎn)生65536種大小變化。 帶些頹廢色彩的負沖效果 多媒體技術(shù)基礎(chǔ)與應(yīng)用 聲音心理特性（三） ?德國聲和丹麥聲： 歐洲有著發(fā)達的現(xiàn)代文明以及較長的古代文明，它們有共同性也有差異，在對聲音的理解方面，一樣同大于異，因此法國、丹麥、瑞典、德國等國的對聲音的理解被合并稱為歐陸聲。 濃郁的反轉(zhuǎn)片風(fēng)格 多媒體技術(shù)基礎(chǔ)與應(yīng)用 聲音心理特性（二） ?美國聲： 作為一個幾乎沒有歷史的國家，美國對世界的看法是全新的，經(jīng)過 200多年的發(fā)展，美國成為了地球上最強大的國家，他們崇尚年輕和力量，喜歡大手筆，喜歡冒險，美國文化對于有悠久歷史的國家來說，絕對是另類的。 多媒體技術(shù)基礎(chǔ)與應(yīng)用 聲音心理特性（一） ?英國聲： 英國上層社會追求一種細致的高雅氛圍，男賓要像紳士，女賓要像貴婦，對事情不能大驚大喜，要沉著鎮(zhèn)定，講究一些小情調(diào)，聽一些小編制的音樂甚至獨奏，聲音無需很大，更不需要爆棚，能聽清楚就行。模擬信號的曲線無論多復(fù)雜，在任一時刻 t0都可分解成一系列正弦波的線性疊加： 多媒體技術(shù)基礎(chǔ)與應(yīng)用 音頻信號的基本概念 ： （ 1）聲音物理特性：頻率、周期、聲壓、聲強、動態(tài)范圍、頻譜； （ 2）聲音心理特性：音調(diào)、響度、音色、掩蔽效應(yīng)、方向感、空間感、閾、分貝； （ 3）聲音的音質(zhì)：頻帶寬度、信噪比、數(shù)據(jù)量。 圖 時域掩蔽 多媒體技術(shù)基礎(chǔ)與應(yīng)用 一、聲音 聲音是傳遞信息的重要媒體，是多媒體技術(shù)研究中的一個重要內(nèi)容； 多媒體技術(shù)基礎(chǔ)與應(yīng)用 聲音的物理特性 機械振動或氣流等外力引起周圍彈性媒質(zhì)發(fā)生波動，產(chǎn)生聲波。 圖 頻域掩蔽 圖 掩蔽閾值 多媒體技術(shù)基礎(chǔ)與應(yīng)用 與音頻 編碼相關(guān)的人耳特性 ? 時域掩蔽 – 時域中一個強脈沖會掩蔽該脈沖前后低于某個閾值的聲音信號。 圖 聽覺閾值與頻率關(guān)系 多媒體技術(shù)基礎(chǔ)與應(yīng)用 與音頻 編碼相關(guān)的人耳特性 ? 掩蔽現(xiàn)象： – 例如一個測試人員聽一個幅度固定的 1kHz正弦波，同時添加其他不同頻率和幅度的正弦波，發(fā)現(xiàn)在 1kHz附近低于某個閾值的其他正弦信號聽不到，該閾值取決于頻率，稱作掩蔽閾值。 多媒體技術(shù)基礎(chǔ)與應(yīng)用 與音頻 編碼相關(guān)的人耳特性 ? 人耳的靈敏度在很大程度上依賴于頻率。 ? 耳膜或鼓膜將聲波轉(zhuǎn)換為機械振動，通過錘骨、砧骨、鐙骨傳送到通向感覺內(nèi)耳的膜狀窗 . ? 內(nèi)耳有平衡器官，由幾個充滿液體的弓形和耳蝸構(gòu)成。 ? 不相關(guān)性降低依賴于人耳的心理聲學(xué)模型 —— Zwicker教授 ? 知覺編碼 人耳不能分辨的聲音分量不傳輸。激勵聲道的各股空氣之間的間隔稱為基音周期。當(dāng)采樣速率為8KHz時，相鄰采樣值之間的相關(guān)系數(shù)大于 ，甚至在相距十個樣本之間，相關(guān)系數(shù)還有 。 – 人耳不能察覺頻域和時域中強聲音脈沖鄰近的聲音 – 對人耳而言，某些聲音可以掩蓋其他低幅度的聲音信號。多媒體技術(shù)基礎(chǔ)與應(yīng)用 范鐵生 岳承君 王 軍 王丹華 編著 電子工業(yè)出版社 高等院校計算機規(guī)劃教材 多媒體技術(shù)基礎(chǔ)與應(yīng)用 第三章 一維的音頻信號理技術(shù) 學(xué)習(xí)要點 了解音頻信號的基本概念 理解人類的聽覺特性 理解時頻域掩蔽效應(yīng) 理解音頻信號壓縮技術(shù) 了解常見音頻編碼標準 通過實例掌握常用的音頻處理軟件 ● ● ● ● ● ● 多媒體技術(shù)基礎(chǔ)與應(yīng)用 ? 音頻信號的基本概念 ? ? 音頻信號的離散化 ? 音頻信號的音質(zhì)指標 ? 音頻文件的格式 ? 人類聽覺特性 ? 人耳的構(gòu)造 ? 頻率 ? 時域掩蔽效應(yīng) ? 頻域掩蔽效應(yīng) ? 音頻的有關(guān)定律 ? 音頻信號的壓縮技術(shù) ? 脈沖編碼調(diào)制 ? 感知編碼 ? 子帶編碼 ? 音頻編碼標準 ? CCITT G系列標準 ? MP3壓縮標準 ? AC3壓縮標準 ? MIDI標準 ? 應(yīng)用實例 多媒體技術(shù)基礎(chǔ)與應(yīng)用 數(shù)字化聲音壓縮的必要性 儲存： 計算一分鐘未經(jīng)壓縮的 CD高保真立體聲數(shù)字聲音文件的大小為 10MB左右，必須進行壓縮才能儲存。 MP3音頻文件通常碼率為32kbit/s 多媒體技術(shù)基礎(chǔ)與應(yīng)用 ? 與視頻壓縮相似，音頻壓縮也有兩種方式： – 冗余度消除 —— 省略多余信息，無損 – 不相關(guān)性消除 —— 省去接收端（人耳）不能察覺的信息，有損 ? 所有音頻壓縮方法基于心理聲學(xué)模型，利用人耳的不足，消除音頻信號中的不相關(guān)信息。 2). 樣本之間的相關(guān)性 對語音波形分析表明，采樣數(shù)據(jù)的最大相關(guān)性存在于鄰近樣本之間。 4). 基音之間的相關(guān)性 語音可以分為清音和濁音兩種基本類型 .濁音是由聲帶振動產(chǎn)生，每一次振動使一股空氣從肺部流進聲道。 多媒體技術(shù)基礎(chǔ)與應(yīng)用 ? 冗余度降低（無損）和不相關(guān)性降低（有損）可以將原始聲音信號碼率降低 90％。人耳靈敏度最高的范圍正是： 3kHz～ 4kHz。 ? 內(nèi)耳膜上分布著頻率選擇、聲音采集傳感器，將聽覺神經(jīng)連接到大腦 。 ? 低于某個閾值的聲音人耳無法聽到，該閾值取決于頻率，聲音信號中低于該閾值的分量無需傳送，對人耳而言是不相關(guān)信息。 – 在掩蔽閾值以下的聲音分量不需傳送。 ? 目前的音頻壓縮方法只利用了頻域掩蔽。 多媒體技術(shù)基礎(chǔ)與應(yīng)用 音頻信息的分類 多媒體技術(shù)基礎(chǔ)與應(yīng)用 規(guī)則音頻 ? 規(guī)則音頻是一種連續(xù)變化的模擬信號 ,可用一條連續(xù)的曲線來表示，稱為聲波。 ? 感受聲音，是很主觀的，更現(xiàn)實的是，真正能分出聲音好壞的消費者是極少的，因此音頻設(shè)備廠商更樂意從心理角度去引導(dǎo)消費，我們使用引導(dǎo)這個中性詞，因為有些引導(dǎo)是可接受的，而一些是完全的誤導(dǎo)。這種聲音取向得到了幾乎所有英國音頻設(shè)備廠商的認同，雖然它們之間的產(chǎn)品聲音特征有差別，但基本特征都差不多，這種典型的風(fēng)格化特點被稱為英國聲。美國的音像行業(yè)發(fā)達，對外輸出音像制品的時候也輸出了這種聲音的審美觀，它獲得了大量用戶尤其年輕用戶的認同，因此這種聲音取向深深的影響了整個行業(yè)，不只是美國的音頻廠家。 帶滄桑意味的褪色風(fēng)格 多媒體技術(shù)基礎(chǔ)與應(yīng)用 音頻信號的基本概念 離散化實際上就是采樣和量化，模擬信號轉(zhuǎn)換為數(shù)字信號步驟如圖 ： 多媒體技術(shù)基礎(chǔ)與應(yīng)用 聲音的層次 24位的色彩顯然要比 8位層次細膩得多 多媒體技術(shù)基礎(chǔ)與應(yīng)用 采樣 ? 聲音，也常常用到 16位、24位這個詞，某些發(fā)燒友嘴里念叨著的 “ 2496”， 24就指的 24位。 ? 8位的音樂，很多樂器都會混沌到一塊，甚至分不出一個彼此來，層次感較差。采樣頻率的選擇應(yīng)該遵循 奈奎斯特（ Harry Nyquist）采樣理論：如果對某一模擬信號進行采樣，則采樣后可還原的最高信號頻率只有采樣頻率的一半，或者說只要采樣頻率高于輸入信號最高頻率的兩倍，就能從采樣信號系列重構(gòu)原始信號 多媒體技術(shù)基礎(chǔ)與應(yīng)用 采樣 －采樣頻率 – 采樣頻率：一秒種采樣的次數(shù)； HZ。 量化有好幾種方法，但可歸納成兩類：一類稱為均勻量化 ，另一類稱為 非均勻量化 。 ?在非線性量化中，采樣輸入信號幅度和量化輸出數(shù)據(jù)之間定義了兩種對應(yīng)關(guān)系，一種稱為 m律壓 (縮 )擴 (展 )算法 ，另一種稱為 A律壓 (縮 )擴 (展 )算法 。 ? 量化后的數(shù)字音頻信號直接存入計算機會占用很大的存儲空間 ，通過編碼可以去除信號冗余和量化噪音，減少數(shù)據(jù)的存儲量 多媒體技術(shù)基礎(chǔ)與應(yīng)用 3. 編碼 編碼： – 按一定的格式把離散的量化數(shù)值加以記錄，即將量化后的信號轉(zhuǎn)換成一個二進制編碼組輸出； – 并在有用的數(shù)據(jù)中加入一些用于同步、糾錯和控制的數(shù)據(jù)； 多媒體技術(shù)基礎(chǔ)與應(yīng)用 PCM的基本原理 （ a ）模擬信號的采樣脈沖 （ b ）采樣脈沖信號的量化 （ c ）編碼后的數(shù)字信號 （ d ）解碼后的脈沖信號 （ e ）還原的模擬信號 t t t t t 2 6 8 6 4 2 4 0 0 1 0 0 1 1 0 1 0 0 0 0 1 1 0 0 1 0 0 0 0 1 0 0 1 0 0 P C M 的基本原理 多媒體技術(shù)基礎(chǔ)與應(yīng)用 聲道數(shù) 聲道數(shù)即采樣時同時生成的波形個數(shù) : – 一次生成一個聲波數(shù)據(jù)，稱為單聲道； – 一次生成兩個聲波數(shù)據(jù)，稱為雙聲道或立體聲； 立體聲音質(zhì)、音色好，能產(chǎn)生逼真的空間感，但所占空間比單聲道多一倍 多媒體技術(shù)基礎(chǔ)與應(yīng)用 總結(jié)： ? 聲音的數(shù)字化過程實際上就是 采樣 、 量化和 編碼 的過程； ? 數(shù)字音頻的數(shù)據(jù)量很大，對計算機存儲和數(shù)據(jù)實時傳輸都造成一定的壓力。其實，他們說的都是動態(tài)范圍。專業(yè)點的說法是：漸變 B圖的色彩 動態(tài)范圍 要比漸變 A圖大。 16位采樣的前提下，動態(tài)范圍是不可能超越 065536的范圍的。 這張圖為典型的 Disco舞曲音樂的響度特征，這種音樂很爆棚，但往往缺乏動態(tài)，因為他們最小聲的地方也很 “ 響 ” 。但在進行數(shù)字轉(zhuǎn)換時，由于采樣頻率不同，音質(zhì)和文件大小就不同，不同的壓縮算法產(chǎn)生的文件大小和音質(zhì)也不同。 CD機的頻率上限比 FM的接收上限頻率還要略好一些 多媒體技術(shù)基礎(chǔ)與應(yīng)用 信噪比 ? 信噪比 SNR（ Signal to Noise Ratio）是有用信號與噪聲之比的簡稱