1、第一章 數(shù)字音頻基礎(chǔ)知識(shí) 主要內(nèi)容n 聲音基礎(chǔ)知識(shí)n 認(rèn)識(shí)數(shù)字音頻n 數(shù)字音頻專業(yè)知識(shí)第1節(jié) 聲音基礎(chǔ)知識(shí) 1.1 聲音的產(chǎn)生n 聲音是由振動(dòng)產(chǎn)生的。物體振動(dòng)停止，發(fā)聲也停止。當(dāng)振動(dòng)波傳到人耳時(shí)，人便聽到了聲音。n 人能聽到的聲音，包括語(yǔ)音、音樂和其它聲音（環(huán)境聲、音效聲、自然聲等），可以分為樂音和噪音。ª 樂音 是由規(guī)則的振動(dòng)產(chǎn)生的，只包含有限的某些特定頻率，具有確定的波形。 ª 噪音 是由不規(guī)則的振動(dòng)產(chǎn)生的，它包含有一定范圍內(nèi)的各種音頻的聲振動(dòng)，沒有確定的波形。 1.2 聲音的傳播n 聲音靠介質(zhì)傳播，真空不能傳聲。ª 介質(zhì)：能夠傳播聲音的物質(zhì)。ª 聲

2、音在所有介質(zhì)中都以聲波形式傳播。n 音速 ª 聲音在每秒內(nèi)傳播的距離叫音速。 ª 聲音在固體、液體中比在氣體中傳播得快。 ª 15ºC 時(shí)空氣中的聲速為340m/s 。 1.3 聲音的感知n 外界傳來(lái)的聲音引起鼓膜振動(dòng)經(jīng)聽小骨及其他組織傳給聽覺神經(jīng)，聽覺神經(jīng)再把信號(hào)傳給大腦，這樣人就聽到了聲音。n 雙耳效應(yīng)的應(yīng)用：立體聲n 人耳能感受到（聽覺）的頻率范圍約為20Hz 20kHz，稱此頻率范圍內(nèi)的聲音為可聽聲(audible sound)或音頻(audio)，頻率<20Hz聲音為次聲，頻率>20kHz聲音為超聲。n 人的發(fā)音器官發(fā)出的聲音（人聲

3、）的頻率大約是80Hz3400Hz。人說話的聲音（話音voice / 語(yǔ)音speech）的頻率通常為300Hz3000 Hz（帶寬約3kHz）。n 傳統(tǒng)樂器的發(fā)聲范圍為16Hz (C2)7kHz(a5)，如鋼琴的為27.5Hz (A2)4186Hz(c5)。 1.4 聲音的三要素n 聲音具有三個(gè)要素： 音調(diào)、響度（音量/音強(qiáng)）和音色n 人們就是根據(jù)聲音的三要素來(lái)區(qū)分聲音。 音調(diào)（pitch ）n 音調(diào)：聲音的高低（高音、低音）， 由“頻率”（frequency）決定，頻率越高音調(diào)越高。ª 聲音的頻率是指每秒中聲音信號(hào)變化的次數(shù)，用Hz 表示。例如，20Hz 表示聲音信號(hào)在1 秒鐘內(nèi)周

4、期性地變化20 次。 ª 高音：音色強(qiáng)勁有力，富于英雄氣概。擅于表現(xiàn)強(qiáng)烈的感情。ª 低音：音色深沉渾厚，擅于表現(xiàn)莊嚴(yán)雄偉和蒼勁沉著的感情。 響度（loudness ）n 響度：又稱音量、音強(qiáng)，指人主觀上感覺聲音的大小，由“振幅”（amplitude）和人離聲源的距離決定，振幅越大響度越大，人和聲源的距離越小，響度越大。（單位：分貝dB）音色（music quality）n 音色：又稱音品，由發(fā)聲物體本身材料、結(jié)構(gòu)決定。ª 每個(gè)人講話的聲音以及鋼琴、提琴、笛子等各種樂器所發(fā)出的不同聲音，都是由音色不同造成的。1.5 聲道 n 聲道（sound channel / t

5、rack）是分開錄音然后結(jié)合起來(lái)以便同時(shí)聽到的一段聲音。ª 早期的聲音重放（playback/ reproduction ）技術(shù)落后，只有單一聲道（mono / monophony ），只能簡(jiǎn)單地發(fā)出聲音（如留聲機(jī)、調(diào)幅AM 廣播）； ª 后來(lái)有了雙聲道的立體聲（stereo ）技術(shù)（如立體聲唱機(jī)、調(diào)頻FM 立體聲廣播、立體聲盒式錄音帶、激光唱盤CD-DA ），利用人耳的雙耳效應(yīng)，感受到聲音的縱深和寬度，具有立體感。 ª 現(xiàn)在又有了各種多聲道的環(huán)繞聲（surround sound）重放方式（如4.1、5.1、6.1、7.1聲道），將多只喇叭（揚(yáng)聲器speaker）

6、分布在聽者的四周，建立起環(huán)繞聆聽者周圍的聲學(xué)空間，使聽者感受到自己被聲音包圍起來(lái)，具有強(qiáng)烈的現(xiàn)場(chǎng)感（如電影院、家庭影院、DVD-Audio、SACD、DTS-CD、HDTV）。第2節(jié) 認(rèn)識(shí)數(shù)字音頻2.1 模擬信號(hào)n 音頻信號(hào)是典型的連續(xù)信號(hào)，不僅在時(shí)間上是連續(xù)的，而且在幅度上也是連續(xù)的。在時(shí)間上“連續(xù)”是指在任何一個(gè)指定的時(shí)間范圍里聲音信號(hào)都有無(wú)窮多個(gè)幅值；在幅度上“連續(xù)”是指幅度的數(shù)值為實(shí)數(shù)。n 我們把在時(shí)間（或空間）和幅度上都是連續(xù)的信號(hào)稱為模擬信號(hào)(analog signal)。2.2 數(shù)字信號(hào)n 在某些特定的時(shí)刻對(duì)這種模擬信號(hào)進(jìn)行測(cè)量叫做采樣(sampling)，在有限個(gè)特定時(shí)刻采樣得

7、到的信號(hào)稱為離散時(shí)間信號(hào)。采樣得到的幅值是無(wú)窮多個(gè)實(shí)數(shù)值中的一個(gè)，因此幅度還是連續(xù)的。把幅度取值的數(shù)目限定為有限個(gè)的信號(hào)就稱為離散幅度信號(hào)。n 我們把時(shí)間和幅度都用離散的數(shù)字表示的信號(hào)就稱為數(shù)字信號(hào)(digital signal)。n 從模擬信號(hào)到數(shù)字信號(hào)的轉(zhuǎn)換為模數(shù)轉(zhuǎn)換，記為A/D(Analog-to-Digital)；n 從數(shù)字信號(hào)到模擬信號(hào)的轉(zhuǎn)換為數(shù)模轉(zhuǎn)換，記為D/A(Digital-to-Analog)。 第3節(jié) 數(shù)字音頻專業(yè)知識(shí) 人們?nèi)粘Ｉ盥牭降母鞣N聲音信息是典型的連續(xù)信號(hào)，它不僅在時(shí)間上連續(xù)，而且在幅度上也連續(xù)，我們稱之為模擬音頻。在數(shù)字音頻技術(shù)產(chǎn)生之前，我們只能用磁帶或膠木唱片

8、來(lái)存儲(chǔ)模擬音頻，隨著技術(shù)的發(fā)展，聲音信號(hào)逐漸過渡到了數(shù)字化存儲(chǔ)階段，可以用計(jì)算機(jī)等設(shè)備將它們存儲(chǔ)起來(lái)。 3.1 模擬音頻的數(shù)字化 對(duì)于計(jì)算機(jī)來(lái)說，處理和存儲(chǔ)的只可以是二進(jìn)制數(shù)，所以在使用計(jì)算機(jī)處理和存儲(chǔ)聲音信號(hào)之前，我們必須使用模數(shù)轉(zhuǎn)換（A/D）技術(shù)將模擬音頻轉(zhuǎn)化為二進(jìn)制數(shù)，這樣模擬音頻就轉(zhuǎn)化為數(shù)字音頻了。所謂模數(shù)轉(zhuǎn)換就是將模擬信號(hào)轉(zhuǎn)化為數(shù)字信號(hào)，模數(shù)轉(zhuǎn)換的過程包括采樣、量化和編碼三個(gè)步驟。模擬音頻向數(shù)字音頻的轉(zhuǎn)換是在計(jì)算機(jī)的聲卡中完成的。 3.2 采 樣 n 采樣是指將時(shí)間軸上連續(xù)的信號(hào)每隔一定的時(shí)間間隔抽取出一個(gè)信號(hào)的幅度樣本，把連續(xù)的模擬量用一個(gè)個(gè)離散的點(diǎn)表示出來(lái)，使其成為時(shí)間上離散的脈

9、沖序列。 n 每秒鐘采樣的次數(shù)稱為采樣頻率，用f表示；樣本之間的時(shí)間間隔稱為取樣周期，用T表示，T=1/f。例如：CD的采樣頻率為44.1kHz，表示每秒鐘采樣44100次。n 常用的采樣頻率有8kHz、11.025Hz、22.05kHz、15kHz、44.1kHz、48kHz等。 n 在對(duì)模擬音頻進(jìn)行采樣時(shí)，取樣頻率越高，音質(zhì)越有保證；若取樣頻率不夠高，聲音就會(huì)產(chǎn)生低頻失真。ª 那么怎樣才能避免低頻失真呢？ 著名的采樣定理（Nyquist 定理）中給出有明確的答案：要想不產(chǎn)生低頻失真，采樣頻率至少應(yīng)為所要錄制的音頻的最高頻率的2 倍。例如，電話話音的信號(hào)頻率約為3.4 kHz ，采

10、樣頻率就應(yīng)該6.8 kHz ，考慮到信號(hào)的衰減等因素，一般取為8kHz 。 3.3 量 化n 量化是將采樣后離散信號(hào)的幅度用二進(jìn)制數(shù)表示出來(lái)的過程。n 每個(gè)采樣點(diǎn)所能表示的二進(jìn)制位數(shù)稱為量化精度，或量化位數(shù)。ª 量化精度反映了度量聲音波形幅度的精度。例如，每個(gè)聲音樣本用16位(2字節(jié))表示，測(cè)得的聲音樣本值是在065536的范圍里，它的精度就是輸入信號(hào)的1/65536。 n 常用的采樣精度為8bit/s、12 bit/s、16bit/s、20bit/s、24bit/s等。n 采樣頻率、采樣精度和聲道數(shù)對(duì)聲音的音質(zhì)和占用的存儲(chǔ)空間起著決定性作用。n 我們希望音質(zhì)越高越好，磁盤存儲(chǔ)空間越

11、少越好，這本身就是一個(gè)矛盾。必須在音質(zhì)和磁盤存儲(chǔ)空間之間取得平衡。數(shù)據(jù)量與上述三要素之間的關(guān)系可用下述公式表示： 3.4 編 碼 n 采樣和量化后的信號(hào)還不是數(shù)字信號(hào)，需要把它轉(zhuǎn)換成數(shù)字編碼脈沖，這一過程稱為編碼。最簡(jiǎn)單的編碼方式是二進(jìn)制編碼，即將已經(jīng)量化的信號(hào)幅值用二進(jìn)制數(shù)表示，計(jì)算機(jī)內(nèi)采用的就是這種編碼方式。n 模擬音頻經(jīng)過采樣、量化和編碼后所形成的二進(jìn)制序列就是數(shù)字音頻信號(hào)，我們可以將其以文件的形式保存在計(jì)算機(jī)的存儲(chǔ)設(shè)備中，這樣的文件通常稱之為數(shù)字音頻文件。 PCM編碼n PCM（Pulse Code Modulation）,即脈沖編碼調(diào)制，指模擬音頻信號(hào)只經(jīng)過采樣、模數(shù)轉(zhuǎn)換直接形成的二

12、進(jìn)制序列，未經(jīng)過任何編碼和壓縮處理。PCM編碼的最大的優(yōu)點(diǎn)就是音質(zhì)好，最大的缺點(diǎn)就是體積大。在計(jì)算機(jī)應(yīng)用中，能夠達(dá)到最高保真水平的就是PCM編碼，常見的WAV文件中就有應(yīng)用。3.5 音頻壓縮n 音頻壓縮屬于數(shù)據(jù)壓縮的一種，是減小數(shù)字音頻信號(hào)文件大小（數(shù)據(jù)比率）的過程。n 一般數(shù)據(jù)的壓縮方法對(duì)于音頻數(shù)據(jù)不利，很少能將源文件壓縮到87%以下。n 音頻壓縮算法：無(wú)損壓縮算法和有損壓縮算法ª 無(wú)損壓縮是對(duì)未壓縮音頻進(jìn)行沒有任何信息/ 質(zhì)量損失的壓縮機(jī)制。 ª 有損壓縮是盡可能多得從原文件刪除沒有多大影響的數(shù)據(jù)，有目的地制成比原文件小多的但音質(zhì)卻基本一樣。 ª 一般來(lái)說，無(wú)

13、損壓縮比率在源文件的5060% 左右，而有損壓縮可以達(dá)到原文件的520% 。 3.6 常見的數(shù)字音頻文件格式 常見的數(shù)字音頻文件格式有很多，每種格式都有自己的優(yōu)點(diǎn)、缺點(diǎn)及適用范圍。CD格式天籟之音n CD音軌文件的后綴名為：cdan 標(biāo)準(zhǔn)CD格式是44.1K的采樣頻率，速率88K/秒，16位量化位數(shù)，近似無(wú)損的。n CD光盤可以在CD唱機(jī)中播放，也能用電腦里的各種播放軟件來(lái)重放。一個(gè)CD音頻文件是一個(gè).cda文件，這只是一個(gè)索引信息，并不是真正的包含聲音信息，所以不論CD音樂的長(zhǎng)短，在電腦上看到的“.cda文件”都是44字節(jié)長(zhǎng)。WAV格式無(wú)損的音樂 n WAV為微軟公司開發(fā)的一種聲音文件格式。

14、n 標(biāo)準(zhǔn)格式化的WAV文件和CD格式一樣，也是44.1K的取樣頻率，16位量化位數(shù)，聲音文件質(zhì)量和CD相差無(wú)幾！n 特點(diǎn)：音質(zhì)非常好，被大量軟件所支持。n 適用于：多媒體開發(fā)、保存音樂和原始音效素材。 MP3格式流行的風(fēng)尚 n 全稱Moving Picture Experts Group Audio Layer III），是當(dāng)今較流行的一種數(shù)字音頻編碼和有損壓縮格式。n 是ISO標(biāo)準(zhǔn)MPEG1和MPEG2第三層(Layer 3)，采樣率16-48kHz，編碼速率8K-1.5Mbps。n 特點(diǎn)：音質(zhì)好，壓縮比比較高，被大量軟件和硬件支持，應(yīng)用廣泛。 n 適用于：適合用于一般的以及比較高要求的音樂

15、欣賞。MIDI作曲家的最愛 n MIDI（Musical Instrument Digital Interface）樂器數(shù)字接口 。n MIDI數(shù)據(jù)不是數(shù)字的音頻波形，而是音樂代碼或稱電子樂譜。n MIDI文件每存1分鐘的音樂只用大約510KB。n MID文件主要用于原始樂器作品，流行歌曲的業(yè)余表演，游戲音軌以及電子賀卡等。.mid文件重放的效果完全依賴聲卡的檔次。 普通的聲音文件，如wav文件，是計(jì)算機(jī)直接把聲音信號(hào)的模擬信號(hào)經(jīng)過取樣量化處理，不經(jīng)壓縮處理，變成與聲音波形對(duì)應(yīng)的數(shù)字信號(hào)。 而MIDI文件則不是直接記錄樂器的發(fā)音，而是記錄了演奏樂器的各種信息或指令，如用哪一種樂器，什么時(shí)候按某

16、個(gè)鍵，力度怎么樣等等，至于播放時(shí)發(fā)出的聲音，那是通過播放軟件或者音源的轉(zhuǎn)換而成的。因此MIDI文件通常比聲音文件小得多，一首樂曲，只有十幾K或幾十K，只有聲音文件的千分之一左右，便于儲(chǔ)存和攜帶。 WMA格式最具實(shí)力的敵人 n WMA (Windows Media Audio) 由微軟開發(fā)。n 音質(zhì)要強(qiáng)于MP3格式，更遠(yuǎn)勝于RA格式，它以減少數(shù)據(jù)流量但保持音質(zhì)的方法來(lái)達(dá)到比MP3壓縮率更高的目的，WMA的壓縮率一般都可以達(dá)到1：18左右。n 內(nèi)置了版權(quán)保護(hù)技術(shù)，可以限制播放時(shí)間和播放次數(shù)甚至于播放的機(jī)器等等 。n WMA格式在錄制時(shí)可以對(duì)音質(zhì)進(jìn)行調(diào)節(jié)。同一格式，音質(zhì)好的可與CD媲美，壓縮率較高的可用于網(wǎng)絡(luò)廣播。 Ra格式流動(dòng)的旋律 n RealAudio主要適用于在網(wǎng)絡(luò)上的在線音樂欣賞，現(xiàn)在大多數(shù)的用戶仍然在使用56Kbps或更低速率的Modem，所以典型的回放并非最好的音質(zhì)。有的下載站點(diǎn)會(huì)提示你根據(jù)你的Modem速率選擇最佳的Real文件。 APE格式n 一種新興的無(wú)損音頻編碼，可以提供50-70%的壓縮比，APE的文件大小大概為CD的一