第三章 声音的合成

1、第二章 声音的合成l一、音频信号 1 .声音是一种波 声波可以在空气中传播，也可以在液体及固体中传播。 声音三要素 (1) 音调 (高低) (2) 音强 (强弱) (3) 音色 (特质) 2 .音质音质与频率范围成正比，频率范围越宽音质越好 3 .声音采样 把声音信号按固定的时间间隔，转换成有限个数字表示的离散序列。0000000100100011100110101011 常用声音信号与采样频率 声音信号CD音乐数字电话采样频率信号带宽数字电话44.1K16K8K20K7K3.4K 4 .音频文件的种类及特点 (1)MIDI文件（电子乐器数字接口） 是用于在音乐合成器、电子乐器、音序器和计算机

2、之间交换音乐信息的一种标准协议。 MIDI实质上是由MIDI控制器（或MIDI文件）产生的指示电子音乐合成器要做什么、怎么做（如演奏某个音符、加大音量、生成音响效果）的一套标准指令。MIDI不是声音信号，在MIDI电缆上传送的不是声音，而是动作指令。 由于MIDI只是记录音乐信息的数字代码，所以生成的文件比较小，便于传播，也便于编辑修改 与Mp3、Wav等音频格式不同的是MIDI的播放质量很大程度上取决于硬件或软件的音源环境，也就是说同样的MIDI文件在不同的电脑上可能有非常明显的效果差别，究其原因是因为它们调用的波表音色库不一样声音文件:24.9K声音文件:16K (2) 标准格式的WAV文

3、件和CD格式一样，也是44.1K的采样频率，速率88K/秒，16位量化位数 WAV格式的声音文件质量和CD相差无几 MP3也就是指的是MPEG标准中的音频部分，也就是MPEG音频层。根据压缩质量和编码处理的不同分为 3层，分别对应“*.mp1”/“*.mp2”/“*.mp3”这3种声音文件。 MPEG音频文件的压缩是一种有损压缩， MPEG3高压缩率，基本保持低音频部分不失真，但是牺牲了声音文件中12KHz到16KHz高音频这部分的质量来换取文件的尺寸 相同长度的音乐文件，用.mp3格式来储存，一般只有.wav文件的1/10，而音质要次于CD格式或WAV格式的声音文件。文件尺寸小，音质好二、录

4、音编辑1.基于句子和单词的录音编辑方式 可以预先将句子、单词作为录音的单位，对录音、讲话所涉及的有关句子或单词逐个进行录音并保存 为了实现这种录音编辑方式，应事先存入大量的有关单词、句子（即需要大量的存储空间），声音合成时还需要快速地检出和呈现（需要高速的检索和控制）。2.基于音节的编辑合成方式在任何语言中，音节的数量比单词的数量少很多；基于音节的编辑方式在合成时的检索、控制变得十分方便；基于音节的合成方式的音质较差，很难表现人们在讲话时的各种情感和声调的变化；根据发音耦合的原理和要求，人们对单词的发音制定了一定的规则，基于这种规则进行声音合成，可以得到较好的声音效果。3.录音编辑声音合成的分

5、析（1）以录音编辑的方式进行声音合成，需要大容量的存储设备（2）为了让一定容量的存储设备能存储更多的声音信息，需要对声音信息的数据量进行压缩（3）通过编码的方式，减少声音信息中的冗余性是实现声音信息压缩的基本方法。三、脉冲代码调制PCM脉冲代码调制 PCM（pulse code modulation）是一种对模拟信号的编辑声音信号是一种模拟信号，经PCM编码后，变成数字信号通常所说的PCM录音就是一种数字录音。1.基本原理PCM编码过程：（1）对模拟声音信号进行采样采样周期采样信号t振幅（2）将各个采样点的声音信号值通过模数变换（A D转换）变换成由0和1组成的脉冲变换序列0011001000

6、010000111111101101正值负值模拟信号码字序列（3）在PCM（脉冲代码调制）中所分配码字的首位为符号位，信号为正时，首位为0信号为负时，首位为1（4）对声音采样的频率称为采样频率：f经采样后对每一个采样点分配的码字为a位，用于存储1秒钟的声音信号所需的存储容量为fa ，它也表示了传递声音信号所需的速率。例：设声音信号的采样频率为10KHz，PCM编码所分配码字长度为8bit，传送该声音信号所需的传递速率应不低于 101038=8104 bits（5）PCM录音及其声音合成系统扬声器AD变换器录音 话筒大容量存储器DA变换器2.采样与量化（1）在PCM调制中，采样频率应是声音信号中

7、最高频率的两倍以上（2）声音信号中包括有多种不同的频率成分，为使各种不同的频率成分都能很好地传递、呈现，所需的带宽应是 20Hz-20KHz 采样频率应选为40Hz（3）对于连续的声音信息，由于其相关性，通过前、后的有关信息可以实现信息的预测和识别，声音合成时采样频率选为8KHz就足够了（至多10KHz）（4）PCM编码中，除需要以一定的频率进行采样外，还需要对每一个样本进行量化，分配一定的码字（5）量化的精度，即分配码字的长度，对声音的失真度有很大影响。 声音信号与量化精度的关系量化噪音与量化精度，即分配码字长度a之间有如下关系： 6（a-1）dB 例如：要求噪音的信噪比SN不低于60dB

8、6（a-1）=60 a=11说明：在PCM编码时，分配的码字长度应不低于11bit如采样频率为10kHz 分配的码字长度为11bit，记录1秒钟的声音信息所需要的存储容量为： 1110103=110（kb）若以字节计算，记录1分钟的声音信号所需存储容量： 1101038=14（KB）40KB的存储容量，只能存3秒钟3.高频滤波为提高声音合成效果，进行预处理： 采样频率为f 将声音信号中高于f2的高频成分滤掉， 这种处理是通过低通滤波器完成低通滤波器四、增量调制1.基本原理 增量调制是一种以最低的一位数进行数据压缩的编码方式 在DM系统中，应预先确定具有一定振幅值的增量，并根据当前信号与基于预测

9、编码的预测值之间的差值进行编码。 设当前时刻n的声音信号值为Sn ，基于预测编码的n-1时刻的声音信号预测值为Sn-1其间的误差值en 为 en = Sn -Sn-1 en为预测误差 预测编码是按照不断减少预测误差的方向进行编码的，通过编码，使预测值Sn-1不断逼近Sn 在DM方式中，预测值是以 Sn = Sn-1+ 确定的下面以声音信号采样序列： 4，5，1，0，3在编码前，应预先确定增量， 设=2，并给定编码的初始条件为S0=0 n=1时刻： 声音信号为4，由于初始条件为S0=0 e1=S1 - S0 =4-0=4由于e10 分配增量 =2，以码字0表示， 预测值为 S1= S0 + =2

10、n=2时刻： 声音信号为5，预测误差为 e2=S2 S1 =5-2=3由于e20 分配增量 =2，以码字1表示， 预测值为 S2= S1 + =4n=3时刻： 声音信号为1，预测误差为 e3=S3 S2 =1-4= -3由于e30 分配增量为- ，以码字0表示， 预测值为 S3= S2 - =4-2=2声音信号、预测值、预测误差与码字序列及其相互间的关系如下图所示DM方式的信号波形l通过上述DM编码的过程，可得到声音信号的DM编码的0、1符号序列。根据这样的符号序列，通过DM编码的逆操作，可进行解码，恢复原声音信号。l例如， =2的情况下，接收的码字序列为“1101 1100”，当码字“1”到

11、来时，进行+2的操作，当码字“0”到来时，进行-2的操作，由此可得到解调后的声音信号为“2，4，2，4，6，8，6，4”。2.粒状噪声与超载噪声 增量调制是一种一位数的编码方式，它根据预测误差的正、负分配相应的 在很多情况下，信号的变化很小，甚至不变，在这种情况下，DM编码仍然要分配+或-.2.粒状噪声与超载噪声l如上图，在原声音信号不变，或缓慢变化时，DM编码的码字序列却是010101这样变化的码字序列。l这种变化的0、1序列，经解码后产生一种 噪声，对原声音符号的音质造成一定的影响，称这种噪声为粒状噪声(GranularNoise)。为了减小粒状噪声的影响，应减小增量的幅度。显然， 的幅度越小，粒状噪音越小。l当增量的幅值减小时，会给DM方式的声音信号带来超载噪声(OverloadNoise)l对于一定的增量幅值，当声音信号变化比较大时，DM编码信号值的变化跟不上声音信号的变化，使得编码信号值的变化比原声音信号产生一种延迟 如图所示超载噪声 为了减少超载噪声应增大增量的幅值，这与减小粒状噪声是相矛盾的。 一般地，人们对超载噪声噪声的感知不太敏感，而粒状噪声在整个频谱范围上都会产生一定的影响，它对音质的影响较大。因此，在决定增量的幅值时，与实际的声音信号大小相比较，应选择增量足够小的幅值 增量的幅值过小，必将使超载噪声增加，