数字音频基础知识

第一章 数字音频根底学问主要内容声音根底学问生疏数字音频数字音频专业学问第1节 声音根底学问声音的产生声音是由振动产生的。物体振动停顿，发声也停顿。当振动波传到人耳时，人便听到了声音。人能听到的声音，包括语音、音乐和其它声音〔环境声、音效声、自然声等乐音和噪音。乐音是由规章的振动产生的，只包含有限的某些特定频率，具有确定的波形。形。声音的传播声音靠介质传播，真空不能传声。介质：能够传播声音的物质。声音在全部介质中都以声波形式传播。音速声音在每秒内传播的距离叫音速。声音在固体、液体中比在气体中传播得快。15ºC340m/s。声音的感知外界传来的声音引起鼓膜振动经听小骨及其他组织传给听觉神经，听觉神经再把信号传给大脑，这样人就听到了声音。双耳效应的应用：立体声人耳能感受到〔听觉〕的频率范围约为20Hz~20kHz，称此频率范围内的声音为可听声(audiblesound)或音频(audio)，频率<20Hz为次声，频率>20kHz声音为超声。〔人声的频率大约是80Hz～3400Hz〔话音voice/语音speec〕的频率通常为300H～3000H〔带宽约3kH。16Hz(C2)～7kHz(a5)，如钢琴的为(A2)～4186Hz(c5)。声音的三要素声音具有三个要素：音调、响度〔音量/音强〕和音色人们就是依据声音的三要素来区分声音。音调〔pitch〕音调：声音的凹凸〔高音、低音，由“频率”frequenc〕打算，频率越高音调越高。声音的频率是指每秒中声音信号变化的次数，用Hz表示。例如，20Hz表示声音信号在120次。高音：音色强劲有力，富于英雄气概。擅于表现猛烈的感情。低音：音色浅薄浑厚，擅于表现庄重雄伟和苍劲冷静的感情。响度〔loudness〕响度：又称音量、音强，指人主观上感觉声音的大小，由“振幅”〔amplitude〕和人离声源的距离打算，振幅越大响度越大，人和声源的距离越小，响度越大〔单位：分贝dB〕音色〔musicquality〕音色：又称音品，由发声物体本身材料、构造打算。每个人讲话的声音以及钢琴、提琴、笛子等各种乐器所发出的不同声音，都是由音色不同造成的。声道声道〔soundchannel/track〕是分开录音然后结合起来以便同时听到的一段声音。〔playback/reproduction〔mono/monophony只能简洁地发出声音〔如留声机、调幅AM播送；后来有了双声道的立体声〔stereo〕技术〔如立体声唱机、调频FM立体声播送、立体声盒式录音带、激光唱盘CD-DA，利用人耳的双耳效应，感受到声音的纵深和宽度，具有立体感。现在又有了各种多声道的围绕声surroundsoun〕重放方式〔，将多只喇叭〔扬声器speaker〕分布在听者的四周，建立起围绕倾听者四周的声学空间，使听者感受到〔DVD-AudioSACDDTS-CD、HDT。第2节 生疏数字音频模拟信号音频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。在时间上“连续”是指在任何一个指定的时间范围里声音信号都有无穷多个幅值；在幅度上“连续”是指幅度的数值为实数。我们把在时间〔或空间〕和幅度上都是连续的信号称为模拟信号(analogsignal)。数字信号在某些特定的时刻对这种模拟信号进展测量叫做采样(sampling)，在有限个特定时刻采样得续的。把幅度取值的数目限定为有限个的信号就称为离散幅度信号。我们把时间和幅度都用离散的数字表示的信号就称为数字信号(digitalsignal)。从模拟信号到数字信号的转换为模数转换，记为A/D(Analog-to-Digital)；从数字信号到模拟信号的转换为数模转换，记为D/A(Digital-to-Analog)。3数字音频专业学问人们日常生活听到的各种声音信息是典型的连续信号，它不仅在时间上连续，而且在幅度上也连续，我们称之为模拟音频。在数字音频技术产生之前，我们只能用磁带或胶木唱片来存储模拟音频，随着技术的进展，声音信号渐渐过渡到了数字化存储阶段，可以用计算机等设备将它们存储起来。模拟音频的数字化对于计算机来说，处理和存储的只可以是二进制数，所以在使用计算机处理和的。采样采样是指将时间轴上连续的信号每隔确定的时间间隔抽取出一个信号的幅度样本，把连续的模拟量用一个个离散的点表示出来，使其成为时间上离散的脉冲序列。每秒钟采样的次数称为采样频率，用f表示；样本之间的时间间隔称为取样周期，用T表示，T=1/f。例如：CD441008kHz、、15kHz、48kHz等。在对模拟音频进展采样时，取样频率越高，音质越有保证；假设取样频率不够高，声音就会产生低频失真。那么怎样才能避开低频失真呢著名的采样定理〔Nyquist定理〕中给出有明确的答案：要想不产生低频失真，采样频2倍。例如，话音的信号频率约为kHz，采样频率就应当≥kHz8kHz。量化量化是将采样后离散信号的幅度用二进制数表示出来的过程。每个采样点所能表示的二进制位数称为量化精度，或量化位数。量化精度反映了度量声音波形幅度的精度。例如，每个声音样本用16位(2字节)表示，测0～655361/65536。8bit/s、12bit/s、16bit/s、20bit/s、24bit/s采样频率、采样精度和声道数对声音的音质和占用的存储空间起着打算性作用。我们期望音质越高越好，磁盘存储空间越少越好，这本身就是一个冲突。必需在音质和磁盘存储空间之间取得平衡。数据量与上述三要素之间的关系可用下述公式表示：编码的就是这种编码方式。模拟音频经过采样、量化和编码后所形成的二进制序列就是数字音频信号，我们可以将其以文件的形式保存在计算机的存储设备中，这样的文件通常称之为数字音频文件。PCM编码接形成的二进制序列，未经过任何编码和压缩处理。PCM编码的最大的优点就是音质好，最大的缺点就是体积大。在计算机应用中，能够到达最高保真水平的就是PCM编码，常见的WAV文件中就有应用。音频压缩音频压缩属于数据压缩的一种，是减小数字音频信号文件大小〔数据比率〕的过程。一般数据的压缩方法对于音频数据不利，很少能将源文件压缩到87%以下。音频压缩算法：无损压缩算法和有损压缩算法无损压缩是对未压缩音频进展没有任何信息/质量损失的压缩机制。但音质却根本一样。50–60%左右，而有损压缩可以到达原文件的5–20%。常见的数字音频文件格式常见的数字音频文件格式有很多，每种格式都有自己的优点、缺点及适用范围。CDCDcda标准CD88K/秒，16位量化位数，近似无损的。CD光盘可以在CD唱机中播放，也能用电脑里的各种播放软件来重放。一个CD音频文件是一个＊.cda文件，这只是一个索引信息，并不是真正的包含声音信息，所以不管CD音乐的长短，在电脑上看到的“＊.cda44字节长。WAV格式——无损的音乐WAV为微软公司开发的一种声音文件格式。标准格式化的WAV文件和CD格式一样，也是的取样频率，16位量化位数，声音文件质量和CD特点：音质格外好，被大量软件所支持。适用于：多媒体开发、保存音乐和原始音效素材。MP3全称MovingPictureExpertsGroupAudioLayerII损压缩格式。是ISO标准MPEG1和MPEG2第三层(Layer316-48kHz，编码速率。特点：音质好，压缩比比较高，被大量软件和硬件支持，应用广泛。适用于：适合用于一般的以及比较高要求的音乐赏识。MIDI——作曲家的最爱MIDI〔MusicalInstrumentDigitalInterface〕乐器数字接口。MIDI数据不是数字的音频波形，而是音乐代码或称电子乐谱。MIDI15～10KB。MID＊.mid文件重放的效果完全依靠声卡的档次。wav——量化处理，不经压缩处理，变成与声音波形对应的数字信号。而MIDI指令，如用哪一种乐器，什么时候按某个键，力度怎么样等等，至于播放时发出的声音，那MIDI只有十几K或几十K，只有声音文件的千分之一左右，便于储存和携带。WMA格式——最具实力的敌人WMA(WindowsMediaAudio)由微软开发。音质要强于MP3格式，更远胜于RA格式，它以削减数据流量但保持音质的方法来到达比MP3WMA1：18左右。内置了版权保护技术，可以限制播放时间和播放次数甚至于播放的机器等等。WMA格式在录制时可以对音质进展调整。同一格式，音质好的可与CD媲美，压缩率较高的可用于网络播送。Ra格式——流淌的旋律RealAudio主要适用于在网络上的在线音乐赏识，现在大多数的用户照旧在使用56Kbps或更低速率的Modem，所以典型的回放并非最好的