数字音频基础
合集下载
第03章_数字音频基础
3.2.2 量化（Quantization）
量化是指用若干比特表示一个样本的过程；表示一个样本所使用的比特数称为量化深度 （bit depth）。常见的量化深度有 4 比特、8 比特、16 比特、32 比特等等。不难理解，量化实 际上是一个对声音样本的幅值进行离散化处理的一个过程。虽然采样已经在时间上将模拟信号 离散化了，但是样本的大小（即幅值）仍然有无限种可能的取值（所以本质上还是连续量）， 而数字系统只能表示有限种状态，例如，用 8 个比特表示样本大小的话，则只能有 256 种取值。 所以，量化是一个将无限多种可能取值归结为有限多个数字值的过程。通常，系统会将一个样 本以最接近其值大小的数字表示。总之，采样是时间上的离散化，而量化则是空间上的离散化。 需要强调的是，量化深度也是影响数字音频信号质量的重要因素。4 比特只有 16 种取值， 显然，试图通过这样少数几个状态来恢复原始模拟音频信号是十分困难的。但是，量化深度越 多，数据量也会越大，传输和存储的压力自然越大。所以，也需要根据实际应用环境来采用合 适的量化深度。例如，一般的网络音频应用采用了 8 位的量化深度，CD 音频的量化深度则是 16 比特，而有些高级数字音频系统采用了 32 位的量化深度。 3.2.3 编码（Coding） 在采样、量化处理后，模拟音频数字化的第三个步骤是编码。编码实际上是以某种格式最 终生成数字音频数据流的过程，所得到的数字音频数据将会被存储、传输或者进行各种处理。 本章第 3 节将介绍几种重要的音频编码技术。 需要读者注意的是，把数字化过程分解成采样、量化、编码三个阶段实际上是一种简化描 述，各种不同的数字音频技术会有不同的采样、量化与编码机制，特别是量化与编码往往是同 步进行的，而且编码还包括后续的数据流格式化。因此，多数介绍数字音频技术的教科书或学 术著作在提到音频编码的时候，都将这三个步骤合称为编码系统或编码技术，并在编码系统的 框架下对整个模数转换过程进行整体性介绍。本教程下面的阐述也沿用了这一模式。
数字音频基础知识
第一章数字音频基础知识重要内容⏹声音基础知识⏹结识数字音频⏹数字音频专业知识第1节声音基础知识1.1 声音旳产生⏹声音是由振动产生旳。
物体振动停止，发声也停止。
当振动波传到人耳时，人便听到了声音。
⏹人能听到旳声音，涉及语音、音乐和其他声音（环境声、音效声、自然声等），可以分为乐音和噪音。
✦乐音是由规则旳振动产生旳，只包具有限旳某些特定频率，具有拟定旳波形。
✦噪音是由不规则旳振动产生旳，它包具有一定范畴内旳多种音频旳声振动，没有拟定旳波形。
1.2 声音旳传播⏹声音靠介质传播，真空不能传声。
✦介质：可以传播声音旳物质。
✦声音在所有介质中都以声波形式传播。
⏹音速✦声音在每秒内传播旳距离叫音速。
✦声音在固体、液体中比在气体中传播得快。
✦15ºC 时空气中旳声速为340m/s 。
1.3 声音旳感知⏹外界传来旳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。
⏹双耳效应旳应用：立体声⏹人耳能感受到（听觉）旳频率范畴约为20Hz~20kHz，称此频率范畴内旳声音为可听声(audible sound)或音频(audio)，频率<20Hz声音为次声，频率>20kHz声音为超声。
⏹人旳发音器官发出旳声音（人声）旳频率大概是80Hz～3400Hz。
人说话旳声音（话音voice / 语音speech）旳频率一般为300Hz～3000 Hz（带宽约3kHz）。
⏹老式乐器旳发声范畴为16Hz (C2)～7kHz(a5)，如钢琴旳为27.5Hz (A2)～4186Hz(c5)。
1.4 声音旳三要素⏹声音具有三个要素：音调、响度（音量/音强）和音色⏹人们就是根据声音旳三要素来辨别声音。
音调（pitch ）⏹音调：声音旳高下（高音、低音），由“频率”（frequency）决定，频率越高音调越高。
✦声音旳频率是指每秒中声音信号变化旳次数，用Hz 表达。
例如，20Hz 表达声音信号在1 秒钟内周期性地变化20 次。
数字音频基础知识
一般来说，无损压缩比率在源文件的50–60%左右，而有损压缩可以达到原文件的5–20%。
3.6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。
CD格式——天籁之音
CD音轨文件的后缀名为：cda
标准CD格式是44.1K的采样频率，速率88K/秒，16位量化位数，近似无损的。
数字音频基础知识
转换（A/D）技术将模拟音频转化为二进制数，这样模拟音频就转化为数字音频了。所谓模数转换就是将模拟信号转化为数字信号，模数转换的过程包括采样、量化和编码三个步骤。模拟音频向数字音频的转换是在计算机的声卡中完成的。
3.2采样
采样是指将时间轴上连续的信号每隔一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。
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欣赏。
MIDI——作曲家的最爱
MIDI（Musical Instrument Digital Interface）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。
MIDI文件每存1分钟的音乐只用大约5～10KB。
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决定性作用。
我们希望音质越高越好，磁盘存储空间越少越好，这本身就是一个矛盾。必须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：
3.4编码
采样和量化后的信号还不是数字信号，需要把它转换成数字编码脉冲，这一过程称为编码。最简单的编码方式是二进制编码，即将已经量化的信号幅值用二进制数表示，计算机内采用的就是这种编码方式。
3.6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。
CD格式——天籁之音
CD音轨文件的后缀名为：cda
标准CD格式是44.1K的采样频率，速率88K/秒，16位量化位数，近似无损的。
数字音频基础知识
转换（A/D）技术将模拟音频转化为二进制数，这样模拟音频就转化为数字音频了。所谓模数转换就是将模拟信号转化为数字信号，模数转换的过程包括采样、量化和编码三个步骤。模拟音频向数字音频的转换是在计算机的声卡中完成的。
3.2采样
采样是指将时间轴上连续的信号每隔一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。
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欣赏。
MIDI——作曲家的最爱
MIDI（Musical Instrument Digital Interface）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。
MIDI文件每存1分钟的音乐只用大约5～10KB。
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决定性作用。
我们希望音质越高越好，磁盘存储空间越少越好，这本身就是一个矛盾。必须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：
3.4编码
采样和量化后的信号还不是数字信号，需要把它转换成数字编码脉冲，这一过程称为编码。最简单的编码方式是二进制编码，即将已经量化的信号幅值用二进制数表示，计算机内采用的就是这种编码方式。
数字音频原理
数字音频原理数字音频是指将声音信号以数字形式进行处理和传输的技术。
数字音频原理是指数字音频技术的基本原理和工作原理。
数字音频原理涉及到音频信号的采样、量化、编码、传输和解码等方面，是数字音频技术的基础知识。
本文将从数字音频的基本原理入手，介绍数字音频的相关知识。
首先，我们来介绍数字音频的采样原理。
采样是指将连续的模拟音频信号转换为离散的数字信号。
在数字音频中，采样率是一个重要的参数，它决定了每秒钟对模拟音频信号进行采样的次数。
一般来说，采样率越高，数字音频的质量就越好。
常见的采样率有44.1kHz、48kHz等。
采样定理规定，为了能够准确地还原原始的模拟音频信号，采样率必须至少是模拟信号最高频率的两倍。
其次，我们来谈谈数字音频的量化原理。
量化是指将采样得到的模拟音频信号的幅度值转换为离散的数字值。
量化的精度决定了数字音频的动态范围和信噪比。
常见的量化精度有16位、24位等。
量化精度越高，数字音频的动态范围和信噪比就越好。
接着，我们来讨论数字音频的编码原理。
编码是指将经过采样和量化处理的数字音频信号进行压缩和编码，以便于存储和传输。
常见的数字音频编码格式有PCM、MP3、AAC等。
不同的编码格式具有不同的压缩算法和压缩比，对音频质量和文件大小有不同的影响。
然后，我们来探讨数字音频的传输原理。
数字音频可以通过各种数字接口和网络进行传输，如USB、HDMI、以太网等。
在数字音频传输过程中，需要考虑信号的传输稳定性和抗干扰能力，以确保音频信号的准确传输和高质量解码。
最后，我们来讲解数字音频的解码原理。
解码是指将经过传输的数字音频信号进行解码和恢复成模拟音频信号。
解码过程需要考虑信号的精度和时域准确性，以确保数字音频的高保真度和高还原度。
综上所述，数字音频原理涉及到采样、量化、编码、传输和解码等多个方面。
了解数字音频的基本原理对于理解数字音频技术和应用具有重要意义。
希望本文能够帮助读者对数字音频原理有一个初步的了解。
数字音频基础
数字音视频技术
ISDB T(日本)或8 VSB(美国)调制方式; (2)卫星传输:采用 QPSK 调制方式; (3)有线传输:采用 M QAM 或16 VSB
高数据率调制方式,根据有线信道的不同 特性,分别采用16/32/128/256 QAM 等方 式。
数字音视频技术
三种。DVB－S (QPSK 调制方式)主要用 于数字电视卫星广播系统;DVB －T(OFDM 调制方式)则用于地 面无线发射的数字 电视广播系统;DVB－C(QAM 调制方式)主 要为地面 HFC(Hybrid FiberCoaxnetworks,混合光纤同轴电缆 网)网络数字电视广播所采用。
数字音视频技术
• 图6－1 数字电视系统的基本原理框图
数字音视频技术
下,对反映信源全部信息的数 字信号进 行变换,用尽量少的数字脉冲来表示信源 产生的信息,这就是压缩编码。
信道编码器包括纠错编码和数字调 制,主要解决数字信号传输的可靠性问题, 故又称 为抗干扰编码。经过纠错编码的 传输码流具有检错和纠错的能力,其作用 是最大限度地减 少在信道传输中的误码 率,然后将经过纠错编码后的传输码流调 制成适合于在信道上传输 的波形。
数字音视频技术
6.2 二进制数字调制及其抗噪声性能分 析
6.2.1 二进制数字幅移键控(2ASK) 1.2ASK 调制原理 数字幅度调制又称幅移键控(ASK),二进制幅移键控记作
2ASK。2ASK 是利用代表 数字信息“0”或“1”的基带矩形 脉冲去键控一个连续的载波,使载波时断时续地输出。有载 波输出时发送“1”,无载波输出时发送“0”。
–按照声音的来源以及作用来看，可分为人声、乐音 和响音。人声包括人物的独白、对白、旁白、歌声、 啼笑，感叹等；乐音也可成为音乐，是指人类通过 相关乐器演奏出来的声音，如影视作品中的背景声 音，一般起着渲染气氛的作用；响音是指除语言和 音乐之外电影中所有声音的统称，如动作音响 、 自然音响、 背景音响 、机械音响、特殊音响。
ISDB T(日本)或8 VSB(美国)调制方式; (2)卫星传输:采用 QPSK 调制方式; (3)有线传输:采用 M QAM 或16 VSB
高数据率调制方式,根据有线信道的不同 特性,分别采用16/32/128/256 QAM 等方 式。
数字音视频技术
三种。DVB－S (QPSK 调制方式)主要用 于数字电视卫星广播系统;DVB －T(OFDM 调制方式)则用于地 面无线发射的数字 电视广播系统;DVB－C(QAM 调制方式)主 要为地面 HFC(Hybrid FiberCoaxnetworks,混合光纤同轴电缆 网)网络数字电视广播所采用。
数字音视频技术
• 图6－1 数字电视系统的基本原理框图
数字音视频技术
下,对反映信源全部信息的数 字信号进 行变换,用尽量少的数字脉冲来表示信源 产生的信息,这就是压缩编码。
信道编码器包括纠错编码和数字调 制,主要解决数字信号传输的可靠性问题, 故又称 为抗干扰编码。经过纠错编码的 传输码流具有检错和纠错的能力,其作用 是最大限度地减 少在信道传输中的误码 率,然后将经过纠错编码后的传输码流调 制成适合于在信道上传输 的波形。
数字音视频技术
6.2 二进制数字调制及其抗噪声性能分 析
6.2.1 二进制数字幅移键控(2ASK) 1.2ASK 调制原理 数字幅度调制又称幅移键控(ASK),二进制幅移键控记作
2ASK。2ASK 是利用代表 数字信息“0”或“1”的基带矩形 脉冲去键控一个连续的载波,使载波时断时续地输出。有载 波输出时发送“1”,无载波输出时发送“0”。
–按照声音的来源以及作用来看，可分为人声、乐音 和响音。人声包括人物的独白、对白、旁白、歌声、 啼笑，感叹等；乐音也可成为音乐，是指人类通过 相关乐器演奏出来的声音，如影视作品中的背景声 音，一般起着渲染气氛的作用；响音是指除语言和 音乐之外电影中所有声音的统称，如动作音响 、 自然音响、 背景音响 、机械音响、特殊音响。
多媒体技术及应用数字音频技术02
特点：在低速的广域网上实时传输音频
4. WMA文件
WMA(Windows Media Audio)是 Windows Media格式中的一个子集(音频 格式)。
特点：压缩到MP3一半
多媒体技术及应用数字音频技术02
2-11
2.1 数字音频基础
5. MIDI和RMI文件 MIDI(乐器数字接口)是由一组音乐、乐 谱或乐器符号的数字集合。 特点：播放效果与硬件相关，数据量很小， 音质不高、音色单调等 6.VOC文件 创新公司开发的声音文件格式，由文件头 块和音频数据块组成。
音乐是符号化的声音。
多媒体技术及应用数字音频技术02
2.1 数字音频基础
二、声音的数字化 1.声音信号的类型 模拟信号(自然界、物理) 数字信号(计算机) 2.声音数字化过程
模拟信号
采样
量化
编码
数字信号
模拟信号
A/D ADC D/A DAC
数字信号
多媒体技术及应用数字音频技术02
2.1 数字音频基础
霍夫曼编码、算术编码、行程编码 ②有损压缩
波形编码--PCM、DPCM、ADPCM 子带编码、矢量量化
参数编码--LPC 混合编码--MPLPC、CELP
多媒体技术及应用数字音频技术02
2.2 数字音频压缩标准
二、音频压缩技术标准
分类
电话语 音质量
调幅广 播质量 高保真 立体声
标准 G.711 G.721 G.723 G.728
多媒体技术及应用数字 音频技术02
2020/11/14
多媒体技术及应用数字音频技术02
第二章 数字音频技术
2.1 数字音频基础 2.2 数字音频压缩标准 2.3 声卡与电声设备 2.4 MIDI与音乐合成 2.5 音频编辑软件 2.6 语音识别技术 本章小结
4. WMA文件
WMA(Windows Media Audio)是 Windows Media格式中的一个子集(音频 格式)。
特点：压缩到MP3一半
多媒体技术及应用数字音频技术02
2-11
2.1 数字音频基础
5. MIDI和RMI文件 MIDI(乐器数字接口)是由一组音乐、乐 谱或乐器符号的数字集合。 特点：播放效果与硬件相关，数据量很小， 音质不高、音色单调等 6.VOC文件 创新公司开发的声音文件格式，由文件头 块和音频数据块组成。
音乐是符号化的声音。
多媒体技术及应用数字音频技术02
2.1 数字音频基础
二、声音的数字化 1.声音信号的类型 模拟信号(自然界、物理) 数字信号(计算机) 2.声音数字化过程
模拟信号
采样
量化
编码
数字信号
模拟信号
A/D ADC D/A DAC
数字信号
多媒体技术及应用数字音频技术02
2.1 数字音频基础
霍夫曼编码、算术编码、行程编码 ②有损压缩
波形编码--PCM、DPCM、ADPCM 子带编码、矢量量化
参数编码--LPC 混合编码--MPLPC、CELP
多媒体技术及应用数字音频技术02
2.2 数字音频压缩标准
二、音频压缩技术标准
分类
电话语 音质量
调幅广 播质量 高保真 立体声
标准 G.711 G.721 G.723 G.728
多媒体技术及应用数字 音频技术02
2020/11/14
多媒体技术及应用数字音频技术02
第二章 数字音频技术
2.1 数字音频基础 2.2 数字音频压缩标准 2.3 声卡与电声设备 2.4 MIDI与音乐合成 2.5 音频编辑软件 2.6 语音识别技术 本章小结
多媒体技术数字音频基础PPT课件
– 音调（在音乐上音调叫音高）人耳对声音调子高 低的主观感觉取决于声音频率，频率越高，音调 也越高，音调与频率成对数关系，频率增加一倍， 增加一个倍频程，音乐上叫提高了八度
– 音色 由声音的波形或它的频谱结构决定，它是个 复杂感觉，无法定量表示
6
信号的获取
话 筒 放 大
滤 波
采 样 保 持 A /D
接 口 微 机
采 样 脉 冲
• 获取法：利用声音获取硬件得到声源发生的声 音
• 合成法：通过一种专门定义的语音去驱动一台
预制的语音或音乐合成器。
• 多媒体计算机中三类声音：
①语音②音乐③效果声（sound effects）如刮风、下雨
等
7
音频信号的处理
A/D转换后进行数据压缩
存储或传输
硬件（DSP）
采样与混叠
思考题：设音频信号的高频截至频率为7KHz， 抽样频率为6KHz，
问：0.5KHz信号中混有哪些频率的信号？
0 1 2 3 4 5 6 7 KHz 21
抽样与混叠
思考题：设音频信号的高频截至频率为7KHz， 抽样频率为6KHz，
问：0.5KHz信号中混有哪些频率的信号？
0 1 2 3 4 5 6 7 KHz 22
称之为抽样。该时间间隔称为抽样周期(其倒数
称为采样频率)。
13
音频数字化
14
2.1 数字音频基础
1、数字化音频的获取与处理基本概念 2、模拟音频与数字音频的区别 3、数字音频采样和量化的基本原理 4、数字音频的文件格式 5、音频信号的特点。
采样
采样——将连续的声波信号x(t)按一定的 时间间隔（T）取值，得到离散的信号序 列x(nT)
T——采样周期 1/T——采样频率 x(nT)——离散信号序列
– 音色 由声音的波形或它的频谱结构决定，它是个 复杂感觉，无法定量表示
6
信号的获取
话 筒 放 大
滤 波
采 样 保 持 A /D
接 口 微 机
采 样 脉 冲
• 获取法：利用声音获取硬件得到声源发生的声 音
• 合成法：通过一种专门定义的语音去驱动一台
预制的语音或音乐合成器。
• 多媒体计算机中三类声音：
①语音②音乐③效果声（sound effects）如刮风、下雨
等
7
音频信号的处理
A/D转换后进行数据压缩
存储或传输
硬件（DSP）
采样与混叠
思考题：设音频信号的高频截至频率为7KHz， 抽样频率为6KHz，
问：0.5KHz信号中混有哪些频率的信号？
0 1 2 3 4 5 6 7 KHz 21
抽样与混叠
思考题：设音频信号的高频截至频率为7KHz， 抽样频率为6KHz，
问：0.5KHz信号中混有哪些频率的信号？
0 1 2 3 4 5 6 7 KHz 22
称之为抽样。该时间间隔称为抽样周期(其倒数
称为采样频率)。
13
音频数字化
14
2.1 数字音频基础
1、数字化音频的获取与处理基本概念 2、模拟音频与数字音频的区别 3、数字音频采样和量化的基本原理 4、数字音频的文件格式 5、音频信号的特点。
采样
采样——将连续的声波信号x(t)按一定的 时间间隔（T）取值，得到离散的信号序 列x(nT)
T——采样周期 1/T——采样频率 x(nT)——离散信号序列
数字音频技术基础
20~20000 20~20000
脉冲编码调制（PCM）
PCM的特点
概念最简单、理论最完善的编码系统； 最早研制、使用最广泛的编码系统； 数据量最大的编码系统。
原理
模拟声音 信号输入 防失真 滤波器 波形编码器 (采样器) PCM样本
÷
量化器
量化
分为均匀量化和非均匀量化。 采用的量化方法不同，量化后的数据量不同，可以说量化是一种压 缩数据的方法
数字音频技术基础
Part Part 1 1 数字音频技术基础
数字音频技术基础 声音 声音信号数字化
采样与量化
音频质量与数据量 音频文件的存储格式 语音合成与语音识别技术
声音
声波是由机械振动产生的波。当声波进入人耳 ，鼓膜振动导致内耳里的微细感骨的振动，将 神经冲动传向大脑，听者感觉到的这些冲动就 A 是声音。 周期
声道数：一次采样的声音波形个数。 采样频率 指计算机每秒钟采集多少个声音样本。
采样
音频是连续的时间函数X(t),对连续信号采样， 即按一定的时间间隔(T)取值，得到X(nT)(n为 整数)，T称为采样周期、1/T称为采样频率。
X(0)、X(T)、X(2T)称为采样值。
采样频率与声音频率之间有一定的关系，根据 奈奎斯特（Nyquist）理论，只有采样频率高 于声音信号最高频率的两倍时，才能把数字信 号表示的声音还原成为原来的声音。
频域——声音的频率范围
声音的方向
以振动波的形式从声源向四周传播。
1.
从声源直接到达人类听觉器官的声音称为“ 直达声”，直达声的方向辨别最容易。
2.
现实生活中，森林、建筑、各种地貌和景物 存在于人们的周围，声音从声源发出后，一 般须经过多次反射才能被人们听到，这就是 “反射声”。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
采样 量化
编码
压缩
音频 文件
100101100011101
模拟信号的数字化过程
一、声音的数字化过程
1. 采样（Sampling） • 对振幅随时间连续变化的模拟信号波形按一定的时间间隔 取出样值，形成在时间上不连续的脉冲序列，称之为采样。 2. 量化（Quantization） • 将采样值相对于振幅进行离散的数值化的操作称为量化。 即将模拟信号的幅度，在动态范围内划分为相等间隔的若 干层次，把采样输出的信号电平按照四舍五入的原则归入 最靠近的量值。 3. 编码（Coding） • 把采样、量化所得的量值变换为二进制数码的过程称为编 码。 4. 压缩（Compress）目的是减少数据量与提高传输效率。 依据：声音信息中存在着多种冗余；听觉器官的不敏感性； 采样的标本中存在着相关性。
例2
例3
一般播音员的播音频率是４kHz，采用8bit的采用精度单声道 进行采样的时候，计算该播音员播音１０分钟的数据量为：
８kHz＊１０＊６０ ≈ 4.5MB
例4
以CD音质（44.1kHz的采样频率，16位立体声形式）记录一 首５分钟的乐曲所需的存储容量为： 44 100（Hz）×（16/8）（B）×2×５×60 ≈ 51600kB
705.6
立体声
1411.2
立体声
1536
第2节 常用音频格式介绍
• WAV文件(.wav)
– WAV——Wave，波形文件 – 由Microsoft和IBM联合开发的音频文件格式 – 特点：层次丰富、还原性好、表现力强；数据量大；应用 广泛
• CD-DA文件(.cda)
– 标准激光盘文件 – 特点：数据量大，音质好
• AIFF文件(.aif/.aiff)
– AIFF——Audio Interchange File Format，Apple公司开 发的一种声音文件的格式 – 用于不同平台之间音频信息的交换
Hale Waihona Puke • MP3文件(.mp3)
– MPEG压缩编码 – 特点：压缩比1：10；音质较wav稍差，但数据量小而质量 高
• 奈奎斯特理论：采样频率应该大于或等于声音信号 最高频率的两倍就能把以数字表达的声音还原成原 来的声音，满足这个条件的数字化即称为无损数字 化。 fs≥2×fmax • 例如，如果某声音信号最高频率约为3.4kHz，则采 样频率取为8kHz是合适的。 • 常用的采样频率： • 8kHZ(电话质量);11.025kHZ(AM); • 22.05kHZ(FM);44.1kHZ(CD质量).
采样与量化过程示例
以图所示的原始模拟波形为例进行采样和量化。 假设采样频率为1000次/秒，即每1/1000秒A/D转 换器采样一次，其幅度被划分成09共10个量化等 级，并将其采样的幅度值取最接近0 9之间的一 个数来表示，如图所示。图中每个长方形表示一 次采样。
当D/A转换器从图4-2得到的数值中重构原来信号 时，得到图4-3中蓝色(直线段)线段所示的波形。 从图中可以看出，蓝色线与原波形(红色线)相比， 其波形的细节部分丢失了很多。这意味着重构后 的信号波形有较大的失真。
2) 量化位数 • 量化位数也称“量化精度”，是描述每个采样点 样值的二进制位数。例如，8位量化位数表示每 个采样值可以用28即256个不同的量化值之一来 表示，而16位量化位数表示每个采样值可以用 216即65536个不同的量化值之一来表示。常用的 量化位数为8位、12位、16位。 • 量化噪声是指某个采样时间点的模拟值和最近的 量化值之间的差。误差最大可以达到离散间距的 一半。 • 量化位数越大，量化噪声越小。
D = 6N
3) 声道数 • 声音通道的个数称为声道数，是指一次采样所记 录产生的声音波形个数。记录声音时，如果每次 生成一个声波数据，称为单声道；每次生成两个 声波数据，称为双声道（立体声）。随着声道数 的增加，所占用的存储容量也成倍增加。
采样频率 每秒钟抽取声波幅度 样本的次数 采样频率越高 声音质量越好 数据量也越大 11.025kHz 22.05 kHz 44.1 kHz 量化位数 每个采样点用多少二进制位 表示数据范围 量化位数越多 音质越好 数据量也越大 8位＝256 个值 16位＝65536个值 声道数 使用声音通道的个数 立体声比单声道的表 现力丰富，但数据量 翻倍 单声道 立体声
L in e 输 入 CD输 入 扬声器输出
声卡的内部结构
• 声卡主要组成和功能：
1. 音频处理芯片（DSP）：基本上定了整个声卡的 性能和档次，是声卡上的核心部件。在音频数据的 处理中，其算法和处理过程都由主芯片来完成。
音频处理芯片
2. 编、译码芯片（Codec） ：具有D/A（数字 信号转换成模拟信号）和A/D（模拟信号转换 成数字信号）转换功能。我们在听音乐的时 候用到的是D/A转换功能。在接收到数字信号 相同的情况下，D/A的好坏直接决定着声卡的 音质。
• 其它接口：
• 电话应答接口：实现与Modem的连接，并向Modem传送 话筒信号，配合软件，可使电脑具备电话自动应答功能。 • 辅助设备接口(AUX-IN)：用于将电视卡等设备的声音信号 输入声卡并通过音箱播放。 • CD模拟音频接口: 通过此接口实现CD音频信号的直接播 放。 • CD数字音频输入接口(CD-SPDIF)：接收来自光驱的数字 音频信号。 • 音频扩展接口(SPDIF-EXT)：用来连接到数字I/O子卡，实 现数字信号的输入和输出。
三、 数字音频文件的存储量
• 以字节为单位，模拟波形声音被数字化后音频文 件的存储量(假定未经压缩)为：
存储量=采样频率×（量化位数/8）×声道数×声音持续时间
• 例如，用44.1KHz的采样频率进行采样，量化位 数选用16位，则录制1秒的立体声节目，其波形 文件所需的存储量为： 44100×16/8×2×1=176400(字节B)
第3章 数字音频基础
学习目标
• 理解声音的数字化的过程 • 掌握数字化过程中的一些重要概念：采样 频率、量化精度（位数）、量化噪声、动 态范围等 • 掌握计算音频文件数据量的方法。 • 了解常见的音频格式及其特点。 • 了解声卡的构造及工作原理
第1节 声音的数字化
• 数字音频获取过程：
模拟音 频信号
四、比特率（传码率）
• 比特率，或传码率，是指每秒传送的比特(bit)数。 单位为 bps (Bit Per Second)。 • 比特率越高，传送的数据越大，音质越好。 • 计算方法：I=b*f*s • CD的比特率为1.4Mb/s • MP3：112~128kb/s
• 128Kb/s为手机立体声MP3播放器最佳设定 值、低档MP3播放器最佳设定值
• WMA文件(.wma)
– WMA——Windows Media Audio，微软公司推出的与MP3 格式齐名的一种新的音频格式 – 特点：压缩比和音质方面都超过了MP3，更是远胜于RA， 即使在较低的采样频率下也能产生较好的音质
• MIDI文件(.mid)
– MIDI—— Musical Instrument Digital Interface，乐器数字 化接口文件 – 不是将声音的波形进行数字化采样和编码，而是将数字式 电子乐器的弹奏过程记录下来 – 特点：数据量小
二、声卡的工作原理：
• 录制声音需要进行多步操作，麦克风将空气中的声 压变化转换为模拟信号。经声卡放大后数字化，生 成的数据流由软件处理为标准文件格式(如WAV)， 然后保存到硬盘。
声卡硬件 驱动程序 麦克风 模拟 信号 数字 信号
存储设备 (硬盘)
声卡的录制原理图
• 播放音乐是声音的回放过程，即录制声音的逆过 程。
– 压缩和解压缩音频文件 目前，大多数声卡上都 固化了不同标准的音频压缩和解压缩软件，常 用的压缩编码方法有ADPCM(自适应差分脉冲 编码调制)和ACM(微软音频压缩管理器)等，压 缩比大约为2:1~5:l。 – 与MIDI设备和CD驱动器的连接 通过声卡上的 MIDI接口，计算机可以同外界的MIDI设备相连 接，如连接电子琴、电吉他等，使MPC具有创 作电脑乐曲和播放MIDI文件的功能。游戏杆也 可通过MIDI接口与计算机相连接，使游戏玩起 来得心应手。
声卡硬件 软件驱动程序 数字 信号 存储设备 (硬盘) 模拟 信号 右声道 左声道
声卡播放原理图
三、声卡的结构和组成
游戏接口 M ID I接 口 麦克风输入 控制总线 M IC 放大器 数字声音 地址总线 总线接口 和控制器 数据总线 功率 放大器 音乐 合成器 处理器 混合信号 处理器
P C
总 线
第3节 声卡的构造及工作原理
一、声卡的主要功能
• 声卡是多媒体计算机的主要部件之一，它协助CPU 处理音频数据。 • 基本功能： – 录制与播放声音 通过接在声卡上的话筒录制声 音，并以文件形式保存在计算机中，随时可打开 声音文件进行播放。声音文件的格式可因使用不 同的软件而不同。 – 音乐合成 利用声卡上的合成器将存储在计算机 内存中的MIDI文件合成为音乐乐曲。通过混合器 混合和处理多个不同音频源的声音，控制和调节 音量大小，最后送至音箱或耳机播放。
音频 质量
采样频率 kHz
采样精度 bit
声道 形式 单声道
数码率 kbps
频带 Hz
电话 AM FM CD DA T
8 11.02 5 22.05 44.1 48
8 8 16 16 16
64 88.2
200~3400 50~7000 20~15000 20~20000 20~20000
单声道
立体声
左图为采样率2000Hz，量化等级为20的采样量化过程 右图为采样率4000Hz，量化等级为40的采样量化过程
• 当采样率和量化等级提高一倍，从图中可以看出， 当用D/A转换器重构原来信号时（图中的轮廓线）， 信号的失真明显减少，信号质量得到了提高。
编码
压缩
音频 文件
100101100011101
模拟信号的数字化过程
一、声音的数字化过程
1. 采样（Sampling） • 对振幅随时间连续变化的模拟信号波形按一定的时间间隔 取出样值，形成在时间上不连续的脉冲序列，称之为采样。 2. 量化（Quantization） • 将采样值相对于振幅进行离散的数值化的操作称为量化。 即将模拟信号的幅度，在动态范围内划分为相等间隔的若 干层次，把采样输出的信号电平按照四舍五入的原则归入 最靠近的量值。 3. 编码（Coding） • 把采样、量化所得的量值变换为二进制数码的过程称为编 码。 4. 压缩（Compress）目的是减少数据量与提高传输效率。 依据：声音信息中存在着多种冗余；听觉器官的不敏感性； 采样的标本中存在着相关性。
例2
例3
一般播音员的播音频率是４kHz，采用8bit的采用精度单声道 进行采样的时候，计算该播音员播音１０分钟的数据量为：
８kHz＊１０＊６０ ≈ 4.5MB
例4
以CD音质（44.1kHz的采样频率，16位立体声形式）记录一 首５分钟的乐曲所需的存储容量为： 44 100（Hz）×（16/8）（B）×2×５×60 ≈ 51600kB
705.6
立体声
1411.2
立体声
1536
第2节 常用音频格式介绍
• WAV文件(.wav)
– WAV——Wave，波形文件 – 由Microsoft和IBM联合开发的音频文件格式 – 特点：层次丰富、还原性好、表现力强；数据量大；应用 广泛
• CD-DA文件(.cda)
– 标准激光盘文件 – 特点：数据量大，音质好
• AIFF文件(.aif/.aiff)
– AIFF——Audio Interchange File Format，Apple公司开 发的一种声音文件的格式 – 用于不同平台之间音频信息的交换
Hale Waihona Puke • MP3文件(.mp3)
– MPEG压缩编码 – 特点：压缩比1：10；音质较wav稍差，但数据量小而质量 高
• 奈奎斯特理论：采样频率应该大于或等于声音信号 最高频率的两倍就能把以数字表达的声音还原成原 来的声音，满足这个条件的数字化即称为无损数字 化。 fs≥2×fmax • 例如，如果某声音信号最高频率约为3.4kHz，则采 样频率取为8kHz是合适的。 • 常用的采样频率： • 8kHZ(电话质量);11.025kHZ(AM); • 22.05kHZ(FM);44.1kHZ(CD质量).
采样与量化过程示例
以图所示的原始模拟波形为例进行采样和量化。 假设采样频率为1000次/秒，即每1/1000秒A/D转 换器采样一次，其幅度被划分成09共10个量化等 级，并将其采样的幅度值取最接近0 9之间的一 个数来表示，如图所示。图中每个长方形表示一 次采样。
当D/A转换器从图4-2得到的数值中重构原来信号 时，得到图4-3中蓝色(直线段)线段所示的波形。 从图中可以看出，蓝色线与原波形(红色线)相比， 其波形的细节部分丢失了很多。这意味着重构后 的信号波形有较大的失真。
2) 量化位数 • 量化位数也称“量化精度”，是描述每个采样点 样值的二进制位数。例如，8位量化位数表示每 个采样值可以用28即256个不同的量化值之一来 表示，而16位量化位数表示每个采样值可以用 216即65536个不同的量化值之一来表示。常用的 量化位数为8位、12位、16位。 • 量化噪声是指某个采样时间点的模拟值和最近的 量化值之间的差。误差最大可以达到离散间距的 一半。 • 量化位数越大，量化噪声越小。
D = 6N
3) 声道数 • 声音通道的个数称为声道数，是指一次采样所记 录产生的声音波形个数。记录声音时，如果每次 生成一个声波数据，称为单声道；每次生成两个 声波数据，称为双声道（立体声）。随着声道数 的增加，所占用的存储容量也成倍增加。
采样频率 每秒钟抽取声波幅度 样本的次数 采样频率越高 声音质量越好 数据量也越大 11.025kHz 22.05 kHz 44.1 kHz 量化位数 每个采样点用多少二进制位 表示数据范围 量化位数越多 音质越好 数据量也越大 8位＝256 个值 16位＝65536个值 声道数 使用声音通道的个数 立体声比单声道的表 现力丰富，但数据量 翻倍 单声道 立体声
L in e 输 入 CD输 入 扬声器输出
声卡的内部结构
• 声卡主要组成和功能：
1. 音频处理芯片（DSP）：基本上定了整个声卡的 性能和档次，是声卡上的核心部件。在音频数据的 处理中，其算法和处理过程都由主芯片来完成。
音频处理芯片
2. 编、译码芯片（Codec） ：具有D/A（数字 信号转换成模拟信号）和A/D（模拟信号转换 成数字信号）转换功能。我们在听音乐的时 候用到的是D/A转换功能。在接收到数字信号 相同的情况下，D/A的好坏直接决定着声卡的 音质。
• 其它接口：
• 电话应答接口：实现与Modem的连接，并向Modem传送 话筒信号，配合软件，可使电脑具备电话自动应答功能。 • 辅助设备接口(AUX-IN)：用于将电视卡等设备的声音信号 输入声卡并通过音箱播放。 • CD模拟音频接口: 通过此接口实现CD音频信号的直接播 放。 • CD数字音频输入接口(CD-SPDIF)：接收来自光驱的数字 音频信号。 • 音频扩展接口(SPDIF-EXT)：用来连接到数字I/O子卡，实 现数字信号的输入和输出。
三、 数字音频文件的存储量
• 以字节为单位，模拟波形声音被数字化后音频文 件的存储量(假定未经压缩)为：
存储量=采样频率×（量化位数/8）×声道数×声音持续时间
• 例如，用44.1KHz的采样频率进行采样，量化位 数选用16位，则录制1秒的立体声节目，其波形 文件所需的存储量为： 44100×16/8×2×1=176400(字节B)
第3章 数字音频基础
学习目标
• 理解声音的数字化的过程 • 掌握数字化过程中的一些重要概念：采样 频率、量化精度（位数）、量化噪声、动 态范围等 • 掌握计算音频文件数据量的方法。 • 了解常见的音频格式及其特点。 • 了解声卡的构造及工作原理
第1节 声音的数字化
• 数字音频获取过程：
模拟音 频信号
四、比特率（传码率）
• 比特率，或传码率，是指每秒传送的比特(bit)数。 单位为 bps (Bit Per Second)。 • 比特率越高，传送的数据越大，音质越好。 • 计算方法：I=b*f*s • CD的比特率为1.4Mb/s • MP3：112~128kb/s
• 128Kb/s为手机立体声MP3播放器最佳设定 值、低档MP3播放器最佳设定值
• WMA文件(.wma)
– WMA——Windows Media Audio，微软公司推出的与MP3 格式齐名的一种新的音频格式 – 特点：压缩比和音质方面都超过了MP3，更是远胜于RA， 即使在较低的采样频率下也能产生较好的音质
• MIDI文件(.mid)
– MIDI—— Musical Instrument Digital Interface，乐器数字 化接口文件 – 不是将声音的波形进行数字化采样和编码，而是将数字式 电子乐器的弹奏过程记录下来 – 特点：数据量小
二、声卡的工作原理：
• 录制声音需要进行多步操作，麦克风将空气中的声 压变化转换为模拟信号。经声卡放大后数字化，生 成的数据流由软件处理为标准文件格式(如WAV)， 然后保存到硬盘。
声卡硬件 驱动程序 麦克风 模拟 信号 数字 信号
存储设备 (硬盘)
声卡的录制原理图
• 播放音乐是声音的回放过程，即录制声音的逆过 程。
– 压缩和解压缩音频文件 目前，大多数声卡上都 固化了不同标准的音频压缩和解压缩软件，常 用的压缩编码方法有ADPCM(自适应差分脉冲 编码调制)和ACM(微软音频压缩管理器)等，压 缩比大约为2:1~5:l。 – 与MIDI设备和CD驱动器的连接 通过声卡上的 MIDI接口，计算机可以同外界的MIDI设备相连 接，如连接电子琴、电吉他等，使MPC具有创 作电脑乐曲和播放MIDI文件的功能。游戏杆也 可通过MIDI接口与计算机相连接，使游戏玩起 来得心应手。
声卡硬件 软件驱动程序 数字 信号 存储设备 (硬盘) 模拟 信号 右声道 左声道
声卡播放原理图
三、声卡的结构和组成
游戏接口 M ID I接 口 麦克风输入 控制总线 M IC 放大器 数字声音 地址总线 总线接口 和控制器 数据总线 功率 放大器 音乐 合成器 处理器 混合信号 处理器
P C
总 线
第3节 声卡的构造及工作原理
一、声卡的主要功能
• 声卡是多媒体计算机的主要部件之一，它协助CPU 处理音频数据。 • 基本功能： – 录制与播放声音 通过接在声卡上的话筒录制声 音，并以文件形式保存在计算机中，随时可打开 声音文件进行播放。声音文件的格式可因使用不 同的软件而不同。 – 音乐合成 利用声卡上的合成器将存储在计算机 内存中的MIDI文件合成为音乐乐曲。通过混合器 混合和处理多个不同音频源的声音，控制和调节 音量大小，最后送至音箱或耳机播放。
音频 质量
采样频率 kHz
采样精度 bit
声道 形式 单声道
数码率 kbps
频带 Hz
电话 AM FM CD DA T
8 11.02 5 22.05 44.1 48
8 8 16 16 16
64 88.2
200~3400 50~7000 20~15000 20~20000 20~20000
单声道
立体声
左图为采样率2000Hz，量化等级为20的采样量化过程 右图为采样率4000Hz，量化等级为40的采样量化过程
• 当采样率和量化等级提高一倍，从图中可以看出， 当用D/A转换器重构原来信号时（图中的轮廓线）， 信号的失真明显减少，信号质量得到了提高。