第二章数字声音及MIDI
合集下载
数字声音与生活教案
数字声音与生活教案第一章：数字声音概述1.1 声音的数字化过程1.2 数字声音的常见格式1.3 数字声音的优势与劣势第二章：数字声音的采集与处理2.1 数字声音的采集方法2.2 数字声音的处理软件与技术2.3 数字声音的剪辑与合成技巧第三章：数字声音的应用领域3.1 广播与电视3.2 电影制作3.3 音乐制作与数字音乐3.4 语音识别与第四章：数字声音的存储与传输4.1 数字声音的存储格式4.2 数字声音的传输技术4.3 数字音频接口与硬件设备第五章：数字声音的版权保护与伦理问题5.1 数字声音的版权保护法律法规5.2 数字声音的版权维权途径5.3 数字声音的伦理问题与责任第六章：数字音频编辑软件应用6.1 常见的数字音频编辑软件介绍6.2 Adobe Audition的使用方法6.3 Audacity的基本操作和功能第七章：声音的调制与音效制作7.1 声音调制的原理与技术7.2 常见音效的制作方法7.3 环境音效与空间音效的创建第八章：数字音乐制作基础8.1 数字音乐制作流程与步骤8.2 音乐创作软件与硬件设备8.3 数字音乐编曲与MIDI技术第九章：语音合成与9.1 语音合成的技术原理9.2 在数字声音中的应用9.3 智能语音与虚拟主播第十章：数字声音在教育领域的应用10.1 数字声音在远程教育中的应用10.2 互动式教学中的数字声音运用10.3 数字声音教育资源的设计与开发第十一章：数字音频技术在游戏产业中的应用11.1 游戏音乐与音效的设计原则11.2 3D游戏音效与空间定位技术第十二章：数字音频技术在社交媒体的影响12.1 社交媒体中的音频功能与应用12.2 音频直播与播客的兴起12.3 数字音频内容的创意营销策略第十三章：数字音频技术在辅助听障人士中的应用13.1 辅助听障设备的原理与种类13.2 语音识别与合成技术在听障人士中的应用13.3 数字音频技术在未来听障辅助领域的展望第十四章：数字音频技术在环境保护与监测中的应用14.1 声音监测与环境保护的关系14.2 数字音频在生物多样性监测中的应用14.3 噪声控制与声音景观管理第十五章：数字音频技术的未来发展趋势15.1 虚拟现实与增强现实中的音频技术15.2 智能家居与物联网中的数字音频应用15.3 音频技术在与智能穿戴设备的发展重点和难点解析本文教案主要围绕“数字声音与生活”这一主题展开，内容涵盖了数字声音的概述、采集与处理、应用领域、存储与传输、版权保护与伦理问题以及数字音频编辑软件应用等多个方面。
第二章 数字音频编辑与处理
定俗成的整个电脑音乐的统称。
● 特点：文件不记载声音本身波形数据，可以理解为一个乐队的“总谱”
：上边记录的是有哪些乐器、每种乐器的音高、节奏、强弱等；通过声卡将
这个乐谱识出来，并用已经存放在声卡或者软件中的音色库把对应的声音播 放出来。 ● 应用：适合应用在对资源占用要求苛刻的场合，比如多媒体光盘、游戏 制作、背景音乐等。主要用于计算机声音的重放和处理。
● 声音的三要素
代表声音的快慢，与频率有关；使
● 音调 — (快慢)
用音频处理软件对声音的频率进行
调整时，其音调也会随之发生变化 (慢) (快) 声音的强度 (响度或音量)，与声波振幅成
● 音强 — (强弱)
正比；唱盘、CD 盘等声音载体中的音强
不变，通过播放设备的音量控制可改变聆 (弱) (强) (停) 听时强度；音频处理软件可提高声源音强 声音的特色，主要影响因素是复音；复
主讲：韩立华
信息学院基础教研室
目标
• • • • • • 掌握声音的概念、特点和三个要素； 理解模拟音频转换为数字音频的过程； 掌握常见的音频文件格式及其特点； 了解音量调整、声音录制等基本知识； 掌握音频处理软件CoolEdit的基本用法。 会用CoolEdit制作自己的音频作品。
数字音频编辑处理
数字音频编辑处理
（1）采样
采样是采集声音模拟信号的样本，然 后再转换成数字信号。
数字音频编辑处理
（1）采样
采样是采集声音模拟信号的样本，然后再转 换成数字信号。
采样用两个参数来衡量：
采样频率 采样分辨率
又称：采样位数、 采样精度、量化 位数、量化精度
单位时间内 采样的数量
记录每次采样值大 小的数值的位数
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
第二章 数字声音及MIDI简介
第二章 数字声音 及MIDI简介
2.1 声音与听觉器官 2.2 声音信号数字化 2.3 声音文件的存储格式 2.4 声音工具 2.5 电子乐器与听觉器官
声音是通过空气传播的一种连续的波，叫声波。
声音的三要素为声调(声音频率的高低）、音量 (强弱)和音色（混入基音中的泛音决定）。
三、采样频率
采样频率的高低可根据奈奎斯特理论(Nyquist theory)和声音信号本身的最高频率决定的。 奈奎斯特理论指出，采样频率不应低于声音信 号最高频率的两倍。此时可以达到无损数字化 (lossless digitization) 。
2.2 声音信号数字化
即有以下采样定律 fs 2f 或者 Ts T/2 其中f为被采样信号的最高频率。 例如，电话话音的信号频率约为3.4 kHz，采样频率 就选为8 kHz。
2.5 电子乐器数字接口(MIDI)系统
单个物理MIDI通道(MIDI channel)分成16个逻 辑通道，每个逻辑通道可指定一种乐器，如图所示
2.5 电子乐器数字接口(MIDI)系统
五、MIDI消息
MIDI数据是一套音乐符号的定义，而不是实际 的音乐声音，因此MIDI文件的内容被称为MIDI消息
64.0
88.2
200～3 400 Hz
50～7 000Hz
FM
CD DAT
22.050
44.1 48
16
16 16
立体声
立体声 立体声
705.6
1411.2 1536.0
20～15 000Hz
20～20 000 Hz 20～20 000 Hz
2.3 声音文件的存储格式
声音文件格式很多，但目前比较流行的有以： .wav(waveform):windows .au(audio):sun
2.1 声音与听觉器官 2.2 声音信号数字化 2.3 声音文件的存储格式 2.4 声音工具 2.5 电子乐器与听觉器官
声音是通过空气传播的一种连续的波，叫声波。
声音的三要素为声调(声音频率的高低）、音量 (强弱)和音色（混入基音中的泛音决定）。
三、采样频率
采样频率的高低可根据奈奎斯特理论(Nyquist theory)和声音信号本身的最高频率决定的。 奈奎斯特理论指出，采样频率不应低于声音信 号最高频率的两倍。此时可以达到无损数字化 (lossless digitization) 。
2.2 声音信号数字化
即有以下采样定律 fs 2f 或者 Ts T/2 其中f为被采样信号的最高频率。 例如，电话话音的信号频率约为3.4 kHz，采样频率 就选为8 kHz。
2.5 电子乐器数字接口(MIDI)系统
单个物理MIDI通道(MIDI channel)分成16个逻 辑通道，每个逻辑通道可指定一种乐器，如图所示
2.5 电子乐器数字接口(MIDI)系统
五、MIDI消息
MIDI数据是一套音乐符号的定义，而不是实际 的音乐声音，因此MIDI文件的内容被称为MIDI消息
64.0
88.2
200～3 400 Hz
50～7 000Hz
FM
CD DAT
22.050
44.1 48
16
16 16
立体声
立体声 立体声
705.6
1411.2 1536.0
20～15 000Hz
20～20 000 Hz 20～20 000 Hz
2.3 声音文件的存储格式
声音文件格式很多，但目前比较流行的有以： .wav(waveform):windows .au(audio):sun
数字声音及MIDI
• T为抽样周期，1/T抽样频率
–
量化：把抽样序列x(nT)量化成一个有限个 幅度之的集合x’(nT).
2. 声音数字化：
– – – Sampling, Quantization, Coding 采样频率与量化精度 Nyquist定理（1928年提出原理，仙侬形成 定理并应用，1933年卡切尼科夫用公式表 述）：
– 在乐器上演奏音符，采样 – 存于ROM中 – 合成。图2-9
5.MIDI系统:
– MPC:MIDI 接口与声音模块组合在卡上。SoundMAX Wavetable synthesizer(MIDI音乐播放器） – Windows Media Player 播放 MIDI音乐（music\容易受伤的女 人.mid，music\梁祝.mid） – 制作软件Midisoft Studio 6
– – MIDI MIDI是一套指令，指示MIDI设备做什么，如何做。 MIDI MIDI不是声音信号，而是发送给Midi 设备的，产 生声音或执行动作的指令。
2.
– –
MIDI乐音的产生方法
频率调制合成， FM 波形表合成 wave table synthesis
3.频率调制合成:
把几种乐音的波形用数字表达，存于计算机中并通过 数模转换器来生成乐音。专利售给Yamaha公司。乐音 由一组参数控制。 4.波形表合成 把乐器的真实声音记录下来，生成各种音符
3.采样频率
采样频率≥2f
这里f为被采样信号的最高频率。
4. 量化精度
– 量化： 取样值（-∞,+∞）→有限个数（量化 值近似） – 若量化值有J个，若用二进制表示，需要 R=log2(J) 位 – 量化误差：用有限的离散值表示无限多的连 续值，必然存在误差. 该误差又称为量化噪 声（与一般的噪声不同）。 – 采样精度可与用信噪比表示: R为编码位数
–
量化：把抽样序列x(nT)量化成一个有限个 幅度之的集合x’(nT).
2. 声音数字化：
– – – Sampling, Quantization, Coding 采样频率与量化精度 Nyquist定理（1928年提出原理，仙侬形成 定理并应用，1933年卡切尼科夫用公式表 述）：
– 在乐器上演奏音符，采样 – 存于ROM中 – 合成。图2-9
5.MIDI系统:
– MPC:MIDI 接口与声音模块组合在卡上。SoundMAX Wavetable synthesizer(MIDI音乐播放器） – Windows Media Player 播放 MIDI音乐（music\容易受伤的女 人.mid，music\梁祝.mid） – 制作软件Midisoft Studio 6
– – MIDI MIDI是一套指令，指示MIDI设备做什么，如何做。 MIDI MIDI不是声音信号，而是发送给Midi 设备的，产 生声音或执行动作的指令。
2.
– –
MIDI乐音的产生方法
频率调制合成， FM 波形表合成 wave table synthesis
3.频率调制合成:
把几种乐音的波形用数字表达，存于计算机中并通过 数模转换器来生成乐音。专利售给Yamaha公司。乐音 由一组参数控制。 4.波形表合成 把乐器的真实声音记录下来，生成各种音符
3.采样频率
采样频率≥2f
这里f为被采样信号的最高频率。
4. 量化精度
– 量化： 取样值（-∞,+∞）→有限个数（量化 值近似） – 若量化值有J个，若用二进制表示，需要 R=log2(J) 位 – 量化误差：用有限的离散值表示无限多的连 续值，必然存在误差. 该误差又称为量化噪 声（与一般的噪声不同）。 – 采样精度可与用信噪比表示: R为编码位数
数字声音及MIDI简介
三、MIDI音序器
·概念 ·音轨
因而采样频率11. 根据CCITT(Consultative Committee of International Telegraph and Telephone)的声音标准，把声音根据使用范围分为以下三个等级： 声音进入计算机的第一步就是数字化
频率和振幅(0—120db) 1kHz，可完全重现原来的声音。 乐器数字化接口（Musical Instrumment DigitalInterface） ·计算机作曲(cakewalk) 带宽:用于描述组成复合信号的频率范围。 ·超声(ultyrasonic) 压缩比1：15，比Mp3的1：12高。
Realone player ,
是最好的一种声音格式文件，16为采 样精度，44.1kHz，可完全重现原来 的声音。
Windows自带工具CD唱机
2.4 MIDI系统
一、MIDI的产生
Musical Instrument Digital interface 用于在音乐合成器(music synthesizers)、（music instruments)和计算机之间交换音乐信息的 一种标准协议。
fs ≥ 2 fmax
fs ≥ 2 fmax 媒体播放器、超级解霸，Realone Player、Winmap ·高保真立体声级：20Hz-20kHz 3 常用声音文件格式及存储 ·音频信号(adio)
SNR=10lg[(Vsignal)2/(Vnoise)2]=20 lg(Vsignal/vnoise) 1kHz，可完全重现原来的声音。 因而采样频率11. ·计算机作曲(cakewalk)
一、采样
采样定理(1924,Nyquist thoery)
fs ≥ 2 fmax
·概念 ·音轨
因而采样频率11. 根据CCITT(Consultative Committee of International Telegraph and Telephone)的声音标准，把声音根据使用范围分为以下三个等级： 声音进入计算机的第一步就是数字化
频率和振幅(0—120db) 1kHz，可完全重现原来的声音。 乐器数字化接口（Musical Instrumment DigitalInterface） ·计算机作曲(cakewalk) 带宽:用于描述组成复合信号的频率范围。 ·超声(ultyrasonic) 压缩比1：15，比Mp3的1：12高。
Realone player ,
是最好的一种声音格式文件，16为采 样精度，44.1kHz，可完全重现原来 的声音。
Windows自带工具CD唱机
2.4 MIDI系统
一、MIDI的产生
Musical Instrument Digital interface 用于在音乐合成器(music synthesizers)、（music instruments)和计算机之间交换音乐信息的 一种标准协议。
fs ≥ 2 fmax
fs ≥ 2 fmax 媒体播放器、超级解霸，Realone Player、Winmap ·高保真立体声级：20Hz-20kHz 3 常用声音文件格式及存储 ·音频信号(adio)
SNR=10lg[(Vsignal)2/(Vnoise)2]=20 lg(Vsignal/vnoise) 1kHz，可完全重现原来的声音。 因而采样频率11. ·计算机作曲(cakewalk)
一、采样
采样定理(1924,Nyquist thoery)
fs ≥ 2 fmax
第二章 数字音频处理
◆
为了把采样得到的离散序列信号存入计算机， 必须将采样值量化成有限个幅度值的集合，采样值 用二进制数字表示的过程称为量化编码。
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）， D/A转换器重构原来信号时 ），信 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。 பைடு நூலகம்的失真明显减少，信号质量得到了提高。
2.1.2 声音的三要素
声音的三要素是音调、音色和音强。 声音的三要素是音调、音色和音强。 音调 音调---代表了声音的高低。 1.音调---代表了声音的高低 1.音调---代表了声音的高低。 音调与频率有关，频率越高，音调越高，反之亦 音调与频率有关，频率越高，音调越高， 如果改变某种声源的音调， 然。如果改变某种声源的音调，则声音会发生质 的转变，使人们无法辨别声源本来的面目。 的转变，使人们无法辨别声源本来的面目。
fs ≥2f 或者 Ts ≤T/2 其中f为被采样信号的最高频率 fs 为采样频率
2.2.3 影响数字音频质量的技术参数 对模拟音频信号进行采样量化编码后，得 到数字音频。数字音频的质量取决于采样频率、 量化位数和声道数三个因素。 1) 采样频率 采样频率是指一秒钟时间内采样的次数。 在计算机多媒体音频处理中，采样频率通常采 用三种：11.025KHz(语音效果)、22.05KHz(音 乐效果)、44.1KHz(高保真效果)。常见的CD唱 盘的采样频率即为44.1KHz。
2.1 多媒体计算机的组成与结构 2.2 多媒体音频 2.3 多媒体视频 2.4 多媒体光存储器 2.5 多媒体输入输出设备
为了把采样得到的离散序列信号存入计算机， 必须将采样值量化成有限个幅度值的集合，采样值 用二进制数字表示的过程称为量化编码。
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）， D/A转换器重构原来信号时 ），信 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。 பைடு நூலகம்的失真明显减少，信号质量得到了提高。
2.1.2 声音的三要素
声音的三要素是音调、音色和音强。 声音的三要素是音调、音色和音强。 音调 音调---代表了声音的高低。 1.音调---代表了声音的高低 1.音调---代表了声音的高低。 音调与频率有关，频率越高，音调越高，反之亦 音调与频率有关，频率越高，音调越高， 如果改变某种声源的音调， 然。如果改变某种声源的音调，则声音会发生质 的转变，使人们无法辨别声源本来的面目。 的转变，使人们无法辨别声源本来的面目。
fs ≥2f 或者 Ts ≤T/2 其中f为被采样信号的最高频率 fs 为采样频率
2.2.3 影响数字音频质量的技术参数 对模拟音频信号进行采样量化编码后，得 到数字音频。数字音频的质量取决于采样频率、 量化位数和声道数三个因素。 1) 采样频率 采样频率是指一秒钟时间内采样的次数。 在计算机多媒体音频处理中，采样频率通常采 用三种：11.025KHz(语音效果)、22.05KHz(音 乐效果)、44.1KHz(高保真效果)。常见的CD唱 盘的采样频率即为44.1KHz。
2.1 多媒体计算机的组成与结构 2.2 多媒体音频 2.3 多媒体视频 2.4 多媒体光存储器 2.5 多媒体输入输出设备
第二章数字声音及MIDI-资料
5. 音频数据率
未经压缩的数字音频数据率（bit/s）＝ 采样频率（Hz）×量化位数 （bit）×声道数
音频数据存储量（Byte）＝ 数据率（bit/s）×持续时间（s） / 8
存储量=采样频率×量化位数/8×声道数×时间
例：采样率11.025KHz、量化位8位，采集1分钟， 则：音频数据率＝11.025（KHz）×8（bit） ＝ 88.2 (Kbit/s) 音频数据量＝11.025（KHz）×8（bit） ×60（s）/8＝ 0.66 (MByte)
振 幅
周期
基线
•基线是测量模拟信号的基准点。 •声波的振幅表示声音信号的强弱程度。 •声波的频率反映出声音的音调，声音细尖 表示频率高，声音粗低表示频率低。
•振幅和频率不变的声音信号，称为单音。 单音一般只能由专用电子设备产生。
•在日常生活中，我们听到的自然界的声音 一般都属于复音，其声音信号由不同的振
幅与频率合成而得到。
模拟声音信号：可分解成一系列正弦波的 线性叠加。
最低频的音波称为基音，频率为基频 其余的为泛音，频率是基频的整数倍。
声音三要素：音高、音色、音强
音高：由基频决定，基频取对数后与人的音高 感觉成线性关系。
音色：有混入基音中的泛音决定。
音强：幅度，听觉与声音信号强度不成线性关 系，因而用20log幅度（分贝）表示
声音的质量与数据率
根据声音的频带，把声音的质量分为5个 等级
质量
采样频率 分辨率 （KHz） (b/s)
单声道/ 数据率 频率范围
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。
- 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)。
Windows Media Player 播放 MIDI音乐
制作软件Midisoft Studio 6
MIDI文件
记录MIDI信息的标准格式文件称MIDI文件，其中 包含音符、定时和多达16个通道的乐器定义以及 键号、通道号、持续时间、音量和击键力度等各 个音符的有关信息。定义和产生乐曲的MIDI信息 和数据组存放于MIDI文件中，每个MIDI文件最多 可存放16个音乐通道的信息。
1. 从模拟信号到数字信号
模拟信号：在时间与幅度上都连续，连续 记为x(t).
离散信号：按一定的时间间隔T，得到的 x(nT).
T为抽样周期，1/T抽样频率
量化：把抽样序列x(nT)量化成一个有限个幅 度之的集合x’(nT).
对模拟音频信号进行采样量 化编码后，得到数字音频。数字 音频的质量取决于
第二章 数字声音及MIDI
信息：数、文、形、音、图 音频：麦克风、扬声器 多媒体计算机：
声音的输入、存储、处理、输出
声音：消息、意向、情感
表示方式 汉字内码 点阵 声音
数据量
表达信息
2-4字节
编码
32—数百字节 汉字形、体
几千字节
声学、意向、情感
2.1 声音与听觉
声音：通过空气传播的一种连续的波， 又称声波。
WAV文件来源于对声音模拟波形的采样。用不同 的采样频率对声音的模拟波形进行采样可以得到 一系列离散的采样点，以不同的量化位数（8位或 16位）把这些采样点的值转换成二进制数，然后 存入磁盘，这就产生了声音的WAV文件，即波形 文件。WAV文件是由采样数据组成的，所以它需 要的存储容量很大。
（2） VOC文件
（3） MIDI文件
MIDI（musical instrument digital interface）是一种技术规范，从它的英文全 名可以看出，它用于音乐。
其他音频文件
最重要的是PCM格式，它是模拟的音频信号经数模转 换（A/D变换）直接形成的二进制序列，该文件没有 附加的文件头和文件结束标志。在声卡提供的软件中， 可以利用VOC HDR程序，为PCM格式的音频文件 加上文件头，而形成VOC格式。Windows的 Convert工具也可以将PCM音频文件转换成 Microsoft的WAV格式。
•采样频率 •量化位数 •声道数
采样频率
采样频率是指一秒钟时间内采样的次数。 在计算机多媒体音频处理中，采样频率通
常采用三种：11.025KHz(语音效果)、 22.05KHz(音乐效果)、44.1KHz(高保真效 果)。常见的CD唱盘的采样频率即为 44.1KHz。
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。
音序器是一种为MIDI作曲而设计的软件或设备， 可用来记录、播放及编辑MIDI事件，大多数音序 器可输入输出MIDI文件。当演奏MIDI文件时，音 序器将MIDI信息从文件中取出并送至合成器中。
MIDI作品
MIDI作者可以购买现成的产品，也可以自己制作。 当然，开发自己的MIDI作品，除了必须拥有计算 机方面的知识与设备之外，还需要具备专业音乐 知识和专用工具。
振 幅
周期
基线
•基线是测量模拟信号的基准点。 •声波的振幅表示声音信号的强弱程度。 •声波的频率反映出声音的音调，声音细尖 表示频率高，声音粗低表示频率低。
•振幅和频率不变的声音信号，称为单音。 单音一般只能由专用电子设备产生。
•在日常生活中，我们听到的自然界的声音 一般都属于复音，其声音信号由不同的振
3. 常见声音文件的扩展名 表2-2
声音文件
在多媒体技术中，存储声音信息的常用文 件格式主要有：WAV文件、VOC文件、 MIDI文件、AIF文件、SNO文件和RMI文件 等。
（1） WAV文件
WAV是Microsoft公司的音频文件格式。利用 Microsoft Sound System软件Sound Finder可 以将AIF、SND和VOD文件转换到WAV格式。
声音的度量：频率与幅度（声波压力的 大小）
频率用音高表示，幅度用声强表示 与看得见的水波类似
波形声音
波形声音，实际上包含了所有的声音形式。任何 声音信号，包括麦克风、磁带录音、无线电和电 视广播、光盘等各种声源所产生的声音，都要首 先对其进行模数转换，然后再恢复出来。
语音（speech）
声卡：附带wave studio 网上：cool edit, goldwave
Windows Media Player
播放和组织计算机和 Internet 上的数字媒体文件。 这就好象把收音机、视频播放机、CD 播放机和 信息数据库等都装入了一个应用程序中
Windows Media Player 播放器支持的文件类 型.doc
10
lg
2
( signal 2 noise
)
6R
5. 音频数据率
未经压缩的数字音频数据率（bit/s）＝ 采样频率（Hz）×量化位数 （bit）×声道数
音频数据存储量（Byte）＝ 数据率（bit/s）×持续时间（s） / 8
存储量=采样频率×量化位数/8×声道数×时间
例：采样率11.025KHz、量化位8位，采集1分钟， 则：音频数据率＝11.025（KHz）×8（bit） ＝ 88.2 (Kbit/s) 音频数据量＝11.025（KHz）×8（bit） ×60（s）/8＝ 0.66 (MByte)
人的声音不仅是一种波形，而且还有内在的语言、 语音学的内涵，可以利用特殊的方法进行抽取， 通常将语音也作为一种媒体。
音乐
音乐是符号化了的声音。这种符号就是乐曲，乐 谱是转化为符号媒体的声音。电子乐器数字接口 （musical instrument digital interface, MIDI ） 是十分规范的一种形式。
16
立体声 176.4 20～2000
DAT
48
16
立体声 192.0 20～2000
2.3 声音文件的存储格式
1. 声音文件的格式：
PC机：.wav Apple: .aiff, .snd Unix: .au
2. 波形文件格式：1991年IBM与微软开发（以 .wav 为扩展名） Fig 2.3
把几种乐音的波形用数字表达，存于计算机中 并通过数模转换器来生成乐音。专利售给 Yamaha公司。乐音由一组参数控制。
4.波形表合成
把乐器的真实声音记录下来，生成各种音符 在乐器上演奏音符，采样 存于ROM中 合成。图2-9
5.MIDI系统:
MPC:MIDI 接口与声音模块组合在卡上。 SoundMAX Wavetable synthesizer(MIDI音 乐播放器）
2. 声音数字化：
Sampling, Quantization, Coding 采样频率与量化精度
3.采样频率
奈奎斯特(Nyquist)定理（1928年提出原理， 仙侬(Shannon)形成定理并应用，1933年卡 切尼科夫用公式表述）：
采样频率2f
这里f为被采样信号的最高频率。
4. 量化精度
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。
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。
2.5 声音质量的度量
1.声音信号的带宽 2.客观质量度量
signal-to-noise ratio,SNR 3.主观质量度量:人的感觉
MOS:mean opinion score
声音质量 MOS标准
分数 5 4 3 2 1
质量级别 优 ( Excellent )
良 ( Good ) 中 ( Fair ) 差 ( Poor ) 劣 ( Bad )
失真级别 察觉不到 （刚）察觉但不讨厌 （察觉）及有点讨厌 讨厌而不反感 极讨厌（令人反感）
2.5 声音质量的度量
作业
1. 使用“录音机”软件把10秒钟的CD音乐录制成 CD音质（44.1kz、16位、双声道、PCM) 的.wav文件）。
2. 把录制的文件分别转换为“22.05kz、16位、单 声道、PCM”, “11.025kz、8位、单声道、PCM”以及“44.1kz、 4位、单声道、ADPCM”
VOC文件是Creative公司波形音频文件格式，也 是声卡使用的音频文件格式。每个VOC文件由文 件头块（header block）和音频数据块（data block）组成。文件头包含一个标识、版本号和 一个指向数据块起始的指针。数据块分成各种类 型的子块，如声音数据、静音、标记、ASCII码 文件、重复的结束，以及终止标记、扩展块等。
简谱 1 2 3 4 5 6 7
频率 261 293 330 349 392 440 494
20log频率 48.3 49.3 50.3 50.8 51.8 52.8 53.8
(1). 采样和量化 数字化音频的过程如下图所示。
(a) 模拟音频信号
(b) 音频信号的采样
(c) 采样信号的量化
2.2 声音信号数字化
带宽与听觉
次声带
音 频 （ Audio ） 带 宽
超声带
语 音 （ Speech ） 带 宽
20 300 f(Hz)
3K
20K
18k
Hertz，Amplitude, Frequency infra-sound, ultrasound, hypersound
感知声音的幅度：用dyne(达因）/平方厘米 表示，常转换成0—120dB(decibel),但对不 同的频率，同样的声强，感觉不同。
制作软件Midisoft Studio 6
MIDI文件
记录MIDI信息的标准格式文件称MIDI文件，其中 包含音符、定时和多达16个通道的乐器定义以及 键号、通道号、持续时间、音量和击键力度等各 个音符的有关信息。定义和产生乐曲的MIDI信息 和数据组存放于MIDI文件中，每个MIDI文件最多 可存放16个音乐通道的信息。
1. 从模拟信号到数字信号
模拟信号：在时间与幅度上都连续，连续 记为x(t).
离散信号：按一定的时间间隔T，得到的 x(nT).
T为抽样周期，1/T抽样频率
量化：把抽样序列x(nT)量化成一个有限个幅 度之的集合x’(nT).
对模拟音频信号进行采样量 化编码后，得到数字音频。数字 音频的质量取决于
第二章 数字声音及MIDI
信息：数、文、形、音、图 音频：麦克风、扬声器 多媒体计算机：
声音的输入、存储、处理、输出
声音：消息、意向、情感
表示方式 汉字内码 点阵 声音
数据量
表达信息
2-4字节
编码
32—数百字节 汉字形、体
几千字节
声学、意向、情感
2.1 声音与听觉
声音：通过空气传播的一种连续的波， 又称声波。
WAV文件来源于对声音模拟波形的采样。用不同 的采样频率对声音的模拟波形进行采样可以得到 一系列离散的采样点，以不同的量化位数（8位或 16位）把这些采样点的值转换成二进制数，然后 存入磁盘，这就产生了声音的WAV文件，即波形 文件。WAV文件是由采样数据组成的，所以它需 要的存储容量很大。
（2） VOC文件
（3） MIDI文件
MIDI（musical instrument digital interface）是一种技术规范，从它的英文全 名可以看出，它用于音乐。
其他音频文件
最重要的是PCM格式，它是模拟的音频信号经数模转 换（A/D变换）直接形成的二进制序列，该文件没有 附加的文件头和文件结束标志。在声卡提供的软件中， 可以利用VOC HDR程序，为PCM格式的音频文件 加上文件头，而形成VOC格式。Windows的 Convert工具也可以将PCM音频文件转换成 Microsoft的WAV格式。
•采样频率 •量化位数 •声道数
采样频率
采样频率是指一秒钟时间内采样的次数。 在计算机多媒体音频处理中，采样频率通
常采用三种：11.025KHz(语音效果)、 22.05KHz(音乐效果)、44.1KHz(高保真效 果)。常见的CD唱盘的采样频率即为 44.1KHz。
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。
音序器是一种为MIDI作曲而设计的软件或设备， 可用来记录、播放及编辑MIDI事件，大多数音序 器可输入输出MIDI文件。当演奏MIDI文件时，音 序器将MIDI信息从文件中取出并送至合成器中。
MIDI作品
MIDI作者可以购买现成的产品，也可以自己制作。 当然，开发自己的MIDI作品，除了必须拥有计算 机方面的知识与设备之外，还需要具备专业音乐 知识和专用工具。
振 幅
周期
基线
•基线是测量模拟信号的基准点。 •声波的振幅表示声音信号的强弱程度。 •声波的频率反映出声音的音调，声音细尖 表示频率高，声音粗低表示频率低。
•振幅和频率不变的声音信号，称为单音。 单音一般只能由专用电子设备产生。
•在日常生活中，我们听到的自然界的声音 一般都属于复音，其声音信号由不同的振
3. 常见声音文件的扩展名 表2-2
声音文件
在多媒体技术中，存储声音信息的常用文 件格式主要有：WAV文件、VOC文件、 MIDI文件、AIF文件、SNO文件和RMI文件 等。
（1） WAV文件
WAV是Microsoft公司的音频文件格式。利用 Microsoft Sound System软件Sound Finder可 以将AIF、SND和VOD文件转换到WAV格式。
声音的度量：频率与幅度（声波压力的 大小）
频率用音高表示，幅度用声强表示 与看得见的水波类似
波形声音
波形声音，实际上包含了所有的声音形式。任何 声音信号，包括麦克风、磁带录音、无线电和电 视广播、光盘等各种声源所产生的声音，都要首 先对其进行模数转换，然后再恢复出来。
语音（speech）
声卡：附带wave studio 网上：cool edit, goldwave
Windows Media Player
播放和组织计算机和 Internet 上的数字媒体文件。 这就好象把收音机、视频播放机、CD 播放机和 信息数据库等都装入了一个应用程序中
Windows Media Player 播放器支持的文件类 型.doc
10
lg
2
( signal 2 noise
)
6R
5. 音频数据率
未经压缩的数字音频数据率（bit/s）＝ 采样频率（Hz）×量化位数 （bit）×声道数
音频数据存储量（Byte）＝ 数据率（bit/s）×持续时间（s） / 8
存储量=采样频率×量化位数/8×声道数×时间
例：采样率11.025KHz、量化位8位，采集1分钟， 则：音频数据率＝11.025（KHz）×8（bit） ＝ 88.2 (Kbit/s) 音频数据量＝11.025（KHz）×8（bit） ×60（s）/8＝ 0.66 (MByte)
人的声音不仅是一种波形，而且还有内在的语言、 语音学的内涵，可以利用特殊的方法进行抽取， 通常将语音也作为一种媒体。
音乐
音乐是符号化了的声音。这种符号就是乐曲，乐 谱是转化为符号媒体的声音。电子乐器数字接口 （musical instrument digital interface, MIDI ） 是十分规范的一种形式。
16
立体声 176.4 20～2000
DAT
48
16
立体声 192.0 20～2000
2.3 声音文件的存储格式
1. 声音文件的格式：
PC机：.wav Apple: .aiff, .snd Unix: .au
2. 波形文件格式：1991年IBM与微软开发（以 .wav 为扩展名） Fig 2.3
把几种乐音的波形用数字表达，存于计算机中 并通过数模转换器来生成乐音。专利售给 Yamaha公司。乐音由一组参数控制。
4.波形表合成
把乐器的真实声音记录下来，生成各种音符 在乐器上演奏音符，采样 存于ROM中 合成。图2-9
5.MIDI系统:
MPC:MIDI 接口与声音模块组合在卡上。 SoundMAX Wavetable synthesizer(MIDI音 乐播放器）
2. 声音数字化：
Sampling, Quantization, Coding 采样频率与量化精度
3.采样频率
奈奎斯特(Nyquist)定理（1928年提出原理， 仙侬(Shannon)形成定理并应用，1933年卡 切尼科夫用公式表述）：
采样频率2f
这里f为被采样信号的最高频率。
4. 量化精度
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。
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。
2.5 声音质量的度量
1.声音信号的带宽 2.客观质量度量
signal-to-noise ratio,SNR 3.主观质量度量:人的感觉
MOS:mean opinion score
声音质量 MOS标准
分数 5 4 3 2 1
质量级别 优 ( Excellent )
良 ( Good ) 中 ( Fair ) 差 ( Poor ) 劣 ( Bad )
失真级别 察觉不到 （刚）察觉但不讨厌 （察觉）及有点讨厌 讨厌而不反感 极讨厌（令人反感）
2.5 声音质量的度量
作业
1. 使用“录音机”软件把10秒钟的CD音乐录制成 CD音质（44.1kz、16位、双声道、PCM) 的.wav文件）。
2. 把录制的文件分别转换为“22.05kz、16位、单 声道、PCM”, “11.025kz、8位、单声道、PCM”以及“44.1kz、 4位、单声道、ADPCM”
VOC文件是Creative公司波形音频文件格式，也 是声卡使用的音频文件格式。每个VOC文件由文 件头块（header block）和音频数据块（data block）组成。文件头包含一个标识、版本号和 一个指向数据块起始的指针。数据块分成各种类 型的子块，如声音数据、静音、标记、ASCII码 文件、重复的结束，以及终止标记、扩展块等。
简谱 1 2 3 4 5 6 7
频率 261 293 330 349 392 440 494
20log频率 48.3 49.3 50.3 50.8 51.8 52.8 53.8
(1). 采样和量化 数字化音频的过程如下图所示。
(a) 模拟音频信号
(b) 音频信号的采样
(c) 采样信号的量化
2.2 声音信号数字化
带宽与听觉
次声带
音 频 （ Audio ） 带 宽
超声带
语 音 （ Speech ） 带 宽
20 300 f(Hz)
3K
20K
18k
Hertz，Amplitude, Frequency infra-sound, ultrasound, hypersound
感知声音的幅度：用dyne(达因）/平方厘米 表示，常转换成0—120dB(decibel),但对不 同的频率，同样的声强，感觉不同。