第3章多媒体音频技术PPT讲稿.ppt

《第3章多媒体音频技术PPT讲稿.ppt》由会员分享，可在线阅读，更多相关《第3章多媒体音频技术PPT讲稿.ppt（78页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第3章多媒体音频技术第1页，共78页，编辑于2022年，星期一3.1 音频基础3.1.1 3.1.1 声音的基本概念声音的基本概念p声音在物理学上称之为声波，是通过一声音在物理学上称之为声波，是通过一定介质（如空气、水等）传播的连续的定介质（如空气、水等）传播的连续的振动的波。振动的波。p声波引起某处媒质压强的变化量称为该声波引起某处媒质压强的变化量称为该处的声压。处的声压。p声音的强弱声音的强弱体现在声波的振幅上体现在声波的振幅上p音调的高低音调的高低体现在声波的周期和频率上。体现在声波的周期和频率上。第2页，共78页，编辑于2022年，星期一2声音的频率p声源每秒振动的次数称为该声源的声源

2、每秒振动的次数称为该声源的“频频率率”。p用音频来表示声音信号的频率，单位为用音频来表示声音信号的频率，单位为赫兹（赫兹（HzHz）。）。u频率对于声音来说是个非常重要的概念，不频率对于声音来说是个非常重要的概念，不同的声音有不同的频率范围，人耳只能听到同的声音有不同的频率范围，人耳只能听到频率范围在频率范围在20Hz20Hz20kHz20kHz之间的声音，低于之间的声音，低于20Hz20Hz的次声和高于的次声和高于20kHz20kHz的超声都听不到。的超声都听不到。次声波次声波可听声波可听声波超声波超声波20Hz20Hz20kHz20kHzf(Hz)f(Hz)第3页，共78页，编辑于2022

3、年，星期一声音质量的标准p人耳对不同频率的敏感程度有很大差别人耳对不同频率的敏感程度有很大差别u对中频段（对中频段（2 kHz2 kHz4 kHz4 kHz）最为敏感，幅度）最为敏感，幅度很低的信号都能被人耳听到；很低的信号都能被人耳听到；u对低频区和高频区较不敏感，能被人耳听到对低频区和高频区较不敏感，能被人耳听到的信号幅度比中频段要高得多。的信号幅度比中频段要高得多。10 20 50 200 3.4k 7k 15k 20k10 20 50 200 3.4k 7k 15k 20kCD-DAFM广播AM广播广播电话电话f(Hz)第4页，共78页，编辑于2022年，星期一多媒体数据压缩的国际标准

4、 p音频压缩标准音频压缩标准 p音频信号是多媒体信息的重要组成部分。目前，音频信号是多媒体信息的重要组成部分。目前，业界公认的声音质量标准分为业界公认的声音质量标准分为4 4级，即数字激光唱级，即数字激光唱盘盘CD-DACD-DA质量，其信号带宽为质量，其信号带宽为10Hz10Hz20kHz20kHz；调频广；调频广播播FMFM质量，其信号带宽为质量，其信号带宽为20Hz20Hzl5kHzl5kHz；调幅广播；调幅广播AMAM质量，其信号带宽为质量，其信号带宽为50Hz50Hz7kHz7kHz；电话的话音质量，；电话的话音质量，其信号带宽为其信号带宽为200Hz200Hz3.4kHz3.4kH

5、z。可见，数字激光唱盘。可见，数字激光唱盘的声音质量最高，电话的话音质量最低。的声音质量最高，电话的话音质量最低。p数字音频压缩技术标准分为电话语音压缩、调幅数字音频压缩技术标准分为电话语音压缩、调幅广播语音压缩、高保真立体声音频压缩三种。广播语音压缩、高保真立体声音频压缩三种。第5页，共78页，编辑于2022年，星期一3声音的传播方向 p当辐射出来的声波波长比声源的尺寸大当辐射出来的声波波长比声源的尺寸大时，声波比较均匀地向时，声波比较均匀地向各方向各方向传播；传播；p当辐射出来的声波波长小于声源的尺寸当辐射出来的声波波长小于声源的尺寸时，声波集中地向时，声波集中地向正前方一个尖锐的圆正前方

6、一个尖锐的圆锥体范围锥体范围内传播。内传播。第6页，共78页，编辑于2022年，星期一4声音的三要素 p声音效果的三要素：音调、音强、音色。声音效果的三要素：音调、音强、音色。p音调：指声音的高低。音调的高低，主音调：指声音的高低。音调的高低，主要取决于声波频率的高低。频率越高，要取决于声波频率的高低。频率越高，音调越高，反之亦然。音调越高，反之亦然。p在使用音频处理软件对声音的频率进行在使用音频处理软件对声音的频率进行调整时，其音调也会随之产生变化。例调整时，其音调也会随之产生变化。例如，男子发音，其频率约在如，男子发音，其频率约在9090140Hz140Hz之之间，其音调较低；女子发音的频

7、率约在间，其音调较低；女子发音的频率约在270270550Hz550Hz之间，其音调较高。之间，其音调较高。第7页，共78页，编辑于2022年，星期一p音强：是指声音的强度，又称声音的响音强：是指声音的强度，又称声音的响度，由声波振动的振幅决定。它是人耳度，由声波振动的振幅决定。它是人耳感受到的声音强弱，是人对声音大小的感受到的声音强弱，是人对声音大小的一个主观感觉量。一个主观感觉量。p音色：即声音的品质，它由泛音的多少、音色：即声音的品质，它由泛音的多少、泛音的频率和振幅决定。例如，不同的泛音的频率和振幅决定。例如，不同的乐器在基本振动频率相同的情况下，仍乐器在基本振动频率相同的情况下，仍然

8、可以区分各自的特色，就是因为它的然可以区分各自的特色，就是因为它的音色不同。音色不同。第8页，共78页，编辑于2022年，星期一5音质 p“音质音质”是声音的质量，音质的好坏与是声音的质量，音质的好坏与音色的频率范围有关。音色的频率范围有关。p影响音质的因素影响音质的因素对于数字音频信号，音质的好坏与数据采对于数字音频信号，音质的好坏与数据采样频率和数据位数有关。样频率和数据位数有关。音质与声音还原设备有关。音质与声音还原设备有关。音质与信号噪声比有关。音质与信号噪声比有关。第9页，共78页，编辑于2022年，星期一音频数字音频（Audio）可分为波形声音语音和音乐。第10页，共78页，编辑于

9、2022年，星期一 2.2 多媒体音频 音频是多媒体技术的重要特征之一，是携带信息的重要媒体。在计算机多媒体技术中，音频的种类主要有波形音频、MIDI音频和CD唱盘音频。2.2.1 波形音频 2.2.2 MIDI音频 2.2.3 CD-DA唱盘 2.2.4 声卡 返回第11页，共78页，编辑于2022年，星期一从模拟到数字声源声波传声器模拟电信号数字声音声音输入到计算机的过程第12页，共78页，编辑于2022年，星期一 2.2.1 波形音频 1声音的基本特征 2数字音频 第13页，共78页，编辑于2022年，星期一 1声音的基本特征 声音是由空气中分子的振动而产生的。自然界的声音是一个随时间而

10、变化的连续信号，可近似地看成是一种周期性的函数。通常用模拟的连续波形描述声波的形状，单一频率的声波可用一条正弦波表示，如下图所示。振幅周期基线第14页，共78页，编辑于2022年，星期一p声波是随时间连续变化的物理量，它有声波是随时间连续变化的物理量，它有3 3个重要指标：个重要指标：振幅振幅波的高低幅度，表示声音的波的高低幅度，表示声音的强弱；强弱；周期周期两个相邻波之间的时间长度；两个相邻波之间的时间长度；频率频率每秒振动的次数，以每秒振动的次数，以HzHz为单位。为单位。第15页，共78页，编辑于2022年，星期一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

11、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，第16页，共78页，编辑于2022年，星期一 2数字音频 声波是随时间而连续变化的物理量，通过能量转换装置，可用随声波变化而改变的电压或电流信号来模拟。以模拟电压的幅度来表示声音的强弱。为使计算机能处理音频，必须对声音信号数字化。(1).采样和量化 (2).影响数字音频质量的技术参数(3).数字音频文件的存储量 (4).数字音频信号的编码 第17页，共78页，编辑于2022年，星期一3.1.2 声音的数字化 奈奎斯特（N

12、yquist）理论u采样频率与声音频率之间有一定的关系，只只有采样频率高于声音信号最高频率的两倍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时，才能把数字信号表示的声音还原成为原来的声音原来的声音。采样采样量化量化声音的模拟信号声音的模拟信号声音的数字信号声音的数字信号编码编码第18页，共78页，编辑于2022年，星期一(1).采样和量化 (c)采样信号的量化(a)模拟音频信号(b)音频信号的采样数字化音频的过程如下图所示。第19页，共78页，编辑于2022年，星期一模拟声音在时间上是连续的，或称连续时间函数x(t)。用计算机处理这些信号时，必须先对连续信号采样，即

13、按一定的时间间隔(T)在模拟声波上截取一个振幅值(通常为反映某一瞬间声波幅度的电压值)，得到离散信号x(nT)(n为整数)。T称采样周期，1/T称为采样频率。为了把采样得到的离散序列信号x(nT)存入计算机，必须将采样值量化成有限个幅度值的集合x(nT)，采样值用二进制数字表示的过程称为量化编码。第20页，共78页，编辑于2022年，星期一(2).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

14、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。第21页，共78页，编辑于2022年，星期一2).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。就是通常所说的声卡的位数。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、32位。量化是将经过采样得到的离散数据转换成二进制数的过程。第22页，共78页，编辑于2022年，星期一 以下图所示的原始模拟波形为例进行采样和量化

15、。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0到9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，如下图所示。图中每个正方形表示一次采样。第23页，共78页，编辑于2022年，星期一 D/AD/A转换器转换器从上图得到的数值中重构原来信号时，得到下图中蓝色(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。第24页，共78页，编辑于2022年，星期一 失真在采样过程中是不可避免的，如何减少失真呢？可以直观地看出，我们可以把上图中的波形划分成更为细

16、小的区间，即采用更高的采样频率。同时，增加量化精度采用更高的采样频率。同时，增加量化精度，以得到更高的量化等级，即可减少失真的程度。在下图（左）中，采样率和量化等级均提高了一倍，分别为2000次/秒和20个量化等级。在下图（右）中，采样率和量化等级再提高了一倍，分别达到4000次/秒和40个量化等级。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。第25页，共78页，编辑于2022年，星期一Sampling Resolution8 bitSamplingFrequency11 KHz+127+64+320-32-64-1280100101

17、0Comparison:第26页，共78页，编辑于2022年，星期一Sampling Resolution16 bitSamplingFrequency22 KHz+32767+512+1280-128-512-327680010101100011000Comparison:第27页，共78页，编辑于2022年，星期一3).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。第28页，共78页，编辑于2022年，星期一(3).数字音频文件

18、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：4410016821=176400(字节)第29页，共78页，编辑于2022年，星期一质量等级质量等级采样频率采样频率/KHz/KHz量化精度量化精度/b/b声道数声道数/个个数码率数码率/kbps/kbps记录内容记录内容电话电话8 88 8单声道单声道6464简单的声简单的声音音AMAM（可接（可接受的音乐）受的音乐）11.02511.0258 8单声道单声道

19、88.288.2长音乐片长音乐片段、高质段、高质量语音量语音FMFM（收音（收音音质）音质）22.0522.051616双声道双声道705.6705.6短的高质短的高质量音乐片量音乐片段段CDCD（CDCD音音质）质）44.144.11616双声道双声道1411.21411.2高保真音高保真音乐和声音乐和声音DAT(DAT(广播广播质量质量)48481616双声道双声道15361536记录数字记录数字媒体的广媒体的广播使用播使用 第30页，共78页，编辑于2022年，星期一(4).数字音频信号的编码 一般情况下，声音的制作是使用麦克风或录音机来产生，再由声卡上的WAVE合成器的(模/数转换器)

20、对模拟音频采样后，量化编码为一定字长的二进制序列，并在计算机内传输和存储。在数字音频回放时，再由数字到模拟的转化器(数/模转换器)解码可将二进制编码恢复成原始的声音信号，通过音响设备输出。如下图所示。模拟音频信号输入采样/量化编码传输/存储解码播放第31页，共78页，编辑于2022年，星期一3.1.3 声音文件的格式 p数字音频数据是以文件的形式保存在计数字音频数据是以文件的形式保存在计算机中的。算机中的。p数字音频的文件格式主要有数字音频的文件格式主要有CDCD、WAVEWAVE、MP3MP3、WMAWMA、MIDIMIDI等。等。目录第32页，共78页，编辑于2022年，星期一1.4.1

21、声音文件的基本格式1.WAV 文件3.VOC 文件2.MIDI 4.MOD 文件第33页，共78页，编辑于2022年，星期一WAV 文件Windows 所用的标准数字音频称为波形文件，文件的扩展名是“.WAV”，它记录了对实际声音进行采样的数据。它可以重现各种声音，但产生的文件很大。采用的软件压缩方法主要有ACM和PCM 等。人的讲话声使用8位量化级11.025 KHz采样率就能较好的还原。CD音质需要16位量化级、44.1 KHz的采样率。第34页，共78页，编辑于2022年，星期一MIDIMIDI文件的扩展名为“.MID”，它与波形文件不同，记录的不是声音本身，而是将每个音符记录为一个数字

22、，因此比较节省空间，可以满足长时间音乐的需要。MIDI 的主要限制是缺乏重现真实自然的能力。采用波表法进行音乐合成的声音卡可以使MIDI 音乐的质量大大提高。第35页，共78页，编辑于2022年，星期一VOC 文件:VOC 文件也是一种数字声音文件，主要用于DOS 程序。与波形文件相似，可以方便地互相转换。MOD 文件:MOD 文件是移植过来的MODULE 音乐。它主要由一些业余音乐爱好者通过网络和BBS 支持。第36页，共78页，编辑于2022年，星期一听觉系统的感知特性p掩掩蔽效应蔽效应u一种频率的声音一种频率的声音阻碍阻碍听觉系统感受另一种频听觉系统感受另一种频率的声音的现象率的声音的现

23、象前者称为前者称为掩掩蔽声音蔽声音(masking tone)(masking tone)后者称为被后者称为被掩掩蔽声音蔽声音(masked tone)(masked tone)掩掩蔽可分成频域蔽可分成频域掩掩蔽和时域蔽和时域掩掩蔽蔽u频域频域掩掩蔽蔽一个强一个强纯纯音音掩掩蔽在其附近同时发声的弱蔽在其附近同时发声的弱纯纯音的特性，也音的特性，也称同时称同时掩掩蔽蔽(simultaneous masking).(simultaneous masking).第37页，共78页，编辑于2022年，星期一听觉系统的感知特性图 频域掩蔽第38页，共78页，编辑于2022年，星期一听觉系统的感知特性图

24、不同纯音的掩蔽效应曲线图中的一组曲线表示为图中的一组曲线表示为250 Hz250 Hz，1 kHz1 kHz和和4 kHz4 kHz纯纯音的音的掩掩蔽效应，蔽效应，它们的声强均为它们的声强均为60 dB60 dBl250 Hz250 Hz，1 kHz1 kHz和和4 kHz4 kHz附近，对其他附近，对其他纯纯音的音的掩掩蔽效果最明显蔽效果最明显l低频低频纯纯音可有效地音可有效地掩掩蔽高频蔽高频纯纯音，相反则不明显音，相反则不明显 第39页，共78页，编辑于2022年，星期一听觉系统的感知特性u时域时域掩掩蔽蔽在时间上相邻的声音之间的在时间上相邻的声音之间的掩掩蔽现象蔽现象 一个强一个强掩掩蔽

25、音出现前、同时存在时或消失后的蔽音出现前、同时存在时或消失后的掩掩蔽效果蔽效果.l同时同时掩掩蔽蔽(simultaneous masking)(simultaneous masking)：信号和：信号和掩掩蔽音同时产蔽音同时产生的现象生的现象l滞滞后后掩掩蔽蔽(post-masking)(post-masking)：信号出现在：信号出现在掩掩蔽音消失后出现蔽音消失后出现的现象，可以持续的现象，可以持续5050200 ms 200 ms l超前超前掩掩蔽蔽(pre-masking)(pre-masking)：信号出现在：信号出现在掩掩蔽音出现之前产生的蔽音出现之前产生的现象。现象。虽虽然对超前然

26、对超前掩掩蔽有许多蔽有许多研究研究报报告告，但这种现象依然令人，但这种现象依然令人费解。超前费解。超前掩掩蔽很短，通常只有大约蔽很短，通常只有大约2 220 ms20 ms产生时域产生时域掩掩蔽的主要原因蔽的主要原因l人的大人的大脑脑处理信息需要处理信息需要花花费一定的时间费一定的时间第40页，共78页，编辑于2022年，星期一听觉系统的感知特性图 时域掩蔽第41页，共78页，编辑于2022年，星期一感知编码(perceptual audio coding)u频率为频率为101020000 Hz20000 Hz的声音数据压缩技术的声音数据压缩技术依据是人耳依据是人耳朵朵的听觉特性的听觉特性方法

27、是使用方法是使用“心心理声学模型理声学模型”来取消人耳感觉不到的声来取消人耳感觉不到的声音数据音数据应用于应用于MPEG-1 AudioMPEG-1 Audio、MPEG-2 AudioMPEG-2 Audio、MPEG-2 AAC MPEG-2 AAC(Advanced Audio Coding)(Advanced Audio Coding)和和MPEG-4 AudioMPEG-4 AudiouMPEGMPEG声音主要采声音主要采纳纳两种感知编码算法两种感知编码算法感知子带编码感知子带编码(perceptual sub-band coding)(perceptual sub-band cod

28、ing)杜杜比实比实验验室室(Dolby Laboratories)(Dolby Laboratories)开发的开发的杜杜比数字比数字(Dolby Digital)(Dolby Digital)第42页，共78页，编辑于2022年，星期一MPEG声音的压缩依据u听觉系统存在听觉阈值电平听觉系统存在听觉阈值电平低于阈值电平的信号听不到，因此可把这部分信号去低于阈值电平的信号听不到，因此可把这部分信号去掉掉听觉阈值的大小随声音频率的改变而改变听觉阈值的大小随声音频率的改变而改变大多数人的听觉系统对大多数人的听觉系统对2 25 kHz5 kHz之间的声音最敏感之间的声音最敏感u听觉听觉掩掩饰饰特性

29、特性听觉阈值电平会随听到的不同频率的声音而发生变化听觉阈值电平会随听到的不同频率的声音而发生变化l例如，例如，1000 Hz1000 Hz和和1100 Hz1100 Hz的声音同时存在，前者的强的声音同时存在，前者的强度大于后者度大于后者18dB18dB，在这种情况下，在这种情况下，1100 Hz1100 Hz的声音就听的声音就听不到不到第43页，共78页，编辑于2022年，星期一MPEG-1 AudiopMPEG-1 AudioMPEG-1 Audio编码器编码器uMPEG-1 Audio(ISO/IEC 11172-3)MPEG-1 Audio(ISO/IEC 11172-3)是是世世界上

30、界上第一个高保真声音数据压缩标准，得到极其第一个高保真声音数据压缩标准，得到极其广泛的应用广泛的应用 编码器的输入信号为线性编码器的输入信号为线性PCMPCM信号信号采样率为采样率为32,44.132,44.1或或48 kHz48 kHz编码器的输出信号为编码器的输出信号为3232384 kbps384 kbps第44页，共78页，编辑于2022年，星期一pMPEG-1 AudioMPEG-1 Audio定定义义了三个了三个独独立压缩层次立压缩层次u第第1 1层层MP1(MPEG Audio Layer 1)MP1(MPEG Audio Layer 1)仅利用频域仅利用频域掩掩蔽特性，典型的压

31、缩比为蔽特性，典型的压缩比为1:41:4，相应的数据率为，相应的数据率为384 kbps384 kbps算法复杂度最低算法复杂度最低u第第2 2层层MP2(MPEG Audio Layer 2)MP2(MPEG Audio Layer 2)利用频域利用频域掩掩蔽特性和时间蔽特性和时间掩掩蔽特性，典型的压缩比为蔽特性，典型的压缩比为1:61:61:81:8，数据率为数据率为256256192 kbps192 kbps算法复杂度中等算法复杂度中等u第第3 3层层MP3(MPEGAudio Layer 3)MP3(MPEGAudio Layer 3)利用频域利用频域掩掩蔽特性、时间蔽特性、时间掩掩蔽

32、特性和蔽特性和临临界频带特性，典型的界频带特性，典型的压缩比为压缩比为1:101:101:121:12，相应的数据率为，相应的数据率为128128112 kbps112 kbps，声音质，声音质量接近量接近CD-DA CD-DA 算法复杂度最高算法复杂度最高第45页，共78页，编辑于2022年，星期一MP3 MP3 MP3是是MPEG Audio Layer3MPEG Audio Layer3的的缩写缩写，它它是一是一种种超超级声级声音文音文件的件的压缩压缩方法，具有文件小、音方法，具有文件小、音质质佳的特点。佳的特点。MPEGMPEG是由音是由音频频和和视频两视频两部分部分组组成的，可以分成

33、的，可以分别进别进行行压缩压缩。MPEGMPEG在音在音频频上的上的压缩压缩可以分可以分为为MPEG Layer1MPEG Layer1、MPEG Layer2 MPEG Layer2 和和MPEG Layer3MPEG Layer3（如表所示）。（如表所示）。第46页，共78页，编辑于2022年，星期一MP4压缩技术 pMP4MP4最初是一种音频格式，使用的是最初是一种音频格式，使用的是MPEG-2AACMPEG-2AAC（Advanced Audio CodingAdvanced Audio Coding，先进音频编码）技术。，先进音频编码）技术。它的特点是音质更加完美而压缩比更大（它的特

34、点是音质更加完美而压缩比更大（15:115:120:120:1）。）。MPEG-2AACMPEG-2AAC在采样频率为在采样频率为8 896kHz96kHz时可提供时可提供1 14848个声道可选范围的高质量音频编码。个声道可选范围的高质量音频编码。AACAAC适用于适用于从比特率为从比特率为8kb/s8kb/s单声道的电话语音音质到单声道的电话语音音质到160kb/s160kb/s多声多声道超高质量音频信号范围内的编码，并且允许对多媒体道超高质量音频信号范围内的编码，并且允许对多媒体进行编码进行编码/解码，增加了诸如对立体声的完美再现、比特解码，增加了诸如对立体声的完美再现、比特流效果音扫描

35、、多媒体控制、降噪等流效果音扫描、多媒体控制、降噪等MP3MP3没有的特性，使没有的特性，使得在音频压缩后仍能完美的再现得在音频压缩后仍能完美的再现CDCD的音质。的音质。第47页，共78页，编辑于2022年，星期一MP4的特点p MP4 MP4除了采用了先进的音频压缩技术之外，最除了采用了先进的音频压缩技术之外，最重要的是，它采用特殊的技术实现了数码版权保重要的是，它采用特殊的技术实现了数码版权保护，这是护，这是MP3MP3所无法比拟的。所无法比拟的。p 由于由于AACAAC有版权保护功能，要使自己的播放器有版权保护功能，要使自己的播放器支持支持AACAAC，除了需要支付一定的版权费或专利费

36、，采，除了需要支付一定的版权费或专利费，采用用AACAAC编码音频文件的来源也是个问题，不像编码音频文件的来源也是个问题，不像MP3MP3那么开放，网上来源极少，这使得那么开放，网上来源极少，这使得MP4MP4推广难度大推广难度大大增加。大增加。p 目前市场上的目前市场上的MP4MP4多数是多媒体播放器，能够播多数是多媒体播放器，能够播放放AACAAC的很少，这种播放器其实不算是的很少，这种播放器其实不算是MP4MP4，本质上，本质上是是MP3MP3，视频播放只不过是其附件功能。，视频播放只不过是其附件功能。第48页，共78页，编辑于2022年，星期一高保真立体声音频压缩标准 p 高保真立体声

37、音频信号的频率范围高保真立体声音频信号的频率范围为为50 Hz50 Hz20 kHz20 kHz，在，在44.1 kHz44.1 kHz采样频率采样频率下用下用16 bit16 bit量化，信号速率为每声道量化，信号速率为每声道705 705 kb/skb/s。目前国际上比较成熟的高保真立。目前国际上比较成熟的高保真立体声音频压缩标准为体声音频压缩标准为MPEGMPEG音频。音频。MPEGMPEG是是由音频和视频两部分组成的，可以分别由音频和视频两部分组成的，可以分别进行压缩。进行压缩。第49页，共78页，编辑于2022年，星期一数字波形文件数据量大，数字音频的编码必须采用高效的数据压缩编码技

38、术。音频信号能够被压缩编码的依据有两个，一是声音信号存在着数据冗余；二是利用人的听觉特性来降低编码率，人的听觉具有一个强音能抑制一个同时存在的弱音现象，这样就可以抑制与信号同时存在的量化噪声；另外人耳对低频端比较敏感，而对高频端不太敏感，由此引出了“子带编码技术”。音频信号的压缩编码方式可分为波形编码参数编码和混合编码三种。音频信号压缩技术音频信号压缩技术第50页，共78页，编辑于2022年，星期一评价多媒体数据压缩方法的指标 p评价多媒体数据压缩方法有评价多媒体数据压缩方法有3 3个主要指标：个主要指标：1 1压缩压缩比比2 2压缩质压缩质量（失量（失真真度）度）3 3压缩与压缩与解解压压的

39、速度的速度 第51页，共78页，编辑于2022年，星期一1).波形编码波形编码的算法简单，易于实现，可获得高质量的语音。常见的三种波形编码方法为：脉冲编码调制(PCM)，实际为直接对声音信号作AD转换。只要采样频率足够高，量化位数足够多，就能使解码后恢复的声音信号有很高的质量。差分脉冲编码调制(DPCM)，即只传输声音预测值和样本值的差值以此降低音频数据的编码率。自适应差分编码调制(ADPCM)，是DPCM方法的进一步改进，通过调整量化步长，对不同频段设置不同的量化字长，使数据得到进一步的压缩。第52页，共78页，编辑于2022年，星期一2).参数编码参数编码方法通过建立起声音信号的产生模型，

40、将声音信号用模型参数来表示，再对参数进行编码，在声音播放时根据参数重建声音信号。参数编码法算法复杂，计算量大，压缩率高，但还原声音的质量不高。3).混合编码混合编码是把波形编码的高质量和参数编码的低数据率结合在一起，取得了较好效果。第53页，共78页，编辑于2022年，星期一音频编码标准和算法编码编码类型类型算法算法名称名称数据率数据率标准标准应用应用质量质量波形波形编码编码PCMPCM均匀量化均匀量化公共网公共网ISDNISDN配音配音4.0-4.0-4.54.5(A)(A)(A)(A)64kbit/s 64kbit/s G.711G.711APCMAPCM自适应量化自适应量化DPCMDPC

41、M差值量化差值量化ADPCMADPCM自适应差值量化自适应差值量化32kbit/s 32kbit/s G.721G.721SB-ADPCMSB-ADPCM子带一自适应差值量化子带一自适应差值量化64kbit/s 64kbit/s G.722G.722参数参数 编码编码LPCLPC线性预测编码线性预测编码2.4kbit/s 2.4kbit/s 保密电话保密电话2.5-2.5-3.53.5混合混合 编码编码CELPCCELPC码激励码激励LPCLPC4.8kbit/s 4.8kbit/s 移动通信移动通信3.7-3.7-4.04.0VSELPVSELP矢量和激励矢量和激励LPCLPC8kbit/s

42、 8kbit/s 语音邮件语音邮件 RPE-CELPRPE-CELP长时预测规则码激励长时预测规则码激励13.2kbit/s 13.2kbit/s ISDN ISDN LD-CELPLD-CELP低延时码激励低延时码激励LPCLPC16kbit/16kbit/G.728G.728MPEGMPEG多子带感知编码多子带感知编码128kbit/s128kbit/sCD CD 5.05.0第54页，共78页，编辑于2022年，星期一预测编码 p 通常，图像中局部区域的像素是高度相关的，因此通常，图像中局部区域的像素是高度相关的，因此可以用先前像素的有关灰度知识来对当前像素的灰度进行可以用先前像素的有关

43、灰度知识来对当前像素的灰度进行估计，这就是预测。如果预测是正确的，则不必对每一个估计，这就是预测。如果预测是正确的，则不必对每一个像素的灰度都进行压缩，而是把预测值与实际像素值之间像素的灰度都进行压缩，而是把预测值与实际像素值之间的差值经过熵编码后发送到接收端，接收端通过预测值的差值经过熵编码后发送到接收端，接收端通过预测值+差值信号来重建原像素。差值信号来重建原像素。p 预测编码可分为线性预测编码和非线性预测编预测编码可分为线性预测编码和非线性预测编码。前者常被称为差分脉冲编码调制，即码。前者常被称为差分脉冲编码调制，即DPCM(Differential Pulse Code Modulat

44、ion)DPCM(Differential Pulse Code Modulation)。第55页，共78页，编辑于2022年，星期一DPCM的原理框图（a）DPCM编码框图（b）DPCM译码框图第56页，共78页，编辑于2022年，星期一DPCM编码示例DPCMDPCM系系统统如如图图所所示示，预预测测器器的的预预测测值值为为前前一一个个样样值值(图图中中D D表表示示单单位位延延迟迟)。假假设设输输入入信信号号已已经经量量化化，差差值值不不再再进进行行量量化化。若若DPCMDPCM系系统统的的输输入入为为0,1,2,1,1,2,3,3,4,4,0,1,2,1,1,2,3,3,4,4,则则编

45、编码码过程如下：过程如下：第57页，共78页，编辑于2022年，星期一 2.2.2 MIDI音频 MIDI音频是将电子乐器键盘上的弹奏信息记录下来，包括键名、力度、时值长短等，是乐谱的一种数字式描述。当需要播放时，只需从相应的MIDI文件中读出MIDI消息，生成所需要的声音波形，经放大后由扬声器输出。如下图所示。合成器扬声器MIDI键盘MIDI接口音序器 1.什么是MIDI 2.MIDI设备配置 3.MIDI文件的特点 第58页，共78页，编辑于2022年，星期一MIDI是Musical Instrument Digital Interface(乐器数字接口)的缩写。MIDI是一种国际标准，是

46、计算机和MIDI设备之间进行信息交换的一整套规则，包括各种电子乐器之间传送数据的通信协议。1.什么是MIDI 第59页，共78页，编辑于2022年，星期一MIDI与普通音频的区别pMIDIMIDI与普通音频的本质区别是携带的信与普通音频的本质区别是携带的信息不同。息不同。MIDIMIDI本身并不是音乐，不能发本身并不是音乐，不能发出声音。它是一个协议，只包含用于产出声音。它是一个协议，只包含用于产生特定声音的指令，而这些指令包括调生特定声音的指令，而这些指令包括调用何种用何种MIDIMIDI设备的音色、声音的强弱及设备的音色、声音的强弱及持续的时间等。计算机把这些指令交由持续的时间等。计算机把

47、这些指令交由声卡去合成相应的声音（如依指令发出声卡去合成相应的声音（如依指令发出钢琴声或小提琴声等）。钢琴声或小提琴声等）。第60页，共78页，编辑于2022年，星期一MIDI设备就是处理MIDI信息所需的硬件设备，其基本组成包括：2.MIDI设备配置(1).MIDI端口 (2).MIDI键盘 (3).音序器(Sequencer)(4).合成器 第61页，共78页，编辑于2022年，星期一(1).MIDI端口 一台MID设备可以有一至三个MIDI端口，分别称为MIDI In、MIDI Out、MIDI Thru。它们的作用是：MIDI In：接收来自其它MIDI设备的MIDI信息。MIDI O

48、ut：发送本设备生成的MIDI信息到其它设备。MIDI Thru：将从MIDI In端口传来的信息转发到相连的另一台MIDI设备上。第62页，共78页，编辑于2022年，星期一(2).MIDI键盘 MIDI键盘是用于MIDI乐曲演奏的，MIDI键盘本身并不发出声音，当作曲人员触动键盘上的按键时，就发出按键信息，所产生的仅仅是MIDI音乐消息，从而由音序器录制生成MIDI文件。(3).音序器(Sequencer)用于记录、编辑、播放MIDI的声音文件，音序器有以硬件形式提供的，目前大多为软件音序器。音序器可捕捉MIDI消息，将其存入MIDI文件，MIDI文件扩展名为.MID。音序器还可编辑MID

49、I文件。第63页，共78页，编辑于2022年，星期一(4).合成器 MIDI文件的播放是通过MIDI合成器，合成器解释MIDI文件中的指令符号，生成所需要的声音波形，经放大后由扬声器输出，声音的效果比较丰富。1).MIDI合成方式MIDI合成方式主要有调频合成(FM)和波形表合成(Wave Table)两种方式。调频合成方式，其原理是根据傅立叶级数而来。波形表合成的原理是ROM中已存储着各种实际乐器的声音采样，合成时以查表方式调用这些样本将其还原回放。第64页，共78页，编辑于2022年，星期一pMIDIMIDI合成器是利用数字信号处理器合成器是利用数字信号处理器（DSPDSP）或其他芯片来产

50、生音乐或声音的）或其他芯片来产生音乐或声音的电子装置。电子装置。p利用合成器产生利用合成器产生MIDIMIDI音乐的主要方法有音乐的主要方法有u调频合成法调频合成法u波形表合成法波形表合成法目录第65页，共78页，编辑于2022年，星期一2).硬波形表合成与软波形表合成硬波表合成方式的数字声音样本被保存在ROM内或RAM(可动态更换)内。而软波表的数字化样本保存于系统主存中，合成运算靠CPU完成，最终的音频合成靠声卡上的WAVE合成器来完成。软波表实际上是针对合成MIDI音乐而开发的一套软件，其主要作用是控制高速CPU来完成波表MIDI合成器的部分功能。第66页，共78页，编辑于2022年，星