第2章--数字音频处理-多媒体技术--课件.ppt

《第2章--数字音频处理-多媒体技术--课件.ppt》由会员分享，可在线阅读，更多相关《第2章--数字音频处理-多媒体技术--课件.ppt（128页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第第2章章 数字音频处理数字音频处理 本章重点本章重点:n模拟音频与数字音频的概念模拟音频与数字音频的概念n数字音频的获取数字音频的获取n音频信号压缩编码音频信号压缩编码n音乐合成和语音识别音乐合成和语音识别 第第2章章 数字音频处理数字音频处理n2.1概述概述n2.2数字音频的获取数字音频的获取n2.3音频信号压缩编码音频信号压缩编码n2.4音乐合成和音乐合成和MIDIn2.5语音识别语音识别n2.6实例实例 VC+播放声音的实现播放声音的实现n2.7本章小结本章小结2.12.1概述概述声音是携带信息的重要媒体。研究表明，声音是携带信息的重要媒体。研究表明，人类从外部世界获取的信息中，人类从

2、外部世界获取的信息中，10%10%是通过是通过听觉获得的听觉获得的,因此声音是多媒体技术研究中因此声音是多媒体技术研究中的一个重要内容。的一个重要内容。2.12.1概述概述声音是由物体振动产生的，这种振动引声音是由物体振动产生的，这种振动引起周围空气压强的振荡，从而使耳朵产起周围空气压强的振荡，从而使耳朵产生听觉的印象。生听觉的印象。幅幅值值t一个周期一个周期+空气压强空气压强图图2.1 空气压强振荡的波形示意图空气压强振荡的波形示意图0频率次声020Hz人耳能听见的声音20Hz20kHz超声20kHz1GHz特超声1GHz10THz超声波的应用（1）利用超声波的巨大能量还可以把人体内的结石击

3、碎（2）清理金属零件、玻璃和陶瓷制品的除垢是件麻烦事如果在放有这些物品的清洗液中通入超声波，清洗液的剧烈振动冲击物品上的污垢，能够很快清洗干净（3）用超声波探测金属、陶瓷混凝土制品，甚至水库大坝，检查内部是否有气泡、空洞和裂纹（4）人体各个内脏的表面对超声波的反射能力是不同的，健康内脏和病变内脏的反射能力也不一样平常说的“B超”就是根据内脏反射的超声波进行造影，帮助医生分析体内的病变2.12.1概述概述音频信号所携带的信息大体上可分为语音、音音频信号所携带的信息大体上可分为语音、音乐和音效三类。乐和音效三类。语音语音，指，指具有语言内涵和人类约定俗成的特殊具有语言内涵和人类约定俗成的特殊 媒体

4、媒体。音乐音乐，指规范的符号化了的声音，指规范的符号化了的声音。音效音效，指人类熟悉的其他声音。，指人类熟悉的其他声音。在多媒体系统中，处理的信号主要是音频信在多媒体系统中，处理的信号主要是音频信号。号。2.12.1概述概述 音乐中音乐中音阶音阶的划分是在频率的对数坐标的划分是在频率的对数坐标(20log)上取等分而得的。如表所示上取等分而得的。如表所示，20log261=48.3，20log293=49.3等。等。音阶音阶C CD DE E F FG GA AB B简谱符号简谱符号1 12 23 34 45 56 67 7频率频率(H(HZ Z)26126129329333033034934

5、9392392440440494494频率频率(对数对数)48.348.349.349.350.350.350.850.851.851.852.852.853.853.82.12.1概述概述谐波与音色：谐波与音色：no称为基波称为基波o的的n次谐波分量次谐波分量(n就是高次谐波的方次，就是高次谐波的方次，no就是基波就是基波o的的n次次谐波谐波)，也称为泛音。音色是由混入基音的泛音所决，也称为泛音。音色是由混入基音的泛音所决定的定的。幅度与音强：信号的幅度是从信号的基线到当前波幅度与音强：信号的幅度是从信号的基线到当前波峰的距离。峰的距离。幅度决定了信号音量的强弱程度。幅度越幅度决定了信号音量

6、的强弱程度。幅度越大，声音越强。一般用动态范围定义相对强度：大，声音越强。一般用动态范围定义相对强度：动态范围动态范围20log(信号的最大强度信号的最大强度/信号的最小强度信号的最小强度)(dB)2.12.1概述概述 声音的质量可以通过信噪比来度量。信噪比声音的质量可以通过信噪比来度量。信噪比(SNR，SignaltoNoiseRatio)是有用信号与噪声是有用信号与噪声之比的简称，定义为：之比的简称，定义为：信噪比越大，声音质量越好。信噪比越大，声音质量越好。2.2.12.2.1采样采样图2.5模拟信号的采样 所谓采样就是在某些特定的时刻对模拟信号进所谓采样就是在某些特定的时刻对模拟信号进

7、行取值，如上图所示。采样的过程是每隔一个时行取值，如上图所示。采样的过程是每隔一个时间间隔在模拟声音的波形上取一个幅值，把时间间间隔在模拟声音的波形上取一个幅值，把时间上的连续信号变成时间上的离散信号。上的连续信号变成时间上的离散信号。2.2.12.2.1采样采样采样时间间隔称为采样周期采样时间间隔称为采样周期t，其倒数为采样频其倒数为采样频率率fs=1/t。一般来讲，采样频率越高，则在单位时一般来讲，采样频率越高，则在单位时间内计算机得到的声音样本数据就越多，对声音间内计算机得到的声音样本数据就越多，对声音波形的表示也越精确，声音失真越小，但用于存波形的表示也越精确，声音失真越小，但用于存储

8、音频的数据量越大。储音频的数据量越大。更通俗地讲：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为原来的声音。奈奎斯特采样定理用公式表示为：，其中，为声音信号的最高频率。举例：(1)在数字电话系统中，由于电话语音的最高信号频率约为3.4KHz，为将人的声音变为数字信号，电话语音采样频率不低于6.8kHz，通常选为8kHz。(2)要想获得CD音质的效果，则要保证采样频率为44.1kHz，也就是能够捕获频率高达22050Hz的信号。说明：因为人耳能够听见的最高声音频率为20kHz，为了避免高于20kHz的高频信号干扰采样，在进行采样之前，需要对输入的声音信号进行滤波。考虑到

9、滤波器在20kHz处大约有10%的衰减，因此再将其提高10%成为22kHz。这个值再乘以2就得到44kHz的采样频率。但是，为了能够与电视信号同步，PAL电视的扫描为50Hz，NTSC电视的场扫描为60Hz，所以取50和60的整数倍，选用了44100Hz作为激光唱盘声音的采样标准。2.2.22.2.2量化量化 每个采样值在幅度上进行离散化处理的过程称每个采样值在幅度上进行离散化处理的过程称为量化为量化。量化可分为均匀量化和非均匀量化。均匀量化量化可分为均匀量化和非均匀量化。均匀量化是把将采样后的信号按整个声波的幅度等间隔分是把将采样后的信号按整个声波的幅度等间隔分成有限个区段，把落入某个区段内

10、的样值归为一成有限个区段，把落入某个区段内的样值归为一类，并赋于相同的量化值。以类，并赋于相同的量化值。以8bit或或16bit的方式来的方式来划分纵轴为例，其纵轴将会被划分为划分纵轴为例，其纵轴将会被划分为28个和个和216个个量化等级，用以记录其幅度大小。量化等级，用以记录其幅度大小。2.2.22.2.2量化量化非均匀量化是根据信号的不同区间来确定量化非均匀量化是根据信号的不同区间来确定量化间隔。对于信号值小的区间，其量化间隔也小；间隔。对于信号值小的区间，其量化间隔也小；反之，量化间隔就大。反之，量化间隔就大。量化会引入失真，并且量化失真是一种不可逆量化会引入失真，并且量化失真是一种不可

11、逆失真，这就是通常所说的量化噪声。失真，这就是通常所说的量化噪声。A律压扩n很明显，小信号时为线性特性，大信号时近似为对数特性。这种压扩特性常把压缩、量化和编码合为一体。A律可用13段折线逼近（相当于A=87.6），便于用数字电路实现。2.2.32.2.3数字音频的技术指标数字音频的技术指标1.采样频率(常用频率:8KHz,11.025KHz,22.05KHz,44.1KHz 等)2.量化位数(常用:8位,12位,16位)3.通道(声道)个数(Mono 单声道,Stereo 双声道,四声道环绕 4.1声道,Dolby AC-3音效 5.1声道)数字音频数据量计算 数据传输率是计算机处理时基本参

12、数。未数据传输率是计算机处理时基本参数。未经压缩的数字音频数据传输率可按下式经压缩的数字音频数据传输率可按下式计算：计算：数据传输率数据传输率=采样频率采样频率量化位数量化位数声道声道数数 数字音频数据量计算(1)CD音质(20Hz-20KHz)：(2)44.1KHz 采样,16位量化,双声道数据量为 44100*16*2=1.411 Mb/s(2)AM Radio音质(50Hz-7KHz)：16KHz 采样,14位量化数据量为 16000*14=224 Kb/s(3)Telephone音质(300Hz-3400Hz)：8KHz 采样,8位量化数据量为 8000*8=64 Kb/s CD播放器

13、和CDROM中使用的光盘是存储立体声音乐和大多数多媒体信息的数字存储体。与之相关的标准称为CD数字音频(CDDA)标准。音乐的音频带宽是15Hz20kHz，因此，最小采样频率为40kHz。实际采样率定义为：44.1kHz传送比特率：CD质量的音频传送比特率计算例25 假定使用CDDA标准，求(1)存储60分钟多媒体节目的光盘存储容量；(2)当传输信道的比特率分别为64kbits/s和1.5Mbit/s时，传输30秒多媒体节目的时间。2.2.42.2.4数字音频的文件格式数字音频的文件格式 WAV 文件(Microsoft 波形文件，采样量化后波形数据)VOC 文件(Creative 公司波形音

14、频文件)MIDI 文件(记录一系列描述乐曲演奏过程中的指令)还有 *.MP3(用Mpeg layer 3标准对wave音频文件压缩而成)*.RM(Real Networks制定的音频视频压缩RealMedia文件)*.RMI(Microsoft公司的MIDI文件格式)*.PCM(模拟的音频信号经A/D变换直接形成的二进制序列)*.SND(一种波形音频文件格式)*.AIF(Apple计算机的音频文件格式)等nWAVE(WaveformAudio)文件是多媒体中使用的声音文件格式之一,它以RIFF格式为基础,每个WAVE文件的头四个字节为“RIFF”。WAVE文件的扩展名为“.WAV”。WAVE文

15、件格式nRIFF是英文ResourceInterchange的缩写，每个WAVE文件的头四个字节便是“RIFF”。WAVE文件由文件头和数据体两大部分组成。其中文件头又分为RIFFWAV文件标识段和声音数据格式说明段两部分。WAVE文件格式Format 块块Sound 数据块数据块 RIFF WAVE Chunk WAVE文件由文件头和数据两部分组成。最小的 WAVE文件结构 _|RIFF WAVE Chunk|groupID=RIFF|riffType=WAVE|_|Format Chunk|ckID=fmt|_|_|Sound Data Chunk|ckID=data|_|_ _|RIFF

16、WAVE块头块标志RIFF块大小(32-bits)Wave类型标志WAVEThe Format(fmt)Chunk格式块(fmt)是WAVE文件必选项，描述波形文件的基本参数，如采样率、位分辨率以及通道数等。#define FormatID fmt /*chunkID for Format Chunk.*/typedef struct ID chunkID;long chunkSize;short wFormatTag;/*currently PCM*/unsigned short wChannels;/*num of channels*/unsigned long dwSamplesPerS

17、ec;/*sample rate in Hz*/unsigned long dwAvgBytesPerSec;/*xxx Bytes/s*/unsigned short wBlockAlign;/*1/2/4-8/16 mono/stereo*/unsigned short wBitsPerSample;/*bits in a sample*/*根据 wFormatTag不同,可以有附加字段.*/FormatChunk;Data Chunk数据块包含实际的波形数据：#define DataID data/*chunk ID for data Chunk*/typedef struct ID c

18、hunkID;long chunkSize;unsigned char waveformData;DataChunk;Data chunk的chunkID总是“data”。chunkSize是chunk占据的字节数，不计ID和size两个域占用的8个字节，不计为了使chunk占用的字节数为偶数而添加的填充字节。Offset Description-Offset Contents-0 x00 chunk id RIFF0 x04 chunk size(32-bits)0 x08 wave chunk id WAVE0 x0C0 x0C format chunk id fmt format chu

19、nk id fmt 0 x10 0 x10 format chunk size(32-bits)format chunk size(32-bits)0 x14 format tag (currently PCM)0 x16 number of channels 1=mono,2=stereo0 x18 sample rate in Hz0 x1C average bytes per second-Offset Contents-0 x20 number of bytes per sample 1=8-bit mono 2=8-bit stereo or 16-bit mono 4=16-bit

20、 stereo 0 x22 number of bits in a sample 0 x240 x24 data chunk id datadata chunk id data 0 x280 x28 length of data chunk(32-bits)length of data chunk(32-bits)0 x2C Sample data-2.2.42.2.4数字音频的文件格式数字音频的文件格式MP3MP3文件格式简介文件格式简介 MP3MP3是第一个实用的有损音频压缩编码技术。在是第一个实用的有损音频压缩编码技术。在MP3MP3出现之前，一般的音频编码即使以有损方式进出现之前，一般

21、的音频编码即使以有损方式进行压缩，能达到行压缩，能达到4:14:1的压缩比例已经非常不错了。的压缩比例已经非常不错了。但是，但是，MP3MP3可以实现可以实现12:112:1的压缩比例。的压缩比例。衡量衡量MP3MP3文件的压缩比例通常使用比特率来表示文件的压缩比例通常使用比特率来表示。通常比特率越高，压缩文件就越大，但音乐中。通常比特率越高，压缩文件就越大，但音乐中获得保留的成分就越多，音质就越好。获得保留的成分就越多，音质就越好。2.2.42.2.4数字音频的文件格式数字音频的文件格式MIDI MIDI 文件格式简介文件格式简介 MIDIMIDI最初应用在电子乐器上用来记录乐手的弹最初应用

22、在电子乐器上用来记录乐手的弹奏，以便以后重播。随着在电脑里面引入了支持奏，以便以后重播。随着在电脑里面引入了支持MIDIMIDI合成的声音卡之后，合成的声音卡之后，MIDIMIDI才正式地成为了一才正式地成为了一种音频格式。种音频格式。MIDIMIDI的内容除了乐谱之外还记录了的内容除了乐谱之外还记录了每个音符的弹奏方法。每个音符的弹奏方法。2.2.42.2.4数字音频的文件格式数字音频的文件格式 各种文件格式与各种文件格式与WAVWAV格式之间可以进行转换。格式之间可以进行转换。最简单的方法就是使用最简单的方法就是使用WINAMPWINAMP。只要。只要WINAMPWINAMP能播能播放某种

23、格式的音乐，就可以通过它的放某种格式的音乐，就可以通过它的Output Output PluginPlugin中的中的Disk Writer Plugin Disk Writer Plugin 来输出为来输出为WAVWAV文文件。目前件。目前WINAMPWINAMP支持的格式包括：支持的格式包括：VOCVOC、WAVWAV、MIDMID、MP3MP3、MP2MP2、MP1MP1、CDCD、ITIT、XMXM、S3MS3M、STMSTM、MODMOD、DSMDSM、FARFAR、ULTULT、MTMMTM、669669、ASAS、WMAWMA、MJFMJF。2.32.3音频信号压缩编码音频信号压

24、缩编码n2.3.12.3.1概述概述n2.3.22.3.2编码方法编码方法n2.3.32.3.3音频数据的标准音频数据的标准2.3.1 音频编码基础为什么要进行语音编码？为什么能进行语音编码？为什么要进行语音编码？随着对音质要求的增加，信号频率范围逐渐增随着对音质要求的增加，信号频率范围逐渐增加，要求描述信号的数据量也就随之增加，从而加，要求描述信号的数据量也就随之增加，从而带来处理这些数据的时间和传输、存储这些数据带来处理这些数据的时间和传输、存储这些数据的容量增加，因此多媒体音频压缩技术是多媒体的容量增加，因此多媒体音频压缩技术是多媒体技术实用化的关键之一。技术实用化的关键之一。语音信号中

25、存在多种冗余度：语音信号中存在多种冗余度：1.时域信息的冗余度时域信息的冗余度2.(1)(1)幅度的非均匀分布幅度的非均匀分布3.(2)(2)样本间的相关样本间的相关4.(3)(3)周期之间的相关周期之间的相关5.(4)(4)基音之间的相关基音之间的相关6.(5)(5)静止系数静止系数7.(6)(6)长时自相关函数长时自相关函数12例:语音的时域信息的冗余度基音周期(音调周期)一 个 单 音 1 (1)非均匀的长时功率谱密度 (2)语音特有的短时功率谱密度3.人的听觉感知机理4.(1)人的听觉具有掩蔽效应5.(2)人耳对不同频段的声音的敏感程度6.不同7.(3)人耳对语音信号的相位变化不敏感2

26、.频域信息的冗余度在给定的编码速率下获得尽可能好的高质量语音。1.主观评价 (1)可懂度评价 (2)音质评价:平均意见得分、判断满 意度测量 2.客观评价语音编码系统性能评价2.3.12.3.1概述概述根据解压后数据是否有失真可以将音频压缩根据解压后数据是否有失真可以将音频压缩分为无损压缩（无失真压缩）和有损压缩（有失分为无损压缩（无失真压缩）和有损压缩（有失真压缩）。真压缩）。无损压缩的压缩效率低，但是可以无失真地重现无损压缩的压缩效率低，但是可以无失真地重现原始数据。原始数据。无损压缩的压缩效率较高，但有数据丢失。无损压缩的压缩效率较高，但有数据丢失。2.3.12.3.1概述概述音频信息编

27、码技术主要可分为三类音频信息编码技术主要可分为三类 。波形编码：这种方法主要基于语音波形预测，波形编码：这种方法主要基于语音波形预测，它力图使重建的语音波形保持原有的波形状态。它力图使重建的语音波形保持原有的波形状态。常用的波形编码技术有增量调制常用的波形编码技术有增量调制(DM)(DM)、自适应差、自适应差分脉冲编码调制分脉冲编码调制(ADPCM)(ADPCM)、子带编码、子带编码(SBC)(SBC)和矢量和矢量量化编码量化编码(VQ)(VQ)等等。等等。2.3.12.3.1概述概述波形编码的特点是在高码率的条件下获得高波形编码的特点是在高码率的条件下获得高质量的音频信号，适用于高保真度语音

28、和音乐信质量的音频信号，适用于高保真度语音和音乐信号的压缩技术。号的压缩技术。它的优点是编码方法简单、易于实现、适应能它的优点是编码方法简单、易于实现、适应能力强、语音质量好等，缺点是压缩比相对来说较力强、语音质量好等，缺点是压缩比相对来说较低，需要较高的编码速率。低，需要较高的编码速率。2.3.12.3.1概述概述参数编码：参数编码的方法是将音频信号以某参数编码：参数编码的方法是将音频信号以某种模型表示，再抽出合适的模型参数和参考激励种模型表示，再抽出合适的模型参数和参考激励信号进行编码；声音重放时，再根据这些参数重信号进行编码；声音重放时，再根据这些参数重建即可。显然参数编码压缩比很高，但

29、计算量建即可。显然参数编码压缩比很高，但计算量大。它主要用于在窄带信道上提供大。它主要用于在窄带信道上提供4.8kb/s4.8kb/s以下以下的低速语音通信和一些对延时要求较宽的应用场的低速语音通信和一些对延时要求较宽的应用场合（如卫星通信等）。最常用的参数编码法为线合（如卫星通信等）。最常用的参数编码法为线性预测（性预测（LPCLPC）编码。编码。2.3.12.3.1概述概述混合编码：这种方法克服了原有波形编码与参混合编码：这种方法克服了原有波形编码与参数编码的弱点，并且结合了波形编码的高质量和数编码的弱点，并且结合了波形编码的高质量和参数编码的低数据率。参数编码的低数据率。混合编码是指同时

30、使用两种或两种以上的编码混合编码是指同时使用两种或两种以上的编码方法进行编码。由于每种编码方法都有自己的方法进行编码。由于每种编码方法都有自己的优势和不足，若是用两种或两种以上的编码方优势和不足，若是用两种或两种以上的编码方法进行编码，可以优势互补，克服各自的不足，法进行编码，可以优势互补，克服各自的不足，从而达到高效数据压缩的目的。从而达到高效数据压缩的目的。2.3.22.3.2编码方法编码方法常用的音频编码压缩算法有以下几种常用的音频编码压缩算法有以下几种。增量调制增量调制 增量调制增量调制(DM)是是一种比较简单的波形编码方法。一种比较简单的波形编码方法。在编码端，由前一个输入信号的编码

31、值经解码在编码端，由前一个输入信号的编码值经解码器解码可得到下一个信号的预测值。输入的模器解码可得到下一个信号的预测值。输入的模拟音频信号与预测值在比较器上相减，从而得拟音频信号与预测值在比较器上相减，从而得到差值。到差值。差值的极性可以是正也可以是负。若为正，则差值的极性可以是正也可以是负。若为正，则编码输出为；若为负，则编码输出为编码输出为；若为负，则编码输出为0。这。这样，在增量调制的输出端可以得到一串样，在增量调制的输出端可以得到一串1位编位编码的码的DM码。码。增量调制(D Delta M Modulation)n它将信号瞬时值与前一个抽样时刻的量化值之差进行量化，而且只对这个差值的

32、符号进行编码，而不对差值的大小编码。因此量化只限于正和负两个电平，只用一比特传输一个样值。如果差值是正的，就发“1”码，若差值为负就发“0”码。因此数码“1”和“0”只是表示信号相对于前一时刻的增减，不代表信号的绝对值。同样，在接收端，每收到一个“1”码，译码器的输出相对于前一个时刻的值上升一个量阶。每收到一个“0”码就下降一个量阶。当收到连“1”码时，表示信号连续增长，当收到连“0”码时，表示信号连续下降。2.3.22.3.2编码方法编码方法译码器译码器比较器比较器极性判别极性判别信信 道道调制器调制器输入输入信号信号脉冲脉冲发生器发生器增量调制的系统结构图增量调制的系统结构图 1 1 1

33、1 1 1 1 0 0 0 0 1 1 0 0 0 1 0 0 1 00U(模拟输入)输出码问题1:斜率过载 当语音信号大幅度发生变化时，阶梯波形的上升或下降有可能跟不上信号的变化,因而产生滞后，这种失真称为“过载失真”。在斜率过载期间的码字将是一连串的0或者一连串的1。当话音信号不发生变化或者变化很缓慢时，预测误差信号将等于零或具有很小的绝对值，在这种情况下，编码为0和1交替出现的序列。这样，在解码器中所得到的是等幅脉冲序列，这样形成的噪声称为颗粒噪声。问题2:颗粒噪声 为了减少颗粒噪声，希望使输出编码1位所表示的量化阶距小一些。但是，减少量化阶距会使在固定采样速度下产生更严重的斜率过载。为

34、了解决这些矛盾，促使人们研究出了自适应增量调制(ADM)方法。分析2.3.22.3.2编码方法编码方法自适应增量调制（自适应增量调制（ADM）在在ADM中，常用的规则有两种中，常用的规则有两种:一种是控制可一种是控制可变因子变因子M，使量化阶距在一定范围内变化。对于使量化阶距在一定范围内变化。对于每一个新的采样，其量化阶距为其前面数值的每一个新的采样，其量化阶距为其前面数值的M倍。而的值则由输入信号的变化率来决定。如倍。而的值则由输入信号的变化率来决定。如果出现连续相同的编码，则说明有发生过载的危果出现连续相同的编码，则说明有发生过载的危险，这时就要加大。当险，这时就要加大。当0、1信号交替出

35、现时信号交替出现时，说明信号变化很慢，会产生颗粒噪声，这时就，说明信号变化很慢，会产生颗粒噪声，这时就要减少要减少M值。值。2.3.22.3.2编码方法编码方法其典型的规则为其典型的规则为:另一类使用较多的自适应增量调制称为可变斜另一类使用较多的自适应增量调制称为可变斜率增量调制。其工作原理如下：如果调制器连续率增量调制。其工作原理如下：如果调制器连续输出三个相同的码，则量化阶距加上一个大的增输出三个相同的码，则量化阶距加上一个大的增量，也就是说，三个连续相同的码表示有过载发量，也就是说，三个连续相同的码表示有过载发生。反之，则量化阶距增加一个小的增量。生。反之，则量化阶距增加一个小的增量。2

36、.3.22.3.2编码方法编码方法可变斜率增量的自适应规则为：可变斜率增量的自适应规则为：式中，式中，可在可在01之间取值。可以看到，之间取值。可以看到，的大小可以通过调节增量调制来适应输入信的大小可以通过调节增量调制来适应输入信号变化所需时间的长短。和为增量，而号变化所需时间的长短。和为增量，而且要大于等于。且要大于等于。2.3.22.3.2编码方法编码方法脉冲编码调制脉冲编码调制PCMv PCM编码是对连续语音信号进行空间采样、编码是对连续语音信号进行空间采样、幅度量化及用适当码字将其编码的总称。幅度量化及用适当码字将其编码的总称。vPCM是一种最通用的无损压缩编码，其特点是是一种最通用的

37、无损压缩编码，其特点是保真度高，解码速度快，但编码后的数据量大。保真度高，解码速度快，但编码后的数据量大。CD-DA就是采用的这种编码方式。就是采用的这种编码方式。PCM方法可方法可以按量化方式的不同，分为均匀量化以按量化方式的不同，分为均匀量化PCM、非非均匀量化均匀量化PCM和自适应量化和自适应量化PCM等几种。等几种。2.3.22.3.2编码方法编码方法差分脉冲编码调制差分脉冲编码调制DPCM差分脉冲编码调制的中心思想是对信号的差值差分脉冲编码调制的中心思想是对信号的差值而不是对信号本身进行编码。这个差值是指信号而不是对信号本身进行编码。这个差值是指信号值与预测值的差值。预测值可以由过去

38、的采样值值与预测值的差值。预测值可以由过去的采样值进行预测，其计算公式如下所示：进行预测，其计算公式如下所示：2.3.22.3.2编码方法编码方法 式中为预测系数。因此，利用若干个前面的式中为预测系数。因此，利用若干个前面的采样值可以预测当前值。当前值与预测值的差采样值可以预测当前值。当前值与预测值的差为：为：差分脉冲编码调制就是将上述每个样点的差值差分脉冲编码调制就是将上述每个样点的差值量化编码，而后用于存储或传递量化编码，而后用于存储或传递。2.3.22.3.2编码方法编码方法自适应差分脉冲编码调制自适应差分脉冲编码调制ADPCM将自适应量化器和自适应预测器结合在一起用将自适应量化器和自适

39、应预测器结合在一起用于于DPCM之中，从而实现了自适应差分脉冲编码之中，从而实现了自适应差分脉冲编码。ADPCM是一种有损压缩编码，记录的量化值是一种有损压缩编码，记录的量化值不是每个采样点的幅值，而是该点的幅值与前一不是每个采样点的幅值，而是该点的幅值与前一个采样点幅值之差。个采样点幅值之差。2.3.22.3.2编码方法编码方法其简化框图如下图所示其简化框图如下图所示：图2.10 ADPCM框图预测PCM样本+PCM样本 +差分量化器ADPC“差值”量化阶调整逆量化器预测器ADPC“差值”2.3.22.3.2编码方法编码方法子带编码子带编码 首先用一组带通滤波器，将输入的音频信号分首先用一组

40、带通滤波器，将输入的音频信号分成若干个连续的频段，并将这些频段称为子带。成若干个连续的频段，并将这些频段称为子带。然后，再分别对这些子带中的音频分量进行采样然后，再分别对这些子带中的音频分量进行采样和编码。最后，再将各子带的编码信号组织到一和编码。最后，再将各子带的编码信号组织到一起进行存储或送到信道上传送。在信道的接收端起进行存储或送到信道上传送。在信道的接收端得到各子带编码的混合信号，将各子带的编码取得到各子带编码的混合信号，将各子带的编码取出来，对它们分别进行解码，产生各子带的音频出来，对它们分别进行解码，产生各子带的音频分量，再将各子带的音频分量组合在一起，恢复分量，再将各子带的音频分

41、量组合在一起，恢复原始的音频信号。原始的音频信号。2.3.22.3.2编码方法编码方法 子带编码的原理框如下图：子带编码的原理框如下图：2.3.22.3.2编码方法编码方法变换域编码变换域编码在子带编码中，划分子带的方法是通过带通滤在子带编码中，划分子带的方法是通过带通滤波器来完成的。波器来完成的。另一种方法是通过变换域编码方法，将输入信另一种方法是通过变换域编码方法，将输入信号直接转换到频域，然后在频域划分各频段，号直接转换到频域，然后在频域划分各频段，根据不同的频段能量大小分配码字然后编码，根据不同的频段能量大小分配码字然后编码，接收端解码后再用相应的反变换转换成时域信接收端解码后再用相应

42、的反变换转换成时域信号。号。2.3.32.3.3音频数据的标准音频数据的标准 从数据通信的角度，音频编码标准主要有三种从数据通信的角度，音频编码标准主要有三种：在电话传输系统中应用的电话质量的音频压缩编码在电话传输系统中应用的电话质量的音频压缩编码技术标准技术标准，如如PCMPCM（ITU G.711ITU G.711）等）等。在窄带综合服务数据网传送中应用的调幅广播质量在窄带综合服务数据网传送中应用的调幅广播质量的音频压缩编码技术标准的音频压缩编码技术标准,如如G.722G.722等。等。在电视传输系统、视频点播系统中应用的音频编码在电视传输系统、视频点播系统中应用的音频编码标准，如标准，如

43、MPEGMPEG音频标准等。音频标准等。2.3.32.3.3音频数据的标准音频数据的标准电话质量的音频压缩编码技术标准电话质量的音频压缩编码技术标准(1)G.711(1)G.711 G.711 G.711标准是标准是19721972年年CCITTCCITT（现称为（现称为ITU-TITU-T）制定）制定的的PCMPCM语音标准，采样频率为语音标准，采样频率为8kHz8kHz，每个样本值用，每个样本值用8 8位二进制编码，因此输出的数据率位二进制编码，因此输出的数据率64kb/s64kb/s。采用。采用非线性量化非线性量化律或律或A A律，将样本精度为律，将样本精度为1313位的位的PCMPCM

44、按按A A律压扩编码，律压扩编码，1414位的位的PCMPCM按按律压扩编码转换律压扩编码转换为为8 8位编码，其质量相当于位编码，其质量相当于12bit12bit线性量化的音质。线性量化的音质。2.3.32.3.3音频数据的标准音频数据的标准(2)G.721(2)G.721G.721G.721标准是标准是19841984年年ITU-TITU-T制定的，主要目的制定的，主要目的是用于是用于64kbit/s64kbit/s的的A A律和律和律律PCMPCM与与32kbit/s32kbit/s的的ADPCMADPCM之间的转换。它基于之间的转换。它基于ADPCMADPCM技术，采样频率技术，采样频

45、率为为8kHz8kHz，每个样本与预测值的差值用，每个样本与预测值的差值用4 4位编码，位编码，其编码速率为其编码速率为32kbit/s32kbit/s。对对中中等等电电话话质质量量要要求求的的信信号号能能进进行行高高效效编编码码，可可在在调调幅幅广播和交互式激光唱盘音频信号压缩中应用。广播和交互式激光唱盘音频信号压缩中应用。2.3.32.3.3音频数据的标准音频数据的标准(3)G.728(3)G.728 属参数编码分析音频波形并提取其中的听觉特征。将这些特征量化，并传送出去。在接收端用这些特征值和声音合成器再生出声音，其质量可以接近原始信号。用这种方法再生的声音使人感到是合成的，不过可以获得

46、很高的压缩比。G.728G.728标准是一个追求低比特率的标准，其标准是一个追求低比特率的标准，其速率为速率为16kbit/s16kbit/s，其质量与，其质量与32kbit/s32kbit/s的的G.721G.721标标准基本相当。它使用了准基本相当。它使用了LD-CELPLD-CELP（低延时码本激（低延时码本激励线性预测）算法。励线性预测）算法。2.3.32.3.3音频数据的标准音频数据的标准调幅广播质量的音频压缩编码技术标准调幅广播质量的音频压缩编码技术标准:调幅广播质量音频信号的频率在调幅广播质量音频信号的频率在50Hz50Hz7kHz7kHz范围。范围。CCITTCCITT在在19

47、881988年制定了年制定了G.722G.722标准。标准。G.722G.722标准是采标准是采用用16kHz16kHz采样，采样，14bit14bit量化，信号数据速率为量化，信号数据速率为224kbit/s224kbit/s，采用子带编码方法，将输入音频信号经，采用子带编码方法，将输入音频信号经滤波器分成高子带和低子带两个部分，分别进行滤波器分成高子带和低子带两个部分，分别进行ADPCMADPCM编码，再混合形成输出码流，编码，再混合形成输出码流，224kbit/s224kbit/s可以可以被压缩成被压缩成64kbit/s64kbit/s，最后进行数据插入（最高插入，最后进行数据插入（最高

48、插入速率达速率达16kbit/s16kbit/s）。）。2.3.32.3.3音频数据的标准音频数据的标准 高保真度立体声音频压缩编码技术标准:高保真立体声音频信号频率范围是高保真立体声音频信号频率范围是50Hz50Hz20kHz20kHz，采用，采用44.1kHz44.1kHz采样频率，采样频率，16bit16bit量化进量化进行数字化转换，其数据速率每声道行数字化转换，其数据速率每声道705kbit/s705kbit/s。2.42.4音乐合成和音乐合成和MIDIMIDIn2.4.1概述n2.4.2计算机上合成音乐的产生过程n2.4.3MIDI音乐合成器2.4.12.4.1概述概述数字音频实际

49、上是一种数字式录音数字音频实际上是一种数字式录音/重放的过重放的过程，它需要很大的数据量。程，它需要很大的数据量。法1:录音/重放 最简单的语音生成输出方法是用适当的速度播放预先录制好的语音。法2:文-语转换 基于语音合成技术的文字-语音转换音乐合成在多媒体系统中，除了用数字音频的方式之外，在多媒体系统中，除了用数字音频的方式之外，还可以用采样合成的方式产生音乐。音乐合成还可以用采样合成的方式产生音乐。音乐合成的方式是根据一定的协议标准，采用音乐符号的方式是根据一定的协议标准，采用音乐符号记录方法来记录和解释乐谱，并合成相应的音记录方法来记录和解释乐谱，并合成相应的音乐信号，这也就是乐信号，这

50、也就是MIDIMIDI（Musical Instrument Musical Instrument Digital InterfaceDigital Interface）方式。方式。2.4.12.4.1概述概述MIDIMIDI是乐器数字接口的缩写，泛指数字音乐是乐器数字接口的缩写，泛指数字音乐的国际标准，它是音乐与计算机结合的产物。的国际标准，它是音乐与计算机结合的产物。MIDIMIDI不是把音乐的波形进行数字化采样和编码，不是把音乐的波形进行数字化采样和编码，而是将数字式电子乐器弹奏过程记录下来，如按而是将数字式电子乐器弹奏过程记录下来，如按了哪一个键、力度多大、时间多长等。当需要播了哪一个