数字音频技术基础

一、声音的基本概念

    声音是通过一定介质传播的连续的波。

图1 声波

重要指标：

1. 振幅：音量的大小
2. 周期：重复出现的时间间隔
3. 频率：指信号每秒钟变化的次数

声音按频率分类：

图2 声音的频率(语音信号频率范围：300Hz-3kHz)

声音的传播携带了信息，它是人类传播信息的一种主要媒体。 声音的三种类型：

1. 波形声音：包含了所有声音形式
2. 语音：不仅是波形声音，而且还有丰富的语言内涵(抽象→提取特征→意义理解)
3.  音乐：与语音相比，形式更规范。音乐是符号化的声音。

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

图3 声音数字化过程

3.声音数字化过程示意图

图4 声音数字化过程示意图

4.声音数字化三要素

采样频率	量化位数	声道数
每秒钟抽取声波幅度样本的次数	每个采样点用多少二进制位表示数据范围	使用声音通道的个数
采样频率越高 声音质量越好 数据量也越大	量化位数越多 音质越好 数据量也越大	立体声比单声道的表现力丰富，但数据量翻倍
11.025kHz 22.05 kHz 44.1  kHz	8位＝256 16位＝65536	单声道 立体声

5.声音数字化的数据量

音频数据量＝采样频率×量化位数×声道数/8(字节/秒)

采样频率 (kHz)	量化位数 (bit)	数据量(KB/s)
		单声道	立体声
11.025	8	10.77	21.35
	16	21.53	43.07
22.05	8	21.53	43.07
	16	43.07	86.13
44.1	8	43.07	86.13
	16	86.13	172.27

三、音频的文件格式

1.WAV文件

WAV是Microsoft/IBM共同开发的PC波形文件。因未经压缩，文件数据量很大。
特点：声音层次丰富，还原音质好

2.MP3文件

MP3(MPEG Audio layer3)是一种按MPEG标准的音频压缩技术制作的音频文件。
特点：高压缩比(11:1)，优美音质

3.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

4.MIDI文件

MIDI(乐器数字接口)是由一组声音或乐器符号的集合。
特点：数据量很小，缺乏重现自然音

四、数字音频压缩标准

1.音频压缩方法概述

图5 

压缩编码技术是指用某种方法使数字化信息的编码率降低的技术

音频信号能压缩的基本依据：

①声音信号中存在大量的冗余度；
②人的听觉具有强音能抑制同时存在的弱音现象。

音频信号压缩编码的分类：

①无损压缩(熵编码)
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

2.音频压缩技术标准

分类	标准	说明
电话语 音质量	G.711	采样8kHz，量化8bit，码率64kbps
	G.721	采用ADPCM编码，码率32kbps
	G.723	采用ADPCM有损压缩，码率24kbps
	G.728	采用LD-CELP压缩技术，码率16kbps
调幅广 播质量	G.722	采样16kHz，量化14bit，码率224(64)kbps
高保真 立体声	MPEG 音频	采样44.1kHz，量化16bit，码率705kbps (MPEG三个压缩层次，384-64kbps)

五、声卡

1.声卡的主要功能

声卡是负责录音、播音和声音合成的一种多媒体板卡。其功能包括：
①录制、编辑和回放数字音频文件
②控制和混合各声源的音量
③记录和回放时进行压缩和解压缩
④语音合成技术(朗读文本)
⑤具有MIDI接口(乐器数字接口)

2.芯片类型

• CODEC芯片(依赖CPU，价格便宜)

• 数字信号处理器DSP(不依赖CPU)