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：
- 振幅：音量的大小
- 周期：重复出现的时间间隔
- 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：
- 波形声音：包含了所有声音形式
- 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)
- 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) |
