多媒體技術(shù)應(yīng)用2音頻處理技術(shù)陳永強(qiáng)

1、數(shù)學(xué)與計(jì)算機(jī)學(xué)院數(shù)學(xué)與計(jì)算機(jī)學(xué)院陳永強(qiáng)陳永強(qiáng)email:email:2013-2014-2第二章第二章 音頻處理技術(shù)音頻處理技術(shù)n2.1 音頻基本原理音頻基本原理 2.1.1 人類聽覺特性人類聽覺特性 2.1.2 數(shù)字音頻數(shù)字音頻 2.1.3 聲音聲音 2.1.4 語(yǔ)音語(yǔ)音n2.2常用音頻壓縮標(biāo)準(zhǔn)常用音頻壓縮標(biāo)準(zhǔn)2.2.1音頻壓縮基礎(chǔ)音頻壓縮基礎(chǔ)2.2.2常用音頻壓縮標(biāo)準(zhǔn)常用音頻壓縮標(biāo)準(zhǔn)2.2.3音頻文件格式音頻文件格式n2.3音頻處理軟件音頻處理軟件audition2.3.1功能介紹功能介紹2.3.2編輯環(huán)境編輯環(huán)境2.3.3基本操作基本操作3第二章第二章 音頻處理技術(shù)音頻處理技術(shù)n2.1

2、音頻基本原理音頻基本原理2.1.1 人類聽覺特性人類聽覺特性2.1.2 數(shù)字音頻數(shù)字音頻2.1.3 聲音聲音2.1.4 語(yǔ)音語(yǔ)音4近十年來，隨著計(jì)算機(jī)技術(shù)的高速發(fā)展，以及能同近十年來，隨著計(jì)算機(jī)技術(shù)的高速發(fā)展，以及能同時(shí)滿足數(shù)字信號(hào)的高壓縮率和數(shù)字信號(hào)的高保真時(shí)滿足數(shù)字信號(hào)的高壓縮率和數(shù)字信號(hào)的高保真透明重放質(zhì)量的壓縮算法及標(biāo)準(zhǔn)得到大量開發(fā)與透明重放質(zhì)量的壓縮算法及標(biāo)準(zhǔn)得到大量開發(fā)與使用，數(shù)字音頻已經(jīng)廣泛應(yīng)用于因特網(wǎng)、多媒體使用，數(shù)字音頻已經(jīng)廣泛應(yīng)用于因特網(wǎng)、多媒體及無線通信系統(tǒng)，及無線通信系統(tǒng)，cdcd品質(zhì)的數(shù)字音頻品質(zhì)的數(shù)字音頻已經(jīng)從根本已經(jīng)從根本上替代了模擬音頻。因此，人們對(duì)音頻信號(hào)數(shù)字

3、上替代了模擬音頻。因此，人們對(duì)音頻信號(hào)數(shù)字化處理提出了越來越高的要求，相應(yīng)軟硬件實(shí)現(xiàn)化處理提出了越來越高的要求，相應(yīng)軟硬件實(shí)現(xiàn)手段的效率也在不斷提高。手段的效率也在不斷提高。52.1.1 人類聽覺特性人類聽覺特性音頻信號(hào)的感知過程與人耳的聽覺系統(tǒng)密不可分。音頻信號(hào)的感知過程與人耳的聽覺系統(tǒng)密不可分。對(duì)于對(duì)于人類聽力感知人類聽力感知的研究，其范圍從人耳的生理的研究，其范圍從人耳的生理設(shè)計(jì)到大腦對(duì)聽覺信息的解釋。當(dāng)前，大部分感設(shè)計(jì)到大腦對(duì)聽覺信息的解釋。當(dāng)前，大部分感知音頻的編碼算法都是基于心理聲學(xué)模型的。知音頻的編碼算法都是基于心理聲學(xué)模型的。62.1.1 人類聽覺特性人類聽覺特性1 1聽閾與聽

4、域聽閾與聽域2 2音調(diào)音調(diào)3 3響度和響度級(jí)響度和響度級(jí)4 4絕對(duì)聽覺門限絕對(duì)聽覺門限5 5臨界頻帶臨界頻帶6 6同時(shí)掩蔽同時(shí)掩蔽7 7異時(shí)掩蔽異時(shí)掩蔽8 8感知熵感知熵72.1.1 人類聽覺特性人類聽覺特性1 1聽閾與聽域聽閾與聽域聽閾（聽閾（auditory thresholdauditory threshold）就是指人能聽到的）就是指人能聽到的最低最低聲壓級(jí)聲壓級(jí)（sound power levelsound power level，splspl）。）。聽域（聽域（audible areaaudible area）是指）是指人能感知的聲音的范圍人能感知的聲音的范圍，正常人耳能夠感知的頻

5、率范圍大致是，正常人耳能夠感知的頻率范圍大致是20hz20hz20khz20khz；正常人能感知聲音的聲壓級(jí)范圍是；正常人能感知聲音的聲壓級(jí)范圍是0 0128db128db。8圖圖2-1 2-1 聽閾聽閾- -頻率曲線頻率曲線92.1.1 人類聽覺特性人類聽覺特性2 2音調(diào)音調(diào)音調(diào)（音調(diào)（pitchpitch）在物理學(xué)中是指）在物理學(xué)中是指聲音的高低聲音的高低，實(shí)際上，實(shí)際上就是指人耳對(duì)不同頻率聲音的一種主觀感受。就是指人耳對(duì)不同頻率聲音的一種主觀感受。音音調(diào)主要由聲音的頻率決定調(diào)主要由聲音的頻率決定，同時(shí)也與聲音強(qiáng)度有，同時(shí)也與聲音強(qiáng)度有關(guān)。頻率高的聲音，人感覺其音調(diào)也較高，反之關(guān)。頻率高的

6、聲音，人感覺其音調(diào)也較高，反之，人感知音調(diào)低的聲音其頻率也低。，人感知音調(diào)低的聲音其頻率也低。對(duì)音調(diào)可以進(jìn)行定量的判斷，其度量單位為對(duì)音調(diào)可以進(jìn)行定量的判斷，其度量單位為美（美（melmel），），定義一個(gè)聲壓級(jí)為定義一個(gè)聲壓級(jí)為40db40db，頻率為，頻率為1khz1khz的的純音的音調(diào)為純音的音調(diào)為1000mel1000mel。102.1.1 人類聽覺特性人類聽覺特性3 3響度和響度級(jí)響度和響度級(jí)響度（響度（loudnessloudness）是）是人耳感受聲音強(qiáng)弱人耳感受聲音強(qiáng)弱的主觀感覺的主觀感覺程度，這種感覺與音強(qiáng)、頻率和波形都有關(guān)系，程度，這種感覺與音強(qiáng)、頻率和波形都有關(guān)系，其度量

7、單位為宋（其度量單位為宋（sonesone），定義一個(gè)聲壓級(jí)為），定義一個(gè)聲壓級(jí)為40db40db，頻率為，頻率為1khz1khz的純音的響度為的純音的響度為1sone1sone。響度級(jí)（響度級(jí)（loudness levelloudness level）是）是指某響度與基準(zhǔn)響度相指某響度與基準(zhǔn)響度相比的等級(jí)比的等級(jí)，其度量單位為方（，其度量單位為方（phonphon），定義），定義1khz1khz純音的響度級(jí)為純音的響度級(jí)為1phon1phon。11圖圖2-2 2-2 人耳可聽最小響度曲線人耳可聽最小響度曲線122.1.1 人類聽覺特性人類聽覺特性4 4絕對(duì)聽覺門限絕對(duì)聽覺門限絕對(duì)聽覺門限（絕

8、對(duì)聽覺門限（absolute threshold of hearingabsolute threshold of hearing，athath）指一個(gè)人在沒有噪聲的環(huán)境下，能夠產(chǎn)生）指一個(gè)人在沒有噪聲的環(huán)境下，能夠產(chǎn)生聽覺，感知到一個(gè)純音信號(hào)（某頻率點(diǎn)）的最小聽覺，感知到一個(gè)純音信號(hào)（某頻率點(diǎn)）的最小能量幅度。能量幅度。 絕對(duì)聽覺門限用聲壓級(jí)表示，靜音為絕對(duì)聽覺門限用聲壓級(jí)表示，靜音為0db0db，痛閾為，痛閾為140db140db。 13圖圖2-3 2-3 絕對(duì)聽覺門限曲線絕對(duì)聽覺門限曲線142.1.1 人類聽覺特性人類聽覺特性5 5臨界頻帶臨界頻帶指一個(gè)純音可以被以它為中心頻率，并且具有一

9、定指一個(gè)純音可以被以它為中心頻率，并且具有一定頻帶寬度的連續(xù)噪聲所掩蔽，在這一頻帶內(nèi)噪聲頻帶寬度的連續(xù)噪聲所掩蔽，在這一頻帶內(nèi)噪聲功率等于該純音的功率。使該純音處于剛能被聽功率等于該純音的功率。使該純音處于剛能被聽到的臨界狀態(tài)，即稱這一帶寬為臨界頻帶寬度。到的臨界狀態(tài)，即稱這一帶寬為臨界頻帶寬度。臨界頻帶的單位為巴克（臨界頻帶的單位為巴克（barkbark）。）。 152.1.1 人類聽覺特性人類聽覺特性6 6同時(shí)掩蔽同時(shí)掩蔽掩蔽效應(yīng)是指當(dāng)兩個(gè)響度不等的聲音作用于掩蔽效應(yīng)是指當(dāng)兩個(gè)響度不等的聲音作用于人耳時(shí)，響度較高的頻率成分的存在會(huì)影人耳時(shí)，響度較高的頻率成分的存在會(huì)影響到對(duì)響度較低的頻率成

10、分的感知。響到對(duì)響度較低的頻率成分的感知。 當(dāng)兩個(gè)或更多的音頻信號(hào)到達(dá)人內(nèi)耳時(shí)，掩當(dāng)兩個(gè)或更多的音頻信號(hào)到達(dá)人內(nèi)耳時(shí)，掩蔽聲與被掩蔽聲同時(shí)作用發(fā)生掩蔽效應(yīng)，蔽聲與被掩蔽聲同時(shí)作用發(fā)生掩蔽效應(yīng)，就稱同時(shí)掩蔽。就稱同時(shí)掩蔽。 162.1.1 人類聽覺特性人類聽覺特性7 7異時(shí)掩蔽異時(shí)掩蔽指掩蔽效應(yīng)發(fā)生在掩蔽聲與被掩蔽聲不同時(shí)出現(xiàn)的指掩蔽效應(yīng)發(fā)生在掩蔽聲與被掩蔽聲不同時(shí)出現(xiàn)的情況下。情況下。若掩蔽聲音出現(xiàn)之前的一段時(shí)間內(nèi)發(fā)生掩蔽效應(yīng)，若掩蔽聲音出現(xiàn)之前的一段時(shí)間內(nèi)發(fā)生掩蔽效應(yīng)，則稱為超前掩蔽，否則稱為滯后掩蔽。則稱為超前掩蔽，否則稱為滯后掩蔽。 172.1.1 人類聽覺特性人類聽覺特性8 8感知熵感

11、知熵感知熵（感知熵（perceptual entropyperceptual entropy）指利用心理聲學(xué)的掩）指利用心理聲學(xué)的掩蔽現(xiàn)象和信號(hào)能量化原理來測(cè)量音頻信號(hào)中感知蔽現(xiàn)象和信號(hào)能量化原理來測(cè)量音頻信號(hào)中感知相關(guān)的信息。一般以位（相關(guān)的信息。一般以位（bitbit）作為單位，實(shí)際上）作為單位，實(shí)際上表示了音頻信號(hào)壓縮的理論極限。表示了音頻信號(hào)壓縮的理論極限。 182.1.2 數(shù)字音頻數(shù)字音頻音頻信號(hào)是音頻信號(hào)是時(shí)間和幅度都連續(xù)變化的一維模擬信號(hào)時(shí)間和幅度都連續(xù)變化的一維模擬信號(hào)，要想在計(jì)算機(jī)中對(duì)它進(jìn)行處理，就要將它變成時(shí)要想在計(jì)算機(jī)中對(duì)它進(jìn)行處理，就要將它變成時(shí)間和幅度都是離散的數(shù)字信

12、號(hào)，所以間和幅度都是離散的數(shù)字信號(hào)，所以數(shù)字音頻是數(shù)字音頻是指音頻信號(hào)經(jīng)過離散化處理后再用一系列的數(shù)字指音頻信號(hào)經(jīng)過離散化處理后再用一系列的數(shù)字來表示的信號(hào)來表示的信號(hào)，其特點(diǎn)是保真度好，動(dòng)態(tài)范圍大。，其特點(diǎn)是保真度好，動(dòng)態(tài)范圍大。數(shù)字音頻可分為數(shù)字音頻可分為波形聲音波形聲音、語(yǔ)音語(yǔ)音和和音樂音樂。波形聲音。波形聲音實(shí)際上包含了所有的聲音形式，因此數(shù)字音頻有實(shí)際上包含了所有的聲音形式，因此數(shù)字音頻有時(shí)也泛稱為聲音。時(shí)也泛稱為聲音。19n2.1.2 數(shù)字音頻數(shù)字音頻用計(jì)算機(jī)來處理音頻信號(hào)必須將模擬音頻信號(hào)轉(zhuǎn)換用計(jì)算機(jī)來處理音頻信號(hào)必須將模擬音頻信號(hào)轉(zhuǎn)換成有限個(gè)數(shù)字表示的離散序列，過程為：成有限個(gè)

13、數(shù)字表示的離散序列，過程為：選擇采選擇采樣頻率，即進(jìn)行采樣樣頻率，即進(jìn)行采樣；選擇分辨率，即進(jìn)行量化選擇分辨率，即進(jìn)行量化；最后編碼形成聲音文件。聲音的采樣與量化如；最后編碼形成聲音文件。聲音的采樣與量化如圖所示。圖所示。202.1.2 數(shù)字音頻數(shù)字音頻1.采樣采樣采樣（采樣（samplingsampling）指把模擬信號(hào)在時(shí)域上以）指把模擬信號(hào)在時(shí)域上以固定的時(shí)間間隔固定的時(shí)間間隔對(duì)波形的值進(jìn)行抽取，再用若干位二進(jìn)制數(shù)表示。對(duì)波形的值進(jìn)行抽取，再用若干位二進(jìn)制數(shù)表示。對(duì)聲音波形對(duì)聲音波形采樣的頻率直接影響聲音的質(zhì)量采樣的頻率直接影響聲音的質(zhì)量，采樣頻率越高，采樣頻率越高，聲音保真度越好，但所

14、要求的數(shù)據(jù)存儲(chǔ)量也越大。聲音保真度越好，但所要求的數(shù)據(jù)存儲(chǔ)量也越大。根據(jù)采樣定理，當(dāng)根據(jù)采樣定理，當(dāng)采樣頻率大于信號(hào)最高頻率的兩倍時(shí)采樣頻率大于信號(hào)最高頻率的兩倍時(shí)，在，在采樣過程中就不會(huì)丟失信息，并且可以用采樣后的信號(hào)重采樣過程中就不會(huì)丟失信息，并且可以用采樣后的信號(hào)重構(gòu)原始信號(hào)，從而不失真地還原出原始的聲音信號(hào)。構(gòu)原始信號(hào)，從而不失真地還原出原始的聲音信號(hào)。對(duì)于音頻，最常用的采樣頻率有三種：對(duì)于音頻，最常用的采樣頻率有三種：44.1khz44.1khz、22.05 khz22.05 khz和和11.025 khz11.025 khz，其中，其中44.1khz44.1khz采樣頻率是最常用的

15、。采樣頻率是最常用的。聲道數(shù)是聲音通道的個(gè)數(shù)，指一次采樣的聲道數(shù)是聲音通道的個(gè)數(shù)，指一次采樣的聲音波形個(gè)數(shù)聲音波形個(gè)數(shù)。 212.1.2 數(shù)字音頻數(shù)字音頻2.量化量化量化（量化（quantityquantity）的目的是將采樣后的信號(hào)波形的）的目的是將采樣后的信號(hào)波形的幅度值（樣本）進(jìn)行離散化處理，樣本從模擬量幅度值（樣本）進(jìn)行離散化處理，樣本從模擬量轉(zhuǎn)化成了數(shù)字量。轉(zhuǎn)化成了數(shù)字量。量化位數(shù)越多，所得到的量化值越接近原始波形的量化位數(shù)越多，所得到的量化值越接近原始波形的采樣值。采樣值。量化方式有三種：量化方式有三種：零記憶量化零記憶量化、分組量化分組量化和和序列量序列量化化。222.1.3 聲

16、音聲音聲學(xué)是研究聲音的學(xué)科，包括聲波的產(chǎn)生、傳播和聲學(xué)是研究聲音的學(xué)科，包括聲波的產(chǎn)生、傳播和接收。物體振動(dòng)在彈性體里的傳播稱為接收。物體振動(dòng)在彈性體里的傳播稱為波波，而在，而在空氣中傳播的波就稱為空氣中傳播的波就稱為聲波聲波，能被人的聽覺器官，能被人的聽覺器官所感覺到的聲波叫所感覺到的聲波叫聲音聲音，其頻率一般在，其頻率一般在20hz20hz20khz20khz之間。之間。 232.1.3 聲音聲音聲音的三要素是聲音的三要素是音調(diào)音調(diào)、音色音色和和音強(qiáng)音強(qiáng)。 音調(diào)是指聲音的高低，音調(diào)與頻率有關(guān)。音調(diào)是指聲音的高低，音調(diào)與頻率有關(guān)。音色是指具有特色的聲音。音色是指具有特色的聲音。 音強(qiáng)是指聲音

17、的強(qiáng)度，也稱為聲音的響度，音強(qiáng)與音強(qiáng)是指聲音的強(qiáng)度，也稱為聲音的響度，音強(qiáng)與聲波的振幅成正比聲波的振幅成正比 。242.1.3 聲音聲音聲音的質(zhì)量簡(jiǎn)稱音質(zhì)。聲音的質(zhì)量簡(jiǎn)稱音質(zhì)。1 1）與采樣頻率有關(guān)與采樣頻率有關(guān)。對(duì)于數(shù)字音頻信號(hào)，。對(duì)于數(shù)字音頻信號(hào)，音質(zhì)的好音質(zhì)的好壞與數(shù)據(jù)采樣頻率和數(shù)據(jù)位數(shù)有關(guān)壞與數(shù)據(jù)采樣頻率和數(shù)據(jù)位數(shù)有關(guān)。采樣頻率越。采樣頻率越低，位數(shù)越少，音質(zhì)越差。低，位數(shù)越少，音質(zhì)越差。2 2）與音頻處理設(shè)備有關(guān)與音頻處理設(shè)備有關(guān)。音響放大器和揚(yáng)聲器的質(zhì)。音響放大器和揚(yáng)聲器的質(zhì)量能夠直接影響重放的質(zhì)量。量能夠直接影響重放的質(zhì)量。3 3）與信號(hào)噪聲比有關(guān)與信號(hào)噪聲比有關(guān)。在錄音時(shí)，音頻

18、信號(hào)幅度與。在錄音時(shí)，音頻信號(hào)幅度與噪聲幅度的比值越大越好，否則聲音被噪聲干擾，噪聲幅度的比值越大越好，否則聲音被噪聲干擾，會(huì)影響音質(zhì)。會(huì)影響音質(zhì)。252.1.3 語(yǔ)音語(yǔ)音26圖圖2-8 2-8 計(jì)算機(jī)處理語(yǔ)音過程計(jì)算機(jī)處理語(yǔ)音過程 27第二章第二章 音頻處理技術(shù)音頻處理技術(shù)n2.2常用音頻壓縮標(biāo)準(zhǔn)常用音頻壓縮標(biāo)準(zhǔn)2.2.1音頻壓縮基礎(chǔ)音頻壓縮基礎(chǔ)2.2.2常用音頻壓縮標(biāo)準(zhǔn)常用音頻壓縮標(biāo)準(zhǔn)2.2.3音頻文件格式音頻文件格式282.2.1音頻壓縮基礎(chǔ)音頻壓縮基礎(chǔ)1 1數(shù)據(jù)壓縮條件數(shù)據(jù)壓縮條件2 2數(shù)據(jù)冗余數(shù)據(jù)冗余3 3數(shù)據(jù)壓縮算法分類數(shù)據(jù)壓縮算法分類292.2.1音頻壓縮基礎(chǔ)音頻壓縮基礎(chǔ)1 1數(shù)

19、據(jù)壓縮條件數(shù)據(jù)壓縮條件信號(hào)之所以能被壓縮和編碼，其原因主要是：信號(hào)之所以能被壓縮和編碼，其原因主要是：1 1）數(shù)據(jù)冗余度）數(shù)據(jù)冗余度2 2）人類不敏感因素）人類不敏感因素3 3）信息傳輸與存儲(chǔ)）信息傳輸與存儲(chǔ) 302.2.1音頻壓縮基礎(chǔ)音頻壓縮基礎(chǔ)2 2數(shù)據(jù)冗余數(shù)據(jù)冗余冗余是指信息所具有的各種性質(zhì)中多余的無用空間冗余是指信息所具有的各種性質(zhì)中多余的無用空間，其多余的程度稱為冗余度。，其多余的程度稱為冗余度。 信息量、數(shù)據(jù)量和冗余量之間的關(guān)系如下：信息量、數(shù)據(jù)量和冗余量之間的關(guān)系如下：式中，式中，i i表示信息量，表示信息量，d d表示數(shù)據(jù)量，表示數(shù)據(jù)量，dudu表示冗余量表示冗余量，冗余量應(yīng)在

20、數(shù)據(jù)存儲(chǔ)和傳輸之前去掉。，冗余量應(yīng)在數(shù)據(jù)存儲(chǔ)和傳輸之前去掉。 iddu312.2.1音頻壓縮基礎(chǔ)音頻壓縮基礎(chǔ)2 2數(shù)據(jù)冗余數(shù)據(jù)冗余空間冗余空間冗余時(shí)間冗余時(shí)間冗余統(tǒng)計(jì)冗余統(tǒng)計(jì)冗余結(jié)構(gòu)冗余結(jié)構(gòu)冗余信息熵冗余信息熵冗余知識(shí)冗余等。知識(shí)冗余等。322.2.1音頻壓縮基礎(chǔ)音頻壓縮基礎(chǔ)2 2數(shù)據(jù)冗余數(shù)據(jù)冗余空間冗余：空間冗余：一幅圖像表面上各采樣點(diǎn)的顏色之間往往存在著空一幅圖像表面上各采樣點(diǎn)的顏色之間往往存在著空間連貫性。間連貫性。圖像數(shù)據(jù)中經(jīng)常存在的一種冗余，如規(guī)則物體和規(guī)圖像數(shù)據(jù)中經(jīng)常存在的一種冗余，如規(guī)則物體和規(guī)則背景（像素相關(guān)性強(qiáng)）。則背景（像素相關(guān)性強(qiáng)）。332.2.1音頻壓縮基礎(chǔ)音頻壓縮基礎(chǔ)

21、2數(shù)據(jù)冗余數(shù)據(jù)冗余時(shí)間冗余：時(shí)間冗余：視頻和音頻中存在的、在時(shí)間尺度上相關(guān)的一種冗視頻和音頻中存在的、在時(shí)間尺度上相關(guān)的一種冗余，如相鄰幀之間像素的相關(guān)性；語(yǔ)音的連續(xù)和余，如相鄰幀之間像素的相關(guān)性；語(yǔ)音的連續(xù)和漸變過程。漸變過程。空間冗余和時(shí)間冗余，存在大量的統(tǒng)計(jì)特征重復(fù)，空間冗余和時(shí)間冗余，存在大量的統(tǒng)計(jì)特征重復(fù)，因此稱為統(tǒng)計(jì)冗余。因此稱為統(tǒng)計(jì)冗余。342.2.1音頻壓縮基礎(chǔ)音頻壓縮基礎(chǔ)2數(shù)據(jù)冗余數(shù)據(jù)冗余結(jié)構(gòu)冗余：結(jié)構(gòu)冗余：有些圖像存在著非常強(qiáng)的紋理結(jié)有些圖像存在著非常強(qiáng)的紋理結(jié)構(gòu)，我們稱它們?cè)诮Y(jié)構(gòu)上存在構(gòu)，我們稱它們?cè)诮Y(jié)構(gòu)上存在冗余。冗余。例如，布紋圖像和草席圖像。例如，布紋圖像和草席圖像

22、。352.2.1音頻壓縮基礎(chǔ)音頻壓縮基礎(chǔ)2數(shù)據(jù)冗余數(shù)據(jù)冗余信息熵冗余：信息熵冗余：也稱為編碼冗余，是指數(shù)據(jù)所攜帶的信息量少于數(shù)也稱為編碼冗余，是指數(shù)據(jù)所攜帶的信息量少于數(shù)據(jù)本身而反映出來的數(shù)據(jù)冗余。據(jù)本身而反映出來的數(shù)據(jù)冗余。例如例如: :自然界的很多狀態(tài)不可能正好用自然界的很多狀態(tài)不可能正好用2 2的整數(shù)次冪的整數(shù)次冪來表示來表示, ,這樣就會(huì)造成編碼冗余。這樣就會(huì)造成編碼冗余。362.2.1音頻壓縮基礎(chǔ)音頻壓縮基礎(chǔ)2數(shù)據(jù)冗余數(shù)據(jù)冗余知識(shí)冗余：知識(shí)冗余：舉例：成語(yǔ)、人臉的圖像有固定的結(jié)構(gòu)。舉例：成語(yǔ)、人臉的圖像有固定的結(jié)構(gòu)。這類規(guī)律性的結(jié)構(gòu)可由先驗(yàn)知識(shí)和背景知識(shí)得到，這類規(guī)律性的結(jié)構(gòu)可由先驗(yàn)

23、知識(shí)和背景知識(shí)得到，我們稱此類冗余為知識(shí)冗余。我們稱此類冗余為知識(shí)冗余。372.2.1音頻壓縮基礎(chǔ)音頻壓縮基礎(chǔ)3 3數(shù)據(jù)壓縮算法分類數(shù)據(jù)壓縮算法分類圖圖2-10 2-10 數(shù)據(jù)壓縮數(shù)據(jù)壓縮算法分類算法分類382.2.1音頻壓縮基礎(chǔ)音頻壓縮基礎(chǔ)3 3數(shù)據(jù)壓縮算法分類數(shù)據(jù)壓縮算法分類無損壓縮無損壓縮（冗余壓縮、熵編碼）法：無損壓縮法去（冗余壓縮、熵編碼）法：無損壓縮法去掉或減少了數(shù)據(jù)中的冗余量，但這些冗余量是可掉或減少了數(shù)據(jù)中的冗余量，但這些冗余量是可以重新恢復(fù)的，因此，無損壓縮是可逆的過程。以重新恢復(fù)的，因此，無損壓縮是可逆的過程。例如：壓縮軟件例如：壓縮軟件winrarwinrar應(yīng)用。應(yīng)用。

24、注意：無損壓縮特點(diǎn)是壓縮比小。注意：無損壓縮特點(diǎn)是壓縮比小。無損壓縮法不會(huì)產(chǎn)生失真，在多媒體技術(shù)中一般用無損壓縮法不會(huì)產(chǎn)生失真，在多媒體技術(shù)中一般用于文本數(shù)據(jù)的壓縮。常見的例子是磁盤壓縮。于文本數(shù)據(jù)的壓縮。常見的例子是磁盤壓縮。392.2.1音頻壓縮基礎(chǔ)音頻壓縮基礎(chǔ)3 3數(shù)據(jù)壓縮算法分類數(shù)據(jù)壓縮算法分類有損壓縮有損壓縮（熵壓縮）法：有損壓縮減少了信息量，（熵壓縮）法：有損壓縮減少了信息量，而這些損失信息量是不能再恢復(fù)的，因此，有損而這些損失信息量是不能再恢復(fù)的，因此，有損壓縮法是不可逆的。壓縮法是不可逆的。例如：視例如：視/ /聽覺等冗余，由于人的感覺對(duì)某些失真不聽覺等冗余，由于人的感覺對(duì)某些

25、失真不易覺察的生理特征，決定了在某些場(chǎng)合可以減少易覺察的生理特征，決定了在某些場(chǎng)合可以減少信息量。信息量。注意：有損壓縮特點(diǎn)是壓縮比大，但不可逆。注意：有損壓縮特點(diǎn)是壓縮比大，但不可逆。402.2.2常用音頻壓縮標(biāo)準(zhǔn)常用音頻壓縮標(biāo)準(zhǔn)1 1g.711 64kb/sg.711 64kb/s脈沖編碼調(diào)制（脈沖編碼調(diào)制（pcmpcm）2 2g.721g.721自適應(yīng)差分脈沖編碼調(diào)制（自適應(yīng)差分脈沖編碼調(diào)制（adpcmadpcm）3 3g.722 7khzg.722 7khz聲音編碼器聲音編碼器4 4g.723 g.723 雙速率語(yǔ)音編碼器雙速率語(yǔ)音編碼器5 5g.728 16kb/sg.728 16k

26、b/s低延遲碼激勵(lì)線性預(yù)測(cè)編碼（低延遲碼激勵(lì)線性預(yù)測(cè)編碼（ld-celpld-celp）6 6g.729 g.729 語(yǔ)音編碼器語(yǔ)音編碼器7 7mpeg-1mpeg-1音頻編碼音頻編碼8 8acac音頻編碼音頻編碼9 9空間音頻編碼空間音頻編碼1010移動(dòng)音頻編碼移動(dòng)音頻編碼412.2.2常用音頻壓縮標(biāo)準(zhǔn)常用音頻壓縮標(biāo)準(zhǔn)1 1g.711 64kb/sg.711 64kb/s脈沖編碼調(diào)制（脈沖編碼調(diào)制（pcmpcm）脈沖編碼調(diào)制（脈沖編碼調(diào)制（pulse code modulationpulse code modulation，pcmpcm）是）是ituitu制定出來的一套語(yǔ)音壓縮標(biāo)準(zhǔn)，主要用于

27、電制定出來的一套語(yǔ)音壓縮標(biāo)準(zhǔn)，主要用于電話。話。 19721972年，年，ccittccitt對(duì)一個(gè)對(duì)一個(gè)64kb/s64kb/s壓擴(kuò)型壓擴(kuò)型pcmpcm編碼器做編碼器做了標(biāo)準(zhǔn)化，稱為了標(biāo)準(zhǔn)化，稱為g.711g.711。這個(gè)標(biāo)準(zhǔn)主要有兩種壓縮。這個(gè)標(biāo)準(zhǔn)主要有兩種壓縮算法，在北美和日本，使用算法，在北美和日本，使用律律pcmpcm；而世界其；而世界其他國(guó)家使用他國(guó)家使用a a律律pcmpcm。 g.711g.711在在64kb/s64kb/s速率話音質(zhì)量能夠達(dá)到網(wǎng)絡(luò)等級(jí)，目速率話音質(zhì)量能夠達(dá)到網(wǎng)絡(luò)等級(jí)，目前已廣泛應(yīng)用于各種數(shù)字通信系統(tǒng)中，如電纜、前已廣泛應(yīng)用于各種數(shù)字通信系統(tǒng)中，如電纜、微波、衛(wèi)

28、星、光纜等。微波、衛(wèi)星、光纜等。 422.2.2常用音頻壓縮標(biāo)準(zhǔn)常用音頻壓縮標(biāo)準(zhǔn)2 2g.721g.721自適應(yīng)差分脈沖編碼調(diào)制（自適應(yīng)差分脈沖編碼調(diào)制（adpcmadpcm）自適應(yīng)差分脈沖編碼調(diào)制（自適應(yīng)差分脈沖編碼調(diào)制（adaptive differential adaptive differential pulse code modulationpulse code modulation，adpcmadpcm）在）在pcmpcm的基的基礎(chǔ)上進(jìn)行改進(jìn)，進(jìn)一步利用了語(yǔ)音信號(hào)樣點(diǎn)間的礎(chǔ)上進(jìn)行改進(jìn)，進(jìn)一步利用了語(yǔ)音信號(hào)樣點(diǎn)間的相關(guān)性，并針對(duì)語(yǔ)音信號(hào)的非平穩(wěn)特點(diǎn)，使用了相關(guān)性，并針對(duì)語(yǔ)音信號(hào)的非平

29、穩(wěn)特點(diǎn)，使用了自適應(yīng)預(yù)測(cè)和自適應(yīng)量化自適應(yīng)預(yù)測(cè)和自適應(yīng)量化 19841984年，年，ccittccitt首先對(duì)首先對(duì)32kb/s adpcm32kb/s adpcm做了標(biāo)準(zhǔn)化，做了標(biāo)準(zhǔn)化，稱為稱為g.721g.721。 g.721g.721于于19861986年根據(jù)兩年間運(yùn)行中出現(xiàn)的一些問題，年根據(jù)兩年間運(yùn)行中出現(xiàn)的一些問題，做了進(jìn)一步修正，又重新標(biāo)準(zhǔn)化。做了進(jìn)一步修正，又重新標(biāo)準(zhǔn)化。 432.2.2常用音頻壓縮標(biāo)準(zhǔn)常用音頻壓縮標(biāo)準(zhǔn)3 3g.722 7khzg.722 7khz聲音編碼器聲音編碼器19881988年，正式通過關(guān)于年，正式通過關(guān)于“用用64kb/s64kb/s或低于此編碼速或低于

30、此編碼速率的率的7khz7khz音頻信號(hào)編碼器音頻信號(hào)編碼器”的標(biāo)準(zhǔn)，稱為的標(biāo)準(zhǔn)，稱為g.722g.722。 g.722g.722的主要目標(biāo)是保持的主要目標(biāo)是保持64kb/s64kb/s的數(shù)據(jù)率，而音頻的數(shù)據(jù)率，而音頻信號(hào)的質(zhì)量要明顯高于信號(hào)的質(zhì)量要明顯高于g.711g.711的質(zhì)量。的質(zhì)量。 44.2.2常用音頻壓縮標(biāo)準(zhǔn)常用音頻壓縮標(biāo)準(zhǔn)4 4g.723 g.723 雙速率語(yǔ)音編碼器雙速率語(yǔ)音編碼器g.723g.723是在是在19961996年制定的一種多媒體語(yǔ)音編解碼標(biāo)年制定的一種多媒體語(yǔ)音編解碼標(biāo)準(zhǔn)。準(zhǔn)。 g.723g.723標(biāo)準(zhǔn)傳輸碼率有標(biāo)準(zhǔn)傳輸碼率有5.3kb/s5.3kb/s和和6.

31、3kb/s6.3kb/s兩種，在編兩種，在編程過程中可隨時(shí)切換。程過程中可隨時(shí)切換。 452.2.2常用音頻壓縮標(biāo)準(zhǔn)常用音頻壓縮標(biāo)準(zhǔn)5 5g.728 16kb/sg.728 16kb/s低延遲碼激勵(lì)線性預(yù)測(cè)編碼（低延遲碼激勵(lì)線性預(yù)測(cè)編碼（ld-ld-celpcelp）g.728g.728的工作進(jìn)程是從的工作進(jìn)程是從19881988年開始的，試圖建立通年開始的，試圖建立通用的用的16kb/s16kb/s長(zhǎng)話質(zhì)量的語(yǔ)音編碼標(biāo)準(zhǔn)。長(zhǎng)話質(zhì)量的語(yǔ)音編碼標(biāo)準(zhǔn)。 g.728g.728開始是按照浮點(diǎn)開始是按照浮點(diǎn)celpcelp編碼算法規(guī)定的編碼算法規(guī)定的 。19941994年完成了按照嚴(yán)格定點(diǎn)規(guī)定的算法。年

32、完成了按照嚴(yán)格定點(diǎn)規(guī)定的算法。462.2.2常用音頻壓縮標(biāo)準(zhǔn)常用音頻壓縮標(biāo)準(zhǔn)6 6g g.729 .729 語(yǔ)音編碼器語(yǔ)音編碼器在在19961996年年3 3月，月，itu-titu-t的第的第1515研究小組提出研究小組提出8kb/s8kb/s的的語(yǔ)音編碼協(xié)議，稱為語(yǔ)音編碼協(xié)議，稱為g.729g.729。 g.729g.729標(biāo)準(zhǔn)使用的算法是共軛結(jié)構(gòu)的代數(shù)碼本激勵(lì)標(biāo)準(zhǔn)使用的算法是共軛結(jié)構(gòu)的代數(shù)碼本激勵(lì)線性預(yù)測(cè)（線性預(yù)測(cè)（cs-acelpcs-acelp），它基于），它基于celpcelp編碼模型。編碼模型。 472.2.2常用音頻壓縮標(biāo)準(zhǔn)常用音頻壓縮標(biāo)準(zhǔn)7 7mpeg-1mpeg-1音頻編碼

33、音頻編碼mpeg-1mpeg-1音頻編碼作為音頻編碼作為mpegmpeg標(biāo)準(zhǔn)的一部分，對(duì)應(yīng)于標(biāo)準(zhǔn)的一部分，對(duì)應(yīng)于iso/iec 11172-3iso/iec 11172-3，規(guī)定了高質(zhì)量音頻編碼方法、，規(guī)定了高質(zhì)量音頻編碼方法、存儲(chǔ)表示和解碼方法。存儲(chǔ)表示和解碼方法。 482.2.2常用音頻壓縮標(biāo)準(zhǔn)常用音頻壓縮標(biāo)準(zhǔn)8 8acac音頻編碼音頻編碼杜比實(shí)驗(yàn)室在杜比實(shí)驗(yàn)室在19871987年第一次將數(shù)字編碼技術(shù)引入到年第一次將數(shù)字編碼技術(shù)引入到hdtvhdtv的開發(fā)中，即的開發(fā)中，即ac-1ac-1標(biāo)準(zhǔn)標(biāo)準(zhǔn) 。19901990年杜比實(shí)驗(yàn)室又推出了立體聲編碼標(biāo)準(zhǔn)年杜比實(shí)驗(yàn)室又推出了立體聲編碼標(biāo)準(zhǔn)ac-

34、2 ac-2 。19941994年杜比公司與日本先鋒公司聯(lián)合推出了最新一年杜比公司與日本先鋒公司聯(lián)合推出了最新一代的杜比數(shù)碼環(huán)繞聲系統(tǒng)代的杜比數(shù)碼環(huán)繞聲系統(tǒng)dolby surround audio dolby surround audio coding-3coding-3，簡(jiǎn)稱為，簡(jiǎn)稱為ac-3ac-3。 492.2.2常用音頻壓縮標(biāo)準(zhǔn)常用音頻壓縮標(biāo)準(zhǔn)9 9空間音頻編碼空間音頻編碼隨著人類聽覺研究在空間心理聲學(xué)、認(rèn)知心理學(xué)等學(xué)科的不隨著人類聽覺研究在空間心理聲學(xué)、認(rèn)知心理學(xué)等學(xué)科的不斷深入，出現(xiàn)了將人類空間方位感知參數(shù)引入音頻壓縮編斷深入，出現(xiàn)了將人類空間方位感知參數(shù)引入音頻壓縮編碼技術(shù)的研究

35、碼技術(shù)的研究空間音頻編碼（空間音頻編碼（spatial audio codingspatial audio coding，sacsac）。）。 通過將空間線索（通過將空間線索（spatial cuesspatial cues）參數(shù)引入到音頻壓縮編碼算）參數(shù)引入到音頻壓縮編碼算法中，即所謂的參數(shù)立體聲（法中，即所謂的參數(shù)立體聲（parametric stereoparametric stereo，psps）技）技術(shù)，分析聲道間冗余信息量，采用立體聲參數(shù)提取的聯(lián)合術(shù)，分析聲道間冗余信息量，采用立體聲參數(shù)提取的聯(lián)合聲道編碼模式，取代傳統(tǒng)的聲道分離編碼模式，可以降低聲道編碼模式，取代傳統(tǒng)的聲道分離編碼

36、模式，可以降低近近50%50%的編碼碼率，使空間成為數(shù)字音頻編碼技術(shù)的有效的編碼碼率，使空間成為數(shù)字音頻編碼技術(shù)的有效組成部分。組成部分。 502.2.2常用音頻壓縮標(biāo)準(zhǔn)常用音頻壓縮標(biāo)準(zhǔn)1010移動(dòng)音頻編碼移動(dòng)音頻編碼在移動(dòng)通信系統(tǒng)中采用混合壓縮編碼，可以根據(jù)需在移動(dòng)通信系統(tǒng)中采用混合壓縮編碼，可以根據(jù)需要?jiǎng)討B(tài)調(diào)整編碼碼率，在合成音頻質(zhì)量、系統(tǒng)空要?jiǎng)討B(tài)調(diào)整編碼碼率，在合成音頻質(zhì)量、系統(tǒng)空間中取得平衡，最大限度地發(fā)揮系統(tǒng)的效能。間中取得平衡，最大限度地發(fā)揮系統(tǒng)的效能。 3gpp 3gpp 將將amr-wb+amr-wb+和和eaac+eaac+兩種編碼標(biāo)準(zhǔn)用于第兩種編碼標(biāo)準(zhǔn)用于第三代移動(dòng)網(wǎng)絡(luò)中的

37、多媒體服務(wù)。三代移動(dòng)網(wǎng)絡(luò)中的多媒體服務(wù)。 51522.2.3音頻文件格式音頻文件格式1 1波形格式波形格式 2 2midimidi格式格式 3 3mp3mp3壓縮格式壓縮格式 4 4幾種流式音頻格式幾種流式音頻格式 532.2.3音頻文件格式音頻文件格式1 1波形格式波形格式wavwav是是microsoft windowsmicrosoft windows本身提供的音頻格式，本身提供的音頻格式，用用.wav.wav作為擴(kuò)展名，其文件格式稱為作為擴(kuò)展名，其文件格式稱為波形文件格波形文件格式（式（wave file formatwave file format），），在多媒體編程接口和在多媒體編

38、程接口和數(shù)據(jù)規(guī)范數(shù)據(jù)規(guī)范1.01.0（multimedia programming interface multimedia programming interface and data specifications 1.0and data specifications 1.0）文檔中有詳細(xì)的描）文檔中有詳細(xì)的描述。述。542.2.3音頻文件格式音頻文件格式2 2midimidi格式格式 電子樂器數(shù)字接口電子樂器數(shù)字接口（musical instrument digital musical instrument digital interfaceinterface，midimidi）是用于在音

39、樂合成器（）是用于在音樂合成器（music music synthesizerssynthesizers）、樂器（）、樂器（musical instrumentsmusical instruments）和）和計(jì)算機(jī)之間交換音樂信息，播放和錄制音樂的一計(jì)算機(jī)之間交換音樂信息，播放和錄制音樂的一種標(biāo)準(zhǔn)協(xié)議。種標(biāo)準(zhǔn)協(xié)議。552.2.3音頻文件格式音頻文件格式3 3mp3mp3壓縮格式壓縮格式 mp3mp3全稱是全稱是mpeg-1 layer 3mpeg-1 layer 3音頻文件音頻文件，是，是mpeg-1mpeg-1標(biāo)標(biāo)準(zhǔn)中的聲音部分，也叫準(zhǔn)中的聲音部分，也叫mpegmpeg音頻層。音頻層。mpe

40、gmpeg音頻層根據(jù)壓縮質(zhì)量和編碼復(fù)雜程度劃分為音頻層根據(jù)壓縮質(zhì)量和編碼復(fù)雜程度劃分為三層，即三層，即layer 1layer 1、layer 2layer 2、layer 3layer 3，分別對(duì)應(yīng)，分別對(duì)應(yīng)mp1mp1、mp2mp2、mp3mp3這三種聲音文件。這三種聲音文件。562.2.3音頻文件格式音頻文件格式4 4幾種流式音頻格式幾種流式音頻格式現(xiàn)在使用最普遍的流格式類型是現(xiàn)在使用最普遍的流格式類型是realnetworksrealnetworks公司公司發(fā)明的支持網(wǎng)絡(luò)流媒體技術(shù)的實(shí)時(shí)音頻格式，發(fā)明的支持網(wǎng)絡(luò)流媒體技術(shù)的實(shí)時(shí)音頻格式，rara、rmarma這兩個(gè)文件類型就是這兩個(gè)文件

41、類型就是real mediareal media的音頻格式。的音頻格式。57第二章第二章 音頻處理技術(shù)音頻處理技術(shù)n2.3音頻處理軟件音頻處理軟件audition2.3.1功能介紹功能介紹2.3.2編輯環(huán)境編輯環(huán)境2.3.3基本操作基本操作58auditionaudition軟件是軟件是adobeadobe公司推出的一款完整的、應(yīng)公司推出的一款完整的、應(yīng)用于用于windowswindows系統(tǒng)的系統(tǒng)的pcpc上的多音軌音頻工作站。上的多音軌音頻工作站。該軟件前身稱為該軟件前身稱為cool editcool edit，adobeadobe公司在公司在20032003年年5 5月從月從syntri

42、lliumsyntrillium software software公司成功購(gòu)買后將其更公司成功購(gòu)買后將其更名為名為auditionaudition。 592.3.1功能介紹功能介紹adobe audition 3.0adobe audition 3.0是一款功能強(qiáng)大的、專業(yè)級(jí)的是一款功能強(qiáng)大的、專業(yè)級(jí)的音音樂編輯軟件樂編輯軟件，能高質(zhì)量地完成高級(jí)混音、編輯、控，能高質(zhì)量地完成高級(jí)混音、編輯、控制、合成和特效處理，允許用戶編輯個(gè)性化的音頻制、合成和特效處理，允許用戶編輯個(gè)性化的音頻文件，創(chuàng)建循環(huán)，引進(jìn)了文件，創(chuàng)建循環(huán)，引進(jìn)了4545個(gè)以上的個(gè)以上的dspdsp特效以及特效以及高達(dá)高達(dá)12812

43、8個(gè)音軌。個(gè)音軌。adobe auditionadobe audition擁有集成的多音軌和編輯視圖、實(shí)時(shí)擁有集成的多音軌和編輯視圖、實(shí)時(shí)特效、環(huán)繞支持、分析工具、恢復(fù)特性和視頻支持特效、環(huán)繞支持、分析工具、恢復(fù)特性和視頻支持等功能，為音樂、視頻、音頻和聲音設(shè)計(jì)專業(yè)人員等功能，為音樂、視頻、音頻和聲音設(shè)計(jì)專業(yè)人員提供全面集成的提供全面集成的音頻編輯音頻編輯和和混音混音解決方案。解決方案。adobe auditionadobe audition提供了直覺的、客戶化的提供了直覺的、客戶化的界面界面，允許，允許用戶刪減和調(diào)整窗口的大小，創(chuàng)建一個(gè)高效率的音用戶刪減和調(diào)整窗口的大小，創(chuàng)建一個(gè)高效率的音頻工作范圍。頻工作范圍。 602.3.2編輯環(huán)境編輯