第三章 聲音的合成

1、第二章 聲音的合成l一、音頻信號(hào) 1 .聲音是一種波 聲波可以在空氣中傳播，也可以在液體及固體中傳播。 聲音三要素 (1) 音調(diào) (高低) (2) 音強(qiáng) (強(qiáng)弱) (3) 音色 (特質(zhì)) 2 .音質(zhì)音質(zhì)與頻率范圍成正比，頻率范圍越寬音質(zhì)越好 3 .聲音采樣 把聲音信號(hào)按固定的時(shí)間間隔，轉(zhuǎn)換成有限個(gè)數(shù)字表示的離散序列。0000000100100011100110101011 常用聲音信號(hào)與采樣頻率 聲音信號(hào)CD音樂(lè)數(shù)字電話采樣頻率信號(hào)帶寬數(shù)字電話44.1K16K8K20K7K3.4K 4 .音頻文件的種類及特點(diǎn) (1)MIDI文件（電子樂(lè)器數(shù)字接口） 是用于在音樂(lè)合成器、電子樂(lè)器、音序器和計(jì)算機(jī)

2、之間交換音樂(lè)信息的一種標(biāo)準(zhǔn)協(xié)議。 MIDI實(shí)質(zhì)上是由MIDI控制器（或MIDI文件）產(chǎn)生的指示電子音樂(lè)合成器要做什么、怎么做（如演奏某個(gè)音符、加大音量、生成音響效果）的一套標(biāo)準(zhǔn)指令。MIDI不是聲音信號(hào)，在MIDI電纜上傳送的不是聲音，而是動(dòng)作指令。 由于MIDI只是記錄音樂(lè)信息的數(shù)字代碼，所以生成的文件比較小，便于傳播，也便于編輯修改 與Mp3、Wav等音頻格式不同的是MIDI的播放質(zhì)量很大程度上取決于硬件或軟件的音源環(huán)境，也就是說(shuō)同樣的MIDI文件在不同的電腦上可能有非常明顯的效果差別，究其原因是因?yàn)樗鼈冋{(diào)用的波表音色庫(kù)不一樣聲音文件:24.9K聲音文件:16K (2) 標(biāo)準(zhǔn)格式的WAV文

3、件和CD格式一樣，也是44.1K的采樣頻率，速率88K/秒，16位量化位數(shù) WAV格式的聲音文件質(zhì)量和CD相差無(wú)幾 MP3也就是指的是MPEG標(biāo)準(zhǔn)中的音頻部分，也就是MPEG音頻層。根據(jù)壓縮質(zhì)量和編碼處理的不同分為 3層，分別對(duì)應(yīng)“*.mp1”/“*.mp2”/“*.mp3”這3種聲音文件。 MPEG音頻文件的壓縮是一種有損壓縮， MPEG3高壓縮率，基本保持低音頻部分不失真，但是犧牲了聲音文件中12KHz到16KHz高音頻這部分的質(zhì)量來(lái)?yè)Q取文件的尺寸 相同長(zhǎng)度的音樂(lè)文件，用.mp3格式來(lái)儲(chǔ)存，一般只有.wav文件的1/10，而音質(zhì)要次于CD格式或WAV格式的聲音文件。文件尺寸小，音質(zhì)好二、錄

4、音編輯1.基于句子和單詞的錄音編輯方式 可以預(yù)先將句子、單詞作為錄音的單位，對(duì)錄音、講話所涉及的有關(guān)句子或單詞逐個(gè)進(jìn)行錄音并保存 為了實(shí)現(xiàn)這種錄音編輯方式，應(yīng)事先存入大量的有關(guān)單詞、句子（即需要大量的存儲(chǔ)空間），聲音合成時(shí)還需要快速地檢出和呈現(xiàn)（需要高速的檢索和控制）。2.基于音節(jié)的編輯合成方式在任何語(yǔ)言中，音節(jié)的數(shù)量比單詞的數(shù)量少很多；基于音節(jié)的編輯方式在合成時(shí)的檢索、控制變得十分方便；基于音節(jié)的合成方式的音質(zhì)較差，很難表現(xiàn)人們?cè)谥v話時(shí)的各種情感和聲調(diào)的變化；根據(jù)發(fā)音耦合的原理和要求，人們對(duì)單詞的發(fā)音制定了一定的規(guī)則，基于這種規(guī)則進(jìn)行聲音合成，可以得到較好的聲音效果。3.錄音編輯聲音合成的分

5、析（1）以錄音編輯的方式進(jìn)行聲音合成，需要大容量的存儲(chǔ)設(shè)備（2）為了讓一定容量的存儲(chǔ)設(shè)備能存儲(chǔ)更多的聲音信息，需要對(duì)聲音信息的數(shù)據(jù)量進(jìn)行壓縮（3）通過(guò)編碼的方式，減少聲音信息中的冗余性是實(shí)現(xiàn)聲音信息壓縮的基本方法。三、脈沖代碼調(diào)制PCM脈沖代碼調(diào)制 PCM（pulse code modulation）是一種對(duì)模擬信號(hào)的編輯聲音信號(hào)是一種模擬信號(hào)，經(jīng)PCM編碼后，變成數(shù)字信號(hào)通常所說(shuō)的PCM錄音就是一種數(shù)字錄音。1.基本原理PCM編碼過(guò)程：（1）對(duì)模擬聲音信號(hào)進(jìn)行采樣采樣周期采樣信號(hào)t振幅（2）將各個(gè)采樣點(diǎn)的聲音信號(hào)值通過(guò)模數(shù)變換（A D轉(zhuǎn)換）變換成由0和1組成的脈沖變換序列0011001000

6、010000111111101101正值負(fù)值模擬信號(hào)碼字序列（3）在PCM（脈沖代碼調(diào)制）中所分配碼字的首位為符號(hào)位，信號(hào)為正時(shí)，首位為0信號(hào)為負(fù)時(shí)，首位為1（4）對(duì)聲音采樣的頻率稱為采樣頻率：f經(jīng)采樣后對(duì)每一個(gè)采樣點(diǎn)分配的碼字為a位，用于存儲(chǔ)1秒鐘的聲音信號(hào)所需的存儲(chǔ)容量為fa ，它也表示了傳遞聲音信號(hào)所需的速率。例：設(shè)聲音信號(hào)的采樣頻率為10KHz，PCM編碼所分配碼字長(zhǎng)度為8bit，傳送該聲音信號(hào)所需的傳遞速率應(yīng)不低于 101038=8104 bits（5）PCM錄音及其聲音合成系統(tǒng)揚(yáng)聲器AD變換器錄音 話筒大容量存儲(chǔ)器DA變換器2.采樣與量化（1）在PCM調(diào)制中，采樣頻率應(yīng)是聲音信號(hào)中

7、最高頻率的兩倍以上（2）聲音信號(hào)中包括有多種不同的頻率成分，為使各種不同的頻率成分都能很好地傳遞、呈現(xiàn)，所需的帶寬應(yīng)是 20Hz-20KHz 采樣頻率應(yīng)選為40Hz（3）對(duì)于連續(xù)的聲音信息，由于其相關(guān)性，通過(guò)前、后的有關(guān)信息可以實(shí)現(xiàn)信息的預(yù)測(cè)和識(shí)別，聲音合成時(shí)采樣頻率選為8KHz就足夠了（至多10KHz）（4）PCM編碼中，除需要以一定的頻率進(jìn)行采樣外，還需要對(duì)每一個(gè)樣本進(jìn)行量化，分配一定的碼字（5）量化的精度，即分配碼字的長(zhǎng)度，對(duì)聲音的失真度有很大影響。 聲音信號(hào)與量化精度的關(guān)系量化噪音與量化精度，即分配碼字長(zhǎng)度a之間有如下關(guān)系： 6（a-1）dB 例如：要求噪音的信噪比SN不低于60dB

8、6（a-1）=60 a=11說(shuō)明：在PCM編碼時(shí)，分配的碼字長(zhǎng)度應(yīng)不低于11bit如采樣頻率為10kHz 分配的碼字長(zhǎng)度為11bit，記錄1秒鐘的聲音信息所需要的存儲(chǔ)容量為： 1110103=110（kb）若以字節(jié)計(jì)算，記錄1分鐘的聲音信號(hào)所需存儲(chǔ)容量： 1101038=14（KB）40KB的存儲(chǔ)容量，只能存3秒鐘3.高頻濾波為提高聲音合成效果，進(jìn)行預(yù)處理： 采樣頻率為f 將聲音信號(hào)中高于f2的高頻成分濾掉， 這種處理是通過(guò)低通濾波器完成低通濾波器四、增量調(diào)制1.基本原理 增量調(diào)制是一種以最低的一位數(shù)進(jìn)行數(shù)據(jù)壓縮的編碼方式 在DM系統(tǒng)中，應(yīng)預(yù)先確定具有一定振幅值的增量，并根據(jù)當(dāng)前信號(hào)與基于預(yù)測(cè)

9、編碼的預(yù)測(cè)值之間的差值進(jìn)行編碼。 設(shè)當(dāng)前時(shí)刻n的聲音信號(hào)值為Sn ，基于預(yù)測(cè)編碼的n-1時(shí)刻的聲音信號(hào)預(yù)測(cè)值為Sn-1其間的誤差值en 為 en = Sn -Sn-1 en為預(yù)測(cè)誤差 預(yù)測(cè)編碼是按照不斷減少預(yù)測(cè)誤差的方向進(jìn)行編碼的，通過(guò)編碼，使預(yù)測(cè)值Sn-1不斷逼近Sn 在DM方式中，預(yù)測(cè)值是以 Sn = Sn-1+ 確定的下面以聲音信號(hào)采樣序列： 4，5，1，0，3在編碼前，應(yīng)預(yù)先確定增量， 設(shè)=2，并給定編碼的初始條件為S0=0 n=1時(shí)刻： 聲音信號(hào)為4，由于初始條件為S0=0 e1=S1 - S0 =4-0=4由于e10 分配增量 =2，以碼字0表示， 預(yù)測(cè)值為 S1= S0 + =2

10、n=2時(shí)刻： 聲音信號(hào)為5，預(yù)測(cè)誤差為 e2=S2 S1 =5-2=3由于e20 分配增量 =2，以碼字1表示， 預(yù)測(cè)值為 S2= S1 + =4n=3時(shí)刻： 聲音信號(hào)為1，預(yù)測(cè)誤差為 e3=S3 S2 =1-4= -3由于e30 分配增量為- ，以碼字0表示， 預(yù)測(cè)值為 S3= S2 - =4-2=2聲音信號(hào)、預(yù)測(cè)值、預(yù)測(cè)誤差與碼字序列及其相互間的關(guān)系如下圖所示DM方式的信號(hào)波形l通過(guò)上述DM編碼的過(guò)程，可得到聲音信號(hào)的DM編碼的0、1符號(hào)序列。根據(jù)這樣的符號(hào)序列，通過(guò)DM編碼的逆操作，可進(jìn)行解碼，恢復(fù)原聲音信號(hào)。l例如， =2的情況下，接收的碼字序列為“1101 1100”，當(dāng)碼字“1”到

11、來(lái)時(shí)，進(jìn)行+2的操作，當(dāng)碼字“0”到來(lái)時(shí)，進(jìn)行-2的操作，由此可得到解調(diào)后的聲音信號(hào)為“2，4，2，4，6，8，6，4”。2.粒狀噪聲與超載噪聲 增量調(diào)制是一種一位數(shù)的編碼方式，它根據(jù)預(yù)測(cè)誤差的正、負(fù)分配相應(yīng)的 在很多情況下，信號(hào)的變化很小，甚至不變，在這種情況下，DM編碼仍然要分配+或-.2.粒狀噪聲與超載噪聲l如上圖，在原聲音信號(hào)不變，或緩慢變化時(shí)，DM編碼的碼字序列卻是010101這樣變化的碼字序列。l這種變化的0、1序列，經(jīng)解碼后產(chǎn)生一種 噪聲，對(duì)原聲音符號(hào)的音質(zhì)造成一定的影響，稱這種噪聲為粒狀噪聲(GranularNoise)。為了減小粒狀噪聲的影響，應(yīng)減小增量的幅度。顯然， 的幅度越小，粒狀噪音越小。l當(dāng)增量的幅值減小時(shí)，會(huì)給DM方式的聲音信號(hào)帶來(lái)超載噪聲(OverloadNoise)l對(duì)于一定的增量幅值，當(dāng)聲音信號(hào)變化比較大時(shí)，DM編碼信號(hào)值的變化跟不上聲音信號(hào)的變化，使得編碼信號(hào)值的變化比原聲音信號(hào)產(chǎn)生一種延遲 如圖所示超載噪聲 為了減少超載噪聲應(yīng)增大增量的幅值，這與減小粒狀噪聲是相矛盾的。 一般地，人們對(duì)超載噪聲噪聲的感知不太敏感，而粒狀噪聲在整個(gè)頻譜范圍上都會(huì)產(chǎn)生一定的影響，它對(duì)音質(zhì)的影響較大。因此，在決定增量的幅值時(shí)，與實(shí)際的聲音信號(hào)大小相比較，應(yīng)選擇增量足夠小的幅值 增量的幅值過(guò)小，必將使超載噪聲增加，