第5章-音頻處理技術

第5章音頻處理技術本章概述本章的學習目標主要內容1本章概述聲音是攜帶信息的非常重要的媒體。在多媒體計算機系統(tǒng)中，通過聲音可以傳遞信息、制造效果、營造氣氛及演奏音樂等。音頻處理技術是多媒體技術研究的重要內容之一,主要包括模擬聲音信號數字化、音頻文件存儲、傳輸、播放、數字音效處理等內容。本章主要介紹聲音信號及其數字化的基本概念、音頻卡的組成及其工作原理、數字音頻的采集與編輯、MIDI音樂以及幾個常用的音頻處理軟件等內容，并以AdobeAudition3.0為例，詳細介紹編輯處理聲音文件的具體方法。2本章的學習目標理解音頻的基本知識掌握常用的音頻文件格式理解音頻數字化過程熟練掌握音頻的采集及處理3主要內容5.1音頻基本知識5.2音頻數字化5.3音頻文件格式5.4數字音頻的采集5.5常用音頻工具軟件5.6基于AdobeAudition的音頻處理5.7本章小結45.1音頻基本知識聲音的物理特征音頻相關概念5聲音的物理特征人的耳朵所感覺到的空氣分子的振動就是聲音信號，它通常用一種連續(xù)的波形來表示。聲波的振幅與頻率波形的最大位移稱為振幅A，反映音量。波形中兩個連續(xù)波峰(或波谷)之間的距離稱為周期T。周期的倒數1/T即為頻率f，以赫茲(Hz)為單位。6聲音的物理特征頻率反映了聲音的音調，聲音按頻率可分為三類：低于20Hz的聲音稱為次聲頻率范圍在20Hz～20kHz范圍的可聽聲稱為音頻頻率高于20kHz的聲音稱為超音頻(或超聲)7聲音的物理特征振幅和頻率不變的聲音為純音，純音一般都是用專用電子設備產生的。在自然界中，語音、樂聲等大多數不是純音，它們都是由不同的振幅和頻率組成的復音。在復音中最低頻一般是一個常數，稱為基頻，基頻是決定聲音音調的基本因素。復音中的其他頻率通常稱為諧音?；l和諧音組合后，即可形成不同音質和音色的聲音。音色是辨別聲音的特征，通過音色能區(qū)分自然界不同的聲源。若在傳播過程中諧音有所損失，則可能改變原聲源的特征而發(fā)生畸變。8音頻相關概念從處理方式看，目前多媒體計算機中的音頻主要有波形音頻、CD音頻和MIDI音樂3種形式：波形音頻所謂波形音頻，就是由外部聲音源通過數字化過程采集到多媒體計算機中的所有聲音形式，如講話錄音、流行歌曲、自然界的各種聲音等，可通過編輯(裁剪、合成、效果等)、編碼壓縮、存儲以及還原播放等方式進行處理。在波形音頻中，人的語音有一類特殊的聲音。語音具有內在的語言學、語音學的內涵，例如發(fā)音習慣、語氣等。多媒體計算機可以利用特殊的方法分析、研究、抽取語音的相關特征，實現(xiàn)對不同語音的分辨、識別以及通過文字合成語音波形等。9音頻相關概念CD音頻CD音頻(CD-Audio)是存儲在音樂CD光盤中的數字音頻，可以通過CD-ROM驅動器讀取并采集到多媒體計算機系統(tǒng)中，然后以波形音頻的相應形式進行存儲和處理。MIDI音樂MIDI音樂是一種十分規(guī)范的音樂形式，也稱MIDI音頻。它將音樂符號化并保存在MIDI文件中，然后通過音樂合成器產生相應的聲音波形來還原播放。10主要內容5.1音頻基本知識5.2音頻數字化5.3音頻文件格式5.4數字音頻的采集5.5常用音頻工具軟件5.6基于AdobeAudition的音頻處理5.7本章小結115.2音頻數字化音頻是時間的函數，聲音信號是振幅隨時間連續(xù)變化的模擬信號。在計算機處理音頻信號之前，必須將聲音的模擬信號進行數字化，形成數字音頻。數字化的具體過程包括采樣、量化和編碼3個環(huán)節(jié)。采樣和量化完成模擬信號的數字化表示，編碼實現(xiàn)數字音頻的標準化和數據壓縮。數字化后的音頻質量取決于采樣頻率、量化位數以及編碼壓縮算法等因素。音頻數字化過程125.2音頻數字化采樣與采樣頻率量化與量化級聲道音頻采樣的數據量音頻數據編碼13采樣與采樣頻率所謂采樣就是每間隔一段時間讀取一次聲音信號幅度，使聲音信號在時間上被離散化。采樣的主要參數是采樣頻率。采樣頻率(SamplingRate)是指將模擬聲音波形數字化時，每秒鐘所抽取聲波幅度樣本的次數，其計算單位是kHz(千赫茲)。一般來說，采樣頻率越高，聲音失真越小，但用于存儲數字音頻的數據量也越大。采樣頻率的高低是根據聲音信號本身的最高頻率和奈奎斯特采樣定理(Nyquisttheory)決定的。14采樣與采樣頻率奈奎斯特采樣定理：設連續(xù)信號的頻譜為，以采樣間隔T采樣得到離散信號，如果滿足：當時，是截止頻率，或則可以由離散信號完全確定連續(xù)信號。當采樣頻率等于時，即，稱為奈奎斯特頻率。奈奎斯特采樣定理指出，采樣頻率不應低于聲音信號最高頻率的兩倍，這樣才能把離散的數字音頻還原為原來的聲音。15采樣與采樣頻率音頻的頻率范圍大約在20Hz～20kHz之間，根據采樣理論，為了保證聲音不失真，采樣頻率應在40kHz左右。常用的音頻采樣率有8kHz、11.025kHz、22.05kHz、16kHz、37.8kHz、44.1kHz(CD音質)、48kHz等。采樣頻率越高，數字音頻的音質就越接近原聲。16量化與量化級量化就是把采樣得到的聲音信號幅度轉換為數字值，是聲音信號在幅度上被離散化。量化位數是每個采樣點能夠表示的數據范圍，量化位數越多，所得到的量化值越接近原始波形的采樣值。常用的量化位數有8位、16位、24位。量化位數越高音質越好，數據量也越大。17量化與量化級在多媒體中，對于音頻，量化位數可采用16位，對應有65536個量化級；對于語音編碼，量化位數可采用8位，對應有256個量化級。量化級的大小決定了聲音的動態(tài)范圍，即被記錄和重放的聲音最高與最低之間的差值。量化時，每個采樣數據均被四舍五入到最接近的整數，如果波形幅度超過了可用的最大位，波形的頂部和底部將會被削去，這就是削峰。在量化過程中可能會出現(xiàn)噪聲，削峰有可能會造成聲音嚴重失真。18聲道反映音頻數字化質量的另一個因素是聲道個數。記錄聲音時，如果每次生成一個聲波的數據，稱為單聲道。每次生成兩個聲波數據，稱為雙聲道(立體聲)。每次生成兩個以上聲波數據，稱為多聲道(環(huán)繞立體聲)。19音頻采樣的數據量數字音頻的采樣數據量主要取決于兩個因素：一是音質因素，它是由采樣頻率、量化位數和聲道數3個參數決定的。采樣頻率越高、量化位數越多、聲道數越多，數字音頻的音質就越好，反之就越差；二是時間因素，采樣時間越長，數據量越大。20音頻采樣的數據量單位時間的數據量可用下式表示：為單位時間的數據量(Kbps)，為采樣頻率(kHz)，為量化位數(bit)，為聲道數。具體計算時，需要將單位時間的數據量與采樣時間相乘，并注意采樣頻率的單位換算。例如，對于22.05kHz的采樣頻率，量化位數為8位二進制位，單聲道10秒鐘的采樣數據量為 22.05×1000×8×10×1/8=220500(B)。211分鐘聲音所需的存儲空間

22音頻數據編碼數字音頻的數據量是非常大的，所以音頻處理的關鍵問題就是要對音頻數據進行壓縮編碼。在多媒體計算機系統(tǒng)中，采樣量化后的數字音頻信號要經過編碼壓縮后才能以音頻文件的形式存儲或傳輸，而播放音頻文件是通過解碼器還原后再將音頻信號輸出。為了對音頻數據進行有效的壓縮，需從采樣數據中去除數據冗余，同時保證音頻質量在許可的可控范圍內。人們從音頻數據的可能冗余出發(fā)，分析研究了不同形式的音頻數據冗余形式，在統(tǒng)計歸納的基礎上，構造了一系列的數據模型，即編碼算法，從不同角度實現(xiàn)對音頻數據的有效壓縮。23音頻數據編碼音頻數據壓縮編碼的方法有多種，可分為無損壓縮和有損壓縮兩大類。無損壓縮主要包含各種熵編碼。有損壓縮則可分為波形編碼、參數編碼和同時利用多種技術的混合編碼。波形編碼是在模擬音頻數字化(抽樣和量化)的過程中，根據人耳的聽覺特性進行編碼，并使編碼后的音頻信號與原始信號的波形盡可能匹配，實現(xiàn)數據的壓縮。波形編碼的特點是適應性強，音頻質量好，在較高碼率的條件下可以獲得高質量的音頻信號，既適合于高質量的音頻信號，也適合于高保真語音和音樂信號，但波形編碼壓縮比不大。24音頻數據編碼參數編碼把音頻信號表示參數編碼把音頻信號表示成某種模型的輸出，利用特征提取的方法抽取必要的模型參數和激勵信號的信息，并對這些信息進行編碼，最后在輸出端合成原始信號。其目的是重建音頻，保持原始音頻的特性。常用的音頻參數有線性預測系數、濾波器組等。參數編碼的壓縮率很大，但計算量大，保真度不高，適合于一般語音信號(電話音質)的編碼?；旌暇幋a介于波形編碼和參數編碼之間，集中了這兩種方法的優(yōu)點，可在較低的碼率上得到較高的音質。25主要內容5.1音頻基本知識5.2音頻數字化5.3音頻文件格式5.4數字音頻的采集5.5常用音頻工具軟件5.6基于AdobeAudition的音頻處理5.7本章小結265.3音頻文件格式常用的音頻文件格式有：WAV格式MP3格式WMA格式MIDI格式CD-DA格式Audio格式RealAudio格式AIFF格式27音頻文件格式WAV格式(.wav)WAV聲音格式文件也叫波形(WAVE)聲音文件，是微軟公司推出的格式，是Windows所使用的標準數字音頻。WAV格式存儲的采樣數據可以用來重現(xiàn)實際聲音的波形，這些數據不經過壓縮，所有不會失去任何記錄信息，音質是最好的，數據體積最大。Windows錄音機就是將原始的聲音信號存儲為WAV格式，大多數壓縮格式的聲音文件都是在WAV格式的基礎上經過數據的重新編碼來壓縮其數據量的。28音頻文件格式MP3格式(.mp3)MP3的全稱是MPEG-1Layer3音頻文件。MPEG-1是動態(tài)視頻壓縮標準，其中的聲音部分稱MPEG-1音頻層，它根據壓縮質量和編碼復制程度劃分為三層，即Layer1，Layer2和Layer3，分別對應MP1，MP2和MP3三種聲音文件，并且根據不同的用途，使用不同層次的編碼。MPEG音頻編碼的層次越高，對應的編碼越復雜，壓縮率也越高。MP1和MP2的壓縮率分別為4:1和6:1～8:1，而MP3的壓縮率則高達10:1～12:1。雖然它是一種有損壓縮方式，但它以極小的聲音失真換取了較高的壓縮比，使得MP3不僅在Internet上廣泛傳播，而且可以輕而易舉地下載到便攜式數字音頻設備中播放。29音頻文件格式WMA格式(.wma/.asf/.asx/.wax)WMA(WindowsMediaAudio)是微軟推出的一種音頻壓縮格式，它采用流式壓縮技術，以減少數據流量但保持音質的方法來達到比MP3壓縮率更高的目的，壓縮率一般都可以達到1:18左右。WMA支持音頻流(Stream)技術，適合在網絡上在線播放，兼顧了保真度和網絡傳輸需求，成為Internet上的主要流格式之一。30音頻文件格式MIDI格式(.mid/.rmi/.cmi/.cmf)MIDI(MusicalInstrumentDigitalInterface)文件是國際MIDI協(xié)會開發(fā)的樂器數字接口文件，采用數字方式對樂器所奏出來的聲音進行記錄。MIDI音頻與波形音頻完全不同，它不對聲波進行采樣、量化與編碼，而是講電子樂器鍵盤的演奏信息(包括鍵名、力度、時間長短等)記錄下來，這些信息成為MIDI信息，是樂譜的一種數字式描述。對應于一段音樂的MIDI文件，不記錄任何聲音信息，而只是包含一系列產生音樂的MIDI消息。播放時只需從中讀出MIDI消息，生成所需的樂器聲音波形，經放大處理即可輸出。MIDI文件通常比聲音文件小得多。31音頻文件格式CD-DA格式(.cda)CD-DigitalAudio(CD-DA)文件是標準光盤文件。這種格式的文件數據量大、音質好。在Windows操作系統(tǒng)中可使用CD播放器進行播放。大多數播放軟件都可以播放CD格式的文件。Audio格式(.au)Audio文件是SUN公司推出的一種數字音頻格式，是為UNIX系統(tǒng)開發(fā)，和WAV非常相像，在大多數的音頻編輯軟件中支持這種音樂格式。32音頻文件格式RealAudio格式(.ra/.rm/.ram)RealAudio是一種流式音頻(StreamingAudio)文件格式，主要適用于在網絡上的在線音樂欣賞，它包含在RealNetworks公司所制定的音頻、視頻壓縮規(guī)范RealMedia中，主要用于在低速率的廣域網上實時傳輸音頻信息。AIFF格式(.aif/.aiff)AIFF(AudioInterchangeFileFormat)是APPLE公司開發(fā)的一種音頻文件格式，被MACINTOSH平臺及其應用程序所支持。33主要內容5.1音頻基本知識5.2音頻數字化5.3音頻文件格式5.4數字音頻的采集5.5常用音頻工具軟件5.6基于AdobeAudition的音頻處理5.7本章小結345.4數字音頻的采集錄音采集抓取CD、VCD和DVD音軌電子合成音樂35錄音采集1.選擇采樣參數在自行錄制音頻文件即采集音頻之前，除了要有合適的環(huán)境和音源外，還需要聘請專業(yè)創(chuàng)作人員、音響工程師，租用錄音設備等。還要根據具體情況和用途確定適當的采樣參數。如果采樣參數選的太低，會導致音質差，因為聲音采樣的采樣點太少，難以超過錄制過程中固有的噪聲水平；如果采樣參數太高，雖然音質有了保證，但會產生巨大的數據量。一段音頻只能有一個采樣率，而且在錄制過程中不能修改，所以采集數字音頻時首先要根據實際情況選擇最佳的采樣參數，做到音質與數據量的折中考慮，避免采樣過程中出現(xiàn)存儲空間不足的現(xiàn)象發(fā)生。36錄音采集在WindowsXP操作系統(tǒng)中，提供了錄音參數的選擇設置功能，其中的音質選擇分為CD音質、電話質量、收音質量和DefaultQuality等4種，每種音質可選擇不同的參數。聲音選定CD音質的具體參數為PCM編碼格式，采樣頻率為44.100kHz，16位量化位數，雙聲道立體聲。這組錄音參數每秒將產生172KB的數據量。PCM為脈沖編碼調制編碼。37錄音采集2.檢測輸入音頻的強度為了防止錄音過程中出現(xiàn)失真，需用在錄音前進行輸入音頻強度的檢測。如果輸入強度太低，音量太小，錄制結果就會夾雜許多噪音。如果輸入強度過高，音量太大以至于超出允許的范圍，錄制就會產生失真。如果在WindowsXP環(huán)境下，可通過“音量控制”窗口來檢測、調節(jié)進入計算機的音源強度。具體的操作步驟為：雙擊任務欄上的揚聲器，打開“音量控制”窗口，將音量調節(jié)設置成錄音模式，然后確保錄音源(麥克風或線路輸入等)被選定。38錄音采集(1)音量控制對話框(2)屬性對話框(3)音源設置39錄音采集3.開始錄音在做好以上工作后，就可以使用Windows系統(tǒng)中的“錄音機”工具或專門的音頻處理軟件來錄音。系統(tǒng)中提供的錄音機程序只能錄制60s的音頻數據。如果要錄制更長時間的數字音頻，可使用專門的音頻處理軟件，不僅能夠錄制任意時長的音頻文件，還可以提供更為靈活多樣的編碼格式。錄音機界面40抓取CD、VCD和DVD音軌從不同的多媒體產品中直接抓取音軌信息，并轉換壓縮成所需的音頻格式是獲取數字音頻的另一個快捷途徑。一般的音頻工具軟件都具有直接抓取音樂CD的功能。Windows自帶的WindowsMediaPlayer。WaveLab軟件既可直接抓取音樂CD又可以抓取音樂DVD中的音軌。豪杰超級解霸軟件提供了全面的音軌抓取能力，可直接抓取音樂CD、VCD或DVD光盤等格式音軌，也可從DVD、VCD、RM/RMVB、AVI、MPG、MV等音視頻混合的媒體中提取音頻信息，并保存為DAC或WAV、MP3格式的聲音文件。41電子合成音樂什么是MIDIMIDI(MusicalInstrumentDigitalInterface)即樂器數字接口。它是在音樂合成器、樂器和計算機之間交換音樂信息、播放和錄制音樂的一種標準協(xié)議。MIDI標準確定了將計算機與電聲樂器、錄音設備連接起來所需的電纜線、硬件及通信協(xié)議。從20世紀80年代初期開始，MIDI已經逐步被音樂家和作曲家廣泛接受和使用。MIDI是樂器和計算機使用的標準語言，是一套指令，它指示樂器即MIDI設備要做什么，怎么做，如演奏音符、加大音量、生成音響效果等。42電子合成音樂什么是MIDI當需要播放時，從相應的MIDI文件中讀出MIDI消息，通過音樂合成器產生相應的聲音波形，經過放大后，再由揚聲器輸出。MIDI樂譜播放的質量取決于最終用戶的MIDI設備。利用MIDI技術將電子合成器、電子節(jié)奏機(電子鼓機)和其他電子音源與序列器連接在一起即可演奏模擬出氣勢雄偉、音色變化萬千的音響效果，又可將演奏中的多種按鍵數據存儲起來，極大的改善了音樂演奏的能力和條件。與其他的聲音文件相比，MIDI音樂文件所占的存儲空間非常小，特別適合于音樂創(chuàng)作及長時間播放音樂的需要。43電子合成音樂制作MIDI音樂MIDI是制作原創(chuàng)音樂最快捷、最方便、最靈活的工具。制作一段原創(chuàng)的MIDI音樂還需要對音樂有一定的了解，并投入一定的時間。為了制作MIDI音樂，需要構建一套系統(tǒng)，即多媒體計算機中的聲卡需要帶一個聲音合成器((SoundSynthesizer)即MIDI電子樂器、一個MIDI鍵盤，這樣才具備創(chuàng)作MIDI音樂的基礎條件。44電子合成音樂制作MIDI音樂MIDI電子樂器通過MIDI接口與計算機相連，計算機通過音序器軟件來采集MIDI電子樂器發(fā)出的一系列指令。這些指令可記錄到以.mid為擴展名的MIDI文件中。在計算機上音序器可對MIDI文件進行編輯和修改。最后將MIDI指令送往音樂合成器，由音樂合成器將MIDI指令符號進行解釋并產生波形，然后通過聲音發(fā)生器送往揚聲器播放出來。45電子合成音樂MIDI音樂產生過程46電子合成音樂播放MIDI音樂：聲卡播放MIDI音樂最常用的方法有兩種，即頻率調制(FrequencyModulation，F(xiàn)M)合成與波表合成。FM是運用聲音振蕩的原理對MIDI進行合成處理的，由于技術本身的局限，很難制出逼真的真實樂器的音色，聽上去有很強的人工合成的痕跡。波表(WaveTable)合成是將各種真實樂器所能發(fā)出的所有聲音(包括各個音域、聲調)錄制下來，存儲在聲卡的ROM中，稱為硬波表。播放時，根據MIDI文件記錄的樂曲信息向硬波表發(fā)出指令，從表格中逐一找出對應的聲音信息，經過合成、加工后回放出來。由于它采用的是真實樂器的采樣，所以效果好于FM。47電子合成音樂由于MIDI與設備有關，同用戶使用的播放硬件設備的質量有很大差異。目前，MIDI是為多媒體項目創(chuàng)建原始音樂素材的最佳途徑，使用MIDI能夠帶來所希望得到的靈活性和創(chuàng)新。當MIDI音樂創(chuàng)作完成且能夠用于多媒體項目時，應該將其轉換成數字音頻數據來準備發(fā)布。48主要內容5.1音頻基本知識5.2音頻數字化5.3音頻文件格式5.4數字音頻的采集5.5常用音頻工具軟件5.6基于AdobeAudition的音頻處理5.7本章小結495.5常用音頻工具軟件AdobeAuditionAdobeAudition是一個專業(yè)音頻編輯和混合環(huán)境，功能強大，控制靈活，使用它可以錄制、混合、編輯和控制數字音頻文件。也可輕松創(chuàng)建音樂、制作廣播短片、修復錄制缺陷。通過與Adobe視頻應用程序的智能集成，還可將音頻和視頻內容結合在一起。505.5常用音頻工具軟件GoldWaveGoldWave是一個集聲音編輯、播放、錄制和轉換的音頻工具，它體積小巧，但功能卻很強?？纱蜷_WAV、OGG、VOC、IFF、AIF、AFC、AU、SND、MP3、MAT、DWD、SMP、VOX、SDS、AVI、MOV等格式的音頻文件，也可以從CD、VCD、DVD或其它視頻文件中提取聲音。軟件內含豐富的音頻處理特效，從一般特效如多普勒、回聲、混響、降噪到高級的公式計算。它能將編輯好的文件存成WAV、AU、SND、RAW、AFC等格式，可以不經由聲卡直接抽取SCSICDROM中的音樂來錄制編輯，能夠支持以動態(tài)壓縮保存MP3文件。515.5常用音頻工具軟件AllEditorAllEditor不僅是一款超級強大的錄音工具，還是一個專業(yè)的音頻編輯軟件。提供了多達20余種音頻效果修飾音樂，比如淡入淡出、靜音的插入與消除、哇音、混響、高低通濾波、顫音、震音、回聲、倒轉、反向、失真、合唱、延遲、音量標準化處理等等。軟件還自帶了一個多重剪貼板，可用來進行更復雜的復制、粘貼、修剪、混合操作。在AllEditor中可以邊錄邊存或者是錄音完成后再行保存，并且無論是已錄制的內容還是導入的音頻文件都可以全部或選擇性地導出為WAV、MP3、WMA、OGG、VGF文件格式。525.5常用音頻工具軟件TotalRecorderEditorTotalRecorderEditor是HighCriteria公司出品的一款優(yōu)秀的錄音軟件，其功能強大，支持的音源極為豐富。TotalRecorder的工作原理是利用一個虛擬的“聲卡”去截取其他程序輸出的聲音，然后再傳輸到物理聲卡上，整個過程完全是數碼錄音，因此從理論上來說不會出現(xiàn)任何的失真。它不僅支持硬件音源，如麥克風、電話、CD-ROM和Walkman等，還支持軟件音源，比如Winmap、RealPlayer、MediaPlayer等，而且它還支持網絡音源，如在線音樂、網絡電臺和Flash等。535.5常用音頻工具軟件格式工廠格式工廠(FormatFactory)是一種多媒體格式轉換軟件?？梢灾С謴钠渌纛l格式到MP3、WMA、FLAC、3GP、OGG等格式的轉換，而且可以從光盤提取音頻，可以進行音頻