PDF《多媒体技术》

24 话音信号是典型的连续信号,不仅在时间上是连续的, 而且在幅度上也是连续的.在时间上 连续 是指在 一个指定的时间范围里声音信号的幅值有无穷多个, 在幅度上 连续 是指幅度的数值有无穷多个.我们 把在时间和幅度上都是连续的信号称为模拟信号. 模拟音频信号的采样和量化 ? 采样:在某些特定的时刻对模拟信号测量叫 做采样(sampling),得到一个离散的序列 ? 量化:把信号幅度取值的数目加以限定,形 成的离散信号的幅度只具备有限个数的数值

25 增量

26 箭头的宽度就是相邻两 个点之间的差值(增量),记录这个差值 采样频率&

样本精度 ? 声音数字化需要回答两个问题: ? ①每秒钟需要采集多少个声音样本,也就 是采样频率(fs)是多少 ? ②每个声音样本的位数(bit per sample, bps)应该是多少,也就是样本精度

27 奈奎斯特采样定律 ? 采样频率不应低于声音信号最高频率的两倍 ? 可以这样来理解奈奎斯特理论:声音信号可以 看成由许许多多正弦波组成的,一个振幅为A、 频率为f的正弦波至少需要两个采样样本表示, 因此,如果一个信号中的最高频率为Fm ,采 样频率最低要选择2 *Fm .例如,电话话音的 信号频率约为3.4 kHz,采样频率就选为8 kHz.

28 声音质量与数据率

29 质量 采样频 率(kHz) 样本精 度(bit/s) 单声道/ 立体声 数据率 (kB/s) 频率范围 电话

8 8 单声道

8 200~3400 Hz AM 11.025

8 单声道 11.0 20~15000Hz FM 22.050

16 立体声 88.2 50~7000Hz CD 44.1

16 立体声 176.4 20~20000 Hz DAT

48 16 立体声 192.0 20~20000 Hz HDCD

96 24 立体声

384 20~20000 Hz 注:* 电话使用μ 律编码,动态范围为13比特,而不是8比特 SNR表示量化精度 SNR=

10 lg [(Vsignal)2 / (Vnoise)2] =20 lg (Vsignal / Vnoise) 其中: Vsignal表示信号电压;

Vnoise表示噪声电压;

SNR的单位为分贝(db) . 例1:假设Vnoise=1,量化精度为1比特表示Vsignal=21, 它的信噪比SNR=6分贝. 例2:假设Vnoise=1,量化精度为16比特表示Vsignal=216 它的信噪比SNR=96分贝.

30 More about sampling ? Why speech sampling @8k ? Why CD sampling @44.1k ? Why HDCD sampling @96k

31 Reference: http://www.amek.com/oldsite/datashee/aesebu.htm 数字音频文件大小计算示例 ? 数据量 Byte=采样频率Hz ? *(采样位数/8) ? *声道数 ? *时间s ? 如果采样频率为44.1kHz,分辨率为16位, 立体声,录音时间为10s,符合CD音质的 声音文件的大小是多少? ? 44100Hz*(16/8)*2 *10s = 1764KByte

32 小结 ? 研究声卡的工作原理(或者说是研究声音 信号数字化的过程) ? 需要对声音信号采样和量化的过程有了解 ? 掌握利用采样频率、样本精度计算数字音 频文件的方法 ? 对 带宽 的理解

33 补充: A3D Surround ? A3D Surround技术的关键是只使用两只普通音箱 在环绕三维空间中进行声源的精确定位.Aureal 公司坚持认为:既然可以用两只耳朵听到真实的 三维声场的声音,那么就一定能用两只音箱来产 生相同的效果.A3D Surround吸收了A3D技术和 环绕声解码技术(如Dolby的ProLogic和AC-3), 创建一个围绕听者的5组音频流的声场,即产生五 个 虚拟音箱 ,它实际上是经过A3D Surround 处理后用两个音箱播放出来的.也就是说这5组音 频流并不像传统的 家庭影院 那样需要用5个实 际的音箱进行回放.

34 补充: SRS(Sound Retrieval System) ? 利用仿声学原理,根据人耳对各空间方向 声音信号函数的反映不同,对双声道立体 声信号中的反射声、回声等信号提取出后 进行技术处理.尽管这些信号仍来自前方, 但给人的错觉是来自四面八方.其过人之 处是只使用两只普通音箱,在无须杜比编 码前提下,可产生出仿3D环绕声五声道的 放音效果,有如音乐厅的身临其境感觉. 当前在电脑多媒体 家庭影院 系统中使 用的Vivid 3D Pro就是SRS技术的典型应用.