2）音频信号的波形表示
3）音频信号的频谱表示
声音信号的频率分布曲线。复杂的声音是由振幅和频率不同的正弦声波叠 加而成的，这些正弦波的幅值按频率排列的图形就叫做频谱。
男声的基频较低，低频分量更加丰富，因此听起来会更加低沉、浑厚。
2.1.2 音频信号的数字化
1. 音频信号数字化
声音信号在时间上是连续的，在幅度上也是连续的，属于模拟信号。
音乐：是一种规范的符号化的声音。
音效：自然界中各种声音效果，如掌声、雷鸣声，爆破声等。
不规则音频信号：不包含任何信息的声音，比如噪声。
（2）音频信号的表示
1）音频信号的数学表示
f(t) Ansinn(0tn)
ω0： 声音的基音，决定了音调的高低
n0
nω0： 声音的泛音，决定了声音的音色
An : 声波的振幅，表示声音的强弱
（4）声强：对于一定频率的声音，要能引起听觉，其声强也有一定的范围。
下限：是恰能引起人听觉的最小声强，叫做该频率的可闻阈； 上限：是指人耳能听闻的最大声强，高于上限的声强，人耳感觉疼痛， 所以叫做该频率的疼痛阈。
2．声音的基本特征
（1）声波信号的物理特征
周期（T）：声波的两个波峰或波谷之间的相对时间。 频率（f）：周期的倒数（f=1/T），即每秒波峰或波谷出现的次数。 幅度：从声波信号的基线到波峰的距离，幅度越大声波的强度也越大。通常 也用声压、声强或声功率来表示声音的强弱。
（2） 量化
声音信号在幅度上ห้องสมุดไป่ตู้离散化
也就是采样过程中对每一个采样点的幅度值用数字量来表示。如果 幅度的划分是等间隔的，称为线性量化，否则为非线性量化。 采样精度：即量化的位数，位数越多量化等级数也越多，所能表
示的声波幅度的动态范围也越大，当然需要的存储空间也越大。
（3） 编码
就是用一组二进制码组来表示每一个有固定电平的量化值，或者说将 量化值转换成二进制码组。
采样频率 8kHz 8kHz 8kHz 8kHz
采样精度 8位 8位 8位 8位
数据传输率 64kb/s 32kb/s 24kb/s 16kb/s
（3）宽带音频压缩标准
MPEG音频：第一个高保真立体声音频压缩的国际标准 MPEG音频压缩标准提供三个独立的压缩层次： 1）Layer 1：编码器简单，输出数据率为384 kb/s，主要用于小型数字盒式磁带。 2）Layer 2：编码器较复杂，输出数据率为256 kb/s～192kb/s，主要应用于数字广播声 音、数字音乐、CD-I和VCD等。 3）Layer 3：编码器复杂，输出数据率为64kb/s，主要用于ISDN（综合业务数字网，一种 数字电话网的国际标准）上的声音传输。
第2章 音频信息处理
2.1 音频处理基础
本节要点
声音的基本特征 音频的数字化 数字音频文件格式 数字音频处理技术
1. 声波
（1）声波：由各种机械振动或气流扰动引起周围的弹性媒质发生波动。 （2）声源：产生声波的物体，如人的声带和乐器等。 （3）声音：人的听觉系统所能感知到的声波。
音频的频率范围：20 Hz ～ 20000 Hz 语音的频率范围：300 Hz ～ 3000 Hz 次声波的频率范围： < 20 Hz 超声波的频率范围： > 20 kHz
典型的音频编码方法：脉冲编码调制法（PCM）。
（4）数字音频的数据量
数据量 = 采样频率* 采样精度* 采样时间* 声道数 / 8 单声道：一次只产生一组声波数据 立体声：一次产生两组声波数据
（字节数）
例2.1 计算一分钟未压缩的高保真立体声数字声音数据的大小。 60 * （ 44100 * 16 * 2 ） / 8 = 10.09 MB
CD-DA DVD
200～3400 Hz 100～5500Hz 20～11000Hz 5～20000Hz 0～96000Hz
采样频率 （kHz）
8 11.025 22.050
44.1 192
采样精度 （bits）
8 8 16 16 24
声道数
单道声 单道声 立体声 立体声 6声道
数据率（非压缩） （kB/s） 8 11.0 88.2 176.4 1200
（1）采样
声音信号在时间上的离散化，即每隔一段时间抽取一个信号样本。 采样频率：每秒采样的次数。 奈奎斯特理论（Nyquist theory）：采样频率不低于声音信号最高频率
的两倍，这样就能把数字声音还原成原来的声音，称为无损数字化。 f s >= 2 f max
电话话音信号的最高频率约为3.4kHz，所以采样频率取为8kHz。
一首未经压缩的4分钟的歌曲文件的大小约为40MB，那么一个容量为512MB的
MP3播放器也只能播放12首这样的歌曲。
2. 数字音频压缩标准
（1）电话质量的语音压缩标准
（2）调幅广播语音压缩标准 G.722
标准 G.711 G.721 G.723 G.728
编码方法 PCM ADPCM ADPCM
LD-CELP
分贝数 听觉效果
低于20 能分辨
20～40 轻声
40～60 正常交谈声
60～70 吵闹
常见声音的分贝量级
70～90 很吵
>90 听力受损
（2）声音信号的心理学特征
人们感知到的声音特征称为心理学特征 音调：由发声物体的振动频率决定，振动越快（即频率越大），音调越
高，振动越慢，音调越低。
音色：这是一个主观评价声音的量，声音的音色取决于声音的频谱结构，
2）信噪比（SNR）：即有用信号与噪音信号的强度之比，单位是分贝。 3) 声音质量的主观度量：主观度量就是大多数人对声音质量的感觉。
3．音频信号的表示
（1）音频信号：通过麦克风等设备转换成的电信号。
规则音频信号：带有语音、音乐和音效的有规律的音频信号，承载了一 定的信息。
语音：语言的载体，有丰富的语言内涵，是人类交流的信息载体。
一般高次谐波越丰富，音色越明亮并具有穿透力。
响度：人耳对声音强弱的感觉程度，主要取决于振幅和声压。通常振幅
越大声音越响，其次人耳距离声源越远，声音越小。
（3）声音质量的评价
声音质量与带宽有关，频率范围越宽，声音质量越高。
1）声音质量分级：按照声音信号的频率范围将声音质量分为5级。
质量
频率范围
电话 AM FM
3. 数字音频文件的格式
1．WAV文件：波形文件，微软开发，需要的存储量大，多用于存储简短的声音片段和旁白。 2．MIDI文件：记录的是生成音乐的指令，MIDI文件短小。由于MIDI记录的并不是真正的