第三章 音频处理技术
3.1 声音的数字化 3.2 几种常见的声音文件格式 3.3 使用GoldWave编辑声音
3.1.1 声音的基础知识 3.1.2 声音的采样与量化 3.1.3 音质与数据量 3.1.4 声音压缩算法简介
声音的三个重要指标：振幅 周期 频率 振幅:波的高低幅度，表示声音的强弱。 周期:两个相邻的波之间的时间长度。 频率:每秒钟振动的次数，以Hz为单位。
A
振 幅
0
周期
T
频率=
1 周期
从听觉角度看，声音具有音调、音色和响度三个要素。
音调：在物理学中，把声音的高低叫作音调。
音的频率有关，声源振动的频率越高，声音的音调就越高；声源振动的 频率越低，声音的音调就越低。通常把音调高的声音叫高音，音调低的声音叫低音。
音色：表示人耳对声音音质的感觉，又称音品，与频率有关。
量化位数 声道数 /bit
8
单声道
每分钟的数据量 /MB
0.66
16
双声道
5.29
16
双声道
10.58
常用的采样指标及等效音质
等效音质
语音
播放
FM广播 播放
CD唱盘 播放
停止
声音压缩方法分类 语音压缩编码原理 常用的声音压缩标准算法 语音压缩编码技术的发展方向
声音压缩方法分类: 波波形形编编码码 参数编码 混合编码
要求不高的场合，人的语音采用11.025kHz的采样频率、8bit、单声 道已经足够；如果是乐曲，22.05kHz的采样频率、8bit、立体声形 式已能满足一般播放场合的需要。
采用数据压缩的方法，在降低数据量的同时保证较高的音质，这也 是人们经常使用的方式。
采样频率 /kHz
11.025
22.05
44.1
通常按照人们听觉的频率范围可将声音分为次声波、超声波和音频三类：
次声波：频率低于20Hz的信号，也称为亚音频；
超声波：频率高于20kHz的信号，也称为超音频；
音频：频率范围是20Hz～20kHz的声音信号，即在次声波和超声波之间的
音
频，
是人耳能听到的声音信号，即属于多媒体音频信息范畴。
音频
次声波
人的语音频率
量化的过程如下：将采样后的信号按整个声波的幅值划分为若干个区段，把 落入某区段的样值归为一类，并赋予相同的量化值。
除了量化精度以外，数字化声音的技术指标还有采样频率和声道数。
量化精度指每个声音样本需要用多少位二进制数来表示，它反映出度量声音 波形幅度的精确程度，由于计算机按字节运算，一般的量化精度为8位或16 位，量化精度越高，数字化后的声音信号就越可能接近原始信号，但所需要 的存储空间也越大。
T1T1T2 TT32 T4 T35 T6 TT47 T8T5T9 T1T06T11
采 量样 化
原采样频率点 低采样频率点 原量化精度点 低量化精度点
T
采样频率高于信号频率时： 采样频率低于信号频率时： 采样频率等于信号频率的2倍时：
输入波形 时钟周期 采样波形
输入波形 时钟周期 采样波形
输入波形 时钟周期 采样波形
超声波
超低频
低频
20Hz
60Hz 80Hz
低频谐波 临场感
250Hz
4kHz 5kHz 6kHz
声音的频率范围
清晰度
停止
12kHz 16kHz 20kHz
要使声音文件能像文字和图形信息一样进行存储、检索、编辑等处理，需要 将声音数字化。声音数字化就是将模拟的连续声音波形在时间上和幅值上进行 离散化处理，共分为两个步骤：采样和量化。
采样就是将声音信号在时间上进行离散化处理，即每隔相等的一段时间在声 音信号波形曲线上采集一个信号样本（声音的幅度）。
量化就是把采样得到的声音信号幅度转换成相应的数字值。采样后的数值不 一定能在计算机内部进行方便的表示，所以将每一个样本值归入预先编排的 最近的量化级上，该过程称为量化。
如果幅度的划分是等间隔的，就称为线性量化，否则就称为非线性量化。
当采样频率变 低时： 音质变差
当量化精度变 高时： 声音信号更接 近原始信号
V 11011011 1110 11100010 10110110 1011 100110 1001 10010001
00110110 0110 010011 0100 00001110 00000110 0001 0000
采样频率：指单位时间内采样的次数。采样频率越高，在一定的时间间隔 内采集的样本数越多，音质就越好。当然，采集的样本数量越多，数字化声 音的数据量也越大。如果为了减少数据量而过分降低采样频率，音频信号增 加了失真，音质就会变得很差。采样频率的选择应该遵循奈奎斯特采样理论: f采≥2fmax 。采样频率的三个标准频率分别为44.1kHz,22.05kHz和 11.025kHz。
编码前根据采样定理对模拟语音信号进行采样，然后进行幅度量化与二
声道数：声音通道的个数，指一次采样的声音波形个数。除单声道和立体 声外，目前经常使用的声道数还有4声道、4.1声道和5.1声道。
数字化声音的数据量= 采样频率×量化精度×8声道数×声音持续时间
以CD格式为例:
假设它的采样频率为44.1kHz，量化位数为16bit，CD格式的音乐 通常都是立体声(两个声道)，那么CD格式的声音20秒钟的数据量 为
(44.1kHz*16bit*2*20s)/8=3.52MBps
若改变它的采样频率为22.05kHz，则 (22.05kHz*16bit*2*20s)/8=1.76MBps
若再改变它的量化位数为4bit，则
(22.05kHz*4bit*2*20s)/8=0.44MBps
停止
为了节省存储空间，在存储和传输时通常采用两种方式进行声音处理: 在保证基本音质的前提下，采用稍低一些的采样频率。一般而言,在
[注] 一定频率的纯音不存在音色问题，音色是复音主观属性的反映。声音的音色主要 由其谐音的多寡、各谐音的特性所决定。各种乐器奏同样的曲子，即使响度和音调相 同，听起来还是不一样，就是由于它们的音色不同。
响度：即声音的响亮程度，也就是我们通常说的声音的强弱或大、小，重、轻。
播放
[注] 响度与振幅有关，取决于声波信号的强弱程度。由于人的听觉响应与声音信号强 度不是成线性关系，因此一般用声音信号幅度取对数后再乘20所得值来描述响度，以 分贝（dB）为单位，此时称为音量。