《音频信息处理优秀PPT.ppt》由会员分享，可在线阅读，更多相关《音频信息处理优秀PPT.ppt（33页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、第第2 2章章 音频信息处理音频信息处理2 21 1 音频处理基础音频处理基础2 22 2 音频处理软件音频处理软件Adobe AuditionAdobe Audition2 23 3 音频处理综合应用案例音频处理综合应用案例2.1 2.1 音频处理基础音频处理基础 2.1.1 2.1.1 音频信号概述音频信号概述 1.声波声波 （1）声波：由各种机械振动或气流的扰动引起四周的弹性媒）声波：由各种机械振动或气流的扰动引起四周的弹性媒质发生波动。质发生波动。（2）声源：产生声波的物体，如人的声带和乐器等。）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。）声音
2、：人的听觉系统所能感知到的声波。音频的频率范围：音频的频率范围：20 Hz 20000 Hz 语音的频率范围：语音的频率范围：300 Hz 3000 Hz 次声波的频率范围：次声波的频率范围：20 kHz（4）声强：对于确定频率的声音，要能引起听觉，其声强也有）声强：对于确定频率的声音，要能引起听觉，其声强也有确定的范围。确定的范围。下限：是恰能引起人听觉的最小声强，叫做该频率的可闻下限：是恰能引起人听觉的最小声强，叫做该频率的可闻阈；阈；上限：是指人耳能听闻的最大声强，高于上限的声强，人上限：是指人耳能听闻的最大声强，高于上限的声强，人耳感觉难过，所以叫做该频率的难过阈。耳感觉难过，所以叫做
3、该频率的难过阈。2 2声音的基本特征声音的基本特征（1 1）声波信号的物理特征）声波信号的物理特征 周期（周期（T T）：）：声波的两个波峰或波谷之间的相对时间。频率（频率（f f）：）：周期的倒数（f=1/T），即每秒波峰或波谷出现的次数。声波的幅度幅度：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。常见声音的分贝量级分分贝贝数数低于低于2020202040404040606060607070707090909090听听觉觉效果效果能分辨能分辨轻轻声声正常交正常交谈谈声声吵吵闹闹很吵很吵听力受听力受损损（2 2）声音信号的心理学特征）声音
4、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。人们感知到的声音特征称为心理学特征。音音调调：在在音音乐乐中中又又叫叫音音高高，是是由由发发声声物物体体的的振振动动频频率率确确定定，振振动动越越快快（即即频频率率越越大大），音音调调越越高高，振振动动越越慢慢，音音调调越越低低。音音调调的的凹凹凸凸与与声声音音基基频频的的对对数数（20*log20*log）成成线线性性关关系系。基基频频越越低低，给给人的感觉是声音越低沉，基频频率增加一倍，在音乐上就叫上升了一个八度。人的感觉是声音越低沉，基频频率增加一倍，在音乐上就叫上升了一个八度。音音色色：这这是是一一个个主主观观评评价价声声音音的的量
5、量，声声音音的的音音色色取取决决于于声声音音的的频频谱谱结结构构，一一般般高高次次谐谐波波越越丰丰富富，音色越光明并具有穿透力。音色越光明并具有穿透力。响响度度：人人耳耳对对声声音音强强弱弱的的感感觉觉程程度度，主主要要取取决决于于振振幅幅和和声声压压。通通常常振振幅幅越越大大声声音音越越响响，其其次次人人耳耳距离声源越远，声音越小。距离声源越远，声音越小。（3）声音质量的评价）声音质量的评价声音质量与带宽有关，频率范围越宽，声音质量越声音质量与带宽有关，频率范围越宽，声音质量越高。高。1）声音质量分级：依据声音信号的频率范围将声音质量）声音质量分级：依据声音信号的频率范围将声音质量分为分为5
6、级。级。质量频率范围采样频率（kHz）采样精度（bits）声道数数据率（非压缩）（kB/s）电话2003400 Hz88单道声8AM1005500Hz11.0258单道声11.0FM2011000Hz22.05016立体声88.2CD-DA520000Hz44.116立体声176.4DVD096000Hz192246声道12002）信噪比（）信噪比（SNR）：即有用信号与噪音信号的强度之比，对于声卡或音箱则是其产生的最大不失真声音信号强度与同时发出的噪音强度之比，单位是分贝。3)声音主观质量的度量：声音主观质量的度量：主观度量就是大多数人对声音质量的感觉。3音频信号的表示音频信号的表示 声音信
7、号通过麦克风等设备转换成电信号以后称之为音频信号。声音信号通过麦克风等设备转换成电信号以后称之为音频信号。（1）规则音频信号）规则音频信号 规则音频（规则音频（Audio）是带有语音、音乐和音效的有规律的音）是带有语音、音乐和音效的有规律的音频信号，承载了确定的信息。频信号，承载了确定的信息。语音：是语言的载体，有丰富的语言内涵，是人类沟通的信语音：是语言的载体，有丰富的语言内涵，是人类沟通的信息载体。息载体。音乐：是一种规范的符号化的声音。音乐：是一种规范的符号化的声音。音效：是指自然界中的其他各种声音效果，如掌声、雷鸣声，音效：是指自然界中的其他各种声音效果，如掌声、雷鸣声，爆破声等。爆破
8、声等。不规则声音：不包含任何信息的声音，比如噪声。不规则声音：不包含任何信息的声音，比如噪声。（2）音频信号的表示）音频信号的表示 1）音频信号的数学表示）音频信号的数学表示其中：其中：0表示声音的基音，确定了音调的凹凸，表示声音的基音，确定了音调的凹凸，n0是是0的的n次谐波重量，代表了声音的泛音，确定了声音的音色，次谐波重量，代表了声音的泛音，确定了声音的音色，An 是声是声波的振幅，表示声音的强弱。波的振幅，表示声音的强弱。2 2）音频信号的波形表示）音频信号的波形表示3 3）音频信号的频谱表示）音频信号的频谱表示 信号频谱即信号频率的分布曲线。困难的声音信号频谱即信号频率的分布曲线。困
9、难的声音可以认为是振幅不同和频率不同的正弦声波叠加而成可以认为是振幅不同和频率不同的正弦声波叠加而成的，这些正弦声波的幅值按频率排列的图形就叫做频的，这些正弦声波的幅值按频率排列的图形就叫做频谱谱 。男声的基频较低，低频重量更加丰富，因此听男声的基频较低，低频重量更加丰富，因此听起来会更加低沉、浑厚。起来会更加低沉、浑厚。声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，属于模拟信号。（1）采样 声音信号在时间轴上的离散化，即每隔相等的一段时间抽取一个信号样本。n采样频率：采样频率：每秒采样的次数。n奈奎斯特理论（奈奎斯特理论（Nyquist theoryNyquist
10、theory）：采样频率不应低于声音信号最高频率的两倍，这样就能把以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。2.1.2 2.1.2 音频信号的数字化音频信号的数字化1.1.音频信号数字化音频信号数字化 （2）量化 将连续的声音信号的幅度离散化。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。假如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，当然须要的存储空间也越大。（3）编码编码 就是用一组二进制码组来
11、表示每一个有固定电平的量化值，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。或者说将量化值转换成二进制码组。典型的音频编码方法：脉冲编码调制法（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）数字音频的数据量 数据量数据量=采样频率采样频率*采样精度采样精度*采样时间采样时间*声道数声道数/8 （字节数）（字节数）单声道：一次只产生一组声波数据，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，分别送往左声道和右声道，立体声：一次产生两组声波数据，分别送往左声道和右声道，依据声音到达人耳的时间差产生空间立体效果，因此立
12、体声依据声音到达人耳的时间差产生空间立体效果，因此立体声声波数据所需存储空间是单声道的一倍。声波数据所需存储空间是单声道的一倍。例例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。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 一首未经压缩的一首未经压缩的4分钟的歌曲文件的大小约为分钟的歌曲文件的大小约为40MB，那，那么一个容量为么一个容量为512MB的的MP3播放器也只能播放播放器也只能播放12首这样的首这样的歌曲。歌曲。（1 1）电话质量的语音压缩标准）电话质量的语音压缩标准（2 2）调幅广播语音压缩标准：）调幅广播语音压
13、缩标准：G.722G.722（3）高保真立体声的宽带音频压缩标准）高保真立体声的宽带音频压缩标准2.2.数字音频压缩标准数字音频压缩标准标准标准编码方法编码方法采样频率采样频率采样精度采样精度数据传输率数据传输率G.711G.711PCMPCM8kHz8kHz8 8位位64kb/s64kb/sG.721G.721ADPCMADPCM8kHz8kHz8 8位位32kb/s32kb/sG.723G.723ADPCMADPCM8kHz8kHz8 8位位24kb/s24kb/sG.728G.728LD-CELPLD-CELP8kHz8kHz8 8位位16kb/s16kb/s电话质量的语音压缩标准电话质
14、量的语音压缩标准 MPEG音频：是第一个高保真立体声音频压缩的国际标准，音频：是第一个高保真立体声音频压缩的国际标准，MPEG音频压缩标准供音频压缩标准供应三个独立的压缩层次：应三个独立的压缩层次：1）Layer 1：编码器简洁，输出数据率为：编码器简洁，输出数据率为384 kb/s，主要用于小型数字盒式磁带。，主要用于小型数字盒式磁带。2）Layer 2：编码器较困难，输出数据率为：编码器较困难，输出数据率为256 kb/s192kb/s，主要应用于数字广播，主要应用于数字广播声音、数字音乐、声音、数字音乐、CD-I和和VCD等。等。3）Layer 3：编码器困难，输出数据率为：编码器困难，
15、输出数据率为64kb/s，主要用于，主要用于ISDN上的声音传输。上的声音传输。1 1WAVWAV文件：波形文件，微软开发，须要的存储量大，多用于存储简短的声音片段和文件：波形文件，微软开发，须要的存储量大，多用于存储简短的声音片段和旁白。旁白。2 2MIDIMIDI文件：记录的是生成音乐的指令，文件：记录的是生成音乐的指令，MIDIMIDI文件短小。由于文件短小。由于MIDIMIDI记录的并不是真记录的并不是真正的声音，所以不同的声卡，不同软波表，不同硬件音源的音色是不相同的，相正的声音，所以不同的声卡，不同软波表，不同硬件音源的音色是不相同的，相同的同的MIDIMIDI文件在不同的设备上播
16、放也会有不同的效果。文件在不同的设备上播放也会有不同的效果。MIDIMIDI文件适合作为背景音文件适合作为背景音乐来播放。乐来播放。3 3MP3MP3文件：是文件：是MPEGMPEG音频第音频第3 3层的简称，有损压缩，压缩比达层的简称，有损压缩，压缩比达12:112:1。MP3MP3利用人耳的掩利用人耳的掩蔽特性，削减音频中人耳听不到的成分，同时尽可能地维持原来的声音质量。蔽特性，削减音频中人耳听不到的成分，同时尽可能地维持原来的声音质量。4 4RARA文件：属于文件：属于Real MediaReal Media的音频部分，接受流式传输方式，可以在特别低的带宽的音频部分，接受流式传输方式，可
17、以在特别低的带宽下供应足够好的音质让用户能在线倾听。下供应足够好的音质让用户能在线倾听。5 5WMA WMA 文件：文件：Windows MediaWindows Media的音频部分。无损压缩，支持多声道编码。的音频部分。无损压缩，支持多声道编码。6 6AC3AC3文件：又叫杜比数码环绕立体声，压缩比文件：又叫杜比数码环绕立体声，压缩比10:110:1，供应的环绕声系统由，供应的环绕声系统由5 5个全频个全频域声道和域声道和1 1个超低音声道组成，称为个超低音声道组成，称为5.15.1声道，一般作为声道，一般作为DVDDVD的伴音。的伴音。3.3.数字音频文件的格式数字音频文件的格式2.1.
18、3 2.1.3 数字音频处理技术数字音频处理技术 1.1.数字音频技术数字音频技术 是一门结合数字技术和计算机技术而实现传统音频处理是一门结合数字技术和计算机技术而实现传统音频处理的技术。的技术。（1 1）特点特点1 1）处理长样本文件的实力，录音时间只受硬盘本身大小的）处理长样本文件的实力，录音时间只受硬盘本身大小的限制。限制。2 2）随机存取编辑）随机存取编辑3 3）无损编辑）无损编辑 （2 2）应用）应用1 1）声音剪辑和）声音剪辑和CDCD刻录。刻录。2 2）日常音乐录制。）日常音乐录制。3 3）大规模音乐录音和混音。）大规模音乐录音和混音。4 4）影视音乐的制作与合成。）影视音乐的制
19、作与合成。5 5）多媒体音乐制作与合成。）多媒体音乐制作与合成。数字音频工作站 2 2）语音识别系统分类）语音识别系统分类对说话人说话方式的要求对说话人说话方式的要求孤立字（词）语音识别系统孤立字（词）语音识别系统连接字语音识别系统连接字语音识别系统连续语音识别系统。连续语音识别系统。对说话人的依靠程度对说话人的依靠程度特定人语音识别系统特定人语音识别系统非特定人语音识别系统非特定人语音识别系统词汇量大小词汇量大小小词汇量语音识别系统小词汇量语音识别系统中等词汇量语音识别系统中等词汇量语音识别系统大词汇量语音识别系统大词汇量语音识别系统无限词汇量语音识别系统。无限词汇量语音识别系统。2.2.智
20、能语音处理技术智能语音处理技术（1 1）语音识别技术）语音识别技术1 1）语音识别的发展）语音识别的发展5050年头年头:AT&T Bell:AT&T Bell试验室实现了第一个可识别试验室实现了第一个可识别十个英文数字的语音识别系统十个英文数字的语音识别系统AudryAudry系系统。统。6060年头：提出动态规划（年头：提出动态规划（DPDP）和线性预料分析）和线性预料分析技术（技术（LPLP）。）。7070年头：提出了动态时间归正技术（年头：提出了动态时间归正技术（DTWDTW），），矢量量化（矢量量化（VQVQ）和隐马尔可夫模型（）和隐马尔可夫模型（HMMHMM）理论，实现了特定人孤立
21、语音识别系统。理论，实现了特定人孤立语音识别系统。9090年头：起先进入好用阶段。年头：起先进入好用阶段。语音合成技术：指利用计算机合成语音信号的技术，使计算机能够产生高清语音合成技术：指利用计算机合成语音信号的技术，使计算机能够产生高清晰度和高自然度的连续语音，能够具有类似一般人的说话实力。晰度和高自然度的连续语音，能够具有类似一般人的说话实力。语音合成的三个层次语音合成的三个层次从文字到语音从文字到语音从概念到语音从概念到语音从意向到语音从意向到语音语音合成技术的特点语音合成技术的特点清晰度清晰度自然度自然度表现力表现力困难度困难度语音合成的应用语音合成的应用文语转换文语转换语音查询语音查
22、询（2 2）语音合成技术语音合成技术2.2 2.2 音频处理软件音频处理软件 Adobe Audition Adobe Audition 单轨编辑界面2.2.3 Audition2.2.3 Audition界面及基本操作界面及基本操作 多轨编辑界面2.2.4 2.2.4 音频信号获得音频信号获得 干脆读取计算机磁盘上的音频文件；干脆读取计算机磁盘上的音频文件；提取视频信息中的音频信号；提取视频信息中的音频信号；干脆录音。干脆录音。AuditionAudition允许同时进行多音轨录音，允许同时进行多音轨录音，当然须要有相应的硬件支持，比如多个音频输当然须要有相应的硬件支持，比如多个音频输入接口
23、、多个录音源等。入接口、多个录音源等。1 1录音前声卡设置录音前声卡设置 “选项选项|Windows|Windows 录音限制台录音限制台”2 2建立录音文件建立录音文件3 3导入伴奏音乐导入伴奏音乐4 4限制录音电平限制录音电平5 5录制声音录制声音2.2.5 2.2.5 音频编辑音频编辑n单轨编辑状态：单轨编辑状态：可以进行波形的各种编辑处理和效果的设置，还可以分别对左右声道单独进行编辑处理。n多轨编辑状态多轨编辑状态：适合对多个音频轨道进行编辑、录制和合成处理。最多可以同时处理的轨道数为128个。按钮“R”R”表示录音、表示录音、“S”S”表示独奏、表示独奏、“M”M”表示静音表示静音。
24、1 1常用编辑常用编辑（1 1）裁剪音频波形）裁剪音频波形n 波形的选择波形的选择n 波形的删除波形的删除n 波形的移动与复制波形的移动与复制n 混合工具混合工具：拖曳左键选中波形，拖曳右键移动波形。n 时间选择工具时间选择工具：拖曳左键选中波形。n 移动移动/复制剪辑工具复制剪辑工具：拖曳左键移动波形，拖曳右键移动或复制。n 刷选工具刷选工具：拖曳左键可以播放选中波形。（2 2）切分和合并音频）切分和合并音频 在多轨编辑状态下，可以对活动音轨上的波形进行分割，使在多轨编辑状态下，可以对活动音轨上的波形进行分割，使其变成多个波形片段，定位播放线，执行其变成多个波形片段，定位播放线，执行“剪辑剪
25、辑|分割分割”或右击鼠标或右击鼠标点选点选“分割分割”。使两段波形首尾相接，按住使两段波形首尾相接，按住CtrlCtrl键将两段波形都选中，执行键将两段波形都选中，执行“剪辑剪辑|合并合并”或右击鼠标点选或右击鼠标点选“合并合并”即可完成。即可完成。（3 3）锁定音频波形）锁定音频波形 锁定使音频的确定时间位置不变。锁定使音频的确定时间位置不变。（4 4）编组音频波形）编组音频波形 编组则可以使多个音频片段的相对位置固定，移动时可整编组则可以使多个音频片段的相对位置固定，移动时可整体移动。体移动。2 2包络编辑包络编辑（1 1）音量包络编辑）音量包络编辑 音量包络是指音频波形随时间变更而产生的
26、音量变音量包络是指音频波形随时间变更而产生的音量变更，也即是音量变更的走势曲线。通过限制音量包络曲线更，也即是音量变更的走势曲线。通过限制音量包络曲线来变更某音轨上音频信号的音量大小，是一个特别直观和来变更某音轨上音频信号的音量大小，是一个特别直观和简洁有效的方法。简洁有效的方法。（2 2）声相包络编辑）声相包络编辑 声相就是声音在左右声道中所处的位置。声相包络线声相就是声音在左右声道中所处的位置。声相包络线处于中间时（处于中间时（0 0点），声音在左右声道中达到平衡的效果，点），声音在左右声道中达到平衡的效果，声相包络线位于上半部，声音偏向左声道，声相包络线位声相包络线位于上半部，声音偏向左
27、声道，声相包络线位于下半部，声音偏向右声道。于下半部，声音偏向右声道。（3 3）音量淡化包络编辑）音量淡化包络编辑 Audition Audition供应了简洁快速的音量淡化包络。供应了简洁快速的音量淡化包络。在音乐制作领域，淡化（在音乐制作领域，淡化（fadefade）指音量的渐渐）指音量的渐渐变更，音量由小到大变更称为淡入（变更，音量由小到大变更称为淡入（fade infade in），），音量由大到小变更称为淡出（音量由大到小变更称为淡出（fade outfade out）。）。3 3时间伸缩时间伸缩用于变更声音播放的速度，且用于变更声音播放的速度，且不影响音高。不影响音高。“查看查看|
28、启用剪辑时间伸展启用剪辑时间伸展”时间伸缩2.2.6 2.2.6 加载效果器加载效果器 加载效果器依据运用方法可分为：加载效果器依据运用方法可分为：插入效果器：作用的声音范围是一整条音轨；插入效果器：作用的声音范围是一整条音轨；波形效果器：作用于音轨中的某一段音频片段；波形效果器：作用于音轨中的某一段音频片段；总线效果器：加载在总线通道上的效果器，它使总线效果器：加载在总线通道上的效果器，它使全部的音轨加入相同的效果器；全部的音轨加入相同的效果器；1 1插入效果器插入效果器 多轨编辑下多轨编辑下2 2波形效果器波形效果器单轨编辑下，允很多个音频片段分别进行效果设置。单轨编辑下，允很多个音频片段
29、分别进行效果设置。2.2.7 2.2.7 效果器效果器Audition的效果器依据功能分为：振幅类效果器 滤波类效果器 延迟类效果器 降噪类效果器 波形发生类效果器 声码器 1 1动态处理效果器动态处理效果器 属于幅度类效果器，用于将某个范围内的声音电平按比例增大或缩小。2 2嘶声抑制降噪器嘶声抑制降噪器 降噪类效果器可以精确分析音频信号中的嗡嗡类噪音降噪类效果器可以精确分析音频信号中的嗡嗡类噪音进行消退，也可以依据实际录音环境进行噪声消退。进行消退，也可以依据实际录音环境进行噪声消退。嘶声抑制降噪器可以消退音频信号中的高频嘶嘶声。嘶声抑制降噪器可以消退音频信号中的高频嘶嘶声。3 3合奏效果器
30、合奏效果器属于延迟类效果器。对人声进行润色可以使发薄的声音变得厚实丰满。合奏效果器2.3 2.3 音频处理综合应用举例音频处理综合应用举例 2.3.1 2.3.1 消退人声消退人声1 1、接受、接受VSTVST插件干脆消退插件干脆消退 菜单菜单“效果效果|幅度幅度|通道混音器通道混音器”，在预设效果中选择，在预设效果中选择“Vocal Cut”“Vocal Cut”2 2、将双声道转换为单声道、将双声道转换为单声道 菜单菜单“编辑编辑|转换采样类型转换采样类型”选中选中“单声道单声道”左混音：左混音：100%100%右混音：右混音：-100%-100%2.3.2 2.3.2 穿插录音技术穿插录
31、音技术穿插录音：用于对已经录制好的声音片段进行重新录制。1、首先选定不满足的声音片段2、右击选择“穿插入”，选定部分变为空白，轨道左边的“R”处于按下状态3、点按“录音”按钮，那么声音将自动录制在选定的片段。选择要重新录音的片段，右击选择“穿插入”进入录音状态2.3.3 2.3.3 声音信号降噪处理声音信号降噪处理噪声样本“效果|复原|降噪处理”2.3.4 2.3.4 配乐诗朗诵制作配乐诗朗诵制作1、导入背景音乐2、录制诗朗诵 3、声音的降噪处理4、声音幅度调整：运用效果器“幅度|包络”，可以把音量“高的压下来，低的提上去”，对声音的力度起到平衡的作用。5、人声润色：运用“延迟效果器|混响”使录制的人声变得更为厚实和丰满。6、混音：打开“混音器”，调整音量大小 7、混缩输出：“文件|导出|混缩音频”