《音频信息处理》PPT课件

《《音频信息处理》PPT课件》由会员分享，可在线阅读，更多相关《《音频信息处理》PPT课件（33页珍藏版）》请在装配图网上搜索。

1、第2章 音频信息处理,21 音频处理基础 22 音频处理软件Adobe Audition 23 音频处理综合应用案例,2.1 音频处理基础,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 kHz （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

2、上限的声强，人耳感觉疼痛，所以叫做该频率的疼痛阈。,常见声音的分贝量级,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。,人们感知到的声音特征称为心理学特征 音调：在音乐中又叫音高，是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。音调的高低与声音基频的对数（20*log）成线性关系。基频越低，给人的感觉是声音越低沉，基频频率增加一倍，在音乐上就

3、叫升高了一个八度。 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，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。,（2）声音信号的心理学特征,（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。,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,（1）音频信号：通过麦克风等设备转换成的电信号

4、。 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。 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 音频信号的数学表示,0： 声音的基音，决定了音调的高低 n0： 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,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。

5、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。,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。 （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。,2.1.2 音频信号的数字化,声音信号在幅度上的离散化 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

6、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。,（2） 量化,（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。 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 （字节数） 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。 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

7、） / 8 = 10.09 MB 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 （3）高保真立体声的宽带音频压缩标准,电话质量的语音压缩标准,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/s192kb/s，主要应用于数字广播声音、数

8、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上的声音传输。,1WAV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。 2MIDI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MIDI文件在不同的设备上播放也会有不同的效果。MIDI文件适合作为背景音乐来播放。 3MP3文件：是MPEG音频第3层的简称，有损压缩，压缩比达12:1。MP3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

9、量。 4RA文件：属于Real Media的音频部分，采用流式传输方式，可以在非常低的带宽下提供足够好的音质让用户能在线聆听。 5WMA 文件：Windows Media的音频部分。无损压缩，支持多声道编码。 6AC3文件：又叫杜比数码环绕立体声，压缩比10:1，提供的环绕声系统由5个全频域声道和1个超低音声道组成，称为5.1声道，一般作为DVD的伴音。,3. 数字音频文件的格式,1. 数字音频技术 结合数字技术和计算机技术而实现传统音频处理的技术 （1） 特点 1）处理长样本文件的能力，录音时间只受硬盘本身大小的限制。 2）随机存取编辑 3）无损编辑 （2）应用 1）声音剪辑和CD刻录。 2

10、）日常音乐录制。 3）大规模音乐录音和混音。 4）影视音乐的制作与合成。 5）多媒体音乐制作与合成。,数字音频工作站,2.1.3 数字音频处理技术,2）语音识别系统分类 对说话人说话方式的要求 孤立字（词）语音识别系统 连接字语音识别系统 连续语音识别系统。 对说话人的依赖程度 特定人语音识别系统 非特定人语音识别系统 词汇量大小 小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 无限词汇量语音识别系统。,（1）语音识别技术 1）语音识别的发展 50年代:AT&T Bell实验室实现了第一个可识别十个英文数字的语音识别系统Audry系统。 60年代：提出动态规划（DP）和线性

11、预测分析技术（LP）。 70年代：提出了动态时间归正技术（DTW），矢量量化（VQ）和隐马尔可夫模型（HMM）理论，实现了特定人孤立语音识别系统。 90年代：开始进入实用阶段。,2. 智能语音处理技术,利用计算机合成语音的技术，使计算机具有类似人的说话能力。 语音合成的三个层次 从文字到语音 从概念到语音 从意向到语音 语音合成技术的特点 清晰度 自然度 表现力 复杂度 语音合成的应用 文语转换 语音查询,（2） 语音合成技术,2.2 音频处理软件 Adobe Audition,单轨编辑界面,2.2.3 Audition界面及基本操作,多轨编辑界面,2.2.4 音频信号获取 直接读取计算机磁盘

12、上的音频文件； 提取视频信息中的音频信号； 直接录音。Audition允许同时进行多音轨录音，当然需要有相应的硬件支持，比如多个音频输入接口、多个录音源等。,1录音前声卡设置 “选项 | Windows 录音控制台 ” 2建立录音文件 3导入伴奏音乐 4控制录音电平 5录制声音,2.2.5 音频编辑,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。 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”表示录音、“S”表示独奏、“M”表示静音。,1常用编辑 （1）裁剪音频波形 波形的选择 波形的删除

13、波形的移动与复制,混合工具：拖曳左键选中波形，拖曳右键移动波形。 时间选择工具：拖曳左键选中波形。 移动/复制剪辑工具：拖曳左键移动波形，拖曳右键移动或复制。 刷选工具：拖曳左键可以播放选中波形。,（2）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，使其变成多个波形片段，定位播放线，执行“剪辑|分割”或右击鼠标点选“分割”。 使两段波形首尾相接，按住Ctrl键将两段波形都选中，执行“剪辑|合并”或右击鼠标点选“合并”即可完成。 （3）锁定音频波形 锁定使音频的绝对时间位置不变。 （4）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，移动时可整体移动。,2包络编辑,（1

14、）音量包络编辑 音量包络是指音频波形随时间变化而产生的音量变化，也即是音量变化的走势曲线。通过控制音量包络曲线来改变某音轨上音频信号的音量大小，是一个非常直观和简单有效的方法。 （2）声相包络编辑 声相就是声音在左右声道中所处的位置。声相包络线处于中间时（0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，声相包络线位于下半部，声音偏向右声道。,（3）音量淡化包络编辑 Audition提供了简单快速的音量淡化包络。在音乐制作领域，淡化（fade）指音量的逐渐变化，音量由小到大变化称为淡入（fade in），音量由大到小变化称为淡出（fade out）。,3时间伸缩 用

15、于改变声音播放的速度，且不影响音高。 “查看|启用剪辑时间伸展”,时间伸缩,2.2.6 加载效果器 加载效果器按照使用方法可分为： 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； 总线效果器：加载在总线通道上的效果器，它使所有的音轨加入相同的效果器；,1插入效果器 多轨编辑下,2波形效果器 单轨编辑下，允许多个音频片段分别进行效果设置。,2.2.7 效果器,Audition的效果器按照功能分为： 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。

16、,2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进行消除，也可以根据实际录音环境进行噪声消除。 嘶声抑制降噪器可以消除音频信号中的高频嘶嘶声。,3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 音频处理综合应用举例,2.3.1 消除人声,1、采用VST插件直接消除 菜单“效果|幅度|通道混音器”，在预设效果中选择“Vocal Cut” 2、将双声道转换为单声道 菜单“编辑|转换采样类型” 选中“单声道” 左混音：100% 右混音：-100%,2.3.2 穿插录音技术,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

17、定不满意的声音片段 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 声音信号降噪处理,噪 声样本,“效果|恢复|降噪处理”,2.3.4 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 ：使用效果器“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 ：使用“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”,