4.4 音 频

4.4  音    频

声音是计算机信息处理的主要对象之一，计算机是如何存储、处理、传输声音的呢，本节将对声音的数字化过程进行相关介绍。

4.4.1  声音的概念

下面介绍一下声音信号的几个基本参数：频率和带宽、周期、幅度、复合信号。

声音信号每秒钟变化的次数称为频率，单位是Hz。人耳可感受到的声音信号频率范围为20Hz～20000Hz。这个范围内的声音信号称为音频信号。其中，人的说话声音是一种特殊的声音，其频率范围约为300Hz～3400Hz，称为语音或话音、言语。现实世界中其他各种声音，如风声、狗声、音乐声等，其带宽可达到20Hz～20kHz，称为全频带声音。一般来说，频率范围（称为带宽）越宽，声音质量越高。

周期指相邻声波波峰间的时间间隔。

幅度表示信号强弱的程度，人们主观感觉为响度或音量。幅度越大，其信号强度越大。

复合信号指音频信号由许多不同频率和幅度的信号组成。在复音中，最低频率为基音，其他频率为谐音，基音和谐音组合起来，决定了声音的音色。

声音信号有三个基本要素：音调、音强、音色。

音调与声音的频率有关。频率高则音调高，频率低则音调低。

音强又称为响度，用来描述声音的强弱，与声音的幅度有关。

音色由混入基音的泛音决定。每个基音具有固定的频率，和不同音强的泛音混合在一起，从而使每种声音具有特殊的音色。

4.4.2  声音信号的数字化

由于音频信号是一种连续变化的模拟信号，而计算机只能处理和记录二进制的数字信号，因此模拟信号必须经过一定的变化和处理，转换成二进制的数据后才能送到计算机中进行再编辑和存储，而这个转换过程就称为声音信号的数字化。声音信号数字化的过程如图4-5所示。

图4-5  声音信号的数字化过程

（1）采样。

采样即每隔一个时间间隔在模拟信号上取一个幅度值。采样后得到的是离散的声音振幅样本序列，称为采样值，仍是模拟量。通过采样把连续的声音信号变成离散的声音信号。单位时间内采样次数称为采样频率f，为了不产生失真，采样频率不应低于声音信号最高频率的两倍，因此，语音信号的采样频率一般为8kHz，音乐信号的采样频率在40kHz以上。在MPC中，采样频率标准定为：11.025kHz、22.05kHz、44.1kHz。

（2）量化。

量化是将采样所得到的值数字化，即用二进制数来表示模拟量。量化的二进制位数是量化精度，用B位二进制码可以表示2^B个不同的量化电平。量化精度越高，声音的保真度越好。在MPC中，量化精度标准定为8位或16位。

采样和量化的过程称为模/数（A/D）转换。

（3）编码。

经过采样和量化后的音频信号数据量很大，占用大量的存储空间，因此还必须对它进行压缩编码处理，以便于在计算机中存储，在网络上进行传输等。

声音数字化后，常以波形声音的文件格式WAV存储，称为数字化波形声音。

波形声音的主要参数包括：取样频率、量化位数、声道数目、使用的压缩编码方法以及比特率（也称为码率）。所谓码率指的是每秒钟的数据量。数字声音未压缩前，码率的计算公式为：波形声音的码率=采样频率′量化位数′声道数。例如，一个双声道声音，用16位表示一个采样的样值，采样频率为22.05kHz，这时的数据量为88.2KB/s。压缩编码后的码率是压缩前的码率除以压缩倍数。

4.4.3  音频压缩技术

数字化波形声音的数据量很大，必须经过编码处理，以适应存储和传输的要求。而在声音信号中存在许多冗余成分，比如一些间隔和一些人耳分辨不出的信息，因而存在压缩的可能性。

表4-2列举了几种常用的全频带声音的压缩编码方法。

表4-2  全频带声音的压缩标准

MPEG代表的是MPEG活动影音压缩标准，MPEG音频文件指的是MPEG标准中的声音部分即MPEG音频层。其中MPEG-1音频文件根据压缩质量和编码复杂程度的不同可分为三层，分别与MP1、MP2、MP3这三种声音文件相对应。因特网上的音乐格式以MP3最为常见，它能以10倍左右的压缩比降低高保真数字声音的存储量，使一张普通CD光盘上可以存储大约100首MP3歌曲。

MPEG-2音频文件能支持5.1声道和7.1声道的环绕立体声。它有两种声音数据压缩格式，一种是MPEG-2 audio，它与MPEG-1是兼容的，所以又称为MPEG-2 BC（Backward Compatible，后向兼容）；另一种是MPEG-2 AAC（Advanced Audio Code，先进的音频编码），而它与MPEG-1不兼容，因此又称为MPEG-2 NBC（Non Backward Compatible，非后向兼容）。目前因特网上传播的MP4是采用MPEG-2 AAC音频压缩技术，能将压缩比提高到15:1，且不影响音乐的实际听感。MP4的大小仅为MP3的3/4，而更重要的是，它采用独特的Solana数字水印技术，方便追踪和发现盗版发行行为，能有效保护版权，这是MP3所无法比拟的。

杜比数字AC-3是美国杜比实验室开发的多声道全频带声音编码系统，它提供的环绕立体声系统由5个（或7个）全频带声道加一个超低音声道组成，在数字电视、DVD和家庭影院中广泛使用，使人们真正享受到5.1（7.1）通道立体声效果。

除了全频带声音的压缩编码标准以外，在有线电话通信系统中，国际电联电信标准化部门（ITU-T）对语音编码技术进行标准化，并提出了一系列语音编码协议：采用波形基编码方式的主要有G.711、G.721、G.722、G.723、G.726、G.727，采用参数基编码方式的主要有G.728、G.729、G.729A、G.723.1。这些协议分别运用于公共电话网、会议电视、IP电话、无线移动网、数字多路复用系统和计算机通信系统中。

4.4.4  MIDI的概念

MIDI（Musical Instrument Digital Interface），译作乐器数字化接口，是为了把电子乐器与计算机相连而制定的一个规范，是数字音乐的国际标准。它规定了电子乐器与微型机之间连接的电缆和接口标准；规定了电子乐器之间或电子乐器与微型机之间传送数据的通信协议；定义了如何对音乐进行编码。通常把MIDI格式的文件简称为MIDI文件，其文件扩展名为.mid。

MIDI音乐如何制作呢？我们需要一种称为音序器的软件，常用的音序器软件有Cakewalk、Encore等。音序器将MIDI演奏器（如MIDI键盘）的弹奏过程以MIDI消息的形式记录下来。MIDI消息是乐谱的一种数字式描述，每个MIDI消息描述一个音乐事件，比如按了哪个键、力度多大、时间多长、音色如何变化等，一首乐曲所对应的全部MIDI消息组成一个MIDI文件。我们不仅可以使用音序器软件制作MIDI文件，还可以用它对MIDI文件进行修改和编辑，如曲子的音调和速度都可以随意修改。

那么如何播放MIDI音乐呢？我们可以使用媒体播放器软件进行播放。媒体播放器软件首先从磁盘上读入MID文件，把其中的一个个MIDI消息发送给声卡上的音乐合成器，由音乐合成器解释并执行MIDI消息所规定的操作，合成出各种音色的音符，通过扬声器播放出乐曲来。MIDI系统结构如图4-6所示。

MIDI文件记录的不是波形数字化比特流，而是指令的集合。就是因为这个原因，相同时间长度的MIDI音乐文件一般都比波形文件（.wav）小得多。例如记录1分钟音乐，MIDI文件只需10KB，而波形文件（WAV文件）则需10MB，所以MIDI文件不需要压缩，很适合在网上传播。MIDI文件便于编辑，且可以作为配音或伴音和其他的媒体一起播放。正是MIDI文件的这些优点使其得到广泛应用。

图4-6  MIDI系统结构图

4.4.5  常用的音频文件

与其他存储文件一样，存储声音也是有存储格式的，常见的音频文件如表4-3所示。

表4-3  常用音频文件

常用的播放器有Windows Media Player、RealPlayer、Winmap等。