声音信号的获取与处理.pdf

实验一声音信号的获取与处理

声音媒体是较早引入计算机系统的多媒体信息之一，从早期的利用PC机内置喇叭发声，
发展到利用声卡在网上实现可视电话，声音一直是多媒体计算机中重要的媒体信息。在软件
或多媒体作品中使用数字化声音是多媒体应用最基本、最常用的手段。通常所讲的数字化声
音是数字化语音、声响和音乐的总称。在多媒体作品中可以通过声音直接表达信息、制造某
种效果和气氛、演奏音乐等。逼真的数字声音和悦耳的音乐，拉近了计算机与人的距离，使
计算机不仅能播放声音，而且能“听懂”人的声音是实现人机自然交流的重要方面之一。
采集(录音)、编辑、播放声音文件是声卡的基本功能,利用声卡及控制软件可实现对多种
音源的采集工作。在本实验中，我们将利用声卡及几种声音处理软件，实现对声音信号的采
集、编辑和处理。

实验所需软件：
Windows录音机（Windows98内含）
CreativeWaveStudio(CreativeSoundBlaster系列声卡自带)
SyntrilliumCoolEdit2000(下载网址：http://www.syntrillium.com)

进行实验的基本配置：
IntelPentium120CPU或同级100%的兼容处理器
大于16MB的内存
8位以上的DirectX兼容声卡

1.1实验目的和要求

本实验通过麦克风录制一段语音信号作为解说词并保存，通过线性输入录制一段音
乐信号作为背景音乐并保存。为录制的解说词配背景音乐并作相应处理，制作出一段完整的
带背景音乐的解说词。

1.2预备知识

1．数字音频和模拟音频
模拟音频和数字音频在声音的录制和播放方面有很大不同。模拟声音的录制是将代表声
音波形的电信号转换到适当的媒体上，如磁带或唱片。播放时将纪录在媒体上的信号还原为
波形。模拟音频技术应用广泛，使用方便。但模拟的声音信号在多次重复转录后，会使模拟
信号衰弱，造成失真。
数字音频就是将模拟的(连续的)声音波形数字化(离散化)，以便利用数字计算机进行
处理，主要包括采样和量化两个方面。

2．数字音频的质量
数字音频的质量取决于采样频率和量化位数这两个重要参数。采样频率是对声音波形每
秒钟进行采样的次数。人耳听觉的频率上限在2OkHz左右，根据采样理论，为了保证声音
不失真，采样频率应在4OkHz左右。经常使用的采样频率有11.025kHz、22.05kHz和44.lkHz
等。采样频率越高，声音失真越小、音频数据量越大。量化数据位数(也称量化级)是每个采
样点能够表示的数据范围，经常采用的有8位、12位和16位。例如，8位量化级表示每个
采样点可以表示256个(0-255)不同量化值，而16位量化级则可表示65536个不同量化值。
量化位数越高音质越好，数据量也越大。反映数字音频质量的另一个因素是通道(或声道)个
数。单声道是比较原始的声音复制形式,每次只能生成一个声波数据。立体声(双声道)技术
是每次生成二个声波数据，并在录制过程中分别分配到两个独立的声道出输出，从而达到了
很好的声音定位效果。四声道环绕（4.1声道）是为了适应三维音效技术而产生的，四声道
环绕规定了4个发音点：前左、前右，后左、后右，并建议增加一个低音音箱，以加强对低
频信号的回放处理。DolbyAC-3音效（5.1声道）是由5个全频声道和一个超重低音声道组
成的环绕立体声。
在多媒体音频技术中，存储声音信息的文件有多种格式，如Wav、Midi、Mp3、Rm、
VQF等等。
1）Wav格式
Wav格式的文件又称波形文件，是用不同的采样率对声音的模拟波形进行采样得到的
一系列离散的采样点，以不同的量化位数（16位、32位或64位）把这些采样点的值转换成
二进制数得到的。Wav是数字音频技术中最常用的格式，它还原的音质较好，但所需存储
空间较大。
2）Midi格式
Midi是MusicalInstrumentDigitalInterface（乐器数字接口）的缩写。它是由世界上
主要电子乐器制造厂商建立起来的一个通信标准，并于1988年正式提交给MIDI制造商协
会，便成为数字音乐的一个国际标准。MIDI标准规定了电子乐器与计算机连接的电缆硬件
以及电子乐器之间、乐器与计算机之间传送数据的通信协议等规范。MIDI标准使不同厂家
生产的电子合成乐器可以互相发送和接收音乐数据。Midi文件纪录的是一系列指令而不是
数字化后的波形数据，所以它占用存储空间比Wav文件要小很多。
3）MP3格式
MP3是对MPEGLayer3的简称，是目前最热门的音乐文件。其技术采用MPEGLayer
3标准对WAVE音频文件进行压缩而成，特点是能以较小的比特率、较大的压缩率达到近
乎CD音质。其压缩率可达1:12，每分钟CD音乐大约需要1兆的磁盘空