​

          ​

1、声音的相关概念

模拟声音信号：声波在时间和幅度上都是连续的模拟信号。

1.1 声音的组成

幅度：声波的振幅。计量单位是分贝（dB）

频率：声波每秒变化的次数，用Hz表示。人耳能听到的声音信号的频率范围20Hz~20KHz。该范围内的信号称为音频信号。小于20Hz称为亚音信号。高于20KHz称为超声波。根据声音包含的频率成分的构成特征可以分为音乐和噪音。

2、声音信号的数字化

声音信号属于模拟信号，计算机需要把它转换为数字信号才能进行处理。需要用二进制数字的编码形式来表示声音。声音信号数字化要经历：采样、量化、编码三个步骤。

采样：就是把时间连续的模拟信号在时间轴上离散化的过程。在某些特定时刻获取声音信号幅值称为采样。

量化：量化处理就是把在幅度上连续取值（模拟量）的每一个样本转换为离散值（数字量）来表示。量化后的数据使用二进制的数来表示的，二进制数位数的多少反映了度量声音波形幅度的精度，称为量化精度或者量化分辨率。量化精度越高，声音质量越高，占用的存储空间也就越大。

编码：为了便于计算机的存储、传输、处理，需要按照一定的格式进行数据编码，再按照某种规定的格式将数据组织成文件。也可以采用方法对数据进行压缩，减少对存储空间的占用。

3、数字声音的主要参数

采样频率：表示每秒的采样数。3个标准频率为：44.1kHz、22.05kHz、11.05kHz。

量化位数：声音波形幅度的精度，一般是8位、12位、6位。

声道数组：单声道、双声道。

数据率：每秒数据量，一般用bps为单位。

压缩比：单位时间内的未压缩音频数据量与压缩后的数据量之比。

4、波形声音

4.1 波形声音介绍

波形声音是对声音信号直接采用的数据。

数据传输速率（bps）=采样频率（Hz）*量化位数（bit）*声道数

声音信号数据量（Byte）=数据传输速率（bps）*持续时间（s）/8

声音波形的数据量非常大。在编码的时候常常要进行压缩从而减少存储空间的占用和传输速率。

4.2 波形编码技术

可以直接对波形采样数据进行压缩的处理方法。常用的有差分脉冲编码调制（DPCM）、自适应差分脉冲编码调制（ADPCM）和子带编码（SBC）等。

波形编码特点：通用性强，对所有波形表示的数字声音都有效、声音质量很高、但很难有高压缩比。

4.3 感知声音编码

感知声音编码也是一种常用的编码技术，它利用波形本身的相关性和人类的听觉系统特性来 达到压缩声音的目的。MPEG系列的音频压缩编码就是典型的感知编码。

5、声音合成

5.1 语音合成

目前主要是针对文本转语音的合成。

流程：文本→文本分析→韵律处理→语音合成→波形声音

常用的合成技术：发音参数合成、声道模型参数合成、波形编辑合成

5.2  音乐合成

音乐是用乐谱进行描述而由乐器演奏而成的。乐谱基本组成单元是音符。现代音乐体系中基本音阶7个音组成、常用音符88个、电子乐器支持128个。

数字音乐合成方法：数字调频（FM）合成法、波表法。目前电子音乐合成基本都采用波表法。

6、MIDI

MIDI 是指乐器数字接口国际标准。

7、常用的声音文件格式

1、Wave 文件 （wav）：“微软操作系统标准音频格式属于波形文件。质量非常高，文件数据量很大。

2、Sound文件（.snd）：NeXT Computer公司推出的数字声音格式，支持压缩。

3、Audio文件（.au）：用于UNIX系统的数字声音文件格式。

4、AIFF文件（.aif）：MAC OS 标准的音频文件格式。

5、Voice文件（.voc）：Creative公司的波形音频文件格式。

6、MP3：最常用的声音文件格式

7、RealAudio（.ra）：具有较高压缩比。

8、MIDI文件（.mid .rmi）：用于存储和交换MIDI消息的一种数字音乐文件，.rmi格式是Windows中对MIDI文件格式的简单扩展格式。

​