最新音频处理技术-《信息技术基础》

声音是通过一定介质（空气、水等）传播的一种连续的波，称为声波。它是一个随着时间连续变化的模拟信号。一个声波由3个物理量：振幅、频率和周期来描述。振幅表示声波的音量，即通常所说的声音的大小。声音波形一般以一定的时间间隔重复出现，这个时间间隔称为声音信号的周期。频率表示每秒钟的周期数。

人耳可以听到的声波的频率为20～18 000 Hz，人说话的信号频率通常为300～3 kHz，把在这种频率范围的信号称为语音信号。以前对声音信号进行存储和传输使用的都是模拟信号，它在时间和幅度上都是连续的。但是如果要在计算机中对声音信号进行处理的话，就必须使用数字信号，也就是要把模拟信号变成数字信号。所谓数字化实际上就是将连续的信号变成离散的信号。声音信号的数字化通常要经过采样、量化和编码3个过程。

采样（Sampling）是每隔一定的时间测量一次声音信号的幅值，把时间连续的模拟信号转换为时间离散、幅度连续的采样信号。每秒钟采集声波样本的次数称为采样频率。采样频率越高，则经过离散数字化的声波就越接近于其原始的波形，声音的保真度就越高，同时，信息量也就越大。量化（Quantization）是将采样得到的数值限定在几个有限的数值中，即将采样信号转换为时间离散、幅度也离散的数字信号。最后进行编码（Coding），即将量化后的信号转换成一个二进制码组输出。

数字音频文件也和其他文件一样，存储时也可以有不同的格式。即使数据相同，根据不同的软硬件环境需要，可以存储成不同的文件格式。常见的数字音频文件格式有以下几种：WAV格式、MIDI格式、MP3格式、RA格式、CD-DA格式。

（1）WAV格式文件

WAV格式文件是声音文件最基本的格式，文件扩展名为“.WAV”，是Windows所使用的标准数字音频格式，称为波形文件。Windows系统和一般的音频卡都支持这种格式文件的生成、编辑和播放。这种波形文件是由IBM和微软公司于1991年8月联合开发的，是一种交换多媒体资源而开发的资源交换文件格式。

WAV文件格式来源于对声音模拟波形的采样。它是把声音的各种变化信息（频率、振幅、相位等）逐一转成0和1的电信号记录下来，其记录的信息量相当大。其具体大小又与记录的声音质量高低有关。在适当的软硬件条件及计算机控制下，使用WAV格式能够重现各种声音。WAV文件格式支持存储各种采样频率和样本精度的声音数据，易于生成和编辑；它的主要缺点是原始声音数据量太大，不适合长时间的记录。在保证一定音质的前提下压缩比不够，因此也不适合在网络上播放。

（2）MIDI格式文件

MIDI（Musical Instrument Digital Interface，乐器数字接口）文件是由世界上主要电子乐器制造厂商建立起来的通信标准，是乐器和电子设备之间声音信息交换的一套规范。文件扩展名为.MID。(www.xing528.com)

MIDI格式文件的记录方法与WAV完全不同。它并不对音乐进行采样，而是将每个音符记录为一个数字。人们在声卡中事先将各种频率、音色的信号固化下来，根据需要在声卡中调用。一首MIDI乐曲的播放过程就是按乐谱指令去调出一个个音来。因此，MIDI的文件和WAV文件相比要小得多。例如，一首半小时的立体音乐，MIDI音乐只有200 KB左右，而波形文件则差不多300 MB。MIDI格式的主要限制是它缺乏重现真实自然声音的能力，因此不能用在需要语音的场合。

（3）MP3格式

MP3是采用MPEG3标准对WAVE音频文件进行压缩而成的，它是目前最为流行的多媒体格式之一。MP3具有文件小、音质佳的特点。MP3具有较高的压缩比（12∶1），即采用MP3压缩，数据可以缩小到1／12，音质却没有损失。在同样的音质条件下，MP3需要的数据量最小；同样的数据量条件下，MP3音质最好。MP3对音频信号采用的是有损压缩方式，虽然它是一种有损压缩方式，但它以极小的失真度换来较高的压缩比。

（4）RA格式

RA（Real Audio）是Real networks推出的一种音乐压缩格式，它的压缩比比较大（大于MP3），可以达到96∶1，音质也较好。因此，这种格式在网上比较流行。另外，这种文件还有一个非常大的优点就是可以采用流媒体的方式实现网上实时播放，即边下载边播放。

（5）CD-DA格式

CD-DA（Compact Disk-Digital Audio）是标准激光盘文件，专门用来记录和存储音乐，扩展名是.cda。这种格式的文件数据量大，但是音质好。CD唱盘也是利用数字技术（采样技术）制作的，符合MPC2标准的CD-ROM驱动器不仅可以读取CD-ROM盘的信息，还能播放数字CD唱盘。它是利用激光将0和1数字位转换成微小的信息凹凸坑制作在光盘上，通过CDROM驱动器特殊芯片读出其内容，再经过D／A转换，把它变成模拟信号输出播放。