数字音频基础

1.1 模拟音频和数字音频
　　声音是机械振动。振动越强，声音越大，话筒把机械振动转换成电信号，模拟音频技术中以模拟电压的幅度表示声音强弱。
　　模拟声音在时间上是连续的，而数字音频是一个数据序列，在时间上是断续的。数字音频是通过采样和量化，把模拟量表示的音频信号转换成由许多二进制数1和0组成的数字音频信号。
计算机内的基本数制是二进制，为此我们也要把声音数据写成计算机的数据格式，这称之为编码音频数字化
　　计算机内的音频必须是数字形式的，因此必须把模拟音频信号转换成有限个数字表示的离散序列，即实现音频数字化。在这一处理技术中，涉及到音频的抽样、量化和编码。
1.2 数字音频的采样和量化
采样：音频实际上是连续信号，或称连续时间函数x(t)。用计算机处理这些信号时，必须先对连　　　续信号采样，即按一定的时间间隔(T)取值, 得到x(nT)(n为整数)。T称采样周期，1/T称　　　为采样频率。称x(nT)为离散信号。
采样定理：设连续信号x(t)的频谱为x(f)，以采样间隔T采样得到离散信号x(nT),如果满足：
　　当|f|≥fc时,fc是截止频率
　　T≤ 1/2fc 或fc≤ 1/2T
　　则可以由离散信号x(nT)完全确定连续信号x(t)。当采样频率等于1/（2T）时，即　fN=1/2T，称fN为耐魁斯特频率。
　　常用的音频采样率有：8kHz、11.025kHz、22.05kHz、16kHz、37.8kHz、44.1kHz、48kHz。
量化：为了把抽样序列x(nT)存入计算机，必须将样值量化成一个有限个幅度值的集合x(nT)。通常，用二进制数字表示量化后的样值是方便的。用B位二进制码字可以表示2B个不同的量化电平。存储数字音频信号的比特率为：
　　　I=B·fs(比特/秒)
　　　fs是抽样率(抽样/秒)
　　　B是每个样值的比特数(比特/采样)
量化采样的过程如下：先将整个幅度划分成为有限个小幅度(量化阶距)的集合，把落入某个阶距　　内的样值归为一类，并赋予相同的量化值。如果量化值是均匀分布的，我们称之为均匀量化　　。设△为量化阶距，量化器的最大范围是Xmax，则：
　　?=2Xmax / 2
　　对于小于(i+1/2)△，而大于(i-1/2)△的样值，均规定为相同的量化值i△。
1.3 数字音频的文件格式
数字音频的文件格式
文件扩展名　 说明. PCM 　 PCM数据序列
·VOC Creative公司的波形音频文件格式。
·WAV Microsoft公司的波形音频文件格式。
·SND NeXT计算机的波形音频文件格式。
·AIF Apple计算机的波形音频文件格式。
·MID MIDI文件格式。
·RMI Microsoft公司的MIDI文件格式。它可以包括图片、标记和文本。
1.4 音频信号的特点
音频信号处理的特点如下：
(1). 音频信号是时间依赖的连续媒体。
(2). 即理想的合成声音应是立体声。
(3). 对语音信号的处理，要抽取语意等其它信息，如可能会涉及到语言学、社会学、声学等。
从人与计算机交互的角度来看音频信号相应的处理如下：
(1). 人与计算机通信(计算机接收音频信号)。包括 音频获取；语音识别与理解。
(2). 计算机与人通信(计算机输出音频)。 音频合成； 声音定位：音频/视频同步。
(3). 人—计算机—人通信
人通过网络，与处于异地的人进行语音通信，需要的音频处理包括：语音采集、音频编码/解码、音频传输等。这里音频编/解码技术是信道利用率的关键。
2 音频卡的工作原理
2.1 音频卡的功能和分类
音频卡的主要功能是：音频的录制与播放、编辑与合成、MIDI接口、文语转换、CD-ROM接口及游戏接口等。录制与播放编辑与合成
MIDI接口和音乐合成文语转换与语音识别
2.2 音频卡的工作原理
开发生产音频卡的公司很多,其中最有影响的公司是新加坡创新科技有限公司(Creative Labs.Inc.)开发的系列产品SoundＢlaster系列音频卡,它是集语音与音乐于一体的多煤体音频卡,它不但具有优良稳定的硬件特性,而且还有丰富的软件。
3 音频编码基础和标准
3.1 音频编码基础
　　从信息保持的角度讲,只有当信源本身具有冗余度,才能对其进行压缩。根据统计分析结果，语音信号存在着多种冗余度，其最主要部分可以分别从时域和频域来考虑。另外由于语音主　　要是给人听的，所以考虑了人的听觉机理，也能对语音信号实行压缩。
时域信息的冗余度
　1. 幅度的非均匀分布
　2. 样本间的相关
　3. 周期之间的相关
　4. 基音之间的相关
　5. 静音系数
　6. 长时自相关函数
频域信息的冗余度
　1. 非均匀的长时功率谱密度
　2. 语音特有的短时功率谱密度
人的听觉感知机理
　1. 人的听觉具有掩蔽效应
　2. 人耳对不同频段的声音敏感度不同
　3. 人耳对语音信号的相位变化不敏感
音频编码的分类如下：
　基于音频数据的统计特性进行编码,其典型技术是波形编码。
　基于音频的声学参数，进行参数编码,可进一步降低数据率。其目标是使重建音频保持原音频的特性。
　基于人的听觉特性进行编码：从人的听觉系统出发，利用掩蔽效应，设计心理声学模型，从而实现更高效率的数字音频的压缩。
3.2 音频编码标准
当前编码技术发展的一个重要的方向就是综合现有的编码技术，制定全球的统一标准，使信息管理系统具有普遍的互操作性并确保了未来的兼容性。国际上，对于语音信号压缩编码的审议在CCITT下设的第十五研究组进行，相应的建议为G系列，多由ITU发表。
音频编码算法和标准
1．G.711
2．G.721
3．G.722
4．G.728
5. MPEG中的音频编码
6．AC-3编码和解码
G.722建议的带宽音频压缩仍采用波形编码技术，因为要保证既能适用于话音，又能用于其他方式的音频，只能考虑波形编码。G.722编码采用了高低两个子带内的ADPCM方案，高低子带的划分以4KHz为界。然后再对每个子带内采用类似G.721建议的ADPCM编码，因此G.722建议的技术方案可以简写为SB-ADPCM（子带-自适应差分脉冲码调制）。