基于数字语音教室的多路混音算法及应用
Multi-Point Audio Mixing Algorithm Based on Digital Classroom for Language learning and Its Application
（1.武汉理工大学；2.长沙理工大学；3衡阳师范学院）刘新华13，李方敏1，旷海兰23，张小麟1
LIU Xinhua，LI Fangmin，KUANG Hailan, ZHANG Xiaolin
摘 要：在研究音频混音技术的基础上，结合基于嵌入式技术的数字语音教室的实际情况,提出了一种应用于数字语音教室的多路实时混音算法，并给出了在数字语音教室中利用多路混音算法实现多人实时音频交互的方法。
关键词：数字语音教室；嵌入式技术；混音
中图分类号： TP393 文献标识码： A
【Abstract】By researching on audio mixing technology and combining the real situation of digital classroom for language learning based on embedded technology, this paper proposes a algorithm for multi-point real-time audio mixing and its real application in digital classroom for language learning to solve the multi-point real-time audio communication.
【Keywords】Digital classroom for language learning; Embedded technology; Audio Mixer
0引言
随着多媒体语音数码技术、网络通信技术、实时嵌入式软件和硬件技术的进步，数字语音教室的技术日趋成熟。由于其在语音教学应用上有着传统语音教室无可比拟的强大功能，而被现代教育系统推广。数字语音教室是建立在网络数据交换的基础上，将经过A/D转换后的语音数据或音频的数据，通过标准的网络协议，传送到用户终端，网络及终端之间的消息传递，以符合标准网络协议的命令数据的形式反映，以达到语言学习的良好音质，满足教学方式多样性需求，充分合理的组建和利用教学资源的一种全新的语言学习系统。作为现代化教学的手段，数字语音教室将逐渐取代传统的语音教室。
在数字语音教室中，学生终端是基于嵌入式技术，而教师机采用的是计算机多媒体技术，二者通过网络通信技术实现交互，在这种交互过程中，尤其是以学生终端与教师机之间的实时音频交流为主要内容。在课堂教学中，当教师机进行广播讲话或广播音频时，学生端被动接受音频流；当教师端与学生终端进行一对一谈话时，由于双方均可收发音频流，在基于TCP/IP协议下，可以实现双工通信，但是如果将这种一对一谈话，向全班同学示范，即其他终端均能实时听见双方的谈话内容，就必须将双方的音频流进行混音，实时地广播给其他终端，特别是在一对多实时音频交流、小组实时音频讨论的情况下，需要进行更为复杂的混音处理，即多路混音处理。因此，多路实时音频混音技术，是设计开发数字语音教室的一个关键技术。
本文从分析数字语音教室的体系结构出发，在考虑学生终端处理能力及网络通信负荷的情况下，对数字音频混音技术进行了研究，提出了一种应用于数字语音教室的多路实时音频混音算法并分析了数字语音教室中混音技术的实际应用。
1数字语音教室的体系结构
传统型语言学习系统的结构设计主要就是以录音机机芯为主体，通过各厂家自行定义的相关线缆来进行连接与传输。数字化系统的核心技术是基于计算机数据传输协议的网络技术，在实际应用中，我们设计开发的数字语音教室的体系结构如图1所示：学生终端基于嵌入式技术，支持TCP/IP网络协议，支持语音输入、输出处理，能够输入4个以上选择项，具有选择和执行菜单功能。并具有以下外部接口：以太网网卡；电源接口；麦克风/耳机语音输入输出设备、显示屏（LCD）及键盘。教师机采用普通的PC机，采用Windows系统，利用Visual C＋＋编写的服务器程序来控制包括学习终端的整个系统。根据实际要求可以为教师端配置磁带卡座、DVD播放器、投影仪、VCD机等外部辅助教学工具，这些均由教师机通过主板
上的红外线端口来实现控制操作，并将相关数据传递给各学生终端。整个系统通信采用TCP/IP协议，通过交换机配置普通的局域网，每个终端和服务器采用各自的IP地址来实现数据通信。
图1 数字语音教室结构图图 图2 混音前后音频波形表示
2数字音频多路实时混音的原理
在时域上，语音是短时平稳信号，对语音信号的处理是以语音样本缓冲区为基本单位，多个模拟音频源的混音，实际上是以样本缓冲区为基本单位的线性叠加。事实上，多路数字语音的混音也是基于此原理，假设有n路基于相同采样率的输入音频流进行混音，X i(t)是t时刻的第i路输入语音的线性样本，则t时刻的混音值为：
m(t)=∑X i(t),i = 0,1,……,n-1 （ 1 ） 显然，当按（1）式进行线性叠加时，必然涉及到混音后的音频流m(t)线性样本的取值范围问题，如果该样本值超过了输出设备所允许的最大范围，就会产生噪声（如图2 ），因此，必须对混音后得到的样本值进行平滑处理。对于此类噪声的消除，基本的处理方法是：根据带噪声的音频信号幅度的平均值确定阈值，当信号幅度超过给定的阈值时，判定为脉冲噪声，然后对它进行适当的衰减。
在我们设计开发的数字语音教室中，为了满足教学的基本要求和良好的音质，音频采用采样频率为11025HZ，16位，双声道的数据格式，因此，采样值的范围是-232768～+32767 ,信号的正半周期用0～32767 表示,负半周期用 -232768～0 来表示,没有信号时,采样值为0 。同时在平常的课堂教学中，参与教学示范或小组讨论的人数一般在2-5人，因此，我们在此基础上进行多路混音算法的设计。假设有nTotal路基于同一采样率的音频源在某一时刻的数据存贮在缓冲的大小为nBufLen有nTotal个缓冲的lpArraySrcBuf[]缓冲组中，混音结果存贮在目标缓冲区lpDestBuf。算法如下：
void MultiAudioMixer( LPSAMPLE lpDestBuf, LPSAMPLE lpArraySrcBuf[], int nTotal, int nBufLen )
{
int n = 0;
memcpy( lpDestBuf, lpArraySrcBuf[ n++ ], nBufLen );//将存贮在缓冲区的第一路音频数据拷贝到目标缓冲区
int nTemp = 0; //定义一个临时变量
while( n < nTotal )
{
short * pDest = ( short * )lpDestBuf;//定义一个指向目标缓冲区的指针
short * pSrc = ( short * )lpArraySrcBuf[ n ];//定义一个指向音频源组中下一个将要
处理的缓冲区的指针
for( int i; i < nBufLen; i++ )
{
nTemp = pDest[ i ] + pSrc[ i ];//音频数据叠加
//叠加后，采用箝位算法对音频数据作平滑处理
if( nTemp > 32767 ) nTemp = 32767;
if( nTemp < - 32768 ) nTemp = -32768;
//将结果写入目标缓冲区相应位置
pDest[ i ] = nTemp;
}
n++;
}
}
采用上述算法可以实现多路音频源的混音。实验表明,该算法实现的混音能较真实地反映实时多人的交互,并有效保留了原声音的同步性，在2-5路混音的情况下，效果比较理想，能满足数字语音教室的设计要求。但是,在音频源逐渐增加（ 大于5路）的情况下，由于各路音频源自身的背景音,混音后噪音未能得到有效抑制，该算法有待进一步改进。
3多路实时混音技术在数字语音教室中的应用
在数字语音教室中，由于基于嵌入技术的学生终端的处理能力有限，因此在实现多人教学示范或小组讨论的功能时，实现多路音频处理的机制应尽可能在教师机端来完成。在实际应用中，我们根据不同的教学功能，采取不同的混音实现机制。下面以任意四台学生终端（A、B、C、D ）与教师机（T）实时音频交互为例（如图3），分析所有混音在教师机（T）上处理从而实现与多台学生终端的实时音频交互。
图3 学生终端与教师机实时音频交互模型
3.1示范教学中的混音机制
示范教学是课堂教学中最重要的功能之一，它将教师与1个或多个学生的实时音频交流示范给其他同学，也就是教师在课堂上对某一个同学进行提问或对多个同学同时进行提问或让多个同学就某一问题发表见解并由教师评讲。从技术上来说，实现这些功能就必须采用多路实时混音技术。
由图3可知，当教师机与四个学生终端进行实时音频示范教学时，采用如下混音机制：
（1）T发出指令，指定A、B、C、D参与示范教学；A、B、C、D收到T发来的指令后，将自己的状态置为教学示范状态；
（2）置为教学示范状态的A、B、C、D将实时采集的语音数据包发送给T；
（3）T收到从A、B、C、D处发来的语音数据包后，作如下混音处理：将A、B、C、D四路语音数据混音后送给T回放，同时，分别给A发送T、B、C、D的四混音数据包，给B发送T、A、C、D的四路混音数
据包，给C发送T、A、B、D的四路混音数据包，给D发送T、A、B、C的四路混音数据包，给其他的学生终端广播发送T、A、B、C、D五路混音数据包；
（4）A、B、C、D和其他学生终端收到语音包后进行回放；
（5）这个过程将不断重复，直到T发出终止教学示范指令，A、B、C、D恢复到正常课堂教学状态。
3.2小组讨论中的混音机制
小组讨论也是课堂教学中常用的一种手段，与示范教学相比，小组讨论是学生自由分组或教师指定分组而进行相互交流的一种小组活动。其实现机制如下：
（1）T选择“自由分组”或“指定分组”来确定分组方式，假设ABCD被分为一组（其他组处理方式相同）如图3；T发送分组指令给A、B、C、D，收到指令后，A、B、C、D置自己为小组讨论状态；
（2）置为小组讨论状态的A、B、C、D将实时采集的语音数据包发送给T；
（3）T收到从A、B、C、D处发来的语音数据包后，作如下混音处理：分别给A发送B、C、D的三路混音数据包，给B发送A、C、D的三路混音数据包，给C发送A、B、D的三路混音数据包，给D发送A、B、C的三路混音数据包。
（4）T可以随时加入任何一个小组，该小组的混音机制类似于示范教学，只是不再向其他学生终端广播发送语音数据包。
（5）A、B、C、D收到语音包后进行回放；
（6）这个过程将不断重复，直到T发出终止小组讨论指令，A、B、C、D恢复到正常课堂教学状态。 4结 论
论文结合基于嵌入式技术的数字语音教室的实际情况，在研究相关的多路实时音频混音技术的基础上，提出了适用于数字语音教室的多路实时混音算法，并分析了在数字语音教室中混音技术的实际应用，为实现数字语音教室中多人实时音频交流提供了一种新的解决办法。该技术已在我们自己设计开发的数字语音教室中使用，取得了良好的效果。
参考文献
1.樊 星,顾伟康,叶秀清.多媒体会议中的快速实时自适应混音方案研究.软件学报,2005,16(1):108-113.
2.冯蔚远,何丕廉,何光明.智能多媒体教学平台中关键技术的研究[J ].计算机应用研究,2003,(9) :18-21.
3.赵代强.基于数字语音交换技术的多方会议系统[J].计算机工程,2004,30(13):87-88.
4.覃 胜,刘晓明,江泽佳.数字网络语音室的设计与布设.电讯技术,2004,(4):60-64
5.马铁川，杨春华.语音教室的网络化建设.外语电化教学,2003,(91):56-58.
作者简介：刘新华（1974-），男，汉族，硕士，讲师，研究方向为计算机网络，无线传感器网络。李方敏 (1968-), 男, 汉族，博士后, 教授, 博士生导师，研究方向为计算机网络,嵌入式系统。旷海兰（1976-），女，汉族，硕士，讲师，研究方向为计算机应用，数据挖掘。张小林（1982-），男，汉族，硕士，研究方向为计算机网络通信，流媒体技术。
（430070 武汉理工大学信息工程学院 ）刘新华，李方敏，张小林
（410076长沙理工大学计算机与通信工程学院）旷海兰
（421008衡阳师范学院 计算机系）刘新华，旷海兰
(College of information engineering, wuhan university of technology, wuhan,hubei 430070, china ) LIU Xinhua，LI Fangmin， ZHANG Xiaolin
（College of computer and communication Engineering, changsha university of technology, changsha,hunan 410076, china）KUANG Hailan
（Computer department of hengyang normal university, hengyang, hunan,421008, china) LIU Xinhua，KUANG Hailan
附：通信地址：430070 武汉理工大学信息工程学院，A-194信箱。刘新华
EMAIL:liuxhua@https://www.doczj.com/doc/771802517.html,
录音混音方法 一. 录音环境 对录音这项看似平常，简单到从你家的电话录音机，到市面上出版的CD,DVD等，再到每天离不开你生活的广播电视，在在都显现出录音的重要角色，但是在就录音技术的讨论层面而言，对录音结果的好坏所造成的影响有几项因素。就我个人的浅见认为，录音环境、录音设备、『人』这三样因素影响最大。 谈到录音环境，就必须先对录音的种类有所认识与区分，大致来说录音可分为： 1. 广播录音：节目预录、电话收录、广播剧制作等。 2. 商业录音：唱片出版、广告制作、有声书等。 3. 电视制作录音：戏剧成音、配乐制作等。 4. 电影现场同步录音：对白收录、环境音收录、特效收录、生效创造等。 5. 音乐会/演唱会现场录音：单点录音、多轨录音等。 6. 环境音效录音：大自然声音收录、机械声收录、语音纪录保存等。 这几个分类算是最主要的录音需求，然而又会因为各类本身的实际状况与复杂性，产生各种不同的环境标准，当然这其中的重点，在于录音环境是否能提供一个合于该节目或音乐需求的因素，我们必须记着一点，只要你能收录到你所要用的声音，而且该声音合于你要出版或播出的水准，任何地方都可以成为最佳的录音环境；当然，要达到
真正的专业录音，好的录音设备也是重要的因素之一，最后影响录音结果的因素，则在『人』这个复杂的因子，因为这其中包含了个人专业技术与知识、人的情绪与心智、生理状况与听力等诸多复杂的影响范畴，这一部份我们且先略过，我们就先来谈录音环境吧！ 如何挑选建录音室的地点： 1 远离机场、航道。 2 远离火车站、铁道。 3 远离市中心、大马路边。 4 尽量不要建在大楼之中，因为无法控制各楼层的噪音影响，不过在台湾不太可能不选择此一途径。 5 选择独立建筑。可以排除在大楼建筑中产生的结构性噪音问题。 6 远离工业区。 当然这些基本原则能达到最好，因为至少在设计与处理上比较经济，若无法避免就只好在设计上下工夫，多花一些预算了。 如何决定录音室的空间大小： 这是一般常被忽略的因素，一般我们会建议越大越好，因为隔音墙与声效墙、浮动地板与浮动天花板、空调与线路管线都会使建构完成的空间缩小，虽然有所谓的黄金比例的影响，如1:1.25:1.6的比例等，但不见得每个场地都有此等身材，因此专业的声响〈ACOUSTICS〉设计师对您就非常重要，特别是在有限的空间创造无限的声场可能性。接下来我将以录音室的总体考量为例，简单的介绍一个专业的录音室要如何建构，又要注意哪些问题。
平安城市对讲求助系统 设计说明书 一、系统概况 在社会发展过程中，往往会出现各种突发事件。当前社会的各种因素对国家安全和社会稳定的影响日益显现。在做好传统领域安全工作的同时，对防范一些恶意危害他人人身安全突发事件等方面的工作，必须切实予以加强。 数字化IP网络视频对讲系统可以及时有效的掌握社会动态，对求助者以帮助，发现有不良动向的人予远程喊话予震慑，是“创建平安城市，构建和谐社会”的重要组成部分，更能完善‘社会更加和谐’这一理念。 平安城市IP网络视频语音对讲系统的主要功能特点： 音像结合，一键呼叫，人民群众需要帮助时可以视频语音全双工通话 监控中心可以远程巡逻城市的各个监控网点，发现可疑迹象，可对不法分子远程喊话，同时也可以远程开启警笛等辅助设备，给犯罪分子予以震慑 公安局、公安分局和辖区派出所的3级管理模式，如有突发事件发生，所在地的辖区派出所会在第一时间给予响应，同时辖区派
出所可以向上级部门进行汇报，请求兄弟单位协。 总指挥中心结合所有的安监设施，当有突发事件时，可以对整个 公安系统、分局、派出所进行远程语音喊话、指挥、广播，将事件的危害性降低到最低程度 终端配置有中断触发口、大功率功放等，可外接警笛、警灯、扩 音喇叭等，在有突发事件发生时，将结合现场情况，智能给予驱动控制 系统可以定时播放、实时采播、自动打铃、远程巡更等特性 系统具备传输数字化、布局网络化、应用智能化、工程简单化等 优势 所有操作，都可录音录像或以日志的形式予以保存，以备后期查 阅。 核心技术 1) TCP/IP 技术 采用tcp/ip 网络技术，纯数字传输，通信不受地域限制。 2) 数字音视频技术 数字音视频技术是将模拟音视频信号数字编码，通过网络传输后，再由网络终端解码成高保真的模拟音视频信号。本系统借助于已有的以太网网络，具有传输损耗小、画面清晰、音质佳、不受区域限制、后期维护成本低等优势，得到业内好评。 模拟音源 网络音频设备 网络音频终端 喇叭 3) 回音消除技术 回音消除技术是为避免双向对讲时终端扬声器的声音再次进入话筒，引起的音质差、啸叫等现象的发生；抑制环境噪音对通话质量的影响而采取的技术手段，保证高质量的语音通话。 局域网/广域网 LAN/WAN
《音频、视频技术基础》习题3 一、单项选择题 1.压缩编码技术，就是指用某种方法使数字化信息的（）降低的技术。 A、采样率 B、传输速率 C、数据量 D、编码率 2.（）决定了声音的动态范围。 A、声音大小 B、量化位数大小 C、采样频率 D、压缩技术 3.人类听觉的声音频率是（）。 A、0～20Hz B、20Hz～20KHz C、20Hz～340Hz D、20KHz以上 4.人类接受的信息约70%来自于（）。 A、阅读 B、听觉 C、视觉 D、触觉 5.Premiere Pro中输出视频的快捷键是（）。 A、ctrl+Alt+M B、Shift+M C、ctrl+shift+M D、ctrl+M 6.构成视频信息的基本单元是（）。 A、帧
B、画面 C、幅 D、像素 7.关于声音数字化技术中的量化位数叙述正确的是（）。 A、量化位数是指一秒种内对声波模拟信号采样的次数 B、量化位数是指每个采样点十进制数据的位数 C、量化位数是指每个采样点十六进制数据的位数 D、量化位数是指每个采样点二进制数据的位数 8.一般来说，要求声音的质量越高，则（）。 A、量化级数越低采样频率越高 B、量化级数越低采样频率越低 C、量化级数越高采样频率越低 D、量化级数越高采样频率越高 9.波形文件是采集各种声音的机械振动而得到的数字文件，其后缀是（）。 A、wav B、mpga C、mp3 D、voc 10.超声波的频率范围是（）。 A、高于20KHz B、低于20Hz C、低于20KHz D、高于20Hz，低于20KHz 11.以下软件中不是声音编辑软件的是（）。 A、Windows“录音机” B、Winamp C、SoundForge D、Cool Edit Pro 12.用（）软件可以将自己需要的VCD片段从VCD光盘中截取出来。 A、超级解霸
数字音视频技术考核内容 1、声波基本要素：振幅、频率、频谱 2、彩色三要素：亮度、色调、饱和度 3、音视频输入有设备哪些？ 话筒、摄像机等 4、音视频模/数（A/D）数/模（D/A）转换的设备有哪些？ 非线性编辑卡、数字录像机等。 5、数字音视频节目存储介质： 磁带、光盘、磁盘等 6、模拟音频信号波形的振幅反映了是什么、频率反映了是什么？ 用信号的幅度值来模拟音量的高低，音量高，信号的幅度值就大。 用信号的频率模拟音调的高低，音调高，信号的频率就高。 模拟信号具有直观、形象的特点。 7、视频分量YUV的意义及数字化格式（比例）？ 用Y:U:V来表示YUV三分量的采样比例,则数字视频的采样格式分别 有4:2:0 ,4:1:1、4:2:2和4:4:4多种 8、音频信号的冗余度有哪些？ 1、 时域冗余:: (1)、幅度分布的非均匀性(2)、样值间的相关性 (3)、周期之间的相关性(4)、基音之间的相关性(5)、静止系数(6)、长时自相关函数 2、 频域冗余： (1)、长时功率谱密度的非均匀性。(2)、语音特有的短时功率谱密度。 3、 听觉冗余： ①人的听觉具有掩蔽效应。②人耳对不同频段的声音的敏感程度不同，通常对低频段较之高频段更敏感。③人耳对音频信号的相位变化不敏感 9、视频信号具有的特点： 、直观性：人眼视觉所获得的视频信息具有直观的特点，与语音信 1、直观性： 息相比，由于视频信息给人的印象更生动、更深刻、更具体、更直接，所以视频信息交流的效果也就更好。这是视频通信的魅力所在，例如电视、电影。 、确定性：“百闻不如一见”，即视频信息是确定无疑的，是什么 2、确定性： 就是什么，不易与其他内容相混淆，能保证信息传递的准确性。而语音则由于方言、多义等原因可能会导致不同的含义。 、高效性：由于人眼视觉是一个高度复杂的并行信息处理系统，它 3、高效性： 能并行快速地观察一幅幅图像的细节，因此，它获取视频信息的效率要
华平多路音频的混音方法 背景及问题 目前，随着视频会议及监控的迅速发展，视频和音频的应用技术已经相对成熟。在实际应用中，音频的交互处理仍然处于最基本和最核心的部分，人们对音频的实时性要求更为苛刻，因此，在网络带宽允许的条件下，当不同地点的多个终端，需要进行实时音频交互时，需要将多路音频按照一定的策略进行混合，并最终编码发送给另外的终端。 多路音频交互的核心问题就是混音，而提供资源使用率相对低且音频交互质量更高的混音方法，以提升用户的实际体验效果，已成为本领域技术人员需要解决的技术难题。 传统多路音频混音方法分析 为解决此类问题，传统的方法是采用多点控制单元(MCU)将多路音频信号混音为一路，如此可以有效降低网络数据的传输量。MCU混音的方式是：根据信号线性叠加的原理，将多路音频信号的采样量化数据叠加。随着终端数量的增多，此种方式会导致MCU的运算负荷和上传带宽急剧增大，所以此方式只能适用在较小规模的会议系统中。 将混音处理都集中在一台服务器来进行，对服务器的上传带宽和CPU处理能力要求很高，由此衍生出了分布式处理方式，即由多个终端来进行混音处理，而分布式的混音方法遇到的最主要问题就是对终端的下载带宽要求较高，同时也需要终端具有较高的多路音频解码和混音的处理能力，此外还需要终端配置良好的混音算法以获得高质量的混音效果。 目前，诸多的混音算法，用于处理4路以内的音频，还能获得较好的混音效果，然而对于4路以上的音频，混音后音质会急剧下降，而且极易出现量化溢出等问题(效果)。为了确保各路音频的波形尽量能够在混音后保持原始的形态，以达到声音真实还原和音质更佳的效果，就必须解决数据叠加溢出的问题。 常见的几种解决溢出问题的方式如下： 1.平均化时域线性叠加的方法； 此法最为简单，但是混音效果很不好，存在混音后各路的音频衰减太多，音量偏小，不利于实时的沟通。 2.基于变换域的混音方法： 将各路音频转化为频域并做覆盖性差值，最后转换回时域得到混音数据的方法。此类方法虽然能很好解决溢出问题，但实现四路以上的混音难度较高，不具备普遍应用的优势。 图1现有直接叠加混音后的效果图(6路音频输入) 华平多路音频混音方法分析 华平提供的多路音频帧的混音方法是一种基于时域信号叠加的自适应的多路音频混合方法，能够混合超过4路以上的音频，实现方法：先将多路音频帧中相应采样点的值分别叠加以获得至少一个样点数据，且当有叠加后的结果超出预设范围时，对当前帧增益因子进行调整，当一帧叠加完成后，将所得的当前帧增益因子与前一帧增益因子进行比较，根据比较后的结果再次调整当前帧增益因子，接着，再根据再次调整后的当前帧增益因子、及音量强度的初始值计算当前帧的音量强度等级，并判断音量强度等级是否等于预设值，如果是，则将叠加后获得的各样点数据形成的帧作为混音帧，如果否，则根据音量强度等级对各样点数据进行处理，以使处理后的各样点数据都处于预设范围内，并将处理后的各样点数据所形成的帧作为混音帧。 本多路音频帧的混音方法通过对线性叠加后的混音数据进行溢出判断，当溢出时，对当前帧增益因子做一定的调整和计算，然后通过对混音后每帧数据进行对比分析，根据对比前后帧的相关参数来不断调整增益调节因子，并当混音出现溢出的时候自动将当前帧做饱和处
虚拟低音的实现原理及验证方案 背景和理论原理: 在当前手持设备或其他消费电子设备中，由于体积和外形的要求，作为发声的喇叭尺寸受到了极大限制，尺寸的限制造成了喇叭对于低音部分无法响应.造成音频部分低音的缺失，无法给消费者提供更高要求的享受. 在人耳的研究中发现，人可以对两个高音的差频产生响应，给了听觉上造成低音的感觉，这就是所谓的虚拟低音. 实现算法框图 图1 其中谐波发生器和增益控制器的框图采用MAXBASS公布的算法：如图2
2 这里我们可以看出我们需要做的就是: ●提取低音信号和高音信号，需要设计一个高通和低通滤波器，低通滤波器来提取低音信 号，高通滤波器来提取高音信号，低通滤波器的截止频率为扬声器的截止频率，在demo 的时候我们做成固定的100HZ. ●谐波发生器. ●混频器. 滤波器 滤波器我们采用matlab的FDATOOL工具来实现，然后可以根据工具生成的系数，根据滤波器的结构采用matlab语言自己编写.滤波器可以看见的总共有4个，输入高低滤波的滤波器HPF-IN和LPF-IN，这两个滤波器的功率互补的. HPF-OUT和HPF-IN是一样的. HPF-FB是反馈回路高通滤波器.
上图可知，上面提到的4个滤波器的截止频率都是可调的.这里需要注意. 一开始我们可以做成频率固定的，因为我们可能并不会做成IC的形式，因此可以在软件中随时调整截止频率. 自动幅度控制模块: 上图为等响度曲线图，我们可以看出不同的频率，相同的升压变化造成的响度变化是不同的.这里我们定义声压-响度扩展比率，即升压变化/响度变化的值R. 在频率为20~700hz，响度为20-80方内:R的值可以近似为:
数字化音视频练习题 1、下列音频格式中不属于数字化音频的是（） A．WA V音频B。录音磁带C。Mp3 D。MIDI 2、（）是录制音频必要的设备 Ａ．采集卡声卡麦克风Ｂ．计算机声卡麦克风 Ｃ．采集卡显卡麦克风Ｄ．计算机采集卡麦克风 ３.播放声音文件的计算机必须安装有（） A. 多媒体器件和多媒体主机 B.声卡和音箱 C.多媒体输入设备和输出设备 D.多媒体计算机软件系统 4、（）不是常用的声音文件格式。 A.JPEG B.W A V C.MIDI D.MP3 5.下列（）是WINDOWS自带的多媒体播放器 A.CD播放机 B.录音机 C.Windows Media Player D.麦克风 6.打开Windows自带的“录音机”应用程序的步骤是（） A.开始—程序—娱乐—录音机 B.开始—我的文档—我的音乐—录音机 C.开始—程序—附件—娱乐—录音机 7、下列音频文件中被称为时下“流行的风尚” A.CD格式 B.WA V格式 C.MP3格式 D.MIDI格式 8、使用Windows录音机程序默认最长能够录制（）秒 A.30 B.60 C.90 D.120 9、使用Windows录音机录制的音频文件格式是（） A.A VI B.MIDI C.W A V D.MOV 10、下列文件中能够和原声基本一致的是（） A.MIDI B.MP3 C.W A V D.MOV 11、下列声音文件中（）是音频压缩的国际标准 A.MIDI B.MP3 C.W A V D.MOV 12、下列不能用于录制数字化声音的软件是（） A.Cool Edit Pro B.Gold Wave C.超级解霸 D.Excel 13、讲英语磁带转换成MP3的文件的方法正确的是（） A.选择合适的音频连线，将录音机的输出插孔和声卡上的线性输入插孔相连。 B.选择合适的音频连线，将录音机的音频输入插孔和声卡上的线性插孔相连 C.选择合适的音频连线，将录音机的输出插孔和声卡上的线性输出插孔相连 D.选择合适的音频连线，将录音机的音频输入插孔和声卡上的线性输入插孔相连 14、在同一条件下，下面声音文件类型中，（）压缩比比较高 A.mp3 B..wma C. .wav D. .rm 15、想用Windows 提供的录音机程序录制一首自己唱的歌，并用豪杰音频解霸将该歌曲压缩成MP3格式，放在新买的MP3播放器中，他的操作步骤如下：正确的是（） ①启动豪杰音频解霸，打开刚录制的文件 ②点击“mp3按钮”，将文件保存在mp3播放器中 ③调整麦克风的位置和音量 ④点击“录制”按钮录制一首歌，并保存为wav文件 ⑤点击“开始—程序—附件—娱乐—录音机”，启动录音机 ⑥点击“循环按钮”，激活“mp3按钮” A.①⑤⑥③④② B.⑤④①③⑥② C.⑤③④①⑥② D.⑤④①⑥③② 16、下列关于录音机的说法不正确的是（）
录音人声处理步骤和方法 2009-05-05 22:31:28| 分类：音乐技术交流阅读1132 评论1 字号：大中小订阅 录音人声处理步骤和方法 母带处理软件IZotope.Ozone3臭氧教程 母带处理软件IZotope.Ozone3臭氧教程 软音源地址：https://www.doczj.com/doc/771802517.html,本工作室开设：古典吉他考级和电吉他班编曲作曲电脑音乐制作班乐理辅导班等等 希望广大乐迷积极参与哦！{注：深圳吉他} 各位录音兄弟们好。现在是凌晨三点半。我从睡梦中醒来，给大家写这个教程。由于时间仓促，所以行文快速，有错漏的请各位高手们一一指出了。 后期处理即是母带处理。也就是录音混缩最后一个阶段的制作处理，做混音最后一步的调整和处理。母带处理不是件小事，绝对不能忽视，它甚至关系到整个作品给人的听觉上的感受。后期处理广义上指的是整个作品经过伴奏的录制、人声录制，人声效果混音、合成混缩后的再进行的环节。这是我对后期处理的理解，不知各位觉得是否贴切。许多兄弟位后期处理用恐龙（T-RACKS），哪个更好用，是仁者见仁、智者见智的，不过我还是对臭氧情有独钟。 Ozone3，江湖人称臭氧3。是一款运行在DX平台上的综合式音频效果插件，主要用于后期的母带处理。也就是最好用的后期处理软件。该插件界面超酷、功能强大、操作复杂、品质一流，目前最新版本为3.0.111版，由izotope公司开发。 OZONE3是个组合式的插件。包含有10段均衡器、混响器、电平标准化、高质量的采样精度转换、多段激励器、多段动态处理、多段立体声扩展、总输入/输出电平调节。比OZONE2多了好多新功能和算法。软件预置的方案比以往版本更丰富，有很大的实用和参考价值，并且还可以到https://www.doczj.com/doc/771802517.html,下载许多新的预置参数。 我用臭氧的时间不长，不过细细研究了一番。发现它并没有像许多人说的那么难。对OZONE的六个效果器基分别解释： 1）均衡器 是个典型的参量式EQ，可任意定制频段数量、范围和频点。这是我用过的音质最好最精细的EQ。EQ也并没有有些人说得那么神话。如果只是做流行音乐的话，你只需要记得这些人声的频段就行了。 100hz 以下（必切，喷麦声，低频噪音频段） 200-500hz 人声低音（决定响度、力度、震撼度；鼻音重则衰减） 500-900hz 人声中音、乐音、泛音（决定温暖度、音色；音色坚硬则衰减） 900-2Khz 人声齿音、人声高频（决定穿透力，音色太刺则衰减） 4-10Khz 选择切除 臭氧3 EQ的使用快捷键： ←→左移/右移频段节点（每按一次） ↑↓增益/衰减0.1db（每按一次） Ctrl + ← 增加Q值（值越大，带宽越小） Ctrl + → 减少Q值（值越小，带宽越大） 我一般只用它来修补和突出某频段的人声，这是我的常用设置： 1.5K 提升 5.3db 增加明亮感 29hz 衰减-2.3db 减少轰隆声 69hz 衰减-0.9db 减少轰隆声 600){return this.width=600;}"> 2）混响器 母带加的混响不同于混缩时的混响。最重要的是不能破坏作品的清晰度、原有声相，并要合理地设置声场。要与混音时的混响相互配合。这是我混音的设置： 600){return this.width=600;}"> 与之相对应的后期混响，要适度了(也就是说要两次混响，混音时一次，后期时一次，所以混音时的混响要适度)。不要加了效果像唱K房的感觉，这是最失败的混响。做音乐不像唱K，可以猛加混响掩盖声线的缺陷。混响太多，会令人感到不亲切，不真实，不自然地。 600){return this.width=600;}"> 后期处理加的混响主要用来冲淡伴奏轨和人声轨的混响达到统一，令人声与伴奏融合得更和谐。所以添加一定要适度。界点为50hz和7khz，以保证混响不至于浑浊。 3）音量最大化 左边部分是最大化音量（电平标准化），这个很好理解，也可以说这部分是个母带处理的整体限制器。相信用过WAVES L2的朋友很容易上手的。比L2多了几个选项。要慢慢理解。
第4卷第2期2004年6月 长沙航空职业技术学院学报 CHAN GSHA AERONAU TICAL VOCA TIONAL AND TECHN ICAL COLL EGE JOURNAL Vol.4No.2 J un.2004 收稿日期:2004-03-20 作者简介:张晓婷(1964-),女,上海市人,讲师,主要从事计算机教学与研究。 数字音频技术(MP3)的压缩编码原理与制作方法 张晓婷 (珠海市工业学校,广东珠海 519015) 摘要:本文从音频压缩理论的角度,阐述MP3音频格式、压缩编码原理,同时介绍专业制作 MP3的方法。 关键词:MP3音频格式;压缩编码原理;制作经验与技巧中图分类号:TN919.3+11 文献标识码:A 文章编号:1671-9654(2004)02-051-06 Compression Coding Principle and F acture of Digital Audio Frequency T echnique (MP 3) ZHAN G Xiao 2ting (Zhuhai Indust ry School ,Zhuhai Guangdong 519015) Abstract : From the perspective of Audio Compression Theory ,the paper discusses format of audio Frequency tech 2 nique (MP3)and compression coding principle and also introduces the facture of audio Frequency technique (MP3). K ey w ords : Fomat of audio Frequency technique (MP3);compression coding principle ;facture 一、引言 数字技术的出现与应用为人类带来了深远的影响,特别是互联网的普及,使数字音频技术得到更为广泛的应用,并具有良好的市场前景。与之相关的数字音频压缩技术也得到了充分的发展,一些著名的研究机构和公司都致力于开发专利技术和产品。其中,MP3便是目前为止开发得最为成功的数字音频压缩技术之一。 二、MP3简介 (一)数字音频MP3的格式 MP3音频格式诞生于20世纪80年代,全名MPEG Audio layer 3,是MPEG (Moving PicturesEx 2pert Group 运动图像专家组)当初和影像压缩格式同时开发的音频压缩格式,是MPEG 21标准中的第三个层次,是综合了MPEG Audio layer 2和ASPEC 优点的混合压缩技术,音频质量好,主要用于MP3音频压缩,典型的码流为每通道64Kbit/s 。 (二)数字音频MP3压缩的优点 使用数字音频MP3压缩方式的处理,能增加更多的存储空间。由于MP3的压缩比约在十到十二倍之间,一分钟的CD 音乐经MP3压缩后,只需要一兆左右的存储空间,即一张光盘可以存储六百五十分钟到七百五十分钟的音乐;MP3典型的码流是每通道64Kbit/s ,只有CD 音乐每通道大约十分之一的码流,非常适合网上传输。更重要的是,即使压缩比如此惊人,音乐的品质依然较好,这主要是利用了人类听觉掩蔽效应(Masking Effect )的缘故。MP3具有容量小、数码化、制作简单、传输方便、成本低廉等特点,虽历经14余年,仍然是网上最流行的音乐格式之一。 三、MP3压缩编码原理在MPEG 21的音频压缩中,采样频率可分为32、44.1和48KHz ,可支持的声道有单声道(mono 2phonic )、双—单声道(dual 2monophonic )、立体声模式 ? 15?
THD（Total Harmonic Distortion，总谐波失真）: 谐波失真是指音箱在工作过程中，由于会产生谐振现象而导致音箱重放声音时出现失真。尽管音箱或耳机中只有基频信号才是声音的原始信号，但由于不可避免地会出现谐振现象（在原始声波的基础上生成二次、三次甚至多次谐波），这样在声音信号中不再只有基频信号，而是还包括由谐波及其倍频成分，这些倍频信号将导致音箱放音时产生失真。对于普通音箱允许一定谐波信号成分存在，但必须是以对声音基频信号输出不产生大的影响为前提条件。 而总谐波失真是指用信号源输入时，输出信号（谐波及其倍频成分）比输入信号多出的额外谐波成分，通常用百分数来表示。一般说来，1000Hz频率处的总谐波失真最小，因此不少产品均以该频率的失真作为它的指标。所以测试总谐波失真时，是发出1000Hz的声音来检测，这一个值越小越好。 注：一些产品说明书的总谐波失真表示为THD<0.5%，1W，这样看来总谐波失真较小，但只是在输出功率为1W的总谐波失真，这与标准要求的测量条件下得到的总谐波失真是不同的。 SNR（Signal to Noise Ratio，信噪比）: 指在规定输入电压下的输出信号电压与输入电压切断时，输出所残留之杂音电压之比，也可看成是最大不失真声音信号强度与同时发出的噪音强度之间的比率，通常以S/N表示。一般用分贝（dB）为单位，信噪比越高表示音频产品越好，常见产品都选择60dB以上。 Sample（采样）: 这个字同时为动词与名词。做为名词之用时，表示一段录进来的声音（Audio）；做为动词使用时，则表示录一段取样声音的录音动作。会用到"采样"这个字眼的场合，多半是针对采样过程，特别在不是录一整首歌曲，而只是录一段声音的状况。 Resolution（解析力、分辨率）: 若是用在数字声音信号的领域当中，解析度是指一个取样值的位数，位数越大所能表现的数值范围就越广。解析力也叫还原度，顾名思义，是声音的还原能力。即声音的细节表现程度，以及复杂音场的处理能力 酒 阅茉角浚 缏方涌谏杓圃郊眩 乖 纫苍礁撸 诖 鞰P3等高压缩比音乐时，还原度会主变得相当重要，高还原度意味着音乐不会走样。解析力很差的机子，播放什么类型的音乐都会混乱不清，基本上不能再谈什么细节表现与层次感，亦无法把细微、复杂的东西都交代得一清二楚。然而，即使是最高级的MP3，解析力也远不如HIFI音响。 BIT RATE（比特率）： 作为一种数字音乐压缩效率的参考性指标，比特率表示单位时间（1秒）内传送的比特数bps（bit per second，位/秒）的速度。通常我们使用kbps（通俗地讲就是每秒钟1000比特）作为单位。cd中的数字音乐比特率为1411.2kbps（也就是记录1秒钟的cd音乐，需要1411.2×1024比特的数据），音乐文件的BIT RATE高是意味着在单位时间（1秒）内需要处理的数据量（BIT）多，也就是音乐文件的音质好的意思。但是，BIT RATE高时文件大小变大，会占据很多的内存容量，音乐文件最常用的bit rate是128kbps，MP3文件可以使用的一般是8～320kbps，但不同MP3机在这方面支持的范围不一样，大部分的是32-256Kbps，这个指数当然是越广越好了，不过320Kbps是暂时最高等级了。 EQ均衡器: Equalization（均衡）将声音中的各频率的组成泛音等级加以修改的动作。例如，将频率为100 Hz的组成泛音推大，就会让声音中100 Hz左右的低频部份听起来明显一些。若觉
当我们使用像Skype、QQ这样的工具和朋友流畅地进行语音视频聊天时，我们可曾想过其背后有哪些强大的技术在支撑？网络语音通话通常是双向的，就模型层面来说，这个双向是对称的。为了简单起见，我们讨论一个方向的通道就可以了。一方说话，另一方则听到声音。看似简单而迅捷，但是其背后的流程却是相当复杂的。 语音采集 语音采集指的是从麦克风采集音频数据，即声音样本转换成数字信号。其涉及到几个重要的参数：采样频率、采样位数、声道数。 简单的来说：采样频率，就是在1秒内进行采集动作的次数；采样位数，就是每次采集动作得到的数据长度。 而一个音频帧的大小就等于：（采样频率×采样位数×声道数×时间）/8。 通常一个采样帧的时长为10ms，即每10ms的数据构成一个音频帧。假设：采样率16k、采样位数16bit、声道数1，那么一个10ms的音频帧的大小为：（16000*16*1*0.01）/8 = 320 字节。计算式中的0.01为秒，即10ms。 编码 假设我们将采集到的音频帧不经过编码，而直接发送，那么我们可以计算其所需要的带宽要求，仍以上例：320*100 =32KBytes/s，如果换算为bits/s，则为256kb/s。这是个很大的带宽占用。而通过网络流量监控工具，我们可以发现采用类似QQ等IM软件进行语音通话时，流量为3-5KB/s，这比原始流量小了一个数量级。而这主要得益于音频编码技术。所以，在实际的语音通话应用中，编码这个环节是不可缺少的。目前有很多常用的语音编码技术，像G.729、iLBC、AAC、SPEEX等等。 网络传送
当一个音频帧完成编码后，即可通过网络发送给通话的对方。对于语音对话这样Realtime 应用，低延迟和平稳是非常重要的，这就要求我们的网络传送非常顺畅。 解码 当对方接收到编码帧后，会对其进行解码，以恢复成为可供声卡直接播放的数据。 语音播放 完成解码后，即可将得到的音频帧提交给声卡进行播放。 如果仅仅依靠上述的技术就能实现一个效果良好的应用于广域网上的语音对话系统，那就没什么太大的必要来撰写此文了。正是有很多现实的因素为上述的概念模型引入了众多挑战，使得网络语音系统的实现不是那么简单，其涉及到很多专业技术。当然，这些挑战大多已经有了成熟的解决方案。首先，我们要为“效果良好”的语音对话系统下个定义，我觉得应该达到如下几点： （1）低延迟。只有低延迟，才能让通话的双方有很强的Realtime的感觉。当然，这个主要取决于网络的速度和通话双方的物理位置的距离，就单纯软件的角度，优化的可能性很小。（2）背景噪音小。 （3）声音流畅、没有卡、停顿的感觉。 （4）没有回音。 下面我们就逐个说说实际网络语音对话系统中额外用到的技术。 回音消除AEC 现在大家几乎都已经都习惯了在语音聊天时，直接用PC或笔记本的声音外放功能。殊不知，这个小小的习惯曾为语音技术提出了多大的挑战。当使用外放功能时，扬声器播放的声音会被麦克风再次采集，传回给对方，这样对方就听到了自己的回音。所以，实际应用中，回音消除的功能是必需的。
《数字音视频技术》期末考试试卷 一．选择（每题2分，共20分） 1.可闻声的频率范围（） A.20～2000Hz B.200～20000Hz C.20～20000Hz D.200～2000Hz 2.下面哪一种相加混色产生的色彩是错误的（） A.红色+绿色=黄色 B.红色+蓝色=橙色 C.蓝色+绿色=青色 D.红色+绿色+蓝色=白色。 3.不是数字图像的格式的是（） A.JPG B. GIF C. TIFF D. WAVE 4.在音频数字化的过程中，对模拟语音信号处理的步骤依次为（）A．抽样编码量化 B. 量化抽样编码 C. 抽样量化编码 D. 量化编码抽样 5.将声音转变为数字化信息，又将数字化信息变换为声音的设备是（） A.声卡B．音响 C. 音箱D．PCI卡 6.不属于国际上常用的视频制式的是（） A．PAL制 B.NTSC制C．SECAM制D．MPEG 7.数字音频采样和量化过程所用的主要硬件是（） A．数字编码器 B．数字解码器 C．模拟到数字的转换器（A/D转换器） D．数字到模拟的转换器（D/A转换器） 8.信息接受者在没有接收到完整的信息前就能处理那些已经接受到的信息一边接收，一边处理的方式叫（） A．多媒体技术B．流媒体技术 C．云技术D．动态处理技术
9．影响声音质量的因素不包括（） A．声道数目B．采样频率 C．量化位数D．存储介质 10．我们常用的VCD，DVD采用的视频压缩编码国际标准是（）A．MPEG B．PLA C．NTSC D．JPEG 二．填空（每空2分，共30分） 1.音质三要素：、和。 2.色彩三要素：、和。 3.混色的方法有：和。 4.视频冗余是指相邻帧间和每帧的水平方向和垂直方向上的相邻像素间存在很强的相关性，它包含的种类有：冗余、冗余、冗余、冗余和视觉冗余。 5.色彩模型中的三基色原理是指利用、和三种色光混合，可以产生各种色彩。 三．简答题（每题10分，共50分） 1.常见数字音频文件格式有哪些？ 2. 常见数字视频文件格式有哪些？ 3.什么是5.1声道环绕立体声？
虽然对于录音和混音来说没有什么一定的原则，但是一旦你开发出一套自己 的混音步骤，那么它至少可以告诉你混音工作应该从哪儿下手。下面就是我的混音步骤。 在混音中你会花大量的时间来进行各种各样的调整。关于混音我们这里列出了12个(这只是个最低数量!)主要的步骤，而混音中最难的地方却是这些步骤之间的相互影响。当你改变均衡设臵的同时，电平值也会发生变化，这是因为你对声音中的某些元素进行了提升或是衰减，它会影响到其他的元素。事实上，你可以认为混音就是一把“音频密码锁”。当你将所有的号码都调到了正确的数字时，那么你就完成了一件伟大的混音。让我们一起来看一看这12个步骤，但是你要切记一点，这只是某一个人关于混音的见解，你很可能需要一套完全不同的但却是最适合于你的混音方法。 第1步：做好准备 混音可能是一件非常单调而乏味的事情，因此要设臵一个高效率的工作空间。如果你没有一把坐感舒适的椅子，那么你最好还是到附近的办公用具商店去一趟。准备一些纸张和一个笔记本，以便进行记录时使用，将灯光调整得暗一些，这样可以使你耳朵的灵敏度高于你的眼睛，还要让自己兴奋起来，开始你的“旅行”。要定时进行休息(例如每隔45到60分钟)，这样可以让耳朵得到放松并使你保持一个清醒的头脑投入到工作当中去。如果你是在录音绷中进行工作，那么这种休息就显得有些太奢侈了，但是这种两三分钟的休息却可以让你更加客观地进行判断，使你的混音工作得以迅速地完成。 第2步：回顾音轨 先使用较低的音量听一听所有音轨中都有些什么东西，然后记录下音轨的信息，并使用即时贴或是可以擦除的笔来简要地标明哪一个声音对应调音台上的哪一路。最好按照一般的逻辑习惯来组合声音，例如将所有打击乐器的声音都放在调音台上相连的路中。 第3步：带上耳机清除瑕疵 检查录音细微的瑕疵是一件需要用到“左脑”的理性行为，这不同于用“右脑”来进行感性的混音工作。如果大脑在这两种性质不同的工作状态中跳来跳去一定会阻碍你创造力的发挥，因此在进行正式的混音之前，要尽可能地做好清理工作——消除录音中的杂音、弹错的音符以及其他类似的东西。这时你可以戴上耳机，分别单独播放每一个音轨来捕捉录时中的每一个细节。如果你是对MIDI音轨进行混音，那么此刻你应该做的工作无疑是减薄多余的控制器信号，消除重叠的音符，删去单音乐器音轨中多出来的声音(例如贝司和铜号的声部)。 为了整理录在磁带上(包括数字式磁带和模拟式磁带)的音轨，可以先将它们转录到硬盘录音机中，进行一些数字化的编辑和噪声抑制工作。虽然一些细小的杂音
《数字音视频处理技术》教学大纲《数字音视频处理技术》教学大纲课程名称:数字音视频处理技术 学时:64 学分:3 课程性质:专业选修课 考核方式:考查 )专业学生开课对象:计算机科学与技术(师范 一. 教学目的与要求 《数字音视频处理技术》是计算机科学与技术(师范)专业的一门应用性较强的专业选修课程。 随着多媒体技术日益成熟，使用数字音视频处理技术来处理各种媒体在师范生以后的工作过程中显 得十分重要。 本课程的目的和要求是: 1. 使学生了解数字音视频技术的基本概念，掌握数字音视频技术的基本原理，具备一定的理论 知识; 2. 使学生掌握专业音视频软件的使用方法，能够进行音视频的采集与编辑操作，并能进行典型 的艺术特效处理。 4. 培养学生的审美能力、艺术创造能力和多媒体技术的实际应用能力。本课程总授课64学时，在第六学期开设，为考查课程，其中理论教学为32学时，实践教学为
32学时。 二. 课程内容及学时分配 章节内容学时 第一章数字音视频处理技术的产生与发展 2 第二章音频技术概述 2 第三章音频处理 8 第四章视频技术概述 2 第五章视频处理 12 第六章音视频处理技术综合应用 6 实验一音视频软件的安装与基本操作 2 实验二音频采集与编辑 4 实验三数字音频特效与合成 6 实验四视频采集与编辑 4 实验五数字视频特效 8 实验六音视频处理技术综合应用 8 合计 64 第一部分理论教学第一章数字音视频处理技术的产生与发展(2学时) 主要内容: 1. 数字音视频处理技术的基本概念; 2. 数字音视频处理技术的产生与发展过程; 3. 数字音视 频处理的主要研究内容;4. 数字音视频处理的软硬件环境。要求: 1. 了解数字音视频处理技术的基本概念、产生与发展过程; 2. 了解数字音视频处理的技术概况和主要研究内容; 3. 了解数字音视频处理的软硬件环境要求; 4. 了解常见的音视频处理软件及其功能特点。
混响大法（一）真实世界中的混响 ——整理：徐胤清声音遇到障碍会反射，所以我们这个世界充满了混响。如图： 在这个世界中，有没有没有混响的地方呢？有！你坐上飞机，飞到一万米高空，然后往下跳，这时你大喊大叫，就是没有混响的，因为你在空中，周围没有任何障碍物，你的声音将会无限扩散出去而不会被反射回来。所以就没有混响。 另一个没有混响的地方就是声学实验室。声学实验室的墙壁、天花板、地面是经过特殊处理的，声音到达墙壁后将会被墙壁吸收而不会被反射回来。为什么会被吸收？你可以做一个小实验，找100根针，就是缝衣服的针，把它们捆在一起，弄齐，然后你可以看看这一捆针的针头面，你会发现它是黑的，因为光线到达这一面后，经过多次反射，一直射到里面去，出不来，所以就没有光被反射出来，就好像光都被吸收了一样。声学实验室的布置也是
类似于此，把声音吸收。 录音棚是半个声学实验室，能做到吸收大部份的混响。录音棚的墙壁排列都是不规则的，表面是用松软的棉制品构成，虽然比不上那捆针头，但声音到达墙壁后进入那乱糟糟的棉花里，七反射八反射就留在棉花里出不去了，所以录音棚里的混响也很小。 在一个房间里大吼一声，会有多少反射声，答案是无数。看图： 在这个房间里，你拍一下巴掌，得到的声音是这样：
是不是很多？这其实是比较简单的一个反射过程。如果这个房间里再摆上一些桌子椅子，反射会更加复杂。 闭上眼睛，大吼一声，你就可以知道你大概处在一个什么样的环境中，在外面，还是在家里。甚至你在家里大吼一声，就可以知道你在哪个房间里，在这个房间的哪个位置上。这是因为各个房间由于空间大小不一样、家具的摆放不同、墙壁的材料不同，所以具有各自不同的混响特征；同一个房间里不同的位置上，由于你距离墙壁的远近不同，所以也具有不同的混响特征。你熟悉这些特征，所以你就能光凭声音就能分辨你在什么位置上。 一个看起来很菜鸟的问题：为什么录音和混音要加混响？ 为什么录音和混音要加混响？答：因为录音时是没有混响的。 为什么录音时是没有混响的？答：因为录音棚是无混响的。 为什么录音棚是无混响的？ 其实专业的录音棚是有混响的，他们有很多板状的材料，可以灵活把房间改造成各种混响特征。但随着数字录音技术的飞速发展，数字混响效果器能够模拟真实情况下的混响，所以大家就干脆把录音棚弄成无混响的，录完音后再用效果器来模拟混响效果，想要什么混响就有
数字媒体概论试题 第01章艺术家和计算机 数字信息技术：是一门崭新的、跨学科的综合技术。主要包括 –计算机硬件、软件和体系结构； –编码学与数值处理方法； –图形、图像处理、计算机视觉； –光存储技术； –数字通讯与计算机网络； –仿生学与人工智能等。 下列（）属于组织传播的方式。 A．姿势B．文件C．书刊D．网络 答案：B 下列（）不属于大众传播的方式。 A．广播电台B．机关报纸C．书刊杂志D．通信网络 答案：B 数字艺术和设计将会产生庞大的计算要求，因此需要艺术家或设计师能够提供最强大快速的处理器，处理器的速度以兆赫兹(MHz)或千兆赫(GHz)计。如：“Intel Pent ium 4 3.0GHz处理器。” ，其中“3.0GHz”指的是（） A．主频B．内频C．倍频D．超频 答案：A 下面对于软盘、压缩磁盘(Zip disk)或CD-ROM的描述中，错误的是（） A．有内置的，也有外置的B．有便携的，也有固定的 C．有只读的，也有读写的D．数据轨道有同心圆的也有螺旋线的 答案：B 硬盘是计算机的永久存储器。曾经以兆字节(MB)或百万字节的数据来计量的硬盘，现在已经快速增长到十亿字节，其中十亿字节相当于（） A．100MB B．1GB C．10GB D．1TB 答案：B 软件分为系统软件与应用软件，其中操作系统是（） A．不可或缺的系统软件C．不可或缺的应用软件 C．“裸机”上已植入的软件D．存放的ROM-BIOS中的软件 答案：A
对于个人计算机(PC)用户，IBM-PC兼容机最常用的操作系统是微软的Windows。而Macintosh个人计算机的用户使用最常用操作系统是（） A．Linux B．Uinux C．Mac D．NetWare 答案：C 暗房技术包括（）等。 A．摄影与冲洗B．冲洗与制版C．制版与遮挡D．遮挡和烧制 答案：D 专门用于代替画家传统的工具和调色板，常被称为自然媒体程序的软件是（）A．数字绘画软件 B．图形编辑程序C．插图软件D．3D软件 答案：A 根据分工不同，大型多媒体团队设置多个领导小组，而最小的多媒体团队人员数有（）A．3～5个B．5～8个C．8～10个D．10～15个 答案：A 第02章计算机的发展史：从计算机到多媒体 格雷斯?霍波是计算机程序发展史上的一名领军人物：被称为电脑之母，是计算机专业的先驱人物，下列（）不是她的极出贡献。 A．编写了第一个网络协议B．发明了相关的编译系统 C．开发了COBOL商业程序语言D．创造计算机术语“bug” 答案：A 1946年，在宾夕法尼亚大学诞生的第一台电子数字积分计算机是（） A．Mark I B．UNIV AC C．ENIAC D．EDV AC 答案：C 约翰·冯·诺伊曼很早就因为研究量子力学数学和第一代原子弹而闻名，后来，他成为EDVAC 的顾问。其中EDV AC是一台（） A．电子数字积分计算机B．电子数字模拟计算机 C．电子离散模拟计算机D．电子离散数据计算机 答案：D 被称为电脑之父、数学奇才、美籍匈牙利人的约翰·冯·诺伊曼对计算机的设计，主要表现在除（）外的设计思想。 A．提出“存储程序控制”基本思想B．发明了汇编语言 C．提出数字计算机“二进制”应用D．提出计算机五大逻辑部件 答案：B