语音信号数字化
语音信号是模拟信号，其频率为300 Hz～3.4 kHz。原始语音信号如图2-1
所示。要将语音信号在数字传输系统中进行传递，就必须使模拟的语音信号数字化。语音信号数字化是进行数字化交换和传输的基础。
语音信号数字化的方法有很多，用得最多的是PCM。PCM是将模拟信号数字化的取样技术，它可将模拟语音信号变换为数字信号的编码方式，特别是对于音频信号。
在PCM传输系统中，发送端的模拟语音信号经声/电转换成模拟电信号，根据采样定理（采样过程所应遵循的规律，又称抽样定理、取样定理）对模拟电信号进行取样，取样之后进行幅度量化，最后进行二进制编码。经过抽样、量化和编码3个模数变换（A/D）过程，模拟电信号变成一连串二进制PCM数字语音信号，进入传输线路进行传输，传输至接收端后，PCM数字语音信号经过模数反变换（D/A）还原为模拟信号，再由低通滤波器恢复出原始的模拟语音信号，就完成了语音信号的数字化传输，如下图所示。
PCM过程的各阶段语音信号波形如下图所示。
1.抽样
抽样又称采样，是指在时间轴上等距离地在各取样点取出原始模拟信号的幅度值。1928年，美国电信工程师H.奈奎斯特（H.Nyquist）提出了采样定理。采样定理说明了采样频率与信号频谱之间的关系，是连续信号离散化的基本依据。采样定理为采样频率建立了一个足够的条件，该采样频率允许离散采样序列从有限带宽的连续时间信号中捕获所有信息。
（1）奈奎斯特采样定理。在进行模/数转换过程中，当采样频率fs大于或等于信号中最高频率fmax的2倍时，采样之后的数字信号会完整保留原始信号的全部信息。一般实际应用中保证fs为fmax的2.56～4倍。
（2）语音信号抽样。由采样定理可知，当满足奈奎斯特采样定理条件时，在接收端只需经过一个低通滤波器就能够还原成原模拟信号。这一过程称为脉冲振幅调制(pulse amplitude modulation，PAM)。取样后的信号称为脉冲振幅调制信号。
若从低通滤波器输出的语音信号的最高频率为3.4 kHz，按采样定理选取最高频率为fmax=4 kHz，则采样频率为fs≥2fmax=8 kHz。根据奈奎斯特采样定理可知，此时在接收端就能恢复为原来的信号，也就是该系统的抽样间隔为
ts=1/fs=1/8 000=125 μs，即每隔1/8 000 s（125 μs）对语音信号抽样一次。语音信号在时间上是连续的，经过抽样后将变为时间上不连续、离散的信号，语音信号的抽样。
2.量化
抽样后得到的PAM信号的幅度仍为连续值，为了将这个连续值离散化就要对它进行量化。所谓量化，就是指把经过抽样得到的瞬时值的幅度离散，即用一组规定的电平值将瞬时抽样值用最接近的电平值来表示，从而实现用有限个数字来表示一个无限多取值的信号。
典型的量化过程是将PAM信号可能取值的范围划分成若干级，每个PAM信号按四舍五入的原则就近取某级的值。如图2-3所示，对抽样后的语音信号幅值进行量化，从+127至-127设置量化等级，其抽样值为31.7的抽样点量化后为32，其抽样值为127.2的抽样点量化后为127。
由于量化是一种近似取值的表示方法，因此接收端的信号在恢复时会产生一
些失真。这些失真所造成的影响类似于混入的噪声，因此把由于量化而产生的噪声称为量化噪声，量化噪声的大小完全取决于所表示的值与准确值之间的差别，可以通过缩小量化级间隔来减小量化误差，但由此带来的问题是语音编码的位数会增加。
3. 编码
PCM过程中语音信号的编码是将时域波形变换为数字代码序列。编码通常是将量化后的脉冲值转换成n位二进制码组。二进制码的位数n与量化等级L的关系满足n=log2L。如图2-3所示，语音信号的量化等级为128，采用7位二进制编码表示，再使用1个比特作为符号位，所以一个数字用8位码来表示。例如，量化值127转换为二进制编码11111111。经过编码的信号就是PCM信号。
4. 解码
解码是用特定的方法将数字语音信号还原成它所代表的原始模拟语音信号（信息、数据等）的过程。解码是编码的反变换，在接收端将收到的PCM码组还原为PAM信号，这个过程又称数模变换（D/A变换）。
在PCM解码中，首先将输入串行的PCM码变成并行的PCM码，然后变成PAM码，最后经过低通滤波器平滑地恢复为与发送端一样的PAM信号。
第一章数字音频基础知识 主要内容 ?声音基础知识 ?认识数字音频 ?数字音频专业知识 第1节声音基础知识 1.1 声音的产生 ?声音是由振动产生的。物体振动停止，发声也停止。当振动波传到人耳时，人便听到了声音。 ?人能听到的声音，包括语音、音乐和其它声音（环境声、音效声、自然声等），可以分为乐音和噪音。 ?乐音是由规则的振动产生的，只包含有限的某些特定频率，具有确定的波形。 ?噪音是由不规则的振动产生的，它包含有一定范围内的各种音频的声振动，没有确定的波形。 1.2 声音的传播 ?声音靠介质传播，真空不能传声。 ?介质：能够传播声音的物质。 ?声音在所有介质中都以声波形式传播。 ?音速 ?声音在每秒内传播的距离叫音速。 ?声音在固体、液体中比在气体中传播得快。 ?15oC 时空气中的声速为340m/s 。 1.3 声音的感知 ?外界传来的声音引起鼓膜振动经听小骨及其他组织传给听觉神经，听觉神经再把信号传给大脑，这样人就听到了声音。 ?双耳效应的应用：立体声 ?人耳能感受到（听觉）的频率范围约为20Hz~ 20kHz，称此频率范围内的声音为可听声(audible sound)或音频(audio)，频率<20Hz声音为次声，频率>20kHz声音为超声。 ?人的发音器官发出的声音（人声）的频率大约是80Hz～3400Hz。人说话的声音（话音voice / 语音speech）的频率通常为300Hz～3000 Hz（带宽约3kHz）。 ?传统乐器的发声范围为16Hz (C2)～7kHz(a5)，如钢琴的为27.5Hz (A2)～4186Hz(c5)。 1.4 声音的三要素 ?声音具有三个要素： 音调、响度（音量/音强）和音色 ?人们就是根据声音的三要素来区分声音。 音调（pitch ） ?音调：声音的高低（高音、低音），由―频率‖（frequency）决定，频率越高音调越高。 ?声音的频率是指每秒中声音信号变化的次数，用Hz 表示。例如，20Hz 表示声音信号在1 秒钟内周期性地变化20 次。?高音：音色强劲有力，富于英雄气概。擅于表现强烈的感情。 ?低音：音色深沉浑厚，擅于表现庄严雄伟和苍劲沉着的感情。 响度（loudness ） ?响度：又称音量、音强，指人主观上感觉声音的大小，由―振幅‖（amplitude）和人离声源的距离决定，振幅越大响度越大，人和声源的距离越小，响度越大。（单位：分贝dB） 音色（music quality） ?音色：又称音品，由发声物体本身材料、结构决定。 ?每个人讲话的声音以及钢琴、提琴、笛子等各种乐器所发出的不同声音，都是由音色不同造成的。 1.5 声道
语音信号数字化编码 随着数字技术，特别是计算机技术的飞速发展与普及，在现代控制、通信及检测等领域，为了提高系统的性能指标，对信号的处理广泛采用了数字计算机技术。由于系统的实际对象往往都是一些模拟量（如温度、压力、位移、图像等），要使计算机或数字仪表能识别、处理这些信号，必须首先将这些模拟信号转换成数字信号；而经计算机分析、处理后输出的数字量也往往需要将其转换为相应模拟信号才能为执行机构所接受。这样，就需要一种能在模拟信号与数字信号之间起桥梁作用的电路——模数和数模转换器。语音信号的数字化的编码的实现就是将一个语音信号转换成数字信号。 标签：语音信号；数字信号；模数转换 1 设计要求 1.1 语音信号的数字化编码的实现即将模拟信号进行数字化处理。 1.2 要求运用pcm编码（脉冲编码调制）的基本原理。 1.3 要求软硬件结合。 2 设计原理 语音信号数字化编码的实现就是将一个语音信号转换成数字信号。 语音是人类发音器官发出的，具有一定意义的，能起到社会交际作用的声音。普通人语音信号频率范围20HZ——20KHZ。 语音信号转换电信号的过程：声音通过空气把震动传给声音传感器的薄膜，薄膜振动带动线圈在磁场中做切割磁感线运动，产生大小不一的电流。 通常把从模拟信号抽样、量化，直到变换成为二进制符号的基本过程，称为脉冲编码调制（pcm），简称脉码调制。 Pcm系统的原理方框如图1所示，在编码器中有冲激脉冲对模拟信号抽样，得到在抽样时刻上的值。这个抽样值仍是模拟量。在它量化之前，通常用保持电路将其作短暂的保存，以便电路有时间对其进行量化。在实际电路中，常把抽样和保持电路作在一起，称为抽样保持电路。图中的量化器把模拟抽样信号变成离散的数字量，然后再编码器中进行二进制编码。这样，每个二进制码组成就代表一个量化后的信号抽样值。 3 基本电路
音频数字化简单原理 [ 2007-3-13 9:41:00 | By: 林俊桂] 从字面上来说，数字化 (Digital) 就是以数字来表示，例如用数字去记录一 张桌子的长宽尺寸，各木料间的角度，这就是一种数字化。跟数位常常一起被提到的字是模拟 ( Analog/Analogue) ，模拟的意思就是用一种相似的东西去表达，例如将桌子用传统相机将三视图拍下来，就是一种模拟的记录方式。 两个概念： 1、分贝(dB):声波振幅的度量单位，非绝对、非线性、对数式度量方式。以人耳所能听到的最静的声音为1dB,那么会造成人耳听觉损伤的最大声音为100dB。人们正常语音交谈大约为20dB。10dB意味着音量放大10倍，而20dB却不是20倍，而是100倍（10的2次方） 。 2、频率（Hz）:人们能感知的声音音高。男性语音为180Hz，女性歌声为600H z，钢琴上 C调至A调间为440Hz,电视机发出人所能听到的声音是17kHz，人耳能够感知的最高声音频率为20kHz。 将音频数字化，其实就是将声音数字化。最常见的方式是透过 PCM(脉冲) 。运作原理如下。首先我们考虑声音经过麦克风，转换成一连串电压变化的信号，如下图所示。这张图的横座标为秒，纵座标为电压大小。要将这样的信号转为 P CM 格式的方法，是先以等时距分割。 我们把分割线与信号图形交叉处的座标位置记录下来，可以得到如下资料，(0.0 1,11.6 5) ，(0.02,14.00) 、 (0.03,16.00) 、 (0.04,17.74) … ..(0.18,15.94) 、 (0. 19 ,17.7) 、 (0.20,20) 。好了，我们现在已经把这个波形以数字记录下来了。由于我们已经知道时间间隔是固定的 0.01 秒，因此我们只要把纵座标记录下来就可以了，得到的结果是 11.65 14.00 16.00 17.74 19.00 19.89 20.34 20.07 19.4 4 18.59 17.47 16.31 15.23 14.43 13.89 13.71 14.49 15.94 17.70 20.00 这一数列。这一串数字就 是将以上信号数字化的结果。看吧，我们确实用数字记录了事物。在以上的范例中，我 们的采样频率是 100Hz(1/0.01 秒 ) 。其实电脑中的 .WAV 档的内容就是类似这个样子
语音信号的数字化噪声抑制技术摘要：介绍了语音信号的数字化噪声抑制技术。该技术通过PCM编码对模拟语音信号数字化，再以CPLD器件进行数字化噪声抑制处理，然后解码为语音输出，从而得到优良的语音噪声抑制效果，并可通过软件调节噪声抑制参数。还以应用实例介绍了电路原理，说明了设计要点。关键词：噪声抑制阈值延时时间 PCM编解码CPLD器件语音信号的噪声抑制技术是基于人耳的声音屏蔽效应的，即当有较强的声音信号时，较小的噪声信号将被屏蔽而不易被听到。在具有噪声抑制功能的语音通信设备中，没有语音信号时噪声抑制电路将信道关闭，使噪声信号不能到达语音终端，避免了噪声出现；语音信号来到时，噪声抑制电路自动打开信道，这时虽然噪声语音一起送到语音终端，但由于声音屏蔽效应，噪声的存在可以忽略。模式式的噪声抑制电路直接对语音模拟信号进行处理，通常主要由取样放大器、模拟比较器、模拟开关、阻容延时器件等组成。因其集成度低、参数调整困难、设定的噪声抑制参数易受环境因素影响而漂移，使得噪声抑制性能难以得到保证。在为某国孙工程研制新一代语音指挥通信设备时，为了避免模拟式噪声抑制技术的缺点，采用了数字化的噪声抑制技术。这一技术，是在对模拟语音信号进行PCM编码后，再用CPLD（复杂可编程逻辑器件）对PCM码流进行数字化噪声抑制处理，然后将PCM信号解码还原为模拟语音信号。结果，不仅获得了优良的噪声抑制效果，而且能够用软件调节噪声抑制参数，设备的集成主和稳定性都有显著提高。1 噪声抑制电路的主要技术参数噪声抑制电路的主要技术参数为：噪声抑制阈值、前道时时间、后延时时间。噪声抑制阀值是指打开语音信道的门限电平值。在阈值之下的信号认为是噪声，关闭语音信道；在阈值之上的信号则认为是语音，打开语音信道。这一阈值可根据环境噪声的大小、外来干扰的严重程度及语音信号的幅度而进行设置。例如，当语音信噪比为30dB时，噪声抑制阈值可设为32mV左右。由于语音和噪声两种信号并不总是能够完全区分开的，因此在信号幅度超过噪声抑制阈值或回落到阈值之下时，需要分别进行延时和后延时。前延时时间是指语音信号在超过阈值后到语音信道打开的延时时间。这一时间太长将造成语音的起始音素被切除（称为“头切”），是不能允许的。但这一时间又不能太短，太短的话任何幅度超过噪声抑制阈值的突发的短暂干扰都会立刻打开语音通道并将这干扰送到语音终端，破坏静音效果。为尽可能地吸收这类干扰又不至于造成“头切”，根据语音声学特征的有关统计资料与经验数值，前延时时间可在0.5～4ms之间选择。[!--empirenews.page--] 后延时时间是指在噪声抑制门限被打开并自己传送语音时，从语音信号幅度回落至噪声抑制阈值之下到语音信道关闭的延时时间。由于语音信号波形的动态范围很大，讲话时又随着语气的变化而起伏停顿，因此后延时时间太短会造成语音的断续，影响语音传送质量。后延时时间太长，则造成语音停顿时噪声拖尾，同样影响语音质量。为兼顾这两方面，后延时时间的量值范围约为0.05～0.5s左右。由于语音特点因人而异，环境噪声和外界干扰情况又常有不同，所以上述的噪声抑制三参数经常需要在语音通信的过程中进行调节。在使用模拟噪声抑制电路时，这些参数是用电位器或开关来调节的。在使用模拟噪声抑制电路时，这些参数是用电位器或开关来调节的。采用数字化噪声抑制技术后，通过软件就可以设定和调节这些参数了。2 语音信号的数字化采用数字化噪声抑制技术，必须先将语音信号数字化。模拟语音信号的数字化有多种方法，最通用的是按照G.711标准进行PCM编码[1]。对于频带为300～3400Hz的语音信号，采用2.048MHz的取样时钟，以8kHz的速率进行8位取样，取样数据按A律编码，偶数位交替反转。多路语音信号可以分配不同的取样时隙，32个时隙（125μs）组成一帧。PCM编解码芯片选用National Semiconductor 公司的TP3094[2]。该芯片为44引脚PLCC封装，单一5V供电，集成了四路PCM编解码电路，压扩方式为A/μ律可选，片内自带电压基准、低通接收滤波器和带通发送滤波器，通过外接电阻可以调节输入信号的增益。TP3094可采用长帧和短帧两种同步方式，外接帧信号和2.048MHz的时钟即可工作。TP3094在进行PCM编解码时的工作方式有8bit和32bit两种，以8bit方式工作时需为每路语音的PCM码提供单独的帧同步信号，而以32bit方式工作时只
音频信号数字化hbj
————————————————————————————————作者：————————————————————————————————日期：
1.1 模拟信号与数字信号 1)模拟信号:从时间上以及幅值上都连续（不间断）变化 的信号称为模拟信号 (a) (b) 图1-1模拟与数字信号 [注]:①模拟信号强调在时间上的连续性。 ②模拟信号强调在幅值上的连续性。 ③计量和描述方式，一般采用十进制数 2）数字信号：在时间上和幅值上都是离散（不连续）的信 号称为数字信号 数字信号不同，它是那些像电报中用的莫尔斯码那样的长短不同的码信号，或者像计算机中的脉冲信号以及电源通/断的两个状态……都属于数字信号。它在时间上和幅值上都是离散（不连
10 0208202120211010101001232=+++=?+?+?+?==B 续）的， [注]：①数字信号的特点： 在时间上和幅值上都不连续。 ②数字信号的描述方式：由于它只有两个状态，所以可以 用二值函数来表示，一般采用二进制数量来表示 ③二进制数与数字信号是两个概念：前者只是对后者的一 种描述，在数字信号中强调的是状态 ④正逻辑表示：用“1”表示有脉冲或电源接通，而用“0” 表示无脉冲或电源断开。 ⑤二进制的运算法则：逢二进一。 ⑥二进制与十进制的关系： 上式中n 为二进制数的bit 数，左边为十进制数D ，而右边是其所对应的二进制数的各位与各自权重之积的和。 如： ★ 列出四位（bit ）二进制数与十进制数的关系表。 十进制数 二进制数 十进制数 二进制数 0 0000 2 0010 1 0001 3 0011 1.2 为什么要数字化 ①动态范围大：若采用16bit 量化方法，音频信号的幅度可 分为65536个量 化级，动态范围达96dB 。 ② 信息易处理：可以通过计算机对音、视频信号进行各种 特技及非线性编辑。 ③ 媒体易保存：使用时间长，采用数字化的光盘，重放时 不存在机械磨损， 使用寿命长。 ④成本低：数字化信息便于大规模集成电路的存储和处理，可降低成本。 i n i i b D 210 ∑-==
语音信号数字化 语音信号是模拟信号，其频率为300 Hz～3.4 kHz。原始语音信号如图2-1 所示。要将语音信号在数字传输系统中进行传递，就必须使模拟的语音信号数字化。语音信号数字化是进行数字化交换和传输的基础。 语音信号数字化的方法有很多，用得最多的是PCM。PCM是将模拟信号数字化的取样技术，它可将模拟语音信号变换为数字信号的编码方式，特别是对于音频信号。 在PCM传输系统中，发送端的模拟语音信号经声/电转换成模拟电信号，根据采样定理（采样过程所应遵循的规律，又称抽样定理、取样定理）对模拟电信号进行取样，取样之后进行幅度量化，最后进行二进制编码。经过抽样、量化和编码3个模数变换（A/D）过程，模拟电信号变成一连串二进制PCM数字语音信号，进入传输线路进行传输，传输至接收端后，PCM数字语音信号经过模数反变换（D/A）还原为模拟信号，再由低通滤波器恢复出原始的模拟语音信号，就完成了语音信号的数字化传输，如下图所示。 PCM过程的各阶段语音信号波形如下图所示。
1.抽样 抽样又称采样，是指在时间轴上等距离地在各取样点取出原始模拟信号的幅度值。1928年，美国电信工程师H.奈奎斯特（H.Nyquist）提出了采样定理。采样定理说明了采样频率与信号频谱之间的关系，是连续信号离散化的基本依据。采样定理为采样频率建立了一个足够的条件，该采样频率允许离散采样序列从有限带宽的连续时间信号中捕获所有信息。 （1）奈奎斯特采样定理。在进行模/数转换过程中，当采样频率fs大于或等于信号中最高频率fmax的2倍时，采样之后的数字信号会完整保留原始信号的全部信息。一般实际应用中保证fs为fmax的2.56～4倍。 （2）语音信号抽样。由采样定理可知，当满足奈奎斯特采样定理条件时，在接收端只需经过一个低通滤波器就能够还原成原模拟信号。这一过程称为脉冲振幅调制(pulse amplitude modulation，PAM)。取样后的信号称为脉冲振幅调制信号。 若从低通滤波器输出的语音信号的最高频率为3.4 kHz，按采样定理选取最高频率为fmax=4 kHz，则采样频率为fs≥2fmax=8 kHz。根据奈奎斯特采样定理可知，此时在接收端就能恢复为原来的信号，也就是该系统的抽样间隔为 ts=1/fs=1/8 000=125 μs，即每隔1/8 000 s（125 μs）对语音信号抽样一次。语音信号在时间上是连续的，经过抽样后将变为时间上不连续、离散的信号，语音信号的抽样。 2.量化 抽样后得到的PAM信号的幅度仍为连续值，为了将这个连续值离散化就要对它进行量化。所谓量化，就是指把经过抽样得到的瞬时值的幅度离散，即用一组规定的电平值将瞬时抽样值用最接近的电平值来表示，从而实现用有限个数字来表示一个无限多取值的信号。 典型的量化过程是将PAM信号可能取值的范围划分成若干级，每个PAM信号按四舍五入的原则就近取某级的值。如图2-3所示，对抽样后的语音信号幅值进行量化，从+127至-127设置量化等级，其抽样值为31.7的抽样点量化后为32，其抽样值为127.2的抽样点量化后为127。 由于量化是一种近似取值的表示方法，因此接收端的信号在恢复时会产生一
1.1 模拟信号与数字信号 1)模拟信号:从时间上以及幅值上都连续（不间断）变化 的信号称为模拟信号 (a) (b) 图1-1模拟与数字信号 [注]:①模拟信号强调在时间上的连续性。 ②模拟信号强调在幅值上的连续性。 ③计量和描述方式，一般采用十进制数 2）数字信号：在时间上和幅值上都是离散（不连续）的信 号称为数字信号 数字信号不同，它是那些像电报中用的莫尔斯码那样的长短不同的码信号，或者像计算机中的脉冲信号以及电源通/断的两个状态……都属于数字信号。它在时间上和幅值上都是离散（不连续）的，
10 0208202120211010101001232=+++=?+?+?+?==B [注]：①数字信号的特点： 在时间上和幅值上都不连续。 ②数字信号的描述方式：由于它只有两个状态，所以可以 用二值函数来表示，一般采用二进制数量来表示 ③二进制数与数字信号是两个概念：前者只是对后者的一 种描述，在数字信号中强调的是状态 ④正逻辑表示：用“1”表示有脉冲或电源接通，而用“0” 表示无脉冲或电源断开。 ⑤二进制的运算法则：逢二进一。 ⑥二进制与十进制的关系： 上式中n 为二进制数的bit 数，左边为十进制数D ，而右边是其所对应的二进制数的各位与各自权重之积的和。 如： ★ 列出四位（bit ）二进制数与十进制数的关系表。 十进制数 二进制数 十进制数 二进制数 0 0000 2 0010 1 0001 3 0011 1.2 为什么要数字化 ①动态范围大：若采用16bit 量化方法，音频信号的幅度可 分为65536个量 化级，动态范围达96dB 。 ② 信息易处理：可以通过计算机对音、视频信号进行各种 特技及非线性编辑。 ③ 媒体易保存：使用时间长，采用数字化的光盘，重放时 不存在机械磨损， 使用寿命长。 ④成本低：数字化信息便于大规模集成电路的存储和处理，可降低成本。 ⑤ 抗干扰能力强：数字信号只要求脉冲的有无，而不依赖 i n i i b D 210 ∑-==
教案 执教者：临海市城西中学陈永华 课题：声音素材--音频信号数字化 教学目标：了解音频信号数字化，WA V文件所占磁盘存储量的计算。 教学重点：WA VE文件所占磁盘存储量的计算公式 教学过程： 导入：观看视频短片 引用一句广告词“没有声音，最好的戏也出不来。” 引出声音： 谈下声音素材获取的途径；回顾常见声音文件格式有：wave mp3 mid 提问1：声音是怎样产生的？（学生回答） 观看“声音的产生和传播”的动画，来加深声音是怎样产生的映像。 引入：声波的振幅和频率 ①振幅决定声音的大小； ②频率决定声音的高低； 声波的频率是每秒振动多少次； ③人类听力接受的范围是20Hz～20KHz 。 提问2：电台播放的广播节目所处理的声音是什么信号？ 回答：是一种模拟音频信号。 提问3：计算机能不能直接处理模拟音频信号？ 回答：不能。 所以我们要对模拟音频信号进行数字化处理。 提问4：那计算机处理的音频信号是什么信号呢？ 学生回答：数字音频信号。 模拟音频信号转换成数字信号的基本方法是什么呢？ 就是通过“采样”和“量化”。 计算机对声音的数字化表示主要是通过规则的时间间隔测出音波振动的幅度从而产生一系列二进制声音数据的，我们把这种测定数据的方法称为采样，
一秒内采样的次数称为采样频率。例如：CD采用的采样频率为44.1KHz，就是指每秒采样44100次。 量化位数 量化是对模拟音频信号的幅度进行数字化。比如量化值有16个等级（信息）的，那么它的量化位数是位；量化值有256个等级（信息）的，那么它的量化位数是位； 常见的量化位数有8位、16位、32位。 声道 声道数是指一次采样同时记录的声音波形个数。每次生成一个声波数据，为单声道；生成两个声波数据，为双声道（即立体声）。常见的有单声道双声道（立体声）四声道环绕和5.1声道环绕。 根据上述的基本概念推出常见的WA VE文件所占磁盘存储量的计算公式：存储量=采样频率（Hz）×量化位数×声道数×时间（秒）/8 （单位：字节）介绍声音处理软件：Goldwave 音频解霸录音机等。 学生活动用耳麦录制10秒钟的声音文件，保存后查看文件大小。根据公式计算的大小比较一下是否差不多。 请同学们完成65页的练一练 小结：1、音频信号数字化的概念；2、常见的WA VE文件所占磁盘存储量的计算公式。
语音信号采样与量化 TYYGROUP system office room 【TYYUA16H-TYY-TYYYUA8Q8-
模拟声音的信号是个连续量，由许多具有不同振幅和频率的正弦波组成。实际声音信号的计算机获取过程就是声音的数字化的处理过程。 声音的模/数转换（ADC），首先需对声波采样，用数字方式记录声音。图中横轴表示时间，纵轴表示振幅，按时间对声波分割从而提取波形的样本。实现这个过程的装置就被称为模/数转换器。 数字化的声音易于用计算机软件处理，现在几乎所有的专业化声音录制、编辑器都是数字方式。对模拟音频数字化过程涉及到音频的采样、量化和编码。 采样和量化的过程可由A/D转换器实现。A/D转换器以固定的频率去采样，即每个周期测量和量化信号一次。经采样和量化后声音信号经编码后就成为数字音频信号，可以将其以文件形式保存在计算机的存储介质中，这样的文件一般称为数字声波文件。 模拟信号的数字化过程 信息论的奠基者香农（Shannon）指出：在一定条件下，用离散的序列可以完全代表一个连续函数，这是采样定理的基本内容。 为实现A/D转换，需要把模拟音频信号波形进行分割，这种方法称为采样(Sampling)。采样的过程是每隔一个时间间隔在模拟声音的波形上取一个幅度值，把时间上的连续信号变成时间上的离散信号。该时间间隔称为采样周期，其倒数为采样频率。采样频率是指计算机每秒钟采集多少个声音样本。 采样频率与声音频率之间有一定的关系，根据奈奎斯特（Nyquist）理论，只有采样频率高于声音信号最高频率的两倍时，才能把数字信号表示的声音还原成为原来的声音。 采样只解决了音频波形信号在时间坐标(即横轴)上把一个波形切成若干个等分的数字化问题，但是还需要用某种数字化的方法来反映某一瞬间声波幅度的电压值大小。该值的大小影响音量的高低。我们把对声波波形幅度的数字化表示称之为“量化”。 量化的过程是先将采样后的信号按整个声波的幅度划分成有限个区段的集合，把落入某个区段内的样值归为一类，并赋于相同的量化值。如何分割采样信号的幅度呢我们还是采取二进制的方式，以８位(bit)或16位(bit)的方式来划分纵轴。也就是说在一个以8位为记录模式的音效中，其纵轴将会被划分为个量化等级，用以记录其幅度大小。 以下图所示的原始模拟波形为例进行采样和量化。假设采样频率为1000次/秒，即每1/1000秒A/D转换器采样一次，其幅度被划分成0到9共10个量化等级，并将其采样的幅度值取最接近0~ 9之间的一个数来表示，如下图所示。图中每个正方形表示一次采样。 D/A转换器从上图得到的数值中重构原来信号时，得到下图中蓝色(直线段)线段所示的波形。从图中可以看出，蓝色线与原波形(红色线)相比，其波形的细节部分丢失了很多。这意味着重构后的信号波形有较大的失真。 失真在采样过程中是不可避免的，如何减少失真呢可以直观地看出，我们可以把上图中的波形划分成更为细小的区间，即采用更高的采样频率。同时，增加量化精度，以得到更高的量化等级，即可减少失真的程度。在下图（左）中，采样率和量化等级均
第一次作业： 1:、声音可分为两种： 纯音和复合音，平常人们说话的声音属于哪一种？语音的频率范围是多少？音频通常包括哪几种声音信号？其频率范围是多少？ 2、请说明音频信号数字化的三个步骤？ 3、如何理解“量化是信号数字化过程中重要的一步，而这一过程又是引入噪声的主要根源”这句话的含义？通过哪些途径可以减小量化误差？ 4对双极性信号若采用均匀量化，则量化信噪比SNR与量化比特数之间的关系为： SNR=6.02xN+1.76dB，试分析此式对实际量化与编码的指导意义？ 5:、A/ D、D/A转换器的技术指标有哪些？ 答：1:人们说话的声音为复合音，语言的频率范围为300HZ-3000HZ。音频暴多语音、音乐、效果声等声音信号，频率范围为20HZ-20KHZ。 2：1取样： 对连续信号按一定的时间间隔取样。奈奎斯特取样定理认为，只要取样频率大于等于信号中所包含的最高频率的两倍，则可以根据其取样完全恢复出原始信号，这相当于当信号是最高频率时，每一周期至少要采取两个点。但这只是理论上的定理，在实际操作中，人们用混叠波形，从而使取得的信号更接近原始信号。2量化： 取样的离散音频要转化为计算机能够表示的数据范围，这个过程称为量化。量化的等级取决于量化精度，也就是用多少位二进制数来表示一个音频数据。一般有8位，12位或16位。量化精度越高，声音的保真度越高。以8位的举例稍微说明一下其中的原理。若一台计算机能够接收八位二进制数据，则相当于能够接受256个十进制的数，即有256个电平数，用这些数来代表模拟信
号的电平，可以有256种，但是实际上采样后的某一时刻信号的电平不一定和256个电平某一个相等，此时只能用最接近的数字代码表示取样信号电平。3编码： 对音频信号取样并量化成二进制，但实际上就是对音频信号进行编码，但用不同的取样频率和不同的量化位数记录声音，在单位时间中，所需存贮空间是不一样的。波形声音的主要参数包括： 取样频率.量化位数.声道数.压缩编码方案和数码率等，未压缩前，波形声音的码率计算公式为： 波形声音的码率=取样频率*量化位数*声道数/8。波形声音的码率一般比较大，所以必需对转换后的数据进行压缩。 3：量化是按四舍五入对采样的样本值进行计量的，这个过程会产生误差可对噪声进行整形，提高采样频率等方法减小量化误差 4：量化比特数增加一位，则信噪比提高6dB，信噪比提高意味着声音动态范围的加宽，若采用量化比特N=16的A/D变换器的数字声记录在磁带上可以扩展到98dB，接近于交响乐动态范围，若将量化比特提高到N=20，可扩至人儿的122dB动态范围。 5：A/D的技术指标有： 分辨率、转换速率、量化误差、偏移误差、满刻度误差和线性度误差等。D/A转换器的技术指标有： 分辨率和建立时间。 第二次作业： 1．什么叫最小可闻阈？什么叫掩蔽阈？什么叫频域掩蔽？什么叫时域掩蔽？掩蔽效应的一般规律是什么？ 2．何谓临界频带？简述它在音频编码中的应用。 3．音频编码通常分为哪几类？它们各有什么优缺点？
声波基本要素：振幅、频率、频谱 彩色三要素：亮度、色调、饱和度 音视频输入有设备哪些？话筒、摄像机等，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。 数字音视频节目存储介质：磁带、光盘、磁盘等 模拟音频信号波形的振幅反映了是什么、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。 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 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 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 视频信号具有的特点： 1、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。 2、确定性：“百闻不如一见”，即视频信息是确定无疑的，是什么就是什么，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。 3、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比语音信息高得多。 4、广泛性：人类接受的信息，约80%来自视觉，即人们每天获得的信息大部分是视觉信息。通常将人眼感觉到的客观世界称为景物。 5、高带宽性：视频信息的信息量大，视频信号的带宽高，使得对它的产生、处理、传输、存储和显示都提出了更高的要求。例如，一路PCM数字电话所需的带宽为64kbit/s，一路压缩后的VCD质量的数字电视要求1.5Mbit/s，而一路高清晰度电视未压缩的信息传输速率约为1Gbit/s，压缩后也要20Mbit/s。显然，这是为了获得视频信息的直观性、确定性和高效性所需要付出的代价。 音频压缩编码算法有哪些：统计编码、混合编码、波形编码、感知编码、参数编码 数字音视频存储格式有哪些？WA V MIDI MP3 WMA MP4 DVD A VI NA VI ASF RM MOV 用来描述人听觉的量如：响度、音调、音色等 数字音视频广播传输采用的途径有：微波通信网、有线网、卫星通信网。 ?现实生活中的声音是通过空气的振动来传送的，但这些声音不能存储，范围也有限，模拟音频技术的发展使声音的存储和远距离传送为可能。
第1章概述 一、模拟信号与数字信号的特点 模拟信号——幅度取值是连续的连续信号 离散信号 数字信号——幅度取值是离散的二进码 多进码 连续信号 离散信号 ●数字信号与模拟信号的区别是根据幅度取值上是否离散而定的。 ●离散信号与连续信号的区别是根据时间取值上是否离散而定的。 二、模拟通信与数字通信 ●根据传输信道上传输信号的形式不同，通信可分为 模拟通信——以模拟信号的形式传递消息（采用频分复用实现多路通信）。 数字通信——以数字信号的形式传递消息（采用时分复用实现多路通信）。 ●数字通信传输的主要对象是模拟话音信号等，而信道上传输的一般是二进制的数字信 号。 所要解决的首要问题 模拟信号的数字化，即模／数变换（A/D变换） 三、数字通信的构成 ●话音信号的基带传输系统模型 四、数字通信的特点 1、抗干扰能力强，无噪声积累 对于数字通信，由于数字信号的幅值为有限的离散值（通常取二个幅值），在传输过程中受到噪声干扰，当信噪比还没有恶化到一定程度时，即在适当的距离，采用再生的方法，再生成已消除噪声干扰的原发送信号。由于无噪声积累，可实现长距离、高质量的传输。
2、便于加密处理 3、采用时分复用实现多路通信 4、设备便于集成化、小型化 5、占用频带较宽 五、数字通信系统的主要性能指标 ● 有效性指标 P7 ·信息传输速率——定义、公式l n f f s B ??=、物理意义 ·符号传输速率——定义、公式（B B t N 1= ）、关系：M N R B b 2log = ·频带利用率——是真正用来衡量数字通信系统传输效率的指标（有效性） 频带宽度符号传输速率 = η Hz Bd / 频带宽度 信息传输速率 = η Hz s bit // ● 可靠性指标 P8 ·误码率——定义 ·信号抖动 例1、设信号码元时间长度为s 7 106-?，当（1）采用4电平传输时，求信息传输速率和符号传输速率。（2）若系统的带宽为2000kHz ,求频带利用率为多少Hz s bit //。 解：（1）符号传输速率为 Bd t N B B 6 71067.110 611?=?== - 数据传信速率为 s Mbit M N R B b /34.34log 1067.1log 262=??== （2）Hz s bit //67.110 20001034.33 6 =??==频带宽度信息传输速率η 例2、接上题，若传输过程中2秒误1个比特，求误码率（误比特率）。 解：误码率（误比特率）＝差错比特数／传输总比特数 7 6 105.110 34.321-?=??=
语音的传输过程一、语音编码 由于GSM系统是一种全数字系统，话音和其它信号都要进行数字化处理，因此移动台首先要将语音信号转换成模拟电信号，以及其反变换，移动台再把这模拟电信号转换成13Kbit/s 的数字信号，用于无线传输。下面我们主要讲一下TCH全速率信道的编码过程。 目前GSM采用的编码方案是13 Kbit/s的RPELTP（规则脉冲激励长期 预测），其目的是在不增加误码的情况下，以较小的速率优化频谱占用，同时到达与固定电话尽量相接近的语音质量。 它首先将语音分成20ms为单位的语音块，再将每个块用8 KHZ抽样，因而每个块就得到了160个样本。每个样本在经过A率13比特（μ率14比特）的量化，因为为了处理A率和μ率的压缩率不同，因而将该量化值又分别加上了3个或2个的“0”比特，最后每个样本就得到了16比特的量化值。因而在数字化之后，进入编码器之前，就得到了128Kbit/s的数据流。这一数据流的速率太高了以至于无法在无线路径下传播，因而我们需要让它通过编码器的来进行编码压缩。如果用全速率的译码器的话，每个语音块将被编码为260比特，最后形成了13Kbit/s的源编码速率。此后将完成信道的编码。 在BTS侧将能够恢复13Kbit/s的源速率，但为了形成16Kbit/s的TRAU帧以便于在ABIS和ATER 接口上传送，因而需再增加3Kbit/s的信令，它可用于BTS来控制远端TCU的工作，因而被称为带内信息。这3Kbit/s将包括同步和控制比特（包括坏帧指示、编码器类型、DTX指示等）。总之，带内信息将能使TCH，知道信息的种类（全速率语音、半速率语音、数据），以及采用何种适用的方法用于上行和下行的传输。 在TCU侧，通过为了适应PSTN网络64Kbit/s的传输，因而在它其中的码型速率转换板将完成将速率由13Kbit/s转换为64Kbit/s的工作， 二、信道编码 信道编码用于改善传输质量，克服各种干扰因素对信号产生的不良影响，但它是以增加比特降低信息量为代价的。编码的基本原理是在原始数据上附加一些冗余比特信息，增加的这些比特是通过某种约定从原始数据中经计算产生的，接收端的解码过程利用这些冗余的比特来检测误码并尽可能的纠正误码。如果收到的数据经过同样的计算所得的冗余比特同收到不一样时，我们就可以确定传输有误。根据传输模式不同，在无线传输中使用了不同的码型。 GSM使用的编码方式主要有块卷积码、纠错循环码（FIRE CODE）、奇偶码（PARITY CODE）。块卷积码主要用于纠错，当解调器采用最大似然估计方法时，可以产生十分有效的纠错结果。纠错循环码主要用于检测和纠正成组出现的误码，通常和块卷积码混合使用，用于捕捉和纠正遗漏的组误差。奇偶码是一种普遍使用的最简单的检测误码的方法。 无论如何处理，全速率TCH编码都将在信道编码后,在每20ms内将形成456比特的编码序列。 1、全速率TCH信道编码