1、聲音的相關概念

模擬聲音信號：聲波在時間和幅度上都是連續(xù)的模擬信號。

1.1 聲音的組成

幅度：聲波的振幅。計量單位是分貝（dB）

頻率：聲波每秒變化的次數(shù)，用Hz表示。人耳能聽到的聲音信號的頻率范圍20Hz~20KHz。該范圍內(nèi)的信號稱為音頻信號。小于20Hz稱為亞音信號。高于20KHz稱為超聲波。根據(jù)聲音包含的頻率成分的構成特征可以分為音樂和噪音。

2、聲音信號的數(shù)字化

聲音信號屬于模擬信號，計算機需要把它轉換為數(shù)字信號才能進行處理。需要用二進制數(shù)字的編碼形式來表示聲音。聲音信號數(shù)字化要經(jīng)歷：采樣、量化、編碼三個步驟。

采樣：就是把時間連續(xù)的模擬信號在時間軸上離散化的過程。在某些特定時刻獲取聲音信號幅值稱為采樣。

量化：量化處理就是把在幅度上連續(xù)取值（模擬量）的每一個樣本轉換為離散值（數(shù)字量）來表示。量化后的數(shù)據(jù)使用二進制的數(shù)來表示的，二進制數(shù)位數(shù)的多少反映了度量聲音波形幅度的精度，稱為量化精度或者量化分辨率。量化精度越高，聲音質(zhì)量越高，占用的存儲空間也就越大。

編碼：為了便于計算機的存儲、傳輸、處理，需要按照一定的格式進行數(shù)據(jù)編碼，再按照某種規(guī)定的格式將數(shù)據(jù)組織成文件。也可以采用方法對數(shù)據(jù)進行壓縮，減少對存儲空間的占用。

3、數(shù)字聲音的主要參數(shù)

采樣頻率：表示每秒的采樣數(shù)。3個標準頻率為：44.1kHz、22.05kHz、11.05kHz。

量化位數(shù)：聲音波形幅度的精度，一般是8位、12位、6位。

聲道數(shù)組：單聲道、雙聲道。

數(shù)據(jù)率：每秒數(shù)據(jù)量，一般用bps為單位。

壓縮比：單位時間內(nèi)的未壓縮音頻數(shù)據(jù)量與壓縮后的數(shù)據(jù)量之比。

4、波形聲音

4.1 波形聲音介紹

波形聲音是對聲音信號直接采用的數(shù)據(jù)。

數(shù)據(jù)傳輸速率（bps）=采樣頻率（Hz）*量化位數(shù)（bit）*聲道數(shù)

聲音信號數(shù)據(jù)量（Byte）=數(shù)據(jù)傳輸速率（bps）*持續(xù)時間（s）/8

聲音波形的數(shù)據(jù)量非常大。在編碼的時候常常要進行壓縮從而減少存儲空間的占用和傳輸速率。

4.2 波形編碼技術

可以直接對波形采樣數(shù)據(jù)進行壓縮的處理方法。常用的有差分脈沖編碼調(diào)制（DPCM）、自適應差分脈沖編碼調(diào)制（ADPCM）和子帶編碼（SBC）等。

波形編碼特點：通用性強，對所有波形表示的數(shù)字聲音都有效、聲音質(zhì)量很高、但很難有高壓縮比。

4.3 感知聲音編碼

感知聲音編碼也是一種常用的編碼技術，它利用波形本身的相關性和人類的聽覺系統(tǒng)特性來 達到壓縮聲音的目的。MPEG系列的音頻壓縮編碼就是典型的感知編碼。

5、聲音合成

5.1 語音合成

目前主要是針對文本轉語音的合成。

流程：文本→文本分析→韻律處理→語音合成→波形聲音

常用的合成技術：發(fā)音參數(shù)合成、聲道模型參數(shù)合成、波形編輯合成

5.2  音樂合成

音樂是用樂譜進行描述而由樂器演奏而成的。樂譜基本組成單元是音符?，F(xiàn)代音樂體系中基本音階7個音組成、常用音符88個、電子樂器支持128個。

數(shù)字音樂合成方法：數(shù)字調(diào)頻（FM）合成法、波表法。目前電子音樂合成基本都采用波表法。

6、MIDI

MIDI 是指樂器數(shù)字接口國際標準。

7、常用的聲音文件格式

1、Wave 文件 （wav）：“微軟操作系統(tǒng)標準音頻格式屬于波形文件。質(zhì)量非常高，文件數(shù)據(jù)量很大。

2、Sound文件（.snd）：NeXT Computer公司推出的數(shù)字聲音格式，支持壓縮。

3、Audio文件（.au）：用于UNIX系統(tǒng)的數(shù)字聲音文件格式。

4、AIFF文件（.aif）：MAC OS 標準的音頻文件格式。

5、Voice文件（.voc）：Creative公司的波形音頻文件格式。

6、MP3：最常用的聲音文件格式

7、RealAudio（.ra）：具有較高壓縮比。

8、MIDI文件（.mid .rmi）：用于存儲和交換MIDI消息的一種數(shù)字音樂文件，.rmi格式是Windows中對MIDI文件格式的簡單擴展格式。