第四章 多媒体计算机的声音信息处理

4.1 数字化声音信息的获取

一、 声音

多媒体计算机中由于增加了音乐、解说和一些有特殊效果的声音，这就使多媒体应用

程序显得丰富多彩，充满活力。

声音 (Sound) 是文字、图形之外表达信息的另一种有效方式。从物理学角度来认识，空

气振动而被人们耳朵所感知就是声音。通常，声音用一种连续的随时间变化的波形来表

示，该波形描述了空气的振动 ( 图 4.1)

图 4.1 声音的波形表示

从图中可以看出，波形的最高点或最低点与基线 ( 时间轴 ) 之间的距离称为该波形的

“振幅”。振幅表示声音的音量。波形中两个连续波峰间的距离称为“周期”，波形的

“频率”是 1 秒钟内所出现的周期数目，单位是赫兹 (Hz) 。声音按其频率的不同可分为次

声、可听声和超声三种。次声的频率低于 20Hz，它是一种人耳听不见的声音。或听声的频

率在 20-20000Hz 之间，这是人耳可感受的声波。超声的振动频率高于 20000Hz ，也是人耳

听不见的声波。多媒体计算机中处理的声音信息主要是指可听声，所以也叫音频信息

(Audio) 。

从应用的角度来说，多媒体计算机中的声音可分为三类：一类是语言 ( 语音 ) ，它的作

用与文字信息一样，输出的语言可作为解释、说明、叙述、回答之用，输入的语言可做命

令、参数或数据。第二类是音乐、音乐的播放可烘托气氛、强调应用程序的主题。第三类

是效果声 (Sound Efect) ，例如括风、下雨、打雷、爆炸等，它们在特写的场合下起到文

字、语言等无法代替的作用。

多媒体计算机中发出的声音有两种来源。一是获取法，即利用声音获取硬件将指定的

声音源所发出的声音转换成数字方式并经过编码后保存下来，输出时再进行解码和数模转

换，还原成为原来的波形。另一种是合成法，计算机通过一种专门定义的语言去驱动一些

预制的语言或音乐的合成器，借助于合成器产生的数字声音信号还原成相应的语言或音

乐。合成法的优点是数据量大大减少，特别是音乐的合成技术上已很成熟，这在下面第三

节进行介绍。

二、声音信息的数字化

声音信息的计算机获取过程主要是进行数字化处理，因为只有数字化以后声音信息才

能像文字、图形信息那样进行存贮，检索、编辑和各种处理。声音信息的数字

的数字化过程通常如图 4.2 所示。

图 4.2 声音信息的数字化

采样指的是以固定的时间间隔对波形的值进行抽取。如果以 Xa(t) 表示声音的连续波

形，则采样后得到的是一个离散的序列 X(n) 。如果以 T 作为时间间隔 ( 称为采样周期 ) ，则

采样后得到的声音信号序列为：

X(n) ＝Xa(nt) n ＝ 1，2 ，3 ，

序列中的每一个信号，称为“样本”。采样后得到的样本，其数值仍然是模拟量。

采样过程最重要的参数是采样频率。采样频率越高，声音保真度越好，但要求的数据

存贮量也就越大。理论研究表明，采样频率为声音信号的最高频谱分量的两倍时，即可不

失真地还原了原始声音信号，若超过此采样频率，则就包含某些冗余信息；若低于此频

率，则产生失真。实验表明，使用 8KHz采样频率时，人们讲话所产生的语言信号的处理已

可以基本满足要求了。

多媒体计算机在声音信号获取时，采样频率通常可以有三种选择，它们是； 44.1KHz ，

22.05KHz 和 11.025KHz 。

声音信息数字化的第二步处理是量化，即把每一个样本值 X(n) 从模拟量转换成为数字

量，该数字量用 n 个二进位表示，精度是有限的。 n 越大，量化精度越高，反之量化精度

降低。若量化过程用 Q表示，量化后的样本用 x ＾