第1章 音頻基礎(chǔ)

1.1 音頻信號(hào)的數(shù)字化

音頻信號(hào)（audio signal）是帶有語音、音樂和音效的有規(guī)律的聲波的頻率、幅度變化信息載體。音頻信號(hào)的數(shù)字化一般經(jīng)過采樣和量化的方法來實(shí)現(xiàn)，量化精度和采樣頻率是音頻信號(hào)數(shù)字化的兩個(gè)重要參數(shù)[1]。

量化是對(duì)模擬音頻信號(hào)的幅度軸進(jìn)行數(shù)字化，決定了模擬信號(hào)數(shù)字化的動(dòng)態(tài)范圍。通常高質(zhì)量的數(shù)字音頻信號(hào)最流行的描述樣本格式是16b線性量化，如Windows可視音頻格式（Windows audio visual，WAV）和音頻交換文件格式（audio interchange file format，AIFF）。另一種較低質(zhì)量的音頻信號(hào)格式是8bu律或a律的非線性量化方式。這些量化方法使信號(hào)產(chǎn)生了一些畸變，在8bitsu律中顯得更為明顯。量化位越高，信號(hào)的動(dòng)態(tài)范圍越大，數(shù)字化后的音頻信號(hào)就越可能接近原始信號(hào)，但所需的存儲(chǔ)空間也越大。

采樣率是指聲音信號(hào)從模擬信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)過程中單位時(shí)間內(nèi)采樣的次數(shù)。音頻信號(hào)的采樣率一般為8、9.6、10、12、16、22.05、44.1和48kHz。采樣頻率越高，聲音的還原就越真實(shí)、越自然。在當(dāng)今的主流采集卡上，采樣頻率一般共分為22.05、44.1、48kHz三個(gè)等級(jí)，22.05kHz只能達(dá)到FM廣播的聲音品質(zhì)，44.1kHz則是理論上的CD音質(zhì)界限，48kHz則更加精確一些。對(duì)于高于48kHz的采樣頻率人耳已無法辨別，所以在計(jì)算機(jī)上沒有多少使用價(jià)值。采樣率影響數(shù)據(jù)隱藏量，因?yàn)樗o出了可用頻譜的上限，假設(shè)信號(hào)的采樣頻率為8kHz，則引入的修改分量的頻率不會(huì)超過4kHz。