音頻信號

音頻信號簡介

　　音頻信號是（Audio）帶有語音、音樂和音效的有規律的聲波的頻率、幅度變化信息載體。 根據聲波的特征，可把音頻信息分類為規則音頻和不規則聲音。其中規則音頻又可以分為語音、音樂和音效。規則音頻是一種連續變化的模擬信號，可用一條連續的曲線來表示，稱為聲波。聲音的三個要素是音調、音強和音色。聲波或正弦波有三個重要參數：頻率 ω0、幅度A n 和相位ψn ，這也就決定了音頻信號的特征。

音頻信號百科

　　音頻信號是（Audio）帶有語音、音樂和音效的有規律的聲波的頻率、幅度變化信息載體。 根據聲波的特征，可把音頻信息分類為規則音頻和不規則聲音。其中規則音頻又可以分為語音、音樂和音效。規則音頻是一種連續變化的模擬信號，可用一條連續的曲線來表示，稱為聲波。聲音的三個要素是音調、音強和音色。聲波或正弦波有三個重要參數：頻率 ω0、幅度A n 和相位ψn ，這也就決定了音頻信號的特征。

　　基本特征

　　基頻與音調頻率是指信號每秒鐘變化的次數。人對聲音頻率的感覺表現為音調的高低，在音音頻信號處理電路樂中稱為音高。音調正是由頻率ω所決定的。音樂中音階的劃分是在頻率的對數坐標（20×log）上取等分而得的：頻率（對數） 48.3 49.3 50.3 50.8 51.8 52.8 53.8

　　諧波與音色n×ωO 稱為ωO 的高次諧波分量，也稱為泛音。音色是由混入基音的泛音所決定的，高次諧波越豐富，音色就越有明亮感和穿透力。不同的諧波具有不同的幅值An 和相位偏移ψn ，由此產生各種音色效果。

　　幅度與音強人耳對于聲音細節的分辨只有在強度適中時才最靈敏。人的聽覺響應與強度成對數關系。一般的人只能察覺出3 分貝的音強變化，再細分則沒有太多意義。我們常用音量來描述音強，以分貝（dB=20log）為單位。在處理音頻信號時，絕對強度可以放大，但其相對強度更有意義，一般用動態范圍定義： 動態范圍=20×log（信號的最大強度 / 信號的最小強度） （dB）

　　音寬與頻帶頻帶寬度或稱為帶寬，它是描述組成復合信號的頻率范圍。

　　指標頻帶寬度：音頻信號的頻帶越寬，所包含的音頻信號分量越豐富，音質越好［1］ 。動態范圍：動態范圍越大，信號強度的相對變化范圍越大，音響效果越好［1］ 。信噪比：信噪比SNR（SignaltoNoiseRatio）是有用信號與噪聲之比的簡稱。噪音可分為環境噪音和設備噪音。信噪比越大，聲音質量越好［1］ 。主觀度量法：人的感覺機理對聲音的度量最有決定意義。感覺上的、主觀上的測試是評價聲音質量不可缺少的部分。當然，可靠的主觀度量值是較難獲得的［1］ 。

　　平衡與非平衡傳輸1.信號的平衡傳輸平衡傳輸是一種應用非常廣泛的音頻信號傳輸方式。它是利用相位抵消的原理將音頻信號傳輸過程中所受的其他干擾降至最低。它需要并列的三根導線來實現，即接地、熱端、冷端。所以平衡輸入、輸出插件必須具有3個腳位［1］ 。傳輸線當然也得是2芯1屏蔽層的線，由于熱端信號線和冷端信號線在同一屏蔽層內相對距離很近，所以在傳輸過程中受到的其他干擾信號也幾乎相同。然而被傳輸的熱端信號和冷端信號的相位卻相反，所以在下一級設備的輸入端把熱端信號和冷端信號相減，相同的干擾信號被抵消，被傳輸信號由于相位相反而不會損失。所以在專業的場合和傳輸距離比較遠的時候通常使用平衡傳輸方法［1］ 。2.信號的非平衡傳輸非平衡傳輸只有兩個端子信號端與接地端，在要求不高和近距離信號傳輸的場合使用，如家庭音響系統。這種連接也常用于電子樂器、電吉他等設備［1］ 。

　　采集方式電臺等由于其自辦頻道的廣告、新聞、廣播劇、歌曲和轉播節目等音頻信號電平大小不一，導致節目播出時，音頻信號忽大忽小，嚴重影響用戶的收聽效果。在轉播時，由于傳輸距離等原因，在信號的輸出端也存在信號大小不一的現象。過去，對大音頻信號采用限幅方式，即對大信號進行限幅輸出，小信號不予處理。這樣，仍然存在音頻信號過小時，用戶自行調節音量，也會影響用戶的收聽效果。隨著電子技術，計算機技術和通信技術的迅猛發展，數字信號處理技術已廣泛地深入到人們生活等各個領域。其中語音處理是數字信號處理最活躍的研究方向之一，在IP電話和多媒體通信中得到廣泛應用。語音處理可采用通用音頻信號分配器數字信號處理器DSP和現場可編程門陣列（FPGA） 實現，其中DSP實現方法具有實現簡便、程序可移植行強、處理速度快等優點，特別是TI公司TMS320C54X系列在音頻處理方面有很好的性價比，能夠解決復雜的算法設計和滿足系統的實時性要求，在許多領域得到廣泛應用。在DSP的基礎上對音頻信號做AGC算法處理可以使輸出電平保持在一定范圍內，能夠解決不同節目音頻不均衡等問題。TI公司DSP芯片TMS320VC5402具有獨特的6總線哈佛結構，使其能夠6條流水線同時工作，工作頻率達到100MHZ。利用VC5402的2個多通道緩沖串行口（McBSP0和McBSP1）來實現與AIC23的無縫連接。VC5402的多通道帶緩沖的串行口在標準串口的基礎上加了一個2K的緩沖區。每次串口發送數據時，CPU自動將發送緩沖中的數據送出；而當接收數據時，CPU自動將收到的數據寫入接收緩存。在自動緩沖方式下，不需每傳送一個字就發一次中斷，而是每通過一次緩沖器的邊界，才產生中斷至CPU，從而減少頻繁中斷對CPU的影響。音頻芯片采用TLV320 AIC23，它是TI公司的一款高性能立體聲音頻A/D，D/A放大電路。AIC23的模數轉換和數模轉換部件高度集成在芯片內部，采用了先進的過采樣技術。AIC23的外部硬音頻信號產生器件接口分為模擬口和數字口。模擬口是用來輸入輸出音頻信號的，支持線路輸入和麥克風輸入；有兩組數字接口，其一是由/CS、SDIN、SCLK和MODE構成的數字控制接口。AIC23是一塊可編程的音頻芯片，通過數字控制口將芯片的控制字寫入AIC23內部的寄存器，如采樣率設置，工作方式設置等，共有12個寄存器。音頻控制口與DSP的通信主要由多通道緩沖串行口McBSP1來實現。AIC23通過數字音頻口與DSP的McBSP0完成數據的通信，DSP做主機，AIC23做從機。主機提供發送時鐘信號BCLKX0和發送幀同步信號BFSX0。在這種工作方式下，接收時種信號BCLKR0和接收幀同步信號BFSR0實際上都是由主機提供的。圖1是AIC23與VC5402的接口連接。AIC23的數字音頻接口支持S（通用音頓格式）模式，也支持DSP模式（專與TIDSP連接模式），在此采用DSP模式。DSP模式工作時，它的幀寬度可以為一個bit長。圖2是音頻信號采集的具體電路圖。電路的設計和布線是信號采集過程中一個很重要的環節，它的效果直接關系到后期信號處理的質量。對于DSP達類高速器件，外部晶體經過內部的PLL倍頻以后可達上百兆。這就要求信號線走等長線和繪制多層電路板來消除電磁干擾和信號的反射。在兩層板的前提下，可以采取頂層與底層走交叉線、盡量加寬電源線和地線的寬度、電源線成“樹杈型”、模擬區和數字區分開等原則，可以達到比較好的效果。

　　AGC

　　AGC算法使放大電路的增益隨信號強度的變化而自動調整的控制方法，就是AGC-自動增益控音頻信號采集制。實現AGC可以是硬件電路，即AGC閉環電子電路，也可以是軟件算法。本文主要討論用軟件算法來實現音頻信號的AGC。音頻AGC是音頻自動增益控制算法，更為準確的說是峰值自動增益控制算法，是一種根據輸入音頻信號水平自動動態地調整增益的機制。當音量（無論是捕捉到的音量還是再現的音量）超過某一門限值，信號就會被限幅。限幅指的是音頻設備的輸出不再隨著輸入而變化，輸出實質上變成了最大音量位置上的一條水平線；當檢測到音頻增益達到了某一門限時，它會自動減小增益來避免限幅的發生。另一方面，如果捕捉到的音量太低時，系統將自動提高增益。當然，增益的調整不會使音量超過用戶在調節向導中設置的值。圖3是音頻AGC算法的結構框圖。

　　實現過程首先從串口獲取音頻數據，它是16位的整型數，一般來說，這些數都是比較小的，通過AGC算法將輸入的音頻數據投影在一個固定區間內，從而使得不論輸入的數據點數值大小都會等比例地向這連接個空間映射。一方面將獲得的音頻數據最大值與原來的峰值進行比較，如果有新的峰值出現就計算新的增益系數；另一方面在一定的時間周期內獲取一個新的峰值，這個峰值就具有檢測性能，又與原峰值比較，然后就計算新的增益系數。這個增益系數是相對穩定的。當音量加大時，信號峰值會自動增加，從而增益系數自動下降；當音量減小時，新的峰值會減小并且取代原來的峰值，從而使峰值下降，使增益系數上升。最后輸出的數據乘以新增益系數后映射到音頻信號輸入的投影區間內。圖4是音頻信號AGC算法的程序流程圖。AGC_Coff是初始增益系數，初始值為1；maxAGC_in是增益峰值，初始值為0；time是采樣點計數，門限值為4096；AGC_in是新的音頻數據，MAXArrIn是新的音頻增益峰值；映射區間【-20000，20000】。整個系統的軟件部分為5人模塊。系統主函數main（ ）、CMD文件、中斷向量表、DSP5402頭文件和專為C語言開發的庫函數rtdx.lib。其中主函數部分是核心，主要包括：DSP器件初始化、MCBSP1初始化、MCBSP0初始化、AIC23初始化（內部12個可編程寄存器設置）及算法程序等。在CCS2.0集成開發環境下，采用*.c語言和*.asm語言相結合的方式編寫程序。將編寫的程序*.c、*.asm和鏈接程序*.cmd文件編譯鏈接后生成執行目標文件*.out，通過仿真器將執行目標文件*.out下載到系統板上，經過調試、編譯并運行，以音樂作為音頻信號源輸入到系統板上。

　　數字化

　　綜述普通的CD采用了數字技術，不過它只是簡單地把模擬信號加以數字化。為了把模擬信音頻信號采集電路號數字化，首先要對模擬信號進行采樣。根據Nyquest采樣定律，通常其采樣頻率至少是信號中的最高頻率分量的兩倍。對于高質量的音頻信號，其頻率范圍是從20Hz-20kHz。所以其采樣頻率必須在40kHz以上。在CD中采用了44.1kHz的采樣頻率。在對模擬信號采樣以后，還必須對其幅度上加以分層。在CD中，其分層以后的幅度信號用16比特的二進制信號來表示，也就是把模擬的音頻信號在幅度上分為65，536層。這樣，它的動態范圍就可以達到96分貝=20Log65536（6分貝/比特）。這種直接模數（A/D）變換的方法也稱為PCM編碼。直接數字化的最大缺點是比特率非常高。達到44.1x16=705.6kbps，或即88.2kBps。比特率高就意味著要求的存儲容量很大。要記錄1分鐘的音樂，就需要5.047MB的存儲容量。對于兩路立體聲，就需要10.584MB。而要記錄幾十分鐘的音樂就需要幾百兆的存儲容量。

　　PCM編碼原理把模擬信號轉換成數字信號的過程稱為模/數轉換，它主要包括：采樣：在時間軸上對信號數字化；量化：在幅度軸上對信號數字化；編碼：按一定格式記錄采樣和量化后的數字數據。脈沖編碼調制PCM（Pulse Code Modulation）是一種模數轉換的最基本編碼方法，CD-DA就是采用的這種編碼方式。

　　采樣頻率采樣頻率是指一秒鐘內采樣的次數。采樣的三個標準頻率分別為：44.1KHz，22.05KHz和11.025KHz。

　　采樣理論如果對某一模擬信號進行采樣，則采樣后可還原的最高信號頻率只有采樣頻率的一音頻agc放大電路圖半，或者說只要采樣頻率高于輸入信號最高頻率的兩倍，就能從采樣信號系列重構原始信號。根據該采樣理論，CD激光唱盤采樣頻率為44KHz，可記錄的最高音頻為22KHz，這樣的音質與原始聲音相差無幾，也就是我們常說的超級高保真音質（Super High Fidelity-HiFi）。

　　量化位數量化位是對模擬音頻信號的幅度軸進行數字化，它決定了模擬信號數字化以后的動態范圍。由于計算機按字節運算，一般的量化位數為8位和16位。量化位越高，信號的動態范圍越大，數字化后的音頻信號就越可能接近原始信號，但所需要的存貯空間也越大。量化位 等份 動態范圍（dB） 應用　8 256 48-50 數字電話　16 65536 96-100 CD-DA　聲道數　有單聲道和雙聲道之分。雙聲道又稱為立體聲，在硬件中要占兩條線路，音質、音色好，但立體聲數字化后所占空間比單聲道多一倍。

　　編碼算法編碼的作用一是采用一定的格式來記錄數字數據，二是采用一定的算法來壓縮數字數據。

　　壓縮比壓縮編碼的基本指標之一就是壓縮比：壓縮比通常小于1。壓縮算法包括有損壓縮和無損壓縮；有損壓縮指解壓后數據不能完全復原，要丟失一部分信息。壓縮比越小，丟掉的信息越多、信號還原后失真越大。根據不同的應用，可以選用不同的壓縮編碼算法，如PCM，ADPC，MP3，RA等等。

　　數據格式數據率為每秒bit數，它與信息在計算機中的實時傳輸有直接關系，而其總數據量又音頻功率放大器與計算機的存儲空間有直接關系。因此，數據率是計算機處理時要掌握的基本技術參數，未經壓縮的數字音頻數據率可按下式計算：數據率=采樣頻率（Hz）×量化位數（bit）×聲道數（bit/s）用數字音頻產生的數據一般以WAVE的文件格式存貯，以“.WAV”作為文件擴展名。WAV文件由三部分組成：文件頭，標明是WAVE文件、文件結構和數據的總字節；數字化參數如采樣率、聲道數、編碼算法等等；最后是實際波形數據。WAVE格式是一種Windows下通用的數字音頻標準，用Windows自帶的媒體播放器可以播放WAV文件。MP3的應用雖然很看好，但還需專門的播放軟件，其中較成熟的為RealPlayer。為了存儲數字化了的音樂，就只能盡量開發高容量的存儲系統。在70年代末，終于開發出了利用激光讀寫的光盤存儲系統。因為這種光盤比起密紋唱片，無論在體積和重量上都要小得多，輕得多，所以稱它為CD（CompactDisk）。意思為輕便的碟片。而一張CD的容量大約為650MB，也就只能存儲61.4分鐘音樂。純粹音樂CD通常也稱為CD-DA。DA就是數字音頻（Digital Audio）的縮寫。它的技術指標是由一本所謂的“紅皮書”所定義。這本紅皮書是菲立普公司和索尼公司在1980年公布的。以后，在1987年，又由國際電工委員會（IEC）制定為IEC908標準。根據這些標準可以比較精確地計算一張CD所能存儲的音樂時間。實際上在CD碟片中是以扇區為單位的，每個扇區中所包含的字節數為2352個字節?？偣灿?45k個扇區。因此總的字節數為345kx2352=811440kB?？梢源娣?6.92分鐘的立體聲音樂。還有一種方法來計算播放的時間，CD在播放時，其播放的速度為每秒鐘75個扇區。一張CD有345k個扇區，因而可以播放的時間為345k/75=4600秒=76分40秒。兩種方法計算的結果是一樣的。

　　信號壓縮因為音頻信號數字化以后需要很大的存儲容量來存放，所以很早就有人開始研究音頻功率放大器音頻信號的壓縮問題。音頻信號的壓縮不同于計算機中二進制信號的壓縮，在計算機中，二進制信號的壓縮必須是無損的，也就是說，信號經過壓縮和解壓縮以后，必須和原來的信號完全一樣，不能有一個比特的錯誤。這種壓縮稱為無損壓縮。但是音頻信號的壓縮就不一樣，它的壓縮可以是有損的只要壓縮以后的聲音和原來的聲音聽上去和原來的聲音一樣就可以了。因為人的耳朵對某些失真并不靈敏，所以，壓縮時的潛力就比較大，也就是壓縮的比例可以很大。音頻信號在采用各種標準的無損壓縮時，其壓縮比頂多可以達到1.4倍。但在采用有損壓縮時其壓縮比就可以很高。下面是幾種標準的壓縮方法的性能。按質量由高往低排列。需要注意的是，其中的Mbyte不是正好1兆比特，而是1024x1024=1048576Byte。必須指出，這些壓縮都是以犧牲音質作為代價的，尤其是最后兩種方法，完全靠降低采樣率和降低分辨率來取得的。這對音質的損失太大，所以這些方法并不可取。

　　學習音頻信號處理，該如何入門

　　音頻里面根據你要做哪類工作，要用的知識集不完全一樣，比如我不做語音，平時做分析也少，那么我提取音頻特征（比如MFCC等）那里就弄得少，各種模型（比如HMM）更用不到。但明顯你看詩云他就是做這個相關技術的，那他就一定要知道和熟悉。我周圍的朋友里做語音的和做音頻信息檢索的，當然就都要熟悉這方面的知識和前沿。

　　從學習來講，無論你的工作區域是在哪里，用哪個子集的知識，DSP（數字/離散信號處理）是永遠要涉及的。所以在DSP上花費潛能和技能點絕不會有錯。EE的這幾個核心基礎內容跟CS其實是挺平行的。所以說會C/C++這一點，其實對學習EE基礎知識幫助不大。

　　以上是概述而且我基本保證對任何人都是正確的，以下更多是結合我個人從CS出發學EE的經驗，旨在給你借鑒。

　　建議直接上來就看DSP書籍，先不用管復變和SnS（信號與系統）。我認為這會是有效率的途徑，也最不枯燥。DSP里涉及的基本上是你最需要和最想學的。這個話題你肯定是永恒要學習的東西，所以有的東西一次看不懂根本無所謂，以后慢慢會懂。經典教材肯定是奧本海姆和schafer的那個本離散時間信號處理 大部頭。這本書你CS出身直接讀而且是自學的話，我能想象需要多大的毅力和精神力。所以建議最好能跟著EE本科的課程上個一學期，跟著做作業。另一種選擇是找一些書的內容更簡單和“通俗”一些的書籍，以前我翻到過一本 understanding digital signal processing。我沒記錯的話當時我的感覺就是講述得很簡單了。我的建議是讀英文教材。我當時選擇讀英文教材的理由有兩個，第一要出國，而且專業名詞都是英文的看起來肯定有幫助；第二（這個更重要），中文教材我他媽就是看不懂。我當時跟你一樣去問EE的朋友想尋找他們的上課路線，然后就去看鄭君里的信號與系統甚至童詩白的模擬電路書，看的時候真的是各種看電視劇中間差了幾集沒看的感覺。中國字擺在那讀完了就是跟沒讀似的。所以我當時就認為自己肯定是沒從頭跟著上課的原因了（盡管我知道肯定不是這個原因）。于是我就讀老外的教材了，感覺他們的內容易懂很多。讀DSP教材的時候，先只看基本的，進階的以后再說。根據你以后做的東西的不同，有些進階知識可能就沒有用，當然這是一種很勢利的學習方法。

　　SnS我覺得，如果你追求短期成長度和學習效率可以不用看了，在學DSP的很多時候可以做到不涉及SnS而只用DSP自己的知識進行理解。你做的工作以后可能只在離散域。以后掉過頭來再學連續域是可以的。奧本海姆那本圣經教材，沒學過SnS的話在個別地方會卡殼一些，但程度不大。那本understanding xxx，我印象中基本不懂SnS也能看下去。

　　學另一門學科當然是很難的，更何況EE這么一個跟CS一樣大的學科。所以有的放矢地學一定是最節能的選擇。你不如先想好要做一個什么PROJECT，然后去采集相關知識然后自頂向下遞歸式地深挖學習吧，啃到下面的原理全搞通了以后，肯定有很多收獲。然后一個Project學一點，一個Project學一點，過一陣子就能懂不少了。盡管沒有本科式的系統學習，但還是有希望的。東拼西湊的學習以后還是得找個機會系統地學習一下。我是在研二的時候在Georgia Tech上了一學期本科的DSP課，老師是做語音的，上課舉例子2π永遠默認是8000赫茲。。當然用的奧本海姆的bible教材。之前當然已經有很多基礎和經驗了，但收獲依然是很大，上課時能明顯看出和那些本科學生在EE知識綜合性和集成度的差別，但你只要著眼在你工作的領域的知識就行，就不用跟EE的人比誰的EE知識更全面了。當然上完那個課的感覺就是懂得多了，然后不懂得更多了。。對我來說DSP肯定是個永遠要去溫故知新的東西了。后來我又開始學模電，其實挺有意思。對理解一些信號也有些幫助。EE的學生肯定一開始要學模電。所以說我們作為CS背景EE門外漢從DSP開始學習信號，和他們從交流電路分析里開始學習信號，感覺肯定是不一樣的，但希望能殊途同歸。（另，你不感興趣不用學模電。）

　　所以你先給自己找project做吧，用matlab。比如1）做一個用到FFT提音高的算法，google一下應該能有很多輔導，這也算是個最最簡單的提特征了 2）做一個數字低通濾波器算法（FIR和IIR）處理一下音頻文件，對于CS出身，理解一下濾波器對培養EE和信號的感覺有幫助。

　　另，沒有google程序員都是廢渣。