音频属性与音频处理

    大家都承认现在是一个数码时代，为了追求优良的音质很多人不懈地努力。随着数码时代的来临，谁都承认数码音频比模拟信号优越。什么是模拟信号？其实任何我们可以听见的声音经过音频线或话筒的传输都是一系列的模拟信号。模拟信号是我们可以听见的。而数字信号就是用一堆数字记号来记录声音，而不是用物理手段来保存信号。（用普通磁带录音就是一种物理方式）数字信号我们实际上是听不到的。
    这样我们可以简略地比较一下模拟时代的录音制作与数码时代的区别：模拟时代是把原始信号以物理方式录制到磁带上（当然在录音棚里完成了），然后加工，剪接，修改，最后录制到磁带，LP等广大听众可以欣赏的载体上。这一系列过程全是模拟的，每一步都要损失一些信号，到了听众手里自然是差了好远，更不用说什么HI-FI了。数码时代是第一步就把原始信号录成数码音频资料，然后用硬件或软件进行加工处理，这个过程相比模拟方法有无比的优越性，因为它几乎不会有任何损耗。对于机器来说只是处理一下数字而已，当然丢码的可能性也有，但只要操作合理就不会发生。最后把这堆数字信号传输给数字记录设备如CD等，损耗自然小很多了！
    如果我们注意一下身边的CD片就会看到很多CD都有如：ADD，AAD，DDD等标记。三个字母各代表该片在录音，编辑，成品三个过程中所使用的方法是模拟(Analog)的还是数字(Digital)的。当然A代表模拟，D代表数字。AAD就说明其录音和编辑是用模拟方式的，而最后灌片是用数字方式的，这类唱片多是将过去录制的音乐转成CD片而不做任何修改。ADD则是有一个修改过程，许多古典音乐大师的演奏或指挥多录制于模拟时代，我们现在听到的CD是经过修改后罐录的，很多这类唱片都有标记ADD。而DDD的唱片必然是较现代的录音品。自然，CD片必然以D结尾，而磁带可以姑且认为是AAA，虽然好像并没有这种说法。
    所以说，数码音频是我们保存声音信号，传输声音信号的一种方式，它的特点是信号不容易损失。而模拟信号是我们最后可以听到的东西。不过模拟信号的修改简直是一场灾难，损失太大了。有此僻好的格伦•古尔德若活到现在也会瞠目结舌的。而数码音频复制100遍也不会有损耗，不信大家COPY一个WAVE文件试试？
    数码录音最关键一步就是要把模拟信号转换为数码信号。就电脑而言是把模拟声音信号录制成为Wave文件，这个工作Windows自带的录音机也可以做到，但是它的功能十分有限，不能满足我们的需求，所以我们用其他专业音频软件代替，如SoundForge等。录制出来的文件就是Wave文件，描述Wave文件主要有两个指标，一个是采样精度，另一个是比特率。这是数字音频制作中十分重要的两个概念，下面就来看一下吧。

    什么是采样精度？因为Wave是数码信号，它是用一堆数字来描述原来的模拟信号，所以它要对原来的模拟信号进行分析，我们知道所有的声音都有其波形，数码信号就是在原有的模拟信号波形上每隔一段时间进行一次“取点”，赋予每一个点以一个数值，这就是“采样”，然后把所有的“点”连起来就可以描述模拟信号了，很明显，在一定时间内取的点越多，描述出来的波形就越精确，这个尺度我们就称为“采样精度”。我们最常用的采样精度是44.1kHz/s。它的意思是每秒取样44100次，之所以使用这个数值是因为经过了反复实验，人们发现这个采样精度最合适，低于这个值就会有较明显的损失，而高于这个值人的耳朵已经很难分辨，而且增大了数字音频所占用的空间。
一般为了达到“万分精确”，我们还会使用48k甚至96k的采样精度，实际上，96k采样精度和44.1k采样精度的区别绝对不会象44.1k和22k那样区别如此之大，我们所使用的CD的采样标准就是44.1k，目前44.1k还是一个最通行的标准，有些人认为96k将是未来录音界的趋势。采样精度提高应该是一件好事，可有时我也想，我们真的能听出96k采样精度制作的音乐与44.1k采样精度制作的音乐的区别吗？普通老百姓家里的音响能放出他们的区别吗？
    比特率是大家常听说的一个名词，数码录音一般使用16比特，20比特，24比特制作音乐，什么是“比特”？我们知道声音有轻有响，影响轻响的物理要素是振幅，作为数码录音，必须也要能精确表示乐曲的轻响，所以一定要对波形的振幅有一个精确的描述，“比特”就是这样一个单位，16比特就是指把波形的振幅划为216即65536个等级，根据模拟信号的轻响把它划分到某个等级中去，就可以用数字来表示了。和采样精度一样，比特率越高，越能细致地反映乐曲的轻响变化。20比特就可以产生1048576个等级，表现交响乐这类动态十分大的音乐已经没有什么问题了。刚才提到了一个名词“动态”，它其实指的是一首乐曲最响和最轻的对比能达到多少，我们也常说“动态范围”，单位是dB，而动态范围和我们录音时采用的比特率是紧密结合在一起的，如果我们使用了一个很低的比特率，那么我们就只有很少的等级可以用来描述音响的强弱，我们当然就不能听到大幅度的强弱对比了。动态范围和比特率的关系是；比特率每增加1比特，动态范围就增加6dB。所以假如我们使用1比特录音，那么我们的动态范围就只有6dB，这样的音乐是不可能听的。16比特时，动态范围是96dB。这可以满足一般的需求了。20比特时，动态范围是120dB，对比再强烈的交响乐都可以应付自如了，表现音乐的强弱是绰绰有余了。发烧级的录音师还使用24比特，但是和采样精度一样，它不会比20比特有很明显的变化，理论上24比特可以做到144dB的动态范围，但实际上是很难达到的，因为任何设备都不可避免会产生噪音，至少在现阶段24比特很难达到其预期效果。
    音频处理
    一、音频媒体的数字化处理
    随着计算机技术的发展，特别是海量存储设备和大容量内存在ＰＣ机上的实现，对音频媒体进行数字化处理便成为可能。数字化处理的核心是对音频信息的采样，通过对采集到的样本进行加工，达成各种效果，这是音频媒体数字化处理的基本含义。
    二、音频媒体的基本处理
    基本的音频数字化处理包括以下几种：
    不同采样率、频率、通道数之间的变换和转换。其中变换只是简单地将其视为另一种格式，而转换通过重采样来进行，其中还可以根据需要采用插值算法以补偿失真。

    针对音频数据本身进行的各种变换，如淡入、淡出、音量调节等。
    通过数字滤波算法进行的变换，如高通、低通滤波器。
    三、音频媒体的三维化处理
    长期以来，计算机的研究者们一直低估了声音对人类在信息处理中的作用。当虚拟技术不断发展之时，人们就不再满足单调平面的声音，而更催向于具有空间感的三维声音效果。听觉通道可以与视觉通道同时工作，所以声音的三维化处理不仅可以表达出声音的空间信息，而且与视觉信息的多通道的结合可以创造出极为逼真的虚拟空间，这在未来的多媒体系统中是极为重要的。这也是在媒体处理方面的重要措施。
人类感知声源的位置的最基本的理论是双工理论，这种理论基于两种因素：两耳间声音的到达时间差和两耳间声音的强度差。时间差是由于距离的原因造成，当声音从正面传来，距离相等，所以没有时间差，但若偏右三度则到达右耳的时间就要比左耳约少三十微秒，而正是这三十微秒，使得我们辨别出了声源的位置。强度差是由于信号的衰减造成，信号的衰减是因为距离而自然产生的，或是因为人的头部遮挡，使声音衰减，产生了强度的差别，使得靠近声源一侧的耳朵听到的声音强度要大于另一耳。
    基于双工理论，同样地，只要把一个普通的双声道音频在两个声道之间进行相互混合，便可以使普通双声道声音听起来具有三维音场的效果。这涉及到以下有关音场的两个概念：音场的宽度和深度。
    音场的宽度利用时间差的原理完成，由于现在是对普通立体声音频进行扩展，所以音源的位置始终在音场的中间不变，这样就简化了我们的工作。要处理的就只有把两个声道的声音进行适当的延时和强度减弱后相互混合。由于这样的扩展是有局限性的，即延时不能太长，否则就会变为回音。
    音场的深度利用强度差的原理完成，具体的表现形式是回声．音场越深，则回音的延时就越长．所以在回音的设置中应至少提供三个参数：回音的衰减率、回音的深度和回音之间的延时。同时，还应该提供用于设置另一通道混进来的声音深度的多少的选项。