声音的一些基本概念

一。声音的基本概念

声音代表了空气的密度随时间的变化，基本上是一个连续的函数，但是若要将此信号储存在电脑里，就必须将此信号数位化。一般而言，当我们将声音储存到电脑的时候，将有一下几个参数需要考虑：

1、取样频率（sample rate）：每秒钟所取得的声音资料点数，以Hertz（简写Hz）为单位。点数越高，声音品质越好，但是资料量越大，常用的取样频率如下：

1）、8KHz：电话的音质、一般玩具内语音IC的音质

2）、16KHz：一般语音识别所采用

3）、44.1KHz：CD音质

2、取样解析度（bit resolution）：每个声音资料点所用的位元数，常用的数值如下：

1）、8-bit：可表示的数值范围为0~255或-128~127

2）、16-bit：可表示的数值范围为-32768~32767

换句话说，每个取样点的数值都是整数，以方便储存。但是在matlab的表示法，通常把音讯的值正规化到[-1 1]范围内的浮点数，因此若要转回原先的整数值，就必须再乘上2^nbits/2，其中nbits是取样解析度。

3、声道：一般只分单声道（mono）或立体声（stereo），立体声就是双声道。

二、基本声学特征

1、一些最主要的特征

音量（volume）：代表声音的大小，可由声音信号的振幅来类比，又称为能量（energy）或强度（intensity）等。

音高（pitch）：代表声音的高低，可由基本频率(fundamental frequency)来类比，这是基本周期（fundemental period）的倒数。

音色（timbre）：代表声音的内容（例如英文的母音）,可由每一个波形在一个基本周期的变化来类比。

2、特征抓取时常用语

（特征提取时，需要将声音信号切成一个个音框）

音框点数（frame size）：每一个音框所含有的点数。

音框重叠量（frame overlap）：音框之间重叠的点数。

音框跳距（frame step or hop size）：此音框起点和下一个音框起点的距离点数，等于音框点数减去音框重叠量。

音框率（frame rate）：每秒出现的音框数目，等于取频率除以音框跳距。

三、声音的录音、播放和保存

wavrecord（录音）、wavplay（播放）、wavwrite(保存)

程序实例：

<!--StartFragment-->

fs=11025; % Sampling rate (取樣頻率)

duration=2; % Recording duration (錄音時間)

waveFile='test.wav'; % Wav file to be saved (欲儲存的 wav 檔案)

fprintf('Press any key to start %g seconds of recording...', duration); pause

fprintf('Recording...');

y=wavrecord(duration*fs, fs);

fprintf('Finished recording.\n');

fprintf('Press any key to save the sound data to %s...', waveFile); pause

nbits=8; % Bit resolution (每點的解析度為 8-bit)

wavwrite(y, fs, nbits, waveFile);

fprintf('Finished writing %s\n', waveFile);

fprintf('Press any key to play %s...\n', waveFile);

dos(['start ', waveFile]); % Start the application for .wav file (開啟與 wav 檔案對應的應用程式)

源地址：http://bingxinye1.blog.163.com/blog/static/16879709820118275618122/