当前位置：首页 > news >正文

(done) 声音信号处理基础知识(4) (Understanding Audio Signals for ML)

news 来源：原创 2024/9/26 14:03:14

来源：https://www.youtube.com/watch?v=daB9naGBVv4

模拟信号特点如下
时域连续(x轴)
振幅连续(y轴)
在这里插入图片描述

如下是模拟信号的一个例子：
在这里插入图片描述

数字信号特点如下：
一个离散值序列
数据点的值域是一系列有限的值
在这里插入图片描述

ADC：模拟信号到数字信号的转换
1.采样
2.量化
在这里插入图片描述

采样：对模拟信号进行采样
在这里插入图片描述

Locating Samples: 定位样本 T 指的是任意两个采样点之间间隔的时间
在这里插入图片描述

T 的倒数就是采样率
在这里插入图片描述

低采样率会得到低采样误差
高采样率会得到高采样误差
在这里插入图片描述

一个问题：为什么音频采样率大部分时候都是 44100hz ？
在这里插入图片描述

通常认为，采样频率至少得是信号频率的两倍以上，否则会发生信号混叠
在这里插入图片描述

所以，CD 的 nyquist frequency 是 22050
人类能听到的hz范围是 20~20Khz。因此，只要把 20Khz 的声音采样好就行。
因此，44100hz可以采样到 22050 hz 以下频率的声音而不发生混叠。
这就是音频CD选择 44100hz 采样率的原因
在这里插入图片描述

以下是发生混叠 aliasing 的一个例子：
在这里插入图片描述

为了把模拟信号转为数字信号，这里有一个步骤叫 “量化”，把振幅的每一个小部分分配给一个离散值
在这里插入图片描述

量化的分辨率是上一张图的 bits 的数量，通常也叫做 bit depth。CD的分辨率一般是 16 bits
在这里插入图片描述

使用以上信息，可以计算出 CD 中 1min 的音频所需的存储大小是 5.49 MB
在这里插入图片描述

一个概念叫 Dynamic range 动态范围
可变化信号最大值和最小值的比值
在这里插入图片描述

一般而言，分辨率越大，我们使用的 bit depth 越多，dynamic range 也就越大
在这里插入图片描述

SQNR 约等于 6.02 x Q，Q 是 bit depth
在这里插入图片描述

对于 CD 来说，由于 bit depth = 16，经过计算，SQNR(16) 约等于 96dB
在这里插入图片描述

问一个问题：我们如何记录声音？
我们说话，空气产生震动，震动集中麦克风，麦克风组件开始震动，麦克风组件的震动产生电子模拟信号，模拟信号传给 ADC，ADC应用采样率和量化避免混叠（可能还有低通滤波器过滤掉超过 nyquist frequency 的信号），最终得到一个数字信号，存入电脑中
在这里插入图片描述