录音知识1

u-audio

声音听觉理论

    由于人耳听觉系统非常复杂，迄今为止人类对它的生理结构和听觉特性还不能从生理解剖角度完全解释清楚。所以，对人耳听觉特性的研究目前仅限于在心理声学和语言声学。
　人耳对不同强度、不同频率声音的听觉范围称为声域。在人耳的声域范围内，声音听觉心理的主观感受主要有响度、音高、音色等特征和掩蔽效应、高频定位等特 性。其中响度、音高、音色可以在主观上用来描述具有振幅、频率和相位三个物理量的任何复杂的声音，故又称为声音“三要素”；而在多种音源场合，人耳掩蔽效 应等特性更重要，它是心理声学的基础。下面简单介绍一下以上问题。

一、声音三要素
1．响度
　响度，又称声强或音量，它表示的是声音能量的强弱程度，主要取决于声波振幅的大小。声音的响度一般用声压(达因／平方厘米)或声强(瓦特／平方厘米)来 计量，声压的单位为帕(Pa)，它与基准声压比值的对数值称为声压级，单位是分贝(dB)。对于响度的心理感受，一般用单位宋(Sone)来度量，并定义 lkHz、40dB的纯音的响度为1宋。响度的相对量称为响度级，它表示的是某响度与基准响度比值的对数值，单位为口方(phon)，即当人耳感到某声音 与1kHz单一频率的纯音同样响时，该声音声压级的分贝数即为其响度级。可见，无论在客观和主观上，这　两个单位的概念是完全不同的，除1kHz纯音外， 声压级的值一般不等于响度级的值，使用中要注意。
响度是听觉的基础。正常人听觉的强度范围为0dB—140dB(也有人认为是-5dB—130dB)。固然，超出人耳的可听频率范围(即频域)的声音，即 使响度再大，人耳也听不出来(即响度为零)。但在人耳的可听频域内，若声音弱到或强到一定程度，人耳同样是听不到的。当声音减弱到人耳刚刚可以听见时，此 时的声音强度称为“听阈”。一般以1kHz纯音为准进行测量，人耳刚能听到的声压为0dB(通常大于0．3dB即有感受)、声强为 10-16W/cm2  时的响度级定为0口方。而当声音增强到使人耳感到疼痛时，这个阈值称为“痛阈”。仍以1kHz纯音为准来进行测量，使　人耳感到 疼痛时的声压级约达到140dB左右。
　实验表明，闻阈和痛阈是随声压、频率变化的。闻阈和痛阈随频率变化的等响度曲线(弗莱彻—芒森曲线)之间的区域就是人耳的听觉范围。通常认为，对于 1kHz纯音，0dB—20dB为宁静声，30dB--40dB为微弱声，50dB—70dB为正常声，80dB—100dB为响音声，110dB— 130dB为极响声。而对于1kHz以外的可听声，在同一级等响度曲线上有无数个等效的声压—频率值，例如，200Hz的30dB的声音和1kHz的 10dB的声音在人耳听起来具有相同的响度，这就是所谓的“等响”。小于0dB闻阈和大于140dB痛阈时为不可听声，即使是人耳最敏感频率范围的声音， 人耳也觉察不到。人耳对不同频率的声音闻阈和痛阈不一样，灵敏度也不一样。人耳的痛阈受频率的影响不大，而闻阈随频率变化相当剧烈。人耳对3kHz— 5kHz声音最敏感，幅度很小的声音信号都能被人耳听到，而在低频区(如小于800Hz)和高频区(如大于5kHz)人耳对声音的灵敏度要低得多。响度级 较小时，高、低频声音灵敏度降低较明显，而低频段比高频段灵敏度降低更加剧烈，一般应特别重视加强低频音量。通常200Hz--3kHz语音声压级以 60dB—70dB为宜，频率范围较宽的音乐声压以80dB—90dB最佳。
2．音高
　音高也称音调，表示人耳对声音调子高低的主观感受。客观上音高大小主要取决于声波基频的高低，频率高则音调高，反之则低，单位用赫兹(Hz)表示。主观 感觉的音高单位是“美”，通常定义响度为40方的1kHz纯音的音高为1000美。赫兹与“美”同样是表示音高的两个不同概念而又有联系的单位。
人耳对响度的感觉有一个从闻阈到痛阈的范围。人耳对频率的感觉同样有一个从最低可听频率20Hz到最高可听频率别20kHz的范围。响度的测量是以 1kHz纯音为基准，同样，音高的测量是以40dB声强的纯音为基准。实验证明，音高与频率之间的变化并非线性关系，除了频率之外，音高还与声音的响度及 波形有关。音高的变化与两个频率相对变化的对数成正比。不管原来频率多少，只要两个40dB的纯音频率都增加1个倍频程(即1倍)，人耳感受到的音高变化 则相同。在音乐声学中，音高的连续变化称为滑音，1个倍频程相当于乐音提高了一个八度音阶。根据人耳对音高的实际感受，人的语音频率范围可放宽到 80Hz--12kHz，乐音较宽，效果音则更宽。
3．音色
　音色又称音品，由声音波形的谐波频谱和包络决定。声音波形的基频所产生的听得最清楚的音称为基音，各次谐波的微小振动所产生的声音称泛音。单一频率的音 称为纯音，具有谐波的音称为复音。每个基音都有固有的频率和不同响度的泛音，借此可以区别其它具有相同响度和音调的声音。声音波形各次谐波的比例和随时间 的衰减大小决定了各种声源的音色特征，其包络是每个周期波峰间的连线，包络的陡缓影响声音强度的瞬态特性。声音的音色色彩纷呈，变化万千，高保真(Hi— Fi)音响的目标就是要尽可能准确地传输、还原重建原始声场的一切特征，使人们其实地感受到诸如声源定位感、空间包围感、层次厚度感等各种临场听感的立体 环绕声效果。
　另外，表征声音的其它物理特性还有：音值，又称音长，是由振动持续时间的长短决定的。持续的时间长，音则长；反之则短。从以上主观描述声音的三个主要特 征看，人耳的听觉特性并非完全线性。声音传到人的耳内经处理后，除了基音外，还会产生各种谐音及它们的和音和差音，并不是所有这些成分都能被感觉。人耳对 声音具有接收、选择、分析、判断响度、音高和音品的功能，例如，人耳对高频声音信号只能感受到对声音定位有决定性影响的时域波形的包络(特别是变化快的包 络在内耳的延时)，而感觉不出单个周期的波形和判断不出频率非常接近的高频信号的方向；以及对声音幅度分辨率低，对相位失真不敏感等。这些涉及心理声学和 生理声学方面的复杂问题。

二、人耳的掩蔽效应
  　一个较弱的声音(被掩蔽音)的听觉感受被另一个较强的声音(掩蔽音)影响的现象称为人耳的“掩蔽效应”。被掩蔽音单独存在时的听阈分贝值，或者说在 安静环境中能被人耳听到的纯音的最小值称为绝对闻阈。实验表明，3kHz—5kHz绝对闻阈值最小，即人耳对它的微弱声音最敏感；而在低频和高频区绝对闻 阈值要大得多。在800Hz--1500Hz范围内闻阈随频率变化最不显著，即在这个范围内语言可储度最高。在掩蔽情况下，提高被掩蔽弱音的强度，使人耳 能够听见时的闻阈称为掩蔽闻阈(或称掩蔽门限)，被掩蔽弱音必须提高的分贝值称为掩蔽量(或称阈移)。
1．掩蔽效应
    　已有实验表明，纯音对纯音、噪音对纯音的掩蔽效应结论如下：
    A.纯音间的掩蔽
             ①对处于中等强度时的纯音最有效的掩蔽是出现在它的频率附近。
             ②低频的纯音可以有效地掩蔽高频的纯音，而反过来则作用很小。
    B.噪音对纯音的掩蔽噪音是由多种纯音组成，具有无限宽的频谱
  　若掩蔽声为宽带噪声，被掩蔽声为纯音，则它产生的掩蔽门限在低频段一般高于噪声功率谱密度17dB，且较平坦；超过500Hz时大约每十倍频程增大 10dB。若掩蔽声为窄带噪声，被掩蔽声为纯音，则情况较复杂。其中位于被掩蔽音附近的由纯音分量组成的窄带噪声即临界频带的掩蔽作用最明显。所谓临界频 带是指当某个纯音被以它为中心频率，且具有一定带宽的连续噪声所掩蔽时，如果该纯音刚好能被听到时的功率等于这一频带内噪声的功率，那么这一带宽称为临界 频带宽度。临界频带的单位叫巴克(Bark)，1Bark＝一个临界频带宽度。频率小于500Hz时，1Bark约等于freq／100；频率大于 500Hz时，1Bark约等于9+41og(freq／1000)，即约为某个纯音中心频率的20％。 通常认为，20Hz--16kHz范围内有24个子临界频带。而当某个纯音位于掩蔽声的临界频带之外时，掩蔽效应仍然存在。
2．掩蔽类型
(1)频域掩蔽
　所谓频域掩蔽是指掩蔽声与被掩蔽声同时作用时发生掩蔽效应，又称同时掩蔽。这时，掩蔽声在掩蔽效应发生期间一直起作用，是一种较强的掩蔽效应。通常，频 域中的一个强音会掩蔽与之同时发声的附近的弱音，弱音离强音越近，一般越容易被掩蔽；反之，离强音较远的弱音不容易被掩蔽。例如，—个1000Hz的音比 另一个900Hz的音高18dB，则900Hz的音将被1000Hz的音掩蔽。而若1000Hz的音比离它较远的另一个1800Hz的音高18dB，则这 两个音将同时被人耳听到。若要让1800Hz的音听不到，则1000Hz的音要比1800Hz的音高45dB。一般来说，低频的音容易掩蔽高频的音；在距 离强音较远处，绝对闻阈比该强音所引起的掩蔽阈值高，这时，噪声的掩蔽阈值应取绝对闻阈。
(2)时域掩蔽
　所谓时域掩蔽是指掩蔽效应发生在掩蔽声与被掩蔽声不同时出现时，又称异时掩蔽。异时掩蔽又分为导前掩蔽和滞后掩蔽。若掩蔽声音出现之前的一段时间内发生 掩蔽效应，则称为导前掩蔽；否则称为滞后掩蔽。产生时域掩蔽的主要原因是人的大脑处理信息需要花费一定的时间，异时掩蔽也随着时间的推移很快会衰减，是一 种弱掩蔽效应。一般情况下，导前掩蔽只有3ms—20ms，而滞后掩蔽却可以持续50ms—100ms。

u-audio

部分音频硬件术语解释
  
ASIO——一种规范，符合该标准的声卡，用CubaseVST 等软件进行多轨录音和使用实时音频效果器处理以及使用虚拟乐器时，将会表现出“零延迟”的优良性能。

GSIF——Giga Sampler/Studio Interface的缩写，在符合该标准的声卡上运行软件采样器Giga Sampler/Studio时，将会有出色的表现。

MME——该标准可保证声卡产品能够在所有版本的Windows9X中正常使用。

DirectSound——符合该标准的声卡将兼容于各种以DirectX为标准的软件，例如顺利运行各种游戏软件和多媒体教学软件等。

WDM——这是微软最新制定的Windows驱动程序，在Win98 SE以后版本的Windows平台中使用符合该驱动标准的声卡，将能有效地降低音频流的延迟时间。CakeWalk Sonar也专门针对WDM驱动做了优化处理。

EWDM——由韩国EgoSys公司提出，被称为“万能驱动”，它是建立在微软的WDM标准基础上的扩充，它将WDM、MME、DirectSound和 ASIO、GSIF合而为一，用户在使用符合该驱动标准的声卡产品时，不需像使用其它专业声卡那样，为了不同的应用而必须在各种驱动标准之间进行切换。如 果要经常使用CakeWalk Sonar、Giga Studio和各种VSTi音源，那么具备EWDM驱动的声卡将是上上之选。

DSP: 即Digital Signal Processing 数字信号处理.DSP技术在音调控制，失真效果器，Wah-wah踏板等模拟电子领域有广泛的应用.同时，DSP在模拟均衡和混响等多种效果上也能大显身 手 。通过电脑CPU或专门的DSP芯片都可以处理DSP 动作,不同的是,专门的DSP芯片处理要比电脑CPU处理更优化，速度更快 。

采样:把模拟音频转成数字音频的过程,就称作采样，所用到的主要设备便是模拟/数字转换器（Analog to Digital Converter，即ADC.与之对应的是数/模转换器,即DAC）。采样的过程实际上是将通常的模拟音频信号的电信号转换成二进制码0和1，这些0和 1便构成了数字音频文件。采样的频率越大则音质越有保证.由于采样率一定要高于录制的最高频率的两倍才不会产生失真,而人类的听力范围是 20Hz－20kHz，所以采样频率至少得是20k×2＝40kHz以保证不产生低频失真,这也是CD音质采用44.1kHz(稍高于40kHz是为了留 有余地)的原因.

采样率——指的是对原始声音波形进行样本采集的频繁程度，采样率越高，记录下的声音信号与原始信号之间的差异就越小，采样率的单位是kHz(千赫兹），专业声卡通常提供以下几种采样率：32/44.1/48/88.2/96kHz。

采样精度——是指对声音进行“模拟－数字”变换时，对音量进行度量的精确程序。采样精度越高，声音听起来就细腻，“数码化”的味道就越不明显。专业声卡支持的采样精度通常包括：16/18/20/24Bits。

失真度——是表征处理后信号与原始波形之间的差异情况，为百分比值。其值越小，说明声卡越能踏实地记录或再现音乐作品的原貌。

动态范围——是指当声音的增益发生瞬间态突变，也就是当音量骤然或突然毫米波时，设备所有名承受的最大变化范围。这个数值越大，则表示声卡的动态范围越广，就越能表现出作品的情绪和起伏。

信噪比——指的是有效信号与背底噪声的比值，由百分比表示，其值越高，则说明因设备本身原因而造成的噪声越小。以dB计算的信号最大保真输出与不可避免的 电子噪音的比率。该值越大越好。低于75dB这个指标，噪音在寂静时有可能被发现。AWE64 Gold声卡的信噪比是80dB，较为合理。SBLIVE更是宣称超过120dB的顶级信噪比.总的说来,由于电脑里的高频干扰太大，所以声卡的信噪比往 往不令人满意.但SBLIVE!提供了一个数字输出口SPDIF，可绕过输出时的模拟部分，极大地减少了噪音和失真，同时又极大地提高了动态范围和清晰 度。

FM: Synthesis Frequency Modulation调配合成技术。FM发声器的原理是先对音色本质进行研究计算之后再通过人工方式“模拟”(或合成)其频率，使用调变波去调变载波，最 终获得不同的音色表现。该方法很难制出*真的真实乐器音色，听上去有很强的人工合成的痕迹.

GM:即通用MIDI标准系统第一级（General MIDI system Level1），制定于1991年.在GS标准基础上，规定了MIDI设备的最大同时发音数不得少于24个、鼓镲等打击乐器作为一组单独排列、128种乐 器音色有统一的排列方式等。GM的音色排列方式基本上沿袭了GS标准.它一推出便得到了全球MIDI厂商的一致支持,实现了MIDI设备间的交流.

XG:YAMAHA于1994年提出了自己的音源标准——XG。XG在兼容GM的基础上做了大幅度的扩展，能够进行“音色编辑”和自由发展不同层次的器材.具有强大的可扩充性.通过其"库方式"可选择共480种音色.

SMPTE(The Society of Motion Picture and Television Engineers).它是目前在影音工业中得到广泛应用的一个时间码概念.该码用于设备间驱动的时间同步，计数方式 ,主要参数格式是:Hours: Minutes : Second : Frames.其中SMPTE 24 Film Sync: 以每秒24帧的速度播放，通常用于电影工业;SMPTE 30 Non-Drop: 该标准适用于音频领域.

音频压缩(Audio Compression).是指降低信号动态以滤除噪声和避免动态过大的失真。通过不同的计算方式、忽略人耳不易察觉的频段、或通过制造听觉上的错觉，从而大幅度降低音频数据的数量，却令音质基本不变甚至更好。

合唱(Chorus):最常用的音响效果之一.原理是将信号的调制延迟部分做copy，然后再与原信号合成.这种效果可产生多个相同声音组合的感觉。MIDI应用时，与Reverb等效果适当配合和渗透，作出意想不到的效果.

放大器(Amplifier),俗称“功放”，用以增强电平信号.

Hz:同一频率每秒振动次数的单位.

quantize: 量化。其作用是对音符或音频以某个精确度进行“对位”。

半双工(half-duplex):计算机技术上可以在 两个方向上进行信息传输。但在同一时刻只可单向进行.

EQ(Equalize)均衡效果器.其中Paragraphic EQ是参数图形均衡器.Graphic EQ是图示均衡器。用滑动控制器作为参数调整的多段可变均衡器。滑动控制器下的标识与其频率响应所对应。每一频段的中心频率与带宽是固定的.

maya88

好文章，不错啊，点赞了，可以收藏学习了啊！~

dahifi

:victory::victory: