20-2 嚙踝蕭嚙褕迎蕭讀嚙踝蕭

在一般電腦平台上，常見音訊檔案的附檔名有 .wav、.au、.mp3、.aif等等，我們都可以使用 MATLAB 來直接讀取這幾種檔案，所用的指令是audioread。例如，若要讀取本章範例程式目錄內的檔案 welcome.wav、畫出音訊的波形並播放出此音訊，可使用下列程式：
Example 1: 20-音訊讀寫、錄製與播放/audioRead01.m

在上例中，fs 是取樣頻率（sample rate），其值為 11025，代表當初在錄製這個音訊檔案時，每秒鐘會記錄下11025個聲音訊號的取樣值。而 y 是聲音訊號的向量，使用 sound(y, fs) 可播放出此音訊，所以你會聽到我的聲音「歡迎光臨」。time 則是對應在在時間軸的向量，因此將 y 對 time 做圖，就得到在時間軸上面的音訊波形。
Hint
在上述範例中，音訊第一點所對應的時間是1/fs，但我們也可以改成對應時間是0，此時對應的時間向量應該為 time=(0:length(y)-1)/fs。

事實上在錄製音訊檔案時，每一個取樣點大部分都是由8或16個位元（bits）所代表，若要知道 welcome.wav 的取樣點是由多少個位元來表示，可使用 audioinfo(‘welcome.wav’) 來回傳各種相關資訊，範例如下：
Example 2: 20-音訊讀寫、錄製與播放/audioInfo01.m

Hint
對於不同類別的音檔，audioinfo 所回傳的欄位可能有所不同，讀者可以是看看另一個範例 audioInfo03.m，來看看對於 mp3 檔案的回傳結果。

讀者可能會好奇，為什麼在 welcome.wav 音訊檔案中，每一個取樣點用 8 個位元來表示，但是從音訊波形來看，每一點的值都介於 –1 和 1 之間，這中間是如何轉換的？首先要知道 wav 檔案的 8 位元是以 unsigned integer（不帶符號的整數，即正整數）的方式來儲存，因此所能表示的數值是介於 0 和 255 (2^8-1) 之間，MATLAB 再將此值設定至變數 y 時，會自動將其數值調整至介於 –1 和 1 之間，因此若要將 MATLAB 讀出之數值轉回原先 8 位元所表示之數值，只要將變數 y 乘以 128，再加上 128，就可以得到原先的整數值，例如：
Example 3: 20-音訊讀寫、錄製與播放/audioRead03.m

在上例中，變數 difference 的值是零，代表 y0 的值完全是整數。此外，為了增加程式碼的通用性，我們用 2^nbits/2，而不直接使用128。
MATLAB 對於音檔資料的正規化方式，可以列表如下：

音訊檔案內部儲存方式數值範圍 MATLAB正規化方式
Unsigned 8-bit integer (uint8) y $\in$ [0, $2^8-1$] (y-$2^7$)/$2^7$
Signed 16-bit integer (int16) y $\in$ [$-2^{15}$, $2^{15}-1$] y/$2^{15}$
Signed 32-bit integer (int32) y $\in$ [$-2^{31}$, $2^{31}-1$] y/$2^{31}$

audioread 也可以讀取雙聲道或立體聲（Stereo）的音訊檔案，此時傳回的變數為具有兩直行的陣列，每一直行代表一個聲道的音訊，例如：
Example 4: 20-音訊讀寫、錄製與播放/audioRead04.m

此範例會讀取雙聲道的音訊檔 flanger.wav，播放此雙聲道的音訊，並畫出兩個聲道的音訊波形。由於左右聲道的音量（即波形的震幅）相互消長，因此播放出來的效果，感覺好像音源在左右聲道之間游移。（小問題：給你一個單聲道的聲音訊號，你如何使用 MATLAB 對此音訊進行處理，最後產生原音訊在雙聲道之間游移的效果，如同此範例一般？）
如果音訊檔案很大，無法一次讀入記憶體，我們也可以使用 audioread 來讀出音訊檔的其中一部份，例如：
Example 5: 20-音訊讀寫、錄製與播放/audioRead05.m

這一段波形代表「歡迎光臨」中的「迎」剛開始發音的波形。由上圖可看出，聲波的外型是很類似一個週期波，其震幅大小就代表音量大小，而其週期的倒數就是「基本頻率」。以上述圖形而言，1000個取樣點大概包含了10個週期，所以每個週期大約包含 100點，對應的時間是 100/fs = 100/11025 = 0.0091秒 = 9.1 ms，而基本頻率則是 1/0.0091 = 110.25 Hz，換算成鋼琴的按鍵，非常接近於中央 la （對應頻率是 440 Hz）降16度（兩個全音階）所得到的音，也就是下圖中的 A4（左邊數來第 5 個白鍵）。

300
Hint
若要知道每個鋼琴按鍵的聲音高低，可以嘗試這個網頁：「http://www.oliphaunts.com/pianoroll-js」。

人耳對聲音高低的感覺，是與基本頻率的對數成正比。以鋼琴的鍵盤而言，中央 la 的頻率是 440 Hz (Hertz)，高八度的中央 la 則是 880 Hz，低八度的中央 la 則是 220 Hz。鋼琴中的每一個全音階包含7個白鍵與5個黑鍵，共有 12 個鍵，代表 12 個半音（semitones），以 MIDI 的標準而言，中央 la 的半音值是 69，對應頻率是 440 Hz，因此半音和頻率之間的轉換程式可寫成下列公式： $$semitone=69+12\log_2\left(\frac{Hz}{440}\right).$$
由一段聲音來求取其音高，在音訊處理上稱為音高追蹤（Pitch Tracking），是音訊處理很重要的一環，相關應用有語音合成、音調辨識、哼唱選歌等。
前面說明過，audioread 會將讀到的音訊壓縮在 -1 和 +1 之間，但如果你想讀取原來音訊儲存在音訊檔案中的原始資料，也可以，範例如下：
Example 6: 20-音訊讀寫、錄製與播放/audioRead06.m

由上例可以看出，當我們加入 'native' 當成 audioread 的第三個參數時，所讀出的音訊就會是以原來檔案內的資料型態為準，因此本例中的音訊資料 y 的資料型態為 uint8，同時畫出的波形的震幅範圍也不再限於 -1 和 +1 之間。
MATLAB程式設計：入門篇

音訊檔案內部儲存方式	數值範圍	MATLAB正規化方式
Unsigned 8-bit integer (uint8)	y $\in$ [0, $2^8-1$]	(y-$2^7$)/$2^7$
Signed 16-bit integer (int16)	y $\in$ [$-2^{15}$, $2^{15}-1$]	y/$2^{15}$
Signed 32-bit integer (int32)	y $\in$ [$-2^{31}$, $2^{31}-1$]	y/$2^{31}$