多媒体技术论文

1、多媒体技术论文 多媒体技术论文 学号： 姓名： 班级： 专业： 教师： 2010年目 录1 前言12 数据压缩32.1 压缩原理42.1.1 子带编码4心得体会9参考文献10教师评语11 II1 前言 具有多媒体功能的计算机被称为多媒体计算机,其中最广泛、最基本的是多媒体个人计算机(Multimedia Personal Computer,简称MPC)。具备多媒体功能的计算机系统即是多媒体计算机系统。 普通的计算机只能处理可看见的媒体,所以多媒体技术的重点是要使计算机能很好地处理可听见的信息,如声音,所以声音是多媒体最基本、最重要的要素。而同时具有视(动态)、听特性的媒体、如视频、全活动影像(Full-motion Movie)等,就是多媒体的核心要素,要使计算机能处理声音、视频等媒体信息,就需要在计算机上增加一些能处理它们的硬件设备,如声音卡、视频卡等。处理音频和视频媒体的软硬件技术就是多媒体技术的关键技术,主要包括数据压缩技术、处理音频和视频的专用芯片和多媒体核心软件技术。 数据压缩和解压缩技术 数字化的声音、图像和视频的数据量是非常巨大的,如以CD音质声音(44.1KHz,16B

2、it采样的立体声)每秒所占的数据量就为176KB;一幅640480的256色彩色图像所占的数据量约为300KB,而同样大小的24Bit真彩色图像所占的数据量将达900KB!巨大的数据量不但要求大容量的存储设备,更主要的是影响了数据的传输和运行。如动态视频要求每秒播放25/30帧图像,这样为在640480的窗口中播放256色、具CD音质的全动视频。就要求每秒处理9MB的数据。而计算机的数据处理能力是有限的,如IBM PC/AT机的ISA总线的数据传输率最高只有5MB/秒。因此,在多媒体计算机技术要求能实时地综合处理文、图、音、视等媒体数据与多媒体涉及的巨大数据流量和计算机数据处理和传输能力的局限之间存在巨大的矛盾。解决这一矛的唯一有效方法就是采用一定的数据压缩编码算法对巨量的音、视频数据进行数据压缩。常用的压缩编码算法有PCM(Pulse Code Modulation)、统计编码(哈夫曼、算术、香农-弗诺)、变换编码(K-L、DCT、FFT、FWT变换等)、插值和外推编码、游程编码等。一些国际学术组织已制定了一些压缩编码标准,主要有JPEG(Joint Photographic Exp

3、erts Group)标准、电视电话/会议电话P64bit/s(CCITT H.281)标准以及MPEG(Moving Picture Experts Group)标准等。 音频/视频处理专用芯片 专用芯片不仅集成度高、大大提高处理速度,而且有利于产品的标准化。对于需要大量的快速、实时进行音/视频数据的压缩/解压缩、图像处理(缩放、淡入/淡出、划像等)、音频处理(滤波、去噪等)等处理的多媒体计算机技术来说,音频/视频处理的专用芯片显得尤为重要。多媒体计算机专用芯片主要有两类,即固定功能的芯片和可编程的处理器。前者功能单一,主要用于图像数据的压缩处理;后者功能灵活,可进行编程设计,是发展的主流。此外,VRAM、A/D、D/A转换芯片、数字声音处理器(Digital Sound Processor)等也是多媒体计算机技术所必不可少的。 多媒体计算机软件核心 多媒体应用系统能否充分调度多媒体硬件,发挥其功能,真正达到多种媒体的同步协调,主要取决于多媒体计算机软件核心,即视频/音频支撑系统AVSS(Audio/Video Support System)和视频/音频核心AVK(Audio/Vid

4、eo Kernel)。对MPC而言,AVSS就是多媒体操作系统,如Windows3.1;AVK就是多媒体视频工作平台,如Microsoft Video for Windows、Quick Time等。多媒体涉及的数据量是非常庞大的,而多媒体信息表现的生动性和实时性有要求计算机能迅速,甚至是实时地处理这些庞大的媒体数据,所以多媒体技术对计算机平台的要求是很高的,这包括要求高档次的CPU,足够的内存,快速的大容量存储设备,显示性能好而快的显示设备等,这种要求的结果是多媒体系统的价格昂贵,另一方面,如果不是专业领域的应用,人们在使用多媒体时往往并不一定要求十全十美的效果,比如游戏娱乐、商业展示、普通教育培训等,这时候人们注意的是多媒体的价格。所以,对多媒体计算机平台的要求有两种发展方向,一种是应用于专业领域的高档计算机平台,至少是高档工作站;另一种是应用于普通型的个人计算机,MPC标准是一种普及型的多媒体标准,主要使用于家庭或办公室多媒体用户,它所要求的计算机平台是PC机的主流机型。1993年美国克林顿政府提出了国家信息基础结构(National Information Infrastruc

5、ture)行动纲要的政府报告,并形象地称之为信息高速公路(Information Highway)。信息高速公路的设想和其诱人的前景在世界上引起了广泛的反响,各国纷纷提出自己的信息高速公路计划构想。专家预测信息高速公路将给人们的工作、学习、教育、卫生保健、商业、娱乐方式等带来一场革命,将改变人类的生活方式。 国家信息基础结构或信息高速公路是即将来临的高级信息时代的高速信息传输网,即在全国乃至全世界范围内,以光纤和高速数字交换设备构成的高速宽带信息网络。在网络中连接有大量专用和公用数据库,各种用户通过多媒体终端享受商务、金融、教育、卫生、文化、娱乐等广泛的服务。信息高速公路的主要目标是: 1) 在企业、国家实验室和大学之间通过个人计算机进行技术信息交换,以提高经济效益、改善科研条件。 2)通过以通信方式推销药品和电信传送医学图像(X光片等),提高以医疗诊断为重点的医疗服务水平、改善医疗条件。 3)把教育方式从研究人员进行讲演和学校授课的集中式教育发展为使用PC机的分散教育,为人民创造学习机会。 4)快速及时地提供地震等灾害信息。 5)传输电子出版物,提供家庭电脑金融服务和家庭电脑购物。

6、6)利用双向高速信息网络,提高产业竞争力和政府的工作效率。信息高速公路以光纤作为主要的传输介质,可以快速传输数据、文字、声音、图像和电视节目等内容,具有如下四大特征: 双向传输 信息高速公路中的信息是双向交流传输的,信息消费者同时也是信息提供者。 高精度、快速数字化传送 信息高速公路以数字形式传输数据、文字、声音、图像和电视节目等内容,在对数据进行高效压缩后,传输效率将比现有水平高出数千倍。这将使第三产业、广播电视业、娱乐业和超级市场等发生根本性变化。 2 数据压缩 数据压缩的好处: 时间域压缩迅速传输媒体信源 频率域压缩并行开通更多业务 空间域压缩降低存储费用 能量域压缩降低发射功率 多媒体输入输出技术包括媒体变换技术、媒体识别技术、媒体理解技术和媒体综合技术。 综合地利用这些输入输出技术实现用户和计算机之间更加自然的交互是人机界面设计的目标。 所谓虚拟现实，就是采用计算机技术生成一个逼真的视觉、听觉、触觉及嗅觉的感觉世界，用户可以用人的自然技能对这个生成的虚拟实体进行交互考察。这个概念包含三层含义： - 虚拟实体用计算机来生成的一个逼真的实体； - 用户可以通过人的自然技能(人的头

7、部转动、眼动、手势或其它的身体动作)与这个环境交互； - 要借助于一些三维传感设备来完成交互动作，常用的如头盔立体显示器、数据手套、数据服装、三维鼠标等。 网卡是局域网中最基本的部件之一，又称为网络卡或网络接口卡，英文简称NIC(Network Interface Card)。它的主要工作原理为整理计算机上发往网线上的数据并将数据分解为适当大小的数据包之后向网络上发送出去。当然它还负责网线上传过来的数据。调制解调器其作用是利用模拟信号传输线路传输数字信号存储技术 .NAS（Network Attached Storage，网络附加存储）被定义为一种特殊的专用数据存储服务器，内嵌系统软件，可提供跨平台文件共享功能。NAS设备完全以数据为中心，将存储设备与服务器彻底分离，集中管理数据，从而有效释放带宽，大大提高了网络整体性能，也可有效降低总拥有成本，保护用户投资。 .SAN（Storage Area Network，存储局域网）可以定义为以数据存储为中心，采用可伸缩的网络拓扑结构，通过具有高传输速率的光通道的直接连接方式，提供SAN内部任意节点之间的多路可选择的数据交换，并且将数据存储管理

8、集中在相对独立的存储区域网内 .DAS采用DAS（Direct-Attached Storage，直接附加存储）存储方案的服务器结构如同PC架构，外部数据存储设备采用SCSI技术或者FC技术、直接挂接在内部总线上的方式，数据存储是整个服务器结构的一部分。 .IP存储IP存储就是使用IP把服务器与存储设备连接起来的技术。 .光存储 .虚拟存储2.1 压缩原理由于图像数据之间存在着一定的冗余，所以使得数据的压缩成为可能。信息论的创始人Shannon提出把数据看作是信息和冗余度（redundancy）的组合。所谓冗余度，是由于一副图像的各像素之间存在着很大的相关性，可利用一些编码的方法删去它们，从而达到减少冗余压缩数据的目的。为了去掉数据中的冗余，常常要考虑信号源的统计特性，或建立信号源的统计模型。图像的冗余包括以下几种：(1) 空间冗余：像素点之间的相关性。 (2) 时间冗余：活动图像的两个连续帧之间的冗余。 (3) 信息熵冗余：单位信息量大于其熵。 (4) 结构冗余：图像的区域上存在非常强的纹理结构。 (5) 知识冗余：有固定的结构，如人的头像。 (6) 视觉冗余：某些图像的失真是人眼不易觉察的。2.1.1 子带编码 子带编码SBC(subband coding)的基本思想是，首先使用一组带通滤波器BPF(band-pass filter)把输入音频信号的频带分成若干个连续的频段，每个频段称为子带。对每个子带中的音频信号采用单独的编码方案去编码。在信道上传送时，将每个子带的代码复合起来。在接收端译码时，将每个子带的代码单独译码，然后把它们组合起来，还原成原来的音频信号. 音频编码标准比较，如表2-1所示 表2-1 音频编码标准比较 语音识别技术主要包括特征提取技术、模式匹配准则及模型训练技术三个方面。 如图2-1-1 根据对说话人的依赖程度可以分为特定人和非特定人语音识别系统 根据对说话人说话方式的要求，可以分为孤立字（词）语音识别系统，连接词语音识别系统以及连续语音识别系统 根据词汇量大小，可以分为小词汇量、中

《多媒体技术论文》由会员工****分享，可在线阅读，更多相关《多媒体技术论文》请在金锄头文库上搜索。