API函数在多媒体程序中的应用

阐述了API函数的概念,以及和其他方式相比使用API函数设计多媒体程序的特点,并举例说明了API函数在多媒体程序中的使用方法。     

VB多媒体程序设计

VB3.0专业版是当今十分流行的可视化语言程序开发工具,即使是非专业人员也可通过VB提供的MCI控件编写出甚象样的多媒体应用程序来,而通过调用Windows API函数可以设计更具有专业特点的多媒体程序,其功能和效率不亚于其他多媒体创作工具.本文结合VB多媒体程序设计实例,给出利用MCI控件及API函数设计多媒体程序的方法,着重叙述了它们在处理音频和视频动画中的应用.     

多媒体程序设计方法与技巧（一）

本文介绍了使用Visual Basic设计多媒体程序的几种方法:使用CI.VBX、调用Windows多媒体API函数和使用OLE。另外还介绍了使用VB设计特殊效果的多媒体交互界面的方法。     

Visual FoxPro中的多媒体编程

对VisualFoxPro多媒体编程中MultimediaMCI控件和若干API函数的使用方法进行了讨论,给出了应用示例。MultimediaMCI控件为多媒体文件的播放提供了一个标准界面。API函数中的PlaySound/sndPlaysound函数可用于小型wav文件播放。mciExecute函数、mciSengString函数可以播放多种格式音频和avi视频文件,功能更强大,可以提供程序员更多的发挥空间。     

Visual FoxPro中的多媒体编程

对Visual FoxPro多媒体编程中Multimedia MCI控件和若干API函数的使用方法进行了讨论，给出了应用示例。Multimedia MCI控件为多媒体文件的播放提供了一个标准界面。API函数中的P1aySound／sndPlaysound函数可用于小型wav文件播放。mciExecute函数、mciSengString函数可以播放多种格式音频和avi视频文件，功能更强大，可以提供程序员更多的发挥空间。     

基于DirectSound的声音实时仿真研究

DirectSound API提供了强大的声音处理功能,使得开发者能在不熟知声音硬件细节的前提下开发出高性能的多媒体程序。提出了利用DirectSound进行声音实时仿真的方法。对声音的实时合成与回放和声音3D效果处理进行了探讨,最后,利用该方法进行了声纳音频信号模拟。     

VB多媒体程序设计（三）

五、使用API函数设计多媒体程序 使用MCI控件开发窗口系统下的多媒体程序,具有简单、快捷、方便的特点,但在实际程序设计中,常会碰到一些问题。例如,VB语言就不包含语音支持、I/O端口访问以及位图操作。不过VB提供了直接调用Windows的API函数的功能,通过调用API函数,我们可以实现对系统的各个层次的功能调用。     

多媒体网络实时监控平台中实时音频处理方法的研究

本文以作者自行开发的多媒体网络实时监控平台为例；介绍了利用WIN32 API低层音频函数进行实时音频录播及网络传输的方法，并详细论述了在平台上实现网络电话，音频广播等功能所采用的多缓冲机制。     

基于DirectSound的实时音频采集与声阵列定位系统研究

DireetSotmd提供了强大的音频处理功能,使得开发者在不需要知道声卡硬件细节的前提下开发出高性能的多媒体程序.本文结合笔者的开发实例,详细阐述了使用DirectSound实现实时音频采集的方法,并设计实现了基于时延估计算法的声阵列定位系统.     

基于声卡和Win32 API的虚拟信号发生器和示波器的程序设计

本文介绍了基于声卡和Win32 API的波形音频函数(Waveform Audio Functions),并给出了利用波形音频输入、输出设备实现虚拟信号发生器和示波器的程序设计。     

多媒体课件制作中的数字音频处理技术

音频处理技术是多媒体课件制作中的重要环节。对数字音频处理的硬件、音频提取、音频转录、音频动态处理和音频降噪技术的掌握,有助于增强对音频材料加工处理的手段,制作出高质量的音频,从而提高音频在多媒体课件中的渲染力。     

基于压缩感知和音频指纹的固定音频检索方法

针对现有音频检索中样本音频特征库数据量较大且检索速率慢问题,本文提出一种基于压缩感知和音频指纹降维的固定音频检索方法.在音频检索的训练阶段,首先,对样本音频信号进行稀疏化处理,并通过压缩感知算法对稀疏化后的音频数据进行压缩;其次,提取压缩信号的音频指纹;再次,引入音频指纹离散基尼系数通过计算音频指纹各维度的离散基尼系数对指纹实施降维,最终得到检索特征库.在音频检索阶段用和训练阶段相同的算法提取待检音频的特征与音频特征库数据匹配得出检索结论.实验结果表明,所提音频检索方法在确保较好的检索准确率的基础上,大幅度减小了样本音频数据库的存储量,提高了音频的检索速率.     

音频质量客观评价中同步方法的研究与实现

在音频质量客观评价（Perceptual Evaluation of Audio Quality,PEAQ）尤其是音频系统的在线评测时,参考信号与测试信号不可避免地存在系统延迟。计算参考与测试之间的延迟误差从而实现信号之间的时间同步将是影响音频质量客观评价结果的关键性问题。针对此问题,通过信号的包络求取、信号频域间的互相关及频域直方图等方法给出了一种实时高效的音频延迟算法。通过实际测量,该算法在广播音频质量在线监测系统中充分体现了实时、稳定和高效的特点。     

音频取证若干关键技术研究进展

介绍了音频取证领域的最新研究进展、音频真实性的研究状况。对音频取证研究领域的历史进行了回顾,探讨了音频取证的分类,构建了音频取证框架。对音频取证的若干个关键技术进行了总结,包括音频主动取证技术、基于电网频率特征的音频篡改技术、无电网频率成分下的音频篡改检测技术、录音设备的特征参数、模式识别、数据库建设情况以及录音场合识别等。最后对音 频取证技术进行了总结和展望。     

结合密钥和随机标准正交基的音频伪装方案

传统基于Tangram的音频伪装方法所采用的变换模型为仿射变换模型,变换精度低且不满足基本的正交关系,从而无法保证秘密音频与公开音频之间的拟合精度,同时当分段变换音频为恒值序列时,需添加随机扰动以保证变换后音频的恢复质量,由此会降低信道传输音频的听觉质量。针对此问题,提出一种结合密钥和随机标准正交基的音频伪装方法。首先对秘密音频和公开音频分段,利用密钥构造随机标准正交基;其次通过秘密音频小段在随机标准正交基上的投影来对秘密音频小段进行表达,从中选取包括均值幅值较大的前k个投影系数,并记录对应的索引位置;再次通过EMD-q密写方法嵌入到对应的公开音频小段中形成信道公开传输音频;最后通过信道公开传输音频提取的变换参数结合密钥重构秘密音频。实验表明,所提方法可充分利用随机标准正交基重构不同精度的秘密音频,且随着选取的幅值系数增多,恢复的秘密音频质量也越来越好,同时所述策略严格依赖于密钥,只有掌握正确密钥的用户才能进行高精度的重构。     

一种基于多模态感知的双声道音频生成方法

现有多数视频只包含单声道音频,缺乏双声道音频所带来的立体感。针对这一问题,本文提出了一种基于多模态感知的双声道音频生成方法,其在分析视频中视觉信息的基础上,将视频的空间信息与音频内容融合,自动为原始单声道音频添加空间化特征,生成更接近真实听觉体验的双声道音频。我们首先采用一种改进的音频视频融合分析网络,以编码器-解码器的结构,对单声道视频进行编码,接着对视频特征和音频特征进行多尺度融合,并对视频及音频信息进行协同分析,使得双声道音频拥有了原始单声道音频所没有的空间信息,最终生成得到视频对应的双声道音频。在公开数据集上的实验结果表明,本方法取得了优于现有模型的双声道音频生成效果,在STFT距离以及ENV距离两项指标上均取得提升。     

浅谈数字音频文件格式及其转换应用

在广播领域使用的数字音频文件格式有多种,其中包括数字音频工作站的制作音频文件格式(S48),漫录系统音频文件格式(S48)以及Wav文件格式和MPEG-1音频压缩文件格式等等。该文针对广播电台常使用的两种音频文件格式进行介绍,并对这几种音频文件格式之间的转换方法和软件应用进行阐述。     

虚拟声频技术的研究进展

简要介绍了目前虚拟声频技术的研究进展状况及存在的问题。虚拟声频是通过耳机或音箱阵列为听者创造一种具有三维方位感的声频环境幻觉，这种幻觉可以通过声频信号与听觉定位信息曲线的卷积来实现。由于虚拟声频定位技术涉及人的听觉生理学和听觉心理学，所以它是人类比较复杂的感知过程。针对虚拟声频技术问题，文章总结了近些年来这方面的相关研究成果，主要包括：虚拟声频定位及定位曲线，虚拟声频信号处理和虚拟声频技术目前存在的问题。     

基于Linux 2.6的嵌入式ASoC架构音频驱动研究与实现

相比于传统的ALSA(Advanced Linux Sound Architecture)架构音频驱动,针对嵌入式音频系统设计的ASoC架构音频驱动具有代码高度复用、动态电源管理等显著的优点。深入研究了嵌入式ASoC(ALSA System on Chip)音频驱动架构,实现了基于s3c2440和uda1341的嵌入式音频系统的ASoC架构音频驱动,并提出在ASoC架构音频驱动设计过程中为满足ASoC独立性原则可采用的设计思路和设计技巧。     

Audio Keywords Discovery for Text-Like Audio Content Analysis and Retrieval

Inspired by classical text document analysis employing the concept of (key) words, this paper presents an unsupervised approach to discover (key) audio elements in general audio documents. The (key) audio elements can be considered the equivalents of the text (key) words, and enable content-based audio analysis and retrieval following the analogy to the proven text analysis theories and methods. Since general audio signals usually show complicated and strongly varying distribution and density in the feature space, we propose an iterative spectral clustering method with context-dependent scaling factors to decompose an audio data stream into audio elements. Using this clustering method, temporal signal segments with similar low-level features are grouped into natural clusters that we adopt as audio elements. To detect those audio elements that are most representative for the semantic content, that is, the key audio elements, two cases are considered. First, if only one audio document is available for analysis, a number of heuristic importance indicators are defined and employed to detect the key audio elements. For the case that multiple audio documents are available, more sophisticated measures for audio element importance, including expected term frequency (ETF), expected inverse document frequency (EIDF), expected term duration (ETD) and expected inverse document duration (EIDD), are proposed. Our experiments showed encouraging results regarding the quality of the obtained (key) audio elements and their potential applicability for content-based audio document analysis and retrieval.