第5章音頻數(shù)據(jù)的壓縮編碼.

1、第5章 音頻數(shù)據(jù)的壓縮編碼第5章 音頻數(shù)據(jù)的壓縮編碼 明確人的聽(tīng)覺(jué)特性 掌握音頻編碼的分類及原理 掌握MPEG-1音頻編碼的原理和特點(diǎn) 了解MPEG-2音頻編碼學(xué)習(xí)目標(biāo)第5章 音頻數(shù)據(jù)的壓縮編碼本章的主要內(nèi)容 5.1概述 5.2人的聽(tīng)覺(jué)特性 5.3音頻信號(hào)的數(shù)字化 5.4-5.8 5.9MPEG-1音頻編碼 5.10MPEG-2音頻編碼 5.12音頻壓縮編碼的國(guó)際標(biāo)準(zhǔn) 小結(jié)5.1 概述 聲音是機(jī)械振動(dòng)在彈性介質(zhì)中傳播的機(jī)械波，稱為聲波。 聲音轉(zhuǎn)換為電信號(hào)時(shí)，聲音的電信號(hào)在時(shí)間和幅度上都是連續(xù)的模擬信號(hào)。 聲音的三要素5.1 概述l 音頻壓縮編碼研究的基本問(wèn)題 在給定編碼速率的條件下，如何能夠得

2、到盡量好的重建語(yǔ)音質(zhì)量； 盡量減少編碼延時(shí)； 降低算法的復(fù)雜程度。l 音頻信號(hào)分為話音（人的說(shuō)話聲音）和一般聲音（如音樂(lè)）兩類。5.1 概述n 音頻編碼分類l 按照編碼速率來(lái)分：高速率（高速率（32kb/s 32kb/s 以上）以上）極低速率極低速率(1.2kb/s(1.2kb/s以下以下) )中高速率（中高速率（16-32kb/s16-32kb/s）中速率（中速率（4.8-16kb/ s4.8-16kb/ s）低速率（低速率（1.2-4.8kb/s1.2-4.8kb/s）l 按照編碼方法來(lái)分：波形編碼波形編碼參數(shù)編碼參數(shù)編碼混合編碼混合編碼5.2 人的聽(tīng)覺(jué)特性n 聲音頻率是常用的描述聲音的參

3、量，人耳所能感受到的聲音的頻率范圍在16HZ-16KHZ。n 聲壓及聲壓級(jí)SPL（Sound Pressure Level）也是常用的聲音描述參量。簡(jiǎn)單來(lái)說(shuō)，聲壓就是聲音的壓力。5.2.1 響度級(jí)和響度n響度響度表征聲音的強(qiáng)弱表征聲音的強(qiáng)弱n響度的客觀測(cè)量單位響度的客觀測(cè)量單位聲壓聲壓dyn/cmdyn/cm（達(dá)因（達(dá)因/ /平方厘米）；聲強(qiáng)平方厘米）；聲強(qiáng)W/cmW/cm（瓦特（瓦特/ /平方厘米）平方厘米）n描述主觀聲音的強(qiáng)弱描述主觀聲音的強(qiáng)弱響度級(jí)：方（響度級(jí)：方（phonphon）; ;響度：宋（響度：宋（sonesone）225.2.1 響度級(jí)和響度人耳的等響度曲線：實(shí)驗(yàn)表明，人耳感

4、知的聲音強(qiáng)度是頻率和聲壓級(jí)的函數(shù)，通過(guò)比較不同頻率和幅度的語(yǔ)音可以得到人耳的等響度曲線。圖圖5 5-1 -1 等等響響曲曲與與聲聲強(qiáng)強(qiáng)的的關(guān)關(guān)系系5.2.2 聽(tīng)覺(jué)靈敏度u聽(tīng)閾：聽(tīng)閾：能引起人耳聽(tīng)到聲音時(shí)的聲壓稱為聽(tīng)閾；能引起人耳聽(tīng)到聲音時(shí)的聲壓稱為聽(tīng)閾；u聽(tīng)覺(jué)靈敏度：聽(tīng)覺(jué)靈敏度：在給定頻率上，人耳能夠聽(tīng)到聲音的最小聲壓級(jí)。在給定頻率上，人耳能夠聽(tīng)到聲音的最小聲壓級(jí)。u橫軸表示頻率，縱橫軸表示頻率，縱軸表示與這段信號(hào)相軸表示與這段信號(hào)相比其他頻率信號(hào)能被比其他頻率信號(hào)能被聽(tīng)到的強(qiáng)度，用分貝聽(tīng)到的強(qiáng)度，用分貝表示；表示；u從圖中看出，人耳從圖中看出，人耳對(duì)不同頻率的敏感程對(duì)不同頻率的敏感程度差別很

5、大，其中對(duì)度差別很大，其中對(duì)2-4KHZ2-4KHZ范圍的信號(hào)最范圍的信號(hào)最為敏感，這個(gè)頻段以為敏感，這個(gè)頻段以外，人耳的聽(tīng)覺(jué)靈敏外，人耳的聽(tīng)覺(jué)靈敏度逐漸降低度逐漸降低。5.2.3 聽(tīng)覺(jué)掩蔽n 人耳聽(tīng)覺(jué)的人耳聽(tīng)覺(jué)的掩蔽效應(yīng)掩蔽效應(yīng)： 一個(gè)頻率聲音的聽(tīng)閾由于另一個(gè)聲音的存在而上升的現(xiàn)象稱為掩蔽。在一個(gè)較強(qiáng)的聲音附近，相對(duì)較弱的聲音將不能被人耳察覺(jué)，即被強(qiáng)音掩蔽。 n 頻域掩蔽（同時(shí)掩蔽）頻域掩蔽（同時(shí)掩蔽） 當(dāng)音頻信號(hào)中存在多個(gè)信號(hào)時(shí)，強(qiáng)信號(hào)會(huì)降低人耳對(duì)該信號(hào)頻域附近其他信號(hào)的敏感度，這種現(xiàn)象稱為頻率掩蔽，也稱同時(shí)掩蔽，是較強(qiáng)的掩蔽效應(yīng)。n 時(shí)域掩蔽（異時(shí)掩蔽）時(shí)域掩蔽（異時(shí)掩蔽） 人耳聽(tīng)到一個(gè)

6、強(qiáng)音后，會(huì)經(jīng)過(guò)一個(gè)短暫的延時(shí)才能聽(tīng)到較弱的聲音，稱為時(shí)域掩蔽，時(shí)域掩蔽，也稱也稱異時(shí)掩蔽。異時(shí)掩蔽。u 超前掩蔽（超前掩蔽（5-20ms5-20ms）u 滯后掩蔽（滯后掩蔽（50-200ms50-200ms）5.2.4 臨界帶寬 為了描述窄帶噪聲對(duì)純音信號(hào)的掩蔽效應(yīng)，引入臨界帶寬的概念。 臨界帶寬：一個(gè)純音可以被以它為中心頻率，并且有一定寬度的連續(xù)噪聲所掩蔽，如果在這一頻帶內(nèi)噪聲功率等于該純音的功率，這是該純音處于剛好能被聽(tīng)到的臨界狀態(tài)，則稱這一帶寬為臨界帶寬。 單位：巴克（Bark） 1 Bark=一個(gè)臨界帶寬5.3 音頻信號(hào)數(shù)字化 模擬信號(hào)的數(shù)字化過(guò)程 100101100011101 5.

7、3 音頻信號(hào)數(shù)字化音音頻頻信信號(hào)號(hào)頻頻率率采采樣樣頻頻率率采采樣樣量量化化保保存存為為聲聲音音文文件件開(kāi)開(kāi) 始始結(jié)結(jié) 束束p根據(jù)聲音頻帶、取樣頻率和樣本精度，通常把聲音分為五個(gè)等級(jí)根據(jù)聲音頻帶、取樣頻率和樣本精度，通常把聲音分為五個(gè)等級(jí)（見(jiàn)表（見(jiàn)表5-15-1）。由低到高為：）。由低到高為：電話、調(diào)幅（電話、調(diào)幅（AMAM）廣播、調(diào)頻（）廣播、調(diào)頻（FMFM）廣播、激光唱盤（）廣播、激光唱盤（CDCD）、數(shù)字）、數(shù)字錄音帶（錄音帶（DATDAT）5.4-5.8 音頻編碼的分類1波形編碼波形編碼 波形編碼波形編碼是基于對(duì)語(yǔ)音信號(hào)波形的數(shù)字化處理，試圖使處理是基于對(duì)語(yǔ)音信號(hào)波形的數(shù)字化處理，試圖使

8、處理后重建的語(yǔ)音信號(hào)波形與原語(yǔ)音信號(hào)波形保持一致。后重建的語(yǔ)音信號(hào)波形與原語(yǔ)音信號(hào)波形保持一致。 優(yōu)點(diǎn)優(yōu)點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單、語(yǔ)音質(zhì)量較好、適應(yīng)性強(qiáng)等。是實(shí)現(xiàn)簡(jiǎn)單、語(yǔ)音質(zhì)量較好、適應(yīng)性強(qiáng)等。 缺點(diǎn)缺點(diǎn)是話音信號(hào)的壓縮程度不是很高，實(shí)現(xiàn)的碼速率比較高。是話音信號(hào)的壓縮程度不是很高，實(shí)現(xiàn)的碼速率比較高。 常見(jiàn)的常見(jiàn)的方法方法有：脈沖編碼調(diào)制有：脈沖編碼調(diào)制PCMPCM、差、差分分脈沖編碼調(diào)制脈沖編碼調(diào)制DPCMDPCM、自適應(yīng)差分脈沖編碼調(diào)制（自適應(yīng)差分脈沖編碼調(diào)制（ADPCMADPCM）、子帶編碼（）、子帶編碼（SBCSBC）等。）等。 波形編碼的比特率一般在波形編碼的比特率一般在1616至至6464K

9、HZKHZ之間，它有較好的話音之間，它有較好的話音質(zhì)量與成熟的技術(shù)實(shí)現(xiàn)方法。質(zhì)量與成熟的技術(shù)實(shí)現(xiàn)方法。從第一個(gè)音頻編碼出現(xiàn)到現(xiàn)在，出現(xiàn)了很多壓縮編碼方法，可以將它們分為三類：波形編碼、參數(shù)編碼、混合編碼5.4-5.8 音頻編碼的分類2參數(shù)編碼參數(shù)編碼 參數(shù)編碼參數(shù)編碼又稱聲源編碼，它是通過(guò)構(gòu)造一個(gè)人發(fā)聲的模型，以發(fā)又稱聲源編碼，它是通過(guò)構(gòu)造一個(gè)人發(fā)聲的模型，以發(fā)音機(jī)制的模型作為基礎(chǔ)，用一套模擬聲帶頻譜特性的濾波器系數(shù)和音機(jī)制的模型作為基礎(chǔ)，用一套模擬聲帶頻譜特性的濾波器系數(shù)和若干聲源參數(shù)來(lái)描述這個(gè)模型，在發(fā)送端從模擬語(yǔ)音信號(hào)中提取各若干聲源參數(shù)來(lái)描述這個(gè)模型，在發(fā)送端從模擬語(yǔ)音信號(hào)中提取各個(gè)特

10、征參量并對(duì)這些參量進(jìn)行量化編碼，以實(shí)現(xiàn)語(yǔ)音信息的數(shù)字化。個(gè)特征參量并對(duì)這些參量進(jìn)行量化編碼，以實(shí)現(xiàn)語(yǔ)音信息的數(shù)字化。 優(yōu)點(diǎn)優(yōu)點(diǎn)是語(yǔ)音編碼速率較低，基本上在是語(yǔ)音編碼速率較低，基本上在2kbit2kbits s9.6kbit9.6kbits s之間。之間。 缺點(diǎn)缺點(diǎn)合成語(yǔ)音質(zhì)量差，清晰度滿足要求而自然度不好，難以辨認(rèn)合成語(yǔ)音質(zhì)量差，清晰度滿足要求而自然度不好，難以辨認(rèn)說(shuō)話人；電路實(shí)現(xiàn)復(fù)雜度比較高說(shuō)話人；電路實(shí)現(xiàn)復(fù)雜度比較高。 常見(jiàn)的常見(jiàn)的方法方法有：有：線性預(yù)測(cè)編碼線性預(yù)測(cè)編碼LPCLPC。 3 3混和編碼混和編碼 混和編碼混和編碼將波形編碼和參量編碼結(jié)合起來(lái)，力圖保持波形編碼話將波形編碼和參量

11、編碼結(jié)合起來(lái)，力圖保持波形編碼話音的高質(zhì)量與參量編碼的低速率音的高質(zhì)量與參量編碼的低速率。 常見(jiàn)的常見(jiàn)的方法方法有：碼激勵(lì)線性預(yù)測(cè)編碼器有：碼激勵(lì)線性預(yù)測(cè)編碼器(CELP) (CELP) ；感知編碼；感知編碼。 5.9 MPEG-1音頻編碼-概述 MPEGMPEG-1-1音頻編碼是第一個(gè)高保真立體聲音頻壓縮標(biāo)準(zhǔn)。音頻編碼是第一個(gè)高保真立體聲音頻壓縮標(biāo)準(zhǔn)。 為了保證其普遍性，為了保證其普遍性，MPEG-1MPEG-1提供了以下壓縮模式：提供了以下壓縮模式： MPEG-1MPEG-1聲音標(biāo)準(zhǔn)規(guī)定其音頻信號(hào)采樣頻率可以有聲音標(biāo)準(zhǔn)規(guī)定其音頻信號(hào)采樣頻率可以有32kHz32kHz、44.1kHz44.1

12、kHz或或48kHz48kHz三種三種。應(yīng)用感知編碼和子帶編碼模型來(lái)對(duì)聲音數(shù)據(jù)進(jìn)行壓縮。應(yīng)用感知編碼和子帶編碼模型來(lái)對(duì)聲音數(shù)據(jù)進(jìn)行壓縮。音頻編碼提供三個(gè)獨(dú)立的壓縮層次：音頻編碼提供三個(gè)獨(dú)立的壓縮層次： LaLay yer-1er-1、Layer-2Layer-2和和Layer-3Layer-3，使用戶可在復(fù)雜性和壓縮質(zhì)量之間權(quán)衡選擇。使用戶可在復(fù)雜性和壓縮質(zhì)量之間權(quán)衡選擇。層次層次壓縮比壓縮比輸出數(shù)據(jù)率輸出數(shù)據(jù)率算法算法應(yīng)用應(yīng)用Layer1Layer14:14:1384kb/s384kb/sMUSICAMMUSICAM簡(jiǎn)化版簡(jiǎn)化版小型數(shù)字盒式小型數(shù)字盒式磁帶磁帶Layer2Layer26:1-

13、8:16:1-8:1192192256kb/s256kb/sMUSICAMMUSICAM數(shù)字廣播音頻、數(shù)字廣播音頻、數(shù)字音樂(lè)、數(shù)字音樂(lè)、VCDVCDLayer3Layer310:1-10:1-12:112:164kb/s64kb/sMUSICAMMUSICAM與與ASPECASPEC結(jié)合結(jié)合MP3MP3、ISDNISDN上的上的聲音傳輸聲音傳輸5.9.2 MPEG-1的心理聲學(xué)模型5.9.3 編碼層次1.第一層Layer-1的編碼Layer-1Layer-1的子帶劃分采用等帶寬劃分，分為的子帶劃分采用等帶寬劃分，分為3232個(gè)子帶，每個(gè)子帶有個(gè)子帶，每個(gè)子帶有1212個(gè)樣本，心理聲學(xué)模型只使用

14、頻域掩蔽特性。個(gè)樣本，心理聲學(xué)模型只使用頻域掩蔽特性。Layer 1Layer 1和和Layer 2Layer 2編碼器的結(jié)構(gòu)基本類似，其差別在于編碼器的結(jié)構(gòu)基本類似，其差別在于濾波器子濾波器子帶的劃分不同和帶的劃分不同和FFTFFT的運(yùn)算點(diǎn)數(shù)不同。的運(yùn)算點(diǎn)數(shù)不同。 Layer-1Layer-1編碼器的組成編碼器的組成3232子帶濾波器組子帶濾波器組512512點(diǎn)點(diǎn)FFTFFT心理聲學(xué)模型心理聲學(xué)模型線性量化器線性量化器外部控制外部控制比特流格式的比特流格式的CRC-CRC-檢驗(yàn)檢驗(yàn)5.9.3 編碼層次按照標(biāo)準(zhǔn)的幀格式將聲音樣本的編碼、位分配、比例因子及CRC檢驗(yàn)碼等編碼信息封裝成幀，幀結(jié)構(gòu)如

15、下（表5-18a）：幀頭：幀頭：由每幀開(kāi)始的前由每幀開(kāi)始的前3232個(gè)比特組成，這個(gè)比特組成，這3232個(gè)比特包含同步信個(gè)比特包含同步信息和狀態(tài)信息，同步碼由息和狀態(tài)信息，同步碼由1212bitbit組成。所有的三層音頻信息編碼組成。所有的三層音頻信息編碼在這部分都是一樣的。在這部分都是一樣的。幀校驗(yàn)碼：幀校驗(yàn)碼：幀校驗(yàn)碼占幀校驗(yàn)碼占1616比特，用來(lái)檢測(cè)傳輸后比特流的差錯(cuò)，比特，用來(lái)檢測(cè)傳輸后比特流的差錯(cuò)，所有三層的這一部分也都是相同的。所有三層的這一部分也都是相同的。音頻數(shù)據(jù)：音頻數(shù)據(jù)：由比特分配表、比例因子選擇信息、比例因子和子由比特分配表、比例因子選擇信息、比例因子和子帶樣值組成。其中

16、子帶樣值是音頻數(shù)據(jù)的最大部分，不同層的帶樣值組成。其中子帶樣值是音頻數(shù)據(jù)的最大部分，不同層的音頻數(shù)據(jù)是不同的。音頻數(shù)據(jù)是不同的。輔助數(shù)據(jù)（輔助數(shù)據(jù)（ADAD）：）：用來(lái)傳輸相關(guān)的輔助信息。用來(lái)傳輸相關(guān)的輔助信息。1.第一層Layer-1的編碼5.9.3 編碼層次nLayer-2Layer-2編碼在編碼在Layer-1Layer-1的基礎(chǔ)上作了改進(jìn)。的基礎(chǔ)上作了改進(jìn)。3232個(gè)子帶，每個(gè)子個(gè)子帶，每個(gè)子帶分為帶分為3 3個(gè)個(gè)1212樣本組，這樣每幀共有樣本組，這樣每幀共有11521152個(gè)樣本。在掩蔽特性方面?zhèn)€樣本。在掩蔽特性方面除保留原有的頻域掩蔽外還增加了時(shí)域掩蔽。另外在低頻、中頻除保留原有

17、的頻域掩蔽外還增加了時(shí)域掩蔽。另外在低頻、中頻和高頻段對(duì)比特分配做了一些限制，對(duì)比特分配、比例因子和量和高頻段對(duì)比特分配做了一些限制，對(duì)比特分配、比例因子和量化樣本值編碼也更緊湊。化樣本值編碼也更緊湊。n考慮到人耳對(duì)聲音的低頻段最為敏感，所以對(duì)低頻段劃分更細(xì)，分配更多的比特?cái)?shù)，高頻段分配較少的比特?cái)?shù)。為此就需要較復(fù)雜的濾波器組，故FFT增加到1024，提高了頻率分辨率。2.第二層Layer-2的編碼5.9.3 編碼層次nLayer-3Layer-3使用使用不等長(zhǎng)子帶不等長(zhǎng)子帶劃分。心理聲學(xué)模型在使用頻域掩蔽劃分。心理聲學(xué)模型在使用頻域掩蔽和時(shí)域掩蔽特性之外又考慮到了和時(shí)域掩蔽特性之外又考慮到了

18、立體聲信息數(shù)據(jù)的冗余立體聲信息數(shù)據(jù)的冗余，還增加，還增加了了霍夫曼編碼器霍夫曼編碼器。濾波器組在原有的基礎(chǔ)上增加了。濾波器組在原有的基礎(chǔ)上增加了改進(jìn)離散余弦改進(jìn)離散余弦變換變換MDCTMDCT，可以部分消除由多相濾波器組引入的混疊效應(yīng)。，可以部分消除由多相濾波器組引入的混疊效應(yīng)。nLayer-3Layer-3指定了兩種指定了兩種MDCTMDCT塊長(zhǎng)，塊長(zhǎng)，1818個(gè)樣本個(gè)樣本組成的組成的長(zhǎng)塊長(zhǎng)長(zhǎng)塊長(zhǎng)和和8 8個(gè)樣個(gè)樣本本組成的組成的短塊長(zhǎng)短塊長(zhǎng)。對(duì)于平穩(wěn)信號(hào)使用長(zhǎng)塊可以獲得更高的頻域分。對(duì)于平穩(wěn)信號(hào)使用長(zhǎng)塊可以獲得更高的頻域分辨率，對(duì)跳變信號(hào)使用短塊長(zhǎng)可以獲得更好的時(shí)域分辨率辨率，對(duì)跳變信號(hào)使

19、用短塊長(zhǎng)可以獲得更好的時(shí)域分辨率。3.第三層Layer-3的編碼5.10 MPEG-2音頻編碼nMPEG-2定義了兩種視頻壓縮格式： MPEG-2 BC（與MPEG-1聲音格式兼容）和MPEG-2 AAC（與MPEG-1聲音格式不兼容）。 MPEG-1的基礎(chǔ)上發(fā)展起來(lái)的，是MPEG為多聲道聲音開(kāi)發(fā)的低碼率方案，增加了以下內(nèi)容： MPEG-2MPEG-2對(duì)多聲道的擴(kuò)展方式是通過(guò)對(duì)多聲道的擴(kuò)展方式是通過(guò)可分級(jí)的方式可分級(jí)的方式來(lái)實(shí)現(xiàn)來(lái)實(shí)現(xiàn)的。的。在在編碼器端編碼器端，5 5個(gè)輸入的聲道信號(hào)別向下混合為一路兼容個(gè)輸入的聲道信號(hào)別向下混合為一路兼容立體聲信號(hào)，再按照立體聲信號(hào)，再按照MPEG-1MPE

20、G-1的編碼標(biāo)準(zhǔn)進(jìn)行編碼；的編碼標(biāo)準(zhǔn)進(jìn)行編碼；用于在解碼端恢復(fù)原來(lái)用于在解碼端恢復(fù)原來(lái)5 5個(gè)聲道的相關(guān)信息都被安置在個(gè)聲道的相關(guān)信息都被安置在MPEG-MPEG-2 2的擴(kuò)展區(qū)的擴(kuò)展區(qū)里，里，MPEG-1MPEG-1在進(jìn)行解碼的時(shí)候可忽略此區(qū)在進(jìn)行解碼的時(shí)候可忽略此區(qū)的數(shù)據(jù)。的數(shù)據(jù)。MPEG-2MPEG-2多聲道解碼器除了對(duì)多聲道解碼器除了對(duì)MPEG-1MPEG-1的部分進(jìn)行解碼外，的部分進(jìn)行解碼外，還對(duì)附加的信道信息進(jìn)行解碼，根據(jù)這些信息來(lái)恢復(fù)原來(lái)還對(duì)附加的信道信息進(jìn)行解碼，根據(jù)這些信息來(lái)恢復(fù)原來(lái)的的5.15.1聲道。（圖聲道。（圖5-225-22）5.10.2 MPEG-2 AAC 編碼

21、標(biāo)準(zhǔn) MPEG-2 AACMPEG-2 AAC（Advanced Audio Advanced Audio CodingCoding） MPEG-2 MPEG-2標(biāo)準(zhǔn)中一種非標(biāo)準(zhǔn)中一種非常靈活的編碼標(biāo)準(zhǔn)，采用常靈活的編碼標(biāo)準(zhǔn)，采用感知編碼感知編碼方法，主要是方法，主要是利用聽(tīng)覺(jué)系統(tǒng)利用聽(tīng)覺(jué)系統(tǒng)的掩蔽特性的掩蔽特性來(lái)減少聲音編碼的數(shù)據(jù)量；并且通過(guò)來(lái)減少聲音編碼的數(shù)據(jù)量；并且通過(guò)子帶編碼子帶編碼將量將量化噪聲分散到各個(gè)子帶中，用全局的聲音信號(hào)將噪聲掩蔽掉。化噪聲分散到各個(gè)子帶中，用全局的聲音信號(hào)將噪聲掩蔽掉。 MPEG-2 AAC MPEG-2 AAC 采用采用模塊化模塊化的編碼方法，把整個(gè)的編碼方法，把整個(gè)A AA AC C系統(tǒng)分成一系系統(tǒng)分成一系