四川大學(xué)計(jì)算機(jī)學(xué)院 多媒體技術(shù) 9

MPEG聲音

一、

MPEG-1Audio

二、MPEG-2Audio三、MPEG-2ACC四、MPEG-4Audio

2002年10月28日MPEG聲音

MPEG-1Audio、MPEG-2Audio、MPEG-2ACC聲音數(shù)據(jù)壓縮編碼——感知聲音編碼(perceptualaudiocoding)

利用人的聽覺系統(tǒng)的感知特性來達(dá)到壓縮聲音數(shù)據(jù)的目的不同于與波形聲音壓縮編碼(如ADPCM)和參數(shù)編碼(如LPC)：依據(jù)波形本身的相關(guān)性和模擬人的發(fā)音器官的特性）2002年10月28日MPEG聲音

對(duì)響度的感知

“聽閾—頻率”曲線2002年10月28日MPEG聲音

對(duì)音高的感知“音高—頻率”曲線2002年10月28日MPEG聲音

掩蔽效應(yīng)一種頻率的聲音阻礙聽覺系統(tǒng)感受另一種頻率的聲音的現(xiàn)象

頻域掩蔽一個(gè)強(qiáng)純音會(huì)掩蔽在其附近同時(shí)發(fā)聲的弱純音，這種特性稱為頻域掩蔽，也稱同時(shí)掩蔽時(shí)域掩蔽在時(shí)間上相鄰的聲音之間的掩蔽現(xiàn)象。兩種時(shí)閾掩蔽：超前掩蔽和滯后掩蔽2002年10月28日MPEG聲音

心理聲學(xué)模型(psychoacousticmodel)聽覺閾值電平聽覺閾值的大小隨聲音頻率的改變而改變，各個(gè)人的聽覺閾值也不同。（大多數(shù)人2kHz～5kHz）一個(gè)人是否能聽到聲音取決于聲音的頻率，以及聲音的幅度是否高于這種頻率下的聽覺閾值。聽覺掩飾特性聽覺閾值電平是自適應(yīng)的，即聽覺閾值電平會(huì)隨聽到的不同頻率的聲音而發(fā)生變化。

2002年10月28日MPEG聲音

MPEGAudio采用的兩種感知編碼：感知子帶編碼(perceptualsub-bandcoding)思想是首先把時(shí)域中的聲音數(shù)據(jù)變換到頻域，對(duì)頻域內(nèi)的子帶分量分別進(jìn)行量化和編碼，然后根據(jù)心理聲學(xué)模型確定樣本的精度，從而達(dá)到壓縮數(shù)據(jù)量的目的。不局限于只對(duì)話音進(jìn)行編碼，也不局限于哪一種聲源。DolbyAC-3編碼2002年10月28日MPEG-1Audio感知子帶編碼壓縮算法框圖

2002年10月28日MPEG-1AudioDolbyAC-3壓縮編碼算法框圖2002年10月28日MPEG-1AudioMPEG聲音編碼器結(jié)構(gòu)圖2002年10月28日MPEG-1AudioMPEG聲音解碼器結(jié)構(gòu)圖2002年10月28日MPEG-1AudioISO/MPEGaudio層1和層2編碼器和解碼器的結(jié)構(gòu)2002年10月28日MPEG-1AudioISO/MPEGaudio層3編碼器和解碼器的結(jié)構(gòu)2002年10月28日MPEG-2AudioMPEG-1和-2的聲音數(shù)據(jù)規(guī)格參數(shù)名稱LinearPCMDolbyAC-3MPEG-2AudioMPEG-1Audio采用頻率48/96kHz32/44.1/48kHz16/22.05/24/32/44.1/48kHz32/44.1/48kHz樣本精度

(每個(gè)樣本的比特?cái)?shù))16/20/24壓縮(16bits)壓縮(16bits)16最大數(shù)據(jù)傳輸率6.144Mb/s448kb/s8～640kb/s32～448kb/s最大聲道數(shù)85.15.1/7.122002年10月28日MPEG-2ACCMPEG-2AAC（Advancedaudiocoding）編碼思想：主要使用聽覺系統(tǒng)的掩蔽特性來減少聲音的數(shù)據(jù)量，并且通過把量化噪聲分散到各個(gè)子帶中，用全局信號(hào)把噪聲掩蔽掉。與MPEG-1聲音格式不兼容

適用范圍：AAC支持的采用頻率可從8kHz到96kHzAAC編碼器的音源可以是單聲道的、立體聲的和多聲道的聲音。（AAC標(biāo)準(zhǔn)可支持48個(gè)主聲道、16個(gè)低頻音效加強(qiáng)通道LFE(lowfrequencyeffects)、16個(gè)配音聲道(overdubchannel)或者叫做多語言聲道(multilingualchannel)和16個(gè)數(shù)據(jù)流。）2002年10月28日MPEG-2ACCMPEG-2AAC（Advancedaudiocoding）壓縮率：MPEG-2AAC壓縮比為11:1（即每個(gè)聲道的數(shù)據(jù)率為(44.1×16)/11=64kb/s）。在5個(gè)聲道的總數(shù)據(jù)率為320kb/s的情況下，很難區(qū)分還原后的聲音與原始聲音之間的差別。與MPEG的層2相比，MPEG-2AAC的壓縮率可提高1倍，而且質(zhì)量更高；與MPEG的層3相比，在質(zhì)量相同的條件下數(shù)據(jù)率是它的70％。2002年10月28日MPEG-2ACC

MPEG-2AAC的配置開發(fā)MPEG-2AAC標(biāo)準(zhǔn)采用模塊化的方法：把整個(gè)AAC系統(tǒng)分解成一系列模塊，用標(biāo)準(zhǔn)化的AAC工具(advancedaudiocodingtools)對(duì)模塊進(jìn)行定義（MPEGAudio標(biāo)準(zhǔn)是對(duì)整個(gè)系統(tǒng)進(jìn)行標(biāo)準(zhǔn)化）AAC標(biāo)準(zhǔn)定義了三種配置：基本配置低復(fù)雜性配置可變采樣率配置2002年10月28日MPEG-2AAC編碼器框圖2002年10月28日

MPEG-2AAC解碼器框圖2002年10月28日MPEG-4Audio

MPEG-4Audio標(biāo)準(zhǔn)：集成從話音~高質(zhì)量的多通道聲音；從自然聲音~合成聲音編碼方法：參數(shù)編碼(parametriccoding)碼激勵(lì)線性預(yù)測(cè)(codeexcitedlinearpredictive，CELP)編碼時(shí)間/頻率T/F(time/frequency)編碼結(jié)構(gòu)化聲音SA(structuredaudio)編碼合成聲音：MIDI；TTS2002年10月28日MPEG-4Audio

自然聲音

(naturalaudio)MPEG-4聲音編碼器支持?jǐn)?shù)據(jù)率2kb/s~64kb/s之間的自然聲音。三種類型聲音編碼器：

2002年10月28日MPEG-4Audio

1、參數(shù)編碼器使用聲音參數(shù)編碼技術(shù)。采樣頻率為8kHz的話音(speech)，輸出數(shù)據(jù)率為2～4kb/s；采樣頻率為8kHz或16kHz的聲音(audio)，輸出數(shù)據(jù)率為4～16kb/s。2002年10月28日MPEG-4Audio

2、CELP編碼器使用CELP(codeexcitedlinearpredictive)技術(shù)。采樣頻率為8kHz的窄帶話音或16kHz的寬帶話音，輸出數(shù)據(jù)率6～24kb/s2002年10月28日MPEG-4Audio

3、T/F編碼器使用時(shí)間-頻率(time-to-frequency，T/F)技術(shù)。這是一種使用矢量量化(vectorquantization，VQ)和線性預(yù)測(cè)的編碼器，采樣頻率為8kHz的聲音信號(hào)，輸出的數(shù)據(jù)率大于16kb/s。2002年10月28日MPEG-4Audio

MPEG-4Audio編碼方框圖2002年10月28日MPEG-4Audio

文-語轉(zhuǎn)換

TTS(text-to-speech)將文本形式的信息轉(zhuǎn)換成自然語