第8章數(shù)字音頻技術1

數(shù)字電視原理第八章數(shù)字音頻技術2/6/20231信息工程系8.2MPEG音頻壓縮技術8.2.1音頻特性及其編碼

研究聽覺系統(tǒng)對聲音的感知特性，下面介紹已經(jīng)用在MPEGAudio壓縮編碼算法中的三個特性：響度、音高和掩蔽效應，聽覺感知編碼。

1.對響度的感知 聲音的響度就是聲音音頻弱。在物理上（客觀），聲音的響度使用客觀測量單位來度量，即dyn/cm2(達因/平方厘米)(聲壓)或W/cm2(瓦特/平方厘米)(聲強)。在心理上（主觀），主觀感覺的聲音強弱使用響音頻“方(phon)”或者“宋(sone)”來度量2/6/20232信息工程系8.2MPEG音頻壓縮技術這兩種感知音頻強弱的計量單位是完全不同的兩種概念，但是它們之間又有一定的聯(lián)系當音頻弱到人的耳朵剛剛可以聽見時，我們稱此時的音頻強度為“聽閾”。例如，1kHz純音的聲強達到10-16w/cm2(定義成零dB聲強級)時，人耳剛能聽到，此時的主觀響度級定為零方實驗表明，聽閾是隨頻率變化的。測出的“聽閾—頻率”曲線如圖所示。圖中最靠下面的一根曲線叫做“零方等響度級”曲線，也稱“絕對聽閾”曲線，即在安靜環(huán)境中，能被人耳聽到的純音的最小值另一種極端的情況是音頻強到使人耳感到疼痛。實驗表明，如果頻率為1kHz的純音的聲強級達到120dB左右時，人的耳朵就感到疼痛，這個閾值稱為“痛閾”2/6/20233信息工程系8.2MPEG音頻壓縮技術“聽閾—頻率”曲線2/6/20234信息工程系8.2MPEG音頻壓縮技術人耳對不同頻率的敏感程度差別很大，其中對2kHz～4kHz范圍的信號最為敏感，幅度很低的信號都能被人耳聽到。而在低頻區(qū)和高頻區(qū)，能被人耳聽到的信號幅度要高得多2/6/20235信息工程系8.2MPEG音頻壓縮技術2.對音高的感知客觀上用頻率來表示聲音的音高，其單位是Hz主觀感覺的音高單位則是“美(Mel)”,主觀音高與客觀音高的關系是：

其中f的單位為Hz這也是兩個既不相同又有聯(lián)系的單位人耳對頻率的感覺也有一個范圍。人耳可以聽到的最低頻率約20Hz，最高頻率約20000Hz2/6/20236信息工程系8.2MPEG音頻壓縮技術音高—頻率曲線2/6/20237信息工程系8.2MPEG音頻壓縮技術3.掩蔽效應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)象稱為掩蔽效應。前者稱為掩蔽聲音(maskingtone)，后者稱為被掩蔽聲音(maskedtone)掩蔽可分成頻域掩蔽和時域掩蔽(1).頻域掩蔽 一個強純音會掩蔽在其附近同時發(fā)聲的弱純音，這種特性稱為頻域掩蔽，也稱同時掩蔽(simultaneousmasking)2/6/20238信息工程系8.2MPEG音頻壓縮技術聲強為60dB、頻率為1000Hz純音的掩蔽效應2/6/20239信息工程系8.2MPEG音頻壓縮技術頻率為250Hz、1kHz、4kHz和8kHz純音的掩蔽效應，它們的聲強均為60dB①在250Hz、1kHz、4kHz和8kHz純音附近，對其他純音的掩蔽效果最明顯②低頻純音可以有效地掩蔽高頻純音，但高頻純音對低頻純音的掩蔽作用則不明顯2/6/202310信息工程系8.2MPEG音頻壓縮技術2.時域掩蔽時間上相鄰的聲音之間也有掩蔽現(xiàn)象，并且稱為時域掩蔽。時域掩蔽又分為超前掩蔽(pre-masking)和滯后掩蔽(post-masking)超前掩蔽較短，只有大約5～20ms，而滯后掩蔽可以持續(xù)50～200ms2/6/202311信息工程系8.2MPEG音頻壓縮技術時域掩蔽2/6/202312信息工程系8.2MPEG音頻壓縮技術聽覺感知編碼的編碼思路：1.根據(jù)聽覺域度對可聞信號進行編碼聽覺域度對編碼的作用

2/6/202313信息工程系8.2MPEG音頻壓縮技術2.根據(jù)掩蔽效應，只對幅度強的掩蔽信號進行編碼2/6/202314信息工程系8.2MPEG音頻壓縮技術3.量化噪聲使得不必全部編碼原始信號2/6/202315信息工程系8.2MPEG音頻壓縮技術4.通過子帶分割來進行優(yōu)化、編碼子帶編碼、優(yōu)化

2/6/202316信息工程系8.2MPEG音頻壓縮技術8.2.2MPEG-1音頻壓縮技術MPEG音頻壓縮的的主要依據(jù)是人耳朵的聽覺特性，使用“心理聲學模型(psychoacousticmodel)”來達到壓縮聲音數(shù)據(jù)的目的心理聲學模型聽覺系統(tǒng)中存在一個聽覺閾值電平，低于這個電平的聲音信號就聽不到，因此就可以把這部分信號去掉聽覺閾值的大小隨聲音頻率的改變而改變，各個人的聽覺閾值也不同。大多數(shù)人的聽覺系統(tǒng)對2kHz～5kHz之間的聲音最敏感。一個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2/6/202317信息工程系8.2MPEG音頻壓縮技術聽覺系統(tǒng)存在掩蔽特性，聽覺閾值電平是自適應的，即聽覺閾值電平會隨聽到的不同頻率的音頻而發(fā)生變化例如，同時有兩種頻率的音頻存在，一種是1000Hz的音頻，另一種是1100Hz的音頻，但它的強度比前者低18分貝，在這種情況下，1100Hz的音頻就聽不到2/6/202318信息工程系8.2MPEG音頻壓縮技術MPEG音頻壓縮算法框圖2/6/202319信息工程系8.2MPEG音頻壓縮技術MPEG-1音頻壓縮標準的主要性能：(1)輸入信號為線性PCM信號，采樣率為32,44.1或48kHz，輸出為32kb/s～384kb/s(2)MPEG-1音頻壓縮標準提供三個獨立的壓縮層次①層1的編碼器最為簡單，編碼器的輸出數(shù)據(jù)率為384kb/s，主要用于小型數(shù)字盒式磁帶(digitalcompactcassette，DCC)②層2的編碼器的復雜程度屬中等，編碼器的輸出數(shù)據(jù)率為256kb/s～192kb/s，其應用包括數(shù)字廣播聲音(DAB)、數(shù)字音樂、CD-I(compactdisc-interactive)和VCD(videocompactdisc)等③層3的編碼器最為復雜，編碼器的輸出數(shù)據(jù)率為64kb/s，主要應用于網(wǎng)絡音樂2/6/202320信息工程系8.2MPEG音頻壓縮技術1.子帶編碼濾波器組的劃分

MPEG-1音頻編碼器把輸入信號變換到32個頻域子帶中去。子帶的劃分方法有兩種，一種是線性劃分，另一種是非線性劃分2/6/202321信息工程系8.2MPEG音頻壓縮技術2.子帶編碼SNR(signalnoiseratio) ——信號噪聲比SMR(signal-to-maskratio) ——信號掩蔽比NMR(noise-to-maskratio) ——噪聲掩蔽比2/6/202322信息工程系8.2MPEG音頻壓縮技術3.編碼層MPEG音頻壓縮定義了3個層次，它們的基本模型是相同的。層1是最基礎的，層2和層3都在層1的基礎上有所提高。每個后繼的層次都有更高的壓縮比，但需要更復雜的編碼解碼器MPEG的音頻數(shù)據(jù)分成幀(frame)，層1每幀包含384個樣本的數(shù)據(jù)，每幀由32個子帶分別輸出的12個樣本組成。層2和層3每幀為1152個樣本2/6/202323信息工程系8.2MPEG音頻壓縮技術層1、2和層3的子帶樣本2/6/202324信息工程系8.2MPEG音頻壓縮技術MPEG編碼層簡介層1：采用均勻子帶劃分，心理聲學模型僅使用頻域掩蔽特性層2：采用均勻子帶劃分，心理聲學模型除使用頻域掩蔽特性外還利用了時域掩蔽特性，并且在低、中和高頻段對比特分配作了一些限制，對比特分配，比例因子和量化樣本值的編碼也更緊湊層3：采用非均勻子帶劃分，即臨界頻帶劃分，心理聲學模型使用頻域和時域掩蔽，同時還考慮了立體聲數(shù)據(jù)冗余，并且使用了Huffman編碼2/6/202325信息工程系8.2MPEG音頻壓縮技術MPEG-1數(shù)字音頻的參數(shù)概述(1)MPEG-1音頻取樣頻率

fs：32kHz,44.1kHz,48kHz(2)MPEG-1音頻碼率

32～192kHz單聲道,64～384kHz立體聲PCM如按高保真立體聲：50Hz～20kHz，取fs＝44.1KHz，n＝16bit;則不壓縮時速率：44.1×16＝705.6Kbit/s(每聲道)(3)MPEG-1音頻壓縮算法①自適應頻譜心理聲學熵編碼ASPEC(AdaptiveSpectralPerceptualEntropyCoding);②自適應變換聲音編碼ATAC（AdaptiveTransformAudioCoding）③掩蔽型自適應子帶編碼和復用MUSICAM(Masking-PatternAdaptedUniversalSubbandIntegratedCodingAndMultiplexing)④子帶/自差分脈沖編碼SB/ADPCMASPEC和MUSICAM主觀評價幾乎相同。在64kbit/s時APESC音質略好，而MUSICAM較簡單，解碼延時較好；所以MUSICAM作為MPEGLayerI，結合ASPEC優(yōu)點為LayerII，LayerIII。2/6/202326信息工程系8.2MPEG音頻壓縮技術MPEG-1音頻信號數(shù)據(jù)壓縮過程(a)時間/頻率映射（濾波器組）用以將輸入的信號轉化為亞取樣的頻譜分量分為子帶(b)頻域濾波器組或并行變換的輸出，根據(jù)心理聲學模型求出時變的掩蔽門限估值(c)按量化噪聲不超過掩蔽門限的原則將子帶量化編碼以使量化噪聲不可聽到(d)按幀打包成碼流（包括比特分配信息）2/6/202327信息工程系8.2MPEG音頻壓縮技術LayerⅠ,Ⅱ音頻編碼方框圖

2/6/202328信息工程系8.2MPEG音頻壓縮技術LayerⅠ,Ⅱ音頻解碼方框圖2/6/202329信息工程系8.2MPEG音頻壓縮技術LayerIII音頻編碼方框圖2/6/202330信息工程系8.2MPEG音頻壓縮技術LayerIII音頻解碼方框圖2/6/202331信息工程系8.2MPEG音頻壓縮技術

MPEG-1音頻編碼幀結構2/6/202332信息工程系8.2MPEG音頻壓縮技術MPEG-2音頻壓縮MPEG-2聲音編碼標準是MPEG為多聲道聲音開發(fā)的低碼率編碼方案，它是在MPEG-1聲音標準基礎上發(fā)展而來的。和MPEG-1相比，MPEG-2聲音主要增加了三個方面的內(nèi)容(1)支持5.1路環(huán)繞聲。它能提供5個全帶寬聲道(左、右、中和兩個環(huán)繞聲道)，外加一個低頻效果增強聲道，統(tǒng)稱為5.1聲道(2)支持多達8種語言或解說(3)增加了低取樣和低碼率。在保持MPEG-1聲音的單聲道和立體聲的原有取樣率的情況下，MPEG-2又增加了三種取樣率，即把MPEG-1的取樣率降低了一半，(16kHz,22.05kHz,24kHz)以便提高碼率低于64kbit/s時的每個聲道的聲音質量2/6/202333信息工程系8.2MPEG音頻壓縮技術MPEG-2聲音多聲道擴展部分的數(shù)據(jù)結構

MPEG-2多聲道聲音編碼標準和現(xiàn)有的MPEG-1聲音標準保持后向兼容。在對原有的MPEG-1兩聲道增加獨立的環(huán)繞聲道時，MPEG-2盡量保特和MPEG-1聲音語法的兼容性，MPEG-2中的主聲道(左、右)仍然保持后向兼容，而環(huán)饒聲道采用新的編碼方法和語法2/6/202334信息工程系8.2MPEG音頻壓縮技術MPEG-2的兩種音頻數(shù)據(jù)壓縮格式MPEG-2Audio，或者稱為MPEG-2多通道(Multichannel)音頻，與MPEG-1Audio兼容，所以又稱為MPEG-2BC(BackwardCompatible)MPEG-2AAC(AdvancedAudioCoding)，與MPEG-1聲音格式不兼容，因此通常稱為非后向兼容MPEG-2NBC(Non-Backward-Compatible)標準2/6/202335信息工程系8.2MPEG音頻壓縮技術MPEG-2AudioMPEG-2Audio(ISO/IEC13818-3)和MPEG-1Audio(ISO/IEC1117-3)標準都使用相同種類的編譯碼器，LayerⅠ,LayerⅡ和LayerⅢ的結構也相同MPEG-2音頻標準與MPEG-1標準相比，MPEG-2做了如下擴充：①增加了16kHz,22.05kHz和24kHz采樣頻率②擴展了編碼器的輸出速率范圍，由32～384kbit/s擴展到8～640kbit/s③增加了聲道數(shù)，支持5.1聲道和7.1聲道的環(huán)繞聲。此外MPEG-2還支持LinearPCM(線性PCM)和DolbyAC-3(AudioCodeNumber3)編碼

2/6/202336信息工程系8.2MPEG音頻壓縮技術MPEG-1和MPEG-2的聲音數(shù)據(jù)規(guī)格2/6/202337信息工程系8.2MPEG音頻壓縮技術MPEG-2Audio的“5.1環(huán)繞聲”MPEG-2Audio的“5.1環(huán)繞聲”也稱為“3/2/.1立體聲加LFE”，其中的“.1”就是指LFE聲道。它的含義是播音現(xiàn)場的前面可有3個喇叭聲道(左、中、右)，后面可有2個環(huán)繞聲喇叭聲道，LFE(lowfrequencyeffects)是低頻音效的加強聲道2/6/202338信息工程系8.2MPEG音頻壓縮技術5.1聲道最佳效果放置5個全頻帶的重放揚聲器分為前置揚聲器（包括L、R、C）和后置揚聲器（也稱環(huán)繞揚聲器，包括Ls、Rs），分別位于一個圓的邊界上，其中L、R揚聲器與C揚聲器分別呈30度夾角，Ls、Rs揚聲器與C揚聲器分別呈110度夾角低頻增強聲道，稱之為LFE，它的頻率范圍在200Hz以下，大約是全頻帶倍頻程的10%左右，因此也稱點一聲道。它的放置沒有特殊的要求，一般放置在前面2/6/202339信息工程系8.2MPEG音頻壓縮技術7.1聲道環(huán)繞立體聲2/6/202340信息工程系8.2MPEG音頻壓縮技術MPEG-1、MPEG-2音頻參數(shù)的比較2/6/202341信息工程系8.2MPEG音頻壓縮技術MPEG-2中的AAC編碼AAC：AdvancedAudioCoding先進音頻編碼,不向下兼容MPEG-2AAC是聲音感知編碼標準，MPEG-2AAC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子帶中，用全局信號把噪聲掩蔽掉。AAC支持的采樣頻率可從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標準可支持48個主聲道、16個低頻音效加強通道LFE(lowfrequencyeffects)、16個配音聲道(overdubchannel)或者叫做多語言聲道(multilingualchannel)和16個數(shù)據(jù)流2/6/202342信息工程系8.2MPEG音頻壓縮技術MPEG-2AAC壓縮比為11:1，即每個聲道的數(shù)據(jù)率為(44.1×16)/11=64kbit/s，而5個聲道的總數(shù)據(jù)率為320kbit/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LagerⅡ相比，MPEG-2AAC的壓縮率可提高1倍，而且質量更高，與MPEG的LagerⅢ相比，在質量相同的條件下數(shù)據(jù)率是它的70％。2/6/202343信息工程系8.2MPEG音頻壓縮技術MPEG-2AAC的配置開發(fā)MPEG-2AAC標準采用的方法與開發(fā)MPEGAudio標準采用的方法不同。后者采用的方法是對整個系統(tǒng)進行標準化，而前者采用的方法是模塊化的方法，把整個AAC系統(tǒng)分解成一系列模塊，用標準化的AAC工具(advancedaudiocodingtools)對模塊進行定義AAC標準定義了三種配置：基本配置、低復雜性配置和可變采樣率配置：2/6/202344信息工程系8.3美國HDTVAC-3音頻壓縮技術1.杜比AC-3環(huán)繞聲系統(tǒng)AC（AudioCoding）-3是一種播放高音質和效果的環(huán)繞聲系統(tǒng)杜比AC-3系統(tǒng)利用心理聲學原理對音頻信號進行壓縮編碼其取樣頻率有32KHz、44.1KHz、48KHz對音頻聲道采用獨立方式編碼，將每個聲道的頻率范圍擴展到20Hz~20kHz全頻域杜比AC-3的基本聲道有5個，即前方左、右、中聲道，后方環(huán)繞左和環(huán)繞右聲道，另外還有一個超重低音聲道,共有6個聲道。其中超重低音聲道的最高頻率為120Hz，不能算一個完整的聲道，因此又稱為0.1聲道，這樣加起來便稱為5.1聲道2/6/202345信息工程系8.3美國HDTVAC-3音頻壓縮技術杜比AC-3環(huán)繞聲播放系統(tǒng)2/6/202346信息工程系8.3美國HDTVAC-3音頻壓縮技術其特點有：

(1)全音頻聲道。AC-3系統(tǒng)播放的音質清晰，聲場動態(tài)范圍廣，聲象重現(xiàn)逼真，具有真實現(xiàn)場感

(2)立體環(huán)繞聲。AC-3系統(tǒng)具有左和右后方環(huán)繞聲道，其環(huán)繞包圍感很強，烘托現(xiàn)場氣氛逼真,可使視聽者進入出神入化的境界

(3)聲道之間分離度高從家庭影院的應用和發(fā)展來看，杜比AC-3環(huán)繞聲系統(tǒng)將可能成為主流(1)美國已確定杜比AC-3環(huán)繞聲系統(tǒng)為HDTV(高清晰度電視)音頻信號的編碼和解碼標準

(2)數(shù)字視盤機(DVD)的音頻也采用AC-3音頻標準

(3)美國幾乎所有著名的電影公司制作