章音頻壓縮編碼技術(shù)及其國(guó)際

第六章

音頻壓縮編碼技術(shù)及其國(guó)際標(biāo)準(zhǔn)6.1概述6.2MPEG音頻壓縮編碼6.3DolbyAC-3數(shù)字音頻壓縮編碼技術(shù)6.2.1MPEG-1音頻壓縮編碼標(biāo)準(zhǔn)6.2.2MPEG-2音頻壓縮編碼標(biāo)準(zhǔn)6.2.3MPEG-2ACC音頻壓縮編碼標(biāo)準(zhǔn)6.2.4MPEG-4音頻壓縮編碼標(biāo)準(zhǔn)6.2MPEG音頻壓縮編碼

MPEG-1(ISO／IEC11172)標(biāo)準(zhǔn)的第三部分(ISO／IEC11172-3)，稱為MPEG-1音頻。它是世界上第一個(gè)高保真聲音數(shù)據(jù)壓縮標(biāo)準(zhǔn)，得到極其廣泛的應(yīng)用編碼器的輸入信號(hào)為線性PCM信號(hào)

采樣率為32,44.1或48kHz，16位編碼器的輸出信號(hào)為32～384kbps6.2.1MPEG-1音頻壓縮編碼標(biāo)準(zhǔn)MPEG-1音頻的三個(gè)層次按照壓縮編碼的復(fù)雜程度規(guī)定了三個(gè)層次。層次越高，壓縮比越大，編解碼器越復(fù)雜。每個(gè)層次針對(duì)不同的應(yīng)用。層算法壓縮比碼率最小延遲通常延遲第一層MUSICAM4:138419<50第二層MUSICAM6~8:1256-19235100第三層ASPEC10~12:1128-112591506.2.1MPEG-1音頻壓縮編碼標(biāo)準(zhǔn)

LayerI是簡(jiǎn)單型，通常目標(biāo)碼率每通道192kbit／s，立體聲碼率為384kbit／s，壓縮比為1:4。LayerI被廣泛應(yīng)用在VCD的音頻壓縮編碼中。

LayerⅡ以LayerI為基礎(chǔ)，但壓縮編碼的復(fù)雜度增加了。通常目標(biāo)碼率為每通道128kbit／s，立體聲碼率為256kbit／s，壓縮比為1:6。廣泛應(yīng)用于數(shù)字音頻廣播和數(shù)字電視演播室等專業(yè)的數(shù)字音頻制作、存儲(chǔ)和傳送中。6.2.1MPEG-1音頻壓縮編碼標(biāo)準(zhǔn)

LayerIII采用混合壓縮技術(shù)，復(fù)雜度最高。LayerIII通過使用非均勻量化，自適應(yīng)分割和量化后的熵編碼來提高編碼效率。目標(biāo)碼率為每通道64kbit／s，立體聲為128kbit／s，壓縮比為1:12。LayerIII在低碼率下有高品質(zhì)的音質(zhì)，主要應(yīng)用于需要較低碼率的領(lǐng)域。

三個(gè)層的解碼器后向兼容，即LayerIII的解碼器可以對(duì)三個(gè)層的碼流解碼，LayerⅡ解碼器可以解碼LayerI及LayerⅡ。6.2.1MPEG-1音頻壓縮編碼標(biāo)準(zhǔn)圖6.3LayerI音頻編碼器框圖32子帶濾波器組量化編碼比例因子計(jì)算512點(diǎn)FFT心理聲學(xué)模型動(dòng)態(tài)比特分配復(fù)用器PCM輸入信號(hào)3232比例因子比特分配音頻碼流6.2.1MPEG-1音頻壓縮編碼標(biāo)準(zhǔn)MPEG-1Audio的濾波器組輸入的音頻信號(hào)首先通過一個(gè)多通道濾波器組，變換成等寬的32個(gè)子帶，這些濾波器組的輸出是臨界頻帶系數(shù)樣值。由于臨界頻帶不是等寬的，所以低頻端的子帶可能覆蓋了多個(gè)臨界頻帶。MPEGAUDIO濾波器組頻帶頻率增加臨界頻帶6.2.1MPEG-1音頻壓縮編碼標(biāo)準(zhǔn)MPEG-1Audio的濾波器組輸出第一層每幀包含384個(gè)時(shí)域樣本，每個(gè)子帶輸出12個(gè)頻域樣本。每32個(gè)時(shí)域樣本每子帶輸出1個(gè)頻域樣本。第二層和第三層每幀為1152個(gè)時(shí)域樣本，每個(gè)子帶輸出36個(gè)頻域樣本6.2.1MPEG-1音頻壓縮編碼標(biāo)準(zhǔn)比例因子按信號(hào)的大小來改變量化步長(zhǎng)，信號(hào)大時(shí)用較大的量化步長(zhǎng)，信號(hào)小時(shí)用較小的量化步長(zhǎng)。因此，將碼字分為兩組，一組用來表示量化步長(zhǎng)，又稱為‘比例因子’，其余的比特用來均勻量化信號(hào)，代表信號(hào)幅值的‘尾數(shù)’根據(jù)每個(gè)子帶12個(gè)樣值中的最大的樣值，確定比例因子6.2.1MPEG-1音頻壓縮編碼標(biāo)準(zhǔn)心理聲學(xué)模型的實(shí)現(xiàn)用512點(diǎn)FFT把時(shí)域信號(hào)變換到頻域?qū)⒌玫降念l域樣本按臨界頻帶分組計(jì)算由臨界頻帶引起的每個(gè)子帶的掩蔽閾值，組合每個(gè)子帶的單個(gè)掩蔽閾值，形成全局掩蔽閾值計(jì)算每個(gè)子帶的信掩比SMR，使用每個(gè)子帶中的最大信號(hào)與全局掩蔽閾值計(jì)算信掩比，計(jì)算方法同信噪比SNR，單位也是dB將每個(gè)子帶的信掩比輸出給動(dòng)態(tài)比特分配模塊6.2.1MPEG-1音頻壓縮編碼標(biāo)準(zhǔn)動(dòng)態(tài)比特分配全局掩蔽閾值決定了每個(gè)子帶所容許的最大量化噪聲，對(duì)于那些信掩比小于1的子帶，完全不用編碼，直接丟棄就可以了對(duì)于信掩比大于等于1的子帶，如果將尾數(shù)都量化為相同的比特?cái)?shù)，那么不同子帶的掩蔽閾值和量化噪聲的比（掩蔽噪聲比）往往是不同的，為了使聲音質(zhì)量最佳，應(yīng)當(dāng)使各個(gè)子帶的掩蔽噪聲比相等。mpeg-1采用了一種逐步逼近的方式，如教材所述，但該方法不是唯一的，編碼器廠家可以自己研究更好的方法實(shí)現(xiàn)掩蔽噪聲比的均勻化6.2.1MPEG-1音頻壓縮編碼標(biāo)準(zhǔn)量化根據(jù)動(dòng)態(tài)比特分配的結(jié)果，對(duì)需要編碼的子帶的樣本進(jìn)行量化復(fù)用器把比特分配信息、比例因子和每個(gè)子帶的量化以后的樣本尾數(shù)組織起來，配以同步頭和CRC校驗(yàn)位及若干附加數(shù)據(jù)，就形成LayerI的幀同步頭(32bit)CRC(16bit)位分配(4bit)比例因子(6bit)子帶樣本子帶樣本附加數(shù)據(jù)(未指定)6.2.1MPEG-1音頻壓縮編碼標(biāo)準(zhǔn)LayerIILayerII以LayerI為基礎(chǔ)，編碼原理一樣，但是有一些改進(jìn)子帶不再是均勻?qū)挾?，而是按照臨界頻帶劃分子帶，這樣更符合人的聽覺特性，同時(shí)濾波器組變得更復(fù)雜使用1024點(diǎn)FFT，提高了頻率分辨率，能得到更準(zhǔn)確的瞬間頻譜LayerII每幀包含1152個(gè)時(shí)域樣本，剛好是LayerI幀的3倍6.2.1MPEG-1音頻壓縮編碼標(biāo)準(zhǔn)32子帶濾波器組量化編碼比例因子計(jì)算1024點(diǎn)FFT心理聲學(xué)模型動(dòng)態(tài)比特分配復(fù)用器PCM輸入信號(hào)3232音頻碼流圖6.5LayerII音頻編碼器框圖比例因子選擇輔助數(shù)據(jù)編碼6.2.1MPEG-1音頻壓縮編碼標(biāo)準(zhǔn)LayerII的幀結(jié)構(gòu)將子帶分為低頻段、中頻段和高頻段，采用不同的比特分配策略，描述位分配的位數(shù)分別是4、3、2位用共享比例因子的方法提高壓縮效率，碼流的每幀中有一個(gè)2位的比例因子選擇信息SCFSI，指出是否需要共享比例因子，以及如何共享比例因子同步頭(32bit)CRC(16bit)位分配SCFSI(2bit)比例因子(6bit)子帶樣本子帶樣本附加數(shù)據(jù)(未指定)低頻段4位中頻段3位高頻段2位6.2.1MPEG-1音頻壓縮編碼標(biāo)準(zhǔn)LayerIII目標(biāo)碼率為每聲道64kbps，立體聲128kbps采用混合編碼技術(shù)非均勻量化自適應(yīng)分割熵編碼(哈夫曼編碼)更好的臨界頻帶濾波器多相/MDCT混合濾波器組心理聲學(xué)模型除了使用頻域掩蔽特性和時(shí)域掩蔽特性之外，還考慮了立體聲聲道之間的冗余6.2.1MPEG-1音頻壓縮編碼標(biāo)準(zhǔn)6.2.2MPEG-2音頻壓縮編碼標(biāo)準(zhǔn)MEPG-2的音頻標(biāo)準(zhǔn)(ISO／IECDIS13818-3)

它是建立在MEPG-1音頻標(biāo)準(zhǔn)(1SO／IEC11172-3)的基礎(chǔ)之上的與MPEG-1音頻兼容前向兼容：MPEG-2音頻解碼器可以解碼MPEG-1音頻流后向兼容：MPEG-1音頻解碼器可以解碼MPEG-2音頻流在功能與性能上做擴(kuò)充增加了低取樣率：取樣率16k，22.05k，24k增加了輸出速率：從32～384kbps增加到8～640kbps增加了聲道數(shù)，可支持5.1和7.1聲道。圖6.10支持多語言配音，最多7種圖6.105.1聲道和7.1聲道示意圖(a)5．1聲道(b)7．1聲道6.2.2MPEG-2音頻壓縮編碼標(biāo)準(zhǔn)圖6.11MPEG-2音頻編、解碼器框圖MPEG-1編碼器LRCLSRSLTE擴(kuò)展編碼器L0向R0下T2混T3合T4LTEMPEG-1解碼器LRCLSRSLTE擴(kuò)展解碼器L0重R0新T2混T3合T4LTEMPEG-2編碼器MPEG-2解碼器6.2.2MPEG-2音頻壓縮編碼標(biāo)準(zhǔn)MPEG-2音頻幀結(jié)構(gòu)L0和R0編碼以后作為MPEG-1編碼數(shù)據(jù)其他信息編碼后作為附加數(shù)據(jù)放在mpeg-1的幀中，MPEG-1音頻數(shù)據(jù)幀中對(duì)輔助數(shù)據(jù)AUX的長(zhǎng)度沒有限制MPEG-1幀頭MPEG-1CRCMPEG-1聲音數(shù)據(jù)MPEG-2多聲道擴(kuò)展數(shù)據(jù)MPEG-1AUX圖6.12MPEG-2音頻數(shù)據(jù)的幀結(jié)構(gòu)6.2.2MPEG-2音頻壓縮編碼標(biāo)準(zhǔn)6.2.3MPEG-2AAC音頻壓縮編碼標(biāo)準(zhǔn)高級(jí)音頻編碼AAC（AdvancedAudioCoding）

AAC是1997年國(guó)際標(biāo)準(zhǔn)組織(ISO／IEC)制定的音頻編碼標(biāo)準(zhǔn)，也是MPEG-2標(biāo)準(zhǔn)的一個(gè)部分，標(biāo)準(zhǔn)號(hào)為MPEG-2AAC(ISO／IECl3818-7)。與MPEG-1音頻不兼容，壓縮效率比MPEG-1/2音頻L2壓縮效率提高一倍，比MP3（LayerIII）高大約30%，壓縮比可達(dá)30:1以每個(gè)聲道64kb／s的碼率提供極高質(zhì)量的音頻，很難區(qū)分與原始音的差別采樣頻率支持8~96KHz有48個(gè)主要音頻聲道，16個(gè)低頻效果聲道，16個(gè)多國(guó)語言聲道和16個(gè)數(shù)據(jù)碼流。MPEG-2AAC增加的新編碼工具

增加新的編碼工具，使AAC的編碼效率得到較大提高

(1)預(yù)測(cè)技術(shù)

因?yàn)橐纛l信號(hào)有較強(qiáng)的相關(guān)性，在AAC系統(tǒng)中采用預(yù)測(cè)技術(shù)，能有效地提高編碼效率。

(2)瞬時(shí)噪聲成形(TemporalNoiseShaping，TNS)

TNS技術(shù)可以控制量化噪聲的瞬時(shí)成形。

(3)采用了改進(jìn)的余弦變換MDCT濾波器組

有利于消除邊界噪聲，改善信號(hào)質(zhì)量并且MDCT窗的寬度增長(zhǎng)到1024，濾波器組的頻率分辨率為2048。6.2.3MPEG-2AAC音頻壓縮編碼標(biāo)準(zhǔn)

(4)靈活控制量化步長(zhǎng),使比特利用率更為有效。

(5)采用霍夫曼熵編碼

配合靈活的碼流結(jié)構(gòu)，進(jìn)一步提高編碼效率

(6)MPEG-2AAC編解碼時(shí)延較長(zhǎng)，可達(dá)3秒甚至更長(zhǎng)6.2.3MPEG-2AAC音頻壓縮編碼標(biāo)準(zhǔn)MPEG-2AAC定義的三種擋次(Profile)

為了在聲音質(zhì)量與存儲(chǔ)或處理能力之間有個(gè)折中

(1)基本擋次(MainProfile)

使用除“增益控制(GainControl)”之外，的全部工具，因而基本擋次在任何碼率上都提供了最好的聲音質(zhì)量。

(2)低復(fù)雜度檔次(LowComplexityProfile)聲音質(zhì)量比基本擋次的聲音質(zhì)量低。不使用預(yù)測(cè)模塊和預(yù)處理模塊，瞬時(shí)噪聲成形(TNS)濾波器的級(jí)數(shù)有限，編碼效率比基本檔次低。6.2.3MPEG-2AAC音頻壓縮編碼標(biāo)準(zhǔn)(3)可分級(jí)取樣率檔次(ScalableSamplingRateProfile)

使用增益控制對(duì)信號(hào)作預(yù)處理，不使用預(yù)測(cè)模塊，TNS濾波器的級(jí)數(shù)和帶寬都有限制。它比基本檔次和低復(fù)雜度檔次更簡(jiǎn)單。

MPEG-2AAC工作碼率從8kb／s的單頻道語言信號(hào)至每個(gè)聲道超過160kb／s的高保真度信號(hào)，可用于很高質(zhì)量的音頻編碼。AAC目前已經(jīng)應(yīng)用于日本等許多國(guó)家的數(shù)字電視廣播系統(tǒng)中。

6.2.3MPEG-2AAC音頻壓縮編碼標(biāo)準(zhǔn)MPEG-4音頻壓縮編碼(ISO/IEC14496-3)MPEG-4是基于視、音頻對(duì)象的壓縮編碼標(biāo)準(zhǔn)，不針對(duì)單項(xiàng)應(yīng)用音頻編碼覆蓋整個(gè)聲音頻率范圍，從自然音頻、結(jié)構(gòu)音頻到混合音頻貫徹了MPEG-4的面向?qū)ο缶幋a的思想

6.2.4MPEG-4音頻壓縮編碼標(biāo)準(zhǔn)MPEG-4音頻壓縮編碼涵蓋：傳統(tǒng)音頻編碼即自然音頻(NaturalAudio)編碼速率范圍為2～64kb／s，使用MPEG-2AAC對(duì)普通聲音信號(hào)進(jìn)行壓縮新穎的結(jié)構(gòu)音頻(StructuredAudio)編碼自然與合成混合在一起的合成／自然混合編碼(SNHC)，SNHC是MPEG-4音頻編碼的一個(gè)重要概念。

6.2.4MPEG-4音頻壓縮編碼標(biāo)準(zhǔn)MPEG-4定義的三種編碼器：數(shù)據(jù)速率在2~6kb／s的極低比特率范圍，抽樣頻率為8kHz，可使用參數(shù)編碼技術(shù)；數(shù)據(jù)速率在6~24kb／s的中等碼率范圍，可使用碼激勵(lì)線性預(yù)測(cè)(CELP)技術(shù)，采樣頻率8kHz或16kHz數(shù)據(jù)速率在16~64kb／s碼率范圍，可使用時(shí)/頻編碼技術(shù)，采樣頻率8～96kHz從可懂度語音到高質(zhì)量的多聲道音樂，MPEG-4支持許多重要功能，包括碼率控制、聲調(diào)改變、容錯(cuò)及各種分級(jí)性。6.2.4MPEG-4音頻壓縮編碼標(biāo)準(zhǔn)MPEG-4Audio數(shù)據(jù)速率和應(yīng)用目標(biāo)6.2.4MPEG-4音頻壓縮編碼標(biāo)準(zhǔn)關(guān)于MPEG-4音頻壓縮編碼的標(biāo)準(zhǔn)文檔從20世紀(jì)90年代中期以來已有多個(gè)版本，見圖11-24，前后版本的差別也比較大原因之一是這個(gè)時(shí)期的技術(shù)發(fā)展比較快，MPEG-4音頻壓縮編碼標(biāo)準(zhǔn)不斷采納當(dāng)時(shí)還不夠成熟的新技術(shù)，例如正弦波編碼(SSC)和譜帶復(fù)制(SBR)編碼的有損壓縮技術(shù)聲音無損編碼(ALS)和直接數(shù)據(jù)流傳輸(DST)的無損壓縮技術(shù)

6.2.4MPEG-4音頻壓縮編碼標(biāo)準(zhǔn)MC/LSF:multi-channelandlowsamplingfrequencyAAC:advancedaudiocoderSBR:spectralbandreplicationSSC:sinusoidalcodingSLS:scalablelosslessDST:directstreamtransfer6.2.4MPEG-4音頻壓縮編碼標(biāo)準(zhǔn)MPEG-4音頻壓縮編碼工具與文檔提供的聲音工具可分成8種類型(1)話音編碼工具(speechcodingtools)(2)聲音編碼工具(audiocodingtools)(3)無損聲音編碼工具(losslessaudiocodingtools)(4)聲音合成工具(synthesistools)(5)編排工具(compositiontools)(6)性能可變工具(scalabilitytools)(7)上行數(shù)據(jù)流控制工具(upstream)(8)抗錯(cuò)工具(errorrobustnessfacilities)

6.2.4MPEG-4音頻壓縮編碼標(biāo)準(zhǔn)描述各種工具的文檔(ISO-IEC14496-3)有10部分Subpart1:MainSubpart2:Speechcoding—HVXCSubpart3:Speechcoding—CELPSubpart4:GeneralAudiocoding(GA)—AAC,TwinVQ,BSACSubpart5:StructuredAudio(SA)Subpart6:TextToSpeechInterface(TTSI)Subpart7:ParametricAudioCoding—HILNSubpart8:Parametriccodingforhighqualityaudio—SSCSubpart9:MPEG-1/2AudioinMPEG-4Subpart10:Losslesscodingofoversampledaudio—DST

6.2.4MPEG-4音頻壓縮編碼標(biāo)準(zhǔn)6.1概述6.2MPEG音頻壓縮編碼6.3DolbyAC-3數(shù)字音頻壓縮編碼技術(shù)6.3DolbyAC-3數(shù)字音頻壓縮編碼技術(shù)6.3.1概述6.3.2AC-3編解碼技術(shù)6.3.3AC-3同步幀格式杜比數(shù)字(DolbyDigital)1994年美國(guó)杜比實(shí)驗(yàn)室開發(fā)的數(shù)字聲音編碼系統(tǒng)，是一種高品質(zhì)、多聲道的數(shù)字音頻壓縮編碼技術(shù)，采用了感知編碼技術(shù)多聲道環(huán)繞聲格式，符合ISO對(duì)編碼算法提出的要求，現(xiàn)已作為國(guó)際標(biāo)準(zhǔn)已用在DVD影視盤、DTV(數(shù)字電視)、HDTV和其他娛樂產(chǎn)品中

已作為美國(guó)ATSC（AdvancedTelevisionSystemsCommittee）A/52中規(guī)定的數(shù)字音頻壓縮編碼標(biāo)準(zhǔn)6.3.1概述

AC-3輸入信號(hào)的取樣頻率為48KHz(鎖定于27MHz系統(tǒng)時(shí)鐘)，量化比特為16-24bits，基帶音頻的輸入可以多達(dá)6個(gè)聲道，即中心聲道（centre）、左（left）、右（right）、左環(huán)繞（leftsurround）、右環(huán)繞（rightsurround）及低頻增強(qiáng)（LFE：Lowfrequencyenhancement）聲道。LFE聲道的帶寬限于120Hz，主聲道的帶寬限于20KHz。6個(gè)聲道也稱為5.1聲道，0.1聲道即為L(zhǎng)FE聲道。動(dòng)態(tài)范圍可達(dá)100dB。6.3.1概述聲音數(shù)據(jù)的碼速率通常為64～448kbps立體聲的碼速率通常為192kbps5.1聲道的碼速率通常為384kbps，但可高達(dá)640kbps音頻業(yè)務(wù)分兩種，即主要業(yè)務(wù)（mainservice）和輔助業(yè)務(wù)（associatedservice）。主要業(yè)務(wù)工作時(shí)碼率壓縮到≤384Kb/s。主要業(yè)務(wù)及輔助業(yè)務(wù)的組合碼率≤572Kb/s。5.1聲道的音頻碼率約為5Mb/s（6聲道×48kHz×18bit=5.184Mb/s）的PCM，經(jīng)AC-3編碼器壓縮為384Kb/s的串行碼流。6.3.1概述DolbyAC-3壓縮編碼器方框圖輸入是未被壓縮的PCM音頻樣本，采樣頻率必須是32,44.1或48kHz，樣本精度可多到20位6.3.2AC-3編解碼技術(shù)分析濾波器組(analysisfilterbank)：把用PCM時(shí)間樣本表示的聲音信號(hào)變換成用頻率系數(shù)塊(frequenciescoefficientsblock)表示的聲音信號(hào)。單個(gè)頻率系數(shù)用二進(jìn)制的指數(shù)(exponent)和尾數(shù)(