數(shù)字聲頻壓縮編碼及應(yīng)用

1、第9章 數(shù)字聲頻壓縮編碼及應(yīng)用,9.1 人耳的聽覺特性9.2 聲頻數(shù)據(jù)壓縮編碼9.3 聲頻壓縮標(biāo)準(zhǔn),9.1 人耳的聽覺特性,9.1.1 心理聲學(xué)有關(guān)人聽覺的研究包含人耳的生理結(jié)構(gòu)，以及人的大腦對聲音信息的翻譯等方面的內(nèi)容。心理聲學(xué)研究的是人對所聽到的聲音的主觀反映。人耳對聲音頻率的響應(yīng)是對數(shù)的，這可以通過人耳對音程的感覺加以說明。當(dāng)頻率相近的兩個聲音同時發(fā)聲時會產(chǎn)生拍頻。,9.1.2 人耳的生理結(jié)構(gòu)和臨

2、界頻帶1．人耳的生理結(jié)構(gòu)人耳將聲能轉(zhuǎn)換成機械能，并最終將電脈沖傳送至大腦，大腦能感知到聲音中包含的信息，圖9-2所示的是人耳的生理結(jié)構(gòu)解剖圖。,圖9-2 人耳的生理結(jié)構(gòu)和構(gòu)造剖示圖,2．臨界頻帶對基底膜的研究表明：人耳中大約包含有30，000個沿著基底膜排列的多列絨毛細(xì)胞，每列大約32mm長，這就是所說的螺旋器。,Bark(以德國的物理學(xué)家Geory Heinrich Barkhausen的名字命名的)是感知頻率的單位。

3、我們用Bark來度量臨界頻帶的比值，一個臨界頻帶具有一個Bark的寬度，1/100Bark相當(dāng)于1美。音調(diào)定位理論進一步解釋了基底膜的作用。,9.1.3 聽覺閾和掩蔽人耳聽覺閾范圍內(nèi)臨界頻帶的例子說明了隨著絕對頻率的增高，臨界頻帶也增寬。影響人聽力的兩個基本現(xiàn)象是最小聽覺閾和掩蔽。聽覺閾曲線描述的是人耳對某一給定頻率的音調(diào)音能夠檢測或聽到的最低聲級。,當(dāng)某一音調(diào)音使其附近的頻率區(qū)域的聽覺閾的閾值曲線向上推移時，就說明

4、產(chǎn)生了幅度掩蔽。基底膜的機理可以解釋掩蔽現(xiàn)象。當(dāng)聲音發(fā)聲在時間上很接近，但不是同時的時候會發(fā)生瞬時掩蔽。一個信號可以被在此之后發(fā)生的另一個信號(或噪聲)所掩蔽，這稱為預(yù)掩蔽(有時也稱為后向掩蔽)。,另外，在一個信號開始之前結(jié)束的另一個信號(或噪聲)也可以掩蔽這個信號，這稱為后掩蔽(有時也稱為前向掩蔽)。瞬態(tài)掩蔽理論認(rèn)為：大腦對一段時間內(nèi)的聲音進行積分處理，并且在聽覺皮層上處理脈沖形式的信息；另外，大腦處理強的聲音要快于弱的聲音。

5、,9.2 聲頻數(shù)據(jù)壓縮編碼,數(shù)據(jù)壓縮編碼器就是在量化誤差最小的同時，以壓縮的數(shù)據(jù)率來表示聲頻信號。頻域編碼器有兩種類型：子帶和變換編碼器。一般而言，子帶編碼器具有出色的時間分辨率，但頻率分辨率差；而變換編碼器有出色的頻率分辨率，但時間分辨率差。,子帶和變換編碼都是針對一定的采樣塊進行工作的。該采樣塊必須保持短一點，以使其處在人耳的瞬態(tài)分辨率之內(nèi)。,9.2.1 感知編碼的原理所有數(shù)據(jù)壓縮系統(tǒng)的目的就是減低數(shù)據(jù)率、采樣頻率和

6、字長，這一目的可以通過降低采樣頻率來達(dá)到。但是，奈奎斯特理論指出，采樣頻率的降低相應(yīng)地也會減小聲頻帶寬的高端頻率。另一種方法是減少字長，但是這會造成聲頻信號動態(tài)范圍的下降，每減少一比特，動態(tài)范圍減小6dB，因此造成量化噪聲的增加。,9.2.2 子帶編碼子帶編碼是由貝爾實驗室于20世紀(jì)80年代初首先提出的，并在此后的十年內(nèi)歐洲對此進行了不間斷的研究工作。其中，圖(a)所示的為高分辨率的窄帶采樣；圖(b)所示的為歸一化和被比特率

7、壓縮的子帶采樣；圖(c)所示的為重建的帶有被掩蔽的本底噪聲的采樣。,圖9-9 子帶編碼原理框圖,解碼器利用量化的數(shù)據(jù)來重新構(gòu)成每個塊中的采樣，利用一個反向合成濾波器組將子帶信號相加來重建寬帶的輸出信號。其中，圖(a)所示的為24個頻帶的子帶濾波器的輸出；圖(b)所示的為計算每個子帶的平均電平；圖(c)所示的為計算每個子帶的掩蔽級；圖(d)所示的為聞閾之下的子帶不進行編碼，聞閾之上的頻帶進行編碼；圖(e)所示的為根據(jù)掩蔽閾之上的峰值電

8、平情況進行比特分配。,圖9-10 子帶編碼示意圖,9.2.3 變換編碼在變換編碼中，時域聲頻采樣塊被轉(zhuǎn)換到了頻域。編碼器可以采用諸如離散傅立葉變換(DFT)方法——快速傅立葉變換(FFT)來進行變換，或者采用改進的離散余弦變換(MDCT)來進行變換。時域采樣被變換到頻域，會產(chǎn)生譜系數(shù)。其中的系數(shù)數(shù)目有時被稱為頻率箱(Bin)數(shù)目，,9.3 聲頻壓縮標(biāo)準(zhǔn),9.3.1 MP EG-1聲頻壓縮標(biāo)準(zhǔn)國際標(biāo)準(zhǔn)化組織(I

9、SO)和國際電工委員會(IEC)組成的活動圖像專家組(MPEG)頒布了ISO/IEC11172國際標(biāo)準(zhǔn)“對以1.5Mbits/s左右數(shù)據(jù)率進行的數(shù)字存儲媒體的活動圖像和相應(yīng)聲頻的編碼”，它用來對數(shù)字視頻和聲頻信號進行數(shù)據(jù)率壓縮，它于1992年11月最終定稿，即通常所稱的MPEG-1。,MPEG-1標(biāo)準(zhǔn)是專門開發(fā)用來支持在1.41Mbit/s的CD帶寬上進行CD質(zhì)量重放的聲頻和視頻編碼的。MUSICAM(掩蔽型通用子帶綜合編碼和復(fù)用)

10、是早期開發(fā)的一種成功的感知編碼算法，它是由MASCAM(掩蔽型自適應(yīng)子帶編碼和復(fù)用)派生出來的。MUSCAM將輸入的聲頻信號分成32個子帶，并利用最小聽閾和掩蔽創(chuàng)建的編碼模型來取得數(shù)據(jù)壓縮。,在復(fù)雜性和編碼延時方面，MUSICAM是相當(dāng)不錯的。1．MPEG-1層Ⅰ層Ⅰ可以說是MUSICAM標(biāo)準(zhǔn)的簡化版本，層Ⅰ單通道編碼器和解碼器的框圖(也適用于層Ⅱ)如圖9-15所示。,圖9-15 MPEG-1層Ⅰ或?qū)英虻穆曨l編碼器和解碼器,

11、2．MPEG-1層Ⅱ層Ⅱ基本上與最初的MUSICAM標(biāo)準(zhǔn)相一致(幀的字頭不同)，所以與層Ⅰ相類似，但在設(shè)計上較層Ⅰ更復(fù)雜精密一些。,3．MPEG-1層Ⅲ層Ⅲ結(jié)合了與MUSICAM和ASPEC一樣的基本要素，并且較層Ⅰ和層Ⅱ更加復(fù)雜。它可以以非常低的數(shù)據(jù)率和稍高一點的成本為代價，來得到適度保真度的音質(zhì)。它的文件就是所說的MP3文件。分配控制算法采用了動態(tài)量化，噪聲分配迭代環(huán)路被用來計算并優(yōu)化每個子帶的最佳量化噪聲，這稱之為

12、噪聲分配，這與比特分配相對應(yīng)。,4．心理聲學(xué)模型MPEG-1標(biāo)準(zhǔn)提供了兩個心理聲學(xué)模型，它們決定了不可聞的最低掩蔽閾。最大信號電平與掩蔽閾間的差值由比特分配器利用來設(shè)定量化級。,5．MPEG-1的特性與性能MPEG-1各層支持采用強度編碼的立體聲結(jié)合編碼。MPEG-1聲頻數(shù)據(jù)是成幀傳送的，如圖9-18所示。,圖9-18 MPEG-1聲頻層Ⅰ，Ⅱ和Ⅲ比特流的結(jié)構(gòu),MPEG-Surround(MPEG-環(huán)繞聲)是MPEG

13、標(biāo)準(zhǔn)的進一步延伸，它利用了通道間冗余的特點，對5.1聲道進行編碼。MPEG-Surround(MPEG-環(huán)繞聲)是MPEG標(biāo)準(zhǔn)的進一步延伸，它利用了通道間冗余的特點，對5.1聲道進行編碼。,9.3.2 MPEG-2聲頻標(biāo)準(zhǔn)MEPG-2的聲頻標(biāo)準(zhǔn)(ISO/IEC DIS 13818-3)是在原MEPG-1聲頻標(biāo)準(zhǔn)(ISO/IEC11172-3)的基礎(chǔ)上發(fā)展起來的。MPEG-2的成功之處就在于它在低比特率情況下對音質(zhì)的提高和

14、對聲音信號空間表現(xiàn)的改善，這其中包括多聲道立體聲(環(huán)繞聲)和多語種節(jié)目。,1．低采樣頻率算法為了在低于64kbit/s的低取樣頻率下能得到高質(zhì)量質(zhì)量聲音，相對于MPEG-Ⅰ標(biāo)準(zhǔn)，采用了三個新取樣頻率：16kHz，22.05kHz和24kHz。,2．多聲道/多語種算法它是為了將MPEG-Ⅰ標(biāo)準(zhǔn)與三聲道以上的多聲道聲頻及多語種聲頻相對應(yīng)而引入的。它的一個特點是與MPEG-Ⅰ標(biāo)準(zhǔn)具有兼容性。(1)多聲道格式多聲道輸入聲

15、頻信號如表9-4所示，共有9種，有7種輸出可與之對應(yīng)。,(2)MPEG-Ⅰ的前向/后向兼容性多聲道方式具有與MPEG-Ⅰ的后向兼容性，這是非常重要的。,9.3.3 AC-1，AC-2和AC-3AC-1立體聲編碼器采用了自適應(yīng)增量調(diào)制及模擬壓擴技術(shù)，它并不是感知編碼器。AC-1編碼器可將20kHz帶寬的立體聲聲頻信號編碼為512kbit/s的比特流(大約為3∶1的壓縮)，它應(yīng)用于電視的衛(wèi)星中繼、FM節(jié)目的衛(wèi)星中繼和有線廣播業(yè)

16、務(wù)。AC-2立體聲編碼器是一種采用了低復(fù)雜程度塊變換的感知編碼器。,AC-2編碼器可在256kbit/s的數(shù)據(jù)率下提供高質(zhì)量的聲音。AC-3算法是AC-2編碼格式的一個分支，這種感知編碼器可以對左、中、右、左環(huán)繞、右環(huán)繞和一個重低音聲道，即5.1聲道進行多聲道環(huán)繞聲格式的編碼。另外，AC-3使用了對白電平控制，以便使所有節(jié)目和聲道的對白重放電平是一致的。,AC-3采用了混合型的后向/前向自適應(yīng)性比特分配。在AC-3編碼器中，

17、512個采樣的數(shù)據(jù)塊被采集，并且通過3Hz的高通濾波處理，以消除直流偏置，并用帶通濾波器進行分解以檢測出瞬態(tài)。核心比特分配算法將解碼的譜包絡(luò)視為信號的功率譜密度(Power Spectral Density，PSD)。,一個AC-3幀包含有一個同步區(qū)、頁頭、被量化了頻率系數(shù)的聲頻數(shù)據(jù)和CRCC誤碼校驗數(shù)據(jù)，48kHz采樣頻率的幀周期為32ms。在對電影進行編碼時，AC-3稱為杜比立體聲數(shù)字(Dolby Stereo Digital)