13.1數(shù)字音頻編碼概述3.2常用數(shù)字音頻編碼技術(shù)3.3MPEG-1音頻編碼標(biāo)準(zhǔn)3.4MPEG-2音頻編碼標(biāo)準(zhǔn)3.5MPEG-4音頻編碼標(biāo)準(zhǔn)3.6EnhancedaacPlus編碼技術(shù)3.7中國(guó)制定的音頻編碼標(biāo)準(zhǔn)3.8新一代環(huán)繞多聲道音頻編碼格式

第3章數(shù)字音頻壓縮編碼熟悉數(shù)字音頻壓縮編碼的機(jī)理。了解音頻編解碼器的性能指標(biāo)和重建音頻質(zhì)量的評(píng)價(jià)方法。熟悉數(shù)字音頻編碼的基本方法及分類。掌握感知音頻編碼的基本原理，理解子帶編碼的基本思想。重點(diǎn)掌握MPEG-1、MPEG-2AAC的音頻編解碼原理。了解AVS音頻立體聲編解碼的原理和DRA多聲道數(shù)字音頻編解碼的原理。了解新一代環(huán)繞多聲道音頻編碼格式。本章學(xué)習(xí)目標(biāo)3.1.1音頻信號(hào)的分類3.1.2數(shù)字音頻壓縮編碼的機(jī)理3.1.3音頻編解碼器的性能指標(biāo)3.1.4數(shù)字音頻編碼技術(shù)的分類3.1.5數(shù)字音頻編碼標(biāo)準(zhǔn)概述3.1數(shù)字音頻編碼概述聲音信號(hào)按頻率劃分：次聲波音頻信號(hào)超聲波<20Hz20～20000Hz>20000Hz3.1.1音頻信號(hào)的分類女性語(yǔ)音150Hz～10000Hz電話語(yǔ)音200Hz～3400Hz調(diào)幅廣播(AM)50Hz～7000Hz調(diào)頻廣播(FM)20Hz～15000Hz高保真音響10Hz～20000Hz男性語(yǔ)音100Hz～9000Hz聲音的質(zhì)量與它所占用的頻帶寬度有關(guān)。3.1.1音頻信號(hào)的分類■數(shù)字音頻壓縮的必要性

例：計(jì)算1分鐘雙聲道、16bit量化精度、44.1kHz采樣頻率聲音的不壓縮的數(shù)據(jù)量是多少？1秒鐘聲音文件的數(shù)據(jù)量（不壓縮）：3.1.2數(shù)字音頻壓縮編碼的機(jī)理從信息保持的角度講,只有當(dāng)信源本身具有冗余度,才能對(duì)其進(jìn)行壓縮。信號(hào)一部分可由另一部分重建或可用另外表達(dá)形式簡(jiǎn)單說(shuō)明，稱為信號(hào)有冗余。音頻信號(hào)存在著多種形式的冗余。時(shí)域冗余頻域冗余聽(tīng)覺(jué)冗余去除冗余實(shí)現(xiàn)壓縮編碼。3.1.2數(shù)字音頻壓縮編碼的機(jī)理音頻信號(hào)的時(shí)域冗余幅度分布的非均勻性小幅度樣本出現(xiàn)的頻率高樣值之間的相關(guān)性當(dāng)采樣頻率為8kHz時(shí)，相鄰樣本間的相關(guān)系數(shù)大于0.85；周期之間的相關(guān)性在特定瞬間，某段聲音往往只是總頻帶300~3400Hz的少數(shù)幾個(gè)頻率分量在起作用

象某些振蕩波一樣，在周期與周期之間存在一定的相關(guān)性基音之間的相關(guān)性男聲基音周期為5~20ms，而典型的濁音持續(xù)100ms靜止系數(shù)（話音間隙）全雙工話路的典型效率約為40%（靜止系數(shù)為0.6）長(zhǎng)時(shí)自相關(guān)性如幾十秒內(nèi)的相關(guān)性‘1’‘2’例:語(yǔ)音信號(hào)的時(shí)域冗余基音周期(音調(diào)周期)一個(gè)單音‘1’從頻域考察音頻信號(hào)的功率譜密度：非均勻的長(zhǎng)時(shí)間功率譜密度長(zhǎng)時(shí)間功率譜呈現(xiàn)強(qiáng)烈的非平坦性，高頻能量較低

時(shí)域上相鄰樣本相關(guān)。語(yǔ)音特有的短時(shí)功率譜密度語(yǔ)音的短時(shí)功率譜，在某些頻率出現(xiàn)峰值（該頻率稱為共振峰頻率），在另外一些頻率上出現(xiàn)谷值。出現(xiàn)共振峰的頻率不止一個(gè)，最主要的是前兩個(gè)，決定了不同的語(yǔ)音特征。整個(gè)譜也隨頻率增加而遞減。功率譜的細(xì)節(jié)以基音頻率為基礎(chǔ)，形成高次諧波結(jié)構(gòu)。音頻信號(hào)的頻域冗余音頻信號(hào)的短時(shí)功率譜濁音清音人耳的聽(tīng)覺(jué)感知機(jī)理人耳的聽(tīng)覺(jué)具有掩蔽效應(yīng)（MaskingEffect），利用掩蔽效應(yīng)來(lái)掩蓋量化失真人耳對(duì)音頻信號(hào)的幅度、頻率的分辨能力是有限的人耳對(duì)不同頻段聲音的敏感程度不同，通常對(duì)低頻比對(duì)高頻更敏感人耳對(duì)語(yǔ)音信號(hào)的相位不敏感凡是人耳感覺(jué)不到的成分，即對(duì)人耳辨別聲音的強(qiáng)度、音調(diào)、方位沒(méi)有貢獻(xiàn)的成分，稱為與聽(tīng)覺(jué)無(wú)關(guān)的“不相關(guān)”（Irrelevance）部分，都可視為是冗余的，可以將它們壓縮掉。音頻信號(hào)的聽(tīng)覺(jué)冗余數(shù)字音頻壓縮編碼的目的

數(shù)字音頻壓縮編碼的目的，是在保證重構(gòu)聲音質(zhì)量一定的前提下，以盡量少的比特?cái)?shù)來(lái)表征音頻信息，或者是在給定的數(shù)碼率下，使得解碼恢復(fù)出的重構(gòu)聲音的質(zhì)量盡可能高。1、重建音頻質(zhì)量及其評(píng)價(jià)方法

用于評(píng)價(jià)重建音頻質(zhì)量的方法可分為：主觀評(píng)價(jià)和客觀評(píng)價(jià)兩類。

3.1.3音頻編/解碼器的性能指標(biāo)主觀評(píng)價(jià)方法又分為：可懂度評(píng)價(jià)方法判斷韻字測(cè)試（DRT）改進(jìn)的韻字測(cè)試音質(zhì)的評(píng)價(jià)方法平均意見(jiàn)得分（MOS）判斷滿意度測(cè)量（DAM）MUSHRA客觀評(píng)價(jià)方法又分為：時(shí)域測(cè)度評(píng)價(jià)方法信噪比加權(quán)信噪比平均分段信噪比頻域測(cè)度評(píng)價(jià)方法巴克譜失真測(cè)度美爾譜失真測(cè)度……評(píng)價(jià)方法主觀評(píng)價(jià)

可懂度評(píng)價(jià)音質(zhì)評(píng)價(jià)平均意見(jiàn)得分（MOS）判斷滿意度測(cè)量（DAM）客觀評(píng)價(jià)計(jì)算較簡(jiǎn)單，但沒(méi)有考慮實(shí)際情況，故適用于高數(shù)碼率語(yǔ)音編碼質(zhì)量的評(píng)價(jià)3.1.3音頻編/解碼器的性能指標(biāo)2、數(shù)碼率（比特速率）

降低數(shù)碼率往往是語(yǔ)音編碼的首要目標(biāo)。數(shù)碼率越低，壓縮效率越高。

語(yǔ)音編碼器分成兩類：固定速率編碼器和可變速率編碼器。

現(xiàn)有大部分編碼標(biāo)準(zhǔn)都是固定速率編碼，其范圍為0.8kbit/s~64kbit/s。

可變速率編碼是近年來(lái)出現(xiàn)的新技術(shù)：兩方通話大約只有40%的時(shí)間是真正有聲音的，因此可采用通/斷二狀態(tài)編碼。

通狀態(tài)對(duì)應(yīng)有聲期，采用固定速率編碼；斷狀態(tài)對(duì)應(yīng)無(wú)聲期，傳送極低比特速率信息（如背景噪聲特征等），甚至不傳送任何信息。

3.1.3音頻編/解碼器的性能指標(biāo)3、算法的復(fù)雜度

一般而言，在音頻質(zhì)量相同的情況下，數(shù)碼率越低，算法復(fù)雜度越高。編/解碼算法的復(fù)雜度與硬件的實(shí)現(xiàn)有很密切關(guān)系，它決定了硬件實(shí)現(xiàn)的復(fù)雜程度、功耗和成本。算法的復(fù)雜度包括兩個(gè)方面：運(yùn)算復(fù)雜度和內(nèi)存容量要求。

3.1.3音頻編/解碼器的性能指標(biāo)4、編/解碼時(shí)延

編/解碼延時(shí)一般用單次編/解碼所需的時(shí)間來(lái)表示，在實(shí)時(shí)語(yǔ)音通信系統(tǒng)中，語(yǔ)音編/解碼延時(shí)同線路傳輸延時(shí)的作用一樣，對(duì)系統(tǒng)的通信質(zhì)量有很大影響。過(guò)長(zhǎng)的語(yǔ)音延時(shí)會(huì)使通信雙方產(chǎn)生交談困難，而且會(huì)產(chǎn)生明顯的回聲而干擾人的正常思維。因此，在實(shí)時(shí)語(yǔ)音通信系統(tǒng)中，必須對(duì)語(yǔ)音編/解碼算法的編/解碼延時(shí)提出一定的要求。對(duì)于公用電話網(wǎng)，編/解碼延時(shí)通常要求不超過(guò)5~10ms；而對(duì)于移動(dòng)蜂窩通信系統(tǒng)，允許最大延時(shí)不超過(guò)100ms。

3.1.3音頻編/解碼器的性能指標(biāo)5、其他性能

音頻編碼的其他性能還包括音頻編碼對(duì)多語(yǔ)種的通用性、抗隨機(jī)誤碼和突發(fā)誤碼能力、抗丟包和丟幀能力、誤碼容限、級(jí)聯(lián)或轉(zhuǎn)碼能力、對(duì)不同信號(hào)的編碼能力、算法可擴(kuò)展性等。

音頻編碼方法無(wú)損編碼有損編碼Huffman編碼游程編碼波形編碼參數(shù)編碼矢量和激勵(lì)線性預(yù)測(cè)VSELP多脈沖線性預(yù)測(cè)MP-LPC碼本激勵(lì)線性預(yù)測(cè)CELP線性預(yù)測(cè)LPC矢量量化子帶編碼自適應(yīng)變換編碼ATC心理學(xué)模型全頻帶編碼PCMDPCMADPCM混合編碼3.1.4數(shù)字音頻編碼技術(shù)的分類1.波形編碼

波形編碼是指直接對(duì)音頻信號(hào)的波形采樣值進(jìn)行處理，通過(guò)靜音檢測(cè)、預(yù)測(cè)、非線性量化等手段進(jìn)行壓縮編碼。它主要利用音頻樣值的幅度分布規(guī)律和相鄰樣值間的相關(guān)性進(jìn)行壓縮，目標(biāo)是力圖使重建后的音頻信號(hào)的波形與原音頻信號(hào)波形保持一致。由于這種編碼系統(tǒng)保留了信號(hào)原始樣值的細(xì)節(jié)變化，從而保留了信號(hào)的各種過(guò)渡特征。它具有以下特點(diǎn)：●通用性好，適用于任意類型的數(shù)字聲音；●技術(shù)成熟，算法復(fù)雜度低，容易實(shí)現(xiàn)，編/解碼延時(shí)短；●重建聲音信號(hào)質(zhì)量一般較高；●壓縮效率不高。1.波形編碼

常見(jiàn)的時(shí)域波形編碼方法：脈沖編碼調(diào)制（PCM）增量調(diào)制（DeltaModulation，DM）自適應(yīng)增量調(diào)制（ADM）自適應(yīng)差分脈沖編碼調(diào)制（ADPCM）子帶編碼（Sub-bandCoding，SBC）矢量量化（VQ）編碼參數(shù)編碼技術(shù)以語(yǔ)音信號(hào)產(chǎn)生的數(shù)學(xué)模型為基礎(chǔ)，從輸入的語(yǔ)音信號(hào)中分析、提取出表征聲門振動(dòng)的激勵(lì)參數(shù)和表征聲帶頻譜特性的濾波器系數(shù)，并對(duì)這些參量進(jìn)行量化編碼。在解碼端，則根據(jù)這些模型參數(shù)來(lái)恢復(fù)語(yǔ)音。參數(shù)編碼算法并不忠實(shí)地反映輸入語(yǔ)音的原始波形，而是著眼于人耳的聽(tīng)覺(jué)特性，確保解碼語(yǔ)音的可懂度和清晰度?；谶@種編碼技術(shù)的編碼系統(tǒng)一般稱之為聲碼器，主要用在窄帶信道上提供4.8kbit/s以下的低速率語(yǔ)音通信和一些對(duì)時(shí)延要求較寬的場(chǎng)合。參數(shù)編碼的典型代表是線性預(yù)測(cè)編碼（LinearPredictiveCoder，LPC）。2.參數(shù)編碼

混合編碼兼具波形編碼和參數(shù)編碼的特征一方面，它要對(duì)聲音信號(hào)建立描述模型并對(duì)模型參數(shù)進(jìn)行計(jì)算和編碼，具有參數(shù)編碼的特征；另一方面，它還要對(duì)原始信號(hào)波形與重建信號(hào)波形的誤差進(jìn)行編碼，以使最終重建波形和原始波形更加接近，具有波形編碼的特征。典型的混合編碼方法：規(guī)則脈沖激勵(lì)-長(zhǎng)時(shí)預(yù)測(cè)（RPE-LTP）編碼碼激勵(lì)線性預(yù)測(cè)（CELP）編碼矢量和激勵(lì)線性預(yù)測(cè)（VSELP）編碼代數(shù)碼本激勵(lì)線性預(yù)測(cè)（ACELP）編碼多脈沖線性預(yù)測(cè)（MP-LPC）編碼3.混合編碼各種編碼技術(shù)的數(shù)碼率和語(yǔ)音質(zhì)量

數(shù)字音頻編碼標(biāo)準(zhǔn)主要包括CCITT（ITU-T）制定的G.7xx系列和ISO/IEC制定的MPEG-x系列標(biāo)準(zhǔn)。

電話質(zhì)量的語(yǔ)音壓縮標(biāo)準(zhǔn)調(diào)幅廣播質(zhì)量的音頻壓縮標(biāo)準(zhǔn)高保真立體聲音頻壓縮標(biāo)準(zhǔn)3.1.5數(shù)字音頻編碼標(biāo)準(zhǔn)概述1.電話質(zhì)量的語(yǔ)音壓縮標(biāo)準(zhǔn)

G.711標(biāo)準(zhǔn):是在1972年提出的，它是為脈沖編碼調(diào)制（PCM）制定的標(biāo)準(zhǔn)。從壓縮編碼的評(píng)價(jià)來(lái)看，這種編碼方法的語(yǔ)音質(zhì)量最好，算法延遲幾乎可以忽略不計(jì)，但缺點(diǎn)是壓縮率很有限。G.711是針對(duì)電話質(zhì)量的窄帶話音信號(hào)，頻率范圍是0.3~3.4kHz，采樣頻率采用8kHz，每個(gè)采樣樣值用8位二進(jìn)碼編碼，其速率為64kbit/s。標(biāo)準(zhǔn)推薦采用非線性壓縮擴(kuò)張技術(shù)，壓縮方式有A律和μ律兩種。由于使用了壓縮擴(kuò)張技術(shù)，其編碼方式為非線性編碼，而其編碼質(zhì)量卻與11比特線性量化編碼質(zhì)量相當(dāng)。在5級(jí)的MOS評(píng)價(jià)等級(jí)中，其評(píng)分等級(jí)達(dá)到4.3，話音質(zhì)量很好。編解碼延時(shí)只有0.125ms，可以忽略不計(jì)。算法的復(fù)雜度是最低的。

G.721標(biāo)準(zhǔn):用于64kbit/s（A或μ律壓擴(kuò)技術(shù)）的PCM語(yǔ)音信號(hào)與32kbit/s的ADPCM語(yǔ)音信號(hào)之間的轉(zhuǎn)換，由CCITT在1984年制定。利用G.721可以實(shí)現(xiàn)對(duì)已有PCM的信道進(jìn)行擴(kuò)容，即把2個(gè)2048kbit/s（30路）PCM基群信號(hào)轉(zhuǎn)換成一個(gè)2048kbit/s（60路）ADPCM信號(hào)。此標(biāo)準(zhǔn)采用自適應(yīng)脈沖編碼調(diào)制(ADPCM)技術(shù)，語(yǔ)音信號(hào)的采樣頻率為8kHz，對(duì)樣值與其預(yù)測(cè)值的差值進(jìn)行4bit編碼，其速率為32kbit/s。語(yǔ)音評(píng)價(jià)等級(jí)達(dá)到4.0（MOS），質(zhì)量也很好。系統(tǒng)延時(shí)為0.125ms，可忽略不計(jì)。1.電話質(zhì)量的語(yǔ)音壓縮標(biāo)準(zhǔn)圖中，A律或μ律PCM輸入信號(hào)轉(zhuǎn)換成均勻PCM。差分信號(hào)等于均勻PCM輸入信號(hào)與預(yù)測(cè)信號(hào)之差?！白赃m應(yīng)量化器”用4位二進(jìn)制數(shù)表示差分信號(hào)，但只用15個(gè)數(shù)(即15個(gè)量級(jí))來(lái)表示差分信號(hào)，以防止出現(xiàn)全“0”信號(hào)。“逆自適應(yīng)量化器”從這4位相同的代碼中產(chǎn)生量化差分信號(hào)。預(yù)測(cè)信號(hào)和這個(gè)量化差分信號(hào)相加產(chǎn)生重構(gòu)信號(hào)。“自適應(yīng)預(yù)測(cè)器”根據(jù)重構(gòu)信號(hào)和量化差分信號(hào)產(chǎn)生輸入信號(hào)的預(yù)測(cè)信號(hào)，這樣就構(gòu)成了一個(gè)負(fù)反饋回路。1.電話質(zhì)量的語(yǔ)音壓縮標(biāo)準(zhǔn)

G.728標(biāo)準(zhǔn)：CCITT于1992年制定了G.728標(biāo)準(zhǔn)，該標(biāo)準(zhǔn)所涉及的音頻信息主要是應(yīng)用于公共電話網(wǎng)中的。G.728是LPAS聲碼器，數(shù)碼率為16kbit/s，質(zhì)量與速率為32kbit/s的G.721標(biāo)準(zhǔn)相當(dāng)。該標(biāo)準(zhǔn)采用的壓縮算法是低延時(shí)碼激勵(lì)線性預(yù)測(cè)（LD-CELP）方式。線性預(yù)測(cè)器使用的是反饋型后向自適應(yīng)技術(shù)，預(yù)測(cè)器系數(shù)是根據(jù)上幀的語(yǔ)音量化數(shù)據(jù)進(jìn)行更新的，因此算法延時(shí)較短，只有625μm，即5個(gè)抽樣點(diǎn)的時(shí)間，此即為G.728聲碼器碼流的幀長(zhǎng)。此編碼方案是對(duì)所有采樣值以矢量為單位進(jìn)行處理的，并且采用了線性預(yù)測(cè)和增益自適應(yīng)方法。G.728的碼本總共有1024個(gè)矢量，即量化值需要10個(gè)比特，因此其數(shù)碼率為10/0.625=16kbit/s。1.電話質(zhì)量的語(yǔ)音壓縮標(biāo)準(zhǔn)1.電話質(zhì)量的語(yǔ)音壓縮標(biāo)準(zhǔn)

G.728標(biāo)準(zhǔn)編碼框圖

G.729標(biāo)準(zhǔn)：是ITU-T為低碼率應(yīng)用而制定的語(yǔ)音壓縮標(biāo)準(zhǔn)。G.729標(biāo)準(zhǔn)的碼率只有8kbit/s，其壓縮算法相比其它算法來(lái)說(shuō)比較復(fù)雜，采用的基本算法仍然是碼激勵(lì)線性預(yù)測(cè)（CELP：CodeExcitationLinearPrediction）技術(shù)。為了使合成語(yǔ)音的質(zhì)量有所提高，在此算法中也采取了一些新措施，所以其具體算法也比CELP方法復(fù)雜。G.729標(biāo)準(zhǔn)采用的算法稱作共軛結(jié)構(gòu)代數(shù)碼激勵(lì)線性預(yù)測(cè)（CS-ACELP：ConjugateStructureAlgebraicCodeExcitedLinearPrediction）。ITU-T制定的G.729標(biāo)準(zhǔn)，其主要應(yīng)用目標(biāo)是第一代數(shù)字移動(dòng)蜂窩移動(dòng)電話，對(duì)不同的應(yīng)用系統(tǒng)，其速率也有所不同，日本和美國(guó)的系統(tǒng)速率為8kbit/s左右，GSM系統(tǒng)的速率為13kbit/s。由于應(yīng)用在移動(dòng)系統(tǒng)，因此復(fù)雜程度要比G.728低，為中等復(fù)雜程度的算法。由于其幀長(zhǎng)時(shí)間加大了，所需的RAM容量比G.728多一半。1.電話質(zhì)量的語(yǔ)音壓縮標(biāo)準(zhǔn)

G.723.1標(biāo)準(zhǔn)：G.723.1音頻壓縮標(biāo)準(zhǔn)是已頒布的音頻編碼標(biāo)準(zhǔn)中碼率較低的，G.723.1語(yǔ)音壓縮編碼是一種用于各種網(wǎng)絡(luò)環(huán)境下的多媒體通信標(biāo)準(zhǔn)，編碼速率根據(jù)實(shí)際的需要有兩種，分別為5.3kbit/s和6.3kbit/s。G.723.1標(biāo)準(zhǔn)是國(guó)際電信聯(lián)盟（ITU-T）于1996年制定的多媒體通信標(biāo)準(zhǔn)中的一個(gè)組成部分，可以應(yīng)用于IP電話、H.263會(huì)議電視系統(tǒng)等通信系統(tǒng)中。其中，5.3kbit/s碼率編碼器采用多脈沖最大似然量化技術(shù)（MP-MLQ），6.3kbit/s碼率編碼器采用代數(shù)碼激勵(lì)線性預(yù)測(cè)技術(shù)（ACELP）。G.723.1標(biāo)準(zhǔn)的編碼流程比較復(fù)雜，但基本概念仍基于CELP編碼器，并結(jié)合了分析／合成的編碼原理，使其在高壓縮率情況下仍保持良好的音質(zhì)。1.電話質(zhì)量的語(yǔ)音壓縮標(biāo)準(zhǔn)1.電話質(zhì)量的語(yǔ)音壓縮標(biāo)準(zhǔn)

G.723.1標(biāo)準(zhǔn)編碼框圖2.調(diào)幅廣播質(zhì)量的音頻壓縮標(biāo)準(zhǔn)

調(diào)幅廣播質(zhì)量：頻帶為50Hz－7kHz，稱“7kHz音頻信號(hào)”。

若使用16kHz的采樣頻率和14位的量化位數(shù)，則調(diào)幅廣播的數(shù)據(jù)速率為224kbit/s，1988年ITU制定了G.722標(biāo)準(zhǔn)把數(shù)據(jù)速率壓縮成64kbit/s。

G.722標(biāo)準(zhǔn)的數(shù)碼率保持64kbit/s，但音頻信號(hào)采樣頻率由8kHz提高到16kHz，是G.711PCM采樣頻率的2倍，因而被編碼信號(hào)的頻率由原來(lái)的3.4kHz擴(kuò)展到7kHz。這就使音頻信號(hào)的質(zhì)量有很大改善，由數(shù)字電話的話音質(zhì)量提高到調(diào)幅(AM)無(wú)線電廣播的質(zhì)量。對(duì)話音信號(hào)質(zhì)量來(lái)說(shuō)，提高采樣頻率并無(wú)多大改善，但對(duì)音樂(lè)一類信號(hào)來(lái)說(shuō)，其質(zhì)量卻有很大提高。G.722標(biāo)準(zhǔn)G.722編譯碼系統(tǒng)采用子帶自適應(yīng)差分脈沖編碼調(diào)制(sub-bandadaptivedifferentialpulsecodemodulation，SB-ADPCM)技術(shù)。在G.722編譯碼系統(tǒng)中，用正交鏡像濾波器將頻帶分為高、低兩個(gè)獨(dú)立的子帶信道分別采用差分脈碼調(diào)制算法編碼，再混合形成輸出碼流。高、低兩子帶編譯碼器都采用8kHz采樣頻率，但分別分配2位和6位表示樣本值，最終數(shù)碼率為64kbit/s。2.調(diào)幅廣播質(zhì)量的音頻壓縮標(biāo)準(zhǔn)

在某些應(yīng)用場(chǎng)合中，也許希望從64kbit/s信道中讓出一部分信道用來(lái)傳送其它的數(shù)據(jù)。因此，G.722定了三種音頻信號(hào)傳送方式。北美洲的信息限制音頻信號(hào)速率為56kbit/s，因此有8kbit/s的數(shù)據(jù)率用來(lái)傳送附加數(shù)據(jù)。方式7kHz音頻信號(hào)編碼比特速率附加數(shù)據(jù)信道比特速度164kbit/s0kbit/s256kbit/s8kbit/s348kbit/s16kbit/s2.調(diào)幅廣播質(zhì)量的音頻壓縮標(biāo)準(zhǔn)G.722

標(biāo)準(zhǔn)G.722SB-ADPCM編譯碼器G.722SB-ADPCM編譯碼器方框圖

3.高保真立體聲音頻壓縮標(biāo)準(zhǔn)

高保真的音頻信號(hào)頻率范圍：20Hz－20kHz

目前國(guó)際上比較成熟的高質(zhì)量聲音壓縮標(biāo)準(zhǔn)為MPEG音頻標(biāo)準(zhǔn)。

MPEG標(biāo)準(zhǔn)由ISO/IEC標(biāo)準(zhǔn)組織的MPEG（活動(dòng)圖像專家組）制定。

3.1數(shù)字音頻編碼概述3.2常用數(shù)字音頻編碼技術(shù)3.3MPEG-1音頻編碼標(biāo)準(zhǔn)3.4MPEG-2音頻編碼標(biāo)準(zhǔn)3.5MPEG-4音頻編碼標(biāo)準(zhǔn)3.6EnhancedaacPlus編碼技術(shù)3.7中國(guó)制定的音頻編碼標(biāo)準(zhǔn)3.8新一代環(huán)繞多聲道音頻編碼格式

第3章數(shù)字音頻壓縮編碼3.2.1線性預(yù)測(cè)編碼3.2.2矢量量化3.2.3CELP編碼3.2.4感知編碼3.2.5子帶編碼3.2.6相干聲學(xué)編碼3.2.7MLP無(wú)損音頻編碼

3.2常用數(shù)字音頻編碼技術(shù)3.2.1線性預(yù)測(cè)編碼參數(shù)編碼的基礎(chǔ)是人類語(yǔ)音的生成模型。語(yǔ)音學(xué)和醫(yī)學(xué)的研究結(jié)果表明，人類發(fā)音器官產(chǎn)生聲音的過(guò)程可以用一個(gè)數(shù)學(xué)模型來(lái)逼近。人的語(yǔ)音發(fā)聲過(guò)程是：氣流從肺呼出后經(jīng)過(guò)聲門時(shí)受聲帶作用，形成激勵(lì)氣流，再經(jīng)過(guò)由口腔、鼻腔和嘴組成的聲道的作用而發(fā)出語(yǔ)音。從聲門出來(lái)的氣流相當(dāng)于激勵(lì)信號(hào)，而聲道可以等效成一個(gè)全極點(diǎn)濾波器，稱為聲道濾波器或合成濾波器。不同語(yǔ)音是由于發(fā)音器官中的聲音激勵(lì)源和口腔聲道的形狀不同引起的。1.語(yǔ)音生成模型3.2.1線性預(yù)測(cè)編碼在講話過(guò)程中激勵(lì)信號(hào)和濾波器系數(shù)不斷地變化，從而發(fā)出不同的聲音。通常認(rèn)為激勵(lì)信號(hào)和濾波器系數(shù)5～40ms更新一次。根據(jù)激勵(lì)源和聲道模型的不同，語(yǔ)音主要分為濁音和清音。濁音：聲帶在氣流的作用下準(zhǔn)周期地閉合或開(kāi)啟，從而在聲帶中激勵(lì)起準(zhǔn)周期的聲波。濁音信號(hào)具有明顯的準(zhǔn)周期特性，能量主要集中在各基音的諧波頻率附近，而且主要集中于低于3kHz的范圍內(nèi)。清音：氣流速度達(dá)到某一臨界速度時(shí)，會(huì)引起湍流，此時(shí)聲帶不震動(dòng)，聲道被噪聲狀隨機(jī)波激勵(lì)，產(chǎn)生較小幅度的聲波，其波形與噪聲很像。清音信號(hào)沒(méi)有準(zhǔn)周期性，能量主要集中在比濁音更高的頻率范圍內(nèi)。1.語(yǔ)音生成模型清音/濁音示意圖：語(yǔ)音生成模型

以語(yǔ)音生成模型為基礎(chǔ)，在發(fā)端分析提取表征音源和聲道的相關(guān)特征參數(shù)，通過(guò)量化編碼將這些參數(shù)傳輸?shù)绞斩?，在收端再?yīng)用這些特征參數(shù)重新合成為語(yǔ)音信號(hào)。3.2.1線性預(yù)測(cè)編碼2.語(yǔ)音信號(hào)分析合成在

線性預(yù)測(cè)編碼（LPC）中，將語(yǔ)音信號(hào)簡(jiǎn)單地劃分為濁音信號(hào)和清音信號(hào)。清音信號(hào)可以用白色隨機(jī)噪聲激勵(lì)信號(hào)來(lái)表示，濁音信號(hào)可以用準(zhǔn)周期脈沖序列激勵(lì)信號(hào)來(lái)表示。由于語(yǔ)音信號(hào)是短時(shí)平穩(wěn)的，根據(jù)語(yǔ)音信號(hào)的短時(shí)分析和基音提取方法，可以用若干的樣值對(duì)應(yīng)的一幀來(lái)表示短時(shí)語(yǔ)音信號(hào)。在LPC聲碼器的發(fā)送端，原始語(yǔ)音信號(hào)送入A/D變換器，以8kHz采樣變成數(shù)字化語(yǔ)音信號(hào)。以180個(gè)采樣樣值為一幀，對(duì)應(yīng)幀周期為22.5ms，以一幀為處理單元進(jìn)行逐幀處理。完成每一幀的線性預(yù)測(cè)系數(shù)分析，并作相應(yīng)的清/濁音（u/v）處理、基音周期(Tp)提取，再對(duì)這些參量進(jìn)行量化、編碼并送入信道傳送。在接收端，經(jīng)參量譯碼分出參量ai、G、Tp、u/v，以這些參數(shù)作為合成語(yǔ)聲信號(hào)的參量，最后將合成產(chǎn)生的數(shù)字化語(yǔ)音信號(hào)經(jīng)D/A變換還原為語(yǔ)音信號(hào)。由于參數(shù)編碼是針對(duì)語(yǔ)音信號(hào)的特征參數(shù)，所以與波形編碼不同，只是適用于語(yǔ)音信號(hào)。3.2.1線性預(yù)測(cè)編碼3.LPC聲碼器的基本原理LPC語(yǔ)音合成圖清/濁開(kāi)關(guān)線性時(shí)變?yōu)V波器基音周期脈沖序列發(fā)生器隨機(jī)噪聲發(fā)生器LPC系數(shù)增益G

u(n)輸出語(yǔ)音s(n)a1語(yǔ)音輸出s(n)線性預(yù)測(cè)分析基音頻率清/濁音判別參數(shù)合成a2ap

基音頻率輸入語(yǔ)音x(n)清/濁音標(biāo)志G時(shí)間（樣點(diǎn)）x(n)x(n-1)x(n-p)p個(gè)點(diǎn)線性預(yù)測(cè)：語(yǔ)音編碼技術(shù)LPC-10編碼器

美國(guó)確定LPC-10作為2.4kbit/s速率上的推薦編碼形式，用于第三代保密電話中。（簡(jiǎn)單的一階線性預(yù)測(cè)器，信噪比改善6dB，但級(jí)數(shù)增加改善速度變緩，十階以上也只有12dB）在其發(fā)送端，原始語(yǔ)音信號(hào)采用8kHz采樣，然后每180個(gè)采樣值分為一幀（22.5ms），提取語(yǔ)音特征參數(shù)并加以編碼傳送。每幀總共編碼為54bits，每秒傳輸44.4幀，因此總傳輸速率為2.4kbit/s。語(yǔ)音編碼技術(shù)s(n)采樣(8kHz)基音檢測(cè)清/濁音檢測(cè)預(yù)加重線性預(yù)測(cè)分析反射系數(shù)增益G參數(shù)編碼c(n)

LPC-10編碼器發(fā)送端c(n)解碼清/濁音開(kāi)關(guān)反射系數(shù)轉(zhuǎn)換為預(yù)測(cè)系數(shù)基音增益G合成器去加重噪聲產(chǎn)生s'(n)

LPC-10編碼器接收端語(yǔ)音編碼技術(shù)3.2.2矢量量化

量化分為兩大類：標(biāo)量量化、矢量量化。標(biāo)量量化:用若干個(gè)離散的數(shù)字值來(lái)表示每一個(gè)幅度具有連續(xù)取值(模擬值)的離散時(shí)域信號(hào)(采樣信號(hào))，這是對(duì)單個(gè)采樣的樣值進(jìn)行量化。矢量量化(VectorQuantization)：將輸入的信號(hào)樣值按照某種方式進(jìn)行分組，把每個(gè)分組看作是一個(gè)矢量，并對(duì)該矢量進(jìn)行量化。上圖的兩維矢量空間里，存在6類矢量，每一類都有一個(gè)中心，稱為室心，每一室心對(duì)應(yīng)一個(gè)碼字矢量，用來(lái)表征第i類矢量。集合稱為碼本。3.2.2矢量量化任意一個(gè)矢量V應(yīng)該歸為哪一類，要看它是“靠近”哪一類矢量，或者說(shuō)它離哪一個(gè)室心最“近”。例如上圖中虛線畫出的矢量V最靠近V1，則將其規(guī)定為V1類，并用V1表示V，或者說(shuō)V被量化為V1

。這樣作可以把本來(lái)無(wú)限多的矢量只用有限個(gè)碼字矢量來(lái)表示(此處為6個(gè))。把所有這些碼字矢量進(jìn)行排列，可以形成一個(gè)表，這樣的表就叫作碼本或碼書。假如碼本中的碼字矢量是有序的，則被量化的矢量可用碼字序號(hào)（下標(biāo)）來(lái)表示。在矢量量化編碼方法中，所傳輸?shù)牟皇菍?duì)應(yīng)的矢量，而是對(duì)應(yīng)每個(gè)矢量的下標(biāo)。由于下標(biāo)的數(shù)據(jù)相比于矢量本身來(lái)說(shuō)，要少得多，所以這種方式就實(shí)現(xiàn)了數(shù)據(jù)的壓縮。3.2.2矢量量化矢量量化的過(guò)程：將語(yǔ)音信號(hào)波形的A個(gè)樣點(diǎn)的每一幀，或有k個(gè)參數(shù)的每一參數(shù)幀，構(gòu)成k維空間中的一個(gè)矢量，然后對(duì)這個(gè)矢量進(jìn)行量化。相關(guān)概念：若要對(duì)一個(gè)矢量X進(jìn)行量化，首先要選擇一個(gè)合適的失真測(cè)度，而后用最小失真準(zhǔn)則，分別計(jì)算用量化矢量Yi替代x所帶來(lái)的失真。其中最小失真值所對(duì)應(yīng)的那個(gè)量化矢量，就是矢量X的重構(gòu)矢量(或稱恢復(fù)矢量)。通常把所有M個(gè)量化矢量構(gòu)成的集合{Yi}稱為碼書或碼本(Codebook)。把碼書中的每個(gè)量化矢量Yi({i=1，2，…，M)稱為碼字或碼矢。不同的劃分或不同的量化矢量選取就可以構(gòu)成不同的矢量量化器。

3.2.2矢量量化以K=2為例

矢量量化系統(tǒng)的組成

矢量量化系統(tǒng)的組成框圖矢量量化的兩個(gè)問(wèn)題：

①如何劃分M個(gè)區(qū)域邊界這個(gè)過(guò)程稱為“訓(xùn)練”或建立碼書。

方法是：將大量的欲處理的信號(hào)的波形幀矢量或參數(shù)幀矢量進(jìn)行統(tǒng)計(jì)劃分，進(jìn)一步確定這些劃分邊界的中心矢量值來(lái)得到碼書。②如何確定兩矢量在進(jìn)行比較時(shí)的測(cè)度這個(gè)測(cè)度就是兩矢量之間的距離，或以其中某一矢量為基準(zhǔn)時(shí)的失真度。它描述了當(dāng)輸入矢量用碼書所對(duì)應(yīng)的矢量來(lái)表征時(shí)所應(yīng)付出的代價(jià)。

3.2.2矢量量化3.2.3CELP編碼碼激勵(lì)線性預(yù)測(cè)編碼（CELP）系統(tǒng)是中低速率編碼領(lǐng)域最成功的方案?；綜ELP算法不對(duì)預(yù)測(cè)誤差序列個(gè)數(shù)及位置作任何強(qiáng)制假設(shè)，認(rèn)為必須用全部誤差序列編碼傳送以獲得高質(zhì)量的合成語(yǔ)音。為了達(dá)到壓低傳碼率的目的，對(duì)誤差序列的編碼采用了大壓縮比的矢量量化（VQ）技術(shù)，也就是對(duì)誤差序列不是一個(gè)一個(gè)樣值分別量化，而是將一段誤差序列當(dāng)做一個(gè)矢量進(jìn)行整體量化。由于誤差序列對(duì)應(yīng)著語(yǔ)音生成模型的激勵(lì)部分，現(xiàn)在經(jīng)矢量量化后，用碼字代替，故稱碼激勵(lì)。典型的CELP系統(tǒng)3.2.3CELP編碼采用兩個(gè)碼本CELP編碼系統(tǒng)3.2.3CELP編碼感知編碼（PerceptualCoding）是利用人耳聽(tīng)覺(jué)的心理聲學(xué)特性（包括頻域掩蔽特性和時(shí)域掩蔽特性），人耳對(duì)音頻信號(hào)的幅度、頻率和時(shí)間的分辨能力是有限的，凡是人耳感覺(jué)不到的成分都不進(jìn)行編碼和傳送；對(duì)感覺(jué)到的部分進(jìn)行編碼時(shí)，也允許有較大的量化失真，只要這個(gè)失真是在人耳感覺(jué)不到的聽(tīng)域以下即可。感知編碼是建立在人類聽(tīng)覺(jué)系統(tǒng)的心理聲學(xué)基礎(chǔ)上的，只記錄那些能夠被人耳感覺(jué)到的聲音，從而達(dá)到壓縮數(shù)據(jù)量的目的。感知編碼的理論基礎(chǔ)是基于人耳的可聽(tīng)域、臨界頻帶和掩蔽效應(yīng)。

3.2.4感知編碼

臨界頻帶反應(yīng)了人耳對(duì)不同頻段聲音的反應(yīng)靈敏度是有差異的：在低頻段對(duì)幾赫茲的聲音差異都能分辨，而在高頻段的差異要達(dá)到幾百赫茲才能分辨。試驗(yàn)表明，低頻段的臨界頻帶寬度有100Hz到200Hz，在大于5kHz后的高頻段的臨界頻帶寬度有1000Hz到幾萬(wàn)Hz。近3/4的臨界頻帶低于5kHz。因此在編碼時(shí)要對(duì)低頻段進(jìn)行精細(xì)的劃分，而對(duì)高頻段的劃分不必精細(xì)。掩蔽效應(yīng)包括頻域掩蔽和時(shí)域掩蔽。在頻域，一個(gè)強(qiáng)音會(huì)掩蔽掉與之接近的弱音，掩蔽特性與掩蔽音的強(qiáng)弱、掩蔽音的中心頻率以及掩蔽音與被掩蔽音的頻率相對(duì)位置有關(guān)。時(shí)域掩蔽是指掩蔽效應(yīng)發(fā)生在掩蔽音與被掩蔽音不同時(shí)出現(xiàn)時(shí)，也稱為異時(shí)掩蔽。在編碼時(shí)，對(duì)被掩蔽的弱音不必進(jìn)行編碼，從而達(dá)到數(shù)據(jù)壓縮的目的。3.2.4感知編碼

圖3-6感知音頻編碼器的基本結(jié)構(gòu)

3.2.4感知編碼

圖中的時(shí)間/頻率映射完成將輸入的時(shí)間域音頻信號(hào)轉(zhuǎn)變?yōu)閬啿蓸拥念l率分量，這可以使用不同的濾波器組來(lái)實(shí)現(xiàn)，其輸出的頻率分量也叫做子帶值或者頻率線。心理聲學(xué)模型利用濾波器組的輸出和輸入的數(shù)字聲音信號(hào)計(jì)算出隨輸入信號(hào)而變化的掩蔽門限估值。量化和編碼按照量化噪聲不超過(guò)掩蔽門限的原則對(duì)濾波器組輸出的子帶值（或頻率線）進(jìn)行量化、編碼，目的是使量化的噪聲不會(huì)被人耳感覺(jué)到?？梢圆捎貌煌惴▉?lái)實(shí)現(xiàn)量化和編碼，編碼的復(fù)雜程度也會(huì)隨分析/綜合系統(tǒng)的變化有所不同。按幀打包來(lái)完成最后的編碼碼流。編碼碼流中除了要包括量化和編碼映射后的樣值外，還包括如比特分配等的邊信息。3.2.4感知編碼

PCM，DPCM都是不對(duì)輸入信號(hào)頻帶做任何分割的前提下，在時(shí)域中進(jìn)行的處理，這類編碼方式稱為整帶時(shí)域編碼。子帶編碼首先使用帶通濾波器組將輸入信號(hào)分割成幾個(gè)不同的子帶信號(hào)，再對(duì)這些子帶信號(hào)分別進(jìn)行頻譜平移，然后分別對(duì)每個(gè)子帶中的音頻信號(hào)采用單獨(dú)的量化、編碼方案（可用PCM、APCM和ADPCM等）。這類編碼方式稱為頻域編碼。3.2.5子帶編碼(SBC)首先用一組帶通濾波器將輸入信號(hào)分成若干子帶信號(hào)，然后將這些子帶信號(hào)通過(guò)頻率搬移變成基帶信號(hào)，再對(duì)它們分別進(jìn)行采樣、量化、編碼后，然后將子帶的碼流合路成一個(gè)總碼流傳輸?shù)浇邮斩?。量化編碼可以采用PCM、DPCM等方式。3.2.5子帶編碼(SBC)在接收端，由分路器將各個(gè)子帶的碼流分開(kāi)，由譯碼器完成各個(gè)子帶碼流的譯碼；由解調(diào)器完成信號(hào)的頻移，將個(gè)子帶搬移到原始頻率的位置上。各子帶相加就可以得到重建信號(hào)。3.2.5子帶編碼(SBC)各子帶的帶寬可以是相同的也可以是不相同的，相同的稱為等帶寬子帶編碼，不同的稱為變帶寬子帶編碼。等帶寬子帶編碼的優(yōu)點(diǎn)是便于硬件實(shí)現(xiàn)。變帶寬編碼中，常用的子帶劃分方法是令各子帶的寬度隨頻率的增加而增加。也就是低頻子帶寬度較窄，高頻寬度較大。這種劃分方法不僅和語(yǔ)音信號(hào)的功率相匹配，也和語(yǔ)音信號(hào)的可懂度或清晰度隨頻率變化的關(guān)系相匹配。語(yǔ)音信號(hào)頻帶中具有相同帶寬的子帶對(duì)語(yǔ)音可懂度的影響不同，低頻的影響大一些，高頻的影響小一些。在等帶寬分割時(shí)，對(duì)不同子帶分配不同的比特?cái)?shù)，等帶寬編碼也能獲得比較好的重建語(yǔ)音質(zhì)量。3.2.5子帶編碼(SBC)子帶編碼的主要優(yōu)點(diǎn)：如果對(duì)不同的子帶合理分配比特?cái)?shù)，就可能分別控制各子帶的量化電平數(shù)目以及相應(yīng)的重建信號(hào)的量化誤差，使誤差譜的形狀適應(yīng)人耳聽(tīng)覺(jué)特性，得到更好的主觀聽(tīng)覺(jué)質(zhì)量。由于語(yǔ)音的基音和共振峰主要集中在低頻段，所以對(duì)低頻段采用較多的比特?cái)?shù)來(lái)表示樣值，而高頻段則采用較少的比特?cái)?shù)。各個(gè)子帶內(nèi)的量化噪聲相互獨(dú)立，可以避免輸入電平較低的子帶信號(hào)被其他子帶的量化噪聲所淹沒(méi)。3.2.5子帶編碼(SBC)子帶編碼已經(jīng)廣泛的應(yīng)用在語(yǔ)音和音頻編碼中。在語(yǔ)音通信中,16~32kbit/s的子帶編碼能給出高質(zhì)量的重建語(yǔ)音，在9.6kbit/s的速率上，能得到中等的通信質(zhì)量。子帶編碼存在的問(wèn)題是編解碼的延時(shí)比較長(zhǎng)，約在幾10~100ms之間，這主要是濾波器組的延時(shí)造成的，這種延時(shí)對(duì)于一些通信系統(tǒng)是不能接受的，因此子帶編碼主要用于音頻存儲(chǔ)、數(shù)字聲廣播以及一些允許延時(shí)較長(zhǎng)的電話傳輸系統(tǒng)中。子帶自適應(yīng)差分脈沖編碼調(diào)制(SB-ADPCM)：用正交鏡像濾波器(QMF)把頻帶分割成兩個(gè)等帶寬的子帶，分別是高頻子帶和低頻子帶。在每個(gè)子帶中的信號(hào)都用ADPCM進(jìn)行編碼，對(duì)高子帶每個(gè)樣本值分配2bit，而低子帶分配6bit。3.2.5子帶編碼(SBC)3.1數(shù)字音頻編碼概述3.2常用數(shù)字音頻編碼技術(shù)3.3MPEG-1音頻編碼標(biāo)準(zhǔn)3.4MPEG-2音頻編碼標(biāo)準(zhǔn)3.5MPEG-4音頻編碼標(biāo)準(zhǔn)3.6EnhancedaacPlus編碼技術(shù)3.7中國(guó)制定的音頻編碼標(biāo)準(zhǔn)3.8新一代環(huán)繞多聲道音頻編碼格式

第3章數(shù)字音頻壓縮編碼3.3MPEG-1音頻編碼標(biāo)準(zhǔn)3.3.1MPEG-1音頻編碼算法的特點(diǎn)3.3.2MPEG-1音頻編碼的基本原理3.3.1MPEG-1音頻編碼算法的特點(diǎn)MPEG-1音頻編碼標(biāo)準(zhǔn)（ISO/IEC11172-3）是世界上第一個(gè)高保真音頻編碼標(biāo)準(zhǔn)。為了保證其普遍適用性，MPEG-1音頻編碼算法具有以下特點(diǎn)：寬帶音頻MPEG-1編碼器32kHz，44.1kHz48kHz16bitPCM32kbit/s~384kbit/sMPEG-1音頻標(biāo)準(zhǔn)根據(jù)不同的應(yīng)用需要，提供三個(gè)性能和復(fù)雜性不同的系統(tǒng)編碼層（Layer

）：

第1層（LayerⅠ）:編碼器最為簡(jiǎn)單，應(yīng)用于數(shù)字小型盒式磁帶（DigitalCompactCassette，DCC）記錄系統(tǒng)。

第2層（LayerⅡ）:編碼器的復(fù)雜程度屬中等，應(yīng)用于數(shù)字音頻廣播（DAB）、CD-ROM、CD-I和VCD等。

第3層（LayerⅢ）:編碼器最為復(fù)雜，應(yīng)用于綜合業(yè)務(wù)數(shù)字網(wǎng)（ISDN）上的音頻傳輸、因特網(wǎng)上的廣播、MP3等。用戶對(duì)層次的選擇可在編碼方案的復(fù)雜性和壓縮比之間進(jìn)行權(quán)衡標(biāo)準(zhǔn)的解碼器應(yīng)能對(duì)任何一層編碼碼流解碼標(biāo)準(zhǔn)的第x層解碼器能對(duì)第x-n

層編碼碼流解碼3.3.1MPEG-1音頻編碼算法的特點(diǎn)LayerI采用

MUSICAM（MaskingpatternadaptedUniversalSub-bandIntegratedCodingAndMultiplexing，自適應(yīng)掩蔽模型的通用子帶綜合編碼和復(fù)用）方案的簡(jiǎn)化版本編碼技術(shù)數(shù)字音頻輸入分成32個(gè)子帶

固定分段心理模型I自適應(yīng)比特分配；均勻量化每幀包含384個(gè)樣值

應(yīng)用：那些不要求很低碼率的應(yīng)用，但對(duì)時(shí)延要求高的領(lǐng)域。適合民用，例如家庭數(shù)字磁帶錄音（DAT）溫徹斯特盤、或磁光盤等3.3.1MPEG-1音頻編碼算法的特點(diǎn)LayerII和MUSICAM系統(tǒng)幾乎是相同(除了幀頭外)提供了比例因子、比特分配和采樣的附加編碼每幀包含1152樣值在民用和音頻專業(yè)領(lǐng)域都有許多應(yīng)用數(shù)字音頻廣播（DAB）；VCD;視頻會(huì)議;多媒體

LayerIII是ASPEC中最高效部分和MUSICAM系統(tǒng)結(jié)合采用的技術(shù)多相濾波器組和MDCT結(jié)合的混合濾波器組非均勻量化器；自適應(yīng)分段量化值熵編碼；心理模型II每幀包含1152樣值廣泛適用于通信領(lǐng)域，尤其是窄帶的ISDN、Internet和要求很低碼率的專業(yè)領(lǐng)域。3.3.1MPEG-1音頻編碼算法的特點(diǎn)表3-4MPEG-1音頻壓縮算法的壓縮比

層次算法壓縮比立體聲信號(hào)所對(duì)應(yīng)的數(shù)碼率ⅠⅡⅢMUSICAM*MUSICAMASPEC**4:16:1~8:110:1~12:1384kbit/s256~192kbit/s128~112kbit/s在盡可能保持CD音質(zhì)為前提的條件下，MPEG-1音頻壓縮算法一般所能達(dá)到的壓縮比如下表所示。3.3.1MPEG-1音頻編碼算法的特點(diǎn)MPEG-1LayerⅢ

在各種數(shù)碼率下的性能

2.55.57.51115>15音質(zhì)要求聲音帶寬（kHz）聲道數(shù)數(shù)碼率（kbit/s)壓縮比電話優(yōu)于短波優(yōu)于調(diào)幅廣播類似于調(diào)頻廣播接近CDCD單聲道單聲道單聲道立體聲立體聲立體聲8163256~6496112~12896:148:124:126~24:116:112~10:13.3.2MPEG-1音頻編碼的基本原理MPEG-1使用感知音頻編碼來(lái)達(dá)到既壓縮音頻數(shù)據(jù)又盡可能保證音質(zhì)的目的。聽(tīng)覺(jué)系統(tǒng)有許多特性，感知音頻編碼的理論依據(jù)是聽(tīng)覺(jué)系統(tǒng)的掩蔽效應(yīng)特性。其基本思想就是在編碼過(guò)程中保留有用的信息而丟掉被掩蔽的信號(hào)，其結(jié)果是經(jīng)編解碼之后重構(gòu)的音頻信號(hào)與編碼之前的原始音頻信號(hào)不完全相同，但人的聽(tīng)覺(jué)系統(tǒng)很難感覺(jué)到它們之間的差別。

MPEG-1音頻碼流按照規(guī)定構(gòu)成“幀”的格式，層Ⅰ

的每幀包含384(=32×12)個(gè)樣本數(shù)據(jù)的碼字，384個(gè)樣本數(shù)據(jù)來(lái)自32個(gè)子帶，每個(gè)子帶12個(gè)樣本數(shù)據(jù)；層Ⅱ和層Ⅲ的每幀包含1152(=32×36)個(gè)樣本數(shù)據(jù)的碼字，每個(gè)子帶包含36個(gè)樣本數(shù)據(jù)，如圖7-7所示。

3.3.2MPEG-1音頻編碼的基本原理子帶濾波器0子帶濾波器1子帶濾波器2子帶濾波器3子帶濾波器3112個(gè)樣本12個(gè)樣本12個(gè)樣本12個(gè)樣本12個(gè)樣本12個(gè)樣本12個(gè)樣本12個(gè)樣本12個(gè)樣本12個(gè)樣本12個(gè)樣本12個(gè)樣本12個(gè)樣本12個(gè)樣本12個(gè)樣本層Ⅰ層Ⅱ

，層Ⅲ

…………音頻樣本數(shù)據(jù)輸入圖3-15層Ⅰ

、層Ⅱ和層Ⅲ的子帶樣本子帶分析濾波器比特分配心理聲學(xué)模型成幀量化

&

編碼AudioIn32子帶邊信息編碼聲音比特碼流LayerI/II編碼方案(MUSICAM)多相濾波器組：將PCM樣本變換到32個(gè)子帶的頻域信號(hào)心理聲學(xué)模型：確定各個(gè)子帶中允許的最大量化噪聲，小于它的量化噪聲都會(huì)被掩蔽掉。比特分配：為每個(gè)子帶信號(hào)分配比特?cái)?shù)成幀：產(chǎn)生MPEG-1兼容的比特流一組等帶寬的QMF（正交鏡像）濾波器組。缺點(diǎn)：等帶寬的濾波器組與人類聽(tīng)覺(jué)系統(tǒng)的臨界頻帶不對(duì)應(yīng)在低頻區(qū)域，單個(gè)子帶會(huì)覆蓋多個(gè)臨界頻帶。在這種情況下，量化比特?cái)?shù)不能兼顧每個(gè)臨界頻帶。濾波器組與其逆過(guò)程不是無(wú)失真的但濾波器組引入的誤差很小，且聽(tīng)不到。子帶間頻率有混疊濾波后的相鄰子帶有頻率混疊現(xiàn)象，一個(gè)子帶中的信號(hào)可以影響相鄰子帶的輸出。MUSICAM—多相濾波器組MUSICAM—心理聲學(xué)模型心理聲學(xué)模型是聽(tīng)覺(jué)掩蔽特性的數(shù)學(xué)模型，MPEG-1標(biāo)準(zhǔn)定義了兩種心理聲學(xué)模型：心理聲學(xué)模型I:計(jì)算復(fù)雜度低但對(duì)假設(shè)用戶聽(tīng)不到的部分壓縮太嚴(yán)重心理聲學(xué)模型II:提供了適合LayerIII編碼的更多特征信號(hào)掩蔽比（SMR）計(jì)算信號(hào)掩蔽比（SignalMaskRatio，SMR）：最大信號(hào)電平與最小掩蔽閾值的差值32個(gè)子帶的比特分配均以各子帶SMR為基礎(chǔ)計(jì)算每個(gè)子帶編碼的比特?cái)?shù)等于量化噪聲低于對(duì)應(yīng)子帶最小掩蔽閾值的所需要的最少比特?cái)?shù)。MUSICAM—?jiǎng)討B(tài)比特分配首先確定可用于樣值編碼的有效比特?cái)?shù)等于可用比特總數(shù)減去比特分配本身所需比特?cái)?shù)和附加信息的比特?cái)?shù)附加信息比例因子；比例因子選擇信息比特分配信息幀頭差錯(cuò)保護(hù)（CRC）輔助數(shù)據(jù)比特分配是一個(gè)循環(huán)過(guò)程使整個(gè)一幀和每個(gè)子帶的總噪聲掩蔽比最小所用比特?cái)?shù)不能超過(guò)一幀所能提供的最大數(shù)目比特分配信息的編碼LayerI每個(gè)子帶的比特分配信息用4bit編碼LayerII只在低頻段用4bit，中頻段用3bit，而高頻段用2bit。

LayerI的子帶劃分采用等帶寬劃分，分為32個(gè)子帶，每個(gè)子帶有12個(gè)樣本，心理聲學(xué)模型只使用頻域掩蔽特性。LayerI的音頻碼流的數(shù)據(jù)幀格式如圖3-17所示。圖3-17MPEG-1LayerI的音頻碼流的數(shù)據(jù)幀格式MPEG-1AudioLayerI的碼流結(jié)構(gòu)在圖3-17的幀結(jié)構(gòu)中，各個(gè)部分的內(nèi)容如下：同步頭。由每幀開(kāi)始的前32個(gè)比特組成，這32個(gè)比特包含同步信息和狀態(tài)信息，同步碼由12個(gè)全1碼組成、所有的三層音頻信息編碼在這部分都是一樣的。幀校驗(yàn)碼（CRC）。幀校驗(yàn)碼占16bit，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。音頻數(shù)據(jù)。由位分配、比例因子和子帶樣值組成。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。附加數(shù)據(jù)。用來(lái)傳輸相關(guān)的輔助信息。MPEG-1AudioLayerI的碼流結(jié)構(gòu)

幀是音頻數(shù)據(jù)的組織單位，用于同步、糾錯(cuò)，而且也有利于對(duì)音頻信息的存取、編輯。在每一幀的開(kāi)始都安排一個(gè)完成幀同步的同步碼，為了保證傳輸?shù)目煽啃?，還有CRC的循環(huán)冗余糾錯(cuò)碼。幀是MPEG-1處理的最小信息單元，一幀信號(hào)處理384個(gè)PCM的樣值，因?yàn)橐獧z測(cè)每個(gè)樣值的大小后才能開(kāi)始處理，所以延時(shí)時(shí)間384／48K=8ms。一幀相當(dāng)于8ms的聲音樣本。

MPEG音頻LayerI的設(shè)計(jì)是為了在數(shù)字錄音帶DCC方面的應(yīng)用，使用的編碼速率是384kbit/s。MPEG音頻LayerI可以實(shí)現(xiàn)的壓縮比是1:4，立體聲是通過(guò)分成左（L）、右（R）兩個(gè)聲道實(shí)現(xiàn)的。MPEG-1AudioLayerI的碼流結(jié)構(gòu)

LayerII編碼在LayerI的基礎(chǔ)上進(jìn)行了改進(jìn)。32個(gè)子帶的劃分是不等寬劃分，其劃分依據(jù)是臨界頻帶。每個(gè)子帶分為3個(gè)12樣本組，這樣，每幀共有1152個(gè)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、中頻和高頻段對(duì)位分配作了重新安排，低頻段使用4位，中頻段使用3位，高頻段使用2位。其幀格式如圖7-11所示?？紤]到人耳對(duì)聲音的低頻段最為敏感，所以對(duì)低頻段劃分得更細(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。心理聲學(xué)模型使用1024點(diǎn)的FFT，提高了頻率分辨率，可以得到比原信號(hào)更加準(zhǔn)確的瞬時(shí)頻譜特性。MPEG-1AudioLayerII的碼流結(jié)構(gòu)MPEG-1AudioLayerII的碼流結(jié)構(gòu)圖3-19MPEG-1LayerII的音頻碼流的數(shù)據(jù)幀格式幀頭32bit

幀同步字：12bit比特率標(biāo)記：4bit聲音模式：2bit模式擴(kuò)展：2bit,指明哪些子帶處于強(qiáng)度立體聲編碼中層碼：2bit識(shí)別碼：1bit保護(hù)比特：1bit采樣率：2bit附加比特：1bit;私人比特：1bit;版權(quán)：1bit;原版/復(fù)制：1bit加重：2bit幀頭CRC比特分配SCFSI比例因子子帶樣值輔助數(shù)據(jù)

聲音模式MPEG-1AudioLayerII的碼流結(jié)構(gòu)CRC校驗(yàn)16bit的奇偶校驗(yàn)字：g(x)=x16+x15+x2+1保護(hù)范圍：幀頭、比特分配和比例因子選擇信息的第3、4個(gè)字節(jié)比特分配信息LayerI：每個(gè)子帶固定4bitLayerII：隨子帶不同而異

→→比例因子選擇信息SCFSI：2bit

比例因子信息：6bit

子帶樣值的量化編碼數(shù)據(jù)：此部分的比特?cái)?shù)不是固定的附加數(shù)據(jù)用于填充，確保一幀數(shù)據(jù)比特?cái)?shù)為某個(gè)固定值用于傳送任何透明數(shù)據(jù)MPEG-1AudioLayerI/II的碼流結(jié)構(gòu)MUSICAM－比例因子的取值和編碼進(jìn)行量化的同時(shí)，濾波器的輸出值被比例因子歸一化。每12個(gè)相繼的樣值歸并成一個(gè)塊，先求其最大絕對(duì)值，由此查表求得一個(gè)比例因子。部分比例因子

比例因子共有63個(gè)，用6bit進(jìn)行編碼每個(gè)子帶的比例因子可涵蓋120dB的動(dòng)態(tài)范圍比例因子的分辨力為2dB。在LayerI,每個(gè)子帶有12個(gè)樣值，每塊的比例因子都要傳送，而且每個(gè)子帶不會(huì)分配為‘0’比特。LayerII中使用附加編碼來(lái)降低比例因子的傳輸碼率

在LayerII,每個(gè)子帶有36個(gè)樣值原則上每幀每個(gè)子帶有三個(gè)比例因子必須傳送這三個(gè)比例因子一起考慮，分成特定的幾種模式根據(jù)這些模式，1個(gè)、2個(gè)或3個(gè)比例因子和比例因子選擇信息一起被傳送。通過(guò)此編碼，和LayerI相比，傳輸?shù)谋壤蜃悠骄鶞p少了2個(gè)，即傳輸碼率由22.5kbit/s降低到了7.5kbit/s。MUSICAM－比例因子的取值和編碼解碼器方框圖MUSICAM解碼

子帶樣值反量化

邊信解碼32個(gè)子帶合成濾波器組解復(fù)接和差錯(cuò)校驗(yàn)聲音碼流聲音信號(hào)從MPEG-1AudioLayerI/II碼流中，將幀頭信息、CRC校驗(yàn)字、邊信息（比特分配信息和比例因子）及每子帶的12個(gè)連續(xù)樣值分離出來(lái)用每個(gè)子帶的比特分配信息和比例因子將樣值數(shù)據(jù)擴(kuò)展綜合濾波器恢復(fù)出完整的聲音信號(hào)解碼過(guò)程要求的計(jì)算能力比編碼過(guò)程少得多LayerI的這個(gè)比較關(guān)系大約是1:2LayerII是1:3MUSICAM解碼器流程圖

開(kāi)始同步和分解比特分配解碼比例因子選擇信息解碼比例因子解碼子帶樣點(diǎn)反量化合成子帶濾波

結(jié)束LayerI/II問(wèn)題在低頻部分，LayerI/II的子帶的帶寬明顯大于臨界頻帶帶寬一個(gè)顯然的解決辦法提高頻率分辨率（更多子帶）同時(shí)保持向后兼容首先：進(jìn)行32子帶分解然后：采用50%重疊的MDCT，每塊被分成6/18個(gè)樣本

每個(gè)子帶被分解為6/18個(gè)系數(shù)MPEG-1AudioLayerIII編碼方案(MP3)MPEG-1AudioLayerIII編碼器框圖濾波器組32個(gè)子帶MDCT非均勻量化失真控制環(huán)碼率控制環(huán)Huffman編碼碼流格式CRC校驗(yàn)

FFT1024點(diǎn)心理聲學(xué)模型II邊信息外部控制輔助數(shù)據(jù)0315110PCM碼流MPEG-1AudioLayerIII編碼的特點(diǎn)使用窗口切換型多相/MDCT混合濾波器組使用心理聲學(xué)模型II評(píng)估掩蔽閾值采用了非均勻量化Huffma

編碼使用了比特池的緩存技術(shù)“MP3”=MPEG-1LayerⅢ，不是“MPEG-3”

MDCT采用了兩種塊長(zhǎng)：18個(gè)樣本組成的長(zhǎng)塊長(zhǎng)和6個(gè)樣本組成的短塊長(zhǎng)。3個(gè)短塊長(zhǎng)正好等于1個(gè)長(zhǎng)塊長(zhǎng)。對(duì)一幀樣本信號(hào)可以全部使用長(zhǎng)塊、全部使用短塊或長(zhǎng)短塊混和使用。對(duì)于平穩(wěn)信號(hào)使用長(zhǎng)塊可以獲得更好的頻域分辨率，對(duì)于跳變信號(hào)使用短塊可以獲得更好的時(shí)域分辨率。

MPEG音頻LayerIII就是現(xiàn)在廣為流傳的MP3，是MPEG音頻系列中性能最好的一個(gè)。實(shí)際上，MP3是MUSICAM方案和ASPEC方案的結(jié)合。MP3最大的好處在于它可以大幅度降低數(shù)字聲音文件的體積容量，而從人耳的感覺(jué)來(lái)講，不會(huì)感覺(jué)到有什么失真，音質(zhì)的主觀感覺(jué)很令人滿意。經(jīng)過(guò)MP3的壓縮編碼處理后，音頻文件可以被壓縮到原來(lái)的1/10到1/12。1分鐘CD音質(zhì)的音樂(lè)，未經(jīng)壓縮需要10MB的存儲(chǔ)空間，而經(jīng)過(guò)MP3壓縮編碼后只有1MB左右。MPEG-1AudioLayerIII編碼的特點(diǎn)解復(fù)接糾錯(cuò)Huffman解碼比例因子恢復(fù)IMDCT綜合濾波器組32個(gè)子帶邊信息解碼輔助數(shù)據(jù)MPEG-1AudioLayerIII解碼器框圖3.1數(shù)字音頻編碼概述3.2常用數(shù)字音頻編碼技術(shù)3.3MPEG-1音頻編碼標(biāo)準(zhǔn)3.4MPEG-2音頻編碼標(biāo)準(zhǔn)3.5MPEG-4音頻編碼標(biāo)準(zhǔn)3.6EnhancedaacPlus編碼技術(shù)3.7中國(guó)制定的音頻編碼標(biāo)準(zhǔn)3.8新一代環(huán)繞多聲道音頻編碼格式

第3章數(shù)字音頻壓縮編碼3.4.1概述3.4.2MPEG-2AAC編碼算法和特點(diǎn)3.4.3MPEG-2AAC的檔次3.4MPEG-2音頻編碼標(biāo)準(zhǔn)3.4.1概述MPEG-2標(biāo)準(zhǔn)定義了兩種音頻壓縮編碼算法：MPEG-2Audio（標(biāo)準(zhǔn)號(hào)為ISO/IEC13818-3），或稱為MPEG-2BC，它是與MPEG-1音頻壓縮編碼標(biāo)準(zhǔn)（ISO/IEC11172-3）后向兼容的多聲道音頻編碼標(biāo)準(zhǔn)；MPEG-2AAC（AdvancedAudioCoding，高級(jí)音頻編碼），標(biāo)準(zhǔn)號(hào)為ISO/IEC13818-7。因?yàn)樗cMPEG-1音頻壓縮編碼算法是不兼容的，所以也稱為MPEG-2NBC（NonBackwardCompatible，非后向兼容）標(biāo)準(zhǔn)。MPEG-2音頻編碼：對(duì)MPEG-1音頻編碼的擴(kuò)展，沒(méi)有增加新的編碼的算法增加了低采樣頻率（16kHz、22.05kHz、24kHz）和低數(shù)碼率支持5.1或7.1聲道環(huán)繞聲支持多達(dá)7種語(yǔ)言和MPEG-1后向兼容3.4.1概述MPEG-2MUSICAM環(huán)繞聲在MPEG-1音頻編碼的基礎(chǔ)上，MPEG-2音頻編碼能傳輸多路聲音，稱為MUSICAM環(huán)繞聲。MPEG-1音頻數(shù)據(jù)格式中對(duì)輔助數(shù)據(jù)AUX的長(zhǎng)度沒(méi)有限制多聲道中的中心聲道C、左右環(huán)繞Ls、Rs及超低音聲道LFE等多聲道擴(kuò)展信息可以看做是左右聲道的輔助數(shù)據(jù)而被傳送。所謂0.1聲道是指LFE(LowFrequencyEffects，低頻音效增強(qiáng))聲道，其頻帶范圍限于20~120Hz。主聲道的頻帶范圍為20Hz~20kHz。3.4.1概述MPEG-2多聲道編解碼器RoLoRoLoMPEG-1

編碼器MPEG-1

解碼器MPEG-2

EncoderMPEG-2編碼器MPEG-2解碼器縮混RLCLSRSLFE重新混合RLCLSRSLFEMPEG-2Decoder前向兼容:MPEG-2多聲道解碼器可正確地對(duì)MPEG-1立體聲碼流進(jìn)行解碼后向兼容:MPEG-1立體聲解碼器可以從多聲道碼流中正確地對(duì)解碼出雙聲道立體聲信號(hào)MPEG-2AAC(ISO/IEC13818-7)MPEG-2后向不兼容(Non-backwardcompatible,NBC)

改名為AAC（AdvancedAudioCoding）AAC支持的采用頻率可從8kHz到96kHz，AAC編碼器的音源可以是單聲道的、立體聲的和多聲道的聲音。支持48個(gè)主聲道、16個(gè)低頻音效增強(qiáng)（LFE）聲道、16個(gè)配音聲道（overdubchannel）或者稱為多語(yǔ)言聲道（multilingualchannel）和16個(gè)數(shù)據(jù)流。MPEG-2AAC在壓縮比為11:1，即每個(gè)聲道的數(shù)碼率為(44.1×16)/11=64kbit/s，而5個(gè)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-1的第2層相比，MPEG-2AAC的壓縮比可提高1倍，而且音質(zhì)更好；在質(zhì)量相同的條件下，MPEG-2AAC的數(shù)碼率大約是MPEG-1第3層（即MP3）的70%。3.4.2MPEG-2AAC編碼算法和特點(diǎn)主檔次(MainProfile)除了“增益控制(GainControl)”模塊之外低復(fù)雜度檔次(LowComplexityProfile)不使用預(yù)測(cè)模塊和增益控制模塊，瞬時(shí)噪聲整形(temporalnoiseshaping，TNS)濾波器的級(jí)數(shù)也有限

可分級(jí)的采樣率檔次(ScalableSamplingRateProfile)使用增益控制對(duì)信號(hào)作預(yù)處理