您现在的位置: 范文先生网 >> 理工论文 >> 计算机论文 >> 正文

音频压缩的成功者——感知编码

时间:2007-1-30栏目:计算机论文

音频压缩的成功者——感知编码

2004年中南地区省级电视台技术年会论文二等奖

    近年来,随着现代通信的发展,数字化日益渗透人们的日常生活,人们对各种多媒体业务的需求日益增长,我们正享受着数字化带来的方便和快捷,卫星电视、数字电视、各种数码音乐产品正改变着我们的生活。于是便要求得到更多更好的音频产品和服务。数字声音作为一种存储、处理和传输高保真声音的方法,在消费电子、专业声音等众多领域已得到广泛应用。但是如果没有通用有效的高质量音频编解码方案,数字存储和传输技术的进一步发展将会受到严重的束缚。在音频数字压缩技术中,当前比较成功的编码方式被称为“感知型编码( Perceptual Coding )”,现在比较常用的 MP3 、 MD 等都是感知编码原理。

    一般来说,数据压缩有两种方法。一种方法是利用信号的统计性质,完全不丢失信息的高效率编码法,称为平均信息量编码或熵编码。第二种方法是利用接收信号的人的感觉特性,省略不必要的信息,压缩信息量,这种方法称为感觉编码。

    因为熵编码可通过解码完全再现编码前的数据,故应用范围广泛 ,例如可用于磁盘压缩、文件压缩等,在保存信息方面,完全不用担心劣化。不过遗憾的是,仅依靠熵编码不能将音频信号进行大幅度的数据压缩。这是因为在音频信号中会有白噪声信号,这种完全随机的信号,根据信息论是决不能用熵编码进行压缩的。因此在音频压缩中,必须同时采用感知编码 。

    感知编码是利用人耳听觉的心理声学特性(频谱掩蔽特性和时间掩蔽特性)、人耳对信号幅度、频率、时间的有限分辨能力,凡是人耳感觉不到的成分不编码,不传送,即凡是对人耳辨别声音信号的强度、音调、方位有贡献的部分(称为不相关部分或无关部分)都不编码和传送。对感觉到的部分进行编码时,允许有较大的量化失真、并使其处于听阈以下,人耳仍然感觉不到。简单的说感知编码是建立在人类听觉系统的心理声学原理为基础,只记录那些能被人的听觉所感知的声音信号,从而达到减少数据量而又不降低音质的目的。

    目前音频压缩编码已成为标准的是 MPEG-1 ( ISO/IEC11172-3 )、 MPEG-2 ( ISO/IEC13818-3 )和美国大联盟的 AC-3 。他们都是感知编码。

    一、为什么压缩

    了解数字音频首先要提到 脉冲编码调制 PCM ( Pulse Code Modulation ),它 是概念上最简单、理论上最完善的编码系统,是最早研制成功、使用最为广泛的编码系统,但也是数据量最大的编码系统。 PCM 指模拟音频信号只经过采样、量化、编码,模数转换成 PCM 信号,得到标准的数字音频码流,而未经过任何编码和压缩处理。

    根据奈奎斯特采样定律,通常其采样频率至少应当是信号中的最高频率分量的两倍。对于高质量的音频信号,其频率范围是从 20Hz ~ 20kHz 。所以其采样频率必须在 40kHz 以上。在 CD 中采用了 44.1kHz 的采样频率。普通 CD 线性 PCM 的取样频率为 44.1kHz ,量化精度为 16bit ,动态范围为 98db 。(在对模拟信号采样以后,还必须对其幅度上加以分层。在 CD 中,其分层以后的幅度信号用 16 bit 的二进制信号来表示,也就是把模拟的音频信号在幅度上分为 65536 ( 2 16 )层。这样,它的动态范围就可以达到 96 分贝( 6 分贝 / 比特)。)

    PCM 的编码原理比较直观和简单,它的原理框图如图所示。

音频压缩的成功者——感知编码

    在这个编码框图中,它的输入是模拟声音信号,它的输出是 PCM 样本。图中的“防失真滤波器”是一个低通滤波器,用来滤除声音频带以外的信号;“波形编码器”可暂时理解为“采样器”,“量化器”可理解为“量化阶大小 (step-size) ”生成器或者称为“量化间隔”生成器。

    那么这种未经压缩的 PCM 信号的数据量具体有多大呢?以 CD 音质的信号为例,它的单通道的采样率是 44.1k Hz ,每个样值是 16bit 的量化,而立体声 CD 音质信号,有两个通道,它每秒的码流是 44.1K × 16 × 2 ≈ 1.4Mbit/s 。(数字信号传输率 = 取样频率 × 量化比特 × 通道数)一张 CD 唱片的容量约为 680MB ,可以容纳约 1 小时的双声道 PCM 数字音频节目,由于这种编码方式所产生的数据量太大,存储和传输都既不方便也不经济,有时甚至是行不通的。对于电视广播来说,数据传输速率越高,每套节目所需的频宽就越大,在频带资源日趋紧张的今天,过宽的频带是不能允许的,同时对于有形载体(激光碟、磁带等),每种载体的记录密度都是有限的(受当时技术发展程度的制约),增大数据量就意味着缩短节目长度。因此需要开发一种新的编码方式,它应该使用较少的数据量,而又不会导致音质

[1] [2] [3] [4] 下一页

下页更精彩:1 2 3 4 下一页