數(shù)字音頻技術(shù)

1、信息工程系,1,2024/3/14,8.2 MPEG音頻壓縮技術(shù),8.2.1 音頻特性及其編碼研究聽覺系統(tǒng)對(duì)聲音的感知特性，下面介紹已經(jīng)用在MPEG Audio壓縮編碼算法中的三個(gè)特性：響度、音高和掩蔽效應(yīng)，聽覺感知編碼。1. 對(duì)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(cè)量單位來(lái)度量，即dyn/cm2(達(dá)因/平方厘米)(聲壓)或W/cm2(瓦特/平方厘米)(聲強(qiáng))。在心理上（主觀），主觀

2、感覺的聲音強(qiáng)弱使用響音頻“方(phon)”或者“宋(sone)”來(lái)度量,信息工程系,2,2024/3/14,8.2 MPEG音頻壓縮技術(shù),這兩種感知音頻強(qiáng)弱的計(jì)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(dāng)音頻弱到人的耳朵剛剛可以聽見時(shí)，我們稱此時(shí)的音頻強(qiáng)度為“聽閾”。例如，1 kHz純音的聲強(qiáng)達(dá)到10-16w/cm2(定義成零dB聲強(qiáng)級(jí))時(shí)，人耳剛能聽到，此時(shí)的主觀響度級(jí)定為零方 實(shí)驗(yàn)表明，聽閾是隨頻率變化的。測(cè)出的“聽

3、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(jí)”曲線，也稱“絕對(duì)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(qiáng)到使人耳感到疼痛。實(shí)驗(yàn)表明，如果頻率為1 kHz的純音的聲強(qiáng)級(jí)達(dá)到120 dB左右時(shí)，人的耳朵就感到疼痛，這個(gè)閾值稱為“痛閾”,信息工程系,3,2024/3/14,8.2 MPEG音頻壓縮技術(shù),“聽閾—頻率”曲線,信息工程系,4,2024/3/14,8.2 MPEG音頻壓縮技術(shù)

4、,人耳對(duì)不同頻率的敏感程度差別很大，其中對(duì)2 kHz～4 kHz范圍的信號(hào)最為敏感，幅度很低的信號(hào)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(hào)幅度要高得多,信息工程系,5,2024/3/14,8.2 MPEG音頻壓縮技術(shù),2. 對(duì)音高的感知 客觀上用頻率來(lái)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(guān)系是：其中 f的單位為Hz這也是兩個(gè)既不相同又有聯(lián)系的單位人耳對(duì)頻率的

5、感覺也有一個(gè)范圍。人耳可以聽到的最低頻率約20 Hz，最高頻率約20000 Hz,信息工程系,6,2024/3/14,8.2 MPEG音頻壓縮技術(shù),音高—頻率曲線,信息工程系,7,2024/3/14,8.2 MPEG音頻壓縮技術(shù),3. 掩蔽效應(yīng) 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(yīng)。前者稱為掩蔽聲音(masking tone)，后者稱為被掩蔽聲音(masked tone)掩蔽可分成頻域掩蔽和時(shí)域掩蔽(1

6、). 頻域掩蔽 一個(gè)強(qiáng)純音會(huì)掩蔽在其附近同時(shí)發(fā)聲的弱純音，這種特性稱為頻域掩蔽，也稱同時(shí)掩蔽(simultaneous masking),信息工程系,8,2024/3/14,8.2 MPEG音頻壓縮技術(shù),聲強(qiáng)為60 dB、頻率為1000 Hz純音的掩蔽效應(yīng),信息工程系,9,2024/3/14,8.2 MPEG音頻壓縮技術(shù),頻率為250 Hz、1 kHz、4 kHz和8 kHz純音的掩蔽效應(yīng)，它們的聲強(qiáng)均為60 dB①在250 Hz

7、、1 kHz、4 kHz和8 kHz純音附近，對(duì)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(duì)低頻純音的掩蔽作用則不明顯,信息工程系,10,2024/3/14,8.2 MPEG音頻壓縮技術(shù),2. 時(shí)域掩蔽時(shí)間上相鄰的聲音之間也有掩蔽現(xiàn)象，并且稱為時(shí)域掩蔽。時(shí)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5～20 ms，而滯后掩蔽可以持續(xù)50～20

8、0 ms,信息工程系,11,2024/3/14,8.2 MPEG音頻壓縮技術(shù),時(shí)域掩蔽,信息工程系,12,2024/3/14,8.2 MPEG音頻壓縮技術(shù),聽覺感知編碼的編碼思路：1. 根據(jù)聽覺域度對(duì)可聞信號(hào)進(jìn)行編碼,,聽覺域度對(duì)編碼的作用,信息工程系,13,2024/3/14,8.2 MPEG音頻壓縮技術(shù),2.根據(jù)掩蔽效應(yīng)，只對(duì)幅度強(qiáng)的掩蔽信號(hào)進(jìn)行編碼,,信息工程系,14,2024/3/14,8.2 MPEG音頻壓縮技術(shù),3.量化噪

9、聲使得不必全部編碼原始信號(hào),,信息工程系,15,2024/3/14,8.2 MPEG音頻壓縮技術(shù),4. 通過(guò)子帶分割來(lái)進(jìn)行優(yōu)化、編碼,,子帶編碼、優(yōu)化,信息工程系,16,2024/3/14,8.2 MPEG音頻壓縮技術(shù),8.2.2 MPEG-1音頻壓縮技術(shù)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(xué)模型(psychoacoustic model)”來(lái)達(dá)到壓縮聲音數(shù)據(jù)的目的心理聲學(xué)模型聽覺系統(tǒng)中存在一個(gè)聽覺閾值電平

10、，低于這個(gè)電平的聲音信號(hào)就聽不到，因此就可以把這部分信號(hào)去掉聽覺閾值的大小隨聲音頻率的改變而改變，各個(gè)人的聽覺閾值也不同。大多數(shù)人的聽覺系統(tǒng)對(duì)2 kHz～5 kHz之間的聲音最敏感。一個(gè)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,信息工程系,17,2024/3/14,8.2 MPEG音頻壓縮技術(shù),聽覺系統(tǒng)存在掩蔽特性，聽覺閾值電平是自適應(yīng)的，即聽覺閾值電平會(huì)隨聽到的不同頻率的音頻而發(fā)生變化例如，同時(shí)

11、有兩種頻率的音頻存在，一種是1000 Hz的音頻，另一種是1100 Hz的音頻，但它的強(qiáng)度比前者低18分貝，在這種情況下，1100 Hz的音頻就聽不到,信息工程系,18,2024/3/14,8.2 MPEG音頻壓縮技術(shù),MPEG音頻壓縮算法框圖,信息工程系,19,2024/3/14,8.2 MPEG音頻壓縮技術(shù),MPEG-1音頻壓縮標(biāo)準(zhǔn)的主要性能：(1) 輸入信號(hào)為線性PCM信號(hào)，采樣率為32, 44.1或48 kHz，輸出為32 k

12、b/s～384 kb/s(2) MPEG-1音頻壓縮標(biāo)準(zhǔn)提供三個(gè)獨(dú)立的壓縮層次① 層1的編碼器最為簡(jiǎn)單，編碼器的輸出數(shù)據(jù)率為384 kb/s，主要用于小型數(shù)字盒式磁帶(digital compact cassette，DCC)② 層2的編碼器的復(fù)雜程度屬中等，編碼器的輸出數(shù)據(jù)率為256 kb/s～192 kb/s，其應(yīng)用包括數(shù)字廣播聲音(DAB)、數(shù)字音樂、CD-I(compact disc-interactive)和VCD(vi

13、deo compact disc)等③ 層3的編碼器最為復(fù)雜，編碼器的輸出數(shù)據(jù)率為64 kb/s，主要應(yīng)用于網(wǎng)絡(luò)音樂,信息工程系,20,2024/3/14,8.2 MPEG音頻壓縮技術(shù),1. 子帶編碼濾波器組的劃分MPEG-1音頻編碼器把輸入信號(hào)變換到32個(gè)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,信息工程系,21,2024/3/14,8.2 MPEG音頻壓縮技術(shù),2. 子帶編碼,SNR(signal

14、 noise ratio) —— 信號(hào)噪聲比SMR(signal-to-mask ratio) —— 信號(hào)掩蔽比NMR(noise-to-mask ratio) —— 噪聲掩蔽比,信息工程系,22,2024/3/14,8.2 MPEG音頻壓縮技術(shù),3.編碼層 MPEG音頻壓縮定義了3個(gè)層次，它們的基本模型是相同的。層1是最基礎(chǔ)的，層2和層3都在層1的基礎(chǔ)上有所提高。每個(gè)后繼的層次都有更高的壓縮比，但需要更復(fù)雜的編碼解碼

15、器 MPEG的音頻數(shù)據(jù)分成幀(frame)，層1每幀包含384個(gè)樣本的數(shù)據(jù)，每幀由32個(gè)子帶分別輸出的12個(gè)樣本組成。層2和層3每幀為1152個(gè)樣本,信息工程系,23,2024/3/14,8.2 MPEG音頻壓縮技術(shù),層1、2和層3的子帶樣本,信息工程系,24,2024/3/14,8.2 MPEG音頻壓縮技術(shù),MPEG編碼層簡(jiǎn)介層1：采用均勻子帶劃分，心理聲學(xué)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(xué)模型除使用頻域掩

16、蔽特性外還利用了時(shí)域掩蔽特性，并且在低、中和高頻段對(duì)比特分配作了一些限制，對(duì)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(xué)模型使用頻域和時(shí)域掩蔽，同時(shí)還考慮了立體聲數(shù)據(jù)冗余，并且使用了Huffman編碼,信息工程系,25,2024/3/14,8.2 MPEG音頻壓縮技術(shù),MPEG-1數(shù)字音頻的參數(shù)概述 (1)MPEG-1音頻取樣頻率 fs：32 kHz, 44.1 kHz ,

17、 48 kHz(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(shí)速率：44.1×16＝705.6Kbit/s (每聲道)(3)MPEG-1音頻壓縮算法①自適應(yīng)頻譜心理聲學(xué)熵編碼ASPEC(Adaptive Spectral Perceptual Entropy Coding);

18、②自適應(yīng)變換聲音編碼ATAC（Adaptive Transform Audio Coding）③掩蔽型自適應(yīng)子帶編碼和復(fù)用MUSICAM(Masking-Pattern Adapted Universal Subband Integrated Coding And Multiplexing)④子帶/自差分脈沖編碼SB/ADPCMASPEC和MUSICAM主觀評(píng)價(jià)幾乎相同。在64kbit/s時(shí)APESC音質(zhì)略好，而MUSICAM較

19、簡(jiǎn)單，解碼延時(shí)較好；所以MUSICAM作為MPEG LayerI，結(jié)合ASPEC優(yōu)點(diǎn)為L(zhǎng)ayerII，LayerIII。,信息工程系,26,2024/3/14,8.2 MPEG音頻壓縮技術(shù),MPEG-1音頻信號(hào)數(shù)據(jù)壓縮過(guò)程 (a)時(shí)間/頻率映射（濾波器組）用以將輸入的信號(hào)轉(zhuǎn)化為亞取樣的頻譜分量分為子帶(b)頻域?yàn)V波器組或并行變換的輸出，根據(jù)心理聲學(xué)模型求出時(shí)變的掩蔽門限估值(c)按量化噪聲不超過(guò)掩蔽門限的原則將子帶量化編碼以使量化

20、噪聲不可聽到(d)按幀打包成碼流（包括比特分配信息）,信息工程系,27,2024/3/14,8.2 MPEG音頻壓縮技術(shù),Layer Ⅰ,Ⅱ音頻編碼方框圖,信息工程系,28,2024/3/14,8.2 MPEG音頻壓縮技術(shù),Layer Ⅰ,Ⅱ音頻解碼方框圖,信息工程系,29,2024/3/14,8.2 MPEG音頻壓縮技術(shù),Layer III音頻編碼方框圖,信息工程系,30,2024/3/14,8.2 MPEG音頻壓縮技術(shù),Layer

21、 III音頻解碼方框圖,信息工程系,31,2024/3/14,8.2 MPEG音頻壓縮技術(shù),MPEG-1音頻編碼幀結(jié)構(gòu),信息工程系,32,2024/3/14,8.2 MPEG音頻壓縮技術(shù),MPEG-2音頻壓縮 MPEG-2聲音編碼標(biāo)準(zhǔn)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(biāo)準(zhǔn)基礎(chǔ)上發(fā)展而來(lái)的。和MPEG-1相比，MPEG-2聲音主要增加了三個(gè)方面的內(nèi)容 (1)支持5.1路環(huán)繞聲。它能提供5個(gè)全帶寬聲道(左

22、、右、中和兩個(gè)環(huán)繞聲道)，外加一個(gè)低頻效果增強(qiáng)聲道，統(tǒng)稱為5.1聲道(2)支持多達(dá)8種語(yǔ)言或解說(shuō)(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(shí)的每個(gè)聲道的聲音質(zhì)量,信息工程系,33,2024/3/14,8.2 MPEG音頻壓縮技術(shù),MPEG-2聲

23、音多聲道擴(kuò)展部分的數(shù)據(jù)結(jié)構(gòu) MPEG-2多聲道聲音編碼標(biāo)準(zhǔn)和現(xiàn)有的MPEG-1聲音標(biāo)準(zhǔn)保持后向兼容。在對(duì)原有的MPEG-1兩聲道增加獨(dú)立的環(huán)繞聲道時(shí)，MPEG-2盡量保特和MPEG-1聲音語(yǔ)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(yǔ)法,信息工程系,34,2024/3/14,8.2 MPEG音頻壓縮技術(shù),MPEG-2的兩種音頻數(shù)據(jù)壓縮格式 MPEG-2 Audio，或者稱為MPEG-

24、2多通道(Multichannel)音頻，與MPEG-1 Audio兼容，所以又稱為MPEG-2 BC (Backward Compatible)MPEG-2 AAC (Advanced Audio Coding)，與MPEG-1聲音格式不兼容，因此通常稱為非后向兼容MPEG-2 NBC(Non-Backward-Compatible)標(biāo)準(zhǔn),信息工程系,35,2024/3/14,8.2 MPEG音頻壓縮技術(shù),MPEG-2 Audio

25、MPEG-2 Audio(ISO/IEC 13818-3)和MPEG-1 Audio(ISO/IEC 1117-3)標(biāo)準(zhǔn)都使用相同種類的編譯碼器，LayerⅠ, LayerⅡ和LayerⅢ的結(jié)構(gòu)也相同MPEG-2音頻標(biāo)準(zhǔn)與MPEG-1標(biāo)準(zhǔn)相比，MPEG-2做了如下擴(kuò)充：①增加了16 kHz, 22.05 kHz和24 kHz采樣頻率②擴(kuò)展了編碼器的輸出速率范圍，由32～384 kbit/s擴(kuò)展到8～640 kbit/s③增加了

26、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Linear PCM(線性PCM)和Dolby AC-3(Audio Code Number 3)編碼,信息工程系,36,2024/3/14,8.2 MPEG音頻壓縮技術(shù),MPEG-1和MPEG-2的聲音數(shù)據(jù)規(guī)格,信息工程系,37,2024/3/14,8.2 MPEG音頻壓縮技術(shù),MPEG-2 Audio的“5.1環(huán)繞聲” MPEG-2 Audio的“5.1環(huán)繞聲”也稱

27、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(chǎng)的前面可有3個(gè)喇叭聲道(左、中、右)，后面可有2個(gè)環(huán)繞聲喇叭聲道，LFE(low frequency effects)是低頻音效的加強(qiáng)聲道,信息工程系,38,2024/3/14,8.2 MPEG音頻壓縮技術(shù),5.1聲道最佳效果放置 5個(gè)全頻帶的重放揚(yáng)聲器分為前置揚(yáng)聲器（包括L、R、C）和后置揚(yáng)聲器（也稱環(huán)繞揚(yáng)聲器，包括Ls、Rs） ，分別位于一個(gè)圓的邊

28、界上，其中L、R揚(yáng)聲器與C揚(yáng)聲器分別呈30度夾角，Ls、Rs揚(yáng)聲器與C揚(yáng)聲器分別呈110度夾角 低頻增強(qiáng)聲道，稱之為L(zhǎng)FE，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(diǎn)一聲道。它的放置沒有特殊的要求，一般放置在前面,,信息工程系,39,2024/3/14,8.2 MPEG音頻壓縮技術(shù),7.1聲道環(huán)繞立體聲,信息工程系,40,2024/3/14,8.2 MPEG音頻壓縮技術(shù),MPEG-1、MPEG-2音頻參

29、數(shù)的比較,信息工程系,41,2024/3/14,8.2 MPEG音頻壓縮技術(shù),MPEG-2中的AAC編碼AAC：Advanced Audio Coding 先進(jìn)音頻編碼,不向下兼容MPEG-2 AAC是聲音感知編碼標(biāo)準(zhǔn)，MPEG-2 AAC主要使用聽覺系統(tǒng)的掩蔽特性來(lái)減少聲音的數(shù)據(jù)量，并且通過(guò)把量化噪聲分散到各個(gè)子帶中，用全局信號(hào)把噪聲掩蔽掉。AAC支持的采樣頻率可從8 kHz到96 kHzAAC編碼器的音源可以是單聲道的、立體

30、聲的和多聲道的聲音。AAC標(biāo)準(zhǔn)可支持48個(gè)主聲道、16個(gè)低頻音效加強(qiáng)通道LFE (low frequency effects)、16個(gè)配音聲道(overdub channel)或者叫做多語(yǔ)言聲道(multilingual channel)和16個(gè)數(shù)據(jù)流,信息工程系,42,2024/3/14,8.2 MPEG音頻壓縮技術(shù),MPEG-2 AAC壓縮比為11:1，即每個(gè)聲道的數(shù)據(jù)率為(44.1×16 )/11=64 kbit/s，而

31、5個(gè)聲道的總數(shù)據(jù)率為320 kbit/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-2 AAC的壓縮率可提高1倍，而且質(zhì)量更高，與MPEG的LagerⅢ相比，在質(zhì)量相同的條件下數(shù)據(jù)率是它的70％。,信息工程系,43,2024/3/14,8.2 MPEG音頻壓縮技術(shù),MPEG-2 AAC的配置 開發(fā)MPEG-2 AAC標(biāo)準(zhǔn)采用的方法與開發(fā)MPEG Audio標(biāo)準(zhǔn)采用的方法不同。后者采用的方

32、法是對(duì)整個(gè)系統(tǒng)進(jìn)行標(biāo)準(zhǔn)化，而前者采用的方法是模塊化的方法，把整個(gè)AAC系統(tǒng)分解成一系列模塊，用標(biāo)準(zhǔn)化的AAC工具(advanced audio coding tools)對(duì)模塊進(jìn)行定義AAC標(biāo)準(zhǔn)定義了三種配置：基本配置、低復(fù)雜性配置和可變采樣率配置：,信息工程系,44,2024/3/14,8.3美國(guó)HDTV AC-3音頻壓縮技術(shù),1. 杜比 AC-3環(huán)繞聲系統(tǒng)AC（ Audio Coding ）-3是一種播放高音質(zhì)和效果的環(huán)繞聲系

33、統(tǒng)杜比 AC-3系統(tǒng)利用心理聲學(xué)原理對(duì)音頻信號(hào)進(jìn)行壓縮編碼其取樣頻率有32KHz、 44.1KHz、 48KHz對(duì)音頻聲道采用獨(dú)立方式編碼，將每個(gè)聲道的頻率范圍擴(kuò)展到 20Hz~20kHz全頻域杜比 AC-3的基本聲道有 5個(gè)，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(gè)超重低音聲道,共有 6個(gè)聲道。其中超重低音聲道的最高頻率為 120Hz，不能算一個(gè)完整的聲道，因此又稱為0.1聲道，這樣加起來(lái)便稱為 5.1聲道,

34、信息工程系,45,2024/3/14,8.3美國(guó)HDTV AC-3音頻壓縮技術(shù),杜比 AC-3環(huán)繞聲播放系統(tǒng),信息工程系,46,2024/3/14,8.3美國(guó)HDTV AC-3音頻壓縮技術(shù),其特點(diǎn)有： (1)全音頻聲道。 AC-3系統(tǒng)播放的音質(zhì)清晰，聲場(chǎng)動(dòng)態(tài)范圍廣，聲象重現(xiàn)逼真，具有真實(shí)現(xiàn)場(chǎng)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(qiáng)，烘托現(xiàn)場(chǎng)氣氛逼真,可使視聽者進(jìn)入出神入化的境界

35、 (3)聲道之間分離度高從家庭影院的應(yīng)用和發(fā)展來(lái)看，杜比 AC-3環(huán)繞聲系統(tǒng)將可能成為主流 (1)美國(guó)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(hào)的編碼和解碼標(biāo)準(zhǔn) (2)數(shù)字視盤機(jī)(DVD)的音頻也采用 AC-3音頻標(biāo)準(zhǔn) (3)美國(guó)幾乎所有著名的電影公司制作的影片都按照 AC-3系統(tǒng)錄制 (4)目前世界著名的電子公司生產(chǎn)出的 DVD機(jī)，A／V放大器都帶有 AC-3解碼器,信息

36、工程系,47,2024/3/14,8.3美國(guó)HDTV AC-3音頻壓縮技術(shù),2. 三種典型杜比環(huán)繞聲目前家庭影院流行的款式是杜比定向邏輯環(huán)繞聲系統(tǒng)(Dolby Pro-Logic Surround)、家庭用 THX系統(tǒng)( Home-THX)和杜比 AC-3環(huán)繞聲系統(tǒng),信息工程系,48,2024/3/14,8.3美國(guó)HDTV AC-3音頻壓縮技術(shù),3.美國(guó)HDTV AC-3編碼,信息工程系,49,2024/3/14,8.3美國(guó)HDT