四川大學(xué)計算機學(xué)院多媒體基礎(chǔ)MPEG聲音1

多媒體技術(shù)基礎(chǔ)1MPEG聲音一、MPEG-1Audio

二、MPEG-2Audio三、MPEG-2ACC四、MPEG-4Audio2MPEG-1Audio、MPEG-2Audio、MPEG-2ACC聲音數(shù)據(jù)壓縮編碼——感知聲音編碼(perceptualaudiocoding)利用人的聽覺系統(tǒng)的感知特性來達到壓縮聲音數(shù)據(jù)的目的不同于與波形聲音壓縮編碼(如ADPCM)和參數(shù)編碼(如LPC)：依據(jù)波形本身的相關(guān)性和模擬人的發(fā)音器官的特性）MPEG聲音3對響度的感知

“聽閾—頻率”曲線MPEG聲音4對音高的感知“音高—頻率”曲線MPEG聲音5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)象頻域掩蔽一個強純音會掩蔽在其附近同時發(fā)聲的弱純音，這種特性稱為頻域掩蔽，也稱同時掩蔽時域掩蔽在時間上相鄰的聲音之間的掩蔽現(xiàn)象。兩種時閾掩蔽：超前掩蔽和滯后掩蔽MPEG聲音6心理聲學(xué)模型(psychoacousticmodel)聽覺閾值電平聽覺閾值的大小隨聲音頻率的改變而改變，各個人的聽覺閾值也不同。（大多數(shù)人2kHz～5kHz）一個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。聽覺掩飾特性聽覺閾值電平是自適應(yīng)的，即聽覺閾值電平會隨聽到的不同頻率的聲音而發(fā)生變化。MPEG聲音7MPEGAudio采用的兩種感知編碼：感知子帶編碼(perceptualsub-bandcoding)思想是首先把時域中的聲音數(shù)據(jù)變換到頻域，對頻域內(nèi)的子帶分量分別進行量化和編碼，然后根據(jù)心理聲學(xué)模型確定樣本的精度，從而達到壓縮數(shù)據(jù)量的目的。不局限于只對話音進行編碼，也不局限于哪一種聲源。DolbyAC-3編碼MPEG聲音8感知子帶編碼壓縮算法框圖MPEG-1Audio9DolbyAC-3壓縮編碼算法框圖MPEG-1Audio10MPEG聲音編碼器結(jié)構(gòu)圖MPEG-1Audio11MPEG聲音解碼器結(jié)構(gòu)圖MPEG-1Audio12ISO/MPEGaudio層1和層2編碼器和解碼器的結(jié)構(gòu)MPEG-1Audio13ISO/MPEGaudio層3編碼器和解碼器的結(jié)構(gòu)MPEG-1Audio14MPEG-1和-2的聲音數(shù)據(jù)規(guī)格參數(shù)名稱LinearPCMDolbyAC-3MPEG-2AudioMPEG-1Audio采用頻率48/96kHz32/44.1/48kHz16/22.05/24/32/44.1/48kHz32/44.1/48kHz樣本精度

(每個樣本的比特數(shù))16/20/24壓縮(16bits)壓縮(16bits)16最大數(shù)據(jù)傳輸率6.144Mb/s448kb/s8～640kb/s32～448kb/s最大聲道數(shù)85.15.1/7.12MPEG-2Audio15MPEG-2AAC（Advancedaudiocoding）編碼思想：主要使用聽覺系統(tǒng)的掩蔽特性來減少聲音的數(shù)據(jù)量，并且通過把量化噪聲分散到各個子帶中，用全局信號把噪聲掩蔽掉。與MPEG-1聲音格式不兼容

適用范圍：AAC支持的采用頻率可從8kHz到96kHzAAC編碼器的音源可以是單聲道的、立體聲的和多聲道的聲音。（AAC標準可支持48個主聲道、16個低頻音效加強通道LFE(lowfrequencyeffects)、16個配音聲道(overdubchannel)或者叫做多語言聲道(multilingualchannel)和16個數(shù)據(jù)流。）MPEG-2AAC16MPEG-2AAC（Advancedaudiocoding）壓縮率：MPEG-2AAC壓縮比為11:1（即每個聲道的數(shù)據(jù)率為(44.1×16)/11=64kb/s）。在5個聲道的總數(shù)據(jù)率為320kb/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的層2相比，MPEG-2AAC的壓縮率可提高1倍，而且質(zhì)量更高；與MPEG的層3相比，在質(zhì)量相同的條件下數(shù)據(jù)率是它的70％。MPEG-2AAC17MPEG-2AAC的配置開發(fā)MPEG-2AAC標準采用模塊化的方法：把整個AAC系統(tǒng)分解成一系列模塊，用標準化的AAC工具(advancedaudiocodingtools)對模塊進行定義（MPEGAudio標準是對整個系統(tǒng)進行標準化）AAC標準定義了三種配置：基本配置低復(fù)雜性配置可變采樣率配置MPEG-2AAC18MPEG-2AACMPEG-2AAC編碼器框圖19MPEG-2AAC解碼器框圖MPEG-2AAC20MPEG-4Audio標準：集成從話音~高質(zhì)量的多通道聲音；從自然聲音~合成聲音編碼方法：參數(shù)編碼(parametriccoding)碼激勵線性預(yù)測(codeexcitedlinearpredictive，CELP)編碼時間/頻率T/F(time/frequency)編碼結(jié)構(gòu)化聲音SA(structuredaudio)編碼合成聲音：MIDI；TTSMPEG-4Audio21自然聲音

(naturalaudio)MPEG-4聲音編碼器支持數(shù)據(jù)率2kb/s~64kb/s之間的自然聲音。三種類型聲音編碼器：

MPEG-4Audio221、參數(shù)編碼器

參數(shù)編碼提供了兩種編碼工具：HVXC和HILN。

諧音矢量激勵編碼HVXC（HarmonicVectorXcitationCoding)編碼工具允許對語言信號在2kbit/s和4kbit/s之間進行可分級性編碼。

諧音和獨立線性加性噪聲HILN（HarmonicandIndividualLine

plus

Noise）編碼工具允許對非語言信號，例如音樂以4kbit/s和更高的碼率進行編碼。HILN支持在速度、音調(diào)、碼率和復(fù)雜度上的可分級性。可以將HVXC和HILN聯(lián)合起來使用以獲得更寬范圍內(nèi)的信號和碼率。可以在兩者編碼器的輸出之間動態(tài)地切換或混合。MPEG-4Audio232、CELP編碼器

CELP的解碼器包括一個激勵源、一個合成濾波器和一個需要時添加的后置濾波器。

激勵源擁有兩種分量，一是由自適應(yīng)碼書產(chǎn)生的周期分量，另一個是由一個或多個固定碼書產(chǎn)生的隨機分量。在解碼器中，使用碼書索引和增益索引來重建激勵信號。激勵信號接著通過線性預(yù)測合成濾波器，最后，為了獲得增強的語言質(zhì)量，可以使用后置濾波器。CELP支持兩種采樣率：8kHz和16kHz輸出數(shù)據(jù)率6～24kb/sMPEG-4Audio243、T/F編碼器(時間-頻率(time-to-frequency，T/F)技術(shù))當碼率為每聲道64kbit/s時就是MPEG－2

AAC編碼標準，此時可以獲得極好的音頻質(zhì)量。

比特分片算述編碼BSAC（the

bit-sliced

arithmetic

coding），作為一種無噪聲編碼它能提供從16kbit/s至64kbit/s之間以1kbit/s的步率實現(xiàn)碼率的分可級性。變換域加權(quán)插入矢量量化TwinVQ作為一種無噪聲編碼和量化工具也是一種選擇，它使用線性預(yù)測編碼（LPC）模型來定義量化器步階，對插入和量化的頻譜系數(shù)進行矢量量化，特別適用于需要碼率可分級性和強糾錯的系統(tǒng)中。

MPEG-4Audio25MPEG-4Audio編碼方框圖MPEG-4Audio26文-語轉(zhuǎn)換TTS(tex