数据压缩第八周作业——MPEG编码器

已于 2022-07-12 23:24:36 修改
阅读量337 收藏
点赞数
分类专栏： 数据压缩 文章标签： 人工智能 视频编解码
于 2022-07-07 20:48:56 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Adore11/article/details/125666732
版权

MPEG编码器

一、MPEG音频编码原理

思想原理：利用人耳的听觉特性，去除掉无法被人👂感知的音频部分。

基本框架：最重要的是理解这种图以及”带着镣铐跳舞“这句话的含义。
在这里插入图片描述

MPEG-2音频编码器架构：

  • 多项滤波器（32个子带）：MPEG将输入的PCM音频码流变换为32个子带的频域信号，分解的思想其实就是子带编码思想（将原始信号分解为若干个子频带，对其分别进行编码，利用下采样能够降低传送数据的比特率，同时还能保持较小的失真范围。

  • 比例因子提取：输入的1152个样本=32x12x3，32是指分解成的32个子带，在经过一次分解后需要等12次，相当于1组由12个取样点组成，先找出12个样点中绝对值的最大值作为公共比例因子；接着等待三组，从三组中抽出最大的比例因子进行量化（减小运算量）

    (以上为时域部分要点)

    (下面是频域部分要点)

  • 心理声学模型：利用人耳的掩蔽特性，结合临界频带对输入的数据进行过滤，之保持频率最高的部分。

    • 输入FFT（频域信号）以及比例因子

    • 输出SMR（子带信号掩蔽比）

  • 动态比特分配：根据心理声学模型的计算结果，为每个自带信号分配比特数。

    • 输入比特预算和SMR
    • 输出每个自带对应的量化数

1、心理声学模型构建

主要思想： 人耳的听觉系统中存在一个听觉阈值电平，低于这个电平的声音信号就听不到。

  • 听觉阈值的大小随声音频率的改变而改变。
  • 一个人是否听到声音取决于声音的频率，以及声音的幅度是否高于这种频率下的听觉阈值
  • 人耳具有听觉掩蔽特性，人耳感知的听觉阈值电平是自适应的，会随听到的不同频率声音而发生变化

①听觉阈值：

  • 两个声音响度级相同，但强度不一定相同，还与频率有关（图中密密麻麻的线，属于等响度曲线，同一条线上的响度级相同。观察同一条曲线上的两点，其强度不一定相同）

  • 声压级越高，等响度曲线趋于平坦

在这里插入图片描述

②频域掩蔽：

  • 听觉阈值电平是自适应的，会随听到的不同频率声音而发生变化
  • 如果有多个频率成分的复杂信号存在，那么频谱的总掩蔽阈值与频率的关系取决于各掩蔽音的强度、频率和它们之间的距离。
    在这里插入图片描述

③临界频带
含义：当某个纯音被以它为中心频率、且具有一定带宽的连续噪声所掩蔽时，如果该纯音刚好被听到时的功率等于这一频带内的噪声功率，这个带宽称之为临界频带宽度。

通常认为从20Hz到16kHz有25个临界频带，单位为bark，1 Bark = 一个临界频带的宽度：
在这里插入图片描述

④人耳听觉系统
主要思想：等效于一个信号通过一组并联的不同中心频率的带通滤波器。

  • 中心频率与信号频率相同的滤波器具有最大响应；中心频率偏离信号频率较多的滤波器不会产生响应。
  • 在0Hz到20KHz频率范围内由25个重叠的带通滤波器组成的滤波器组。
  • 听音者在噪声中听某一纯音信号时，只启用中心频率与信号频率相同的那个听觉滤波器，纯音信号通过该滤波器，而噪声信号只有通带范围内的部分信号能通过，通带以外的频率成分则被抑制，只有通过该滤波器的噪声才对掩蔽起作用。

在这里插入图片描述
⑤掩蔽音的关系

掩蔽音与被掩蔽音的组合方式有四种，即它们分别可以是乐音信号（弦信号，Tone）或窄带噪声（noise）。乐音信号和窄带噪声信号作为掩蔽音时产生的掩蔽效果有很大不同。

  • 噪声掩蔽纯音时，只有以纯音频率为中心的，一定频带宽度内的噪声能量起掩蔽作用，超出该频带的噪声能量无掩蔽效应，称掩蔽的临界带宽。掩蔽说明了频率选择性的极限
  • 掩蔽纯音信号，理论上使用带宽范围等于其临界带宽1/3倍频程的窄带噪声，这是因为掩蔽的临界带宽稍窄，听起来接近于纯音，患者常常混淆纯音与掩蔽噪声，而以纯音频率为中心频率的1/3倍频程噪声，宽度略大于临界带宽，同样可以起到很好的掩蔽效果。但实际应用中根据IEC645规定，临床听力计上常使用约4/10倍频程的窄带噪声

回顾声学模型：
在这里插入图片描述

上面一条线：通过子带分析滤波器组使信号具有高的时间分辨率，确保在短暂冲击信号情况下，编码的声音信号具有足够高的质量。
下面一条线：通过FFT运算具有高的频率分辨率。

上面一条线是音频编码的主线部分，下面一条线的本质是为了帮助计算线性量化器的量化比特数。其中，下面一条线最为出彩的部分是心理声学模型的应用，它对去除冗余信息起到了极大的作用。

时域-频域矛盾：举一个超级简单易懂的例子，不知道对不对，但是很好理解：

输入1152个样本，如果音频采样率是48kHz，对应的时间窗口就是24ms，观察一帧图像也就是按照24ms为单位。
在这里插入图片描述
反观频域：频率分辨率就是1/24，时间窗口越长（样本数越多），时域分辨率月底，而频域分辨率却越高。增大频域分辨力的同时时域分辨力必然会相应减小。

⑥动态比特分配

目的：使帧和每个子带的噪声-掩蔽比最小

在这里插入图片描述

  • 在调整到固定的码率之前，首先需要确定可用于样值编码的有效比特数，这个数值取决于比例因子、比例因子选择信息、比特分配信息以及辅助数据所需比特数。
  • 计算噪掩蔽的公式NMR=信掩比SMR-信噪比SNR（NMR表示波形误差和预测感知误差的关系，当NMR为负值时不需要考虑）
  • 首先假设SNR=0，按照比特预算的比特数，优先考虑NMR值最大的子带。
  • 每分配1bit就会降低6dB，依次循环~直到分配bit数=0或者所有子带的NMR都降低至0。

再次举一个超级简单的例子for example：
在这里插入图片描述

二、编码器设计分析

输入声音信号经过一个多相滤波器组，变换到多个子带，等待多组提取共同的比例因子，同时进行频率分析， 经过“心理声学模型” 计算以频率为自变量的噪声掩蔽阈值。量化和编码部分用信掩比SMR决定分配给子带信号的量化位数，使量化噪声小于掩蔽阈值。最后通过数据帧包装 将量化的子带样本和其它数据按照规定的帧格式组装成比特数据流。

在这里插入图片描述
首先我们查看命令行参数（命令行参数什么都不设置，输出，查看要求格式）
在这里插入图片描述
表示这里需要设置输入文件的名称以及输出文件的名称

下一步关注main函数：

int main(int argc, char** argv)
{
	/********************************参数初始化***************************************************/
	programName = argv[0];//argv[0]表示输入文件
	if (argc == 1)
		short_usage();
	else
		parse_args(argc, argv, &frame, &model, &num_samples, original_file_name,
			encoded_file_name);//解析命令行参数
	print_config(&frame, &model, original_file_name, encoded_file_name);//输出配置信息

	hdr_to_frps(&frame);//加载信息头中解压出来的信息
	nch = frame.nch;
	error_protection = header.error_protection;

	//按帧获取信息
	while (get_audio(musicin, buffer, num_samples, nch, &header) > 0) {
		if (glopts.verbosity > 1)
			if (++frameNum % 10 == 0)
				fprintf(stderr, "[%4u]\r", frameNum);
		fflush(stderr);
		win_buf[0] = &buffer[0][0];
		win_buf[1] = &buffer[1][0];

		adb = available_bits(&header, &glopts);//在码率分配前首先要计算码率预算，把计算所得的该帧总分配比特数赋给了adb,在adb获得值以后直接进行输出。
		lg_frame = adb / 8;
		if (header.dab_extension) {
			if (header.sampling_frequency == 1)
				header.dab_extension = 4;
			if (frameNum == 1)
				minimum = lg_frame + MINIMUM;
			adb -= header.dab_extension * 8 + header.dab_length * 8 + 16;
		}

		{
			int gr, bl, ch;
			for (gr = 0; gr < 3; gr++)
				for (bl = 0; bl < 12; bl++)
					for (ch = 0; ch < nch; ch++)
						WindowFilterSubband(&buffer[ch][gr * 12 * 32 + 32 * bl], ch,
							&(*sb_sample)[ch][gr][bl][0]);//多相滤波器组
		}
		scale_factor_calc(*sb_sample, scalar, nch, frame.sblimit);//计算比例因子
		pick_scale(scalar, &frame, max_sc);//选择其中最大的比例因子
		if (frame.actual_mode == MPG_MD_JOINT_STEREO) {
			combine_LR(*sb_sample, *j_sample, frame.sblimit);
			scale_factor_calc(j_sample, &j_scale, 1, frame.sblimit);//计算比例因子选择信息
		}

		if ((glopts.quickmode == TRUE) && (++psycount % glopts.quickcount != 0)) {
			for (ch = 0; ch < nch; ch++) {
				for (sb = 0; sb < SBLIMIT; sb++)
					smr[ch][sb] = smrdef[ch][sb];
			}
		}
		else
		{
			//根据心理声学模型计算掩蔽电平
			switch (model) {
			case -1:
				psycho_n1(smr, nch);
				break;
			case 0://心理声学模型A计算掩蔽电平
				psycho_0(smr, nch, scalar, (FLOAT)s_freq[header.version][header.sampling_frequency] * 1000);//注意这里 输入比例因子，fft，输出SMR
				break;
			case 1:
				psycho_1(buffer, max_sc, smr, &frame);
				break;
			case 2:
				for (ch = 0; ch < nch; ch++) {
					psycho_2(&buffer[ch][0], &sam[ch][0], ch, &smr[ch][0], //snr32,
						(FLOAT)s_freq[header.version][header.sampling_frequency] *
						1000, &glopts);
				}
				break;
			case 3:
				psycho_3(buffer, max_sc, smr, &frame, &glopts);
				break;
			case 4:
				for (ch = 0; ch < nch; ch++) {
					psycho_4(&buffer[ch][0], &sam[ch][0], ch, &smr[ch][0], // snr32,
						(FLOAT)s_freq[header.version][header.sampling_frequency] *
						1000, &glopts);
				}
				break;
			case 5:
				psycho_1(buffer, max_sc, smr, &frame);
				fprintf(stdout, "1 ");
				smr_dump(smr, nch);
				psycho_3(buffer, max_sc, smr, &frame, &glopts);
				fprintf(stdout, "3 ");
				smr_dump(smr, nch);
				break;
			case 6:
				for (ch = 0; ch < nch; ch++)
					psycho_2(&buffer[ch][0], &sam[ch][0], ch, &smr[ch][0], //snr32,
						(FLOAT)s_freq[header.version][header.sampling_frequency] *
						1000, &glopts);
				fprintf(stdout, "2 ");
				smr_dump(smr, nch);
				for (ch = 0; ch < nch; ch++)
					psycho_4(&buffer[ch][0], &sam[ch][0], ch, &smr[ch][0], // snr32,
						(FLOAT)s_freq[header.version][header.sampling_frequency] *
						1000, &glopts);
				fprintf(stdout, "4 ");
				smr_dump(smr, nch);
				break;
			case 7:
				fprintf(stdout, "Frame: %i\n", frameNum);
				psycho_1(buffer, max_sc, smr, &frame);
				fprintf(stdout, "1");
				smr_dump(smr, nch);
				psycho_3(buffer, max_sc, smr, &frame, &glopts);
				fprintf(stdout, "3");
				smr_dump(smr, nch);
				for (ch = 0; ch < nch; ch++)
					psycho_2(&buffer[ch][0], &sam[ch][0], ch, &smr[ch][0], //snr32,
						(FLOAT)s_freq[header.version][header.sampling_frequency] *
						1000, &glopts);
				fprintf(stdout, "2");
				smr_dump(smr, nch);
				for (ch = 0; ch < nch; ch++)
					psycho_4(&buffer[ch][0], &sam[ch][0], ch, &smr[ch][0], // snr32,
						(FLOAT)s_freq[header.version][header.sampling_frequency] *
						1000, &glopts);
				fprintf(stdout, "4");
				smr_dump(smr, nch);
				break;
			case 8:
				/* Compare 0 and 4 */
				psycho_n1(smr, nch);
				fprintf(stdout, "0");
				smr_dump(smr, nch);

				for (ch = 0; ch < nch; ch++)
					psycho_4(&buffer[ch][0], &sam[ch][0], ch, &smr[ch][0], // snr32,
						(FLOAT)s_freq[header.version][header.sampling_frequency] *
						1000, &glopts);
				fprintf(stdout, "4");
				smr_dump(smr, nch);
				break;
			default:
				fprintf(stderr, "Invalid psy model specification: %i\n", model);
				exit(0);
			}
			if (glopts.quickmode == TRUE)
				/* copy the smr values and reuse them later */
				for (ch = 0; ch < nch; ch++) {
					for (sb = 0; sb < SBLIMIT; sb++)
						smrdef[ch][sb] = smr[ch][sb];
				}

			if (glopts.verbosity > 4)
				smr_dump(smr, nch);
		}
		transmission_pattern(scalar, scfsi, &frame);
		main_bit_allocation(smr, scfsi, bit_alloc, &adb, &frame, &glopts);//进行比特分配
		if (error_protection)
			CRC_calc(&frame, bit_alloc, scfsi, &crc);//如果需要就添加CRC纠错
		encode_info(&frame, &bs);
		if (error_protection)
			encode_CRC(crc, &bs);
		encode_bit_alloc(bit_alloc, &frame, &bs);//将比特分配打包到比特流中
		encode_scale(bit_alloc, scfsi, scalar, &frame, &bs);//将比例因子打包到比特流中
		subband_quantization(scalar, *sb_sample, j_scale, *j_sample, bit_alloc,
			*subband, &frame);//量化子带
		sample_encoding(*subband, bit_alloc, &frame, &bs);//将子带打包到比特流中
		...
  exit (0);
}

着装关注几个非常重要的模块：比例因子提取、心理声学模型、动态比特分配

1、比例因子提取：

void scale_factor_calc (double sb_sample[][3][SCALE_BLOCK][SBLIMIT],
			unsigned int scalar[][3][SBLIMIT], int nch,
			int sblimit)
{
  int k, t;
  /* Using '--' loops to avoid possible "cmp value + bne/beq" compiler  */
  /* inefficiencies. Below loops should compile to "bne/beq" only code  */
  for (k = nch; k--;)
    for (t = 3; t--;) {
      int i;
      for (i = sblimit; i--;) {//12个一组寻找子带中的最大值
	int j;
	unsigned int l;
	register double temp;
	unsigned int scale_fac;
	register double cur_max = fabs (sb_sample[k][t][SCALE_BLOCK - 1][i]);
	for (j = SCALE_BLOCK - 1; j--;) {
	  if ((temp = fabs (sb_sample[k][t][j][i])) > cur_max)
	    cur_max = temp;
	}
	for (l = 16, scale_fac = 32; l; l >>= 1) {//查找比例因子表中比这个最大值大的最小值作为比例因子
	  if (cur_max <= multiple[scale_fac])
	    scale_fac += l;
	  else
	    scale_fac -= l;
	}
	if (cur_max > multiple[scale_fac])
	  scale_fac--;
	scalar[k][t][i] = scale_fac;//得到比例因子
      }
    }
}

2、选取最大的比例因子

void pick_scale (unsigned int scalar[2][3][SBLIMIT], frame_info * frame,
		 double max_sc[2][SBLIMIT])
{
  int i, j, k, max;
  int nch = frame->nch;
  int sblimit = frame->sblimit;

  for (k = 0; k < nch; k++)
    for (i = 0; i < sblimit; max_sc[k][i] = multiple[max], i++)
      for (j = 1, max = scalar[k][0][i]; j < 3; j++)
	if (max > scalar[k][j][i])//循环找最大的比例因子
	  max = scalar[k][j][i];
  for (i = sblimit; i < SBLIMIT; i++)
    max_sc[0][i] = max_sc[1][i] = 1E-20;
}

3、心理声学模型（这里以我们使用的A模型分析）

void psycho_0(double SMR[2][SBLIMIT], int nch, unsigned int scalar[2][3][SBLIMIT], FLOAT sfreq) {
	int ch, sb, gr;
	int minscaleindex[2][SBLIMIT];//较小的指标意味着较大的比例因子
	static FLOAT ath_min[SBLIMIT];
	int i;
	static int init = 0;

	if (!init) {
		FLOAT freqperline = sfreq / 1024.0;
		for (sb = 0; sb < SBLIMIT; sb++) {
			ath_min[sb] = 1000; /* set it huge */
		}
		//在每个子带中找到最小的ATH
		for (i = 0; i < 512; i++) {
			FLOAT thisfreq = i * freqperline;
			FLOAT ath_val = ATH_dB(thisfreq, 0);
			if (ath_val < ath_min[i >> 4])
				ath_min[i >> 4] = ath_val;
		}
		init++;
	}
	//找到这32个子带中最小的比例因子
	for (ch = 0; ch < nch; ch++)
		for (sb = 0; sb < SBLIMIT; sb++)
			minscaleindex[ch][sb] = scalar[ch][0][sb];

	for (ch = 0; ch < nch; ch++)
		for (gr = 1; gr < 3; gr++)
			for (sb = 0; sb < SBLIMIT; sb++)
				if (minscaleindex[ch][sb] > scalar[ch][gr][sb])
					minscaleindex[ch][sb] = scalar[ch][gr][sb];
	for (ch = 0; ch < nch; ch++)
		for (sb = 0; sb < SBLIMIT; sb++)
			SMR[ch][sb] = 2.0 * (30.0 - minscaleindex[ch][sb]) - ath_min[sb];
}

4、动态码率分配

void main_bit_allocation(double perm_smr[2][SBLIMIT],
	unsigned int scfsi[2][SBLIMIT],
	unsigned int bit_alloc[2][SBLIMIT], int* adb,
	frame_info* frame, options* glopts)
{
	...
	//选择动态分配码率模式
	if (glopts->vbr == FALSE) {
		/* Just do the old bit allocation method */
		noisy_sbs = a_bit_allocation(perm_smr, scfsi, bit_alloc, adb, frame);
	}
	else {
		/* do the VBR bit allocation method *//动态分配码率
		frame->header->bitrate_index = lower;
		*adb = available_bits(frame->header, glopts);
		{
			int brindex;
			int found = FALSE;

			/* Work out how many bits are needed for there to be no noise (ie all MNR > 0.0 + VBRLEVEL) */计算如果全部消除噪声情况下所需要的比特数
			int req =
				VBR_bits_for_nonoise(perm_smr, scfsi, frame, glopts->vbrlevel);

			/* Look up this value in the bitrateindextobits table to find what bitrate we should use for
			   this frame */在bitrateindextobits表中查找对此帧使用的比特率
			   
			for (brindex = lower; brindex <= upper; brindex++) {
				if (bitrateindextobits[brindex] > req) {
					guessindex = brindex;
					found = TRUE;
					break;
				}
			}
			if (found == FALSE)
				guessindex = upper;
		}

		frame->header->bitrate_index = guessindex;
		*adb = available_bits(frame->header, glopts);

		/* update the statistics */
		vbrstats[frame->header->bitrate_index]++;

		if (glopts->verbosity > 2) {
			static int count = 0;
			int i;
			if ((count++ % 1000) == 0) {
				for (i = 1; i < 15; i++)
					fprintf(stdout, "%4i ", vbrstats[i]);
				fprintf(stdout, "\n");
			}
			if (glopts->verbosity > 5)
				fprintf(stdout,
					"> bitrate index %2i has %i bits available to encode the %i bits\n",
					frame->header->bitrate_index, *adb,
					VBR_bits_for_nonoise(perm_smr, scfsi, frame,
						glopts->vbrlevel));

		}
		noisy_sbs =
			VBR_bit_allocation(perm_smr, scfsi, bit_alloc, adb, frame, glopts);
	}
}

5、输出音频的采样率和目标码率

void print_config(frame_info* frame, int* psy, char* inPath,
	char* outPath)
{
	frame_header* header = frame->header;
	if (glopts.verbosity == 0)
		return;
	fprintf(stderr, "--------------------------------------------\n");
	fprintf(stderr, "Input File : '%s'   %.1f kHz\n",
		(strcmp(inPath, "-") ? inPath : "stdin"),
		s_freq[header->version][header->sampling_frequency]);//输入文件路径和音频采样率
	fprintf(stderr, "Output File: '%s'\n",
		(strcmp(outPath, "-") ? outPath : "stdout"));//输出文件路径
	fprintf(stderr, "%d kbps ", bitrate[header->version][header->bitrate_index]);//音频采样率
	fprintf(stderr, "%s ", version_names[header->version]);
	if (header->mode != MPG_MD_JOINT_STEREO)
		fprintf(stderr, "Layer II %s Psycho model=%d  (Mode_Extension=%d)\n",
			mode_names[header->mode], *psy, header->mode_ext);//采用的心理声学模型
	else
		fprintf(stderr, "Layer II %s Psy model %d \n", mode_names[header->mode],
			*psy);

	fprintf(stderr, "[De-emph:%s\tCopyright:%s\tOriginal:%s\tCRC:%s]\n",
		((header->emphasis) ? "On" : "Off"),
		((header->copyright) ? "Yes" : "No"),
		((header->original) ? "Yes" : "No"),
		((header->error_protection) ? "On" : "Off"));

	fprintf(stderr, "[Padding:%s\tByte-swap:%s\tChanswap:%s\tDAB:%s]\n",
		((glopts.usepadbit) ? "Normal" : "Off"),
		((glopts.byteswap) ? "On" : "Off"),
		((glopts.channelswap) ? "On" : "Off"),
		((glopts.dab) ? "On" : "Off"));

	if (glopts.vbr == TRUE)
		fprintf(stderr, "VBR Enabled. Using MNR boost of %f\n", glopts.vbrlevel);
	fprintf(stderr, "ATH adjustment %f\n", glopts.athlevel);

	fprintf(stderr, "--------------------------------------------\n");
}

最终得到输出结果
在这里插入图片描述
输入文件名：test.wav 音频的采样率：44.1KHz
输出文件名：test.mp2 音频的目标码率为192Kbps

在main函数中加入代码输出比特分配结果

	if (frameNum == 1)
	{
		FILE* result;
		result = fopen("result.txt", "w");
		// 输出比例因子

		fprintf(result, "比例因子//\n");
		for (int k = 0; k < nch; k++)	// 每个声道单独输出
		{
			fprintf(result, "声道%d\n", k + 1);
			for (sb = 0; sb < frame.sblimit; sb++)	// 每个子带
			{
				fprintf(result, "子带[%d]:\t", sb + 1);
				for (int gr = 0; gr < 3; gr++) {
					fprintf(result, "%2d\t", scalar[k][gr][sb]);
				}
				fprintf(result, "\n");
			}
		}
		fprintf(result, "\n");

		//输出比特分配结果

		fprintf(result, "比特分配//\n");
		for (int k = 0; k < nch; k++)//每个声道单独输出
		{
			fprintf(result, "声道%d：\n", k + 1);
			for (int i = 0; i < SBLIMIT; i++)//每个子带有一个比特分配结果
			{
				fprintf(result, "子带%d：\t", i);
				fprintf(result, "%d\n", bit_alloc[k][i]);
			}
		}
		fclose(result);
	}

在这里插入图片描述
在这里插入图片描述

三、分析乐音、噪声、混合音三个音频文件

1、噪声
输入文件名：nosie.wav 音频的采样率：48KHz
输出文件名：nosie.mp2 音频的目标码率为192Kbps
在这里插入图片描述
2、test乐音
输入文件名：test.wav 音频的采样率：44.1KHz
输出文件名：test.mp2 音频的目标码率为192Kbps
在这里插入图片描述

3、mix混合音
输入文件名：mix.wav 音频的采样率：48KHz
输出文件名：mix.mp2 音频的目标码率为192Kbps
在这里插入图片描述

3、修改程序~输出比例因子、比特预算、比特分配结果

	if (frameNum == 1)//输出第一帧为例
	{
		FILE* result;
		result = fopen("result.txt", "w");
		// 输出比例因子
		fprintf(result, "比例因子//\n");
		for (int k = 0; k < nch; k++)	// 每个声道单独输出
		{
			fprintf(result, "声道%d\n", k + 1);
			for (sb = 0; sb < frame.sblimit; sb++)	// 每个子带
			{
				fprintf(result, "子带[%d]:\t", sb + 1);
				for (int gr = 0; gr < 3; gr++) {
					fprintf(result, "%2d\t", scalar[k][gr][sb]);
				}
				fprintf(result, "\n");
			}
		}
		fprintf(result, "\n");

		//输出比特分配结果

		fprintf(result, "比特分配//\n");
		for (int k = 0; k < nch; k++)//每个声道单独输出
		{
			fprintf(result, "声道%d：\n", k + 1);
			for (int i = 0; i < SBLIMIT; i++)//每个子带有一个比特分配结果
			{
				fprintf(result, "子带%d：\t", i);
				fprintf(result, "%d\n", bit_alloc[k][i]);
			}
		}
		//输出比特预算
		fprintf(result, "比特预算//\n");
		fprintf(result, "%d bits\n", adb);
	}

4、查看result结果：

噪音乐音混合音
比例因子选择在这里插入图片描述在这里插入图片描述在这里插入图片描述
比特分配在这里插入图片描述在这里插入图片描述在这里插入图片描述
比特预算在这里插入图片描述在这里插入图片描述在这里插入图片描述

总结

  • MPEG的关键思想——掌握“时频两条线”（主线是时域线，最终的量化还是在时域线里进行，频域相当于只是利用生理特性限制条件）
  • 声学心理模型中，首先需要计算比特预算，将比特预算和频域共同输入声学模型，得到SMR（每个子带的信号-掩蔽比）
Adore11
关注
专栏目录
【Codecs系列】mpeg2编码器的开源实现：x262
CSDN明星博主，认证博客专家，视频、Matlab领域优质创作者。
10-15 1747
Date： 2018.10.15 1、x262介绍及其源码下载 项目主页：https://www.videolan.org/developers/x262.html 源码下载地址：http://git.videolan.org/?p=x262.git;a=tree 或者：https://github.com/kierank/x262 开源协议：GNU General Public License...
MPEG-2开源编码器x262实现
10-28
MPEG-2开源编码器x262实现，可以直接使用，编译很简单，值得学习~！
[数据压缩]_实验⑤ MPEG编码器
Apyyxah_101333的博客
06-02 469
iiii
MPEG原理分析及MPEG音频编码器的调试
qq_43399224的博客
06-15 254
一、程序设计的整体框架 主函数及注释： int main (int argc, char **argv) { typedef double SBS[2][3][SCALE_BLOCK][SBLIMIT]; SBS *sb_sample; typedef double JSBS[3][SCALE_BLOCK][SBLIMIT]; JSBS *j_sample; typedef double IN[2][HAN_SIZE]; IN *win_que; typedef unsigned
MPEG编码器调试
BeatriceDluberry的博客
07-16 279
数据压缩实验MPEG
MPEG1_ISO 11172-2MPGVIDEO
07-30
该标准的核心部分是11172-2，它详细定义了MPEG-1的第二部分——视频编码层（Video Coding Layer）。MPEG-1主要应用于CD-ROM上的视频存储，如VCD（Video Compact Disc），在有限的带宽下实现高质量的视频传输。 MPEG...
MPEG2.rar_4 3 2 1_MPEG2 中文_mpeg c++
09-24
MPEG2，全称Moving Picture Experts Group（动态图像专家组）第二版，是国际电信联盟（ITU）和国际标准化组织（ISO）联合制定的一种数字视频和音频编码标准，广泛应用于数字电视、DVD以及视频流媒体等领域。...
数字图像处理：第5章 图像编码（第三讲）.ppt
09-17
【数字图像处理：第5章 图像编码（第三讲）】 图像编码是数字图像处理中的重要环节，...变换编码的这种方法在图像压缩领域有着广泛的应用，如JPEG和MPEG标准，它们在保持图像质量的同时，极大地减小了图像数据的大小。
新一代视频压缩码标准-H.264_AVC(第二版).pdf.zip
05-06
2. **编码架构**：H.264/AVC采用了混合编码框架，结合了基于块的离散余弦变换（DCT）和运动补偿，以及熵编码，如熵编码器中的 CABAC (Context-Adaptive Binary Arithmetic Coding) 和 CAVLC (Context-Adaptive ...
MPEG音频编码原理及编码器调试
ArchNexus的博客
06-17 639
一 MPEG音频编码 1 基本原理 基本思想:去掉音频信号中的冗余。其中，冗余主要来自：声音信号中本身存在的冗余；不被人耳感知的部分。 1.1 MPEG-1 Audio Layer2 编码器原理 该编码器主要采用了心理声学模型。 · 输入声音信号经过一个多相滤波器组，变换到多个子带。同时经过“心理声学模型”计算以频率为自变量的噪声掩蔽阈值。量化和编码部分用信掩比 SMR 决定分配给子带信号的量化位数，使量化噪声＜掩蔽域值。最后通过数据帧包装将量化的子带样本和其它数据按照规定的帧格式组装成比特数据流。 ·
【数据压缩 （八）】MPEG原理分析及MPEG编码器的调试
qq_60187577的博客
06-16 302
数据压缩 mpeg编码
【数据压缩11】Lab6 MPEG音频编码实验
yaoyaxuan的博客
05-30 439
【数据压缩11】Lab6 MPEG音频编码实验 文章目录【数据压缩11】Lab6 MPEG音频编码实验一、实验目的二、实验原理1. 感知音频编码设计思想(1)基本思想(2)上下两条线(3)时频矛盾(4)模块组成- 多相滤波器组(Polyphase Filter Bank)- 心理声学模型(Psychoacoustic Model)- 比特分配器(Bit Allocator)- 装帧(Frame Creation)2. 心理声学模型实现过程（1）将样本变换到频域（2）确定声压级别（3）考虑安静时阈值（4）音频
MPEG-1 Audio 编码器
liushuang95的博客
07-02 1420
一、实验原理 MPEG-1音频编码器框架图 1、多相滤波器组(Polyphase Filter Bank)：将PCM样本变换到32个子带的频域信号。如果输入的采样频率为48k Hz，那么子带的频率宽度为48/（2*32）=0.75Hz。 2、心理声学模型(Psychoacoustic Model)：计算信号中不可听觉感知的部分。计算噪声遮蔽效应。 3、比特分配器(Bit Allocat
【数据压缩（九）】MPEG原理分析及MPEG编码器的调试
zyzcuczyu的博客
06-14 375
MPEG原理分析及MPEG编码器的调试一、实验要求二、实验原理三、实验步骤 一、实验要求 理解程序设计的整体框架 理解感知音频编码的设计思想 ■ 两条线 ■ 时、频分析的矛盾！ 理解心理声学模型的实现过程 ■ 临界频带的概念 ■ 掩蔽值计算的思路 理解码率分配的实现思路 输出音频的采样率和目标码率 选择三个不同特性的音频文件 ■ 噪声（持续噪声、突发噪声） ■ 音乐 ■ 混合 某个数据帧，输出 ■ 该帧所分配的比特数 ■ 该帧的比例因子 ■ 该帧的比特分配结果 二、实验原理 三、实验步骤 ...
探讨Facebook的AI研究：未来社交平台的技术前瞻
LokiSan的博客
10-29 1249
在数字时代，社交媒体已成为人们日常生活的重要组成部分。作为全球最大的社交网络之一，Facebook不断致力于人工智能（AI）的研究与应用，以提升用户体验、增强平台功能并推动技术创新。本文将探讨Facebook在AI领域的研究方向及其对未来社交平台的潜在影响。
UOS AI 1.6 版本升级，如何实现精准搜索，效率翻倍？
最新发布
vickynesss的博客
11-01 377
通过直接接入互联网的实时数据流，搜索结果变得多样化，不仅限于文字总结，还包括思维导图、事件与人物的综合概述，以及图片、视频、音频等多种形式，显著提高了回答的准确性和全面性。全局搜索全新搭载端侧大模型：支持离线自然语言搜索，无论身在何处，即使没有网络，只需通过快捷键“Shift+space(空格键）”唤醒全局搜索，都能轻松找到所需文件。：对于日常积累的海量截图，只需借助全局搜索功能，简要描述图片内的文字信息，便能迅速锁定并检索到所需图片。：重要信息直接添加到知识库，方便日后查阅，让全局搜索成为你的第二大脑。
基于Keras的U-Net模型在图像分割与计数中的应用
10-31 1953
网络结构优化：项目基于经典的U-Net模型进行改进，采用了更深的网络层次结构，使模型能够在多尺度上捕捉到图像中的细节信息。特别是针对医学图像分割，项目通过增加卷积层数和引入Dropout层来增强模型的特征提取能力，并有效防止过拟合，从而提高模型在训练数据较少情况下的表现。项目中采用了he_normal初始化器和relu激活函数组合，使得网络在训练时能够更快地收敛，降低梯度消失的风险。自定义数据增强策略：在中实现了一个自定义的图像增强类。
多媒体数据压缩原理与JPEG、MPEG编码详解
总结来说，多媒体数据压缩技术的核心在于理解并利用数据的统计特性，通过优化编码方式和算法，尽可能地降低数据的熵，从而实现高效的数据压缩。这对于现代信息技术，如网络传输、存储和多媒体内容的创作与分享都至关...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值