3-2 audio processing--code

幻灯片2：压缩编码技术的分类，无损压缩（霍夫曼编码、算术编码、行程编码）和有损压缩（波形编码、参数编码、感知编码、混合编码）

幻灯片7：信息量I(x)

信息是指一个具体事件发生所带来的信息，衡量信息大小就看这个信息消除不确定性的程度

信息量指从N个相等事件中选出1个事件所需要提问“是或否”的最少次数，即一个事件需要查询的信息多少，单位是比特。

信息是用不确定的量度定义的。 一个N个等概率事件的集合，每个事件的发生概率是1/N, 则每个事件信息量等于log2(N)

【例】信息量计算：假设X={a,b,c}是由3个事件构成的集合，p(a)=0.5，p(b)=0.25，p(c)=0.25分别是事件a, b和c出现的概率，这些事件的信息量分别为  I(a)=log2(1/0.50)=1 bit  ，I(b)=log2(1/0.25)=2 bit ，I(c)=log2(1/0.25)=2 bit

幻灯片10：熵H(x)--等概率事件的熵最大

香农(Shannon)的理论，在有限的互斥和联合穷举事件的集合中，熵为事件的信息量的平均值，也称事件的平均信息量(mean information content)，即信息量的期望，数学表示为

【例】熵的计算：假设X={a,b,c}是由3个事件构成的集合，p(a)=0.5，p(b)=0.25，p(c)=0.25分别是事件a, b和c出现的概率，这个集合的熵为： 那么a,b,c的熵分别是1, 2, 2. H(X)=p(a)I(a)+p(b)I(b)+p(c)I(c)         =0.5*1+0.25*2+0.25*2=1.5(bit)

幻灯片14：决策量H0(x)

在有限数目的互斥事件集合中，决策量是事件数的对数值，在数学上表示为 ：H0=log(n)， 其中，n是事件数。单位：bit : 用于以2为底的对数 Nat (奈特)；用于以e为底的对数

幻灯片15：数据的冗余量R

R=H0-H

【例】冗余量的计算：假设X={a,b,c}是由3个事件构成的集合，p(a)=0.5，p(b)=0.25，p(b)=0.25分别是事件a, b和c出现的概率，这个数据集的冗余为： R=H0-H=log2(3)-1.5=1.58-1.5=0.08

平均码长N*:

        1）如果N*>>H(x) : 有冗余，不是最佳

        2）如果N*<H(x) : 不可能

        3）如果N*≈H(x)：最佳编码 （N*稍微大于H(x)） 熵值是平均码长N*的下限

幻灯片19：香农-范诺编码举例(从上到下）

【例】有一段40个采样点组成的音频段，量化为5个等级，分别用符号A，B，C，D和E表示。已知40个采样点每种量化等级出现的概率。 (1) 计算该音频可能获得的压缩比的理论值 (2) 对5个等级符号进行编码 (3) 计算该音频可能获得的压缩比的实际值

（1）压缩比理论值的计算

（2）符号编码--分为两个部分，近似相同概率

（3）实际压缩比

幻灯片24：霍夫曼编码(从下到上)

【例】现有一个由5个不同符号组成的30个符号的字符串：BABACACADADABBCBABEBEDDABEEEBB 求：

(1) 该字符串的霍夫曼码--最小捏一起

(2) 该字符串的熵

概率：

(3) 该字符串的平均码长

  平均码长        ＝(2×8＋2×10＋3×3＋3×4＋2×5)/30       ＝2.233 位/符号

(4) 编码前后的压缩比

编码前：5个符号需3位，30个字符，需要90位

编码后：共67位          

压缩比: 90/67=1.34:1

(5) 编码效率=熵（H）/平均码长（L）

幻灯片36：算术编码

【例】假设信源符号为{00, 01, 10, 11}，它们的概率分别为{ 0.1, 0.4, 0.2, 0.3 },对二进制消息序列10 00 11 00 10 11 01 … 进行算术编码

（1）初始化

【例】

-------之后的应该就没什么用了--------

幻灯片50 3.2.2 数字化音频的获取

压缩编码

• 用某种方法减低数字化信息的编码率，实现数据压缩。

幻灯片52 声音信号中的时域“冗余”

• 语音信号的幅度非均匀分布，存在大量间隙和样本间相关性。

• 利用差分编码技术进行有效的数据压缩。

• 周期之间的相关性、静音间隔、长时自相关性等也可以用于压缩编码。

幻灯片54 声音信号中的频域“冗余”

• 频谱特性导致非均匀长时功率密度谱，以及短时功率谱密度的特点。

• 共振峰频率和高次谐波结构对应频率的增加而递减，也是声音信号中的频域冗余。

人耳的听觉特性

• 存在与听觉无关的“不相关”部分，不需要传送，实现数据压缩。

• 人耳听觉的心理声学特性包括声音主观感受（响度、音调、音色）和声音客观特性（振幅、频率、频谱特性）。

幻灯片57 掩蔽效应

• 较弱声音被较强声音影响的现象，表现为频域掩蔽和时域掩蔽。

• 掩蔽阈的宽度随频率变化，低频音容易对高频音产生掩蔽。

编码方法

• 无损压缩：包括各种熵编码方法。霍夫曼编码、算术编码、行程编码

• 有损压缩：涵盖波形编码、参数编码、混合编码等。

行程长度编码(RLE)是一种无损压缩编码方式，用于将连续重复的字符进行编码。

【例】行程长度编码：要编码的字符串为“aabbbcddddd”, 编码后为“2a3b1c5d” 压缩前有11个字符，压缩后有8个字符，压缩比为：11:8. 显然，连续重复的字符越多，行程编码的压缩率越大，压缩后的数据量越小。

• 波形编码、参数编码和混合编码（p66）

具体编码算法

• 波形编码包括多种编码方法，如PCM、DM、APCM、DPCM、ADPCM等，具有适应性强、算法复杂度低、语音质量好等特点。

• 参数编码基于发音机制的模型，对语音特征参数进行编码，输出的码率约为2~4.8 kbps。

• 混合编码结合了波形编码和参数编码的优点，适用于语音质量要求高的移动通信系统，输出数据速率为4.0～16 kbps。

子带编码

• 使用一组带通滤波器将输入音频信号的频带分成若干个连续的频段，每个频段称为子带。

• 在人的听觉不敏感的部位采用较粗糙的量化，在敏感部位采用较细的量化，以获得更好的主观听觉效果。

• 各子带的量化噪声都束缚在本子带内，可以避免能量较小的频带内的信号被其它频段中的量化噪声所掩盖。