MPEG音频编码实验

实验原理

MPEG简介

MPEG-1

        MPEG组织制定的第一个视频和音频有损压缩标准，也是最早推出及应用在市场上的MPEG技术，其原来的主要目标是在CD光盘上记录影像，后来被广泛应用在VCD光盘。视频压缩算法于1990年定义完成。1992年底，MPEG-1正式被批准成为国际标准。其中的音讯压缩的第三级（MPEG-1 Layer 3）简称MP3，成为比较流行的音讯压缩格式。

MPEG-2

        1994年发布，广播质量的视讯、音讯和传输协议。被用于无线数位电视-ATSC、DVB以及ISDB、数字卫星电视（例如DirecTV）、数字有线电视信号，以及DVD视频光盘技术中。AAC 的音频编码就出现在MPEG-2中。

MPEG-1声音的主要性能

        输入为PCM 信号，采样率为 32 ， 44.1 或 48kHz ，输出为 32kbps 到 384kbps 。

三个独立的压缩层次

        Layer1：编码器最简单， 384kbps （ 4 ： 1 ， 用于小型数字盒带 DCC ， Compact Cassette ）

        Layer2：编码器复杂程度中等， 256kbps ～ 192kbps （ 6 ： 1 ～ 8 ： 1 ， 用于 DAB 、 CD-I 和 VCD ）

        Layer3：编码器最为复杂， 64kbps ，用于 ISDN ，网络 音频

MPEG音频压缩

MPEG-1 Audio LayerII编码器原理

        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。

两条线

        时间的瞬时特性

        频域分析

时-频分析的矛盾

        在低频部分，LayerI/II的带宽明显大于临界带宽

        解决方法：提高频域分辨率（更多子带），同时保证向后兼容

（ 1 ）多相滤波器组，用来分割子带

（ 2 ）量化和编码 – 比例因子的取值和编码

（3）数据帧包装

 MPEG-I 心理声学模型

        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。

        又可以使信号通过FFT运算具有高的频率分辨率，因为掩蔽阈值是从功率谱密度推出来的。

        在低频子带中，为了保护音调和共振峰的结构，就要求用较小的量化阶、较多的量化级数，即分配较多的位数来表示样本值。而话音中的摩擦音和类似噪声的声音，通常出现在高频子带中，对它分配较少的位数。

        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

         听觉掩蔽特性。即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。

MPEG-I 标准定义了两个模型

        心理声学模型1: 计算复杂度低 但对假设用户听不到的部分压缩太严重

        心理声学模型2 : 提供了适合Layer III编码的更多特征

心理声学模型1

1、将样本变换到频域

        32个等分的子带信号并不能精确地反映人耳的听觉特性。引入FFT补偿频率分辨率不足的问题。 

        ·采用Hann加权和DFT

                Hann加权减少频域中的边界效应

                此变换不同于多相滤波器组，因为模型需要更精细的频率分辨率，而且计算掩蔽阈值也需要每个频率的幅值

        ·模型1：采用512 (Layer I) 或1024 (Layers II and III)样本窗口

                Layer I：每帧384个样本点，512个样本点足够覆盖

                Layer II 和Layer III：每帧1152个样本点，每帧两次计算，模型1选择两个信号掩蔽比（SMR）中较小的一个

2、确定声压级别