【实验六】MPEG音频编码原理及调试

一.音频压缩得以实现的理论前提

1.声音信号中本身存在冗余，信号幅度分布是非均匀的，小幅度的样值比大幅度样值出现的概率高，样本之间存在相关性，这就导致了时间上的冗余，编码压缩可以实现减少冗余。

2.根据人耳的听觉特性，那些人耳所感知不到的音频可以直接舍去不需要再进行编码。

二.人类听觉系统感知的特点

1.人耳听觉系统

人类听觉系统大致等效于一个在0Hz~20KHz频率范围内由25个重叠的带通滤波器组成的滤波器组。人耳不能区分同一频带内同时发生的不同声音，500Hz以下每个临界频带的带宽大约是100Hz，从500Hz起， 临界频带带宽线性增加。
 

2.频域掩蔽效应

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。一个高强度纯音会使得该频率附近的最小可听阈曲线提升，掩蔽掉在其下的（原本能听到的）声音。这个纯音称为掩蔽声，掩蔽声存在时，音调音刚刚能被听到时的阈值称为掩蔽阈值。在编码时，可以去除掩蔽阈值以下的信号分量，并忽略可能会被掩蔽的量化噪声。

    

3.临界频带

临界频带是指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，这个带宽为临界频带宽度。

掩蔽效应在一定频率范围内不随带宽增大而改变，直至超过某个频率值。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。
 

三.MPEG-1音频编码原理

1.感知音频编码器的框图：

从图中可以看出，该编码器有两条线：一条是上方PCM码流经过滤波器组形成块，再通过线性量化器形成颗粒成为帧比特流，另一条是下方所展示的流程。

2.各部分的说明：

（1）多相滤波器组

将PCM样本变换到32个子带的频域信号，使得信号具有较高的时间分辨率，确保在短暂冲击信号的情况下，编码的声音信号具有足够高的质量。

（2）心理声学模型

用来计算信号中不可感知的部分，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。

因为乐音和噪音信号的掩蔽能力不同，因此在临界频带的谱值中，将两种信号分离：可将局部峰值视为乐音，然后将本临界频带内的剩余频谱组成一个代表噪声频率（无调成份）。

全局掩蔽阈值的计算：

（3）线性量化器

比特分配：

对每个子带计算：掩噪比MNR (dB) = 信噪比SNR - 信掩比SMR，然后找出其中具有最低MNR的子带，并给该子带多分配一些比特，然后重新计算MNR，继续分配，重复该步骤，直至没有比特可以分配。这样可以使得在满足比特率和掩蔽要求的前提下，使MNR最小。

计算比例因子：

对各个子带每36个样点（Layer I为12个样点）进行一次比例因子的计算，先确定12个连续样值中的最大值，查Layer II、Layer I比例因子表中比这它大的最小值作为量化比例因子，每12个样值计算出一个比例因子，Layer II中将每个子带分为3组，每组各有12个取样值，因此36个样值具有3个比例因子，比例因子可以使得比较准确地计算出子带的声压级，一般比例因子从低频子带到高频子带连续下降。

颗粒形成：

对量化级别在3、5、9级时，采用“颗粒” 优化：

 

四.MPEG-1编码器调试

1.命令行设置

输入文件名  输出文件名

本实验所用的测试文件均为.wav文件，采样率为44100hz，立体声。

2.参考了老师推荐的博客，在print_config()函数中增加一些输入、输出的主要参数：

  fprintf (stderr, "--------------------------------------------\n");
  fprintf(stderr, "========== 基本信息 ==========\n");
  fprintf(stderr, "输入文件：%s\n", inPath);
  fprintf(stderr, "输出文件：%s\n", outPath);
  fprintf(stderr, "采样频率：%.1f kHz\n", s_freq[header->version][header->sampling_frequency]);
  fprintf(stderr, "输出文件码率：%d kbps\n", bitrate[header->version][header->bitrate_index]);

输出比例因子和比特分配表，在main()中添加：

	if (frameNum == 2) {
		fprintf(stderr, "声道数：%d\n", nch);
		fprintf(stderr, "目前观测第 %d 帧\n", frameNum);
		fprintf(stderr, "本帧比特预算：%d bits\n", adb);
		fprintf(stderr, "\n");
		fprintf(stderr, "---------比例因子---------\n");
		for (ch = 0; ch < nch; ch++)	// 每个声道单独输出
		{
			fprintf(stderr, "--- 声道%2d ----\n", ch + 1);
			for (sb = 0; sb < frame.sblimit; sb++)	// 每个子带
			{
				fprintf(stderr, "子带[%2d]:\t", sb + 1);
				for (int gr = 0; gr < 3; gr++) {
					fprintf(stderr, "%2d\t", scalar[ch][gr][sb]);
				}
				fprintf(stderr, "\n");
			}
		}
		fprintf(tracefile, "\n");
	
		/* 比特分配表 */
		fprintf(stderr, "========== 比特分配表 ==========\n");  //输出比特分配结果
		for (ch = 0; ch < nch; ch++) {
			fprintf(stderr, "------ 声道%2d ------\n", ch + 1); //按声道分配
			for (sb = 0; sb < frame.sblimit; sb++) {
				fprintf(stderr, "子带[%2d]:\t%2d\n", sb + 1, bit_alloc[ch][sb]);
			}
			fprintf(stderr, "\n");
		}
	}

五.测试结果

1.乐音music2.wav:

========== 基本信息 ==========
输入文件：music2.wav
输出文件：music2.mp2
采样频率：44.1 kHz
输出文件码率：192 kbps
encode_init: using tablenum 1 with sblimit 30
声道数：2
目前观测第 2 帧
本帧比特预算：5016 bits

========== 比特分配表 ==========
------ 声道 1 ------
子带[ 1]:        4
子带[ 2]:        4
子带[ 3]:        4
子带[ 4]:        5
子带[ 5]:        4
子带[ 6]:        4
子带[ 7]:        4
子带[ 8]:        5
子带[ 9]:        5
子带[10]:        5
子带[11]:        4
子带[12]:        5
子带[13]:        4
子带[14]:        5
子带[15]:        4
子带[16]:        3
子带[17]:        4
子带[18]:        4
子带[19]:        4
子带[20]:        2
子带[21]:        3
子带[22]:        2
子带[23]:        3
子带[24]:        2
子带[25]:        1
子带[26]:        0
子带[27]:        1
子带[28]:        1
子带[29]:        1
子带[30]:        0

------ 声道 2 ------
子带[ 1]:        4
子带[ 2]:        4
子带[ 3]:        4
子带[ 4]:        5
子带[ 5]:        4
子带[ 6]:        4
子带[ 7]:        4
子带[ 8]:        5
子带[ 9]:        5
子带[10]:        5
子带[11]:        4
子带[12]:        5
子带[13]:        4
子带[14]:        5
子带[15]:        4
子带[16]:        3
子带[17]:        4
子带[18]:        4
子带[19]:        4
子带[20]:        2
子带[21]:        3
子带[22]:        2
子带[23]:        3
子带[24]:        2
子带[25]:        1
子带[26]:        0
子带[27]:        1
子带[28]:        1
子带[29]:        1
子带[30]:        0

Hit end of audio data
Avg slots/frame = 626.937; b/smp = 4.35; bitrate = 192.000 kbps

2.自己制作的噪声noise2.wav:

========== 基本信息 ==========
输入文件：noise2.wav
输出文件：noise2.mp2
采样频率：44.1 kHz
输出文件码率：192 kbps
encode_init: using tablenum 1 with sblimit 30
声道数：2
目前观测第 2 帧
本帧比特预算：5016 bits

========== 比特分配表 ==========
------ 声道 1 ------
子带[ 1]:        3
子带[ 2]:        4
子带[ 3]:        3
子带[ 4]:        6
子带[ 5]:        5
子带[ 6]:        4
子带[ 7]:        5
子带[ 8]:        4
子带[ 9]:        5
子带[10]:        5
子带[11]:        4
子带[12]:        5
子带[13]:        4
子带[14]:        4
子带[15]:        5
子带[16]:        5
子带[17]:        3
子带[18]:        4
子带[19]:        4
子带[20]:        5
子带[21]:        6
子带[22]:        4
子带[23]:        3
子带[24]:        1
子带[25]:        0
子带[26]:        0
子带[27]:        0
子带[28]:        0
子带[29]:        0
子带[30]:        0

------ 声道 2 ------
子带[ 1]:        4
子带[ 2]:        4
子带[ 3]:        3
子带[ 4]:        6
子带[ 5]:        5
子带[ 6]:        4
子带[ 7]:        5
子带[ 8]:        4
子带[ 9]:        5
子带[10]:        5
子带[11]:        4
子带[12]:        5
子带[13]:        4
子带[14]:        4
子带[15]:        5
子带[16]:        5
子带[17]:        3
子带[18]:        4
子带[19]:        4
子带[20]:        5
子带[21]:        6
子带[22]:        4
子带[23]:        3
子带[24]:        1
子带[25]:        0
子带[26]:        0
子带[27]:        0
子带[28]:        0
子带[29]:        0
子带[30]:        0

Hit end of audio data
Avg slots/frame = 626.936; b/smp = 4.35; bitrate = 191.999 kbps

3.利用流媒体的ffmpeg指令混叠两段音频得到mix2.wav:

========== 基本信息 ==========
输入文件：mix2.wav
输出文件：mix2.mp2
采样频率：44.1 kHz
输出文件码率：192 kbps
encode_init: using tablenum 1 with sblimit 30
声道数：2
目前观测第 2 帧
本帧比特预算：5016 bits

========== 比特分配表 ==========
------ 声道 1 ------
子带[ 1]:        4
子带[ 2]:        5
子带[ 3]:        3
子带[ 4]:        5
子带[ 5]:        5
子带[ 6]:        4
子带[ 7]:        5
子带[ 8]:        5
子带[ 9]:        5
子带[10]:        5
子带[11]:        4
子带[12]:        5
子带[13]:        4
子带[14]:        5
子带[15]:        4
子带[16]:        3
子带[17]:        4
子带[18]:        4
子带[19]:        4
子带[20]:        2
子带[21]:        3
子带[22]:        2
子带[23]:        4
子带[24]:        1
子带[25]:        1
子带[26]:        0
子带[27]:        0
子带[28]:        1
子带[29]:        1
子带[30]:        0

------ 声道 2 ------
子带[ 1]:        4
子带[ 2]:        4
子带[ 3]:        4
子带[ 4]:        5
子带[ 5]:        5
子带[ 6]:        4
子带[ 7]:        5
子带[ 8]:        5
子带[ 9]:        5
子带[10]:        5
子带[11]:        4
子带[12]:        5
子带[13]:        4
子带[14]:        5
子带[15]:        4
子带[16]:        3
子带[17]:        4
子带[18]:        4
子带[19]:        4
子带[20]:        2
子带[21]:        3
子带[22]:        2
子带[23]:        4
子带[24]:        1
子带[25]:        1
子带[26]:        0
子带[27]:        0
子带[28]:        1
子带[29]:        1
子带[30]:        0

Hit end of audio data
Avg slots/frame = 626.937; b/smp = 4.35; bitrate = 192.000 kbps