MPEG 音频编码实验

一．实验项目名称

MPEG 音频编码实验

二．实验原理

1. MPEG-1 Audio LayerII 编码器原理

2. 多相滤波器组

将 PCM 样本变换到 32 个子带的频域信号：

3. 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
• 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
  实际实现的模型复杂度取决所需要的压缩因子：如大的压缩因子不重要，则可以完全不用心理
  声学模型。此时位分配算法不使用 SMR（ Signal Mask Ratio ），而是使用 SNR
• 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。
• 确定声压级别
  
• 考虑安静时阈值
  也即绝对阈值。在标准中有根据输入 PCM 信号的采样率编制的“频率、临界频带率和绝对阈值”表。此表为多位科学家经多次心理声学实验所得。
• 将音频信号分解成“乐音 (tones)” 和“非乐音/噪声”部分
  因为两种信号的掩蔽能力不同
  
• 音调和非音调掩蔽成分的消除
  利用标准中给出的绝对阈值消除被掩蔽成分；考虑在每个临界频带内，小于 0.5Bark 的距离中只保留最高功率的成分
• 单个掩蔽阈值的计算
  音调成分和非音调成分单个掩蔽阈值根据标准中给出的算法求得
• 全局掩蔽阈值的计算
  还要考虑别的临界频带的影响。一个掩蔽信号会对其它频带上的信号产生掩蔽效应。这种掩蔽效应称为掩蔽扩散。

• 每个子带的掩蔽阈值
  选择出本子带中最小的阈值作为子带阈值；
  对高频不正确——高频区的临界频带很宽，可能跨越多个子带，从而导致模型 1 将临界带宽内所有的非音调部分集中为一个代表频率，当一个子带在很宽的频带内却远离代表频率时，无法得到准确的非音调掩蔽值。但计算量低
• 计算每个子带信号掩蔽比 (signal to mask ratio, SMR)
  SMR = 信号能量 / 掩蔽阈值，并将 SMR 传递给编码单元

4. Layer I 编码

• 码率分配
  在调整到固定的码率之前，先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
  比特分配的过程：对每个子带计算掩蔽 噪声比 MNR ，是信噪比SNR-信掩比 SMR，即： MNR = SNR-SMR，NMR=SMR-SNR
  算法： 使整帧和每个子带的总噪声-掩蔽比最小，计算噪声-掩蔽比（noise-to-mask ratio, NMR）
  NMR = SMR-SNR (dB)，其中 SNR 由 MPEG I 标准给定（为量化水平的函数）, NMR：表示波形误差与感知测量之间的误差；循环，直到没有比特可用，最高 NMR 的子带分配比特，使获益最大的子带的量化级别增加一级，重新计算分配了更多比特子带的 NMR
  
• 装帧
  

5. Layer II 编码

• 概述
  与 Layer I 类似，但 对 Layer I 有增强：装帧、缩放因子表示、量化，缩放因子（比例因子）一般从低频子带到高频子带出现连续下降
  帧：3组/帧 x 12 个样本/子带 x 32 个子带/帧 = 1152 个样本/帧→每个样本的 overhead 更少
  缩放因子：每个子带的 3 个组尽可能共用缩放因子，Layer I 1个 /12个样本，Layer II 1个/(24/36)个样本，1/2/3 个缩放因子和缩放因子选择信息 (scale factor selection information, SCFSI)（每子带 2 比特）一起传送
• 量化
  Layer I ：每个子带从相同的量化集合中选择，每个子带取共 14 个量化器中的一个
  
  Layer II：根据采样和码率量化，不同子带可以从不同的量化器集合中选择，对量化级别在3、5、9级时，采用“颗粒” 优化
• 装帧
  

三．实验关键代码

scale_factor_calc (*sb_sample, scalar, nch, frame.sblimit);
    pick_scale (scalar, &frame, max_sc);
	int sb, gr, ch;
	if (frameNum == 3)
	{
		fprintf(stderr,"Frame number :%d\n",frameNum);//输出选取的数据帧
		fprintf(stderr, "samplingrate：%.1fkhz\n", s_freq[header.version][header.sampling_frequency]);//采样率
		fprintf(stderr, "target bitrate：%dMbps\n", bitrate[header.version][header.bitrate_index]);//目标码率
		fprintf(stderr, "\nScale_Factor:\n");//比例因子
		for (ch = 0; ch < nch; ch++)
		{
			fprintf(stderr, "channel[%d]\n", ch + 1);//声道
			for (sb = 0; sb < frame.sblimit; sb++)
			{
				fprintf(stderr, "subband[%d]:   ", sb + 1);//子带
				for (gr = 0; gr < 3; gr++)
				{
					fprintf(stderr, "%d   ", scalar[ch][gr][sb]);
				}
				fprintf(stderr, "\n");
			}
		}
	}
main_bit_allocation (smr, scfsi, bit_alloc, &adb, &frame, &glopts);
	/*add by cy*/
	if (frameNum == 3)
	{
		fprintf(stderr, "\nbit_allocation:\n");//比特分配
		for (ch = 0; ch < nch; ch++)
		{
			fprintf(stderr, "channel[%d]\n", ch + 1);//声道
			for (sb = 0; sb < frame.sblimit; sb++)
			{
				fprintf(stderr, "subband[%d]:   %d\n", sb + 1, bit_alloc[ch][sb]);//子带
			}
		}
	}

四．实验结果

输出结果如下图所示：