課程論文—數(shù)字音頻技術(shù)綜述

1、數(shù)字音頻編碼技術(shù)綜述摘要：本文介紹了常用的數(shù)字音頻編碼方式，包括MPEG系列伴音標(biāo)準(zhǔn)及Dolby Digital 標(biāo)準(zhǔn)的原理，并對(duì)這幾種重要的音頻編碼技術(shù)的多方面性能進(jìn)行了比較，最后，對(duì)數(shù)字音頻壓縮編碼技術(shù)進(jìn)行了展望。關(guān)鍵詞：數(shù)字音頻編碼；MPEG；Dolby DigitalOverview of Digital Audio Coding Technology【Abstract】 In this paper, some usual digital audio coding methods are discussed, including MPEG standard and Dolby Digi

2、tal standard. And comparisons in many aspects are made between these audio coding methods. Finally, it discussed the prospect of digital audio compression.【Key Words】digital audio coding；MPEG；Dolby Digital1 引言數(shù)字音頻是多媒體業(yè)務(wù)的重要組成部分，數(shù)字音頻編碼技術(shù)已經(jīng)成為多媒體的一個(gè)重要研究領(lǐng)域，并已被廣泛地應(yīng)用于數(shù)字音頻廣播（DAB）、高清晰度電視（HDTV）、多媒體網(wǎng)絡(luò)通信等領(lǐng)域中。數(shù)字

3、音頻編碼技術(shù)按數(shù)據(jù)量的壓縮性能可分為非壓縮音頻（如波形音頻、MIMI音頻和CD音頻）和壓縮音頻（如MEPG音頻、杜比AC-3等）兩類。而在網(wǎng)絡(luò)應(yīng)用中，為了提高帶寬的利用率，增強(qiáng)數(shù)據(jù)的安全性和傳輸?shù)目煽啃裕枰獙?duì)數(shù)字音頻進(jìn)行壓縮處理。一般地，根據(jù)壓縮后的音頻能否完全重構(gòu)出原始聲音可將音頻壓縮技術(shù)分為無(wú)損壓縮及有損壓縮兩大類。而按壓縮方案的不同，又可講其劃分為時(shí)域壓縮、變換壓縮、自帶壓縮，以及多種技術(shù)相互融合的混合壓縮等等。數(shù)字音頻的發(fā)展最初是從無(wú)損壓縮開(kāi)始的，如70年代開(kāi)始采用的類似PCM的瞬時(shí)壓擴(kuò)技術(shù)和塊壓擴(kuò)技術(shù)，這種技術(shù)的編碼效率低。80年代末至90年代初，研究者利用人耳的掩蔽效應(yīng)和臨界

4、頻帶的特性來(lái)進(jìn)行子帶編碼和變換編碼，出現(xiàn)的系統(tǒng)有：MUSUCAM系統(tǒng)、128kps的AC-2系統(tǒng)、AC-3系統(tǒng)等。90年代至今，有損壓縮把音頻數(shù)據(jù)的壓縮率提高到12：1，也帶來(lái)了音頻質(zhì)量的下降。比較著名的是：MP3，AAC，RM等。2 MPEG數(shù)字音頻編碼標(biāo)準(zhǔn)ISO/IEC的MPEG音頻編碼的標(biāo)準(zhǔn)采用了2種編碼算法：MUSICAM和ASPEC。以這兩種算法為基礎(chǔ)形成了三個(gè)不同層次的音頻壓縮算法，三種算法對(duì)應(yīng)不同的應(yīng)用要求并具有不同的編碼復(fù)雜度。子代掩蔽編碼標(biāo)準(zhǔn)MUSICAM的編碼器框圖如圖1所示。MUSICAM采用了多項(xiàng)濾波器，將信號(hào)分割成帶寬統(tǒng)一的32個(gè)子帶。它增強(qiáng)了心理聲學(xué)模型分析，102

5、4點(diǎn)FFT是心理聲學(xué)模型時(shí)域分析工具。由于MUSICAM的音質(zhì)好、合理的算法復(fù)雜度和適中的時(shí)延等有點(diǎn)，使得它被ISO/IEC選用為MPEG音頻編碼的主要算法。圖1 MUSICAM編碼器原理圖2.1 MPEG-1在MPEG-1的音頻編碼標(biāo)準(zhǔn)中，按照復(fù)雜度規(guī)定了三種模式（層I，層II，層III）。層I是MUSICAM編碼方法的簡(jiǎn)單型（MP1），VCD的音頻壓縮方案即為層1。層II為MUSICAM標(biāo)準(zhǔn)型（MP2），典型碼流128kps。廣泛應(yīng)用與數(shù)字音頻廣播、數(shù)字演播室等數(shù)字音頻專業(yè)的制作、交流、存儲(chǔ)和傳送。層III是綜合了層II和ASPEC的有點(diǎn)提出的混合壓縮技術(shù)（MP3），它的復(fù)雜度相對(duì)較高，編

6、碼不利于實(shí)時(shí)，它是MUSUCAM和ASPEC兩個(gè)算法的結(jié)合，典型碼流是64kbps。低碼率仍有高品質(zhì)的音質(zhì)，因此成為廣泛應(yīng)用于網(wǎng)絡(luò)音頻。MP3編碼器的框圖如圖2所示。圖2 MP3編碼器的框圖2.2 MPEG-2MPEG-2的音頻編碼標(biāo)準(zhǔn)，是在MPEG-1音頻編碼標(biāo)準(zhǔn)的基礎(chǔ)上由雙聲通道擴(kuò)展到多通道。聲道數(shù)擴(kuò)展到5.1，即左中右三個(gè)主聲道，左環(huán)、右環(huán)兩個(gè)環(huán)繞聲道和一個(gè)重低音（LEF）聲道。為了與MPEG-1后向兼容（BC），MPEG-2幀基本結(jié)構(gòu)對(duì)應(yīng)于在MPEG-1中的規(guī)定，多聲道擴(kuò)展是插入到MPEG-1音頻幀，用于傳送附加數(shù)據(jù)的區(qū)域中，信號(hào)兼容利用多聲道信號(hào)的矩陣組合來(lái)實(shí)現(xiàn)，如果需要更高比特率，

7、則產(chǎn)生一個(gè)附加的第二個(gè)擴(kuò)展比特流，為了降低整體比特流，MPEG-2 采用了自適應(yīng)預(yù)測(cè)、限制中心聲道頻率等措施。MPEG-2有一種AAC（Advanced Audio Coding）模式，它不后向兼容MPEG-1。在MPEG-2的正式聽(tīng)音測(cè)試中，數(shù)據(jù)流速率為320kbps的AAC可以提供比數(shù)據(jù)流速率為640kbps的MPEG-2BC更好的音質(zhì)。因此，AAC是一種比MPEG-2BC編碼算法更好的音頻壓縮算法，而且可以使用于各種環(huán)境下，如可以做電視信號(hào)的伴音等。AAC的編碼器框圖如圖2所示。圖2 AAC的編碼器框圖2.3 MPEG-4MPEG-4音頻編碼對(duì)音頻的低比特率編碼進(jìn)行了大幅度的強(qiáng)化。相對(duì)于

8、MPEG-1，MPEG-2而言，MPEG-4增加了通信用途并設(shè)想應(yīng)用與各種信息壓縮率、各種傳輸線路形式（包括記錄媒體）以及聯(lián)系連接形式（1對(duì)1，N對(duì)1，1對(duì)N等）。3 杜比數(shù)碼 Dolby DigitalDolby Digital是一種多路數(shù)字音頻格式，由Dolby公司研制開(kāi)發(fā)。它可將音頻與元數(shù)據(jù)以盡可能的數(shù)據(jù)率送至接收機(jī)，從而為視頻數(shù)據(jù)與其他DTV服務(wù)項(xiàng)目保存寶貴的空中頻譜。其中，AC-1用于衛(wèi)星通信和數(shù)碼有線廣播，AC-2用于專業(yè)音頻的傳輸和存儲(chǔ)。AC-3是在AC-1和AC-2基礎(chǔ)上發(fā)展起來(lái)的多通道編碼技術(shù)，保留了原AC-2中如窗函數(shù)處理、指數(shù)變換編碼、自適應(yīng)比特分配等許多特點(diǎn)，還新增了運(yùn)

9、用立體聲多聲道的編碼技術(shù)策略的coupling和rematrix算法。一般而言，立體聲的左聲道和右聲道的信號(hào)在聽(tīng)覺(jué)上十分相似，存在著許多重復(fù)的冗余信息，將這兩個(gè)聲道的信號(hào)聯(lián)合起來(lái)加以編碼，便可除去冗余的信號(hào)且不會(huì)影響原來(lái)的音質(zhì)。 其編碼器框圖如圖3所示。圖3 AC-3編碼器原理圖AC-3又被稱為感覺(jué)編碼系統(tǒng)，它將每一聲道的音頻根據(jù)人耳聽(tīng)覺(jué)特性劃分為許多最優(yōu)的狹窄頻段，利用音響心理學(xué)“聽(tīng)覺(jué)掩蔽效應(yīng)”，刪除人耳所聽(tīng)不到或可忽略的部分，并采用數(shù)字信號(hào)壓縮編碼。同時(shí)，利用狹窄頻段的劃分使部分頻段噪聲在編碼時(shí)可被幾乎全部濾除，使其余噪聲的頻譜靠近在信號(hào)頻譜附近，而這些噪聲可被信號(hào)所抑制。因此杜比AC-3

10、系統(tǒng)實(shí)際上是一種具選擇性及強(qiáng)抑噪的系統(tǒng)，以較低的碼率支持全音頻多聲道，并具優(yōu)良的回放音質(zhì)和效果。AC-3采用全音域5.1聲道運(yùn)行方式，即左、右、中置、左環(huán)繞、右環(huán)繞，再加上一個(gè)超重低音的聲道，故又稱作5.1聲道。其中前5個(gè)聲道的頻響范圍都是音頻全頻帶即3HZ-20kHz，而LEF聲道的頻響范圍是3-120Hz，僅占整個(gè)頻譜的十分之一，因此又稱為5.1聲道環(huán)繞聲系統(tǒng)。AC-3傳輸速率為32-640kbit/s，動(dòng)態(tài)范圍為20bit，采樣頻率支持32kHz，44.1kHz和48kHz，輸出聲道數(shù)目可變。AC-3的壓縮比可以達(dá)到1：12，能夠以384kbit/s的速率播放5.1聲道聲音?？梢?jiàn)，AC-

11、3確是一種完善而又靈活的編碼方案。3 總結(jié)隨著人類聽(tīng)覺(jué)特性理論的深入發(fā)展和數(shù)字化技術(shù)的廣泛應(yīng)用，以及市場(chǎng)對(duì)消費(fèi)類音樂(lè)質(zhì)量的趨高要求，數(shù)字音頻編碼技術(shù)已經(jīng)成為多媒體的一個(gè)重要研究領(lǐng)域，并已被廣泛地應(yīng)用于數(shù)字音頻廣播（DAB）、高清晰度電視（HDTV）、多媒體網(wǎng)絡(luò)通信等領(lǐng)域中。數(shù)字音頻壓縮算法種類繁多，從上文的分析中可以看出，根據(jù)不同的應(yīng)用場(chǎng)合和對(duì)傳輸速率及音質(zhì)的特殊要求，可以組合出不同的標(biāo)準(zhǔn)或規(guī)范。未來(lái)，一方面繼續(xù)研究新的音頻壓縮算法，另一方面，根據(jù)不同的應(yīng)用要求改進(jìn)現(xiàn)行規(guī)范或提出新的技術(shù)方案。參考文獻(xiàn)1 Peter Noll. MPEG Digital Audio CodingJ. IEEE Signal Processing Magazine, 1997,(9).2 Stephen L