音频编码调研报告

摘要：
数字音频是多媒体业务的重要组成部分，数字音频编码技术已经成为多媒体的一个重要研究领域，并已被广泛应用于数字音频广播，高清晰度电视，多媒体网络通信等领域中。数字音频编码技术按数据量的压缩性能可以分为非压缩音频和压缩音频两类。而在网路应用中，为了提高带宽的利用率，增强数据的安全性和可靠性，汪汪需要对数字音频进行压缩处理。一般的，根据压缩后的音频能否完全重构原始声音可将音频在技术上分为无损压缩和有损压缩两大类。而按照压缩方案的不同，又将其分为时域压缩，变换压缩，自带压缩，以及多种技术相互融合的混合压缩。
关键字： 数字音频、编码、压缩
一、伴音压缩编码原理
伴音信号的结构较图像信号简单一些。伴音信号的压缩方法与图像信号压缩技术有相似性，也要从伴音信号中剔除冗余信息。人耳朵对音频信号的听觉灵敏度有其其规律性，对于不同频段或不同声压级的伴音有其特殊的敏感特性。在伴音数据压缩过程中，主要应用了听觉阈值及掩蔽效应等听觉心理特性。
1、阈值和掩蔽效应
(1) 阈值特性
人耳朵对不同频率的声音具有不同的听觉灵敏度，对低频段(例如100Hz以下)和超高频段(例如16KHZ以上)的听觉灵敏度较低，而在1K－5KHZ的中音频段时，听觉灵敏度明显提高。通常，将这种现象称为人耳的阈值特性。若将这种听觉特性用曲线表示出来，就称为人耳的阈值特性曲线，阈值特性曲线反映该特性的数值界限。将曲线界限以下的声音舍弃掉，对人耳的实际听音效果没有影响，这些声音属于冗余信息。
在伴音压缩编码过程中，应当将阈值曲线以上的可听频段的声音信号保留住，它是可听频段的主要成分，而那些听觉不灵敏的频段信号不易被察觉。应当保留强大的信号，忽略舍弃弱小的信号。经过这样处理的声音，人耳在听觉上几乎察觉不到其失真。在实际伴音压缩编码过程中，也要对不同频段的声音数据进行量化处理。可对人耳不敏感频段采用较粗的量化步长进行量化，可舍弃一些次要信息；而对人耳敏感频段则采用较细小的量化步长，使用较多的码位来传送。
(2)掩蔽效应
掩蔽效应是人耳的另一个重要生理特征。如果在一段较窄的频段上存在两种声音信号，当一个强度大于另一个时，则人耳的听觉阈值将提高，人耳朵可以听到大音量的声音信号，而其附近频率小音量的声音信号却听不到，好像是小音量信号被大音量信号掩蔽掉了。由于其它声音信号存在而听不到本声音存在的现象，称为掩蔽效应。
根据人耳的掩蔽特性，可将大音量附近的小音量信号舍弃掉，对实际听音效果不会发生影响。既使保留这些小音量信号，人耳也听不到它们的存在，它属于伴音信号中的冗余信息。舍弃掉这些信号，可以进一步压缩伴音数据总量。
经仔细观察，掩蔽效应分为两大类，一类是同时掩蔽效应，另一类是短时掩蔽效应。其中，同时掩蔽效应是指同时存在一个弱信号和一个强信号，两者频率接近，强信号将提高弱信号的听阈值，将弱信号的听阈值提高到一定程度时，可使人耳听不到弱信号。例如，同时出现A、B两声，若A声的听觉阈值为50dB，由于存在另一个不同频率的B声，将使A声的阈值提高到64～68dB，例如取68dB，那么数值(68～50)dB=18dB，该值称为掩蔽量。将强大的B声称为掩蔽声，而较弱的A声称为被掩蔽声。上述掩蔽现象说明，若仅有A声时，其声压级50dB以上的声音可以传送出去，而50dB以下的声音将听不到；若同时出现B声，B声具有同时掩蔽效应，使得A声在声压级68dB以下的声音也听不到了，即50～68dB之间的A声人耳也听不到了，这些声音不必传送，即使传送也听不到，只须传送声压级68dB以上的声音。总之，为了提高一个声音的阈值，可以同时设置另一个声音，使用这种办法可以压缩掉一部分声音数据。在周围十分安静的环境下，人耳可以听到声压级很低的各种频率声音，但对低频声和高频声的掩蔽阈值较高，即听觉不灵敏。经研究还发现，掩蔽声越强，掩蔽作用越强；当掩蔽声与被掩蔽声的频率相差越小，掩蔽效果越明显，两者频率相等时，掩蔽效果最佳；低频声(设为B)可有效地掩蔽高频声(设为A)，而高频声(设为B)几乎不能掩蔽低频声(设为A)。因而输入信号时，在受掩蔽的频带内加入更大的噪声时，人耳也感觉不到与原始信号有所区别。上述的同时掩蔽效应，又称为频域掩蔽效应，它主要反映在频域方面对掩蔽作用的影响。在声音压缩编码中，更多地使用单频声音的掩蔽效应。
如果A声和B声不同时出现，也可发生掩蔽作用，称它为短时掩蔽效应。短时掩蔽又可分为两种类型，