MPEG音频编码原理及编码器调试

最新推荐文章于 2022-06-30 16:15:37 发布

Tinsley's key

最新推荐文章于 2022-06-30 16:15:37 发布

阅读量1k

点赞数

分类专栏：笔记文章标签： c++ 音频编码解码 mpeg

本文链接：https://blog.youkuaiyun.com/weixin_43165881/article/details/106749822

版权

MPEG音频编码

一、MPEG音频编码原理

在这里插入图片描述

MPEG的音频编码主要采用了心理声学模型

1.1 基本思想

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

1.2 心理声学模型

MPEG-1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 3编码的更多特征
实习实现的模型复杂度取决于所需要的压缩因子。

1.2.1 听觉阈值

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

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ki7g5dQL-1592129735923)(https://i.loli.net/2020/06/14/gSO5lwYQkPJ3Rcs.png)]

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。

1.2.2 频域掩蔽

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

1.3 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。

1.4 人类听觉系统

人类听觉系统可以大致等效为在0 Hz—20 kHz范围内的25个重叠的带通滤波器组。

人耳在噪声中听某一纯音信号时，只启用中心频率与信号频率相同的那个听觉滤波器，且只有纯音信号和在通带范围内的部分信号可通过该滤波器。只有通过该滤波器的噪声才对掩蔽起作用；
聆听复音时启动多个听觉滤波器。听觉能够计算各滤波器输出端的信噪比。当信噪比达到或者超过听阈因子时，即可听到该频率成分。

在这里插入图片描述

1.5 掩蔽效果的加和

Lutfi对多个掩蔽音同时存在时的综合掩蔽效果进行了研究：每个掩蔽音的掩蔽效果先独立变换然后再线性相加。

二、MPEG音频压缩编码

2.1 多相滤波器组

先分成32个相等的子带。

多相滤波器组的缺点：

等带宽的滤波器组与人类听觉系统的临界频带不对应【在低频区域，单个子带会覆盖多个临界频带。】。
滤波器组与其逆过程不是无失真的【但滤波器组引入的误差很小，且听不到】
子带间频率有混叠【滤波后的相邻子带有频率混叠现象，一个子带中的信号可以影响相邻子带的输出】

2.2 量化和编码

2.2.1 比例因子的取值和编码

对各个子带每12个样点进行一次比例因子计算【查表】。
第二层中一帧对应36个子带样值，原则上要传送3个比例因子。
为了降低比例因子的传输码率，每帧中每个子带的三个比例因子被划分成特定的几种模式，根据这些模式，1个、2个或3个比例因子和比例因子选择信息（每子带2比特）一起被传送。如果一个比例因子和下一个只有很小的差别，就只传送大的一个【这种情况在稳态信号中经常出现】。