MPEG-2 数字视频技术参考指南 （4）—— MPEG-2音频压缩

转载请注明出处： http://blog.youkuaiyun.com/zhubin215130/article/details/8938098

        MPEG-2音频压缩充分利用了人耳的限制，在更嘈杂的背景音中难以听出相似的目标声音。有两种类型的掩蔽：听觉掩蔽和时域掩蔽。

• 听觉掩蔽

        听觉掩蔽发生在两个相似频率声音同时出现的时候，如果一个声音比另一个的音量更大，它将完全淹没另一个声音。比如说，当你想在火车站小声谈话的时候，听觉掩蔽就发生了，穿行而过的火车会完全淹没掉你的声音。当火车的声音出现后，较为轻微的声音将无法被感知到。

        两个信号在频率上越接近，就越容易发生听觉掩蔽，尽管可能其中一个声音的音量只是稍微大那么一点点。比如说，如果两个小号发出非常近似的高频声，音量较弱一点的小号将无法被听到。但是，如果换成是一个低音鼓用相同分贝演奏，弱音量的小号则很容易被听见，因为两者的声音频率有显著的不同。由于人耳的灵敏度依赖于频率，因此掩蔽效果也就依赖于频率。相比高频音而言，低频音之间需要离得更近才能被掩蔽，一般来说，弱纯音离强纯音越近（频率相近）就越容易被掩蔽。

• 时域掩蔽

        当一个高分贝的声音出现后，它将淹没掉紧跟其之前或之后的低分贝的声音，这种现象称之为时域掩蔽。通常时域掩蔽的时间范围是在高分贝声音之前或之后的几毫秒，火车汽笛的轰鸣很容易掩蔽掉紧跟其后的微弱的哔哔声。

        为了充分利用这些听觉特性，音频压缩算法将音频频谱划分成许多次频带（sub-band）。每个次频带的动态范围会单独的缩减，因此动态范围压缩的效果就不是很显著。这意味着可能每个采样只有2-4bit，而不是每个次频带中的音频采样都是16bit。次频带中也使用度量常数，每个次频带的bit分配也是独立开的，因此重要的频段区间具有更高的权重。次频带的大小会根据频率的不同而不同，以适应人耳的频率掩蔽。