【正文】 Audio Coding Standards ? MPEG及其相關(guān)的音頻編碼標(biāo)準(zhǔn)、算法原理 包括 ： MPEG1 Layer I, II amp。 III， MPEG2 AAC以及與之相關(guān)的 Dolby AC3， MPEG4的 Natural Audio，未來(lái) MPEG發(fā)展方向等。 ? 國(guó)家 AVS (Audio Video Standard)發(fā)展計(jì)劃 167。 第二章 音頻信息處理 ? 標(biāo)準(zhǔn) 主要介紹 Contents Overview of Audio Coding Standards ITUT Audio Coding Remendations Perceptual Audio Coding Basic MPEG Audio Coding Systems Dolby Audio Coding China Audio Coding Initiatives Next Step of Audio Coding References 2020/11/23 第二章 音頻信息處理 ? 音頻編碼標(biāo)準(zhǔn) 3 References ? Basics about MPEG Perceptual Audio Coding ? MPEG _ China ? ? MPEG4 Industry Forum ? ? ? 1. An Overview of Audio amp。 Sound Coding Standards ? From Source Coding to Perceptual Coding ? Audio / Sound Coding Technologies ? Multimedia Communication ? Multimedia Framework 2020/11/23 第二章 音頻信息處理 ? 音頻編碼標(biāo)準(zhǔn) 5 Audio Coding Overview ? From source coding to perceptual coding ?Psychoacoustic Model ?Low data rate, HiFi ? From signal to content ?“Structured Audio” amp。 Audio Retrieving ? From local application to global access ?MPEG 21 perspective ?Multimedia Framework ? From stereo to surrounding multichannel ?Dolby AC3 system amp。 more … 2020/11/23 第二章 音頻信息處理 ? 音頻編碼標(biāo)準(zhǔn) 6 International ORG. / COM. ? International Telemunication Union ?CCITT： the International Consultative Committee on Telephony and Telegraphy ? International Organization for Standardization ? International Electrotechnical Commission ?MPEG： Moving Picture Experts Group ? Dolby Laboratories, Inc. 2. ITU Remendations ? PCM編碼 ? ? (7KHz)音頻編碼 ? 低延時(shí) CELP16kbit/s語(yǔ)音編碼標(biāo)準(zhǔn) ? 其他 ITU建議 2020/11/23 第二章 音頻信息處理 ? 音頻編碼標(biāo)準(zhǔn) 8 Chronicle 1972年： 64kb/s A律 PCM 編碼標(biāo)準(zhǔn) 。 1984年： 32kb/s 自適應(yīng)差值脈沖編碼 ADPCM 64kb/s 子帶 ADPCM編碼標(biāo)準(zhǔn) 16kb/s 1990年： 1640kb/s 嵌入式 ADPCM標(biāo)準(zhǔn) 。 1992年： / 16kb/s LDCELP 1988年： RPELTP 13kb/s長(zhǎng)時(shí)預(yù)測(cè)規(guī)則碼激勵(lì) （ 歐洲 ） GSM 1989年： VSELP （ 日本 ） 2020/11/23 第二章 音頻信息處理 ? 音頻編碼標(biāo)準(zhǔn) 9 ITU Remendations ? 所采用的算法 算法 名稱 數(shù)據(jù)率 標(biāo)準(zhǔn) 應(yīng)用 質(zhì)量 波 形 編 碼 PCM 均勻量化 64kb/s 公共網(wǎng) ISDN 話音 ～ μ(A) μ(A) APCM 自適應(yīng)量化 DPCM 差值量化 ADPCM 自適應(yīng)差值量化 32kb/s 1 SBADPCM 子帶－自適應(yīng) 差值量化 64kb/s 鑲嵌式 參數(shù) 編碼 LPC 線性預(yù)測(cè)編碼 ～ 2020/11/23 第二章 音頻信息處理 ? 音頻編碼標(biāo)準(zhǔn) 10 ITU Remendations ? ：話音的 PCM編碼建議 ?給出了話音信號(hào)編碼的推薦特性 ?話音的抽樣率為 8000Hz ?每個(gè)樣值采用 8位二進(jìn)制編碼 ?推薦使用 A律和 μ律量化。分別給出 A律和 μ律的定義， 將 13位 PCM碼按 A律、 14位 PCM碼按 μ律轉(zhuǎn)換 8位編碼 ? ：自適應(yīng)差值脈沖編碼調(diào)制 ?1986年作了進(jìn)一步修訂 ?它用于 64kbit/s的 A律或 μ律 PCM到 32kbit/s ADPCM之間的轉(zhuǎn)換 ， 實(shí)現(xiàn)了對(duì) PCM信道的擴(kuò)容 2020/11/23 第二章 音頻信息處理 ? 音頻編碼標(biāo)準(zhǔn) 11 ITU Remendations ? ADPCM編 /解碼器 A律或 μ律 PCM輸入信號(hào)轉(zhuǎn)換成均勻的 PCM。差分信號(hào)等于均勻的 PCM輸入信號(hào)與預(yù)測(cè)信號(hào)之差?！白赃m應(yīng)量化器”用 4位二進(jìn)制數(shù)表示差分信號(hào)，但只用其中的 15個(gè)數(shù) (即 15個(gè)量級(jí) )來(lái)表示差分信號(hào)，這是為防止出現(xiàn)全“ 0”信號(hào)?！澳孀赃m應(yīng)量化器”從這 4位相同的代碼中產(chǎn)生量化差分信號(hào)。預(yù)測(cè)信號(hào)和這個(gè)量化差分信號(hào)相加產(chǎn)生重構(gòu)信號(hào)?！白赃m應(yīng)預(yù)測(cè)器”根據(jù)重構(gòu)信號(hào)和量化差分信號(hào)產(chǎn)生輸入信號(hào)的預(yù)測(cè)信號(hào)，這樣就構(gòu)成了一個(gè)負(fù)反饋回路 譯碼器的部分結(jié)構(gòu)與編碼器負(fù)反饋回路部分相同。此外，還包含有均勻 PCM到 A律或μ律 PCM的轉(zhuǎn)換部分，以及同步編碼調(diào)整(synchronous coding adjustment)部分。設(shè)置同步 (串行 )編碼調(diào)整的目的是為防止在同步串行編碼期間出現(xiàn)的累積信號(hào)失真。 3. Preliminary for Perceptual Audio Coding 根據(jù)人的聽覺系統(tǒng)特性（如對(duì)響度、音高的感知特性以及掩蔽效應(yīng)），使用 心理聲學(xué)模型 (Psychoacoustic Model)和 感知子帶編碼 (Perceptual Subband Coding)、 Dolby AC3編碼對(duì)音頻 /聲音數(shù)據(jù)進(jìn)行壓縮，其壓縮比較大、還原出的音質(zhì)比較好。 MPEG Audio Coding就是采用了該套算法。 2020/11/23 第二章 音頻信息處理 ? 音頻編碼標(biāo)準(zhǔn) 13 Some Conceptions ? 聲音的度量方法 ?響度：聲音的強(qiáng)弱。度量方法有客觀和主觀度量方法 ? 客觀：聲壓 ( dyn/cm2 )，聲強(qiáng) ( W/cm2 )，聲強(qiáng)級(jí) (dB)。 1016 W/cm2 = 0 (dB) ? 主觀：方 ( phon )或宋 ( sone ) 響度級(jí) 人耳剛能聽到，此時(shí)的主觀響度級(jí) = 0 (方 ) ?音高：客觀用頻率 ( Hz )表示，主觀用 Mel (美 )表示 Mel = 1000 Log2(1+?) ? 聽覺系統(tǒng)的感知特性 ?對(duì)響度的感知 ?對(duì)音高的感知 ?掩蔽效應(yīng) 2020/11/23 第二章 音頻信息處理 ? 音頻編碼標(biāo)準(zhǔn) 14 Perceptual Audio Coding (1) ? 對(duì)響度的感知 聽閾 痛閾 Hz dB 實(shí)驗(yàn)表明 ： ① 聽閾是隨頻率變化的。測(cè)出的“聽閾 — 頻率”曲線如圖所示，最靠下面的一根曲線叫做“零方等響度級(jí)”曲線，也稱“絕對(duì)聽閾”曲線，即在安靜環(huán)境中，能被人耳聽到的純音的最小值。 ② 如果頻率為 1 kHz的純音的聲強(qiáng)級(jí)達(dá)到120dB左右時(shí) ， 人的耳朵就感到疼痛，這個(gè)閾值稱為“痛閾” (圖中最靠上面所示的一根曲線 )。這條曲線也就是 120方等響度級(jí)曲線。 ③ 人耳對(duì)不同頻率的敏感程度差別很大，其中對(duì) 2 kHz～ 4 kHz范圍的信號(hào)最為敏感，幅度很低的信號(hào)都能被人耳聽到。而在低頻區(qū)和高頻區(qū)，能被人耳聽到的信號(hào)幅度要高得多。 2020/11/23 第二章 音頻信息處理 ? 音頻編碼標(biāo)準(zhǔn) 15 Perceptual Audio Coding (2) ? 對(duì)音高的感知 “ 音高 — 頻率 ” 曲線 ① 人耳對(duì)頻率的感覺也有一個(gè)范圍。人耳可以聽到的最低頻率約 20 Hz，最高頻率約18000 Hz。 ② 測(cè)量主觀音高時(shí)，讓實(shí)驗(yàn)者聽兩個(gè)聲強(qiáng)級(jí)為 40 dB的純音，固定其中一個(gè)純音的頻率，調(diào)節(jié)另一個(gè)純音的頻率，直到他感到后者的音高為前者的兩倍，就標(biāo)定這兩個(gè)聲音的音高差為兩倍。 ③ 實(shí)驗(yàn)表明，音高與頻率之間也不是線性關(guān)系。測(cè)出的“音高 —頻率”曲線如圖所示。 2020/11/23 第二章 音頻信息處理 ? 音頻編碼標(biāo)準(zhǔn) 16 Perceptual Audio Coding (3) ? 聲音的掩蔽效應(yīng) ?定義 ：一種頻率的聲音阻礙聽覺系統(tǒng)感受另一種頻率的聲音的現(xiàn)象稱為 掩蔽效應(yīng) 。前者稱為 掩蔽聲音(masking tone)，后者稱為 被掩蔽聲音 (masked tone)。 ?聲音的掩蔽效應(yīng)可以分為： ? 頻域掩蔽 (Frequency Domain Masking)，也稱同時(shí)掩蔽(Simultaneous Masking) ? 時(shí)域掩蔽 (Time Domain Masking) 2020/11/23 第二章 音頻信息處理 ? 音頻編碼標(biāo)準(zhǔn) 17 Perceptual Audio Coding (3 cont.) ? 頻域掩蔽 ?定義 ：一個(gè)強(qiáng)純音會(huì)掩蔽在其附近同時(shí)發(fā)聲的弱純音，這種特性稱為頻域掩蔽，也稱同時(shí)掩蔽。 2020/11/23 第二章 音頻信息處理 ? 音頻編碼標(biāo)準(zhǔn) 18 Perceptual Audio Coding (3 cont.) ? 一般來(lái)說(shuō)，弱純音離強(qiáng)純音越近就越易被掩蔽。 ?從下圖可知： ? 在 250 Hz、 1 kHz、 4 kHz和 8 kHz純音附近，對(duì)其他純音的掩蔽效果最明顯 ? 低頻純音可以有效地掩蔽高頻純音，但高頻純音對(duì)低頻純音的掩蔽作用則不明顯。 ? = , 1, 4 kHz 2020/11/23 第二章 音頻信息處理 ? 音頻編碼標(biāo)準(zhǔn) 19 Perceptual Audio Coding (3 cont.) ? 由于聲音頻率與掩蔽曲線不是線性關(guān)系，為從感知上來(lái)統(tǒng)一度量聲音頻率，引入 臨界頻帶 (Critical Band)的概念。通常認(rèn)為，在 20 Hz到 16 kHz范圍內(nèi)有 24個(gè)臨界頻帶。 ? 臨界頻帶的單位叫 Bark (巴克 ) ?1 Bark = 一個(gè)臨界頻帶的寬度 ??(頻率 ) 500 Hz的情況下 , 1 Bark ≈ ? /100 ??(頻率 ) 500 Hz的情況下 , 1Bark ≈ 9 + 4log(? /1000) 臨界頻帶的劃分 臨界 頻帶 頻率 (Hz) 臨界 頻帶 頻率 (Hz) 低端 高端 寬度 低端 高端 寬度 0 0 100 100 13 2020 2320 320 1 100 200 100 14 2320 2700 380 2 200 300 100 15 2700 3150 450 3 300 400 100 16 3150 3700 550 4 400 510 110 17 3700 4400 700 5 510 630 120 18 4400 5300 900 6 630 770 140 19 5300 6400 1100 7 770 920 150 20 6400 7700 1300 8 920 1080 160 21 7700 9500 1800 9 1080 1270 190 22 9500 12