【文章內(nèi)容簡介】 度有兩種，一種是長塊，長度為512；一種是短塊，長度為256。選擇分析變換塊的長度對壓縮的質(zhì)量有重要的影響。短的變換塊能夠提供較好的時間分辨率，適用于變化較快的暫態(tài)信號，比如對于敲擊信號，系統(tǒng)必須如實的恢復(fù)其短時信號而不應(yīng)在時間上帶有拖尾現(xiàn)象；另一方面，長變換能夠提供較好的頻率分辨率。對于長塊而言，經(jīng)時頻變換后生成256個系數(shù)。對于短塊來說，經(jīng)兩次時頻變換各生成 128 個系數(shù)，然后交替組合成256個系數(shù)用于下一步處理。短時檢測的目的就是確定當(dāng)前輸入是采用長變換塊還是短變換塊。若檢測出需要采用短變換塊，則把塊轉(zhuǎn)換標(biāo)志置1；否則，塊轉(zhuǎn)換標(biāo)志置0。檢測時首先把512個采樣數(shù)據(jù)分成各256個數(shù)據(jù)兩部分，對各部分分別做如下4步處理：1）高通濾波：對采樣數(shù)據(jù)進行高通濾波得出 256 個系數(shù)。2）劃分子塊：把256個高通系數(shù)分成3層樹形結(jié)構(gòu)，層1有1個256個數(shù)據(jù)的子塊，層2有2個128 個數(shù)據(jù)的子塊，層3有4個64個數(shù)據(jù)的子塊。3）計算尖峰值：選出每層每個子塊中所有數(shù)據(jù)的最大值。4）門限比較：首先比較第一層中子塊尖峰值與靜音門限值的大小（靜音門限值為 100/32768），若尖峰值大，則判定有短時信號；否則，進行第二步比較。第二步是比較同一層中各相臨子塊尖峰值之比值是否超過預(yù)定門限，若超過則判定為有短時信號；否則就采用長變換塊。圖 AC3 編碼流程圖（2）時頻變換 AC3 的時頻變換采用的是基于時域折疊消除（TDAC）的改進離散余弦變換(MDCT)輸入時間信號在變換到頻域之前先對它進行加窗處理。加窗的目的在于降低塊邊界效應(yīng)對譜分析的影響，同時提高頻率選擇性。由于正弦變換在塊邊界處存在著固有的不連續(xù)性，因此在塊邊界處可能產(chǎn)生很大的噪聲，為了消除這種噪聲，通常采用將相鄰塊的采樣值 N 進行部分重疊后再作變換。AC3 編碼將相鄰兩塊的采樣值重疊 50%，即當(dāng)前塊的采樣值 N 是由前一塊采樣值的一半（M=N/2 個)和后一塊采樣值的一半（M 個）組成的。因此仍然只有 M 個獨立的變換系數(shù)需要傳輸，50%重疊變換的編碼性能并未降低。在時頻變換中，由于窗口之間有 50%的重疊，因此會產(chǎn)生折迭誤差，這可以通過時域折迭消除（TDAC）法在合成階段消除。（3）耦合策略和耦合聲道的生成耦合技術(shù)是指在編碼器中將多個聲道信號的高頻部分耦合到一個公共聲道中。實驗證明，人耳對大約 4kHz 頻率以上的高頻信號，不能分辨出兩個頻率非常接近的信號的方向。由于人耳具有這種特性，在編碼中可利用此特性采用耦合技術(shù)。將各個獨立聲道高頻部分組合成公共的耦合聲道，公共聲道傳輸?shù)氖歉鱾€被耦合聲道高頻變換系數(shù)的平均值。耦合策略具體是指一些必要的參數(shù)，如：耦合標(biāo)志、開始耦合頻率、結(jié)束耦合頻率以及耦合子帶結(jié)構(gòu)等。這些參數(shù)決定了如何生成耦合聲道，并作為解碼的部分必要信息最終被加入到編碼輸出碼流中。時頻變換后生成的系數(shù)中第 37 個到第 252 個被分成 18 個耦合子帶，每個子帶由12 個系數(shù)組成。開始耦合頻率指出了第一個進入耦合處理過程的子帶。低于開始耦合頻率，則所有的聲道各自獨立編碼。高于開始耦合頻率并且耦合標(biāo)志為 1 的聲道共同使用耦合聲道，直到頻率達到結(jié)束耦合頻率為止。耦合聲道最終要加入編碼碼流的是耦合坐標(biāo)，耦合坐標(biāo)指出了被耦合聲道中的各個子帶。耦合坐標(biāo)由被耦合聲道中各子帶與耦合聲道中相對應(yīng)子帶之商的平方根決定。（4）重構(gòu)矩陣AC3 中的重構(gòu)矩陣技術(shù)是一種聲道結(jié)合技術(shù)，它加或減兩聲道中的相關(guān)部分，那就是 left’= * (left + right), right’= * (left – right)。在 AC3 中重構(gòu)矩陣只應(yīng)用于 2/0 模式（即只有 L、R 聲道）。重構(gòu)處理在獨立的重構(gòu)矩陣頻率子帶中進行，子帶的劃分依賴于耦合信息，具體來說，最后一個重構(gòu)矩陣頻率子帶的結(jié)束點就是耦合開始的地方。重構(gòu)處理測量 L、R、L+R、LR 的能量，如果最大能量被發(fā)現(xiàn)在 L 或R 聲道中，則該子帶的重構(gòu)矩陣標(biāo)志不被設(shè)置，在 L 和 R 聲道中的該子帶被編碼；如果最大能量被發(fā)現(xiàn)在 L+R 或 LR 聲道中，則設(shè)置該子帶的重構(gòu)矩陣標(biāo)志，在 L+R和 LR 聲道中的該子帶被編碼。（5）取出指數(shù)、指數(shù)策略和指數(shù)編碼指數(shù)序列相當(dāng)于頻域系數(shù)的譜包絡(luò)。壓縮的方法主要有兩種：一種差分編碼；二是爭取同一幀內(nèi)的音頻塊指數(shù)數(shù)據(jù)共用。塊內(nèi)指數(shù)編碼策略有三種；D15，D25，D45?！癉”代表差分(Differential)；“1，2，4”代表共享同一指數(shù)的尾數(shù)數(shù)目；“5”代表量化的 5 個級別。這三種策略在頻率分辨率和比特率之間提供了靈活的選擇。D15 模式提供最精細的頻率分辨率和非常精確的頻譜包絡(luò)，適合于頻譜變化劇烈的信號；D25模式的碼率和分辨率是 D15 的一半；D45 模式所需的數(shù)據(jù)量最小，適合于頻譜比較平緩的信號。首先，檢測每一個頻率系數(shù)的二進制值，得出前導(dǎo) 0 的個數(shù)，該前導(dǎo) 0 的個數(shù)（最大為 24 個）被作為最初的指數(shù)值，這些指數(shù)值被用來決定指數(shù)策略。方差值大說明變化劇烈，可以據(jù)此設(shè)定門限，選擇指數(shù)編碼策略。碼流中指數(shù)系數(shù)第一個值是音頻塊的直流值（4bit），范圍是 0～15。其后的指數(shù)值為 0～4，對應(yīng)2～+2的差分值。每三個相鄰的差分系數(shù)組合成一個 7bit 的碼字。（6）尾數(shù)歸一化每個轉(zhuǎn)換系數(shù)都采用左移的方式進行歸一化處理，左移的次數(shù)由相應(yīng)的指數(shù)決定。歸一化后的尾數(shù)將用于量化。（7）比特分配比特分配決定了每個尾數(shù)需要什么樣的精度來編碼。例如對于可清晰聽到的頻率成分需要高的精度，而那些聽不到的頻率成分根本不需要任何精度。比特分配采用心理聲學(xué)模型來決定哪些頻率采樣值是可聽到的并需要什么樣的精度。傳統(tǒng)的比特分配方法有兩種：正向自適應(yīng)和反向自適應(yīng)。正向自適應(yīng)是指編碼器依據(jù)心理聲學(xué)模型非常詳細的檢查信號頻譜，得出每個尾數(shù)的比特分配值，并把這些值作為副信息加入最終的編碼碼流中，這樣在解碼時就只需依據(jù)這些值對壓縮的尾數(shù)進行解壓縮了。但是由于所有尾數(shù)的比特分配值都加入到編碼碼流中，就在有限長度的碼流中占用了較大部分，這是它的一個重大缺點。反向自適應(yīng)是指編碼器只傳遞心理聲學(xué)模型的必要參數(shù)，解碼時，解碼器需要依據(jù)所接收的那些參數(shù)算出每個尾數(shù)的比特分配值，這樣增加了解碼器的負擔(dān)，但編碼器的壓縮率大大增加。AC3 綜合了二者的優(yōu)點。編碼時采用了一種參量可變的心理聲學(xué)模型來估計屏蔽門限。屏蔽門限分別在 50 個臨界頻帶上被計算，臨界帶的劃分是以 1/6 倍頻程來近似的。每個尾數(shù)所需要的比特分配值依據(jù)相應(yīng)指數(shù)的能量譜密度與屏蔽門限的差值用查表的方式得到。對于 D15 指數(shù)集，一個尾數(shù)占用一個比特分配值；對于 D25 指數(shù)集，每兩個尾數(shù)占用一個比特分配值；對于 D45 指數(shù)集，每四個尾數(shù)占用一個比特分配值。在傳遞比特分配信息時，編碼器只把可變參量加入到編碼碼流中，作為副信息傳遞給解碼器。（8）尾數(shù)量化尾數(shù)由相應(yīng)比特分配值所確定的量化器來量化。尾數(shù)量化分為非對稱量化和對稱量化。當(dāng)量化電平大于 15 時使用非對稱量化，按比特分配值所指定的量化電平對尾數(shù)進行量化；當(dāng)量化電平小于 15 時使用對稱量化，對于對稱量化，采用組合方式將兩個或三個尾數(shù)組合成一個組合值進行量化。（9）AC3 輸出碼流AC3 的串行碼流是由一系列同步幀組成，如圖 AC3 比特碼流的幀結(jié)構(gòu)和音頻塊結(jié)構(gòu)所示，在恒定的時間間隔內(nèi)，其所有編碼的聲道所包含的信息就能體現(xiàn) 1536個 PCM 采樣值信息。每一個 AC3 幀都具有固定的尺寸，只由采樣頻率和編碼數(shù)據(jù)率決定。同時，每一幀都是一個獨立實體，幀間不共享數(shù)據(jù)。每幀從 SI 開始，之后是 BSI，包含一些音頻參數(shù)，接著是 6 個音頻塊，各包含 256 個取樣。音頻塊中所包含的內(nèi)容允許在幀的內(nèi)部進行數(shù)據(jù)分享，比如在音頻塊 0 中的數(shù)據(jù)可以被同一幀內(nèi)的后續(xù)塊所使用。AUX 可以是輔助填充比特，也可以用于插入專用控制和狀態(tài)信息。CRC1 和 CRC2 分別用于前 5/8 幀和后 3/8 幀的校驗。AC3 碼流中很多參數(shù)是可選的，同時還留有一些可擴充數(shù)據(jù)，為將來的升級作準(zhǔn)備。圖 AC3 比特碼流的幀結(jié)構(gòu)和音頻塊結(jié)構(gòu) AC3 解碼流程AC3 解碼是編碼的反過程。圖 是 AC3 解碼原理框圖。圖 AC3 解碼框圖圖 是 AC3 解碼流程圖。圖 AC3 解碼流程圖具體解碼過程如下[31]：AC3 解碼器先從編碼碼流中得到幀同步字，使其與編碼碼流同步。然后進行 CRC校驗，檢查該幀是否合法。在 CRC 校驗中，CRC1 用于前 5/8 幀的校驗；CRC2 用于后 3/8 幀的校驗。根據(jù)具體要求可只校驗 CRC2，也可 CRC1 和 CRC2 都校驗。若是后者，則當(dāng) CRC1 校驗通過后就可以開始對前 5/8 幀進行解碼了，這樣能提高解碼效率。同步錯誤檢測完成后，解壓縮碼流信息（BSI），得到碼流中包含的各種類型的數(shù)據(jù)信息。首先進行指數(shù)解碼，根據(jù)碼流中得到的指數(shù)策略信息（D1D2D45 或重新使用）、指數(shù)數(shù)目（如對于耦合聲道由開始耦合頻率和結(jié)束耦合頻率決定）來解碼指數(shù)。然后，由指數(shù)和碼流中包含的比特分配信息共同計算出每個尾數(shù)所對應(yīng)的比特分配值。于是，量化的尾數(shù)就利用對應(yīng)的比特分配值從 AC3 碼流中解壓縮出來。如果編碼碼流中包含有耦合聲道的信息，則還要對耦合聲道進行解耦合，根據(jù)耦合聲道中各子帶的耦合系數(shù)和被耦合聲道中對應(yīng)的耦合坐標(biāo)可以得到被耦合聲道的指數(shù)和尾數(shù)。如果編碼碼流中包含有重構(gòu)矩陣信息，解碼時依據(jù)重構(gòu)矩陣標(biāo)志來判定編碼系數(shù)是來自 L、R 聲道，還是來自 L、R 聲道的和與差，以此得到正確的 L、R 聲道解碼系數(shù)。最后得出的轉(zhuǎn)換系數(shù)再經(jīng)過基于 TDAC 的 IMDCT 變換。輸出重建的 PCM采樣值信號。除了基本的解碼功能外，AC3 解碼還具有一些重要的其他功能。如縮混功能，即如果要求的輸出模式與編碼的聲道數(shù)不相符合，解碼器可以把碼流中的聲道合并成任意想要的聲道數(shù)，然后輸出。另外，解碼中還包括動態(tài)范圍壓縮功能，它的原理是以對話聲音為參考，對于過高的聲音（如爆炸聲）進行一定程度的降低，而對與過低的聲音（如樹葉抖動聲）進行一定程度的抬升。這是一個可選功能，對于想真實地聽原來聲音的聽眾來說，可以忽略動態(tài)范圍壓縮；而對于想聽到各種聲音的聽眾來說（比如在聽到電影中的大爆炸聲音的同時，還想聽到對話聲），就需要采用動態(tài)范圍壓縮功能。（1）輸入緩沖器AC3是分塊編碼器，因此需要一個緩沖器來存儲時域采樣的bit流，一般每個塊包含512個樣點，每個樣點的字長最多可達24bit。（2）輸入濾波器受到人耳聽覺頻率特征的影響，時域波形在處理以前需要經(jīng)過濾波去除直流信號，5個全頻段信號經(jīng)過一個3Hz的高通濾波器，1個低音信號經(jīng)過一個120Hz的低通濾波器。（3）瞬時檢測為了避免瞬時的信號出現(xiàn)在塊的邊緣，避免掩蔽效應(yīng)，防止聲音信號被忽略，編碼器使用一個高頻帶通濾波器來檢測瞬時現(xiàn)象，檢測信息將提供給TDAC濾波器組調(diào)節(jié)相應(yīng)塊的大小。（4）TDAC（time domain alias cancellation）濾波器組每個通道的時域輸入信號在這里被單獨劃分成多個窗口，并且經(jīng)過一個基于TDAC的分析濾波器組濾波，然后經(jīng)過FFT變換得到TDAC變換系數(shù)。然后編碼器將6個聲道的變換系數(shù)組成一個整體。解碼器可以通過這些系數(shù)的反變換重構(gòu)出時域信號。同時濾波器組使得每個塊有50%的重疊來避免塊邊緣的不連續(xù)性。（5）浮點變換AC3 TDAC變換系數(shù)被轉(zhuǎn)換成浮點數(shù)，浮點數(shù)分成尾數(shù)和相應(yīng)的指數(shù)，分別送入定點DSP處理芯片處理。采用浮點數(shù)表示系數(shù)，可以表示更大的動態(tài)范圍，因此AC3保留了聲音信號AD/DA轉(zhuǎn)換1822bit的高分辨率。（6）載波預(yù)綜合一般來說，多通道編碼需要的平均比特量可以粗糙地和通道數(shù)的平方根成比例，即有如下計算公式 （）其中，a表示平均比特率，s表示相同情況下單通道編碼輸出比特率，c表示通道數(shù)，例如，單通道編碼s需要128Kbps,，對于AC3標(biāo)準(zhǔn)模式下使用的最少數(shù)據(jù)率320Kbps來說也是很充裕的。對于要求高的信號，AC3還可以選擇高頻載波分量預(yù)綜合技術(shù)來提高更多的編碼增益。這項技術(shù)是基于人類聽覺系統(tǒng)的高頻部分的心理聲學(xué)現(xiàn)象來刪除高頻局部冗余信息，原理是因為在信號高頻部分，人耳定位聲源主要和高頻段的包絡(luò)有關(guān)，而不是聲音信號的頻譜本身。AC3正是利用這一點把高頻子帶信號分離成包絡(luò)和載波兩個分量，一般來說，編碼包絡(luò)信息要比載波信息采用更高的精度，如果需要，考慮到通道載波的相關(guān)性，還可以在多通道組合載波分量。這樣做只對音頻信號有較小的影響，因為定位信息被保留在包絡(luò)數(shù)據(jù)中，而高頻段載波的耦合性組合對聽眾的耳朵基本都產(chǎn)生相同的聽覺效果。被編碼的載波信息增加到TDAC變換系數(shù)里的尾數(shù)和指數(shù)隊列，而包絡(luò)信息則作為耦合系數(shù)被單獨傳輸。(7)全局比特分配統(tǒng)一的多通道編碼的主要優(yōu)勢就是可以使得比特分配根據(jù)需要在各個通道之間靈活使用來適應(yīng)信號變換的要求。AC3比特分配器根據(jù)TDAC系數(shù)的內(nèi)在的掩蔽效應(yīng)和絕對聽值門限，再結(jié)合定長的TDAC指數(shù)（指數(shù)長度固定，不參與量化），確定每一個尾數(shù)的量化精度，也就是需要量化的比特數(shù)。這個計算是在全局范疇的，也就是把所有通道看作一個整體共同使用一個單一的比特池，很少有確定的和預(yù)先指定分配的比特量(8)量化比特分配計算的結(jié)果被用來量化TDAC尾數(shù)數(shù)據(jù)，簡單地發(fā)送該值的n位有效位，這個值被換算和偏移到以零為中心、上下幅度相等、對稱的量化級，再使用負向抖動來最小化失真。解碼器解出尾數(shù)后進行補償處理恢復(fù)實際的尾數(shù)值。編碼器可以選擇在量化過程中抖動數(shù)據(jù)。在傳輸數(shù)據(jù)中的工作模式位中指出是否抖動并且提供同步信息，因此解碼器可以提取相同的抖動數(shù)據(jù)來重構(gòu)尾數(shù)。(9)數(shù)據(jù)打包上面幾步的處理將6個通道的時域信號的每個塊轉(zhuǎn)變成一系列隊列和數(shù)值，這些值包括TDAC指數(shù)和量化的尾數(shù)、比特分配信息、耦合系數(shù)和抖動標(biāo)志。在編碼器最后一級這些信息和同步信息、一個包