【文章內(nèi)容簡介】 碼或解壓縮。 音頻壓縮技術(shù)分為有損（ lossy）無和無損（ lossless）壓縮壓縮兩大類，而根據(jù) 壓縮方案的不 8 同，又可將其劃分為變換壓縮、時(shí)域壓縮、子帶壓縮，以及各種技術(shù)相融合的混合壓縮等。根據(jù)壓縮技術(shù)的不同，其算法的音頻質(zhì)量、復(fù)雜程度（包括空間復(fù)雜度和時(shí)間復(fù)雜度）、算法效率（也就是壓縮比例），以及編解碼延時(shí)等均有很大的差異。且因各種壓縮技術(shù)應(yīng)用場合的不同，其算法也有所不同。 數(shù)字音頻壓縮技術(shù)的應(yīng)用范圍廣闊，市場前景良好，一些大公司和著名的研究機(jī)構(gòu)都不遺余力地開發(fā)自己的專利技術(shù)及產(chǎn)品。因此，對音頻壓縮技術(shù)進(jìn)行標(biāo)準(zhǔn)化管理就顯得非常重要了。在這一方面取得成功的主要是 MPEG1音頻（ ISO/IEC111723）。 MPEG1對音頻壓縮共規(guī)定了三種模式，即層 Ⅰ （ ASPEC）、層 Ⅱ （ MP2，又稱 MUSICAM），層 Ⅲ （即 MP3）。因?yàn)樵谥朴啒?biāo)準(zhǔn)的時(shí)候?qū)Χ喾N壓縮技術(shù)進(jìn)行了認(rèn)真的考察，并且充分考慮了算法的可實(shí)現(xiàn)性（復(fù)雜度）和實(shí)際應(yīng)用條件，因此三種模式應(yīng)用都很廣泛。 VCD當(dāng)中采用的音頻壓縮技術(shù)就是 MPEG1 層 Ⅰ ； MUSICAM 因其具有復(fù)雜程度的適當(dāng)和聲音質(zhì)量優(yōu)秀的特點(diǎn)，被廣泛應(yīng)用在 DAB、數(shù)字演播室、 DVB等數(shù)字節(jié)目的交換、制作、存儲、傳送之中； MP3是在綜合了 ASPEC和 MUSICAM的優(yōu)點(diǎn)的基礎(chǔ)上提出的混合壓縮 技術(shù)， MP3在當(dāng)時(shí)的技術(shù)條件下， 其 復(fù)雜度相對較高，編碼 在 時(shí) 性方面存在問題 ， 但 MP3 因其 高水準(zhǔn)的聲音質(zhì)量 和 低碼率 的特點(diǎn) ，使得它 深受 軟解壓 與 網(wǎng)絡(luò)廣播的 喜用 。 MP3概述 MP3是一種音頻壓縮技術(shù)，其全稱是動態(tài)影像專家壓縮標(biāo)準(zhǔn)音頻層面 3（ Moving Picture Experts Group Audio Layer III），簡稱為 MP3。 MP3 是 被設(shè)計(jì)用來大幅度地 減少 音頻數(shù)據(jù)量 ， 是在綜合 了ASPEC 和 MUSICA 的優(yōu)點(diǎn)的基礎(chǔ)上提出的混合壓縮技術(shù)。 由于人耳只對 20Hz~20kHz 頻率范圍內(nèi)的聲音 信號敏感， MP3 因此 利用 這種 特性，將時(shí)域波形信號轉(zhuǎn)換成頻域信號，并 且將 頻域信號劃分成多個(gè)頻段，對 各個(gè) 頻段使用不同的壓縮 比 ， 在對信號 保證不失真 的條件下， 對低頻信號使用小 的 壓縮比 ， 對高頻 使用大的 壓縮比（ 也可能 忽略信號）。 如此 一來就相當(dāng)于拋棄人耳基本 上 聽不到的高頻聲音， 而 只保留 人耳 能聽到的低頻部分，從而將 信號以 1∶10 甚至 1∶12 的壓縮 比進(jìn)行 壓縮。壓縮成容量較小的文件，而對于大多數(shù)用戶來 講 重放的音質(zhì)與最初的不 進(jìn)行 壓縮 的 音頻相比沒有明顯的下降。 雖然 MP3 對原始信號進(jìn)行了高壓縮處理，但由于其除去的大都是人耳基本聽不 到的高頻成分，所以 MP3 壓縮在音質(zhì)上聽起來幾乎沒有影響。 MP3 以它高品質(zhì)的音質(zhì)以及開放、免費(fèi)等特點(diǎn)，不管是在網(wǎng)絡(luò)上還是現(xiàn)實(shí)生活中，都占據(jù)了其堅(jiān)實(shí)的地位，各種與 MP3 相關(guān)的軟件產(chǎn)品層出不窮，很多的硬件產(chǎn)品也都支持 MP3，我們能夠買到的 VCD/DVD 播放機(jī)，便攜的 MP3 播放器，手機(jī)等等，它已經(jīng)成為目前最為普及的音頻壓縮格式。 9 MP3編碼 MP3編碼主要由 3大功能模塊組成，包括混合濾波器組（子帶濾波器和 MDCT） 、 心理聲學(xué)模型 、量化編碼（比特和比特因子分配和哈夫曼編碼）。 （ 1）混合濾波器 組這部分包括子帶濾波器組和 MDCT（ Modified Discrete Cosine Transform,改進(jìn)型離散余弦變換）兩部分。子帶濾波器組編碼完成樣本信號從時(shí)域到頻域的映射，并將規(guī)定的音頻信號通過帶通濾波器組分解成 32 個(gè)子帶輸出。子帶濾波器組輸出的 32個(gè)子帶 寬度是相等的 ，而 從 心理聲學(xué)模型得出 來 的臨界帶寬 卻并 不是等帶寬的， 因此 為了使得臨界頻帶 與 進(jìn)行編碼的各個(gè)比例因子帶相匹配， 就 需要對 各個(gè) 子帶信號做 MDCT 變換。 MDCT 濾波器組將子帶濾波器組的輸出細(xì)分為 18 條頻線， 32 個(gè)組 共產(chǎn)生 576 條頻線。然后 再 利用 心理聲學(xué)模型中計(jì)算出來的子帶信號的信掩比， 來 決定 576條譜線的比特?cái)?shù) 的 分配。 （ 2）心理聲學(xué)模型。心理聲學(xué)模型 的原理是 利用人耳聽覺系統(tǒng) 對高頻信號的不敏感性 ，移除大量 人耳不能分辨的 信號， 以 達(dá)到壓縮音頻 信號 的 目的 。在使用心理聲學(xué)模型 之 前 要 先對信號進(jìn)行傅立葉變換 ，使 信號有 很好 的頻域解析度 ，以便于計(jì)算 。 MPEG－ I 使用了 兩種心理聲學(xué)模型，第一種在編碼比特率 高 時(shí)提供適當(dāng)精度，計(jì)算 比較 簡單 ； 第二種一般在較低比特率編碼時(shí)使用 ， 模型比較復(fù)雜。 MP3編碼中一般使用 第二種 心理聲學(xué)模。 計(jì)算出 各個(gè)子帶的掩蔽域值 是 心理聲學(xué)模型的目的 ，并以此控制量化 的 過程。 通常 用 FFT 求出信號的頻譜特性 來實(shí)現(xiàn) 心理聲學(xué)模型過程 的第一步 ，根據(jù)頻譜特性找出各頻率點(diǎn)上的非音調(diào)成分 (也 稱噪音成分 )和 音調(diào)成分（有些稱為音樂成分）； 然后 根據(jù)掩蔽域曲線確定各個(gè)非音調(diào)成分 和 音調(diào)成分在其它頻率點(diǎn)的掩蔽域值；最后 將 求出各頻率點(diǎn)的總體掩蔽域折算到編碼子帶中。原始信號 與 最終的壓縮數(shù)據(jù)被解碼后的結(jié)果 是否 可以不加區(qū)分 取決于 對于子帶濾波器組輸出的譜值量化后產(chǎn)生的噪聲 是否 能夠被控制 于 掩蔽域值以下。 響度和頻率決定了一個(gè)給定信號的掩蔽能力 ，因此 心理聲學(xué)模型的最 后 輸出是信掩比 SMR(signal一 to一 mask radio)，即信號強(qiáng)度 和 掩蔽閾值的比率。 （ 3）量化編碼。量化編碼 的 比特分配和量化 是使用 一個(gè)三層迭代循環(huán)模型來實(shí)現(xiàn) 的 。這三層包括：內(nèi)層循環(huán) 、 外層循環(huán) 以及 幀循環(huán)。內(nèi)層迭代模型對輸入矢量進(jìn)行量化，通過遞增量化步長 來 使得 量化輸出能夠在一定的比特位數(shù)限制之內(nèi)被編碼 ； 外層迭代模型首先使用內(nèi)層迭代模型 ， 然后 再調(diào)用外層迭代模型；幀循環(huán)復(fù)位 全部 的迭代變量， 并 計(jì)算能夠提供給每節(jié)數(shù)據(jù)的最大比特?cái)?shù)。哈夫曼編碼對量化的最大值有限制，如果 它 的最大值超過 了 限制， 那么 內(nèi)層迭代循環(huán) 就 需要遞增量化步長，重新 進(jìn)行 量化 ， 所以 就 需要 事先 判斷所有的量化的最大值是否超過限制。然后 計(jì)算 哈夫曼編碼的位數(shù)，由幀循環(huán)計(jì)算出的每節(jié)編碼所能 夠 提供的最大比特?cái)?shù) 要大于 其所占的比特?cái)?shù)，否則也要增加量化步長重新 再進(jìn)行 量化。 只有 當(dāng)量化滿足要求 以 后， 才將 最終的比例銀子數(shù)值 進(jìn)行存儲 ， 然后 10 跳出外層循環(huán)，并在幀循環(huán) 當(dāng) 中計(jì)算 出 存儲每節(jié)數(shù)據(jù)所用的比特位數(shù)。 MP3解碼 MP3解碼原理： MP3解碼 得整個(gè)過程是先 將 MP3數(shù)據(jù)幀 進(jìn)行 解包，解出邊帶信息 和 幀頭信息；然后 再使用 霍夫曼解碼解出比特分配信息；接著在逆變換中利用頻譜系數(shù)，在綜合濾波器 當(dāng) 中 把 32位子帶合并成一個(gè)寬帶信號。 18個(gè)頻譜值執(zhí)行 32 位 IMDCT（逆改進(jìn)型離散余弦變換）， 然后再 將生成的 576個(gè)頻譜值 轉(zhuǎn)換 成長度為 32的 18個(gè)連續(xù)的頻譜。 經(jīng)過 18次 的 運(yùn)算，這些頻譜 將會被 多相位綜合濾波器轉(zhuǎn)換到時(shí)域，完成波形 的 重構(gòu)， 最后 生成立體聲 PCM 音頻 碼流 。 MP3 解碼流程如圖 22 所示。 PCM信號進(jìn)行 MP3壓縮時(shí)，以 1152個(gè) PCM采樣值為單位，封裝成長度固定的 MP3數(shù)據(jù)幀， 其中幀是 MP3文件最小的組成單位。在解碼 的時(shí)候 ，利用數(shù)據(jù)幀里 面 的信息就可以 將 1152個(gè) PCM采樣值恢復(fù)出來了 。這 1152個(gè)采樣值 共 被分 成 兩 個(gè)粒度組， 一個(gè) 粒度組包含 了 576個(gè)采樣值。 （ 1） 幀頭信息的讀取 以及 數(shù)據(jù)流的同步。 MP3音頻解碼過程中的第一步就是使解碼器與輸入數(shù)據(jù)流同步 ， MP3 數(shù)據(jù)流的同步 是 以幀為單位，每一幀的幀頭都包含同步信息。這個(gè)同步信息是 由 連續(xù)的 12比特的 ‘1’ 組成。在啟動解碼器后，可以通過搜索數(shù)據(jù)流中的 12比特長的同步字來完成。在同步 后面接著 的數(shù)據(jù)就是幀頭信息，包括填充位、采樣率、比特率等信息。 （ 2） 主數(shù)據(jù)的讀取在 MP3編碼過程中使用了比特池技術(shù)，所以當(dāng)前幀的主數(shù)據(jù)不一定全部都在當(dāng)前幀中，在解碼過程中，必須結(jié)合主數(shù)據(jù)開始指針 的值來確定主數(shù)據(jù)的開始位置。主數(shù)據(jù)包含的數(shù)據(jù)有縮放因子、哈夫曼數(shù)據(jù)及附加數(shù)據(jù)。這些字段在主數(shù)據(jù)中有固定的格式。 （ 3） 反量化 和 哈夫曼解碼在 MP3編碼 的 過程 當(dāng) 中， 按照 心理聲學(xué)模型的輸出，對離散余弦變 換的輸出樣本的量化和分配 是 以粒度為單位進(jìn)行 的 ， 然后 再對量化的結(jié)果進(jìn)行哈夫曼編碼。編碼和量化主要是 經(jīng)過 循環(huán)迭代 來 完成的，循環(huán)模塊 使用 三層來描述， 其中 最高層為幀循環(huán)，它調(diào)用外層迭代循環(huán)，而外層迭代循環(huán)又調(diào)用內(nèi)層迭代循環(huán)。但 是 在解碼 得 過程中，哈夫曼解碼 以及 反量化過程是分開 來 實(shí)現(xiàn)的。 由于 都是用不同的哈夫曼表來 對 每個(gè)粒度組 的頻率線進(jìn)行編碼的， 所以 在解碼的 過程中，需要 使 用不 一樣 的解碼方法。反量化頻譜過程就是基于所得到的哈夫曼解碼數(shù)據(jù)，根據(jù)幀邊信息 和 逆量化全縮放公式，對于不同的窗類型 使用 不同的公式 來 恢復(fù) 576個(gè)頻率線的真實(shí)值。 （ 4） 反混疊 和 重排序。反量化過程 當(dāng) 中得 到 的頻譜值是按 照不 同順序排列的。在編碼的 MDCT過程 當(dāng) 中， 是 先按子帶然后按頻率 來 對于長窗產(chǎn)生的頻譜值 進(jìn)行 排列；對于短窗 ，是照 子帶、窗、頻率的順序 來對所 產(chǎn)生的頻譜值 進(jìn)行 排列 的 。為了 增加 哈夫曼編碼效率，短窗中的數(shù)據(jù)按照子帶、頻率、窗的順序被重新 進(jìn)行 排列。解碼時(shí)，重排序及 時(shí)將短窗中的頻譜值重新 進(jìn)行 排列。同樣，在編碼的 MDCT過程中，為了得到更好的頻域特性，對長窗對應(yīng)每個(gè)子帶進(jìn)行了去混疊處理，為了得到 11 正確的音頻信號，在解碼時(shí)必須對長窗對應(yīng)的子帶進(jìn)行混疊重建。 開 始尋 找 同 步 字解 幀 頭 信 息獲 取 比 例 因 子霍 夫 曼 解 碼反 量 化立 體 聲 處 理輸 出 P C M 樣 本子 帶 綜 合多 相 頻 率 倒 置反 離 散余 弦 變 換抗 鋸 齒 處 理重 排 序結(jié) 束 圖 23 MP3 解碼流程圖 （ 5） 逆向離散余弦變換。逆向離散余弦變換主要是使用逆向離散余弦變換的公式，對反量化得出的信號進(jìn)行變換。逆向離散余弦變換的計(jì)算十分復(fù)雜，為了提高效率，可以對計(jì)算做一些優(yōu)化。 （ 6） 頻率反轉(zhuǎn)和子帶合成頻率反轉(zhuǎn)是對逆向離散余弦變換的輸出值 中的奇數(shù)號子帶（ 0 到 31號子帶中的 1， 3， 5， ...， 31）中的奇數(shù)號樣本值（每個(gè)子帶中的 0到 17號樣本值的 1， 3， 5， ...，17號樣本值）進(jìn)行反相處理，用來補(bǔ)償編碼時(shí)為提高離散余弦變換效率而進(jìn)行的頻率反轉(zhuǎn)。子帶合成濾波器將 32個(gè)帶寬相等的子帶中的頻域信號反變換成時(shí)域信號。子帶合成是逆向離散余弦變換后的一個(gè)通道中 32 個(gè)子帶的樣值，經(jīng)過一系列的計(jì)算還原出 32個(gè) PCM 數(shù)字音頻信號的過程。子帶合成過程先將 32個(gè)子帶樣值進(jìn)行逆向離散余弦變換，生成 64個(gè)中間值，將這 64個(gè)中間值轉(zhuǎn)入到一個(gè)長為 1024點(diǎn)的類似先進(jìn)先 出 FIFO的緩存，再在這 1024個(gè)值中抽取一半，構(gòu)成一個(gè) 512個(gè)值的矢量，再進(jìn)行加窗運(yùn)算，最后將加窗結(jié)果進(jìn)行疊加生成 32 個(gè)時(shí)域輸出。 音頻信號傳輸 由于傳輸技術(shù)、設(shè)備或現(xiàn)場條件的限制，對于遠(yuǎn)距離廣播音頻傳輸，聲音質(zhì)量往往難以保證。如何快速而低廉地構(gòu)建高質(zhì)量遠(yuǎn)距離的音頻傳輸平臺，滿足廣播的需要，是我們亟待解決的問題。 傳統(tǒng)的廣播信號傳輸方式主要為微波、光纖、調(diào)頻無線、 ISDN（即窄帶綜合業(yè)務(wù)數(shù)字網(wǎng)）、數(shù)字 12 電話傳輸器、普通電話或 GSM移動電話等，但這些傳輸方式都存在不同程度的缺點(diǎn)。 微波、光纖及無線 調(diào)頻傳輸方式能提供高質(zhì)量的音頻傳輸，但對于遠(yuǎn)距離、直播地點(diǎn)不確定時(shí)，往往難以達(dá)到快速布點(diǎn)及有效保障。 ISDN在我國除北京、上海、廣州等少數(shù)大城市有一些應(yīng)用外，目前已經(jīng)逐漸淡出市場。而且對于跨省市的電信局之間， ISDN還存在調(diào)試?yán)щy、線路不穩(wěn)定的情況。用普通電話或 GSM 移動電話，聲音質(zhì)量太差，做短時(shí)間的信息播報(bào)尚可，作為大時(shí)段長時(shí)間的直播就不太合適。用數(shù)字電話傳輸器傳輸音頻信號是一種相對較好的方式，但也存在設(shè)備價(jià)格昂貴，實(shí)際應(yīng)用中兩臺機(jī)器連接數(shù)率在 24 kbps以上時(shí)容易出現(xiàn)掉線。所以為保障安全連接，一般都選 用 kbps至 kbps之間的連接速率，故此聲音頻響只能達(dá)到 5～ 12 kHz，從而影響到了節(jié)目的傳輸質(zhì)量 [7]。 TCP/UDP 在互聯(lián)網(wǎng)上要實(shí)現(xiàn)高質(zhì)量實(shí)時(shí)數(shù)據(jù)連接，主要應(yīng)用到傳輸層協(xié)議。根據(jù) OSI 網(wǎng)絡(luò)標(biāo)準(zhǔn)定義，網(wǎng)絡(luò)由物理層、數(shù)據(jù)鏈路層、網(wǎng)絡(luò)層、傳輸層、會話層、表示層和應(yīng)用層 7層組成。而在實(shí)際應(yīng)用中，網(wǎng)絡(luò)結(jié)構(gòu)可簡化為鏈路層、網(wǎng)絡(luò)層、傳輸層和應(yīng)用層用戶接口，其結(jié)構(gòu)如圖 24所示。 用 用 用 用 用 用 用傳 輸 層網(wǎng) 絡(luò) 層用 用 用傳 輸 層網(wǎng) 絡(luò) 層用 用 用TCP/ UDP用 用I P 用 用用 用 用 用 用 圖 24 網(wǎng)絡(luò) TCP/IP 層結(jié)構(gòu) 在 TCP/IP層結(jié)構(gòu)模型中，傳輸層的功能是使源端主機(jī)和目標(biāo)端主機(jī)上的對等實(shí)體可以進(jìn)行會話。在傳輸層定義了兩種服務(wù)質(zhì)量不同的協(xié)議。即： TCP（ transmission co