【文章內容簡介】 的途徑， PC 通過該端口操作 MP3 播放機存儲設備中的數據，拷貝、刪除、復制文件等操作。目前最廣泛使用的是 USB 總線，并且遵循微軟定義的大容量移動存儲協(xié)議規(guī)范，將 MP3 播放機作為主機的一個移動存儲設備。這里需要遵循幾個規(guī)范： USB 通信協(xié)議、大容量移動存儲器規(guī)范和 SCSI 協(xié)議 [1315]。 音頻 DAC 是將數字音頻信號轉換成模擬音頻信號，以推動耳機、功放等模擬音響設備。這里要介紹一下數字音頻信號。數字音頻信號是相對模擬音頻信號來說的。我們知道聲音的本質是波，人們能聽到的聲音頻率在 20Hz 到 20kHz 之間， 稱為 聲波。模擬信號對波的表示是連續(xù)的函數特性，基本的原理是不同頻率和振幅的波疊加在一起。數字音頻信號是對模擬信號的一種量化，典型方法是對時間坐標按相等的時間間隔做采樣，對振幅做量化。單位時間內的采樣次數稱為采樣頻率。這樣一段聲波就可 以被數字化后變成一串數值，每個數值對應相應抽樣點的振幅值，按順序將這些數字排列起來就是數字音頻信號了。這是 ADC（模擬 — 數字轉換）過程， DAC（數字 — 模擬轉換）過程相反，將連續(xù)的數字按采樣時候的頻率轉換成對應的電壓。 MP3 解碼器解碼后的信息屬于數字音頻信號（數字音頻信號有不同的格式，最常用的是 PCM 和 I2S 兩種），需要通過 DAC 轉換器變成模擬信號才能推動功放，被人耳所識別。 MP3 播放器 編碼 過程 編碼分析 一 、音頻信號數字化 信號的數字化就是將連續(xù)的模擬信號轉換成離散的數字信號，一般需要 完成采樣、量化和編碼三個步驟，如圖 21 所示。 采樣是指 用每隔一定時間間隔的信號樣本值序列來代東北林業(yè)大學畢業(yè)設計 6 替原來的時間上連續(xù)的信號； 量化是用有限個幅度 近似 表示原來的時間上連續(xù)變化的幅 度值，把模擬信號的連續(xù)幅度變?yōu)橛邢迶盗?、有一定時間間隔的離散值； 編碼則是按照一定的規(guī)律，把量化后的離散值用二進制數碼表示。上述數字化的過程又稱為脈沖編碼調制，通常由 A/D 轉換器來實現(xiàn)。 圖 21 音頻信號數字化 數字音頻信號經過處理、記錄或傳輸后，當需要重現(xiàn)聲音時，還必須還原為連續(xù)變化的 模擬信號。將數字信號轉換成模擬信號為 D/A 轉換。 數字音頻的質量取決于采樣頻率和量化位數。采樣頻率越高，量化位數越多，數字化后的音頻質量越高。 二 、音頻采樣 采樣就是從一個時間上連續(xù)變化的模擬信號取出若干個有代表性的樣本值，來代表這個連續(xù)變化的模擬信號。一個在時間和幅值上都連續(xù)的模擬音頻信號的函數表示為 ??xt ，采樣的過程就是在時間上將函數 ??xt 離散化的過程。一般的采樣是按照均勻的時間間隔進行的。設這一時間間隔為 T，則 取樣后的信號為 ? ?xnT ， n 為自然數。 根據 奈奎斯特 采樣定理：要從采樣值序列完全恢復原始的波形，采樣頻率必須大 于 或等于原始信號最高頻率的 2 倍。設連續(xù)信號 ??xt 的頻譜為 ? ?xf ，以采樣間隔時間 T 抽樣得到離散信號 ? ?xnT ，如果滿足 cff? 時，其中 cf 是截止頻率，即 12cTf?時，可以由? ?xnT 完全確定連續(xù)信號 ? ?xf ，如公式 （ 21） 所示。 ? ? ? ? 2 fnTx f T x nt ?? ?? ? （ 21） 因此，可由離散信號 ? ?xnT 完全確定頻譜 ??xt ，如公式 （ 22） 所示。 ? ? ? ? ? ?? ?sinnn t n TTx t x n tt n TT?? ? ????? （ 22） 當采樣頻率為 1/2T 時，即 12nfT?時，稱 nf 為 奈 奎斯特采樣頻率。 三 、音頻量化 采樣把模擬信號變成了時間上離散的樣值序列，但每個樣值的幅度仍然是一個連續(xù)的模擬量，因此還必須對其進行離散化處理，將其轉換為有限個離散值，才能最終與數碼來表示其幅 值。量化過程是將采樣值在幅度上再進行離散化處理的過程。所有的采樣值可能出現(xiàn)的范圍被劃分成有限多個量化階的集合，把凡是落入某個量化階內的采樣值都賦予相同的值，即量化值。通常這個量化值用二進制來表示，用 N 位二進制碼字可以表示 2N 個不同的量化電平。存儲數字音頻信號的比特率為： sI N f?? ，其中的 sf 是采樣率， N 是模擬音頻信號 低通濾波器 編碼 數字流 采樣 量化 東北林業(yè)大學畢業(yè)設計 7 每個采樣值的比特數。 表示采樣值的二進制的位數為量化位數，它反映出各采樣值的精度，如 3 位能表示采樣值的 8 個等級， 8 位 能反映 256 個等級，其精度為音頻信號最大振幅的 1/256。量化位數越多，量化值越接近于采樣值，其凈度越高，但要求的信息存儲量就越大。 根據以上公式可知，要減小比特率 I，在 2s 已經確定的情況下，只能去減少 N 的值。N 的值降低會導致量化的精度降低， N 的值增加又會導致信息存儲量的增加。因此在編碼時就需要合理地選擇 N 的值 [16]。 均勻量化就是采用相等的量化間隔進行采樣，也 稱為 線性量化。用均勻量化來量化輸入信號時，無論對大的輸入信號還是小的輸入信號都一律采用相同的量化間隔。因此，要想既適應幅度大的輸入信號，同時又要滿 足精度高的要求，就需要增加采樣樣本的位數。 非均勻量化的基本思想是對輸入信號進行量化時，大的輸入信號采用大的量化間隔，小的輸入信號采用小的量化間隔，這樣就可以在滿足精度要求的情況下使用較少的位數來表示。其中采樣輸入信號幅度和量化輸出數據之間一般定義了兩種關系，一種成為 u 律壓縮算法，另一種成為 A 律壓縮算法。 采用不同量化方法，量化后的數據量也就不同。因此說量化也是一種壓縮數據的方法。 四 、音頻編碼 采樣、量化后的信號還不是數字信號，需要把它轉換成數字脈沖，這一過程成為編碼。最簡單的編碼方式是二進制編碼。具體說 就是用 n 比特的二進制編碼來表示已經量化了的樣值，每個二進制數對應一個量化電平，然后把它們排列，得到由二值脈沖串組成的數字信息流。用這種方式組成的二值脈沖的頻率等于采樣頻率與量化比特數的乘積，成為數字信號的數碼率。采樣頻率越高，量化比特數越大，數碼率就越高，所需要的傳輸帶寬就越寬 [17]。 音頻編碼方法歸納起來可分三大類：波形編碼、參數編碼、混合編碼。波形編碼是盡量保持輸入波形不變，即重建的語音信號基本上與原始語音信號波形相同，壓縮比較低；參數編碼是要求重建的信號聽起來與輸入語音一樣，但其波形可以不同，它是以 語音信號所產生的數學模型為基礎的一種編碼方法，壓縮較高；混合編碼是綜合了波形編碼的高質量潛力和參數編碼的高壓縮效率的混合編碼方法，這類方法也是目前低碼率編碼的方向 。 編碼 過程 MP3 文件由一系列長度不同的幀組成，一個接著一個，就好像電影膠片一樣。每一幀的前面都有一個頭信息，其中就包括一些關于后繼數據的額外信息。在某些編碼中，這些幀可以互相影響。例如，一幀有剩余的空間，而下一幀沒有，他們就可以組合起來產生一個優(yōu)化的結果。在一個 MP3 文件的開始或者結尾，通常會存儲一些額外的信息，包括歌手、曲目名、專輯 名、錄制時間、流派 以及 個人評論。這叫做“ ID3”數據，當文件數目不斷增長是，將會非常有用。 MP3 使用兩種技術獲得好的壓縮比：一種有損壓縮， 一種 無損壓縮。首先，壓縮過程將人類根本不能聽到的部分丟棄（或者至少做出可接受的折衷），然后對冗余編碼進一步的壓縮 [18]。然而， 正是 第一部分的壓縮做了大部分的工作，也具有更多的復雜性，這里也被更多的考慮。 MP3 編碼工具分析信號源，把它分解為各種數學模板，并與編碼器存儲的心理聲學模板進行比較。編碼器就可以丟棄大部分不匹配的數據。 MP3 編碼過程可以分成幾個步驟：首先，將 信號分解成稱為幀的組建片、每一幀持續(xù)不到一秒。這和電影中的幀很類似。第二，分析信號已決定其“光譜能量分布”，也就是說，在整個可聽頻率的光譜范圍內，找出怎樣將比特流進行分布，以產生最好的音頻編碼。因為頻率光譜的不同部分使用相同的算法，經過輕微的變換，可以進行高效編碼，這東北林業(yè)大學畢業(yè)設計 8 一步將信號分解為子帶（ subbands），子帶可以獨立的進行處理以產生最優(yōu)的效果（注意所有的子帶都使用相同的算法，不同只是因為使用的編碼器不同造成的其分配的比特流大小不同而已）。第三，要考慮數據傳輸率，它決定了每一幀能夠分配的比特最大值。例如 ，如果數據傳輸率是 128kbit/s，那么每一幀可以分配的數據上限就確定了（除非使用變比特率方法）。這一步決定了可以存儲多少可獲得的數據以及有多少數據被丟棄。把每一幀的頻率分布于人類心理聲學的數學模板進行比較（數學模板作為一個索引表存儲在編 /解碼器中），從這些模板中就可以決定，哪些頻率應該準確的渲染表現(xiàn)出來，那些頻率可以丟棄或者分配較少的 bit。第四，經過 Huffman 編碼的處理，這個過程去處取樣的冗余信息。Huffman 編碼與心理聲學模型并不相關，它只是通過傳統(tǒng)的壓縮方式 獲得 額外的壓縮比。因此，讀者可以看 到， 整個 MP3 編碼過程是：首先，利用所有的心理聲學模板選擇性的丟棄大量數據，然后壓縮剩余的數據，消除冗余。其中的第二步，并不丟棄數據，它僅僅使用更小的空間存儲剩余的數據。把一定數量的幀集合起來，再在每個數據幀前加上頭信息，就組裝成一系列的比特流，頭信息主要包括一些相關幀的指令。在這個過程中，許多其他因素需要考慮，這經常在開始編碼前就需要預先設定。另外，對每個單獨的幀的編碼算法經常還依賴于對前一幀和后一幀。整個過程包含了某種程度的同步，前面的步驟并不必須按順序進行 [19]。 MP3 的聲音數據分成幀，每幀包含 1152 個樣本的數據，由 32 個子帶分別輸出 MP3的編碼器輸入，以 12 個樣本為一組，每組樣本經過時間 頻率變換之后進行一次位分配并記錄一個比例因子（ scale factor）。位分配的信息告訴解碼器每個樣本由幾位表示，比例因子用 6 位表示解碼器，使用 6 位的比例因子乘以量化器的每個輸出樣本值，以恢復被量化的子帶值。比例因子的作用是充分利用 量化器 的量化范圍，通過位分配的比例因子相配合，可以表示的動態(tài)范圍超過了 120dB 的樣本 [20]。 MP3 使用了從 ASPEC（ Audio Spectral Perceptual Encoding）和 OCF（ Optimal Coding In The Frequency domain）導出的算法。在濾波器組上， MP3 在使用了正交鏡像濾波（和MP1 和 MP2 相同）后，緊跟著使用了改進離散 余弦 變換 MDCT（ Modified Discrete Cosine Transform），對正交鏡像濾波的不足進行了一些補償。 MDCT 把子帶的輸出在頻域里進一步細分已達到更高的頻域分辨率。而且通過對子帶的進一步細分，編碼器部分消除了多相濾波器組引入的混迭效果。 MP3 編碼器的詳細框圖如圖 22 所示。 圖 22 MP3 編碼器和解碼器的結構 分析濾波器組 比例器和量化器 哈夫曼編碼 掩蔽域值 邊信號編碼器 F F T MDCT 動態(tài)加窗 逆 MDCT動態(tài)加窗 合成濾波器組 逆比例器和量化器 哈夫曼解碼器 邊信號解碼器 MCU MCU 數字通信 東北林業(yè)大學畢業(yè)設計 9 MP3 指定了兩種 MDCT 的塊長：長塊的塊長為 18 個樣本，短塊的塊長為 6 個樣本，相鄰變換的窗口之間有 50%的重疊。長塊對于平穩(wěn)的聲音信號可以得到更高的頻域分辨率，而短塊對跳變的聲音信號可以得到更好的時域分辨率。在短塊模式下， 3 個短塊代替了一個長塊，短塊的 長 恰好是一個長塊的 1/3，所以 MDCT 的樣本數不受塊長的影響。給定的一個幀聲音信號， MDCT 可以全部使用長塊或全部使用短塊，也可以長短塊混合使用。因為低頻區(qū)的頻域分辨率對音 質有重大影響，所以在混合塊長模式下 MDCT 對低頻的 2 個子帶使用長塊，而對其余的 30 個子帶使用短塊。這樣，既能保證低頻區(qū)的頻域分辨率，又不會犧牲高頻域的時域分辨率。長塊和短塊之間的切換有一個過程，一般用一個帶特殊長轉短或者短轉長數據窗口的長塊來完成這個長短塊之間的切換。除了使用MDCT 外， MP3 還采用了其他許多改進措施來提高壓縮比而不降低音質。雖然 MP3 引入了許多復雜的感念，但是它的計算量并沒有比 MP2 增加許多。增加的主要是編碼器的復雜度和解碼器所需要的存儲容量。 MP3 播放器解碼過程 作為一個整體， MP3 系統(tǒng)的大部分工作放在了解碼部分。但是，普通用戶主要是播放 MP3 文件而不是制造它，這里將重點介紹解碼過程。解碼器并不需要存儲或者利用人類心理聲學理論，也不需要進行比特分配過程。 MP3 播放器 所 關注的只是檢查比特流的頭和頻譜分布的數據幀，以及和它們存儲在一起的 邊信息 ，然后再將重建這些信息為音頻信號。從某種意義上說，播放器其實就是一個 MP3 文件、播放列表和聲卡的 接 口，將它們包裝為相對簡單明了的解碼 MP3 比特流格式的規(guī)則。 不同的 MP3 解碼器在效率上有著很大的不同，同樣在解碼后聲音的質量