【文章內(nèi)容簡(jiǎn)介】 的途徑， PC 通過該端口操作 MP3 播放機(jī)存儲(chǔ)設(shè)備中的數(shù)據(jù)，拷貝、刪除、復(fù)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(dòng)存儲(chǔ)協(xié)議規(guī)范，將 MP3 播放機(jī)作為主機(jī)的一個(gè)移動(dòng)存儲(chǔ)設(shè)備。這里需要遵循幾個(gè)規(guī)范： USB 通信協(xié)議、大容量移動(dòng)存儲(chǔ)器規(guī)范和 SCSI 協(xié)議 [1315]。 音頻 DAC 是將數(shù)字音頻信號(hào)轉(zhuǎn)換成模擬音頻信號(hào)，以推動(dòng)耳機(jī)、功放等模擬音響設(shè)備。這里要介紹一下數(shù)字音頻信號(hào)。數(shù)字音頻信號(hào)是相對(duì)模擬音頻信號(hào)來說的。我們知道聲音的本質(zhì)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(hào)對(duì)波的表示是連續(xù)的函數(shù)特性，基本的原理是不同頻率和振幅的波疊加在一起。數(shù)字音頻信號(hào)是對(duì)模擬信號(hào)的一種量化，典型方法是對(duì)時(shí)間坐標(biāo)按相等的時(shí)間間隔做采樣，對(duì)振幅做量化。單位時(shí)間內(nèi)的采樣次數(shù)稱為采樣頻率。這樣一段聲波就可 以被數(shù)字化后變成一串?dāng)?shù)值，每個(gè)數(shù)值對(duì)應(yīng)相應(yīng)抽樣點(diǎn)的振幅值，按順序?qū)⑦@些數(shù)字排列起來就是數(shù)字音頻信號(hào)了。這是 ADC（模擬 — 數(shù)字轉(zhuǎn)換）過程， DAC（數(shù)字 — 模擬轉(zhuǎn)換）過程相反，將連續(xù)的數(shù)字按采樣時(shí)候的頻率轉(zhuǎn)換成對(duì)應(yīng)的電壓。 MP3 解碼器解碼后的信息屬于數(shù)字音頻信號(hào)（數(shù)字音頻信號(hào)有不同的格式，最常用的是 PCM 和 I2S 兩種），需要通過 DAC 轉(zhuǎn)換器變成模擬信號(hào)才能推動(dòng)功放，被人耳所識(shí)別。 MP3 播放器 編碼 過程 編碼分析 一 、音頻信號(hào)數(shù)字化 信號(hào)的數(shù)字化就是將連續(xù)的模擬信號(hào)轉(zhuǎn)換成離散的數(shù)字信號(hào)，一般需要 完成采樣、量化和編碼三個(gè)步驟，如圖 21 所示。 采樣是指 用每隔一定時(shí)間間隔的信號(hào)樣本值序列來代東北林業(yè)大學(xué)畢業(yè)設(shè)計(jì) 6 替原來的時(shí)間上連續(xù)的信號(hào)； 量化是用有限個(gè)幅度 近似 表示原來的時(shí)間上連續(xù)變化的幅 度值，把模擬信號(hào)的連續(xù)幅度變?yōu)橛邢迶?shù)量、有一定時(shí)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(jìn)制數(shù)碼表示。上述數(shù)字化的過程又稱為脈沖編碼調(diào)制，通常由 A/D 轉(zhuǎn)換器來實(shí)現(xiàn)。 圖 21 音頻信號(hào)數(shù)字化 數(shù)字音頻信號(hào)經(jīng)過處理、記錄或傳輸后，當(dāng)需要重現(xiàn)聲音時(shí)，還必須還原為連續(xù)變化的 模擬信號(hào)。將數(shù)字信號(hào)轉(zhuǎn)換成模擬信號(hào)為 D/A 轉(zhuǎn)換。 數(shù)字音頻的質(zhì)量取決于采樣頻率和量化位數(shù)。采樣頻率越高，量化位數(shù)越多，數(shù)字化后的音頻質(zhì)量越高。 二 、音頻采樣 采樣就是從一個(gè)時(shí)間上連續(xù)變化的模擬信號(hào)取出若干個(gè)有代表性的樣本值，來代表這個(gè)連續(xù)變化的模擬信號(hào)。一個(gè)在時(shí)間和幅值上都連續(xù)的模擬音頻信號(hào)的函數(shù)表示為 ??xt ，采樣的過程就是在時(shí)間上將函數(shù) ??xt 離散化的過程。一般的采樣是按照均勻的時(shí)間間隔進(jìn)行的。設(shè)這一時(shí)間間隔為 T，則 取樣后的信號(hào)為 ? ?xnT ， n 為自然數(shù)。 根據(jù) 奈奎斯特 采樣定理：要從采樣值序列完全恢復(fù)原始的波形，采樣頻率必須大 于 或等于原始信號(hào)最高頻率的 2 倍。設(shè)連續(xù)信號(hào) ??xt 的頻譜為 ? ?xf ，以采樣間隔時(shí)間 T 抽樣得到離散信號(hào) ? ?xnT ，如果滿足 cff? 時(shí)，其中 cf 是截止頻率，即 12cTf?時(shí)，可以由? ?xnT 完全確定連續(xù)信號(hào) ? ?xf ，如公式 （ 21） 所示。 ? ? ? ? 2 fnTx f T x nt ?? ?? ? （ 21） 因此，可由離散信號(hào) ? ?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(dāng)采樣頻率為 1/2T 時(shí)，即 12nfT?時(shí)，稱 nf 為 奈 奎斯特采樣頻率。 三 、音頻量化 采樣把模擬信號(hào)變成了時(shí)間上離散的樣值序列，但每個(gè)樣值的幅度仍然是一個(gè)連續(xù)的模擬量，因此還必須對(duì)其進(jìn)行離散化處理，將其轉(zhuǎn)換為有限個(gè)離散值，才能最終與數(shù)碼來表示其幅 值。量化過程是將采樣值在幅度上再進(jìn)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(gè)量化階的集合，把凡是落入某個(gè)量化階內(nèi)的采樣值都賦予相同的值，即量化值。通常這個(gè)量化值用二進(jìn)制來表示，用 N 位二進(jìn)制碼字可以表示 2N 個(gè)不同的量化電平。存儲(chǔ)數(shù)字音頻信號(hào)的比特率為： sI N f?? ，其中的 sf 是采樣率， N 是模擬音頻信號(hào) 低通濾波器 編碼 數(shù)字流 采樣 量化 東北林業(yè)大學(xué)畢業(yè)設(shè)計(jì) 7 每個(gè)采樣值的比特?cái)?shù)。 表示采樣值的二進(jìn)制的位數(shù)為量化位數(shù)，它反映出各采樣值的精度，如 3 位能表示采樣值的 8 個(gè)等級(jí)， 8 位 能反映 256 個(gè)等級(jí)，其精度為音頻信號(hào)最大振幅的 1/256。量化位數(shù)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(chǔ)量就越大。 根據(jù)以上公式可知，要減小比特率 I，在 2s 已經(jīng)確定的情況下，只能去減少 N 的值。N 的值降低會(huì)導(dǎo)致量化的精度降低， N 的值增加又會(huì)導(dǎo)致信息存儲(chǔ)量的增加。因此在編碼時(shí)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(jìn)行采樣，也 稱為 線性量化。用均勻量化來量化輸入信號(hào)時(shí)，無論對(duì)大的輸入信號(hào)還是小的輸入信號(hào)都一律采用相同的量化間隔。因此，要想既適應(yīng)幅度大的輸入信號(hào)，同時(shí)又要滿 足精度高的要求，就需要增加采樣樣本的位數(shù)。 非均勻量化的基本思想是對(duì)輸入信號(hào)進(jìn)行量化時(shí)，大的輸入信號(hào)采用大的量化間隔，小的輸入信號(hào)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(shù)來表示。其中采樣輸入信號(hào)幅度和量化輸出數(shù)據(jù)之間一般定義了兩種關(guān)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(shù)據(jù)量也就不同。因此說量化也是一種壓縮數(shù)據(jù)的方法。 四 、音頻編碼 采樣、量化后的信號(hào)還不是數(shù)字信號(hào)，需要把它轉(zhuǎn)換成數(shù)字脈沖，這一過程成為編碼。最簡(jiǎn)單的編碼方式是二進(jìn)制編碼。具體說 就是用 n 比特的二進(jìn)制編碼來表示已經(jīng)量化了的樣值，每個(gè)二進(jìn)制數(shù)對(duì)應(yīng)一個(gè)量化電平，然后把它們排列，得到由二值脈沖串組成的數(shù)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?cái)?shù)的乘積，成為數(shù)字信號(hào)的數(shù)碼率。采樣頻率越高，量化比特?cái)?shù)越大，數(shù)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(shù)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(hào)基本上與原始語音信號(hào)波形相同，壓縮比較低；參數(shù)編碼是要求重建的信號(hào)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(hào)所產(chǎn)生的數(shù)學(xué)模型為基礎(chǔ)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(zhì)量潛力和參數(shù)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(gè)接著一個(gè)，就好像電影膠片一樣。每一幀的前面都有一個(gè)頭信息，其中就包括一些關(guān)于后繼數(shù)據(jù)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(chǎn)生一個(gè)優(yōu)化的結(jié)果。在一個(gè) MP3 文件的開始或者結(jié)尾，通常會(huì)存儲(chǔ)一些額外的信息，包括歌手、曲目名、專輯 名、錄制時(shí)間、流派 以及 個(gè)人評(píng)論。這叫做“ ID3”數(shù)據(jù)，當(dāng)文件數(shù)目不斷增長是，將會(huì)非常有用。 MP3 使用兩種技術(shù)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(duì)冗余編碼進(jìn)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(fù)雜性，這里也被更多的考慮。 MP3 編碼工具分析信號(hào)源，把它分解為各種數(shù)學(xué)模板，并與編碼器存儲(chǔ)的心理聲學(xué)模板進(jìn)行比較。編碼器就可以丟棄大部分不匹配的數(shù)據(jù)。 MP3 編碼過程可以分成幾個(gè)步驟：首先，將 信號(hào)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(hào)已決定其“光譜能量分布”，也就是說，在整個(gè)可聽頻率的光譜范圍內(nèi)，找出怎樣將比特流進(jìn)行分布，以產(chǎn)生最好的音頻編碼。因?yàn)轭l率光譜的不同部分使用相同的算法，經(jīng)過輕微的變換，可以進(jìn)行高效編碼，這東北林業(yè)大學(xué)畢業(yè)設(shè)計(jì) 8 一步將信號(hào)分解為子帶（ subbands），子帶可以獨(dú)立的進(jìn)行處理以產(chǎn)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?yàn)槭褂玫木幋a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(shù)據(jù)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(shù)據(jù)傳輸率是 128kbit/s，那么每一幀可以分配的數(shù)據(jù)上限就確定了（除非使用變比特率方法）。這一步?jīng)Q定了可以存儲(chǔ)多少可獲得的數(shù)據(jù)以及有多少數(shù)據(jù)被丟棄。把每一幀的頻率分布于人類心理聲學(xué)的數(shù)學(xué)模板進(jìn)行比較（數(shù)學(xué)模板作為一個(gè)索引表存儲(chǔ)在編 /解碼器中），從這些模板中就可以決定，哪些頻率應(yīng)該準(zhǔn)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(jīng)過 Huffman 編碼的處理，這個(gè)過程去處取樣的冗余信息。Huffman 編碼與心理聲學(xué)模型并不相關(guān)，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(gè) MP3 編碼過程是：首先，利用所有的心理聲學(xué)模板選擇性的丟棄大量數(shù)據(jù)，然后壓縮剩余的數(shù)據(jù)，消除冗余。其中的第二步，并不丟棄數(shù)據(jù)，它僅僅使用更小的空間存儲(chǔ)剩余的數(shù)據(jù)。把一定數(shù)量的幀集合起來，再在每個(gè)數(shù)據(jù)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(guān)幀的指令。在這個(gè)過程中，許多其他因素需要考慮，這經(jīng)常在開始編碼前就需要預(yù)先設(shè)定。另外，對(duì)每個(gè)單獨(dú)的幀的編碼算法經(jīng)常還依賴于對(duì)前一幀和后一幀。整個(gè)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(jìn)行 [19]。 MP3 的聲音數(shù)據(jù)分成幀，每幀包含 1152 個(gè)樣本的數(shù)據(jù)，由 32 個(gè)子帶分別輸出 MP3的編碼器輸入，以 12 個(gè)樣本為一組，每組樣本經(jīng)過時(shí)間 頻率變換之后進(jìn)行一次位分配并記錄一個(gè)比例因子（ scale factor）。位分配的信息告訴解碼器每個(gè)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(gè)輸出樣本值，以恢復(fù)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(dòng)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(dǎo)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(jìn)離散 余弦 變換 MDCT（ Modified Discrete Cosine Transform），對(duì)正交鏡像濾波的不足進(jìn)行了一些補(bǔ)償。 MDCT 把子帶的輸出在頻域里進(jìn)一步細(xì)分已達(dá)到更高的頻域分辨率。而且通過對(duì)子帶的進(jìn)一步細(xì)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(xì)框圖如圖 22 所示。 圖 22 MP3 編碼器和解碼器的結(jié)構(gòu) 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(hào)編碼器 F F T MDCT 動(dòng)態(tài)加窗 逆 MDCT動(dòng)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(hào)解碼器 MCU MCU 數(shù)字通信 東北林業(yè)大學(xué)畢業(yè)設(shè)計(jì) 9 MP3 指定了兩種 MDCT 的塊長：長塊的塊長為 18 個(gè)樣本，短塊的塊長為 6 個(gè)樣本，相鄰變換的窗口之間有 50%的重疊。長塊對(duì)于平穩(wěn)的聲音信號(hào)可以得到更高的頻域分辨率，而短塊對(duì)跳變的聲音信號(hào)可以得到更好的時(shí)域分辨率。在短塊模式下， 3 個(gè)短塊代替了一個(gè)長塊，短塊的 長 恰好是一個(gè)長塊的 1/3，所以 MDCT 的樣本數(shù)不受塊長的影響。給定的一個(gè)幀聲音信號(hào)， 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?yàn)榈皖l區(qū)的頻域分辨率對(duì)音 質(zhì)有重大影響，所以在混合塊長模式下 MDCT 對(duì)低頻的 2 個(gè)子帶使用長塊，而對(duì)其余的 30 個(gè)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(huì)犧牲高頻域的時(shí)域分辨率。長塊和短塊之間的切換有一個(gè)過程，一般用一個(gè)帶特殊長轉(zhuǎn)短或者短轉(zhuǎn)長數(shù)據(jù)窗口的長塊來完成這個(gè)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(jìn)措施來提高壓縮比而不降低音質(zhì)。雖然 MP3 引入了許多復(fù)雜的感念，但是它的計(jì)算量并沒有比 MP2 增加許多。增加的主要是編碼器的復(fù)雜度和解碼器所需要的存儲(chǔ)容量。 MP3 播放器解碼過程 作為一個(gè)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(diǎn)介紹解碼過程。解碼器并不需要存儲(chǔ)或者利用人類心理聲學(xué)理論，也不需要進(jìn)行比特分配過程。 MP3 播放器 所 關(guān)注的只是檢查比特流的頭和頻譜分布的數(shù)據(jù)幀，以及和它們存儲(chǔ)在一起的 邊信息 ，然后再將重建這些信息為音頻信號(hào)。從某種意義上說，播放器其實(shí)就是一個(gè) MP3 文件、播放列表和聲卡的 接 口，將它們包裝為相對(duì)簡(jiǎn)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(zhì)量