【正文】 能得到充分利用 心理聲學模型僅使用頻域掩蔽特性 2020/11/17 南京大學多媒體研究所 22 多相濾波器組 輸入的 時域信號 (384樣本 ) 輸出的 頻域信號 (384樣本 ) 頻域信號 (32個子帶，每個子帶 12個樣本 ) 2020/11/17 南京大學多媒體研究所 23 量化器的比特分配算法 1. 根據(jù)輸出碼率決定每一幀樣本的比特總數(shù) A；然后在不超過總數(shù)A的前提下，使這一幀的總掩蔽與噪聲之比 (∑ NMR)最?。? 2. 每個子帶的掩蔽與噪聲之比 NMR為： NMR=SMRSNR （ 其中， SNR是量化器的信噪比，由量化器位數(shù)決定； SMR是每個子帶的信掩比，由心理聲學模型計算 ） 3. 對 32個子帶分別分配量化位數(shù)，計算 NMR，使 ∑NMR最小； 4. 計算所有量化器輸出樣本的比特總數(shù)，并與 A 進行比較； 5. 如果不超過，則增加量化器位數(shù)， 6. 重復步驟 3, 4和 5，直至比特總數(shù)最接近 A為止。 ? 格式： Header + 音頻數(shù)據(jù) +（糾錯碼） 2020/11/17 南京大學多媒體研究所 27 MPEG1音頻 “ 層 2” 編碼器 變換 量化 ,編碼 frame packing 心理聲學模型 數(shù)字聲音 MPEG1 音頻比特流 輔助數(shù)據(jù) 每 1幀包含1152個樣本 使用的時間 頻率變換部件是一個多相濾波器組，所分割得到的 32個子帶頻帶都相等， 32個子帶各輸出 3組樣本，每組 12個樣本。 MPEG1音頻 (層 2)的幀結(jié)構(gòu) 取樣頻率 幀周期 48kHz 24ms 26 32 36 比例因子選擇信息，決定是否需要以及如何共享比例因子 2020/11/17 南京大學多媒體研究所 29 MPEG1音頻 “ 層 3” 編碼器 ? 使用混合濾波器組（多相濾波器組 +MDCT），把聲音頻帶分成非等寬的接近人耳臨界頻帶劃分的 32個子帶， ? 心理聲學模型除了使用頻域掩蔽特性和時間掩蔽特性之外，還考慮了立體聲數(shù)據(jù)的冗余， ? 每個子帶中樣本的量化和編碼，通過 2個嵌套的迭代循環(huán)進行優(yōu)化，采用非均勻量化， ? 樣本在量化處理后，再使用霍夫曼 (Huffman)編碼進一步壓縮數(shù)據(jù)。 2020/11/17 南京大學多媒體研究所 31 “層 3”音頻 編碼器結(jié)構(gòu) 掩蔽閾值 混合濾波器組 碼 MDCT(modified discrete cosine transform) 把子帶的輸出在頻域里進一步細分 , 以達到更高的頻域分辨率 內(nèi)迭代循環(huán)用于碼率控制，外迭代循環(huán)用于噪音控制 除了使用頻域掩蔽特性和時間掩蔽特性之外，還考慮了立體聲數(shù)據(jù)的冗余 2020/11/17 南京大學多媒體研究所 32 MPEG1音頻解碼器的原理框圖 逆變換器 重 建 frame unpacking PCM聲音 MPEG1 音頻比特流 輔助數(shù)據(jù) 進行差錯檢測、比特流分解 ,恢復出各種信息段 恢復被量化的子帶樣本值以重建聲音信號 逆 變換模塊將這些樣本從頻率域變換回時間域中均勻的聲音樣本 2020/11/17 南京大學多媒體研究所 33 小 結(jié) ? 層 1: 每幀一個樣本組、子帶頻寬相等、每幀32 12＝ 384個樣本、僅用到頻率掩蔽效應。 ? 層 3: 子帶頻寬與臨界頻寬相似 , 用到頻率掩蔽效應和時域掩蔽效應 , 考慮到立體聲冗余 , 采用Huffman編碼。 ? 碼率 : 112kb128kb/秒 (每分鐘約 1MB) 。 ? MP3支持聲音和數(shù)據(jù)的復合 , 播放聲音的同時 , 可以在播放器上顯示相關的文本信息 . ? MP3的軟件播放器 : WinAMP 2020/11/17 南京大學多媒體研究所 35 MP3音頻的改進： Mp3PRO ? Thomson多媒體公司 、 Fraunhofer協(xié)會 Coding Technologies公司在 2020年 6月聯(lián)合推出了 MP3格式的升級版本Mp3PRO。 (2) MPEG2 AAC (ISO/IEC 138187, Advanced Audio Coding)， 也稱為 MPEG2 NBC(NonBackwardCompatible)標準 。 MPEG2 音頻編碼器 16, , 24, 32, , 48kHz 8~640 kbps 2020/11/17 南京大學多媒體研究所 39 MPEG2的環(huán)繞立體聲 MPEG2 Audio的 “ ” 也稱為 “ 3/2立體聲加LFE”， 放音現(xiàn)場前方有 3個喇叭 (左 、 中 、 右 3個聲道 )， 后面有 2個喇叭 (2個環(huán)繞聲道 )， “ .1”指 LFE(low frequency effects)， 即低頻音效加強聲道 。 ? 最多可支持 : 48個主聲道、 16個低頻音效通道 LFE (low frequency effects)、 16個配音聲道 (也稱為多語言聲道 ) 和16個數(shù)據(jù)流。 ? 音質(zhì)相同時，碼率僅 MP2的 50%, MP3的 70% 2020/11/17 南京大學多媒體研究所 43 MPEG2 AAC 的特點 ? 比 MP3更加靈活 , 如： ? 取樣頻率和碼率的范圍更大 , ? 聲道數(shù)目更多 , ? 具有多語言能力 , 支持 16個嵌入數(shù)據(jù)流等， ? 編碼器 /解碼器的結(jié)構(gòu)是模塊化的 ? AAC使用了更加先進的算法及工具 , 如： ? 分辨率更精細的濾波器組 , ? 時域噪音定形（ temporal noise shaping， TNS） , ? 反向自適應線性預測 (backward adaptive linear prediction), ? 聯(lián)合立體聲編碼技術（ joint stereo coding techniques） ? 改進的 Huffman coding, 2020/11/17 南京大學多媒體研究所 44 MPEG2 AAC編碼器 輸入信號 138187聲音數(shù)據(jù)流 過去幀的量化頻譜 迭代環(huán) 2020/11/17 南京大學多媒體研究所 45 由多相正交濾波器、增益檢測器和增益修正器組成。 輸入信號 138187聲音數(shù)據(jù)流 迭代環(huán) 過去幀的量化頻譜 2020/11/17 南京大學多媒體研究所 46 把輸入信號從時域變換到頻域，采用了改進的離散余弦變換 MDCT，它是一種線性正交交迭變換，使用了一種稱為時域去混迭技術 . 輸入信號 138187聲音數(shù)據(jù)流 迭代環(huán) 過去幀的量化頻譜 2020/11/17 南京大學多媒體研究所 47 用來控制量化噪聲，以解決掩蔽閾值和量化噪聲的錯誤匹配問題。包含兩種空間編碼技術： M/S編碼(Mid/Side encoding)