【正文】 頻信號(hào)的壓縮編碼與標(biāo)準(zhǔn) 將量化后的數(shù)字聲音信息直接存入計(jì)算機(jī)將會(huì)占用大量的存儲(chǔ)空間。 ? 音頻信號(hào)壓縮編碼概述 在多媒體音頻信號(hào)處理中，一般需要對數(shù)字化后的聲音信號(hào)進(jìn)行壓縮編碼，使其成為具有一定字長的二進(jìn)制數(shù)字序列，并以這種形式在計(jì)算機(jī)內(nèi)傳輸和存儲(chǔ)。 音頻信號(hào)處理過程 聲音信號(hào)能進(jìn)行壓縮編碼的基本依據(jù)是： ? 聲音信號(hào)中存在著很大的冗余度，通過識(shí)別和去除這些冗余度，便能達(dá)到壓縮的目的； ?音頻信息的最終接收者是人，人的聽覺器官 (包括視覺器器官 )都具有某種不敏感性，舍去人的感官所不敏感的信息對聲音質(zhì)量的影響很小，在有些情況下，甚至可以忽略不計(jì)。它是指一個(gè)強(qiáng)音能抑制一個(gè)同時(shí)存在的弱音的聽覺現(xiàn)象。 ?.對聲音波形取樣后，相鄰樣值之間存在著很強(qiáng)的相關(guān)性。圖像數(shù)據(jù)表達(dá)的是二維空間，很難找出固定的模型來形式化地表征它。從方法上看，聲音信號(hào)的編碼方式大致可分為三類，即波形編碼、參數(shù)編碼和混合編碼。這種方法要求重構(gòu)的聲音信號(hào)的各個(gè)樣本盡可能地接近于原始聲音的采樣值，復(fù)原的聲音質(zhì)量較高。 參數(shù)編碼是一種對語音參數(shù)進(jìn)行分析合成的方法 。 這些語音基本參數(shù)可以由語音生成機(jī)構(gòu)模型通過實(shí)驗(yàn)獲得 。 混合型編碼方法是一種在保留參數(shù)編碼技術(shù)的基礎(chǔ)上 ，引用波型編碼準(zhǔn)則去優(yōu)化激勵(lì)源信號(hào)的方案 。 總的來說，波形編碼在聲音編碼方案中應(yīng)用較廣，可以獲得很高的聲音質(zhì)量。 ? PCM編碼 1939年法國工程師 Alec Reeves發(fā)明了將連續(xù)的模擬信號(hào)變換成時(shí)間和幅度都離散的二進(jìn)制碼代表的脈沖編碼調(diào)制信號(hào)（ Pulse Code ModulationPCM）， 并申請了專利。以后的計(jì)算機(jī)發(fā)展更促進(jìn)了通信的數(shù)字化，并逐步與通信相結(jié)合。 PCM方法可以按量化方式的不同，分為均勻量化 PCM、 非均勻量化 PCM和自適應(yīng)量化 PCM等幾種。均勻量化就是采用相同的“等分尺”來度量采樣得到的幅度，也稱為線性量化，如圖 26所示。該方法將輸入的聲音信號(hào)的振幅范圍分成個(gè)等份（ B為量化位數(shù)），所以落入同一等份數(shù)的采樣值都編碼成相同的 B位二進(jìn)制碼。為了滿足聽覺上的效果，均勻量化 PCM必須使用較多的量化位數(shù)。當(dāng)然提高采樣率及分辨率后，將引起儲(chǔ)存數(shù)據(jù)空間的增大。 信號(hào)振幅小則縮小量化級(jí)高度 ， 信號(hào)振幅大時(shí)則增大量化級(jí)高度 。 在聲音數(shù)據(jù)還原時(shí) ， 采用相同的規(guī)則 。 這兩種算法主要用于數(shù)字電話通信中 。 由圖可見 ， ?值越大 ， 壓縮量越大 。 A律壓擴(kuò)與 ?律壓擴(kuò)相比 ， 則壓縮的動(dòng)態(tài)范圍略小些 ， 小信號(hào)振幅時(shí)質(zhì)量要比 ?律稍差 。 對于采樣頻率為 8kHz， 樣本精度為 16位的輸入信號(hào)，使用 A律壓擴(kuò)或 ?律壓擴(kuò)編碼，經(jīng)過 PCM編碼器之后每個(gè)樣本的精度為 8位，輸出的數(shù)據(jù)率為 64kb/s。 ? 音頻壓縮編碼的標(biāo)準(zhǔn) 隨著多媒體計(jì)算機(jī)系統(tǒng)及數(shù)字通信系統(tǒng)的發(fā)展，數(shù)字音頻編碼技術(shù)正日益受到重視。 國際電報(bào)電話咨詢委員會(huì)（ CCITT） 先后提出了一系列有關(guān)語音壓縮編碼的建議。 1984年，公布了 ，它采用的是 ADPCM編碼技術(shù)，數(shù)據(jù)率為 32kb/s。針對寬帶語音信號(hào)（ 50Hz?7kHz）， CCITT制定了 ，它的數(shù)據(jù)速率為 64kb/s。 為了進(jìn)一步降低數(shù)據(jù)速率 ， CCITT從 1989年開始研究16kb/s的短延時(shí) 、 高質(zhì)量的音頻編碼標(biāo)準(zhǔn) 。T Bell實(shí)驗(yàn)室 16kb/s短延時(shí)碼激勵(lì) （ LDCELP） 編碼方案的基礎(chǔ)上 ， 又公布適合于進(jìn)入長途電話網(wǎng)采用的新標(biāo)準(zhǔn) 。 美國 1989年也公布了CTIA標(biāo)準(zhǔn) 。 ISO（ 國際標(biāo)準(zhǔn)化組織）也制定了一系列的相應(yīng)的標(biāo)準(zhǔn)，其運(yùn)動(dòng)圖象專業(yè)組（ MPEG） 在制定運(yùn)動(dòng)圖象編碼標(biāo)準(zhǔn)的同時(shí)，制定了高保真立體聲音頻壓縮標(biāo)準(zhǔn)“ MPEG音頻”。 MPEG聲音壓縮算法是第一個(gè)高保真聲音數(shù)據(jù)壓縮的國際標(biāo)準(zhǔn)。層次 1與層次 2具有大致相同的算法 ,如表 23所示。同時(shí)編碼器利用人耳的屏蔽效應(yīng)，根據(jù)音頻信號(hào)的性質(zhì)計(jì)算各個(gè)頻率分量的屏蔽門限，以控制每一個(gè)子帶的量化參數(shù)，達(dá)到數(shù)據(jù)壓縮的目的。立體聲信號(hào)的編碼也可以在MPEG音頻中作為附加功能實(shí)現(xiàn)。 MPEG聲音的質(zhì)量 表中， MUSICAM (Masking pattern adapted Universal Subband IntegratedCoding And Multiplexing)為自適應(yīng)聲音掩蔽特性的通用子帶綜合編碼和復(fù)合技術(shù)。 層次 算法 壓縮率 立體聲信號(hào)所對應(yīng)的比特率 (kbits/sec) 1 MUSICAM 1:4 384 2 MUSICAM 1:6 ? 1:8 256? 192 3 ASPEC 1:10 ?1:12 128 ?112 ? 數(shù)字音頻的文件格式 在多媒體技術(shù)中，存儲(chǔ)音頻信息的文件格式主要有： WAV文件、 VOC文件和 MP3文件等。自從 Windows視窗操作系統(tǒng)面世以來，Microsoft就將 WAV文件作為其標(biāo)準(zhǔn)格式的文件使用。 WAV文件來源于對聲音模擬波形的采樣，并以不同的量化位數(shù)把這些采樣點(diǎn)的值輪換成二進(jìn)制數(shù)，然后存入磁盤，這就產(chǎn)生了波形文件。 文件頭包括標(biāo)志符 、 語音特征值 、 聲道特征以及 PCM格式類型標(biāo)志等 。 Wave格式支持 MSADPCM、 CCITT A Law、 CCITT μ Law和其他壓縮算法，支持多種音頻位數(shù)、采樣頻率和聲道，是 PC機(jī)上最為流行的聲音文件格式，但其文件尺寸較大，多用于存儲(chǔ)簡短的聲音片斷。 Voice文件是 Creative Labs (創(chuàng)新公司 )開發(fā)的聲音文件格式 ，多用于保存 Creative Sound Blaster(創(chuàng)新聲霸 )系列聲卡所采集的聲音數(shù)據(jù)，被Windows平臺(tái)和 DOS平臺(tái)所支持，支持 CCITT A Law和CCITT μ Law等壓縮算法。文件頭包含一個(gè)標(biāo)識(shí)、版本號(hào)和一個(gè)指向數(shù)據(jù)塊起始地址的指針，這個(gè)指針幫助數(shù)據(jù)塊定位以便順利找到第一個(gè)數(shù)據(jù)塊。 ?MPEG音頻文件 —— .MP1/.MP2/.MP3 這里的音頻文件格式指的是 MPEG標(biāo)準(zhǔn)中的音頻部分，即 MPEG音頻層 (MPEG Audio Layer)。 MP3的流行得益于 Inter的推波助瀾 ， 它用網(wǎng)絡(luò)代替了傳統(tǒng)唱片的傳播途徑 ， 擴(kuò)大了數(shù)字音樂的流傳范圍 ， 加速了數(shù)字音樂的傳播速度 ， MP3憑借其優(yōu)美的音質(zhì)和高壓縮比而成為最為流行的音樂格式 。 ?AIFF文件 —— .AIF/.AIFF AIFF是音頻交換文件格式 (Audio Interchange File Format)的英文縮寫，是蘋果計(jì)算機(jī)公司開發(fā)的一種聲音文件格式；被 Macintosh平臺(tái)及其應(yīng)用程序所支持，其他專業(yè)音頻軟件包也同樣支持這種格式。英國的 ADLIB公司是目前公認(rèn)的“ 聲卡之父 ” ，雖然他們最初開發(fā)的產(chǎn)品只能提供簡單的音樂效果，并且無法處理音頻信號(hào)，但在當(dāng)時(shí)無疑已經(jīng)是一個(gè)很大的突破。 音頻卡的工作原理 ?Creative 聲卡系列 把聲卡真正帶入個(gè)人電腦領(lǐng)域的，是 CREATIVE創(chuàng)新公司。自 1989年， Creative在美國 Comdex展覽會(huì)上首次推出自己研制開發(fā)的適用于 PC機(jī)的 Sound Blaster而引起轟動(dòng)至今，使 SB聲霸卡產(chǎn)品形成系列而風(fēng)靡全球。它一次為電腦同時(shí)加上了音樂處理和音頻信號(hào)處理的功能。第一個(gè)多媒體電腦技術(shù)標(biāo)準(zhǔn) ——MPC1， 就把 Sound Blaster Pro作為聲卡設(shè)備的標(biāo)準(zhǔn)配置。它的推出使多媒體聲卡的錄音和放音第一次在技術(shù)規(guī)格上達(dá)到了 CD唱片的品質(zhì)。 Creative在 1995年的推出了具有波表合成功能的 Sound Blaster Awe 32聲卡。 在 Sound Blaster 32的基礎(chǔ)上， Sound Blaster AWE64在技術(shù)上取得了巨大的飛躍。 SB AWE64采用著名音源公司 Emu的專業(yè)級(jí)的波表，采用了多點(diǎn)插值算法專利技術(shù)的 Wave Effect合成器，提供平滑的音頻復(fù)制和最小的失真，可升級(jí)到 28MB音色采樣子系統(tǒng)能更好地支持 Sound Font 音色庫。 3D增強(qiáng)定位音響（ 3D Positional Audio） 技術(shù)和空間響應(yīng)，使每一種聲音變得比以前更加令人陶醉。 音頻卡的功能和分類 （一）、音頻卡的主要功能 音頻的錄制與播放 編輯與合成 MIDI和音樂合成 文語轉(zhuǎn)換與語音識(shí)別 CDROM接口即游戲接口 音頻錄放采用： 采樣頻率范圍： 8~ 量化位： 8位， 16位， 32位 單聲道：立體聲 /單聲道 編碼與采樣： 基本編碼方法： PCM 壓縮編碼方法： ADPCM（ 8:4, 8:3, 8:2, 16:4) CCITT A律（ 13： 8） CCITT μ律（ 14： 8） 實(shí)時(shí)硬件壓縮 /軟件壓縮 音頻錄放的自動(dòng)動(dòng)態(tài)濾波 錄音聲源：麥克風(fēng)、立體聲線路輸入、 CD 輸出功率放大器，直接驅(qū)動(dòng)揚(yáng)聲器，音量可調(diào)。 音樂合成的功能和性能依賴于合成芯片。通常分為 8位， 16位， 32位等。同時(shí)形成聲音文件所需的容量越大。 二、主板集成?，F(xiàn)在廣泛在整合主板上集成的板載聲卡采用的音效芯片 :創(chuàng)新 ES1370/CT5880、 CMedia 873 YAMAHA YMF74傲銳 AU8820 ，一些獨(dú)立聲卡采用的芯片和上面的完全一樣。 三、 USB聲卡。 （一）、音頻卡的特性 （ 1）強(qiáng)勁的音頻處理引擎 （ 2）環(huán)境音效增加現(xiàn)有音頻的內(nèi)容 （ 3） Sound Blaster TM PCI標(biāo)準(zhǔn) （ 4）多音箱輸出 （ 5） 256復(fù)音音樂合成器 （ 6）環(huán)境音效功能擴(kuò)展集 /廣泛的軟件支持 音頻卡的工作原理 （二）工作原理 主要組成部分： 聲音的合成與處理：數(shù)字音頻處理器（ DSP）、 FM合成器以及 MIDI控制器，其任務(wù)是完成聲波信號(hào)的模 /數(shù)（ A/D）、數(shù) /模（ D/A）轉(zhuǎn)換，調(diào)頻技術(shù)控制聲音的音調(diào)、音色和幅度，F(xiàn)M音樂合成器具有多種復(fù)音操作的功能； 混合信號(hào)處理器：內(nèi)置數(shù)字 /模擬混音器、混音器的聲源可以是 MIDI信號(hào)、 CD音頻、話筒和 PC的揚(yáng)聲器等，可以選擇不同音源進(jìn)行混合錄音； 功率放大器：使輸出的音頻信號(hào)有足夠的輸出功率； 計(jì)算機(jī)總線接口和控制器： ISA總線， PCI總線，總線接口和控制器有數(shù)據(jù)總線雙向驅(qū)動(dòng)器、總線接口控制邏輯、總線中斷邏輯及 DMA邏輯組成。 ?DSP：它完成 8位或 16位單聲道 /立體聲數(shù)字聲音的記錄和播放；完成 4： 1， 3： 1和 2： 1的 ADPCM壓縮 /解壓縮，控制取樣頻率，翻譯與聲卡兼容的MIDI指令，提供揚(yáng)聲器控制，控制各種直接存取DMA 方式。 （三）衡量聲卡質(zhì)量的關(guān)鍵技術(shù) ?總線類型： ISA 6Mbit/s ， PCI 133Mbit/s ?標(biāo)準(zhǔn)支持 ?即插即用 ?取樣能力 ?芯片類型： CODEC芯片 ?合成器： FM和波表合成 ?MIDI音樂 ?音效 音頻編碼基礎(chǔ)和標(biāo)準(zhǔn) 時(shí)域信息的冗余度 （ 1）幅度的非均勻分布 （ 2）樣本間的相關(guān) （ 3）周期之間的相關(guān) （ 4）基音之間的相關(guān) 濁音 清音 （ 5）靜止系數(shù) （ 6）長時(shí)相關(guān)函數(shù) 頻域信息的冗余度 （ 1）非均勻的長時(shí)功率譜密度 （ 2）語音特有的短時(shí)功率譜密度 人的聽覺感知機(jī)理 第一、人的聽覺具有掩蔽效應(yīng) 第二、人耳對不同頻段的聲音的敏感程度不同， 通常對低頻端較之對高頻段更敏感。 音頻編碼的分類 （ 1）基于音頻數(shù)據(jù)的統(tǒng)計(jì)特性進(jìn)行編碼，其典型的技術(shù)是波形編碼。 （ 2）基于音頻的聲學(xué)參數(shù)，進(jìn)行參數(shù)編碼，可進(jìn)一步降低數(shù)據(jù)率；參數(shù)有共振峰、線性預(yù)測系數(shù)、濾波器組等，如 CELP、 MPLPC。如 MPEG的高頻編碼和 Dolby AC3。只要采樣頻率足夠高，量化尾數(shù)足夠多，就能使編碼后恢復(fù)的語音信號(hào)有較高的質(zhì)量。 （ 3） ADPCM：它是 DPCM方法的改進(jìn)，通過調(diào)整量化步長，對不同數(shù)模設(shè)置不同的量化步長，使數(shù)據(jù)得到進(jìn)一步的壓縮。具體如下： 音頻編碼的算法和標(biāo)準(zhǔn) 算 法 名 稱 數(shù) 據(jù) 率 標(biāo) 準(zhǔn) 應(yīng) 用 質(zhì) 量 波形編碼 PCM 均勻量化 公共網(wǎng)ISDN 配音 ~ 181。(A) 64kb/s APCM 自適應(yīng)量化 DPCM 差值量化 ADPCM 自適應(yīng)差值量化 32kb/s SBADPCM 子帶 自適應(yīng)差值量 化 64kb/s 參數(shù)編碼 LP