MPEG音频编码实验报告

实验原理

下图为MPEG音频编码layerII流程图：

32个子带滤波器组：

通过子带分析滤波器组使信号具有高的时间分辨率，确保在短暂冲击信号情况下，编码的声音信号具有足够高的质量。

将PCM样本变换到32个子带的频域信号：如果输入的采样频率为48kHz ，那么子带的频率宽度为48/ （2*32 ）=0.75Hz

该多相滤波器组为如下图：

心理声学模型：

计算信号中不可听觉感知的部分。

时频分析的矛盾：

1、通过子带分析滤波器组使信号具有高的时间分辨率，确保在短暂冲击信号情况下，编码的声音信号具有足够高的质量
2、又可以使信号通过FFT运算具有高的频率分辨率，因为掩蔽阈值是从功率谱密度推出来的。

在低频子带中，为了保护音调和共振峰的结构，就要求用较小的量化阶、较多的量化级数，即分配较多的位数来表示样本值。而话音中的摩擦音和类似噪声的声音，通常出现在高频子带中，对它分配较少的位数。

步骤：

将样本变换到频域->确定声压级别->考虑安静时阈值->将音频信号分解成“乐音(tones)” 和“非乐音/噪声”部分：因为两种信号的掩蔽能力不同->音调和非音调掩蔽成分的消除->单个掩蔽阈值的计算->全局掩蔽阈值的计算->每个子带的掩蔽阈值->计算每个子带信号掩蔽比(signal-to-maskratio, SMR)

比特分配过程：

使整帧和每个子带的总噪声—掩蔽比最小。

算法：循环，直到没有比特可用：

1、对每个子带计算掩蔽-噪声比MNR，MNR = SNR –SMR (dB)
2、对最低MNR的子带分配比特，使获益最大的子带的量化级别增加一级
3、重新计算分配了更多比特子带的MNR

实验流程

理解程序设计的整体框架
理解感知音频编码的设计思想
两条线
时-频分析的矛盾！
理解心理声学模型的实现过程
临界频带的概念
掩蔽值计算的思路
理解码率分配的实现思路

输出音频的采样率和目标码率
选择某个数据帧，输出
该帧所分配的比特数
该帧的比例因子
该帧的比特分配结果

关键代码

#ifdef NEWENCODE    sf_transmission_pattern (scalar, scfsi, &frame);    main_bit_allocation_new (smr, scfsi, bit_alloc, &adb, &frame, &glopts);    //main_bit_allocation (smr, scfsi, bit_alloc, &adb, &frame, &glopts);    if (error_protection)      CRC_calc (&frame, bit_alloc, scfsi, &crc);    write_header (&frame, &bs);    //encode_info (&frame, &bs);    if (error_protection)      putbits (&bs, crc, 16);    write_bit_alloc (bit_alloc, &frame, &bs);    //encode_bit_alloc (bit_alloc, &frame, &bs);    write_scalefactors(bit_alloc, scfsi, scalar, &frame, &bs);    //encode_scale (bit_alloc, scfsi, scalar, &frame, &bs);    subband_quantization_new (scalar, *sb_sample, j_scale, *j_sample, bit_alloc,      *subband, &frame);    //subband_quantization (scalar, *sb_sample, j_scale, *j_sample, bit_alloc,    //  *subband, &frame);    write_samples_new(*subband, bit_alloc, &frame, &bs);    //sample_encoding (*subband, bit_alloc, &frame, &bs);#else/*add by yangyulan*/if(frameNum==200){int k,t,i;fprintf(result,"采样率=%.1f khz\n",s_freq[header.version][header.sampling_frequency]);fprintf(result,"目标码率=%d kbps\n", bitrate[header.version][header.bitrate_index]);fprintf(result,"第%d帧\n",frameNum);fprintf(result,"可用比特数=%d\n",adb);fprintf(result,"比例因子:\n");for(k=0;k<nch;k++){fprintf(result,"声道[%d]\n",k);for(i=0;i<frame.sblimit;i++){fprintf(result,"子带[%d]:",i);for(t=0;t<3;t++){fprintf(result,"%d\t",scalar[k][t][i]);}fprintf(result,"\n");}}}/*end by yangyulan*/    transmission_pattern (scalar, scfsi, &frame);    main_bit_allocation (smr, scfsi, bit_alloc, &adb, &frame, &glopts);/*add by yangyulan*/if(frameNum==200){int k,i;fprintf(result,"比特分配:\n");for(k=0;k<nch;k++){fprintf(result,"声道[%d]\n",k);for(i=0;i<frame.sblimit;i++){fprintf(result,"子带[%d]:%d\n",i,bit_alloc[k][i]);}}}/*end by yangyulan*/    if (error_protection)      CRC_calc (&frame, bit_alloc, scfsi, &crc);    encode_info (&frame, &bs);    if (error_protection)      encode_CRC (crc, &bs);    encode_bit_alloc (bit_alloc, &frame, &bs);    encode_scale (bit_alloc, scfsi, scalar, &frame, &bs);    subband_quantization (scalar, *sb_sample, j_scale, *j_sample, bit_alloc,  *subband, &frame);    sample_encoding (*subband, bit_alloc, &frame, &bs);#endif

实验结果及其分析