数据压缩原理与应用 实验六 MPEG音频编码实验

一、实验原理

1. MPEG-1 声音的主要性能

• 1.1 输入为PCM 信号，采样率为32，44.1或48kHz，输出为32kbps到384kbps。
• 1.2 三个独立的压缩层次
  
  • Layer1：编码器最简单，384kbps（4：1，用于小型数字盒带DCC，Compact Cassette））
  • Layer2 ：编码器复杂程度中等，256kbps ～192kbps （6：1 ～8 ：1，用于DAB 、CD-I 和VCD）
  • Layer3 ：编码器最为复杂，64kbps ，用于ISDN ，网络音频。
    
• 1.3 心理声学模型

• 听觉系统中存在一个听觉阈值电平，低于这个电平的声音信号就听不到。听觉阈值的大小随声音频率的改变而改变。一个人是否听到声音取决于声音的频率，以及声音的幅度是否高于这种频率下的听觉阈值
• 听觉掩蔽特性。即听觉阈值电平是自适应的，会随听到的不同频率声音而发生变化

• 声音压缩算法可以确立这种特性的模型来取消更多的冗余数据

• 人耳听觉系统
  

  • 人类听觉系统大致等效于一个在0Hz 到20KHz 频率范围内由25 个重叠的带通滤波器组成的滤波器组。
  • 人耳不能区分同一频带内同时发生的不同声音；
  • 临界频带（critical band ）：当某个纯音被以它为中心频率、且具有一定带宽的连续噪声所掩蔽时，如果该纯音刚好被听到时的功率等于这一频带内的噪声功率，这个带宽为临界频带宽度。
  • 500Hz 以下每个临界频带的带宽大约是100Hz，从500Hz 起， 临界频带带宽线性增加

• 掩蔽与量化
  将输入信号变换到频域，再将结果分解成一些尽量与临界频带尽可能相似的子带，然后对每个子带进行量化，量化方式应当使得量化噪声听不见

2. MPEG音频压缩

• 2.1 多相滤波器组(Polyphase Filter Bank)：将PCM样本变换到32个子带的频域信号
  

• 2.2 心理声学模型(Psychoacoustic Model)：计算信号中不可听觉感知的部分

  • 将样本变换到频域
    32个等分的子带信号并不能精确地反映人耳的听觉特性。
    引入FFT补偿频率分辨率不足的问题。
  • 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”两部分：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
    利用标准中给出的绝对阈值消除被掩蔽成分；考虑在每个临界频带内，小于0.5Bark的距离中只保留最高功率的成分
  • 单个掩蔽阈值的计算
    音调成分和非音调成分单个掩蔽阈值根据标准中给出的算法求得。
  • 全局掩蔽阈值的计算
  • 每个子带的掩蔽阈值
    选择出本子带中最小的阈值作为子带阈值
  • 计算每个子带信号掩蔽比(signal-to-maskratio, SMR)
    SMR = 信号能量 / 掩蔽阈值，传递给编码单元

• 2.3 比特分配器(Bit Allocator)：根据心理声学模型的计算结果，为每个子带信号分配比特数
  

  • 目的：使整帧和每个子带的总噪声—掩蔽比最小
  • 计算：掩蔽-噪声比MNR = SNR – SMR (dB)

• 2.4 装帧(Frame Creation)：产生MPEG-I兼容的比特流
  

二、实验要求

1. 输出音频的采样率和目标码率
2. 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

三、代码分析

#else    /*************************Add***************************/     if(frameNum==2)    {        fprintf(outinfo,"Sampling Rate：%.1fkhz\n",s_freq[header.version][header.sampling_frequency]);        fprintf(outinfo,"Target Bitrate：%dMbps\n",bitrate[header.version][header.bitrate_index]);        fprintf(outinfo,"The R-BIT of The Second Frame：%d\n",adb);     }    transmission_pattern (scalar, scfsi, &frame);    main_bit_allocation (smr, scfsi, bit_alloc, &adb, &frame, &glopts);    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);    /***********************Add*************************/     if(frameNum==2)    {        fprintf(outinfo,"Scale Factor\n");        for ( cha = 0; cha < nch; cha++ )//Sound Channel        {               fprintf(outinfo,"Sound Channel%d\n",cha);            fprintf(outinfo,"Subband\tGroup1\tGroup2\tGroup3\t\n");            for ( sbd = 0; sbd < frame.sblimit; sbd++ )//Subband            {                fprintf(outinfo,"%4d\t",sbd);                for( gro = 0; gro < 3; gro++ )//Group                {                    fprintf(outinfo,"%3d\t",scalar[cha][gro][sbd]);                }                fprintf(outinfo,"\n");            }        }        fprintf(outinfo,"Frame Bit Allocation：\n");        for ( cha = 0; cha < nch; cha++ )//Sound Channel        {            fprintf(outinfo,"Sound Channel%d\n",cha);            for ( sbd = 0; sbd < frame.sblimit; sbd++ )//Subband            {                fprintf(outinfo,"Subband%2d:\t",sbd);                   fprintf(outinfo,"%2d\n",bit_alloc[cha][sbd]);            }        }        if(outinfo)            fclose(outinfo);    /********************End******************************/    }#endif

四、实验结果