MPEG音频编码实验

一、实验原理

mpeg的音频编码主要采用了心理声学模型

1. MPEG-I 心理声学模型

• 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。
• 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

2. MPEG-1音频编码器框架图

• 多相滤波器组(Polyphase Filter Bank)：用来分割子带，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
• 心理声学模型(Psychoacoustic Model)：计算信号中不可听觉感知的部分 
  计算噪声遮蔽效应
• 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
• 装帧(Frame Creation)：产生MPEG-I兼容的比特流

3. 临界频带(Critical Band)

临界频带是指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。

掩蔽效应在一定频率范围内不随带宽增大而改变，直至超过某个频率值。通常认为从20Hz到16kHz有25个临界频带，单位为bark。 
1 Bark = 一个临界频带的宽度

4. 比例因子的取值和编码

对各个子带每12个样点进行一次比例因子计算。先定出12个样点中绝对值的最大值。查比例因子表中比这个最大值的最小值作为比例因子。用6 比特表示。 
第2 层的一帧对应36个子带样值，是第1层的三倍，原则上要传三个比例因子。为了降低比例因子的传输码率，采用了利用人耳时域掩蔽特性的编码策略。 
每帧中每个子带的三个比例因子被一起考虑，划分成特定的几种模式。根据这些模式，1 个、2 个或3 个比例因子和比例因子选择信息（每子带2 比特）一起被传送。如果一个比例因子和下一个只有很小的差别，就只传送大的一个，这种情况对于稳态信号经常出现。 
使用这一算法后，和第1层相比，第2层传输的比例因子平均减少了2 个，即传输码率由22.5Kb/s 降低到了7.5Kb/s。

MPEG-I 心理声学模型 

 MPEG-I 标准定义了两个模型 

心理声学模型1: 计算复杂度低 、但对假设用户听不到的部分压缩太严重

 心理声学模型2 :提供了适合Layer III编码的更多特征 、 实际实现的模型复杂度取决所需要的压缩 因子、如大的压缩因子不重要，则可以完全不用心理 声学模型。此时位分配算法不使用SMR （ Signal Mask Ratio ），而是使用SNR

心理声学模型I 

1、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。采用Hann加权和DFT  Hann加权减少频域中的边界效应此变换不同于多相滤波器组，因为模型需要更精细 的频率分辨率，而且计算掩蔽阈值也需要每个频率 的幅值模型1：采用512 (Layer I) 或1024 (Layers II and III)样本窗口 Layer I：每帧384个样本点，512个样本点足够覆盖 Layer II 和Layer III：每帧1152个样本点，每帧两次 计算，模型1选择两个信号掩蔽比（SMR）中较小的 一个

2、确定声压级别

3、考虑安静时阈值  也即绝对阈值。在标准中有根据输入PCM信号的采 样率编制的“频率、临界频带率和绝对阈值”表。 此表为多位科学家经多次心理声学实验所得。

 4、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 

 5、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 

6、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。

二、代码分析

在主程序中修改：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

adb = available_bits (&header, &glopts);    if (frameNum == 20)    {        printf("每帧分配比特数 = %d\n", adb);    }    lg_frame = adb / 8;sample_encoding (*subband, bit_alloc, &frame, &bs);        if (frameNum == 20)        {            printf("sample rate=%.1f kHz\n", s_freq[header.version][header.sampling_frequency]);            printf("target rate=%d\n",bitrate[header.version][header.bitrate_index]);            int a, b;            for (a = 0; a<2; a++)            {                for (b = 0; b<frame.sblimit; b++)                {                    printf("bit_alloc[%d][%d] =%d\n", a, b, bit_alloc[a][b]);                }            }        } scale_factor_calc (*sb_sample, scalar, nch, frame.sblimit);        if (frameNum == 20)        {            int a, b, c;            for (a=0;a<nch;a++)            {                printf("channel[%d] = \n", a + 1);                for (b=0;b<frame.sblimit;b++)                {                    for (c=0;c<3;c++)                    {                        printf("scalar[%d][%d]= %d %d %d\n",b,c,scalar[a][0][b], scalar[a][1][b], scalar[a][2][b]);                    }                }            }    }

三 、实验结果

采样率和目标码率

分配的比特数、比例因子

每个子带的3个比例因子相距很近，可以通过选择比例因子，来实现数据压缩。

另外，低频子带分配的比特数多，高频子带分配飞比特数少。