实验六—mpeg音频编码实验

一、基本原理

• 音频信号
  通常将人耳可以听到的频率在20hz-20khz的声波称为声音信号，声音振动被拾音器转化为的电信号称为音频信号。人说话的信号频率在300hz到3000hz，将该频段的信号称为语音信号。
• 压缩的可行性
  声音信号中存在大量的冗余信息，在不同的分析域冗余的表现不同，结合时域和频率域可以较好的去除冗余。在时域，信号的幅度分度非均匀，小幅度样值出现概率比大幅度样值出现概率高；语音信号变化比较缓慢，各信号样值间的相关性较强，可以用差分编码去除冗余。在频域，长时功率谱函数分布非均匀，低频能量高，高频能量低。
  声音中存在一些人耳感觉不到的部分，根据人耳的心理听觉模型可以找出这部分冗余信息，并把它去除掉，而不影响人的听觉效果。
• MPEG-1 层二编码器原理
  
  多相滤波器组：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，那么子带宽度为48/（2*32）=0.75hz；其中48/2表示信号的最高频率。
  心理声学模型：计算信号中不可感知的部分，利用人耳的掩蔽效应，找到声音信号中冗余的部分。
  比特分配器：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：根据MPEG-1的编码格式产生兼容的比特流。

二、实验步骤

• 理解程序设计的整体框架
• 理解感知音频编码的设计思想
• 理解心理声学模型的实现过程
• 理解码率分配的实现思路
• 输出音频的采样率和目标码率
• 选择其中一个数据帧输出该帧所分配的比特因子和比特分配结果

三、关键代码分析

实际实现中子带的个数不一定为32个，在测试音频中子带数为30个。

//add by zhn    if(mask>0)    {        fprintf(temp,"音频采样率为%f\n",s_freq[header.version][header.sampling_frequency]);        fprintf(temp,"目标码率为%d\n",bitrate[header.version][header.bitrate_index]);        fprintf(temp,"第%d帧\n",mask);        mask=mask-1;        fprintf(temp,"该帧所分配的比特数%d\n",avidadb);        fprintf(temp,"该帧比例因子\n");        for(m=0;m<nch;m++)        {            fprintf(temp,"channel[%d]\n",m+1);            for(p=0;p<frame.sblimit;p++)            {                fprintf(temp,"%d\t%d\t%d\t",scalar[m][0][p],scalar[m][1][p],scalar[m][2][p]);                fprintf(temp,"\n");            }            fprintf(temp,"\n");        }        fprintf(temp,"\n");        fprintf(temp,"该帧比特分配\n");        for(m=0;m<2;m++)        {            fprintf(temp,"channel[%d]\n",m+1);            for(n=0;n<frame.sblimit;n++)            {                fprintf(temp,"%d\t",bit_alloc[m][n]);                if((n+1)%8==0)                    fprintf(temp,"\n");            }            fprintf(temp,"\n");        }        fprintf(temp,"\n");    }    //end add

四、实验结果

五、实验结论

在保证听觉效果的前提下，mpeg音频压缩可以达到较好的压缩效果。