音频压缩编解码.ppt

第3章  音频压缩编解码音频压缩概述音频压缩概述 3.1波形编码波形编码 3.2参数编码参数编码 3.3MPEGMPEG音频编码音频编码 3.5G.7xxG.7xx系列编码标准系列编码标准 3.6混合编码混合编码 3.4学习目标Ø知识目标：了解音频压缩的可行性，掌握波形编码、参数编码和混合编码的基本知识，熟悉MPEG音频标准，全面掌握音频压缩编解码技术Ø技能目标：了解MP3播放器的结构组成和工作原理，掌握MP3升级扩容方法典型设备：MP3播放器•1．MP3播放器的基本组成•        MP3播放器由MCU、存储器、存储卡、音频编解码器、音频功放、电源电路、录音、输入电路、USB接口电路、LCD驱动及显示电路、按键电路等组成•        MCU是MP3播放器的核心器件，好像一个人的大脑，是指挥中心•        存储器也叫MP3播放器的内存，即MP3整机内部的memory•         一般MP3播放器有2片内存，一片是EPROM，它是用来存储程序的；另一片是FLASH或E2PROM，它是用来储存MP3曲目、录音等内容的•        存储卡也叫MP3的外存，它是用来扩大MP3容量的，且使用比较灵活，容量的大小可以根据用户的需要来选择不同的卡。

•        USB是通用串行总线的意思，它是连接MP3与PC机的通信桥梁•        MP3播放器的外形和电路的基本组成如图3-1所示图图3-1 MP33-1 MP3播放器的基本组成播放器的基本组成2．MP3播放器的特点与主要性能•        MP3播放器最主要的特点是具有极高的数据压缩率，可将音频数据压缩到原来的1/10～1/12，而MP3的音质基本与CD机的相似•        MP3这种压缩格式最初是在Internet网络上被采用的，由于压缩比达1∶10～1∶12，所以下载一首歌曲只需要4～5min就可以•        每分钟的MP3文件大小只有1MB左右，与普通CD片容量相同的640MB的MP3音乐光盘，可以存储十几个小时（150～170首歌曲）的声音文件，如果采用256MB的FLASH存储器，也可以存储大约60首歌曲，播放5个多小时的声音文件•        采用FLASH快闪存储器的MP3随身听，由于没有体积宏大的电机、磁头、激光读写机构等部件，所以可随心所欲地把它做成各种形状，使之具有极小的体积和重量、非常美观的外型，并且使用及携带方便、不怕振动、无机械故障等。

•        MP3播放器的功能主要有两种：一是播放功能，具有多种播放选择，如顺序播放、随机播放、单曲循环播放、全部循环播放等；二是录音功能，包括内置/外置话筒录音、MP3/WAV格式的数码录音转换等•        除此之外，有些MP3机还具有某些特殊功能，如FM收音机、日记簿、簿、各种EQ模式（如摇滚、古典、流行、正常等）、不同语言文字显示歌名、低音和高音控制、外插存储卡、HOLD锁定键（可使所有键盘失效，以避免在运动中或不小心引起误操作）等 3．MP3播放器的工作原理•（1）充分利用了人耳的听觉阈值特性•（2）充分利用了人耳的掩蔽特性（包括频谱掩蔽和时间掩蔽）•（3）将传输的音频范围（20Hz～20kHz）分割为32个子频带，每个子频带根据人耳的听觉特性来确定消除冗余和编码•（4）较宽的声音比特率，保证MP3机具有CD机的声音质量图图3-2 MP33-2 MP3编码器（编码器（MPEG-1MPEG-1第第3 3层数字音频压缩格式）层数字音频压缩格式）图图3-3 MP33-3 MP3解码器（解码器（MPEG-1MPEG-1第第3 3层双声道音频解码器）层双声道音频解码器）图图3-4 MP33-4 MP3编码器的改进离散余弦变换（编码器的改进离散余弦变换（MDCTMDCT））4．MP3播放器的主要参数•          MP3播放器的主要参数如下。

•（1）频率范围：指能还原声音的最大频率范围，为20 Hz～20kHz•（2）采样频率：44.1kHz、48kHz可调•（3）编码器适用的输出码率：一般可变码率中可设置192、160、128、112、96（kbit/s）；恒定码率中可设置320kbit/s、192kbit/s、64kbit/s（单声）、63kbit/s（单声）、16kbit/s（单声）等•（4）闪存器容量：32MB、64MB、128 MB、256MB（也有使用2．5英寸2GB硬盘的）3.1  音频压缩概述 –3.1.1  音频压缩的可行性•        信号（数据）之所以能进行压缩，是因为该信号本身存在着很大的冗余度•        根据统计分析结果，音频信号中存在着多种冗余，其主要部分可分别从时域和频域来考虑•        另外由于音频主要是给人听的，所以考虑人的听觉机理，也能对音频信号实行压缩1．时域冗余–（1）幅度分布的非均匀性–（2）样值间的相关性–（3）周期之间的相关性–（4）基音之间的相关性–（5）静止系数–（6）长时自相关函数2．频域冗余•（1）长时功率谱密度的非均匀性•（2）语音特有的短时功率谱密度。

  3．听觉冗余•（1）基于音频数据的统计特性进行编码，典型技术是波形编码 •（2）基于音频的声学参数，进行参数编码，可进一步降低数据率 •（3）基于人的听觉特性进行编码 3.1.2 音频压缩编码技术分类•        语音编码技术是一种很重要的技术•        各种编码技术对语音信号进行处理，目的都是为了减少传输码率和提高音质1．按裁抑声音信号的冗余度不同分类•        当前所采用的声音压缩编码方式有时域编码、频域编码和统计编码•        这些编码方式依据声音信号的冗余度以及人耳听觉的声掩蔽，将人耳听觉觉察不到的分量去掉，降低编码后的数据比特率•        若将这3种编码方式相互结合起来，例如时域编码中的预测编码与统计编码的霍夫曼编码；频域编码的离散余弦变换与霍夫曼编码，将会充分地发挥出各自对降低比特率的优势，进一步降低数据比特率，实现大压缩比的声音压缩•        新型高效率声音压缩编码方式，已成为通信、网络以及广播电视中声音数字传输的核心技术2．按压缩品质不同分类•        按解码后数据与原始数据是否完全一致、质量有无损失的标准，压缩方法可被分为有损（有失真）压缩编码和无损（无失真）压缩编码两大类。

–（1）无损压缩编码–（2）有损压缩编码3．按压缩编码算法不同分类–（1）统计编码–（2）波形编码–（3）参数编码–（4）混合编码–（5）感知编码类 别算 法名 称标 准数 据 率应 用波形编码PCM脉冲编码调制公用网ISDNμ-law，A-lawμ律，A律G.71164kbit/sAPCM自适应脉冲编码调制DPCM差分脉冲编码调制ADPCM自适应DPCMG.72132kbit/sSB-ADPCM子带-自适应DPCMG.72264kbit/s参数编码LPC线性预测编码2.4kbit/s保密话音混合编码CELPC码激励LPC4.6kbit/s移动通信VSELP向量和激励LPC8kbit/sRPE-LTP规则码激励长时预测13.2kbit/s语音信箱LD-CELP低延时码激励LPCG.72816kbit/sISDNACELP自适应CELPG.723.15.3 kbit/sPSTNCSA-CELP共轭结构代数-CELPG.7298kbit/s移动通信感知编码MPEG-音频多子带，感知编码128 kbit/sVCD/DVDDolbyAC-3感知编码DVD表表3-13-1编码的分类及标准编码的分类及标准3.2  波形编码 •        波形编码是将时间域信号直接变换为数字代码，由于这种系统保留了信号原始样值的细节变化，从而保留了信号的各种过渡特征，所以波形编码系统的解码音频信号质量一般较高。

•        波形编码系统的不足之处是传输码率比较高，压缩比不大3.2.1 脉冲编码调制•        脉冲编码调制（Pulse Code Modulation，PCM）简称脉码调制•        PCM是各种数字编码系统中最规范的方法，也是应用最广泛的系统•        这是因为它的理论分析比较完善，概念简单，而且PCM编码与模拟信号形式无关，因此被认为是衡量其他波形的数字化的标准•        此外，除了增量调制外，各种波形编码器都包含有PCM的编码与译码部分•        PCM是“数字化”的最基本的技术，模拟信号正是通过PCM而变换成数字信号的，其具体过程是：通过抽样、量化和编码3个步骤，用若干代码表示模拟形式的信息信号（如图像、声音信号），再用脉冲信号表示这些代码来进行传输/存储•        其系统原理框图如图3-5所示图图3-5 3-5 模拟信号数字处理系统方框图模拟信号数字处理系统方框图•        信号在传输过程中，由一种传输方式变换为另一种传输方式的过程称为调制•        常用的脉冲编码调制方式如下1．不归零方式（NRZ）图图3-6 3-6 几种几种PCMPCM调制波形调制波形•2．不归零倒相方式（NRZI）•3．8-14调制（EFM）3.2.2 差分脉冲编码调制•        PCM编码是一种最通用的无压缩编码。

•        特点是保真度高，解码速度快，但编码后的数据量大•        CD-DA采用的就是这种编码方式•        PCM方式是把取样值变成二进制数后进行传输或存储的•        它没有记录样值本身，如果同时也记录取样值之间的差值，这种方式就称为差分PCM（DPCM）图图3-7 DPCM3-7 DPCM编码编码图图3-8 DPCM3-8 DPCM解码解码图图3-9 PCM3-9 PCM与与DPCMDPCM的电平分布的电平分布图图3-10 163-10 16位位DPCMDPCM与与PCMPCM的特性比较的特性比较•         通常自然界的声音是频率越高声压级越低，人耳特性也是随着频率的增高，灵敏度急剧下降•        可以说频率越高声音的动态范围越小•        可见DPCM方式是非常适合自然界规律的3.2.3 自适应差分脉冲编码调制•1．自适应PCM•        音频信号的振幅和频率分布是随时间比较缓慢但却是大幅度变化的•        因此出现了根据邻近信号的性质使量化步长改变的编码，这就是自适应PCM（APCM）。

•        准瞬时压扩和动态加重就可以看做是一种APCM图图3-11 APCM3-11 APCM组成框图组成框图DPCM码系 数正值0110100010001.751.250.90.9负值1111101011000.90.91.251.75表表3-23-23 3位位APCMAPCM的系数法的系数法2．自适应差分PCM•        自适应差分PCM（ADPCM）就是把自适应型量化步长引入差分PCM（DPCM）•        即不是把信号x(n)直接量化，而是把它和预测值x(n)的差d(n)进行量化，比前述的APCM效率高•        作为中等质量的高效率编码，在多功能机的留言录音等短时间录音、不同磁带的固体录音机和向导广播以及自动售货机等各种声音服务领域被广泛应用•        另外在多媒体技术应用领域的CD-I中，作为音乐长时间化的方法也采用4～8位的ADPCM图图3-12 ADPCM3-12 ADPCM原理框图原理框图位 数APCMADPCM20.6，2.20.8，1.630.85，1，1，1.50.9，0.9，1.25，1.7540.8，0.8，0.8，0.8，1.2，1.6，2.0，2.40.9，0.9，0.9，0.9，1.2，1.6，2.0，2.450.85，0.85，0.85，0.85，0.85，0.85，0.85，0.85，1.2，1.4，1.6，1.8，2.0，2.2，2.4，2.60.9，0.9，0.9，0.9，0.95，0.95，0.95，0.95，1.2，1.5，1.8，2.1，2.4，2.7，3.0，3.3表表3-33-3 自适应量化法中的量化级系数自适应量化法中的量化级系数3.2.4 增量调制和自适应增量调制•1．增量调制（ΔM）•        增量调制（Delta Modulation）是用一位二进制码表示相邻模拟抽样值相对大小的A/D转换方式，ΔM就是增量调制方式的代号。

•        它将信号瞬时值与前一个抽样值之差进行量化，并且对这个差值的符号进行编码，而不对差值的大小进行编码•        因此量化只限于正和负两个电平，只用一比特传输一个样值•        如果差值为正，就发“1”码，若差值为负，就发“0”码•        因此数码“1”和“0”只是信号相对于前一时刻的增减，不代表信号的绝对值•        图3-13（a）、（b）给出了ΔM原理框图及编码波形•        图中x(t)是一模拟信号，x′(t)为本地译码器输出的前一时刻的量化信号图图3-13 3-13 简单增量调制原理图简单增量调制原理图图图3-14 ΔM3-14 ΔM编码原理编码原理2．译码的基本思想•        与编码相对应，收到l码后产生一个正斜率电压，在TS=ΔT时间内均匀上升一个量阶，收到一个0码产生一个负的斜变电压，在TS时间内均匀下降一个量阶，这样把二进制代码经过译码后变为如         这样的锯齿波•        用一个简单的RC积分电路，即可把二进制代码变为         这样的波形3．PCM和M系统性能比较–（1）传码率及信号带宽–（2）量化信噪比–（3）误码信噪比–（4）设备复杂性4．自适应增量调制（自适应ΔM）•        自适应ΔM是一种改进型的增量调制方式，它的量化级Δ随着音节时间间隔（5～20ms）中信号平均斜率而变化。

•        这里的音节相当于语音浊音准周期信号的基音周期•        由于这种方法中信号的平均斜率是根据检测码流中连“1”或连“0”的个数确定的，所以又称数字检测、连续可变斜率增量调制（CVSD），简称数字压扩增量调制•        图3-15给出了数字音节压扩增量调制的方框图图图3-15 3-15 数字检测音节压扩数字检测音节压扩ΔMΔM组成框图组成框图•        自适应ΔM与简单ΔM相比，编码器能正常工作的动态范围有很大提高，信噪比比简单ΔM优越•        这种优越性与两个参数有关，一个是数字检测的连码数m，其值越大，改善越大；一个是脉冲压缩比σ=Δ0/Δmax，其中Δmax为最大量化级，Δ0是最小量化级（无控制的），σ越小改善越大•        若用简单ΔM的动态范围为10dB，那么当m=3，σ=−45dB时，CVSD动态范围可达55dB3.2.5 子带编码•        子带编码（SBC）是将一个短周期内的连续时间取样信号送入滤波器中，滤波器组将信号分成多个（最多32个）限带信号，以近似人耳的临界频段响应•        由滤波器组的锐截止频率来仿效临界频段响应，并在带宽内限制量化噪声。

•        子带编码要求处理延迟必须足够小，以使量化噪声不超出人耳的瞬时限制•        子带编码通过分析每个子带的取样值并与心理声学模型进行比较，编码器基于每个子带的掩蔽阈值能自适应地量化取样值•        子带编码中，每个子带都要根据所分配的不同比特数来独立进行编码•        在任何情况下，每个子带的量化噪声都会增加•        当重建信号时，每个子带的量化噪声被限制在该子带内，如图3-16所示•        由于每个子带的信号会对噪声进行掩蔽，所以子带内的量化噪声是可以容忍的图图3-16 3-16 生成窄带高分辨率的子带编码生成窄带高分辨率的子带编码•         子带编码的主要特点如下•（1）每个子带对每一块新的数据都要重新计算，并根据信号和噪声的可听度对取样值进行动态量化•（2）子带感知编码器利用数字滤波器组将短时的音频信号分成多个子带（对于时间取样值可以采用多种优化编码方法）•（3）每个子带的峰值功率与掩蔽级的比率由所做的运算来决定，即根据信号振幅高于可听曲线的程度来分配量化所需的比特数•（4）给每一个子带分配足够的位数来保证量化噪声处于掩蔽级以下。

 图图3-17 SB-ADPCM3-17 SB-ADPCM编、译码方框图编、译码方框图3.2.6 矢量编码•        在前面所谈到的编码方式中，我们总是对一个信号值单独处理，这种独立地对一个样值量化编码的方式叫标量量化（SQ）•        由于对每一个样值单独编码处理，使系统码率不可能低于取样频率•        为了进一步压缩码率，根据信息论中多维信号熵低于单维信号熵之和的结论，提出了对若干个音频样值一起量化编码的矢量量化方案•        图3-18是矢量编码（VQ）的基本原理框图图图3-18 VQ3-18 VQ的基本原理的基本原理图图3-19 3-19 最优码字搜索算法一例最优码字搜索算法一例3.3  参数编码 •        音频信号的波形编码，具有编码质量好、能保持原始音频波形特征的特点，因而在有线通信等要求比较高的场合，应用十分广泛•        但波形编码需要系统具有比较高的码率，以保持音频波形中的各种过渡特性•        高码率需要宽的传输频带，在当今网络高速化的时代，这一要求将会逐渐得到满足•        然而还有一些领域如无线通信领域（比如移动通信和卫星通信）、网络环境中的多媒体通信、保密和军事通信等都需要对信源码率进行大的压缩。

•        只有借助于新的压缩技术，才能完成以上的任务，这就是参数编码•        参数编码技术以语音信号产生的数学模型为基础，根据输入语音信号分析出表征声门振动的激励参数和表征声道特性的声道参数，然后在解码端根据这些模型参数来恢复语音•        这种编码算法并不忠实地反映输入语音的原始波形，而是着眼于人耳的听觉特性，确保解码语音的可懂度和清晰度•        基于这种编码技术的编码系统一般称之为声码器，主要用在窄带信道上提供4.8kbit/s以下的低速率语音通信和一些对时延要求较宽的场合•        当前参数编码技术主要的研究方向是线性预测（Linear Predictive Coder，LPC）声码器和余弦声码器3.3.1 语音生成模型•        参数编码的基础是人类语音的生成模型•        语音学和医学的研究结果表明，人类发音器官产生声音的过程可以用一个数学模型来逼近•        人的语音发声过程是：气流从肺呼出后经过声门时受声带作用，形成激励气流，再经过由口腔、鼻腔和嘴组成的声道的作用而发出语音•        从声门出来的气流相当于激励信号，而声道可以等效成一个全极点滤波器，称为声道滤波器或合成滤波器。

•        在讲话过程中激励信号和滤波器系数不断地变化，从而发出不同的声音•        通常认为激励信号和滤波器系数5～40 ms更新一次•        人们在发声母时，声带不振动，激励信号类似白噪声，将这类声音称做清音；发韵母时，声带振动，激励信号呈周期性，这类声音称作浊音•        因此，用白噪声或周期性脉冲信号激励声道滤波器就能合成出语音，这就是LPC声码器的工作原理，如图3-21所示•        这个模型的物理含义是：人类通过嘴讲出来的话，也可以用它来再生，条件是要合理地选择模型中的参数•        很显然，我们的讲话随着时间而变化，那么，模型的参数也是变化的•        此模型用模型参数代替原语音波形进行传输/存储的系统就是声码器•        对该发声模型的参数进行编码传输称为参数编码•        人的发声是很复杂的，上面的模型只是一种近似，忽略了不少因素，这个模型也叫简化发声模型•        它合成出的语音质量不高，后来又有许多改进图图3-20 3-20 人类发音模型人类发音模型3.3.2 线性预测编码•        线性预测编码（LPC）是一种非常重要的编码方法，线性预测方法在于分析和模拟人的发音器官，不是利用人发出声音的波形合成，而是从人的语音信号中提取与语音模型有关的特征参数。

•        在语音合成过程中，通过相应的数学模型计算去控制相应的参数来合成语音，这种方法对语音信息的压缩是很有效的，用此方法压缩的语音数据所占用的存储空间只有波形编码的十至几十分之一•        LPC声码器是一种低比特率和传输有限个语音参数的语音编码器，它较好地解决了传输数码率与所得到的语音质量之间的矛盾•        广泛地应用在通信、语音通信自动装置、语音学及医学研究、机械操作、自动翻译、身份鉴别、盲人阅读等方面•        线性预测（LPC）声码器在众多的声码器中是最为成功的，也是应用最为广泛的•        它属于时间域声码器类•        这类声码器从时间波形中提取重要的语音特征•        图3-21给出了LPC声码器系统方框图图图3-21 LPC3-21 LPC声码器的原理图声码器的原理图3.4  混合编码 •        混合编码是波形编码和参数编码的综合：既利用了语音生成模型，通过模型中的参数（主要是声道参数）进行编码，减少波形编码中被编码对象的动态范围或数目；又使编码的过程，产生接近原始语音波形的合成语音，保留说话人的各种自然特征，提高了合成语音质量。

•       目前得到广泛研究和应用的CELP编码法，以及它的各种改进算法，是混合编码法的典型代表•        简单声码器由于激励形式过于简单，与实际差别较大，导致系统合成出的语音质量不好，是否可以对经过语音合成系统的逆系统——预测滤波器产生的预测误差信号，直接逼近产生新的激励形成？这样，问题的解决就容易得多了•        但实验和理论表明，这样做并不能产生高质量的合成语音•        因为人耳朵听见的只是合成语音，不是激励，即使新的激励与原来的预测误差信号很像，经过合成系统后，合成的语音与原来的语音仍有相当大的距离，因为激励部分的误差，可能被合成滤波放大•        解决这个问题的唯一办法，只能是改变激励信号的选择原则，使得最优激励信号的产生，不是去追求与预测误差信号接近，而是使它激励合成系统的输出，即合成语音尽可能接近原始语音•        这样编码方式，叫做分析/合成（A/S）编码，即编码系统大都是先“分析”输入语音提取发声模型中的声道模型参数，然后选择激励信号去激励声道模型产生“合成”语音，通过比较合成语音与原始语音的差别选择最佳激励，追求最逼近原始语音的效果。

•        所以，编码的过程是一个分析加合成的过程，又称为分析/合成（A/S）编码       •        图3-22是原理框图图图3-22 3-22 分析分析——合成编码原理框图合成编码原理框图3.4.1 多脉冲线性预测编码•        语音模型中的激励信号，可以从分析A/S编码系统产生的预测误差来获得•        这个预测误差序列可由大约只占其个数十分之一的另一组脉冲序列来替代，由新脉冲序列激励H(z)产生的合成语音仍具有较好的听觉质量•        这个预测误差序列，尽管在大多数位置上都不等于零，但它激励合成滤波器所得的合成语音，与另一组绝大多数位置上都是零的脉冲序列，激励同样的合成滤波器所得的合成语音具有类似的听觉•        由于后者形成的激励信号序列，不为零的脉冲个数占序列总长的极小部分，所以编码时，仅处理和传输不为零的激励脉冲的位置与幅度参数，就可以大大压缩码率了•        这种编码方法称为多脉冲线性预测编码（MPLPC）•        MPLPC编码原理框图如图3-23所示，MPLPC主要任务就是寻找该脉冲序列中每个脉冲的位置和幅度大小，并对其编码。

•        一般采用序贯方法，一个一个脉冲求解，寻求次优的解图图3-23 MPLPC3-23 MPLPC编码原理框图编码原理框图3.4.2 规则脉冲激励/长项预测编码•        规则脉冲激励/长项预测编码（RPE/LTP）是欧洲数字蜂窝移动通信GSM标准中采用的语音压缩编码算法，其标准码率为13kbit/s，也叫移动通信的全速率编码标准•        人们为进一步提高信道利用率，正在制定码率为6～7kbit/s、与RPE/LTP方案相当的语音压缩编码标准•        新方案称为移动通信中的半速率语音编码算法•        RPE/LTP语音压缩编码属于分析/合成编码方式，系统先分析，得到合成滤波器参数，再通过选择不同激励，判别它们的合成语音与原始语音的差别，得到最优的激励的信号•        RPE/LTP采用了感觉加权滤波器•        PRE/LTP的各个非零激励脉冲，呈现等间隔的规则排列•        只需使收方知道第一个脉冲的位置在何处（n取什么值），其他激励脉冲的位置也就可以得知了•        而且第一个脉冲的位置也是有限的几个可能性。

•        所以这种方案，脉冲位置的编码所需码率非常少，非零激励脉冲个数可以增加许多•        在一个编码帧内，GSM方案的非零激励脉冲比MPLPC方案多了3倍，有利于提高合成语音质量•        RPE/LTP编码算法设置了基音预测系统以及相应的基音合成系统•        线性预测处理语音信号可以去除语音信号样值间的相关性，大大降低信号的动态范围 图图3-24 3-24 预测误差波形预测误差波形图图3-25 GSM3-25 GSM语音压缩编解码器中的语音生成模型语音压缩编解码器中的语音生成模型3.4.3 码激励线性预测编码•        码激励线性预测编码（CELP）系统是中低速率编码领域最成功的方案•        基本CELP算法不对预测误差序列个数及位置作任何强制假设，认为必须用全部误差序列编码传送以获得高质量的合成语音•        为了达到压低传码率的目的，对误差序列的编码采用了大压缩比的矢量量化技术VQ，也就是对误差序列不是一个一个样值分别量化，而是将一段误差序列当做一个矢量进行整体量化•        由于误差序列对应着语音生成模型的激励部分，现在经VQ量化后，用码字代替，故称码激励。

•        图3-26是一个典型的CELP系统图图3-26 3-26 典型的典型的CELPCELP系统系统图图3-27 3-27 采用两个码本采用两个码本CELPCELP编码系统编码系统•        基于CELP的LD-CELP方案，已作为干线网16kbit/s速率编码标准•        与CELP基本算法相比较，它的主要不同有如下两个方面•（1）它不是从输入语音中提取合成滤波器参数的，而是从以前的合成语音中提取的，这样不必等待一段语音输入后再进行计算，所以编码时延很低，故名低时延编码系统并且，由于预测和合成系统的系数取决于合成后的语音而非原始语音，因此，合成系统系数不必编码传送•（2）考虑到用前面部分的合成语音，来估计本时刻的合成系统参数，可能会估计精度差，降低线性预测效果，为了提高预测性能，G.728标准中采用了一个高达50阶的线性预测滤波器，代替一般CELP系统中的基音和声道两个预测滤波器，合成滤波器同样也是50阶的提高滤波器阶数，只是增加了计算量，因为滤波器系数不传送，所以不增加传码率3.4.4 矢量和激励线性预测编码•        矢量和激励线性预测编码（VSELP）作为北美第一代数字蜂窝移动通信网语音编码标准由Motorola公司首先提出，其码率为8kbit/s。

•        图3-28是VSELP编码系统结构图图图3-28 VSELP3-28 VSELP编码系统编码系统3.4.5 多带激励语音编码•        语音短时谱分析表明，大多数语音段都含有周期和非周期两种成分，因此很难说某段语音是清音还是浊音•        传统声码器，例如线性预测声码器，采用二元模型，认为语音段不是浊音就是清音•        浊音段采用周期信号，清音采用白噪声激励声道滤波器合成语音，这种语音生成模型不符合实际语音特点•        人耳听觉过程是对语音信号进行短时谱分析的过程，可以认为人耳能够分辨短时谱中的噪声区和周期区•        因此，传统声码器合成的语音听起来合成声重、自然度差•        这类声码器还有其他一些弱点，例如基音周期参数提取不准确、语音发声模型同有些音不符合、容忍环境噪声能力差等，这些都是影响合成语音质量的因素•        多带激励语音编码（MBE）方案突破了传统线性预测声码器整带二元激励模型，它将语音谱按基音谐波频率分成若干个带，对各带信号分别判断是属于浊音还是属于清音，然后根据各带清、浊音的情况，分别采用白噪声或正弦产生合成信号，最后将各带信号相加，形成全带合成语音。

图图3-29 3-29 多带激励编解码器原理框图多带激励编解码器原理框图3.4.6 混合激励线性预测编码•        混合激励线性预测编码（MELP）算法对语音的模式进行两级分类•        首先将语音分为“清”和“浊”两大类，这里的清音是指不具有周期成分的强清音，其余的均划为浊音，用总的清/浊音判决表示•        其次，把浊音再分为浊音和抖动浊音，用非周期位表示•        在对浊音和抖动浊音的处理上，MELP算法利用了MBE算法的分带思想，在各子带上对混合比例进行控制•        这种方法简单有效，使用的比特数也不多•        如果使用1bit对每个子带的混合比例参数进行编码，该参数也就简化为每个子带的清/浊音判决信息•        另外，在周期脉冲信号源的合成上，MELP算法要对LPC分析的残差信号进行傅里叶变换，提取谐波分量，量化后传到接收端，用于合成周期脉冲激励•        这种方法提高了激励信号与原始残差的匹配程度•        MELP的参数包括LPC参数、基音周期、模式分类参数、分带混合比例、残差谐波参数和增益•        如图3-30所示，在MELP的参数分析部分，语音信号输入后要分别进行基音提取、子带分析、LPC分析和残差谐波谱计算。

•        MELP算法的语音合成部分仍然采取LPC合成的形式，不同的是激励信号的合成方式和后处理•        这里的混合激励信号为合成分带滤波后的脉冲与噪声激励之和•        脉冲激励通过对残差谐波谱进行离散傅里叶反变换得出，噪声激励则在对一个白噪声源进行电平调整和限幅之后产生，两者各自滤波后叠加在一起形成混合激励•        混合激励信号合成后经自适应谱增强滤波器处理，用于改善共振峰的形状•        随后，激励信号进行LPC合成得到合成语音 图图3-30 MELP3-30 MELP算法的分析算法的分析/ /合成框图合成框图3.5  MPEG音频编码 •        当前国际上数字音视频标准有两个系列，一个是声音信源编码中的MPEG （Moving Picture Exports Group，活动图像专家组）制定的音频编码，简称MPEG音频•        另一个是ATSC（Advanced Television System Committee，先进电视系统委员会）中的Dolby AC-3音频编码•        其中MPEG音频的应用所涉及的领域广泛，不仅用于数字电视、数字声广播，还有影音光盘、多媒体应用以及网络服务等，因此是主流。

•        而Dolby AC-3则仅用于多声道环绕立体声重放，包括DVD影音光盘及ATSC数字电视标准中的音频编码•        在音频压缩标准化方面取得巨大成功的是MPEG数字音频压缩方案•        MPEG是一组由IEC和ISO制定发布的视频、音频、数据的压缩标准•        MPEG的声音数据压缩编码不是依据波形本身的相关性和模拟人的发音器官的特性，而是利用人的听觉系统的特性来达到压缩声音数据的目的，这种压缩编码属于感知编码•        现已发展成为数字音视频的主流技术•        MPEG采纳两种感知编码，一种是感知子带编码，另一种是由杜比（Dolby Laboratories）实验室开发的Dolby AC-3（Audio Codenumber3）编码，简称AC-3它们都利用人的听觉系统的特性来压缩数据，只是算法不同而已•        目前，MPEG已经完成了MPEG-l、MPEG-2、MPEG-4第一版的音频编码等方面的技术标准•        正在制定MPEG-4的第二版、MPEG-7及MPEG-21的音频编码技术标准3.5.1 MPEG-1音频•        国际标准化组织和国际电子技术委员会组织活动图像专家组于1992年11月通过了关于音频和视频数据的压缩技术的ISO/IEC 11 172号建议。

•        “用于数字存储媒体运动图像及其伴音率为1.5Mbit/s的压缩编码”，简称MPEG-1，它主要由系统、视频和音频3个部分组成•        MPEG-1音频编码标准位于MPEG-1（ISO/IEC 11172）标准的第3部分，MPEG-l音频标准的基础是掩蔽模式通用子带集成编码、多路复用MUSICAM、自适应频率感知熵编码ASPEC1．应用方面•（1）直接播放数据传输率为1.5Mbit/s的CD-ROM•（2）记录载体为光盘和磁存储介质（包括磁带、磁盘）的非交错音视频格式的数据，以支持与VHS质量相当的影音光盘（Video Compact Disc，VCD），其声音有一路立体声输出或两个声道分别存储原唱和伴唱•（3）用于数字声音广播（DAB）的源编码•（4）用于低比特率的音频传输的应用，如ISDN宽带网传输特别是目前在因特网上盛行的MP3（MPEG LayerⅢ），由于MP3传输速度快、应用范围广、音质满足要求，已成为热门的娱乐资源2．主要特点•（1）支持采样频率为32kHz、44.1kHz、48kHz的单/双声道及立体声等编码模式；利用以掩蔽效应为基础的心理声学模型控制声音的量化/编码达到不低于32kbit/s比特率的数据流。

•（2）用层表示三个不同层次的心理声学模型算法，分别为层I、层Ⅱ和层Ⅲ对应着不同的比特率，编码器的复杂程度随之加深•（3）层I又称MP1音频，声音文件扩展名为“.mp1”或“.mpa”采用MUSICAM编码方案的简化算法，复杂度最低，压缩比4∶1（相对CD激光唱片音频比特率），压缩后的比特率约为32～448kbit/s，典型的码流为192kbit/s适用于小型数字盒式磁带•（4）层Ⅱ又称MP2音频，声音文件扩展名为“.mp2”或“.mpa”其算法较层I复杂，去除了更多的冗余度，压缩比为6∶1，压缩后的比特率预计为32～384kbit/s，典型的码流为128kbit/s层Ⅱ称为掩蔽模式通用子带集成编码与多路复用，广泛应用于数字音频广播、数字演播室等数字音频专业的制作、交流、存储和传送•（5）层Ⅲ又称MP3音频，声音文件扩展名为“.mp3”或“.mpa”其算法最为复杂，压缩比12∶l（相对CD激光唱片音频比特率），压缩后的比特率约为32～320kbit/s，典型的码流为64kbit/s层Ⅲ是综合于层Ⅱ和ASPEC（自适应频谱心理声学熵编码）的优点提出的混合压缩技术，主要用于ISDN上的声音传输。

3．MPEG-1音频压缩编码的基本结构•        MPEG-1音频信号数据压缩过程可分为如下4步•（1）时间/频率映射（滤波器组），用以将输入的信号转化为亚抽样的频谱分量分为子带；•（2）频域滤波器组或并行变换的输出，根据心理声学模型求出时变的掩蔽门限估值；•（3）按量化噪声不超过掩蔽门限的原则将子带量化编码以使量化噪声听不到；•（4）按帧打包成码流（包括比特分配信息）图图3-31 MPEG-13-31 MPEG-1的音频压缩编码框图的音频压缩编码框图图图3-32 MPEG-13-32 MPEG-1的音频压缩解码框图的音频压缩解码框图图图3-33 3-33 子带编码滤波器组的划分示意图子带编码滤波器组的划分示意图3.5.2 MPEG-2音频•        MPEG-2（ISO/IEC 13 818）标准公布于1995年，是MPEG-1的一种兼容型扩展•        MPEG-2声音编码标准是MPEG为多声道声音开发的低码率编码方案，它是在MPEG-1标准的基础上发展而来的•        和MPEG-1相比，MPEG-2声音主要增加了以下3个方面的内容。

•（1）支持5.1路环绕声它能提供5个全带宽声道（左、右、中和两个环绕声道），外加一个低频效果增强声道，统称为5.1声道•（2）支持多达8种语言或解说•（3）增加了低抽样和低码率在保持MPEG-1声音的单声道和立体声的原有抽样率的情况下，MPEG-2又增加了3种抽样率，即把MPEG-1的抽样率降低了一半（16kHz，22．05kHz，24kHz），以便提高码率低于64kbit/s时每个声道的声音质量•        MPEG-2标准委员会定义了两种声音数据压缩格式，一种称为MPEG-2 Audio，或者称为MPEG-2多通道声音，由于它与MPEG-1是兼容的，因此常称为MPEG-2 BC•       另一种称为MPEG-2 AAC（Advanced Audio Coding），因为它与MPEG-1声音格式不兼容，所以称为非后向兼容MPEG-2 NBC标准•        MPEG-2音频标准的应用范围包括数字HDTV电视节目的发送和从因特网上的下载•        它可以向后兼容、多声道声音、低取样率，以及像高级音频编码ACC这样的非向后兼容的多声道形式•        MPEG-2的主要特点如下。

•（1）MPEG-2 BC分为3层，相应的预计达到的比特率分别为：层I，32～256kbit/s；层Ⅱ和层Ⅲ，8～160kbit/s•（2）兼容性强•① MPEG-2 BC的多通道兼容性MPEG-2数据流格式的基本内容与MPEG-1等同，解码器完全兼容于MPEG-1编码器，即使数据流分为两部分，一路用于双声道立体声而另一路是多声道环绕声•② 反之，MPEG-1解码器也能接收到MPEG-2 BC的音频数据流中的全部通道信息，这是因为MPEG-2 BC的向下混合左右声道的兼容性矩阵的作用•③ 由于MPEG-l和MPEG-2 BC音视频的合成处理遵循着MPEG标准的系统规范，所以MPEG-l音频可以与MPEG-2视频合成使用；MPEG-2BC音频也可与MPEG-1的视频合成使用•④ MPEG-2 AAC可替代MPEG-1层Ⅲ（MP3）•（3）MPEG-2 AAC采用了MPEG-1层Ⅲ（MP3）同样的基本编码模式，仅在一些细节上增加新的编码工具1．MPEG-2 Audio•        MPEG-2主要用于数字电视•        适用于数据比特率从8kbit/s的单声道的音质到160kbit/s的多声道高质量的全音域音频编码。

•        也适用于DVD，图像清晰度可达到500线，可提供2路立体声声道和高质量的5.1声道环绕立体声•        MPEG-2多声道声音编码标准和现有的MPEG-1声音标准保持后向兼容•        在对原有的MPEG-1两声道增加独立的环绕声道时，MPEG-2尽量保特和MPEG-1声音语法的兼容性，MPEG-2中的主声道（左、右）仍然保持后向兼容，而环饶声道采用新的编码方法和语法图图3-35 MPEG-23-35 MPEG-2声音多声道扩展部分的数据结构声音多声道扩展部分的数据结构参 数 名 称Linem PCM DolbyAC-3MPEG-2 AudioMPEG-1 Audio抽样频率48/96kHz32/44.1/48kHz16/22.05/24/32/44.1/48kHz32/44.1/48kHz样本精度（每个样本的比特数）16/20/24压缩（16 bit）压缩（16 bit）16最大数据传输率6.144 Mbit/s448kbit/s8～640kbit/s32～448kbit/s最大声道数85.15.1/7.12表表3-4 3-4 MPEG-1MPEG-1和和MPEG-2MPEG-2的声音数据规格的声音数据规格图图3-36 3-36 声道立体环绕声扬声器摆放示意图声道立体环绕声扬声器摆放示意图图图3-37 MPEG-23-37 MPEG-2中中5.15.1声道编、解码电路框图声道编、解码电路框图2．MPEG-2 AAC•        MPEG-2 AAC是MPEG-2标准中一种非常灵活的声音感知编码标准。

•        AAC支持的采样频率可从8kHz到96kHz，AAC编码器的音源可以是单声道的、立体声的和多声道的声音•        AAC标准可支持48个主声道、16个低频音效（LFE）加强通道、16个配音声道或称多语言声道和16个数据流•        AAC在压缩比为11∶1（即每个声道的数据率为（44.1×16）/11=64kbit/s）而声道的总数据率为320kbit/s的情况下，很难区分还原后的声音与原始声音之间的差别•        与MPEG的层2相比，MPEG-2 AAC的压缩率可提高1倍，而且质量更高•        与MPEG的层3相比，在质量相同的条件下数据率是其70%图3-38所示是ACC编码器方框图图图3-38 MPEG-2 AAC3-38 MPEG-2 AAC编码器编码器3.5.3 MPEG-4音频•        MPEG-4是以“各种音/视频媒体对象的编码”为标题•        MPEG-4第一版于1998年12月成为一项通用的国际标准（ISO/IEC 14 496IV）；第二版于1999年12月完成；第三、四版于2001年开始制定。

•        MPEG-1及MPEG-2标准为图像和伴音，或者说为广播电视领域的数字化奠定基础，但满足不了迅速发展的多媒体应用的要求•        在1993年开始了能够实现数字电视的制作、分配和内容的融合、交互式图形应用以及交互式多媒体的标准制定•        MPEG-4的宗旨是避免出现众多的、专有的、互不兼容的格式和播放机的方法，而提供一整套能够满足，包括实时通信、监视和移动多媒体等大量应用的要求•        MPEG-4定为通信和中、短波波段数字声广播以及其他语音低比特率的应用•        主要特点如下•（1）MPEG-4标准化自然音频的编码数据比特率为2～64kbit/s•（2）为获取到所有比特率下的高音质，MPEG-4音频定义了3类编码模式，分别是：•① 低比特率的参数化编/解码器抽样频率8kHz时数据比特率为2～4kbit/s；抽样频率8/16kHz时为4～16kbit/s•② 中间比特率的码激励线性预测（CELP）编/解码器抽样频率8/16kHz，数据比特率为6～24kbit/s•③ 高比特率的编/解码器，包含MPEG-2 AAC和矢量量化编码在内的时间—频率（TF）编/解码器。

抽样频率＞8kHz，数据比特率为16～64kbit/s，采用AAC图图3-39 MPEG-43-39 MPEG-4声音编码及其码率带宽（声音编码及其码率带宽（2 2～～64kbit/s64kbit/s）关系图）关系图•        MPEG-4声音编码器的特点体现在以下方面•（1）速度控制功能允许在不改变声调的情况下，在解码过程中改变声音的时间坐标这对在实现快放功能时匹配时频序列的长度是非常有用的•（2）声调改变是在不改变编解码过程的时间坐标的情况下，改变声音的调这对卡拉OK应用中的变调十分有用•（3）比特率分级允许码流被解析成更低速率的多个码流，它们的组合仍然能解码成有意义的信号码流的解析可发生在传输或者解码时•（4）带宽分级可以认为是比特率分级的一种特例，表示声音信号一定频谱段的部分可以在传输或解码时丢弃•（5）编码器复杂性分级允许不同复杂度的编码器产生有效的及有意义的码流•（6）解码器复杂性分级允许不同复杂度的解码器对给定码流进行解码通常，声音的质量与编解码器的复杂度无关3.5.4 MPEG-7音频•        在信息社会中，可以利用的视听信息形式越来越多，如图像、视频、语音、3D模型及图形等。

•        而手段不仅是记录-存储-重放，尤其是网络的出现，特别是WWW多媒体服务、各项服务项目种类和大容量数据库等基于内容服务需求的快速增长，引发了对视听信息内容的检索、交换及传递的迫切要求•        1996年开始对MPEG-7标准的制定•        MPEG-7称为“多媒体内容描述接口”，主要是描述多媒体素材内容的通用接口的标准化•        MPEG-7本质上与MPEG-1、MPEG-2及MPEG-4不同，后三者是论述音视频具体的编码，而前者是促进数据元的互操作性、通用性和数据管理灵活性•        因此MPEG-7的目标是产生一个描述多媒体内容的标准，支持对多媒体信息在不同层面的解释和了解，从而将其依据用户需求而进行传递和存取•        它不同于其他MPEG音频，不是针对某个具体项目应用，例如MPEG-4是用于低比特率语音编码，而MPEG-7典型应用有：建立音频档案（库）；从互联网和档案中提取和恢复音频文件和数据•        提供视听信息的描述，例如用于对所需视听素材进行检索（即查寻图书、资料）•        为了使人们在因特网上能够很快地搜索到所需要的内容，MPEG-7多媒体接口应能支持：•（1）MPEG-7可完成人耳听觉感知需要的内容，频率轮廓线、音色、和声、频率特征（音调、音域）、振幅包络、时间结构，即声音特性（音头持续时间及音尾）、文本内容，如通过唱一首歌曲的开始歌词或发出一篇文章开始一段的文字声音或声音近似值，即唱出歌曲的旋律或发出一种声音效果，即可以搜索到相应的全部原型声音或文本。

•（2）支持数据音频（如CD唱片、MPEG-1音频格式）；模型音频（如磁带介质、MPEG-4的SAOL）及MIDI（包括一般MIDI及Karaoke格式）3.5.5 杜比AC-3•        AC-3（数字杜比）编/解码器可广泛地用于DVD、DTV和DBS中的多声道音频传输•        AC-3编码系统是AC-2编码形式的副产物，属于感知编码器•        AC-3可把5个独立的全频带通道和一个频带为全频带1/10的辅助低音通道的信号实现统一编码，成为单一的复合数据流，其比特率比CD唱片一个通道的比特率705kbit/s还低•        AC-3符合ATSC A/52规定的数字音频压缩标准•        它有两个主要应用：其一是充分利用视频传输系统的信道带宽；另一个是减少存储需求•        主要运用于数字电视系统和DVD影音光盘1．杜比AC-3环绕声系统图图3-40 3-40 杜比杜比AC-3AC-3环绕声播放系统示意图环绕声播放系统示意图•          其特点有：–（1）全音频声道–（2）立体环绕声–（3）声道之间分离度高 •         从家庭影院的应用和发展来看，杜比AC-3环绕声系统将可能成为主流，因为：•（1）美国已确定杜比AC-3环绕声系统为HDTV（高清晰度电视）音频信号的编码和解码标准。

•（2）数字视盘机（DVD）的音频也采用AC-3音频标准•（3）美国几乎所有著名的电影公司制作的影片都按照AC-3系统录制•（4）目前世界著名的电子公司生产出的DVD机，A/V放大器都带有AC-3解码器2．3种典型杜比环绕声•        目前家庭影院流行的款式是杜比定向逻辑环绕声系统、家庭用THX系统和杜比AC-3环绕声系统，如表3-5所示•        这3种款式家庭影院的效果是完全不相同的，消费者应根据经济实力和欣赏水平来选择参数/心式Dolby Pro-logicHome-THXDolby AC-3软件上声道数（传输声道） 2CH2CH5.1CH重放声道4CH4.1CH、6CH5.1CH声场上声道分布L、C、R、SL、C、R、S、WS L、C、R，LS、RS、WSL、C、R，LS、RS、WS环绕声道频响100Hz～7kHz100Hz～7kHz20Hz～20kHz录制方式模拟方式模拟方式数字方式环绕声声道单声道或模拟立体声单声道或模拟立体声双声道立体声分离度有串音串音低 串音极低声场模拟3～8DSP8～12DSP12～20DSP现场效果好很好极好表表3-53-5三种环绕系统的比较三种环绕系统的比较3.6  G.7xx系列编码标准 •        G.7xx是CCITT推荐的话音信号的编解码标准。

•        采样率为8 kHz，数据率为64kbit/s的G.711标准，属于窄带语音编码，G.721（ADPCM）则将数据率降到32 kbit/s而保持与G.711同样的音质•         G.722保持了64kbit/s数据率，把采样率提高到16kHz，从而使信号频谱扩展到7 kHz，音质有了很大改善，特别是对音乐信号•         下面对G.722略作说明•         G.722标准共有3种运行方式，如表3-6所示方 式音频信号占用的码率附加数据占用的码率164kbit/s0256kbit/s8kbit/s348kbit/s 16kbit/s表表3-63-6G.722 3G.722 3种运行方式种运行方式图图3-41 G.7223-41 G.722编解码器结构框图编解码器结构框图•1．编码器•2．解码器技能训练四：MP3播放器的整机认识与拆装 Ø能力要求：•1．了解MP3播放器的结构组成•2．掌握MP3播放器的拆卸技巧Ø器材准备：•1．MP3播放器1只•2．小螺丝刀1支•3．摄子1支Ø内容与步骤：•1．拆卸上下端盖•2．取下操作按键•3．拆下后盖板。

•4．取出机芯•5．画出结构简图，记下主要芯片的规格型号•6．按相反的过程重新装回技能训练五：MP3播放器的升级扩容 Ø能力要求：•1．了解MP3闪存的类型•2．掌握闪存MP3的升级扩容方法Ø器材准备：•1．MP3播放器1只•2．850热风枪1台•3．防静电烙铁1支•4．吸锡器1支•5．小螺丝刀1支•6．摄子1支Ø内容与步骤：•1．准备工作•（1）确定闪存芯片及容量：目前的闪存主要由三星和东芝提供，高档的采用三星居多•（2）确定固件可支持的最大容量以及是否可以升级一般MP3系列有128MB、256MB、512MB或更大容量，其最高容量便是固件所支持的最大容量只要电路板有两个闪存焊位，如果没有也可以换一个更大容量的闪存芯片，并且在固件支持的情况下都可以扩容•（3）扩容方式：在空焊位焊上相同容量或者焊下原来的小容量的后换上一片（只有一个焊位的情况）或者两片相同的高容量的如果是两片的话，则容量最好一样，否则升级成功率将会大大降低，最保险的是采用同种品牌同一型号的2．操作步骤•（1）先小心拆开机器，不要损坏机器外壳连接与元件等，找到电路板上闪存的位置•（2）用热风枪取下现有闪存芯片。

如果有空的闪存焊位，则本步骤省略•（3）焊上芯片在焊位上涂少许的助焊剂，将芯片放到空焊位上，芯片与焊位方向要一致，即闪存芯片上的圆点与电路板上的圆点方向要对应•（4）芯片焊好后，用棉球蘸取少量酒精将电路板上残留的助焊剂除去•（5）焊好后先检查是否有虚焊和连焊的情况•（6）对闪存作一次格式化，有必要的话更新或者升级一下固件。