数据压缩实验六 MPEG音频压缩编码

程序员文章站 2022-07-14 22:11:24

...

一、实验原理

1. MPEG-1声音的主要性能
输入为PCM信号，采样率为32，44.1或48kHz，输出为 32kbps到384kbps。

2. MPEG音频编码主要流程
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。

MPEG音频编码为同时获得较高的时域精准度与频域精准度，对信息分两条线即时域和频域分别处理，在综合获得最终结果。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；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。流程图如下：
数据压缩实验六 MPEG音频压缩编码

声音压缩算法属于感知编码，可以确立心理声学特性的模型来取消更多的冗余数据。
3.心理声学模型：
1.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。
2.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。

4.频域掩蔽域随声压级变化曲线：
数据压缩实验六 MPEG音频压缩编码

5.32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：
数据压缩实验六 MPEG音频压缩编码

6.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大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。

7.比特分配及编码：
在调整到固定的码率之前先确定可用于样值编码的有效比特数。这个数值取决于比例因子、比例因子选择信息、比特分配信息以及辅助数据所需比特数。

比特分配的过程：
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
循环，直到没有比特可用。使整帧和每个子带的总噪声—掩蔽比最小。第1层一帧用4比特给每个子带的比特分配信息编码；而第2层只在低频段用4比特，高频段则用2比特。

8.子带样值的量化和编码：
（1）输入以12个样本为一组，每组样本经过时间-频率变换之后进行一次比特分配并记录一个比例因子(scale factor)
（2）比特分配信息告诉解码器每个样本由几位表示，比例因子用6比特表示，解码器使用这个6比特的比例因子乘逆量化器的每个输出样本值，以恢复被量化的子带值。比例因子的作用是充分利用量化器的量化范围，通过比特分配和比例因子相配合，可以表示动态范围超过120dB的样本。
（3）第2层中，量化级别的数目随子带的不同而不同，但量化等级仍然覆盖了3~65535的范围，同时子带不被分配给比特的概率增加了，没有分配给比特的子带就不被量化。低频段的量化等级有15级，中频段7级，高频段只有3级。

二、关键代码分析

实验流程一再原理部分中说明，下面直接分析关键代码。

#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 Alfred*/
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 Alfred*/
    transmission_pattern (scalar, scfsi, &frame);
    main_bit_allocation (smr, scfsi, bit_alloc, &adb, &frame, &glopts);
/*add by Alfred*/
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 Alfred*/
    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