用DSP實(shí)現MPEG音頻層III壓縮的加速方法

1　概述

　　數字音頻壓縮技術(shù)給人們提供了一種更為有效的音頻存儲、傳輸方法。音頻壓縮的技術(shù)有很多種，它們的復雜度、音頻壓縮質(zhì)量、以及壓縮比都有很大的差別。如：μ-law音頻壓縮算法，其特點(diǎn)是簡(jiǎn)單，但壓縮比很低，但音質(zhì)一般。根據CCITT G.711建議，采用自然對數的量化過(guò)程，在輸入幅度比較小的時(shí)候能夠提供比較大精度的量化，而對于出現概率比較小的大幅度信號，量化噪聲相對而言則較大。這種量化方式使得8 bit的數字量化信號在量化噪聲效果上等同于14 bit的線(xiàn)性量化。而ADPCM壓縮編碼則充分利用了相鄰的抽樣值幅度變化比較小的特點(diǎn)，編碼輸出結果是當前抽樣值與預測值的差值。雖然ADPCM編碼的保真度較高，但其壓縮比卻比較小，只能夠達到4/1的壓縮比。改進(jìn)的ADPCM編碼方法有IMA (Interactive Multimedia Association)提出的改進(jìn)算法，CCITT的G.721，G.723建議等[1]。

　　MPEG(Motion Picture Expert Group)音頻壓縮標準提供了一種高保真度，高壓縮比的壓縮算法。在ISO11172-3標準中，描述了具有不同復雜度和性能的子帶音頻編碼方案，以適應各種高音質(zhì)數字音頻的應用。根據編碼計算復雜度及編碼效率的不同，分為層I，層II和層III三種標準。

　　MPEG音頻標準最初來(lái)源于被分為四種類(lèi)型的算法草案，它們是音頻頻域感覺(jué)熵編碼ASPEC(Audio Spectral Perceptual Entropy Coding)，掩蔽模式通用子帶集成編碼與多路復用MUSICAM(Masking-pattern Universal Sub-band Integrated Coding and Multiplexing)，子帶ADPCM SB/ADPCM(Sub-Band Adaptive Difference PCM)。經(jīng)過(guò)一系列的客觀(guān)和主觀(guān)音質(zhì)測試，考慮到不同比特率下的音質(zhì)，對傳輸比特錯誤的敏感性，編碼/解碼復雜度，以及編解碼延時(shí)等因素，在大約100 kbit/s低碼率下，ASPEC和MUSICAM表現出最好的音質(zhì)效果。在低碼率(64 kbit/s)時(shí)，ASPEC表現出更為出色的音質(zhì)，而MUSICAM則在編碼解碼的復雜度和延時(shí)上略勝一籌。根據ASPEC的若干算法，對 MUSICAM進(jìn)行改進(jìn)，加大了計算復雜度，但獲得了更好的壓縮比及音質(zhì)，這就是ISO11172-3音頻層III的標準。

　　層I是最簡(jiǎn)單的一種算法。如Philips公司的數字盒式錄音機DCC(DIGItal Compact Cassette)便是利用層I的壓縮算法，其應用的比特率為192 kbit/s每通道。

　　層II具有中等的編碼復雜度，適用比特率大約為128 kbit/s每通道。廣泛應用于數字音頻廣播DAB(Digital Audio BroADCasting)的音頻編碼及視頻CD中。

　　層III是最復雜的編碼算法，但是在相同的比特率下，它所提供的音質(zhì)也是最好的。典型的比特率為64 kbit/s，最適合于ISDN上的音頻傳輸。

　　1998年4月22日，APT(Audio Processing Technique)公司利用Apt-X100系統，通過(guò)ISDN線(xiàn)路，成功地轉播了北京—東京—上海的“國際地球日”大型廣播音樂(lè )會(huì )。但是，這次轉播占用了3條(即6個(gè)B)的ISDN線(xiàn)路，以保證22 kHz頻響的立體聲傳送，這是由于A(yíng)pt-X100系統采用的是SB/ADPCM音頻壓縮方法[2]。然而，如果使用MPEG層III音頻壓縮方法，只需要一條ISDN線(xiàn)路，就可以實(shí)現22 kHz頻響的立體聲傳送。由于MPEG層III音頻壓縮編碼復雜度太高，運算量太大，難以用一般的DSP(Digital Signal Processor)單片實(shí)現，所以在目前的音響設備中很少使用這一算法。為了能用較低的成本實(shí)現MPEG層III這一高效音頻壓縮算法，我們對這一算法進(jìn)行了全面分析，提出了適用于DSP實(shí)現的編碼加速方案。

　　2　MPEG音頻層III壓縮編碼流程及特點(diǎn)

　　MPEG音頻層III壓縮編碼流程如圖1所示，相對于層Ⅰ和層Ⅱ而言，其特點(diǎn)在于：

　　圖1　MPEG音頻層Ⅲ編碼流程圖(單聲道模型)

　　(1)利用獨立于信號頻率及聲壓級的耳蝸擴散函數(Cochlea spreading function)—Modified Rounded 類(lèi)擴散函數，計算人耳聽(tīng)覺(jué)的掩蔽門(mén)限。

　　(2)增加了MDCT模塊，以提高頻率分辨率。

　　(3)通過(guò)控制環(huán)，對非均勻量化率進(jìn)行迭代分配，以保持相對恒定的信噪比。并且，采用不定長(cháng)熵編碼—Huffman編碼，對量化后的各子帶信號可以獲得更好的數據壓縮比。

　　將層III編碼算法流程分成：(1)時(shí)頻映射，(2)心理聲學(xué)模型，(3)量化編碼等三大功能塊。時(shí)頻映射中，是多相混合濾波器組(Polyphase/MDCT Hybrid Filter Bank)的計算，這是較規范的計算，其運算量是可計算的。而且有各種快速算法，以降低運算復雜度。心理聲學(xué)模型的計算，主要運算量集中在1 024點(diǎn)和256點(diǎn)的FFT。不過(guò)，這是比較標準的計算過(guò)程，無(wú)論用哪種FFT都可以精確估計其運算復雜度。而量化編碼是通過(guò)迭代循環(huán)來(lái)完成，其循環(huán)控制變量是不確定的，再加上Huffman碼表的查找表過(guò)程，使其運算量和復雜度難以預測和估計。因此，我們認為：量化編碼部分的規范化是優(yōu)化MPEG音頻層 III編碼的突破點(diǎn)。

　　層III編碼器迭代循環(huán)與量化編碼部分完成的功能是：將子帶濾波和MDCT變換后的樣值進(jìn)行量化并根據心理聲學(xué)模型的計算結果進(jìn)行量化噪聲的控制，使得在一定比特率要求的情況下完成頻域信號的Huffman編碼。層III量化編碼部分的迭代循環(huán)分為內循環(huán)和外循環(huán)，參考文獻[1]中FigureC. 9.a，C.9.b，C.9.c給出了量化編碼的迭代循環(huán)流圖。

　　3　用DSP實(shí)現音頻層III壓縮的主要問(wèn)題及解決方案

　　DSP編程并不提供像C語(yǔ)言一樣的靈活指針、數組尋址操作。在用DSP實(shí)現音頻層III壓縮中的迭代循環(huán)量化編碼時(shí)，由于涉及到非規則性的大量數組尋址操作，而消耗大量指令，降低了DSP的利用率，抑制了編碼的實(shí)時(shí)實(shí)現。因此，不規則的類(lèi)似表查詢(xún)指令，需要經(jīng)過(guò)很好的組織才能夠使程序結構清楚，簡(jiǎn)潔，高效。