音頻編碼和解碼原理

音頻編碼和解碼原理

每張CD光盤(pán)重放雙聲道立體聲信號可達74分鐘。VCD視盤(pán)機要同時(shí)重放聲音和圖像，圖像信號數據需要壓縮，其伴音信號數據也要壓縮，否則伴音信號難于存儲到VCD光盤(pán)中。

一、伴音壓縮編碼原理
伴音信號的結構較圖像信號簡(jiǎn)單一些。伴音信號的壓縮方法與圖像信號壓縮技術(shù)有相似性，也要從伴音信號中剔除冗余信息。人耳朵對音頻信號的聽(tīng)覺(jué)靈敏度有其其規律性，對于不同頻段或不同聲壓級的伴音有其特殊的敏感特性。在伴音數據壓縮過(guò)程中，主要應用了聽(tīng)覺(jué)閾值及掩蔽效應等聽(tīng)覺(jué)心理特性。

1、閾值和掩蔽效應
(1) 閾值特性
人耳朵對不同頻率的聲音具有不同的聽(tīng)覺(jué)靈敏度，對低頻段(例如100Hz以下)和超高頻段(例如16KHZ以上)的聽(tīng)覺(jué)靈敏度較低，而在1K－5KHZ的中音頻段時(shí)，聽(tīng)覺(jué)靈敏度明顯提高。通常，將這種現象稱(chēng)為人耳的閾值特性。若將這種聽(tīng)覺(jué)特性用曲線(xiàn)表示出來(lái)，就稱(chēng)為人耳的閾值特性曲線(xiàn)，閾值特性曲線(xiàn)反映該特性的數值界限。將曲線(xiàn)界限以下的聲音舍棄掉，對人耳的實(shí)際聽(tīng)音效果沒(méi)有影響，這些聲音屬于冗余信息。
在伴音壓縮編碼過(guò)程中，應當將閾值曲線(xiàn)以上的可聽(tīng)頻段的聲音信號保留住，它是可聽(tīng)頻段的主要成分，而那些聽(tīng)覺(jué)不靈敏的頻段信號不易被察覺(jué)。應當保留強大的信號，忽略舍棄弱小的信號。經(jīng)過(guò)這樣處理的聲音，人耳在聽(tīng)覺(jué)上幾乎察覺(jué)不到其失真。在實(shí)際伴音壓縮編碼過(guò)程中，也要對不同頻段的聲音數據進(jìn)行量化處理?？蓪θ硕幻舾蓄l段采用較粗的量化步長(cháng)進(jìn)行量化，可舍棄一些次要信息；而對人耳敏感頻段則采用較細小的量化步長(cháng)，使用較多的碼位來(lái)傳送。
(2)掩蔽效應
掩蔽效應是人耳的另一個(gè)重要生理特征。如果在一段較窄的頻段上存在兩種聲音信號，當一個(gè)強度大于另一個(gè)時(shí)，則人耳的聽(tīng)覺(jué)閾值將提高，人耳朵可以聽(tīng)到大音量的聲音信號，而其附近頻率小音量的聲音信號卻聽(tīng)不到，好像是小音量信號被大音量信號掩蔽掉了。由于其它聲音信號存在而聽(tīng)不到本聲音存在的現象，稱(chēng)為掩蔽效應。
根據人耳的掩蔽特性，可將大音量附近的小音量信號舍棄掉，對實(shí)際聽(tīng)音效果不會(huì )發(fā)生影響。既使保留這些小音量信號，人耳也聽(tīng)不到它們的存在，它屬于伴音信號中的冗余信息。舍棄掉這些信號，可以進(jìn)一步壓縮伴音數據總量。
經(jīng)仔細觀(guān)察，掩蔽效應分為兩大類(lèi)，一類(lèi)是同時(shí)掩蔽效應，另一類(lèi)是短時(shí)掩蔽效應。其中，同時(shí)掩蔽效應是指同時(shí)存在一個(gè)弱信號和一個(gè)強信號，兩者頻率接近，強信號將提高弱信號的聽(tīng)閾值，將弱信號的聽(tīng)閾值提高到一定程度時(shí)，可使人耳聽(tīng)不到弱信號。例如，同時(shí)出現A、B兩聲，若A聲的聽(tīng)覺(jué)閾值為50dB，由于存在另一個(gè)不同頻率的B聲，將使A聲的閾值提高到64～68dB，例如取68dB，那么數值(68～50)dB=18dB，該值稱(chēng)為掩蔽量。將強大的B聲稱(chēng)為掩蔽聲，而較弱的A聲稱(chēng)為被掩蔽聲。上述掩蔽現象說(shuō)明，若僅有A聲時(shí)，其聲壓級50dB以上的聲音可以傳送出去，而50dB以下的聲音將聽(tīng)不到；若同時(shí)出現B聲，B聲具有同時(shí)掩蔽效應，使得A聲在聲壓級68dB以下的聲音也聽(tīng)不到了，即50～68dB之間的A聲人耳也聽(tīng)不到了，這些聲音不必傳送，即使傳送也聽(tīng)不到，只須傳送聲壓級68dB以上的聲音?？傊?，為了提高一個(gè)聲音的閾值，可以同時(shí)設置另一個(gè)聲音，使用這種辦法可以壓縮掉一部分聲音數據。在周?chē)职察o的環(huán)境下，人耳可以聽(tīng)到聲壓級很低的各種頻率聲音，但對低頻聲和高頻聲的掩蔽閾值較高，即聽(tīng)覺(jué)不靈敏。經(jīng)研究還發(fā)現，掩蔽聲越強，掩蔽作用越強；當掩蔽聲與被掩蔽聲的頻率相差越小，掩蔽效果越明顯，兩者頻率相等時(shí)，掩蔽效果最佳；低頻聲(設為B)可有效地掩蔽高頻聲(設為A)，而高頻聲(設為B)幾乎不能掩蔽低頻聲(設為A)。因而輸入信號時(shí)，在受掩蔽的頻帶內加入更大的噪聲時(shí)，人耳也感覺(jué)不到與原始信號有所區別。上述的同時(shí)掩蔽效應，又稱(chēng)為頻域掩蔽效應，它主要反映在頻域方面對掩蔽作用的影響。在聲音壓縮編碼中，更多地使用單頻聲音的掩蔽效應。
如果A聲和B聲不同時(shí)出現，也可發(fā)生掩蔽作用，稱(chēng)它為短時(shí)掩蔽效應。短時(shí)掩蔽又可分為兩種類(lèi)型，作用仍可持續一段時(shí)間，即后向掩蔽和前向掩蔽。后向掩蔽是指掩蔽聲B消失后，其掩蔽作用仍可持續一段時(shí)間，一般可達0.5～2秒。掩蔽機理是人耳的存儲效應所致。而前向掩蔽是指被掩蔽聲A出現一段時(shí)間后出現掩蔽聲B，只要A、B聲音隔不太大(一般在0.05～0.2秒以?xún)?，B也可對A起掩蔽作用。掩蔽機理是A聲尚未被人耳感知接受時(shí)，強大的B聲已來(lái)臨所致。在實(shí)踐中，后向掩蔽有較高的應用價(jià)值。短時(shí)掩蔽效應具有很強的時(shí)域結構特性，故又稱(chēng)為時(shí)域掩蔽效應。在聲音壓縮編碼中，應兼顧好人耳的頻域和時(shí)域兩種掩蔽效應。

2、子帶編碼原理
(1)子帶編碼和解碼過(guò)程
所謂子帶編碼技術(shù)，是將原始信號由時(shí)間域轉變?yōu)轭l率域，然后將其分割為若干個(gè)子頻帶，并對其分別進(jìn)行數字編碼的技術(shù)。它是利用帶通濾波器(BPF)組把原始信號分割為若干(例如m個(gè))子頻帶(簡(jiǎn)稱(chēng)子帶)。

在接收端實(shí)現發(fā)送端的逆過(guò)程。輸入子帶編碼數據流，將各子帶信號分別送到相應的數字解碼電路(共m個(gè))進(jìn)行數字解調，經(jīng)過(guò)諸路低通濾波器(m路)，并重新解調，可把各子帶頻域恢復為當初原始信號的分布狀態(tài)。最后，將各路子帶輸出信號送到同步相加器，經(jīng)過(guò)相加恢復為原始信號，該恢復的信號與原始信號十分相似。
(2)子帶編碼的應用
子帶編碼技術(shù)具有突出的優(yōu)點(diǎn)。首先，聲音頻譜各頻率分量的幅度值各不相同，若對不同子帶分配以合適的比例系數，可以更合理地分別控制各子帶的量化電平數目和相應的重建誤差，使碼率更精確地與各子帶的信號源特性相匹配。通常，在低頻基音附近，采用較大的比特數目來(lái)表示取樣值，而在高頻段則可