基于定點(diǎn)DSP的MP3音頻編碼算法研究
加入技術(shù)交流群
2.2 心理聲學(xué)模型的簡(jiǎn)化
根據試驗觀(guān)察發(fā)現每幀的掩蔽閾值曲線(xiàn)大致相同,所以考慮采用靜態(tài)聲學(xué)心理模型,具體做法是:首先對某一具有代表性的音頻幀,根據心理聲學(xué)模型計算出掩蔽閾值曲線(xiàn),在壓縮其它音頻源時(shí),不再計算每幀的心理聲學(xué)模型,而是認為每幀信號與上述被分析過(guò)的代表幀具有相同的掩蔽特性?這樣,雖然不是很準確,但通常情況下,誤差不會(huì )太大,不易被人耳察覺(jué),省去心理聲學(xué)模型所需的巨大運算量和存儲空間?實(shí)踐證明編碼效果令人滿(mǎn)意,而且對于要求不是很高的應用場(chǎng)合,可以認為掩蔽閾值是頻率的常數函數,每個(gè)頻帶采用相同的量化階,也聽(tīng)不出聲音質(zhì)量的明顯下降?
2.3 量化編碼迭代循環(huán)的簡(jiǎn)化
量化編碼迭代是兩重循環(huán)過(guò)程,圖3是外迭代循環(huán)流圖,迭代的目的是在可用比特數的限制之內,以各頻帶的掩蔽值為依據,確定全局增益(體現了全局量化階)和各頻帶的縮放因子(體現了局部量化階)?內循環(huán)逐步增加量化器步長(cháng),即全局增益,直到MDCT系數量化后可被可用比特進(jìn)行霍夫曼編碼,即通過(guò)增加全局量化階以降低編碼比特數;外循環(huán)依據掩蔽閾值檢測各縮放因子帶的失真,若超過(guò)允許失真,則擴大該帶的MDCT系數,即增大該帶的縮放因子,以降低局部失真;最后一次迭代的結果作為最終的霍夫曼碼?每一次循環(huán)都要用當前的量化階量化并霍夫曼編碼一次,運算量相當大?從外循環(huán)可以看出掩蔽閾值最終決定縮放因子,為了能省去外迭代循環(huán),將代表幀的縮放因子作成表格,供每幀采用?
由于上述三個(gè)模塊是最主要并且運算量最大的模塊,通過(guò)對它們的簡(jiǎn)化和優(yōu)化,程序的大小和運算量可得到極大的減少?
為了實(shí)現MP3的實(shí)時(shí)編碼,必須采用高速DSP芯片?采用美國德州儀器(TI)公司的主流定點(diǎn)DSP芯片TMS320C549,其運算速度是100MIPS,調試開(kāi)發(fā)的環(huán)境是TI公司的第三方Spectrum Digital公司的EVM評估板,板上除了TMS320C549自帶的32K字片上內存外,還有128K字片外內存,數模轉換采用TI的TLC320AD55TLC320AD55,與PC機通過(guò)JTAG口實(shí)現數據與程序的加載和調試?
由于評估板與主機的接口速度太慢,即使能做到實(shí)時(shí)壓縮,將比特流傳給PC機存盤(pán)的速度也會(huì )跟不上?因此筆者采用的辦法是:將原始PCM音頻數據從PC機的硬盤(pán)文件加載到板上的片外內存,壓縮后的數據傳給PC機存盤(pán),再加載后續文件,壓縮存盤(pán),直到整個(gè)音頻文件全部壓縮完,最后用C語(yǔ)言程序將各數據塊拼成MP3文件,用軟件解碼程序回放?是否能達到實(shí)時(shí)要求只能通過(guò)測試每幀運行的指令數判斷?
在運用快速算法計算子帶分析濾波器時(shí),考慮到DSP芯片的特點(diǎn),每分解一次,要作一次如(10)式的加法,勢必降低精度,另外(11)和(12)式的系數動(dòng)態(tài)范圍太大,精度也會(huì )受到影響,因此,只分解到16點(diǎn)DCT運算?
采用靜態(tài)心理聲學(xué)模型,心理聲學(xué)模型和量化編碼外循環(huán)所需的運算量就為零?代表幀的心理聲學(xué)模型和縮放因子采用C語(yǔ)言或MATLAB語(yǔ)言編程計算,或者將網(wǎng)上下載的MP3文件中的縮放因子信息破譯出來(lái)加以利用,子帶分析濾波器之后的MDCT全部采用長(cháng)塊?表1是靜態(tài)縮放因子比特數和縮放因子的一種設置方案?
另外在內循環(huán)中,首先初步選擇一個(gè)全局增益使最大量化值小于碼表可編碼的最大值,標準推薦的作法是全局增益從小開(kāi)始,每循環(huán)一次量化后,比較最大量化值,并調整一次全局增益,直到滿(mǎn)足要求為止?本程序省去了這一循環(huán),事先根據最大譜線(xiàn)值計算出應有的全局增益,作成數據表格,程序中只需根據最大譜線(xiàn)值查表即可?初始化全局增益確定后,要分區?量化?編碼并計算編碼比特數,如果比特數太大或太小都還要調整全局增益?對這一迭代循環(huán)過(guò)程,采用折半搜索的辦法實(shí)現,也就是說(shuō)第一次循環(huán)時(shí)全局增益取上述初始化值的一半,若編碼比特數超出要求,則再取一半作為新的全局增益,否則增大一半,如此不斷循環(huán)直到無(wú)法折半為止?這種折半搜索的方法比逐一搜索要快很多?
采用了這些簡(jiǎn)化?優(yōu)化措施以及編程技巧,整個(gè)編碼程序運算量?jì)H需75MIPS左右,片上存儲空間占用27K字左右?用標準的MP3回放軟件解碼,通過(guò)主觀(guān)測評,音質(zhì)接近CD?
由于本系統對心理聲學(xué)模型進(jìn)行了大量的簡(jiǎn)化,對于一般的音樂(lè ),這種簡(jiǎn)化帶來(lái)的聲音質(zhì)量的下降并不明顯,尤其是在要求不高的應用場(chǎng)合完全可行?但是當應用到某些編碼難度較高的音頻信號,例如響板時(shí),聲音質(zhì)量下降較明顯?因此如果采用更高運算速度的DSP,可在該編碼系統中加入一個(gè)完備的或簡(jiǎn)化的動(dòng)態(tài)心理聲學(xué)模型,編碼質(zhì)量可進(jìn)一步提高,至于簡(jiǎn)化的動(dòng)態(tài)心理聲學(xué)模型還有待進(jìn)一步摸索?
評論