實驗六—mpeg音頻編碼實驗

一、基本原理

• 音頻信號
  通常將人耳可以聽到的頻率在20hz-20khz的聲波稱爲聲音信號，聲音振動被拾音器轉化爲的電信號稱爲音頻信號。人說話的信號頻率在300hz到3000hz，將該頻段的信號稱爲語音信號。
• 壓縮的可行性
  聲音信號中存在大量的冗餘信息，在不同的分析域冗餘的表現不同，結合時域和頻率域可以較好的去除冗餘。在時域，信號的幅度分度非均勻，小幅度樣值出現概率比大幅度樣值出現概率高；語音信號變化比較緩慢，各信號樣值間的相關性較強，可以用差分編碼去除冗餘。在頻域，長時功率譜函數分佈非均勻，低頻能量高，高頻能量低。
  聲音中存在一些人耳感覺不到的部分，根據人耳的心理聽覺模型可以找出這部分冗餘信息，並把它去除掉，而不影響人的聽覺效果。
• MPEG-1 層二編碼器原理
  
  多相濾波器組：將pcm樣本變換到32個子帶的頻域信號，如果輸入的採樣頻率爲48khz，那麼子帶寬度爲48/（2*32）=0.75hz；其中48/2表示信號的最高頻率。
  心理聲學模型：計算信號中不可感知的部分，利用人耳的掩蔽效應，找到聲音信號中冗餘的部分。
  比特分配器：根據心理聲學模型的計算結果，爲每個子帶信號分配比特數。
  裝幀：根據MPEG-1的編碼格式產生兼容的比特流。

二、實驗步驟

• 理解程序設計的整體框架
• 理解感知音頻編碼的設計思想
• 理解心理聲學模型的實現過程
• 理解碼率分配的實現思路
• 輸出音頻的採樣率和目標碼率
• 選擇其中一個數據幀輸出該幀所分配的比特因子和比特分配結果

三、關鍵代碼分析

實際實現中子帶的個數不一定爲32個，在測試音頻中子帶數爲30個。

//add by zhn
    if(mask>0)
    {
        fprintf(temp,"音頻採樣率爲%f\n",s_freq[header.version][header.sampling_frequency]);
        fprintf(temp,"目標碼率爲%d\n",bitrate[header.version][header.bitrate_index]);
        fprintf(temp,"第%d幀\n",mask);
        mask=mask-1;
        fprintf(temp,"該幀所分配的比特數%d\n",avidadb);
        fprintf(temp,"該幀比例因子\n");
        for(m=0;m<nch;m++)
        {
            fprintf(temp,"channel[%d]\n",m+1);
            for(p=0;p<frame.sblimit;p++)
            {
                fprintf(temp,"%d\t%d\t%d\t",scalar[m][0][p],scalar[m][1][p],scalar[m][2][p]);
                fprintf(temp,"\n");
            }
            fprintf(temp,"\n");
        }
        fprintf(temp,"\n");
        fprintf(temp,"該幀比特分配\n");
        for(m=0;m<2;m++)
        {
            fprintf(temp,"channel[%d]\n",m+1);
            for(n=0;n<frame.sblimit;n++)
            {
                fprintf(temp,"%d\t",bit_alloc[m][n]);
                if((n+1)%8==0)
                    fprintf(temp,"\n");
            }
            fprintf(temp,"\n");
        }
        fprintf(temp,"\n");
    }
    //end add

四、實驗結果

五、實驗結論

在保證聽覺效果的前提下，mpeg音頻壓縮可以達到較好的壓縮效果。