四川大学计算机学院 多媒体技术 9

MPEG声音

一、

MPEG-1Audio

二、MPEG-2Audio三、MPEG-2ACC四、MPEG-4Audio

2002年10月28日MPEG声音

MPEG-1Audio、MPEG-2Audio、MPEG-2ACC声音数据压缩编码——感知声音编码(perceptualaudiocoding)

利用人的听觉系统的感知特性来达到压缩声音数据的目的不同于与波形声音压缩编码(如ADPCM)和参数编码(如LPC)：依据波形本身的相关性和模拟人的发音器官的特性）2002年10月28日MPEG声音

对响度的感知

“听阈—频率”曲线2002年10月28日MPEG声音

对音高的感知“音高—频率”曲线2002年10月28日MPEG声音

掩蔽效应一种频率的声音阻碍听觉系统感受另一种频率的声音的现象

频域掩蔽一个强纯音会掩蔽在其附近同时发声的弱纯音，这种特性称为频域掩蔽，也称同时掩蔽时域掩蔽在时间上相邻的声音之间的掩蔽现象。两种时阈掩蔽：超前掩蔽和滞后掩蔽2002年10月28日MPEG声音

心理声学模型(psychoacousticmodel)听觉阈值电平听觉阈值的大小随声音频率的改变而改变，各个人的听觉阈值也不同。（大多数人2kHz～5kHz）一个人是否能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。听觉掩饰特性听觉阈值电平是自适应的，即听觉阈值电平会随听到的不同频率的声音而发生变化。

2002年10月28日MPEG声音

MPEGAudio采用的两种感知编码：感知子带编码(perceptualsub-bandcoding)思想是首先把时域中的声音数据变换到频域，对频域内的子带分量分别进行量化和编码，然后根据心理声学模型确定样本的精度，从而达到压缩数据量的目的。不局限于只对话音进行编码，也不局限于哪一种声源。DolbyAC-3编码2002年10月28日MPEG-1Audio感知子带编码压缩算法框图

2002年10月28日MPEG-1AudioDolbyAC-3压缩编码算法框图2002年10月28日MPEG-1AudioMPEG声音编码器结构图2002年10月28日MPEG-1AudioMPEG声音解码器结构图2002年10月28日MPEG-1AudioISO/MPEGaudio层1和层2编码器和解码器的结构2002年10月28日MPEG-1AudioISO/MPEGaudio层3编码器和解码器的结构2002年10月28日MPEG-2AudioMPEG-1和-2的声音数据规格参数名称LinearPCMDolbyAC-3MPEG-2AudioMPEG-1Audio采用频率48/96kHz32/44.1/48kHz16/22.05/24/32/44.1/48kHz32/44.1/48kHz样本精度

(每个样本的比特数)16/20/24压缩(16bits)压缩(16bits)16最大数据传输率6.144Mb/s448kb/s8～640kb/s32～448kb/s最大声道数85.15.1/7.122002年10月28日MPEG-2ACCMPEG-2AAC（Advancedaudiocoding）编码思想：主要使用听觉系统的掩蔽特性来减少声音的数据量，并且通过把量化噪声分散到各个子带中，用全局信号把噪声掩蔽掉。与MPEG-1声音格式不兼容

适用范围：AAC支持的采用频率可从8kHz到96kHzAAC编码器的音源可以是单声道的、立体声的和多声道的声音。（AAC标准可支持48个主声道、16个低频音效加强通道LFE(lowfrequencyeffects)、16个配音声道(overdubchannel)或者叫做多语言声道(multilingualchannel)和16个数据流。）2002年10月28日MPEG-2ACCMPEG-2AAC（Advancedaudiocoding）压缩率：MPEG-2AAC压缩比为11:1（即每个声道的数据率为(44.1×16)/11=64kb/s）。在5个声道的总数据率为320kb/s的情况下，很难区分还原后的声音与原始声音之间的差别。与MPEG的层2相比，MPEG-2AAC的压缩率可提高1倍，而且质量更高；与MPEG的层3相比，在质量相同的条件下数据率是它的70％。2002年10月28日MPEG-2ACC

MPEG-2AAC的配置开发MPEG-2AAC标准采用模块化的方法：把整个AAC系统分解成一系列模块，用标准化的AAC工具(advancedaudiocodingtools)对模块进行定义（MPEGAudio标准是对整个系统进行标准化）AAC标准定义了三种配置：基本配置低复杂性配置可变采样率配置2002年10月28日MPEG-2AAC编码器框图2002年10月28日

MPEG-2AAC解码器框图2002年10月28日MPEG-4Audio

MPEG-4Audio标准：集成从话音~高质量的多通道声音；从自然声音~合成声音编码方法：参数编码(parametriccoding)码激励线性预测(codeexcitedlinearpredictive，CELP)编码时间/频率T/F(time/frequency)编码结构化声音SA(structuredaudio)编码合成声音：MIDI；TTS2002年10月28日MPEG-4Audio

自然声音

(naturalaudio)MPEG-4声音编码器支持数据率2kb/s~64kb/s之间的自然声音。三种类型声音编码器：

2002年10月28日MPEG-4Audio

1、参数编码器使用声音参数编码技术。采样频率为8kHz的话音(speech)，输出数据率为2～4kb/s；采样频率为8kHz或16kHz的声音(audio)，输出数据率为4～16kb/s。2002年10月28日MPEG-4Audio

2、CELP编码器使用CELP(codeexcitedlinearpredictive)技术。采样频率为8kHz的窄带话音或16kHz的宽带话音，输出数据率6～24kb/s2002年10月28日MPEG-4Audio

3、T/F编码器使用时间-频率(time-to-frequency，T/F)技术。这是一种使用矢量量化(vectorquantization，VQ)和线性预测的编码器，采样频率为8kHz的声音信号，输出的数据率大于16kb/s。2002年10月28日MPEG-4Audio

MPEG-4Audio编码方框图2002年10月28日MPEG-4Audio

文-语转换

TTS(text-to-speech)将文本形式的信息转换成自然语