（电路与系统专业论文）avs音频编码中长短窗的matlab仿真及fpga实现.pdf

南开大学学位论文使用授权书 根据南开大学关于研究生学位论文收藏和利用管理办法，我校的博士、硕士学位 获得者均须向南开大学提交本人的学位论文纸质本及相应电子版。 本人完全了解南开大学有关研究生学位论文收藏和利用的管理规定。南开大学拥有在 著作权法规定范围内的学位论文使用权，即：( 1 ) 学位获得者必须按规定提交学位论文 ( 包括纸质印刷本及电子版) ，学校可以采用影印、缩印或其他复制手段保存研究生学位论 文，并编入南开大学博硕士学位论文全文数据库；( 2 ) 为教学和科研目的，学校可以将 公开的学位论文作为资料在图书馆等场所提供校内师生阅读，在校园网上提供论文目录检 索、文摘以及论文全文浏览、下载等免费信息服务；( 3 ) 根据教育部有关规定，南开大学向 教育部指定单位提交公开的学位论文；( 4 ) 学位论文作者授权学校向中国科技信息研究所和 中国学术期刊( 光盘) 电子出版社提交规定范围的学位论文及其电子版并收入相应学位论文 数据库，通过其相关网站对外进行信息服务。同时本人保留在其他媒体发表论文的权利。 非公开学位论文，保密期限内不向外提交和提供服务，解密后提交和服务同公开论文。 论文电子版提交至校图书馆网站：h t t p ：2 0 2 1 1 3 2 0 1 6 1 ：8 0 0 1 i n d e x h t m 。 本人承诺：本人的学位论文是在南开大学学习期间创作完成的作品，并已通过论文答 辩：提交的学位论文电子版与纸质本论文的内容一致，如因不同造成不良后果由本人自负。 本人同意遵守上述规定。本授权书签署一式两份，由研究生院和图书馆留存。 作者暨授权人签字： 2 0年月日 南开大学研究生学位论文作者信息 论文题目 姓名学号答辩日期年月 日 论文类别博士口学历硕士口硕士专业学位口高校教师口 同等学力硕士口 院系所 专业 联系电话 e m a i l 通信地址( 邮编) ： 备注： 是否批准为非公开论文 注：本授权书适用我校授予的所有博士、硕士的学位论文。由作者填写( 一式两份) 签字后交校图书 馆，非公开学位论文须附南开大学研究生申请非公开学位论文审批表。 南开大学学位论文使用授权书 根据南开人学关 ：研究生学位论j 丈收藏和利川管理办法，我校的博十、硕十学位获 得者均须向南开大学提交本人的学位论文纸质本及相应电子版。 本人完全了解南开火学有关研究生学位论文收藏平i j 利川的管理规定。南开人学拥有在 著作权法规定范围内的学位论文使川权，即：( 1 ) 学位获得者必须按规定提交学位论文( 包 括纸质印刷本及电子版) ，学校可以采州影印、缩印或其他复制手段保存研究生学位论文， 并编入南开大学博硕士学位论文全文数据库；( 2 ) 为教学和科研目的，学校可以将公开 的学位论文作为资料在图1 5 馆等场所提供校内师生阅读，住校同网上提供论文日录检索、文 摘以及论文全文浏览、下载等免费信息服务：( 3 ) 根据教育部有关规定，南开人学向教育部 指定单位提交公开的学位论文；( 4 ) 学位论文作者授权学校向中国科技信息研究所和中国学 术期刊( 光盘) 电子出版社提交规定范围的学位论文及其电子版并收入相应学位论文数据库， 通过其相关网站对外进行信息服务。同时本人保留在其他媒体发表论文的权利。 非公开学位论文，保密期限内不向外提交和提供服务，解密后提交和服务同公开论文。 论文电子版提交至校图书馆网站：h t t p ：2 0 2 1 1 3 2 0 1 6 1 ：8 0 0 1 i n d e x h u n 。 本人承诺：本人的学位论文是在南开人学学习期间创作完成的作品，并已通过论文答辩； 提交的学位论文电子版与纸质本论文的内容一致，如冈不同造成不良后果由本人自负。 本人同意遵守上述规定。本授权1 5 签署一式两份，由研究生院和图i ；馆留存。 作者暨授权人签字： 2 0r o 年3 - 月乡dr 南开大学研究生学位论文作者信息 榴懒喁。_ t 厶2 ) 俯瑶 论文题目 姓名 学号。l2 i 沙田7 0m 占l 答辩日j i jf 加f o 年厂月气 论文类别博士口学历硕士一硕士专业学位口高校教师口同等学力硕士口 院系所i 彳三 擀等p 哮一f 专业f 嗽鸟与 联系电话 】p ? 6 0 占6 i e m a i l 通信地址( 邮编) ： 备注：l 是否批准为1 卜公开论文 注：本授权书适用我校授予的所有博士、硕士的学位论文。由作者填写( 一式两份) 签字后交校图书 馆，非公开学位论文须附南开大学研究生申请非公开学位论文审批表。 南开大学学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师指导下进行研究工作所 取得的研究成果。除文中已经注明引用的内容外，本学位论文的研究成果不包 含任何他人创作的、已公开发表或者没有公开发表的作品的内容。对本论文所 涉及的研究工作做出贡献的其他个人和集体，均已在文中以明确方式标明。本 学位论文原创性声明的法律责任由本人承担。 学位论文作者签名： 非公开学位论文标注说明 年月 日 根据南开大学有关规定，非公开学位论文须经指导教师同意、作者本人申 请和相关部门批准方能标注。未经批准的均为公开学位论文，公开学位论文本 说明为空白。 论文题目 申请密级口限制( 2 年)口秘密( 1 0 年)口机密( 2 0 年) 保密期限 2 0 年月日至2 0年月日 审批表编号批准日期 2 0 年月 日 限制2 年( 最长2 年，可少于2 年) 秘密l o 年( 最长5 年，可少于5 年) 机密2 0 年( 最长1 0 年。可少于l o 年) 摘要 摘要 a v s 音视频编解码技术标准是我国具有自主知识产权的基础性技术标准， 在未来的若干年里，它将代替m p e g 标准成为我国普遍采用的音视频编解码标 准。a v s 音视频标准还在不断的发展成熟之中，就a v s 音频来看，它在相应模 块的复杂度、音质、压缩比等性能方面与m p e g a a c 相仿，完全可以替代m p e g 音频。 本文的主要工作是研究a v s 音频编码标准，重点针对其长短窗算法进行 m a t l a b 仿真及f p g a 实现。为此，本文首先分析了数字音频编码技术的发展现 状，以及当前主流的音频编码技术，并在性能上进行比较，体现出a v s 的优越 性；其次，介绍了a v s 音频编码技术中各个模块的内容及其各自实现功能；然 后讨论了s o p c 系统的软硬件设计以及长短窗算法向f p g a 平台的移植，并在 a l t e r ad e l 开发板上得到实现；紧随，通过对m a t l a b 与q u a r t u si i 两个仿真平台 的仿真结果进行比较，验证了f p g a 硬件实现达到了预期设计；本文最后对全 文进行总结，讨论了长短窗算法的不足之处和改进的方向，提出了下一阶段的工 作计划。 关键词：a v s 长短窗s o p cm a t l a bf p g a a b s t r a c t a b s t r a c t t h es t a n d a r do fa v sa u d i o v i d e oc o d i n ga n dd e c o d i n gt e c h n i q u es t a n d a r di so u r c o u n t r y sb a s i cs t a n d a r d 、析t l ls e l f - o w n e di n t e l l e c t u a lp r o p e r t yr i g h t s i nt h ef u t u r e ，i t w o u l dr e p l a c em p e gt ob e c o m et h ec o m m o n l yu s e da u d i o v i d e oc o d i n ga n d d e c o d i n gs t a n d a r d n o w , t h i ss t a n d a r di ss t i l li nc o n t i n u o u s l yd e v e l o p i n g f o ra v s a u d i o ，i ti ss i m i l a rt om p e ga a ci nt h ea i mo fm o d u l ec o m p l e x i t y , q u a i i t yo fa u d i o a n dc o m p r e s s i n gr a t i oa n dc a nt a k et h ep l a c eo fm p e g c o m p l e t e l y h lm i st h e s i s ，0 1 1 1 w o r ki st or e s e a r c ha v sa u d i o v i d e oc o d i n ga n dd e c o d i n g s t a n d a r d ，e s p e c i a l l yf o rm a t l a bs i m u l a t i o nw i t hl o n g - s h o r tw i n d o wa l g o r i t h ma n d f p g ar e a l i z a t i o n f o rt h i s ，f i r s t l gw ea n a l y z e dt h ed e v e l o p m e n tc o n d i t i o no fd i g i t a l a u d i oc o d i n ga n dd e c o d i n gt e c h n i q u ea n dt h ec u r r e n t l yu s e dt e c h n i q u e w ec o m p a r e d t h e i rp e r f o r m a n c et os h o wt h es u p e r i o r i t yo fa v s s e c o n d l y , w ei n t r o d u c e dt h e c o n t e n t so fe a c hm o d u l ea n dt h e i rf u n c t i o n so fa v sa u d i oc o d i n ga n dd e c o d i n g t e c h n i q u e ，d i s c u s s e dt h es o r w a r ea n dh a r d w a r ed e s i g no fs o p cs y s t e ma n dt h e t r a n s p l a n t a t i o nt of p g ap l a t f o r m a n dr e a l i z e di t i na l t e md e1d e v e l o p m e n tb o a r d w ea l s oc o m p a r e dt h es i m u l a t i o nr e s u l t so fm a t l a ba n dq u a r t u si ia n dv e r i f i e dt h a t t h ef p g ah a r d w a r eh a v er e a c h e dt h ed e s i r e dr e s u l t f i n a l l y , w eg i v et h ec o n c l u s i o n o ft h i st h e s i s ：d i s c u s s i n gt h es h o r t a g ea n di m p r o v i n go r i e n t a t i o no fl o n g - s h o r tw i n d o w a l g o r i t h ma n dp r o p o s e dt h ew o r kp l a nf o rt h en e x ts t a g e k e yw d r d s ：a v sl o n g s h o r tw i n d o w s s o p cm a t l a bf p g a 目录 目录 第1 章绪论1 1 1 课题研究背景和意义l 1 2 音频数字压缩编码技术2 1 3 音频编码的实时实现方法一6 1 4 论文研究的主要内容7 第2 章a v s 音频编码标准8 2 1a v s 音频的发展和现状8 2 2a v s 音频编码框架8 2 3a v s 音频编码的关键技术9 2 3 1 瞬时特性判决方法9 2 3 2 多分辨率分析1o 2 3 3 量化域方极坐标立体声变换( p q - s p s c ) 1 0 2 3 4 上下文位平面编码( c b c ) 11 2 4 本章小结1 3 第3 章系统的软硬件开发1 4 3 1s o p c 系统特点与开发流程。1 4 3 2 系统硬件开发一15 3 2 1q u a r t u s i i l 9 is o p cb u i l d e r 1 6 3 2 2 定制硬件系统：1 7 3 2 3 系统各硬件模块的配置2 0 3 3 系统软件开发2 9 3 3 1 软件开发环境介绍2 9 3 3 2n i o si ii d e 。3 0 i i i 目录 3 3 3h a l 系统库3l 3 3 4 应用程序开发3 4 3 4 本章小节3 5 第4 章长短窗模块的设计与实现3 6 4 1 长短窗模块的m a t l a b 仿真3 6 4 1 1 分帧3 7 4 1 2 基于能量特征的判决3 8 4 1 3 基于不可预测度的判决3 8 4 1 4 加窗过程3 9 4 2 各功能模块的调试4 0 4 2 1s d r a m 调试4 0 4 2 2f l a s h 调试4 2 4 2 3f f t 调试4 3 4 3 本章小结4 5 第5 章仿真结果分析4 6 第6 章总结4 8 致谢4 9 参考文献5 0 个人简介5 2 i v 第1 章绪论 第1 章绪论 1 1 课题研究背景和意义 近二十年来随着半导体、微电子、大规模集成电路等技术的快速发展，计 算机性能得以大幅提高，通信技术和存储技术的发展使得网络的带宽和存储容 量得到大幅的增加。在此基础上，消费类电子、通信、广播、计算机技术日益 紧密地结合起来，世界进入了数字化网络化的信息时代。在计算机、通信、娱 乐相融合的应用背景下，数字多媒体技术迅速发展，数字音视频在各种场合通 过各种渠道开始影响人类的传统生活方式。人们对以图像音视频编解码技术为 基础的数字存储媒体、数字电视广播、视频会议、互联网无线网宽带流媒体等 一系列应用的需求广泛而强烈。 数字音视频编解码技术是数字音视频产业的共性基础。数字音视频，数据 量大，对带宽和处理能力要求高。如不进行压缩其巨大的数据量是网络带宽和 存储空间难以承受的。对数字音视频进行有效的压缩可以使音视频服务在一定 的系统资源下，为更多的人提供更优质的音视频服务。 国际上音视频编解码标准主要两大系列：i s o i e c 制定的m p e g 系列标准； i t u 针对多媒体通信制定的h 2 6 x 系列视频编码标准和g 7 系列音频编码标准。 1 9 9 4 年由m p e g 和i t u 合作制定的m p e g 2 是第一代音视频编解码标准的代表， 也是目前国际上最为通行的音视频标准。经过十多年演变，音视频编码技术本 身和产业应用背景都发生了明显变化，后起之秀辈出。目前音视频产业可以选 择的信源编码标准有四个：m p e g 2 、m p e g - 4 、m p e g - 4a v c ( 简称a v c ，也 称t 、h 2 6 4 ) 、a v s 。从制订者分，前三个标准是由m p e g 专家组完成的， 第四个是我国自主制定的。从发展阶段分，m p e g 2 是第一代信源标准，其余三 个为第二代标准。从主要技术指标一编码效率比较：m p e g 4 是m p e g 一2 的1 4 倍，a v s 和a v c 相当，都是m p e g 2 两倍以上。 各国在选择标准的问题上，都是基于本国或者本地区的产业利益的，对于 数字电视来说，美国的a t s c 数字电视标准中视频标准选择的是m p e g 2 ，音频 标准选择的是a c 3 ，欧洲的d v b 数字电视标准中的音视频标准均采用了 第1 章绪论 m p e p 2 标准。同样，中国选择拥有自主知识产权的a v s 作为标准，能够发挥 自己的技术优势，取得较大的国际影响。据预测，数字音视频产业将超过通信 产业，在未来几年将成为国民经济第一大产业。a v s 作为数字音视频产业“牵 一发动全身 的基础性标准，为我国构建“技术一专利- 标准一芯片与软件_ 整机与系统制造_ 数字媒体运营与文化产业 的产业链条提供了难得机遇【l j 。 如何在现有技术水平和硬件条件下实现合理、优化、实时的多媒体产品一 直是近年来学术领域和产业界关注的方向。目前，音频编码器的实现可以在通 用的个人计算机( p e r s o n a lc o m p u t e r ，p c ) 数字信号处理器( d i g i t a ls i g n a l p r o c e s s o r ，d s p ) 上用软件实现，但由于并非专用于音频处理，实现效率不高。 也可以使用专用的音频处理器专用集成电路( a p p l i c a t i o ns p e c i f i ci n t e g r a t e d c i r c u i t ，a s i c ) ，但是这种方案缺乏灵活性。 还有一类专门针对音频处理的f p g a ，为了便于实现音频数据处理，其处理 器结构经过了特别优化设计，且提供了有针对性的指令集。基于f p g a 的音频 编码器的灵活性比a s i c 编码器要高，开发周期短，易于升级和更新换代，为嵌 入式片上系统( s y s t e mo nap r o g r a m m a b l ec h i p ，s o p c ) 设计提供了一条全新理 想的开发途径，是目前实现音频应用系统的理想平台【2 j 。 本文针对a v s 音频的特点，提出并实现了基于f p g a 平台的a v s 音频编码 方案，重点研究了a v s 音频编码中长短窗模块的f p g a 实现。通过此课题的研 究，可以推进基于f p g a 平台的a v s 音频编码器的应用，从而推动我国数字音 视频标准a v s 音频的发展。 1 2 音频数字压缩编码技术 音频编码技术的发展最初是从无损编码开始的。7 0 年代初，开始采用的类 似脉冲编码调制( p u l s ec o d i n gm o d u l a t e ，p c m ) 的瞬时压缩技术和块压缩 ( b l o c k c o m p a s s i n g ，b c ) 技术。这种技术的编码效率较低。8 0 年代，数字信 号处理技术的发展，使复杂的音频编码算法的运用成为可能。压缩比较高、算 法较复杂的音频编码技术的探索取得了重大成果，出现了从音质尚可到音质卓 越的一系列频域编码算法。8 0 年代末至9 0 年代初涌现的编码算法普遍采用了一 种高效率编码技术，即利用人耳的掩蔽效应和临界频带等特性来进行子带编码 和变换编码【3 l 。其中有：掩蔽型通用子带综合编码复用系统( m a s k i n gp a t t e m 2 第1 章绪论 a d a p t e du n i v e r s a ls u b b a n di n t e g r a t e dc o d i n ga n dm u l t ，m u s i c a m ) 、12 8 k b p s 的 音频压缩标准( a u d i oc o m p r e s s i o n ，a c ) 2 编码器、a c 3 系统、自适应频谱感 知熵编码( a d a p t i v es p e c t r a lp e r c e p t u a le n t r o p yc o d i n g ，a s p e c ) 和子带自适应 音频脉冲编码( s u b b a n da d a p t i v ed i f f e r e n c ep u l s ec o d em o d u l a t i o n ，s b - a d p c m ) 算法等。9 0 年代至今，有损音频编码把音频数据的压缩率提高到1 2 ：1 ，付出的 代价是音质的下降。如果人们根据不同的应用要求把音频质量同数据压缩率进 行折衷，这些方案就显得非常有用。比较著名的有：m p 3 、高级音频编码 ( a d v a n c e da u d i oc o d i n g ，a a c ) 、r m 等。同时，能给最终用户提供最佳的听 觉体验的无损编码技术也取得了新的突破，m e r i d i a n 无损编码( m e r i d i a nl o s s l e s s p a c k i n g ，m l p ) 是一种应用所有权技术的音频编解码计划。它能传送多声道环 绕声，并以可能的最高的动态范围和更高的取样频率来确保任何声音细节都表 现完美4 1 。 m p e g 1 音频编码采用了两种编码算法：m u s i c a m 和a s p e c 。以这两种 算法为基础形成了三个不同层次的音频编码算法，对应不同的应用要求并具有 不同的编码复杂度。在m p e g 1 的音频编码标准中，按照复杂度规定了三种模 式( 层i 、层、层h i ) 。广泛使用的v c d 的音频压缩方案为层i ，即简化的 m u s i c a m ，典型码流19 2 k b p s 。层i i 等同于m u s i c a m ，称为掩蔽模式通用子 带集成编码与多路复用，典型码流1 2 8 k b p s ，广泛应用于数字音频广播、数字演 播室等数字音频专业的制作、交流、存储和传送。层i i i 是综合了层i i 和a s p e c 的优点提出的混合编码技术，它的复杂度相对较高，编码不利于实时，它是 m u s i c a m 和a s p e c 两个算法的结合，典型码流6 4 k b p s ，低码率仍有高质的音 质。 m p e g 1l a y e ri i i i i i 是i s o i e cm p e g 在1 9 9 2 年提出的，之后1 9 9 4 年1 1 月又进行了多声道扩展，通过了一种多声道环绕声音频编码技术m p e g 一2b c ( 后 向兼容方式) ，即i s o i e c1 3 8 1 8 3 。m p e g 2b c 主要是在m p e g - l 和c c i r r e c 7 5 5 的基础上发展起来的【5 】。与m p e g 1 相比较，m p e g 2 主要在两方面做 了重大改进，一是支持多声道声音格式：二是为某些低码率应用场合，如体育 比赛解说等进行的低采样率扩展。同时，标准规定的码流格式还可与m p e g - 1 的第l 和第2 层前、后向兼容，并可依据c c i rr e c 7 5 5 与双声道、单声道格式 向下兼容，还能够与d o l b ys u r r o u n d 格式兼容。在m p e g 2b c 中采用了多种新 技术，如动态传输通道切换、动态串音、自适应多声道预测、中央声道幻象编 3 第1 章绪论 码( p h a n t o mc o d i n go f c e n t e 0 、预矫正( p r e d i s t o r t i o n ) 等。 m p e g 2a a c 是m p e g 2 标准中的一种非常灵活的声音感知编码标准。它 主要使用听觉系统的掩蔽特性来减少声音的数据量，并且把量化噪声分散到各 个子带中，通过全局信号把噪声掩蔽掉【6 】。在m p e g 2 的正式听音测试中，数据 流速率为3 2 0 k b p s 的a a c 可以提供比数据流速率为6 4 0 k b p s 的m p e g 2b c 更 好的音质。因此，a a c 是一种比m p e g 2b c 编码算法更好的音频压缩算法， 而且可以适用于各种环境，如可以做电视信号的伴音，网络流媒体等【7 1 。 d o l b y 数码( 又称作杜比环绕影音) ，是由美国杜比实验室开发的性能卓越 的数字音频编码系统，其中a c 1 用于卫星通信和数码有线广播，a c 2 用于专 业音频的传输和存储，a c 3 采用第三代a t c 技术，被称为感觉编码系统，它将 特殊的心理音响知识、人耳效应的最新研究成果与先进的数码信号处理技术很 好地结合起来，形成了这种“数字多声道音频处理技术”。d o l b y a c 3 最初是针 对影院系统开发的，但目前已成为应用最为广泛的环绕声压缩技术之一，是美 国的d v d 、卫星数字广播( d i g i t a lb r o a d c a s ts a t a l l i t e ，d b s ) 和a t s ch d t v 伴 音的通用标型引。另外，i n t e lm m x 技术也支持a c 3 作为未来计算机多媒体音 频方案，以实现i n t e m e t 实时音频传输。d o l b y a c 3 从时域到频域的映射是通过 一个时变滤波器组实现的。对于稳态信号采用5 1 2 点的m d c t ，而对于瞬态信 号采用2 5 6 点的m d c t 。心理声学模型用于两个过程，首先使用完全心理声学 模型简化控制操作过程，然后进行参数化，这些参数将出现在编码器和解码器 中。 d t s 中的音频数据保存于c d r o m 上，而没有将声音记录在胶片上，只是 根据胶片上的时间码同步播放c d r o m 。由于c d r o m 与电影磁迹相比，具有 更大的容量和更稳定的可靠程度，因此它可在4 ：1 压缩比的情况下提供质量更高 的多声道音频信息f 9 l 。d t s 相干声学编码策略涉及两项主要处理，即子带滤波和 自适应差分编码调制( a d a p t i v ed i f f e r e n t i a lp c m ，a d p c m ) 。滤波处理将整个未 压缩的全带宽信号分割成许多带宽较窄的子带，各子带互相独立地分别处理。 每个子带内实施差分编码( 子带a d p c m ) ，从信号中去除客观的冗余信息。同 时，实施心理声学和瞬态分析以确定感知上的不相关信息。差分编码和心理声 学建模的噪声掩蔽门限相结合，能高效地降低比特率。 d o l b ye 是专为数字电视广播传送和后期制作而设计的一种专业级音频编码 系统 1 0 】。利用d o l b ye 技术，一个a e s e b u 信道就可以传送多达8 个声道的高 4 第l 章绪论 质量音频数码流，同时还可以加载杜比数字的控制数据信号( 常称为m e t a d a t a ) 。 d o l b ye 的音频可以与各种格式的视频信号良好的匹配，不会因视频干扰导致盲 音、声音的毛刺或其它失真。更为重要的是，利用这种新型编码技术，现有的 广播电视系统不经大规模改造就能传播多声道的数字电视音频信号，从而大大 降低了系统成本。d o l b ye 信号还与其它数字音频设备相兼容。它与其它数字音 频信号一样可以转换、记录、编辑( 切入或插入组合编辑) 。杜比e 的标准数据 传输率是1 9 2 m b p s ( 针对2 0 b i t 4 8 k h z 的音频信号) ，典型的工作模式是“5 1 + 2 ，即用6 个声道传送5 1 声道环绕声信号，另2 个声道传送双声道的矩阵编码 信号或双声道的立体声信号。 表1 1 列出了各种编码方式的5 个参数的比较，从表中可以清楚地比较出各 种编码方法的压缩比、数据率和适用的通道数等。 表1 1 各种编码方式的比较 编码方式采样频率，k h z量化精度b i t声道数 数据率b p s 数据帧大d 、1 6 b i t s 线性p c m4 8 9 61 6 ，2 0 2 486 1 4 4 m7 6 8 2 3 0 4 伊e g - 2b c3 2 m 1 4 81 6 2 41 5 13 2 l1 3 0 k3 8 4 一1 1 5 2 俨e g - 2a a c8 9 6 1 6 之41 - - 4 8 5 7 6 ( m a x ) 1 0 2 4 d o l b ya c - 3 3 2 4 4 1 4 8 1 6 一v 2 4 l 5 1 3 2 5 4 0 k1 5 3 6 d o l b y e 4 81 6 ，2 0 ，2 4i 81 9 2 m7 6 8 一1 1 5 2 d t s8 - 1 9 21 6 2 4l l o 13 2 6 1 4 4 k5 1 2 a v s 标准是信息技术先进音视频编码系列标准的简称，a v s 标准包括 系统、视频、音频、数字版权管理等四个主要技术标准和一致性测试等支撑标 准。a v s 是中国自主制定的音视频编解码技术标准j 。2 0 0 5 年1 月，a v s 完成 了第一阶段的音频标准，解决了一系列专利问题和相关版本修改后，于2 0 0 7 年 6 月成为i p t v 国际标准。a v s 音频当中具有特征性的的核心技术包括：上下文 位平面无损解码、量化域方极坐标立体声解码、多分辨率分析、线性预测矢量 量化。a v s 音频支持采样率8 k h z 一9 6 k h z 的单声道、双声道和多声道p c m 信号， 输出码流为每声道1 6 k b p s - - - 9 6 k b p s ，同时支持码流精细可伸缩编码。a v s 音频用 于高分辨率数字广播、高密度激光数字存储媒体、无线宽带多媒体通讯、互联 网宽带流媒体业务。 a v s p 3 是信息技术先进音视频编码第3 部分：音频。a v s 音频面向移 动多媒体应用，对新一代移动多媒体通信、数字广播、便携式视听消费类电子 5 第1 章绪论 产品等产业的发展具有重要意义。a v s 音频拥有自主知识产权，回避了国外标 准高额的专利费用，在更高的压缩比下编解码质量高于l a m em p 3 。 1 3 音频编码的实时实现方法 在多媒体技术中，音频的实时编码方案是人们关注的焦点之一。音频编码 对系统的性能要求低于视频，但如何有效地利用资源，用最小的成本开发出满 足性能要求地编码系统，并且使该系统具有易于升级等特性，这些是音频开发 人员面临的主要问题。现代音频编码系统实现方式多种多样，大体上可以分为 基于软件和基于硬件两类。对于不同的应用场合，应该合理采用不同的方案。 软件实现方式可基于p c 也可以基于通用的d s p 。源于音频编码开销相对比较小， 实现方式多为c p u d s p 分时给音频编码。这样做的优点是可以利用当前最新的 p c 资源以及较强的软件工具，而且通用p c d s p 架构提供了完整的指令集和流 水线技术帮助提升性能，使音频编码器的开发更加灵活，开发周期更短，平台 的限制更小。缺点是导致所采用的p c d s p 功耗大，主频以及工艺要求比较高， 增加了开发成本，并且当前的a v s a u d i o 以及m p e g 2 a a c 编码复杂度大大增 加，在软件平台上实现越来越困难。 硬件实现方式的优点是：芯片设计可以针对专门的算法进行高度优化，专 用音频编码模块不需要取指、译码等过程，可以将控制器所需要的硬件开销减 到最小，因此可以获得更高的处理速度，并占用更少的硬件电路。缺点是大量 的专用模块在算法进行修改时，无法适应新的算法，只能重新设计。无法灵活 升级和应用修改，对特殊环境缺乏应变力。 现在可以采用现场可编程逻辑器件( f i e l dp r o g r a m a b l eg a t ea r r a y ，f p g a ) 来弥补灵活性的问题，特别是小批量、多品种的产品需求，f p g a 越来越多地取 代了a s i c 市场。在f p g a 平台上进行音频编码器的开发具有以下几个方面的优 势：第一，用户开发自由度更大，支持多种个性开发，可以满足市场不断提出 的新的要求，在第一时间提升产品性能，增强产品的竞争能力；第二，f p g a 处 理能力强，针对音频特性的硬件加速指令以及额外的计算单元，可以满足编码 器实时编码的要求，还提供丰富的外围设备，如j t a g 调试端口、网络接口、快 捷的片内片外数据交换通道等，降低了产品开发的成本；第三，开发周期短， 可实现快速技术更新和产品换代。 6 第1 章绪论 1 4 论文研究的主要内容 本文主要研究如何在f p g a 开发平台上实现a v s 音频编码中长短窗模块。 a v s 音频编码采用了比较复杂的编码算法，希望在绕开各种国际专利的同 时获得更好的编码性能。编码器由多个模块组成，每个模块的复杂度和对编码 性能的贡献也各不相同，一份准确的模块复杂度评估是工作开展的前提。而针 对运算模块的定点化，关键模块的算法优化以及存储开销的优化成为m a t l a b 语 言建模的主要工作。经过这些优化后，编码复杂度会大大降低，使编码器在f p g a 平台上通过合理的硬件资源配置来达到实时处理成为可能。 文中详细地介绍并分析了国内外流行的编码标准和技术，并针对国产音频 编码标准一a l v s 音频标准进行了深入的研究，最后研究和改进其中相关的编码 技术。文章的内容安排如下： 第一章介绍了国内外音频频编码技术的历史来源及发展概况。 第二章详细地分析了我国具有自主知识产权的a v s 音频编码标准的技术框 架，并重点介绍了a v s 音频编码技术中采用的关键技术：瞬时特性判决、多分 辨率分析、量化域方极坐标立体声变换和上下文位平面编码。 第三章详细介绍了a v s 音频编码算法在a l t e r ac y c l o n ei ie p 2 c 2 0 f 4 8 4 c 7 f p g a 平台下，通过s o p cb u i l d e r 搭建s o p c 硬件系统，并利用n i o si ii d e 进 行软件开发。 第四章是重点介绍了a v s 音频编码中长短窗模块的设计与实现，首先是用 m a t l a b 对长短窗模块进行仿真，在得到正确的仿真结果的基础上，以s o p c 硬 件平台为载体，对各主要功能模块进行硬件功能测试。 第五章给出了长短窗算法在m a t l a b 和q a m u si i 平台下的仿真结果，并对仿 真结果作了比较，最后得出结论。 第六章对论文和设计工作做出简要总结，指出了长短窗算法的不足之处和 改进的方向，提出了下一阶段的工作计划。 7 第2 章a v s 音频编码标准 第2 章a v s 音频编码标准 2 1a v s 音频的发展和现状 a v s 音频标准提供了一个高效的音频编码系统，采用了最新的音频编码工 技术，并致力于宽带音频的编码。a v s 音频标准的应用包括高分辨率高质量的 数字音视频广播、高密度数字存储媒体、多媒体通讯、互联网宽带流媒体等等。 2 0 0 2 年8 月，a v s 发布了宽带音频编解码方案征集书，正式开始了a v s 音频标准的制定工作：2 0 0 5 年1 月完成了a v s l p 3 工作b e t a 版w d ( w o r k i n g d r a f t ) ：2 0 0 5 年3 月a v s 第1 2 次会议完成了a v s l p 3c d ( c o m m i t t e ed r a f t ) ： 2 0 0 5 年1 2 月完成了a v s l p 3f c d ( f i n a lc o m m i t t e ed r a f t ) ；2 0 0 6 年1 月，完成 了参考软件，开发了优化软件，进行了一致性测试，并送交广电总局进行外部 性能测试；2 0 0 7 年4 月，评估a v s l p 3 音频标准中删除线性预测矢量量化技术 后对性能造成的影响，最终决定标准删除此项技术后报批1 1 2 1 。 2 2a v s 音频编码框架 图2 1 为a v s 音频编码器的原理框图。输入时间信号首先要经过预处理模 块进行信号类型分析，以判断出该帧信号类型是稳态信号还是瞬态信号；然后 经过时频变换模块对时间信号进行修正的离散余弦变换( m d c t ) 分析，得到频 谱系数；频域多分辨率分析用于一步提高瞬变信号的分辨率和编码效率，平稳 变化信号帧不需要进行频域多分辨率分解，对于瞬变信号帧，采用短m d c t 进 行频域多分辨率分解，可获得8 个调制窗谱系数；经过量化模块后得到量化频 谱线；为了提高编码效率，量化频谱线经过后量化域方极坐标立体声模块进行 量化域方极坐标变换以去除声道对间的统计冗余；然后量化频谱线送入上下文 位平面编码( c b c ) 模块，进行比特层编码。c b c 可实现高编码效率和比特流 可伸缩功能；最后比特流格式器将各模块输出的数据进行复用，形成a v sa u d i o 编码音频流1 1 3 1 。 8 第2 章a v s 音频编码标准 输入时间信号 预处理 时频变换m d c t 多分辨率分析 量化 厂 后量化方极坐标 立体声编码 厂 上下文位平面 编码 比 特 流 格 式 器 a v sa u d i o 编码音频流 图2 1a v s 音频编码器框图 2 3a v s 音频编码的关键技术 a v s 音频标准之所以具有相当好的编解码性能和音频质量，主要时因为关 键模块采用了创新技术( 毖引自鸟筋多：蛊，轰磅蝴 a v s - p 3 昔缬编殍 粝磋：绷罗乡。下面分别对各个模块技术进行介绍。 2 3 1 瞬时特性判决方法 瞬时特性判决方法采用两级判决法，首先把输入的一帧音频信号划分为若 干子块，然后在时域内进行第一级判决，简单分析子块能量的变化情况，满足 特定条件后才进行第二步的不可预测度判决【1 4 1 。该方法具有基于能量判据所具 有的计算简单和基于不可预测度判据所具有的判断准确的优点。同时该方法克 服了基于能量判据不准确和基于不可预测性判据计算复杂的缺点，从而在迅速 9 第2 章a v s 音频编码标准 准确定相位瞬变信号的同时减少了误判。 2 3 2 多分辨率分析 多分辨率分析对输入的频域数据进行时一频域重新组织，以频率精度的降 低为代价提高频域数据的时间分辨率，从而自动地适应快变类型信号的时频特 性，以达到抑制前回声( p r e e c h o ) 的效剁”j 【1 6 j 。 多分辨率分析的具体步骤为对输入的频谱系数进行1 6 点的短m d c t 变换。 使得时频域数据的频率精度有所下降，而时间精度相应得到提高。在不同的频 域范围内使用不同长度的短m d c t 变换，可以获得不同的时频平面划分即不同 的时、频精度。通过利用前回声控制，前回声现象大大减弱，从而提高了编码 主观质量。同时，采用多分辨率分析技术可以有效回避采用块长度和窗型切换 所引起的专利问题。 2 3 3 量化域方极坐标立体声变换( p q s p s c ) 量化域方极坐标立体声变换( p q s p s c ) 的原理是将耦合映射放到量化后的 信号域上来实现，在量化信号域上通过合适的无损耦合方式来提取声道间的相 关性【1 7 】。它可以利用各种正交变换来达到压缩声道间相关性冗余的目的，从而 使编码效率得到提高。 是否使用量化域方极坐标立体声编码是以比例因子带为最小单位的，对构 成声道对的两个声道的同一比例因子带内所有的m d c t 量化频谱线，或者全部 进行量化域方极坐标立体声变换，或者全部不进行量化域方极坐标立体声变换。 量化域方极坐标变换可以用图2 2 表示。 当