（通信与信息系统专业论文）mp3实时编解码系统的研究与开发.pdf

中文摘要 中文摘要 近几年来，在网络流媒体、移动设备、数字广播等领域，数字音频信号处理 得到了广泛的应用。为了解决数字音频信号存储和传输的瓶颈问题，数据压缩成 为当代数字音频处理中的一个十分重要的研究课题。在众多的压缩标准中，m p 3 压缩格式以其优越的性能以及品质与算法复杂度的极佳折衷，使之成为当前p c 、 网络、p n a 上最为流行的音频格式。 由于m p 3 应用的普遍性，因此对m p 3 的课题研究十分广泛。本论文主要侧重 于实际工程应用，研究背景基于一款用于手机平台的音频播放和录音的专用a s i c 芯片，该芯片的核心是一个1 6 位定点d s p ，此硬件平台上，实现m p 3 的编码与 解码。 如今m p 3 技术已经非常成熟，现阶段各大商家最为关心的并不是如何实现 m p 3 ，而是如何能在低成本低功耗的平台上实现m p 3 ，这就意味着对原始m p 3 标 准在实现过程中的优化是当前的一个热点问题，这也是进行本课题研究的现实意 义之所在。 本论文共分为五个章节。第一章首先概述了课题背景和实现平台；第二章先 概述了当前音频压缩的发展方向，然后详述了m p 3 压缩标准；第三章介绍了m p 3 在d s p 上实现和算法优化；第四章讲述了整个手机平台的开发系统和m p 3 的性能 测试；最后一章作了总结和展望。 论文中提出的m p 3 算法的优化方案，对于现实应用，有着普遍的借鉴和参考 意义。本文的成果，可直接集成在目前市场上流行的中低端多媒体手机中，具有 广泛的实用价值。 关键词：m p 3 ，a s i c ，m d c t ，心理声学模型 a b s 仃a c t a b s t r a c t n o w a d a y s ，d i g i t a la u d i os i 弘a lp m c c s s i i l gi s 诵d e l yu s e di n ”i n t e m e ts e 锄i n g m e d 远m o b n ee q u i p m e n ta n dd i 醇a lb r o a d c 镐ta r e a ho r d c rt os o l v et i l eb o t t l e n c c ko f d i 班a l 卸d i od a t as t o m g e 卸d 仃姐s p o n a t i o n ，d a t a 咖p r e 辎i b e c o m c sav e r ) r i m p o n 强t 化s c ht 笛ki n 刚a y t sd i 舀t a l a u d i op r o c e s s i n ga f c a a m o n gs om 锄y c o m p r e s s i n gs t a i l d a r d s ，m p 3f o m a ti si h em o s tp o p u l a r 卸d i of o 咖a tu s e d p c ， i n t e m c ta n dp d ab e c a u s eo fi t sb 部tc o m p m m i s eb e 铆e e nw 伽d e i f i l lq u a l i t ya l l d a l g 嘶t l l i nc o m p l e x i t y 1 1 l e - 品c hb a c k 伊o u n do ft h i st h e s i si sb a s e do na l la s i co fa u d i op l a y i n g 卸d r e c o r d j n gw h i c hi su s e do n ac e l lp h 彻ep l a t f o n n t h ec h i pc o r ci sa1 6 - b i tf i 【e d p o i n t d s p t 1 i em p 3e n c o d i n g 卸dd e c o d i n gi sr e a u s e do nt h i sh a r d w a r cp l a t f o 咖 m p 3i sn o tan e wt c c h o l o g yi nn o w a d a y s t o d a ym 柚yc o p o r a t i o 船a r c t c o n c e r i l i n g h o w t or e a l i z c m p 3b u t c o n 伽i n g o n h o w t or c a l i z e m p 3o na l o wc o s t p l a t f o m ，r k sm e a n s 也a th o w t od ot h eo p t i m i z a t i o no nm p 3 毫t 弛d a r di sah o tp o i n t n i sa i s ot h ev a l u eo ft h i st h e s i s 1 1 i et l l e s i si sc o m p o s c d0 f5c h a p t c r s c h a p t e ro n ei n 们d u c c st h eb a c k 铲o u n do f t h et a s k 姐dt h ep l a t f o 加a l a p t e r 呐oi n t m d u c e st h ed i r e c t i o no ft l i ea u d i o m p r e s s i o n 痂s n y ，柚dt h e nd i s c l l s s e st h em p 3c o m p r e s s i i l gs t a n d a r d kc h a p t c rm r e ew e i n t r o d u c e n 璩m p 3r e a l i z a t i o no nd s pc h i p 强dt h ea 1 9 0 r i t h mo p t i l n i z a t i o n h lc h a p t e r 自d u fw e i l l 仰d u c ct h ew h o l cd e s i 印s y s t e ma n dd ot h cm p 3q u a l i t yt e s t j n 吕hl a s tc h 印t e rw e 舀v et h cc o n c l u s i o na n dp r o s p e c t a t i o n t h em p 3a l g o r i t h mo p t i m i s em e t l l o dd e i i v e r e di nt h i st h 韶j sh 弱w i d e l yr c f e r e n c e v a l u ci nm ea p p l i c a t i o n n e 舶i to ft h i st h e s i sc a nb ei n t e g r a t e di n t om el o wc o s t m u l t i m e d i ac c np h o n ed i r e c l l y ，w h i c hh a sw i d e i ya p p l i c a t i o nv a l u e k 叼钾o r d s ：m p 3 ，a s i cm d c 王p s y c h o a c o u s t i cm o d d 图目录 图目录 图1 1h 2 5 3 8 在系统中的连接框图2 图2 1 音频压缩编码分类图6 图2 - 2m p 3 压缩算法流程框图8 图2 - 3 子带分解过程示意图9 图2 - 4c 【n 】和h 【n 】时域波形图 图2 - 5m p 3 子带滤波运算流程图1 1 图2 6 分析子带滤波器频谱混叠图1 4 图2 _ 7m d c t 的四种窗口形状及使用情形1 7 图2 8m d c t 和m t d c t 的1 r i ) a c 示意图1 8 图2 - 9m d c t 抗混叠处理示意图1 9 图2 1 0 绝对掩蔽曲线图2 2 图2 1 1 时域掩蔽特性图2 2 图2 1 2 频域掩蔽特性图2 3 图2 1 3s n r 、s m r 与n m r 关系图2 4 图2 1 4n e r a t i o nl o o p 流程图3 1 图2 1 5o u t c rl 0 0 p 流程图。 图2 一1 6i n n e fl o 叩流程图 图2 1 7 m a i l l d a t a 内部结构图 3 2 3 3 图2 - 1 8c r c 校验结构框图。 3 6 图2 1 9m p 3 的比特池存储机制示意图3 7 图2 2 0m p 3 帧格式示意图。 3 8 图2 2 1m p 3 解码流程图4 0 图3 1l 蝴e 编码器的程序流程图 图3 2l a m e 伽c o d e p 3 - 血锄c o 函数流程图 图3 3 有无心理声学模型的比特率与m n r 的关系图 4 2 4 3 4 4 图3 4l 蛐i e 总体结构优化示意图4 5 图3 5 原始l 址m 心理声学处理流程图 图3 6 改进后l w e 心理声学处理流程图 一v 4 8 4 9 图目录 图3 7 “b m a d 解码流程图。 图3 8 改进后u b m a d 解码流程图 图3 93 2 位数相乘示意图 图3 1 0d s p 小数乘法器说明图 图4 1m x 2 5 3 8 引脚图 图4 2m x 2 5 3 8 内部结构框图 图4 3d s p 核内部结构图 图禾4d s p 间接寻址和直接寻扯示意图 图4 5 中断请求和响应示意图 图4 6 用户接口界面直观图一 图4 7 软件环境分层结构图。 5 9 6 1 6 2 6 2 6 3 6 5 6 6 图4 8 片上b i o s + 口软件环境结构图6 7 图4 9b i o sm a i nf l o w 图4 一l o a u d i od e c o d cm a i l lp r o c e 豁流程图 图知1 1a u d i oe n c o d em a i np r o c e 霸流程图。 图4 1 24 4 1 k 地的1 6 b “双声道p c m 时域波形图7 1 图4 1 34 4 1 k h z 1 2 8 k b p s 的双声道ia m e 编码m p 3 时域波形图7 2 图4 - 1 44 4 1 k h z 1 2 8 k b p s 的双声道m x 2 5 3 8 编码m p 3 时域波形图7 2 图4 1 54 4 1 k i z 的1 6 b i t 双声道p c m 频谱图7 3 图4 啊1 64 4 1 k h z ，1 2 8 k b p s 的双声道u 山m 编码m p 3 频谱图 图4 1 74 4 1 k h z ，1 2 8 k b p s 的双声道懈2 5 3 8 编码m p 3 频谱图 图4 1 84 4 1 k 也的1 6 b i t 双声道p c m 时频二维分布图 7 3 7 3 7 4 图4 1 94 4 1 k h 1 2 8 k b p s 的双声道u 山匝编码m p 3 时频二维分布图7 4 图缸2 04 4 1 k h z 1 2 8 k b p s 的双声道m x 2 5 3 8 编码m p 3 时频二维分布图7 5 图4 2 14 4 1 k h z ，1 2 8 k b p s 的双声道m p 3i j b m a d 解码器时域波形图7 5 图禾2 24 4 1 l 【 i z 1 2 8 k b p s 的双声道m p 3m x 2 5 3 8 解码器时域波形图7 6 图如2 34 4 1 k h 刮1 2 8 k b p s 的双声道m 口3l i b m a d 解码频谱图7 6 图舡2 44 4 1 k h z 1 2 8 k b p s 的双声道m p 3m x 2 5 3 8 解码频谱图 7 6 图4 2 54 4 1 k h 利1 2 8 k b p s 的双声道i j b m a d 解码时频二维分布图7 7 图4 - 2 6 “1 k h z 1 2 8 k b p s 的双声道m x 2 5 3 8 解码时频二维分布图7 7 图4 2 7m x i ca 1 6 8d e m o 板布局图7 9 图4 2 8m c a l 6 8d e m o 板实物图7 9 二- 记诌贷硒 够毋加 表目录 表目录 表2 - 1 抗混叠系数表。 表2 2 b i g v a l u e 所用3 2 张h u 自6 n 1 柚表特性 表2 3m p 3 帧头各位含义。 表3 1m p 3 编码各模块资源开销比例表。 表4 1m x 2 5 3 8 中断表 表5 1m p 3 编解码资源消耗表。 i 加嬲弘 缩略词表 英文缩写 a d c a a c c r c c b r c e i j p d a c d c t d m a d s t d s p f f r 肿 l p c m d c t m i d i m p e g p e p c m p d a s n r s m r s p l t d a c 缩略词表 英文全称 a n a l o gt od i 百t a lc 0 i l v e r t c r a d v 锄c c da u d i oc o d i i l g c y c l i cr e d u n d 柚c yc h c c k c 啷t a n tb i tr a t e c o d ee x c i t e dl i n e 缸p 佗d i c t i d i 舀t a l t oa m a l o gc o n v e r t 盯 d i s c r c t ec o s j l i et r a 璐f o 皿 d i r 。c tm e m o r ya c c e s s d i s c r e t es i n e1 y a n s f 0 加 d i 西t a ls i 驴a lp r o c c s s o r f a s tf o u r i e rt r a 船f o 珊a t i o n 陆th a n l e yt r a n s f b n n a t i o n i j n e a rp r e d i c t i v ec o d i n g m o d m e dd i s c t ec 0 s i n et r 柚s f o m m u s i c a li l l s t m m e n td i 酉t a lh n e r f a c e m o v m g p i c t u r e se x p e n sg r o u p p e r c c p t u a le n t r o p y p u l s ec o d em o d u l a t i o n p e r s o n a ld i 舀t a la s s i s t a n t s i g n a l - t o n o i s er a t i o s i 朗a i t o m a s kr a t i o s o u n dp r c s s u r el e v d 弼m ed o m 血a l i 鹤i n gc a n c c n a t i o n v i i i 中文释义 模数变换器 高级音频编码 循环冗余校验 固定比特率 码激励线性预测 数模变换器 离散余弦变换 直接存储器存取 离散正弦变换 数字信号处理器 快速付里叶变换 快速哈特莱变换 线性预测编码 改良离散余弦变换 音乐设备数字接口 运动图像专家小组 心理感知熵 脉冲编码调制 个人数字助理 信噪比 信掩比 声强等级 时域混叠抵消 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作 及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为 获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与 我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的 说明并表示谢意。 签名：期：枷7 年多月。日 关于论文使用授权的说明 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘， 允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全 部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后应遵守此规定) 签名导师签名： 日期：y 司年j 月1 1 日 第一章绪论 1 1课题背景 第一章绪论 随着计算机技术、通信技术的日益发展和成熟，多媒体技术正逐渐成为当前 世界科技领域中十分具有活力、发展迅猛的高新技术，它在改变人们生活的同时， 也给计算机、通信等行业的发展带来巨大的变革。 手机作为2 0 世纪9 0 年代开始迅速发展和扩张的行业，从初期仅仅有着普通 通话和短信功能到现在的全方位多样化个性化的设计和日趋庞大的各种功能，多 媒体技术给手机行业注入了巨大的生机和活力。从单音到和弦再到m p 3 ，从单屏 到彩屏再到摄像头的嵌入，多媒体技术以其无比巨大的影响改变着人们的生活。 现在，手机绝不是一个仅用作通话和信息收发的工具，而是一个有声有色的多媒 体信息化平台。 一般来说，为了处理日益膨胀的多媒体数据，手机系统中都会集成一颗数字 信号处理专用芯片用于音频和视频的处理。由于d s p 其独特的系统结构和高效的 乘加单元，使其在做信号处理时一直都扮演着无可更替的角色。本课题就是以多 媒体在手机上的应用为背景，主要基于一颗由旺宏微电子f m a c r o n i x m i c m e l e c t m n i 哟公司自主研发和生产的音频处理专用芯片眦j ( 2 5 3 8 ，在此平台上， 实现m p 3 格式的音频压缩与播放。设计和开发主要针对当前手机系统中的录音和 m p 3 播放功能。录音过程实际上是一个音频信号实时采集的过程，采集后用压缩 算法对数据进行压缩是必要的，这样才可保证在手机有限的存储资源上存放更多 的数据信息。以往大多数情况下采集到的p c m 数据是用语音编码算法进行压缩， 多用于普通的会议记录场所。然而，由于语音编码的频带资源有限，无法用于追 求高保真场合的音频录音。我们可用m p 3 格式编码存储的方案取代一般的语音编 码方案，由于其更宽的频谱和更高的音质，因此带有m p 3 编码功能的手机在f m 广播录音、专业侦听等领域有着十分广阔的市场前景，这也是探索本课题的一个 动机。 1 电子科技大学硕士学位论文 1 2 系统平台概述 专用音频芯片m x 2 5 3 8 在整个手机系统中的实现框图如图1 1 所示： 2 5 3 8 m i d ic o r c b a s e b a i l d 1 入 r 1 眦。h 仰 j i 蚓d a in a n d f l 础 d s p c o r e 入 出 图1 1 2 5 3 8 在系统中的连接框图 h 2 5 3 8 是一款专用音视频处理芯片，用于手机中的和弦和m p 3 播放，还有 实时编码功能，芯片具体特点和结构在第四章会有详细介绍。图1 1 中，b 勰e b a n d 是手机系统中的核心芯片，主要用于控制处理，运行操作系统，处理信号收发， 功能强大，这里主要讨论其与h 2 5 3 8 的交互控制管理部份。m x 2 5 3 8 里有两个 核：m d i 核和d s p 核，这是典型的和弦+ m p 3 音频芯片的结构。m i d l 核主要用 来播放m d i 音乐，这里不是本论文讨论的范畴。m x 2 5 3 8 不仅与b a s eb 卸d 相连， 还提供埘d n 硒h 接口。n a n d n a s h 作为常用的存储设备，可用来存放声音图像 视频等数据信息。 如果要在系统上实现实时录音功能，外界的模拟声音信号输入后，经过片内 的a d c ，转换为以p c m 形式表示的数字信号，如果我们不经过压缩处理直接存 放在n a n dn 髂h 中，数据量非常巨大。例如假设采样率是4 4 1 k 比，对于双道声 信号，量化后每个样本用1 6 位的p c m 来表示，则储存一分钟的音频数据需要 8 4 6 7 2 m b i t ( 即1 0 5 8 4 m b v t e ) 的空间。在手机系统中，这种巨大的开销显然是无 法满足的。当今市场上常见的录音设备一般在数据采样后用语音编码的算法( 如 2 第一章绪论 c e l e i j p c 等) 压缩后存储。语音编码的巨大优点是可以达到一个很高的压缩比， 用作会议记录等场合是非常适合的。本课题中，我们采用m p 3 的标准对输入的p c m 进行编码压缩，压缩比可以达到1 2 ：1 。虽然压缩比没有语音编码高，但是用m p 3 编码压缩的优点是：不仅可以用来作普通语音记录，还可以作f m 录音，其有更 为宽阔的频带资源，音质保真度高，不过由于其算法更复杂，对d s p 的性能要求 也更高。 模拟信号经a d c 后生成的1 6 位的p c m 输入到片内2 k 的f i f o 中，d s p c o 托 直接从f i f o 里取p c m 数据进行处理。d s p 在运行编码过程时，片上的a d c 是 通过中断激发。比如若设置采样率为4 4 1 k h z ，则每经过1 4 4 1 0 0 秒a d c 请求一 次中断，进入a d 中断服务子程序，a d 采集一个数据点存放在f i f 0 中，完毕后 退出中断程序。当d s p 将一个觎吼e 的p c m 编码完成后写入到n a n df l 镐h 中。 m x 2 5 3 8 片上有5 6 k 的r a m ，分为程序空间( 3 2 k ) 和数据空间( 2 4 k ) ，程序空间用 来存放m p 3 编码或解码的程序指令，数据空间用作编码过程中间数据的存放。这 里，我们要保证d s p 进行 ，3 编码是一个实时过程，即编码的速度不能超过数字 音频输入的速度，否则这就不能做到实时录音。 对于m p 3 播放而言，通常用户的m p 3 格式文件都存放在n a n dn 硒h 中，d s p 通过d m a 通道直接从n a n dn 邪h 获取数据，经d s p 解码后生成p c m ，暂存在 片内r a m 中，然后经过d a 转换成模拟信号输出。同样，d s p 在运行解码的时候， 每隔一段时间( 如1 4 4 1 0 0 s ) d a c 发出中断请求，执行中断子程序将解出的p c m 送到d a 口播放。 有了音频专用a s l c ，有关多媒体信号处理的工作都可以交给其独立完成，这 样可以节省b a s eb 蛐d 很大的资源开销和开发成本。因此，现今阶段，市场上很大 部分的中低端多媒体手机，其系统厂商都采用b 弱eb a n d + 音视频专用a s i c 的系统 结构。这也是本课题研究的市场意义。 1 3论文结构及内容安排 本论文结构及内容安排如下： 第一章介绍课题背景和平台概述以及论文意义。 第二章从理论研究出发，详细讲述了m p 3 压缩标准( i s o i e c l l l 7 2 3 f 1 】， 3 一 电子科技大学硕士学位论文 i s 0 c 1 3 8 1 8 - 3 1 2 j ) 的原理以及编解码的主要过程和各个模块的处理方法。在本章 的开始部分，还对当前比较流行的音频压缩技术作了概述，并与m p 3 算法进行比 较。 第三章从实际出发，详细说明了m p 3 在d s p 上的具体实现，提出了实现过程 中m p 3 的算法优化方案，并介绍了一些运算在定点d s p 上处理的技巧。 第四章从系统的角度，详述了m x 2 5 3 8 系统的硬件环境，还有整个f i r l n w a r c 运行时的软件环境和架构。从整个系统层的角度分析了m p 3 编码和解码的实现流 程，并对m x 2 5 3 8 编解码器作性能评估，给出了一些测试和仿真结果。 第五章结束语，总结课题的现实意义和对未来的一些展望。 4 第二章m p 3 编解码原理 第二章m p 3 编解码原理 2 1关于音频压缩介绍 现阶段，各类型的信息以爆炸性的速度迅速膨胀，这就涉及到信息的传输和 存储问题。在目前存储资源和传输带宽有限的情况下，如何对信息进行有效的压 缩，是一个十分重要的研究方向。信道和信源是信息传输中的两个重要环节。信 道编码主要解决信息传输的可靠性问题，即尽量使处理后的信号适于传输，在传 输过程中不出错或尽量少出错。信源编码主要解决信息传输的有效性问题，通过 对信源的压缩、加扰、加密等一系列处理，力求用最少的数码传递最大的信息量。 本文要讨论的音频压缩即是信源编码的一个重要内容。 近几年来，数字音频信号在很多领域得到了广泛的应用。使用数字音频方式 来处理和传输信号有很多优点，包括信号传播中不易受到干扰、容易复制、易于 保存等，并且可对数字信号进行特殊的处理，如混音、量化等。数字音频信号的 格式一般是p u l s ec o d em o d u l a t i o n ( p c m ) 形式。为了达到c d 的音质，每秒需传 送1 4 m b i t s 的信息量，若以一首四分半钟的歌曲估计，需要至少4 5 m b y t e 的空间 来存储，在网络传输中传输速度要求更高。因此，对于音频信号的有效压缩至关 重要。 数据压缩有一套非常丰富的算法理论，根据数据有无损失可分为有损编码和 无损编码。由于无损编码压缩比的局限性，所以有损编码在实际中应用更为广泛。 音频压缩编码主要分类如图2 - 1 所示。 由于有着丰富的理论算法作为支撑，在数据压缩领域出现了很多颇具影响力 的国际标准：如m p e g ，a c 。3 ，g 7 2 2 ，g 7 2 9 等。下面对与本课题有关的m p e g 标准作一个简单介绍。 m p e g 是m o v i n gp i c t l l r e se x p e n sg r o u p ( 运动图像专家小组) 的缩写。在 m p e g - 1 ( i s o m c l l l 7 2 3 【1 】) 中，对音频压缩规定了三种模式，即层i 、层i i 、 层。v c d 中使用的音频压缩方案就是m p e g 1 层i ；而层2 由于其适当的复杂 程度和优秀的声音质量，在数字演播室、d a b 、d 等数字节目的制作、交换、 存储、传送中得到广泛应用；m p 3 是在综合m u s i c a m 和a s p e c 的优点的基础 5 电子科技大学硕士学位论文 上提出的混合压缩技术，m p 3 的复杂度显得相对较高，但由于其高品质，高压缩 比，使其应用最为广泛。 音频压缩编码 有损压缩 r 4 _ 一 波形编码参数编码混合编码 l p c l s p c e l p n l p c 图2 - 1 音频压缩编码分类图 然而，尽管m p 3 的压缩格式已成为网络、随身设备等的主流，但在要求更高 的低比特率传输中，m p 3 格式的音频文件就会无法达到要求。因此，在m p e g 一2 标准中，还定义了一种编码算法：m p e g 2 a a c ( i s 0 m c l 3 8 1 8 7 【3 】) ，这是与m p 3 不兼容的一种压缩编码，其算法复杂度和声音品质都高于m p 3 。 a a c ( a d v 锄c c d a u d i oc o d i n g ) 与m p 3 的编解码格式相比，其优点有： 改良后的压缩技术能实现较小的文件提供高质量的声音效果。 支持多声道音频，提供多达4 8 个全频声道。 高的音频解析度，采样率达到9 6 k h 2 。 提高解码效率，要求较低的解码处理能力。 现在最新的音频压缩技术是建立在a a c 基础上的e 钆c + ，其相比于a a c 具 - 6 第二章m p 3 编解码原理 有更加优良的性能。b 钆气c + 技术的核心是a a c 编解码技术，在a a c 的基础上加 入频谱重建处理部分( s p e c t i 试b a n dr e p l i c a t i o n ，s b r ) ，形成a a c + ，另在3 g p p 标 准的第六个版本中引入参数立体声( p a 舳e t r i cs t e d c 0 ，p s ) 部分，最终合成m p e g 4 e a a c + 的技术。由于其很高的压缩比和良好的音质效果，已经成为了m p e g - 4 、 3 g p p 和3 g p p 2 规范的核心内容，并且逐渐成为因特网、无线通信、数字广播等领 域音频多媒体数字信号编解码器的首选技术。 数字音频的压缩今后的发展方向是朝着高压缩比，低比特率，高保真度的方 向发展。随着处理器性能的不断提高，m p e g 标准组的a a c 以及与此兼容的 b u 屺+ 有着巨大的前景。 即便如此，然而在现阶段，m p 3 以其品质，复杂度与压缩比一个无比完美的 折中，仍占据着最为广阔的市场，这也是现在绝大多数厂商仍以m p 3 做为数字音 频压缩格式的首选的原因。本论文将在余下章节详尽的讲述m p 3 压缩技术及其实 现过程。 2 2m p 3 压缩算法概述 m p 3 技术最早来自m p e g 。1 标准，该标准自2 0 世纪9 0 年代初推出后，很快 在数字音频应用领域占据统治地位。m p e g 2 音频标准是对m p 3 音频进行了扩展， 使其支持更低采样率和5 1 声道和多语言支持的音频格式。m p e g - 2 5 是非官方的 在m p e g 2 的基础上延伸出来的一个标准，它能支持比m p e g 2 更低的采样率。 我们通常说到的m p 3 格式文件其实是包含了m p e g - 1 m p e g _ 别p e g 2 5 三个标 准中的第三层。 m p e g - 1 的m p 3 标准支持4 8 k h 2 、4 4 1 蛆z 、3 2 k k 三种采样频率和 3 2 k b p p 3 2 0 k b p s 间的1 4 种比特率。m p e g 2l s f ( 低采样率模式) 在不对原m p e g 1 中m p 3 算法进行重大改动的条件下，通过降低采样率来达到降低比特率的目的。 m p e g - 2l s f 支持2 4 k h z 、2 2 0 5 k h z 、1 6 k h z 三种采样频率和8 k b p s 一1 6 0 k b p s 间的 1 4 种比特率。由奈奎斯特采样定理可知，采样频率降低一半，信号在频域的带宽 也降低一半，因此对m p e g 2 而言，其信号的频宽比m p e g 1 窄一半，但由于入 耳对高频信号不甚敏感，这种损失是可以接受的。m p e g 2 5 在m p e g - 2l s f 的基 础上，把采样频率又降低一了半，它支持1 2 k h z 、1 1 0 2 5 k h z 、8 k h z 。因此m p 3 音频所支持的采样频率从最低的m p e g 一2 5 的8 k h z 到最高的m p e g 1 的4 8 k h z 。 7 电子科技大学硕士学位论文 对于m p e g - 1 单声道来说，每一帧( 行a m c ) 中有2 个颗粒( 铲枷l c ，下面简写为曲， 共1 1 5 2 个样本( s a m p l e ) ；而对于m p e g - 2 和m p e g - 2 5 单声道来说每个矗嘲e 中只 有1 个伊共5 7 6 个样本。 m p 3 是一种基于频域的子带编码，其基本流程如图2 - 2 所示： 图2 2 加p 3 压缩算法流程框图 原始的模拟信号经过a d 采样器后，转化为p c m 样本，作为m p 3 编码器的 数据输入源。整个m p 3 编码是基于频域的编码，因此必须将原始的p c m 做时频 转换。由于我们不可能将整个时域上的信号通过一次付立叶变换转换到频域上( 音 频信号是时变的) ，因此只能在时域上逐段进行，于是我们将p c m 样本分块进行 处理。前面提到，对单声道m p e g 1 而言，一帧包含2 个f ；而m p e g 2 和m p e g 一2 5 一帧只包含1 个f 。m p 3 编码则是以黟为基本单元的。首先5 7 6 个p c m 样本经 过多相分析滤波器组( p o l y p h 硒ea n a l y s i sf i l t e r b a l l k ) ，转换成3 2 个等频宽的子带信 号( s u b b a i l ds i 驴a 1 ) ，然后通过改良离散余弦变换( m o d i f i e dd i s c r e t ec o s i 1 h n s f o 珊，m d c d ，将子带时域信号转化为频线值，每个子带1 8 条，一共5 7 6 条 频线。在此过程中，会用到第二心理声学模型提供的窗口类型。对于快变信号做 三次连续短窗( 1 2 点) 的m d c t ，以提高信号的时域分辨率和控制前回音；对于 慢变信号做一次长窗( 3 6 点) 的m d c t ，以提高信号的频域分辨率。 同时，第二心理声学模型根据左右声道的相关性计算决定用m s ( m i d d l “s i d e ) 还是用蠊( l e 胍i g l l t ) 编码方式。然后根据第二心理声学模型提供的p e ( p e f c e p t u a l e n t r 叩y ) 值分配每帧编码比特数，对频线值进行量化；再将量化结果进行反量化计 算量化噪声，看其是否在掩敝曲线以下；否则反复调整比例因子( s c a l e f a c t o r ) ，重 新量化，直到量化噪声达到最优，退出量化循环，对量化结果进行哈夫曼编码。 8 第二章m p 3 编解码原理 最后按照m p e g 标准规定的数据流格式输出。 以上简述了m p 3 压缩算法的全部过程，具体每个模块的操作在下面小节中会 有详细说明。m p 3 解码是m p 3 编码的逆过程，我们了解了压缩算法后，解码问题 自然迎刃而解。因此，m p 3 编码介绍是本文的重点。 2 3m p 3 编码过程 2 3 1 分析滤波器组 前面已经提到，m p 3 是一种子带编码。因此，首先要将输入的p c m 样本划分 成3 2 个子带信号。m p 3 是通过一个3 2 通道的正交滤波器组来完成这一功能的， 我们把它叫做分析滤波器组汹a l y s i sf i n e r b a n l 【) ，与m p 3 解码时将3 2 路子带信号 合成所用到的综合滤波器组( s y n t h e s i sf i n e r b 觚k ) 相对应。图2 3 为子带分解过程示 意图： 子带输出 图2 - 3 子带分解过程示慈图 m p 3 使用多相分析滤波器组来做信号的子带分解。当p c m 信号输入多相滤波 器组后，被分解成3 2 路等频宽的子带信号。每输入3 2 个p c m 信号做一次滤波器 组分析，输出3 2 路子带信号( 也是时域上的信号) 。滤波器组h 陋】实际上是3 2 个 5 1 2 阶的f i r 带通滤波器，通带频率由低到高。其数学表达式为： h ；加】。 m 】+ c o s p 蔓丝掣】f ，o ，3 1 n ：o 。5 1 1 ( 2 1 a ) 9 一 电子科技大学硕士学位论文 其中， 陋l 是一个f 卫r 低通滤波器，其系数表达式为： 坳，一篇踹譬：志： c 伽】在i s 伽e c l l l 7 2 3 【1 】a n n e xc 中有所定义。我们用m 加l a b 画出 m 和c 坼】的时域波形如图2 - 4 所示。 | 一心 | j 一一 ( a ) c m( b ) m 图2 - 4c 西】和 州时域波形图 将输入的p c m 信号分别通过分析滤波器组h m 可得到p m 】如下： 5 l l p j 【，l 】| 罗x 砷一所】x h 。叻】，f o 一3 1 ( 2 4 2 ) 籀 再将p m 】作3 2 倍抽取，则可得到3 2 个频带的子带信号( 注意，此处仍是时 域信号) ，如式( 2 - 3 ) 所示： 5 l t s ，【h 卜p f 【3 刎一罗x 【3 2 ，l m 】h ；，f o 3 l ( 2 3 ) m 刈 上面是从原理上给出了分析子带滤波器的计算方法。在实际的m p 3 编码算法 中，分析滤波器是将子带分解和样本抽取两步操作同时进行的，这样可以避免抽 取前不必要样本的计算，很大程度上减小了运算的复杂度。图2 5 说明了m p 3 编 码时子带滤波的实现流程图： 一1 0 第二章m 呼3 编解码原理 b e g i n l 佑r l = 5 强黼2 d o f o r - 3 1d o w n l o o d o x m = n e x l j n p u i _ a u d i o - - s a m p i e 寸 w i n d a wb y5 1 2c 衔c e n t s p r o d u c ev e c l o r z f o r - 0 t 0 5 1 1d oz i = c i i v p a r t i a lc a i c u i a t j o n 7 f o r - od 0 6 3d oy i = z i + 删 j = o v c a i c u | a t e3 2s a m p i e sb y m a t r i ) ( i n g 8 3 f 0 怍o d 0 3 1 d o s i = + y k k = o v o u t d u t 3 2s u b b a n d s a m d i e s e n d 图2 - 5h 僻3 子带滤波运算流程图 其中，m p 】噼1 崔c o s f 堡掣】。下面，我们将对图2 5 所示运算流程进 行推导，得出与式( 2 3 ) 相同的结果，以说明该快速运算流程的正确性。 电子科技大学硕士学位论文 6 3 6 37 s 。荟m 【啦】州阶荟m 【】。荟礅“4 力 f = 6筋 筒 一薹m 删陲啡删”阶s 4 川，埘 荟唧舭k 【荟孵州】x 【“6 4 门j ，江3 1 ( 2 _ 4 ) 将式( 2 - 4 ) 括号内的求和项对j 展开并运用乘法分配翠，_ j 得 s i 一m 【f l 雎】晔】冰】+ m 【f 】陋】m + 6 4 】x 【七+ 6 4 】 筋筋 + + 罗m p 】【女1 c ：【七+ 6 4 x 7 】x 【七+ 6 4 7 】，f = o 一3 1 ( 2 5 ) 局 根据三角函数的周期性，对m 算子进行处理，有 m m + 6 4 小c o s 堑逖掣 。塑鼍! ；业+ 石( 互+ 1 ) 门 l 6 4 、 l 删叫垫掣】 = ( _ 1 ) 7 m p 】防】，f o 3 1 ，= o 一7 ( 2 6 ) 将式( 2 6 ) 代入式( 2 5 ) ，可化简得 s j 一m 【剥m 】础卜m 【f 】阵+ 6 4 1 晔+ “1 冰+ 删+ + 筋岗 y m 【f 1 陋+ 6 4 6 】c 肛+ 6 4 6 】x 肚+ 6 4 6 】一 筋 罗m 【f 】噼+ “7 1 q | j + 6 4 x 7 】x 啦+ 6 4 7 】 筋 一罗m 【f 】噼】j l 昨1 x 陋】，f t o 一3 1 ( 2 7 ) # - u 式( 2 - 7 ) 中，1 l 嘲在式( 2 1 b ) 有定义。我们将式( 2 _ 1 a ) 代入式( 2 - 7 ) ，得 s 。= 罗h ，陋】x 【尼】，f o 一3 1 ( 2 8 ) 岗 1 2 第二章m p 3 编解码原理 从图2 - 5 中第一步可知，时域样本) 【叫是以3 2 个为一组同时输入的，而且新 输入的样本值存放在暂存器的小端，这等效于对滤波后的子带信号进行1 3 2 抽取， 因此式( 2 - 8 ) 可以变形为 型 s