音频基础知识及编码原理

1、一、根本概念比特率：表示经过编码压缩后的音频数据每秒钟需要用多少个比特来表示，单位常为kbps。响度和强度：声音的主观属性响度表示的是一个声音听来有多响的程度。响度主要随声音的强度而变化，但也受频率的影响。总的说，中频纯音听来比低频和高频纯音响一些。采样和采样率：采样是把连续的时间信号，变成离散的数字信号。采样率是指每秒钟采集多少个样本。Nyquist 采样定律：采样率大于或等于连续信号最高频率重量的2 倍时，采样信号可以用来完善重构原始连续信号。二、常见音频格式WAV 格式，是微软公司开发的一种声音文件格式，也叫波形声音文件，是最早的数字音频格式，被Windows 平台及其应用程序广泛支持，

2、压缩率低。MIDIMusical Instrument Digital Interface的缩写，又称作乐器数字接口，是数字音乐/电子合成乐器的统一国际标准。它定义了计算机音乐程序、数字合成器及其它电子设备交 输的协议，可以模拟多种乐器的声音。MIDI 文件就是MIDI 格式的文件，在MIDI 文件中存储的是一些指令。把这些指令发送给声卡，由声卡依据指令将声音合成出来。MP3全称是MPEG-1 Audio Layer 31992年合并至MPEG标准中。MP3能够以高音质、低采样率对数字音频文件进展压缩。应用最普遍。MP3Pro是由瑞典Coding科技公司开发的，其中包含了两大技术：一是来自于C

3、oding 科技公司所特有的解码技术，二是由MP3 的专利持有者法国汤姆森多媒体公司和德国Fraunhofer 集成电路协会共同争辩的一项译码技术MP3Pro 可以在根本不转变文件大小的状况下改善原先的MP3 音乐音质。它能够在用较低的比特率压缩音频文件的状况下，最大程度地保持压缩前的音质。MP3Pro是由瑞典Coding科技公司开发的，其中包含了两大技术：一是来自于Coding 科技公司所特有的解码技术，二是由MP3 的专利持有者法国汤姆森多媒体公司和德国Fraunhofer 集成电路协会共同争辩的一项译码技术MP3Pro 可以在根本不转变文件大小的状况下改善原先的MP3 音乐音质。它能够在

4、用较低的比特率压缩音频文件的状况下，最大程度地保持压缩前的音质。WMA (Windows Media Audio)是微软在互联网音频、视频领域的力作。WMA 格式是以削减数据流量但保持音质的方法来到达更高的压缩率目的，其压缩率一般可以到达1:18。此外，WMA还可以通过DRMDigitalRightsManagement保护版权。RealAudio是由Real Networks音频信息，尤其是在网速较慢的状况下，仍旧可以较为流畅地传送数据，因此RealAudio 主要适用于网络上的在线播放。现在的RealAudio文件格式主要有RA(RealAudio)、RMRealMedia，RealAud

5、io G2、RMX(RealAudio Secured)等三种，这些文件的共同性在较宽阔的听众获得较好的音质。Audible 拥有四种不同的格式：Audible1、2、3、4。Audible 网站主要是在互联网上贩卖有声书籍，并对它们所销售商品、文件通过四种Audible 专用音频格式中的一种1、2 和 3 承受不同级别的语音压缩，而格式4 承受更低的采样率和MP3 一样的解码方式，所得到语音吐辞更清楚，而且可以更有效地从网上进展下载。Audible 所承受的是他们自己的桌面播放工具，这就是Audible Manager，使用这种播放器就可以播放存放在PC 或者是传输到便携式播放器上的Audi

6、ble格式文件AAC AAC 是由Fraunhofer IIS-A、杜比和AT&T 共同开发的一种音频格式，它是MPEG-2 标准的一局部。AAC 所承受的运算法则与MP3 的运算法则有所不同，AAC 通过结合其他的功能 来提高编码效率。AAC 的音频算法在压缩力量上远远超过了以前的一些压缩算法比方MP3 等48 个音轨、15 个低频音轨、更多种采样率和比特率、多种语言的兼容力量、更高的解码效率。总之，AAC可以在比MP330%的前提下供给更好的音质。Ogg Vorbis 是一种的音频压缩格式，类似于MP3 等现有的音乐格式。但有一点不同的是，它是完全Vorbis 是这种音频压缩机制的名字，而

7、Ogg 则是一个打算的名字，该意图VORBIS 也是有损压缩，但通过使用更加先进的声学模型去削减损失，因此，同样位速率(Bit Rate)编码OGGMP3相比听起来更好一些。APE 是一种无损压缩音频格式,WAV文件的一半.12 .FLAC即是Free Lossless Audio Codec其特点是无损压缩。三、音频编码根本原理语音编码致力于：降低传输所需要的信道带宽，同时保持输入语音的高质量。语音编码的目标在于：设计低简单度的编码器以尽可能低的比特率实现高品质数据传输。静音阈值曲线：只在安静环境下，人耳在各个频率能听到声音的阈值。临界频带由于人耳对不同频率的解析度不同，MPEG1/Audi

8、o 22khz 内可感知的频率范围，依不同编码层，不同取样频率，划分成 2326 个临界频带。以下图列出抱负临界频带的中心频率与频宽。图中可看到，人耳对低频的解析度较好。5频域上的掩蔽效应：幅值较大的信号会掩蔽频率相近的幅值较小的信号，如以下图：2SPsound pressure 较大的声音会掩蔽SPLpre-masking和后向掩蔽(post-masking),post-masking 的时间会比较长，约是pre-masking 10 倍。时域遮挡效应有助于消退前回音。四、编码根本手段量化和量化器 化器有：均匀量化器，对数量化器，非均匀量化器。量化过程追求的目标是：最小化量化误差，并尽量减低

9、量化器的简单度这2 者本身就是一个冲突。均匀量化器：最简洁，性能最差，仅适应于 语音。对数量化器：比均匀量化器简单，也简洁实现，性能比均匀量化器好。cNon-uniform 量化器：依据信号的分布状况，来设计量化器。信号密集的地方进展细致的量化，稀疏的地方进展粗略量化。语音编码器语音编码器分为三种类形：a波形编器 ；b声码器 ；c混合编码器。 质量的样值并且消耗较高的比特率。 而声码器 vocoder不会再生原始波形。这组编码器 会提取一组参数 ，这组参数被送到接收端，用来导出语音产生模形。声码器语音质量不够好。混合编码器，它融入了波形编码器和声器的特长。波形编码器波形编码器的设计常独立于信号

10、。所以适应于各种信号的编码而不限于语音。1 时域编码PCM：pulsecodemodulation,是最简洁的编码方式。仅仅是对信号的离散和量化，常承受对数量化。DPCM：differential pulse code modulation，差分脉冲编码，只对样本之间的差异进展编码。前一个或多个样本用来推测当前样本值。用来做推测的样本越多，推测值越准确。真实值和推测值之间的差值叫残差，是编码的对象。ADPCadaptive differential pulse code modulatioDPCM残差更小，压缩效率更高。2频域编码频域编码是把信号分解成一系列不同频率的元素，并进展独立编码。as

11、ub-band coding 器(BPF)组把原始信号分割为假设干(例如m 个)子频带(简称子带)。将各子带通过等效于单边带调幅的调制特性，将各子带搬移到零频率四周，分别经过BPF(共m 个)之后，再以规定的速率(奈奎斯特速率)对各子带输出信号进展取样，并对取样数值进展通常的数字编码，其设置m 路数字编码器。将各路数字编码信号送到多路复用器，最终输出子带编码数据流。对不同的子带可以依据人耳感知模型，承受不同量化方式以及对子带安排不同的比特数。btransform coding：DCT 编码。6 声码器channel vocoder:利用人耳对相位的不敏感。vocoder：能有效地处理合成信号。formant vocoder:以用语音信号的绝大局部信息都位于共振峰的位置与带宽上。linearlinear predictive vocoder：最常用的声码器。7 混合编码器波形编码器试图保存被编码信号的波形，能以中等比特率32kbps供给高品质语音，但 2 者的优点。RELP：在线性推测的根底上，对残差进展编码。机制为：只传输小局部残差，在承受端重构全部