第5章音频数据的压缩编码研究报告.ppt

第5章 音频数据的压缩编码 第5章 音频数据的压缩编码 明确人的听觉特性 掌握音频编码的分类及原理 掌握MPEG-1音频编码的原理和特点 了解MPEG-2音频编码 学习目标 第5章 音频数据的压缩编码 本章的主要内容 5.1概述 5.2人的听觉特性 5.3音频信号的数字化 5.4-5.8 5.9MPEG-1音频编码 5.10MPEG-2音频编码 5.12音频压缩编码的国际标准 小结 5.1 概述 声音是机械振动在弹性介质中传播的机械波，称为声波。 声音转换为电信号时，声音的电信号在时间和幅度上都是连续的模拟信号。 振幅 周期 ● 振幅 — 波的高低幅度，表示声音的强弱 ● 周期 — 两个相邻波之间的时间长度 ● 频率 — 每秒钟波振动的次数，单位是 Hz ● 声音特性 空气、液体、固体 ●认识声音 声音的强度 (响度或音量)，与声波振幅成 正比；唱盘、CD 盘等声音载体中的音强 不变，通过播放设备的音量控制可改变聆 听时强度；音频处理软件可提高声源音强 声音的特色，主要影响因素是复音；复 音指具有不同频率和不同振幅的混合声 音，其中最低频率是 “基音”，是声音的 基调，其他频率的声音为 “谐音 (泛音)” 代表声音的高低，与频率有关；使 用音频处理软件对声音的频率进行 调整时，其音调也会随之发生变化 ●声音的三要素 ● 音调 —— (高低) (高) (低) ● 音强 —— (强弱) (弱) (强) (停) ● 音色 —— (特质) 钢琴 吉他 小号 小提琴 5.1 概述 音频压缩编码研究的基本问题 在给定编码速率的条件下，如何能够得到尽量好的重建语音质量； 尽量减少编码延时； 降低算法的复杂程度。 音频信号分为话音（人的说话声音）和一般声音（如音乐）两类。 5.1 概述 音频编码分类 按照编码速率来分： 高速率（32kb/s 以上） 极低速率(1.2kb/s以下) 中高速率（16-32kb/s） 中速率（4.8-16kb/ s） 低速率（1.2-4.8kb/s） 按照编码方法来分： 波形编码 参数编码 混合编码 5.2 人的听觉特性 声音频率是常用的描述声音的参量，人耳所能感受到的声音的频率范围在16HZ-16KHZ。 声压及声压级SPL（Sound Pressure Level）也是常用的声音描述参量。简单来说，声压就是声音的压力。 5.2.1 响度级和响度 响度 表征声音的强弱 响度的客观测量单位 声压dyn/cm（达因/平方厘米）；声强W/cm（瓦特/平方厘米） 描述主观声音的强弱 响度级：方（phon）;响度：宋（sone） 2 2 5.2.1 响度级和响度 人耳的等响度曲线：实验表明，人耳感知的声音强度是频率和声压级的函数，通过比较不同频率和幅度的语音可以得到人耳的等响度曲线。 图5-1 等响曲与声强的关系 5.2.2 听觉灵敏度 听阈：能引起人耳听到声音时的声压称为听阈； 听觉灵敏度：在给定频率上，人耳能够听到声音的最小声压级。 横轴表示频率，纵轴表示与这段信号相比其他频率信号能被听到的强度，用分贝表示； 从图中看出，人耳对不同频率的敏感程度差别很大，其中对2-4KHZ范围的信号最为敏感，这个频段以外，人耳的听觉灵敏度逐渐降低。 5.2.3 听觉掩蔽 人耳听觉的掩蔽效应： 一个频率声音的听阈由于另一个声音的存在而上升的现象称为掩蔽。在一个较强的声音附近，相对较弱的声音将不能被人耳察觉，即被强音掩蔽。 频域掩蔽（同时掩蔽） 当音频信号中存在多个信号时，强信号会降低人耳对该信号频域附近其他信号的敏感度，这种现象称为频率掩蔽，也称同时掩蔽，是较强的掩蔽效应。 时域掩蔽（异时掩蔽） 人耳听到一个强音后，会经过一个短暂的延时才能听到较弱的声音，称为时域掩蔽，也称异时掩蔽。 超前掩蔽（5-20ms） 滞后掩蔽（50-200ms） 5.2.4 临界带宽 为了描述窄带噪声对纯音信号的掩蔽效应，引入临界带宽的概念。 临界带宽：一个纯音可以被以它为中心频率，并且有一定宽度的连续噪声所掩蔽，如果在这一频带内噪声功率等于该纯音的功率，这是该纯音处于刚好能被听到的临界状态，则称这一带宽为临界带宽。 单位：巴克（Bark） 1 Bark=一个临界带宽 5.3 音频信号数字化 转换 模拟信号 数字信号 采样、量化、编码 5.3 音频信号数字化 音 频 信 号 频 率 采 样 频 率 采 样 量 化 保 存 为 声 音 文 件 开 始 结 束 根据声音频带、取样频率和样本精度，通常把声音分为五个等级（见表5-1）。由低到高为： 电话、调幅（AM）广播、调频（FM）广