第3章 声音3.pptVIP

南京大学多媒体研究所 第3章 声音（3） 内容 一、全频带数字声音的压缩编码 二、MIDI 一、全频带数字声音的压缩编码 1 听觉系统的感知特性 响度 听觉系统对对响度的感知 人的听觉系统存在一个听觉阈值电平，低于这个电平的声音信号就听不到 听觉域值的大小随声音频率的改变而变化，大多数人的听觉系统对2 kHz～5 kHz之间的声音最敏感。 声音是否能听到取决于声音的频率及强度(是否大于该频率对应的听觉阈值) 每个人的听觉域值也不同。 “听阈-频率” 曲线 音调 对音调的感知 人们对音调（音高）的主观感觉, 单位是“美”(Mel) 主观感觉的音调与频率之间并不是线性关系: Mel=1000*log2(1+f) 人耳对频率的感知范围: 20 Hz ~ 20000 Hz 听觉掩蔽特性 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称为掩蔽效应。前者称为掩蔽声音(masking tone, masker)，后者称为被掩蔽声音(masked tone, maskee)。 掩蔽效应可分成2种: 频域掩蔽 时域掩蔽 频域掩蔽 强纯音会掩蔽频率与其靠近的同时发声的弱纯音，这种特性称为频域掩蔽，也称同时掩蔽(simultaneous masking)。 例如，同时有两种频率的纯音存在，一种是1000 Hz的声音(60dB)，另一种是1100 Hz的声音(42dB)，在这种情况下，1100 Hz的声音就听不到。 弱纯音离强纯音越近就越容易被掩蔽。 不同纯音的掩蔽效应曲线 ①低频纯音可以有效地掩蔽高频纯音，但高频纯音对低频纯音的掩蔽作用则不明显 ②掩蔽效应的作用范围和大小，与声强及频率有关，频率越高、声音越强，掩蔽效应越大。 时域掩蔽 临界频带 同一个频带里的声音相同 非线性的25个临界频带 临界频带的掩蔽效应 2 MPEG-1 Audio(11172-3) 什么是MPEG-1与MPEG-1 音频 MPEG-1是活动图象及其伴音的压缩编码标准，其中 MPEG-1 Part3 (audio)是音频压缩编码。 诞生于1992年 目的是把221Mbit／s的NTSC图像压缩到1.2Mbit／s，压缩率为200∶1。 传输速率为1.5Mbits／s，每秒播放30帧，具有CD音质 视频约1.2 Mbits/sec, 音频约0.3 Mbits/sec (CD 唱片的码率： 44,100 samples/sec * 16 bits/sample * 2 channels 1.4 Mbits/sec) 典型应用 VCD MPEG-1音频编码的性能(1) 编码器输入: 取样频率：32kHz、44.1kHz或48kHz 量化精度：16位 数字声音信号带宽： 20-20kHz 编码器输出: 码率：32-384 kbps 格式：MPEG-1格式 MPEG-1音频编码的性能(2) (2) 提供三个独立的压缩层次: 压缩倍数 码率 延迟时间 语音质量 1 语音质量 2 1 4:1 384 19ms 2 6-8:1 192-256 35ms 2.1-2.6 4+ 3 10-12:1 112-128 59ms 3.6-3.8 4+ MPEG-1音频编码的性能(3) 支持4种不同的模式: 单通道(Single channel)， 双通道(Dual channel,二个独立的声音信号编码在一个比特流中)， 立体声(Stereo, 左右声道的信号分别编码在一个流中) 联合立体声（Joint stereo，利用左、右声道信号的相关性，降低输出比特流的码率）。 MPEG-1音频编码的性能(4) 编码后的数据流支持循环冗余校验CRC(cyclic redundancy check)。 支持在数据流中添加其它附加信息。 MPEG-1音频编码的原理 MPEG –1音频是一个子带编码系统，声音数据压缩算法的根据是心理声学模型： 将audio信号分割成32个不同的子频带, 充分利用听觉系统的掩蔽特性（主要是利用频域掩蔽特性）, 保留可感知的信号进行编码，而扔掉被掩蔽的信号不进行编码, 计算出以频率为自变量的噪声掩蔽阈值(masking threshold)，按照信掩比(SMR)来决定分配给各个子带的量化位数，调节各个不同子带的量化编码。 MPEG-1音频“层1” 编码器 多相滤波器组 量化器的比特分配算法 根据输出码率决定每一帧样本的比特总数A；然后在不超过总数A的前提下，使