音频压缩由编码和解码两个部分组成-read.docVIP

【轉載】MP3編碼原理概述音頻壓縮由編碼和解碼兩個部分組成。把波形文件裡的數字音頻數據轉換為高度壓縮的形式(稱為比特流)即為編碼；要解碼則把比特流重建為波形文件。 　　音頻壓縮可以分為無損(lossless)壓縮和有損壓縮。無損壓縮就是盡量降低音頻數據的冗余度，以減小其體積。音頻信號經過編碼和解碼之後，必須要和原來的信號一致。無損壓縮的壓縮率是比較有限的，不過現在比較出色的APE能做到50%的壓縮率(本人用Monkeys Audio 3.97，Extra High壓縮模式下壓縮WAV，壓縮率最低能達到52%)；有損壓縮就是用盡一切手段，包括無損壓縮用到的方法，丟掉一切能丟掉的數據，以減小體積。而音頻壓縮後解碼聽起來起碼是要跟原來差不多的，有損壓縮的壓縮比能大幅提高，MP3就是屬於有損壓縮，壓縮比是12:1(128kbps)。 　　MP3文件是由幀(frame)構成的，幀是MP3文件最小的組成單位。什麼是幀?還記得最初的動畫是怎麼做的嗎?不同的連續畫面切換以達到動態效果，每幅畫面就是一個“幀”，不同的是MP3里面的幀記錄的是音頻數據而不是圖形數據。MP3的幀速度大概是30幀/秒。 　　每個幀又由幀頭和幀數據組成，幀頭記錄著該幀的基本信息，包括位率索引和采樣率索引(這對理解ABR和VBR編碼方式很重要)。幀數據，顧名思義就是記錄著主體音頻數據。 　　上面說的都是MP3編碼的基礎，但事實上，早期的編碼器都非常不完善，壓縮算法近於粗暴，音質很不理想。MP3的音質達到現在的水平有兩次飛躍:人體聽覺心理學模型(Perceptual Model)的導入和VBR技術的應用。 　　◆人體聽覺心理學模型 　　下面將簡要介紹一下幾個重要原理: 　　1) 最小聽覺門檻判定 (The minimal audition threshold) 　　人耳的聽力範圍是20Hz-20k Hz的頻率範圍，但是人耳對不同的頻率聲音的靈敏度是不同的，不同頻率的聲音要達到能被人耳聽到的水平所需要的強度是不一樣。那麼通過計算，可以把音樂文件中存在但不能被人耳聽到的聲音去掉。 通過這原理，我們還可以建立模型，把大部分數據空間分配到人耳最靈敏的2kHz到5kHz範圍，其餘頻率分配比較少的空間； 　　2) 人耳的遮蔽效應 (The Masking effect) 　　蔽效應表現在強信號會遮蔽鄰近頻率的弱信號。用生活經驗來說，在安靜的房間中，一根針掉到地上都能聽見，可到了大街上，就算手機音量調到最大，來電時也未必能聽見，而手機的聲音確確實實是存在的，原因就是被周圍更大的聲音遮蔽了。有了對遮蔽效應的研究成果，編碼器就能根據已建立的數學模型，計算強信號對附近弱信號的遮蔽，把能引起人們注意的聲音才保留。 　　人耳還有前遮蔽效應和後遮蔽效應:因為人需要一定的時間來處理聲音信號，在強信號之前或之後的弱信號，會被遮蔽掉。前遮蔽效應的時間約只有2-5ms，而後遮蔽的時間比較長，大約有100ms。利用這，我們能減小強信號之前和之後的分辨率； 　　3) 人耳的空間響應: 人耳對某些高頻的聲音的空間感很差，辨別不了聲源的方向。聯合立體聲(Joint Stereo)應運而生:在某些頻率上採用“單聲道”(事實上並非真正意義上的單聲道)，以減小流量。 　　◆VBR技術 　　正如上面所說，MP3是由幀構成的，MP3能象動畫那樣讀到哪放到哪， 播放器不必預讀整個文件的內容，即使部分數據損壞也不會對播放效果有太大影響(實際上這就是流媒體所具有的特性)。而每個幀的幀頭裡都包含這該幀的碼率(bitrate，單位是kbps)等信息，所以，我們可以對每一段音樂甚至每一個幀定義獨立的碼率，這就是VBR（Variable bitrate，動態碼率）技術。 　　與VBR向對應的是CBR(Constant bitrate)。一支交響曲，合奏大動態部分的數據量顯然大於引子部分，如果用128kbps的CBR編碼方式來編碼，在引子部分可能有多餘的數據流量，而在合奏部分卻又不夠，VBR就是解決這個問題的。把在不影響音質的情況下，對流量需求小的部分分配較小的碼率，把冗余字節緩存起來留給有需要的部分，在短時間內提供更高的碼率，以保證音樂的質量。所以說，VBR的作用是更合理的分配流量，在不增大文件體積的條件下提高聲音的質量。 　　不過VBR在應用初期帶給過MP3隨生聽不少麻煩。因為早期大多數MP3播放器都是針對CBR設計的，其根據文件大小來獲得時長的算法對VBR失效了，因為VBR MP3的bitrate可能每時每刻都在變化。不過現在這個問題基本上不用擔心了，市場上的播放器基本上都解決這問題了。 　　除了上面說的兩方面，MP3編碼還有很重要的一招:Huffman編碼(Huffman是個科學家的名字)，Huffman編碼廣泛應用於無損壓縮領域