多媒体技术 音编码基础和标准.pptVIP

2.3 音频编码基础和标准 2.3.1 音频编码基础 2.3.2 音频编码标准 2.3.1 音频编码基础 一、压缩编码的必要性 二、音频编码基础 三、音频编码的分类 * 压缩编码的必要性 多媒体音频数据的存储和传输中，必须压缩数据。利用音频编码压缩数据。 高质量音频 采样数据率（每秒比特数）： 信号类型 频率范围 （ H Z ） 采样率 （ KH Z ） 量化精度 （位） 数据率 （位 / 秒） 电话话音 200 ～ 3400 8 8 64k 高质量音频 20 ～ 20K 44.1 16 705.6k 压缩编码数据率： 信号类型 数据率 （位 / 秒） 压缩编码 标准 数据率 ( 位 / 秒 ) 数据率 ( 字节 / 分钟 ) IP 电话话音 64k G.723 5.3k 40 K 705.6k 44.1 128k 960k * 压缩编码的必要性 数据压缩造成音频质量的下降、计算量的增加。人们在实施数据压缩时，要在音频质量、数据量、计算复杂度三方面进行综合考虑。 各领域的专家致力于算法的研究，众多的企业致力于芯片和产品的研制，国际标准化组织也先后推出一系列建议。 高质量高效率的音频压缩技术广泛地用于多媒体应用、音像制品、数字广播、数字电视等领域。 * 音频编码基础 　从信息保持的角度讲,只有当信源本身具有冗余度,才能对其进行压缩。根据统计分析结果，语音信号存在着多种冗余度，其最主要部分可以分别从时域和频域来考虑。另外由于语音主要是给人听的，所以考虑了人的听觉机理，也能对语音信号实行压缩。 1、时域信息的冗余度 2、频域信息的冗余度 3、人的听觉感知机理 * 1、时域信息的冗余度 幅度的非均匀分布 一般语音中小幅度样本比大幅度样本出现的概率要高，并且通话中必然会有间隙，更会出现大量低电平样本。因此．语音信号取样值的幅度分布是非均匀的，可以采用非均匀量化对其编码。 样本间的相关 对语音波形的分析表明，取样数据的最大相关性存在于邻近样本之间，并且取样速率越高，样本间相关性越强。根据相关性，可利用N阶差分编码技术，进行有效的数据压缩。 * 1、时域信息的冗余度（续） 周期之间的相关 虽然语音信号需要一个电话通路提供整个200～3400HZ的带宽，但在特定的瞬间，某声音只有少数频率成分在作用，它们在周期域周期间，存在着一定的相关性。 基音之间的相关 人说话声音分为浊音和清音，浊音不仅有周期间的冗余度，还对应于音调间隔的长期重复波形。 * 1、时域信息的冗余度（续） 静音系数两人间打电话，平均每人的讲话时间为通话总时间的一半，另一半时间听对方讲。听的时候—般不讲活，而即使是在讲话的时候，也会出现停顿。声音间隔本身就是一种冗余，若能正确检测出该静比段，便可“插空”传输更多的信息。 长时自相关函数 上述周期间等相关性，都是在20 ms间隔内进行统计的所谓短时自相关。如果在较长的时问间隔(如几十秒)进行统计，便得到长时自相关函数。 * 2、频域信息的冗余度 非均匀的长时功率谱密度 在相当长的时间间隔内进行统计平均，可得到长时功率谱密度函数．其功率谱呈现强烈的非平坦性。从统计的观点看，这意味着没有充分利用结定的频段，有固有的冗余度 语音特有的短时功率谱密度语音信号的短时功率谱，在某些频率上出现峰值，这些峰值频率不只一个，但最主要的是第一和第二个，由它们决定不同的语音特征。 * 3、人的听觉感知机理 人的听觉具有掩蔽效应 当两个响度不同的声音作用于人耳时，响度较高的频率成分会影响对响度较低频率成分的感受。 人耳对不同频段的声音敏感度不同 低频成分容易掩蔽高频成分。即使是对同样声压级的声音，人耳的实际感觉到的音量也是随频率而变化。 人耳对语音信号的相位变化不敏感 入耳听不到或感知极不灵敏的声音分量都不妨视为冗余的。 * 音频编码的分类 音频编码分位三类： 基于音频数据的统计特性进行编码,其典型技术是波形编码。其目标是使重建语音波形保持原波形的形状； 基于音频的声学参数，进行参数编码，可进一步降低数据率。其目标是使重建音频保持原音频的特性； 基于人的听觉特性，进行感知编码 。 * 音频编码的分类（续） 波形编码： 脉冲编码调制（PCM） 自适应脉冲编码调制（APC