MPEG聲音

一、

MPEG-1Audio

二、MPEG-2Audio三、MPEG-2ACC四、MPEG-4Audio

2002年10月28日MPEG聲音

MPEG-1Audio、MPEG-2Audio、MPEG-2ACC聲音數據壓縮編碼——感知聲音編碼(perceptualaudiocoding)

利用人的聽覺系統的感知特性來達到壓縮聲音數據的目的不同于與波形聲音壓縮編碼(如ADPCM)和參數編碼(如LPC)：依據波形本身的相關性和模擬人的發音器官的特性）2002年10月28日MPEG聲音

對響度的感知

“聽閾—頻率”曲線2002年10月28日MPEG聲音

對音高的感知“音高—頻率”曲線2002年10月28日MPEG聲音

掩蔽效應一種頻率的聲音阻礙聽覺系統感受另一種頻率的聲音的現象

頻域掩蔽一個強純音會掩蔽在其附近同時發聲的弱純音，這種特性稱為頻域掩蔽，也稱同時掩蔽時域掩蔽在時間上相鄰的聲音之間的掩蔽現象。兩種時閾掩蔽：超前掩蔽和滯后掩蔽2002年10月28日MPEG聲音

心理聲學模型(psychoacousticmodel)聽覺閾值電平聽覺閾值的大小隨聲音頻率的改變而改變，各個人的聽覺閾值也不同。（大多數人2kHz～5kHz）一個人是否能聽到聲音取決于聲音的頻率，以及聲音的幅度是否高于這種頻率下的聽覺閾值。聽覺掩飾特性聽覺閾值電平是自適應的，即聽覺閾值電平會隨聽到的不同頻率的聲音而發生變化。

2002年10月28日MPEG聲音

MPEGAudio采用的兩種感知編碼：感知子帶編碼(perceptualsub-bandcoding)思想是首先把時域中的聲音數據變換到頻域，對頻域內的子帶分量分別進行量化和編碼，然后根據心理聲學模型確定樣本的精度，從而達到壓縮數據量的目的。不局限于只對話音進行編碼，也不局限于哪一種聲源。DolbyAC-3編碼2002年10月28日MPEG-1Audio感知子帶編碼壓縮算法框圖

2002年10月28日MPEG-1AudioDolbyAC-3壓縮編碼算法框圖2002年10月28日MPEG-1AudioMPEG聲音編碼器結構圖2002年10月28日MPEG-1AudioMPEG聲音解碼器結構圖2002年10月28日MPEG-1AudioISO/MPEGaudio層1和層2編碼器和解碼器的結構2002年10月28日MPEG-1AudioISO/MPEGaudio層3編碼器和解碼器的結構2002年10月28日MPEG-2AudioMPEG-1和-2的聲音數據規格參數名稱LinearPCMDolbyAC-3MPEG-2AudioMPEG-1Audio采用頻率48/96kHz32/44.1/48kHz16/22.05/24/32/44.1/48kHz32/44.1/48kHz樣本精度

(每個樣本的比特數)16/20/24壓縮(16bits)壓縮(16bits)16最大數據傳輸率6.144Mb/s448kb/s8～640kb/s32～448kb/s最大聲道數85.15.1/7.122002年10月28日MPEG-2ACCMPEG-2AAC（Advancedaudiocoding）編碼思想：主要使用聽覺系統的掩蔽特性來減少聲音的數據量，并且通過把量化噪聲分散到各個子帶中，用全局信號把噪聲掩蔽掉。與MPEG-1聲音格式不兼容

適用范圍：AAC支持的采用頻率可從8kHz到96kHzAAC編碼器的音源可以是單聲道的、立體聲的和多聲道的聲音。（AAC標準可支持48個主聲道、16個低頻音效加強通道LFE(lowfrequencyeffects)、16個配音聲道(overdubchannel)或者叫做多語言聲道(multilingualchannel)和16個數據流。）2002年10月28日MPEG-2ACCMPEG-2AAC（Advancedaudiocoding）壓縮率：MPEG-2AAC壓縮比為11:1（即每個聲道的數據率為(44.1×16)/11=64kb/s）。在5個聲道的總數據率為320kb/s的情況下，很難區分還原后的聲音與原始聲音之間的差別。與MPEG的層2相比，MPEG-2AAC的壓縮率可提高1倍，而且質量更高；與MPEG的層3相比，在質量相同的條件下數據率是它的70％。2002年10月28日MPEG-2ACC

MPEG-2AAC的配置開發MPEG-2AAC標準采用模塊化的方法：把整個AAC系統分解成一系列模塊，用標準化的AAC工具(advancedaudiocodingtools)對模塊進行定義（MPEGAudio標準是對整個系統進行標準化）AAC標準定義了三種配置：基本配置低復雜性配置可變采樣率配置2002年10月28日MPEG-2AAC編碼器框圖2002年10月28日

MPEG-2AAC解碼器框圖2002年10月28日MPEG-4Audio

MPEG-4Audio標準：集成從話音~高質量的多通道聲音；從自然聲音~合成聲音編碼方法：參數編碼(parametriccoding)碼激勵線性預測(codeexcitedlinearpredictive，CELP)編碼時間/頻率T/F(time/frequency)編碼結構化聲音SA(structuredaudio)編碼合成聲音：MIDI；TTS2002年10月28日MPEG-4Audio

自然聲音

(naturalaudio)MPEG-4聲音編碼器支持數據率2kb/s~64kb/s之間的自然聲音。三種類型聲音編碼器：

2002年10月28日MPEG-4Audio

1、參數編碼器使用聲音參數編碼技術。采樣頻率為8kHz的話音(speech)，輸出數據率為2～4kb/s；采樣頻率為8kHz或16kHz的聲音(audio)，輸出數據率為4～16kb/s。2002年10月28日MPEG-4Audio

2、CELP編碼器使用CELP(codeexcitedlinearpredictive)技術。采樣頻率為8kHz的窄帶話音或16kHz的寬帶話音，輸出數據率6～24kb/s2002年10月28日MPEG-4Audio

3、T/F編碼器使用時間-頻率(time-to-frequency，T/F)技術。這是一種使用矢量量化(vectorquantization，VQ)和線性預測的編碼器，采樣頻率為8kHz的聲音信號，輸出的數據率大于16kb/s。2002年10月28日MPEG-4Audio

MPEG-4Audio編碼方框圖2002年10月28日MPEG-4Audio

文-語轉換

TTS(text-to-speech)將文本形式的信息轉換成自然語