2022年音频基础知识及编码原理.docx

《2022年音频基础知识及编码原理.docx》由会员分享，可在线阅读，更多相关《2022年音频基础知识及编码原理.docx（16页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、精选学习资料 - - - - - - - - - 读书之法 ,在循序而渐进 ,熟读而精思一、基本概念1 比特率：表示经过编码（压缩）后的音频数据每秒钟需要用多少个比特来表示,单位常为 kbps ；2 响度和强度：声音的主观属性响度表示的是一个声音听来有多响的程度；响度主要随声音的强度而变化,但也受频率的影响；总的说,中频纯音听来比低频和高频纯音响一些；3 采样和采样率：采样是把连续的时间信号,变成离散的数字信号；采样率是指每秒钟采集多少个样本；Nyquist 采样定律：采样率大于或等于连续信号最高频率重量的 完善重构原始连续信号；二、常见音频格式2 倍时,采样信号可以用来1. WAV 格式,是

2、微软公司开发的一种声音文件格式,也叫波形声音文件,是最早的数字音频格式,被Windows平台及其应用程序广泛支持,压缩率低；2. MIDI 是 Musical Instrument Digital Interface的缩写,又称作乐器数字接口,是数字音乐/电子合成乐器的统一国际标准；它定义了运算机音乐程序、数字合成器及其它电子设备交 换音乐信号的方式, 规定了不同厂家的电子乐器与运算机连接的电缆和硬件及设备间数据传名师归纳总结 - - - - - - -第 1 页,共 9 页精选学习资料 - - - - - - - - - 读书之法 ,在循序而渐进 ,熟读而精思输的协议,可以模拟多种乐器的声音

3、；MIDI 文件就是 MIDI 格式的文件,在MIDI 文件中存储的是一些指令；把这些指令发送给声卡,由声卡依据指令将声音合成出来；3. MP3 全称是 MPEG-1 Audio Layer 3,它在 1992 年合并至 MPEG 规范中； MP3 能够以高音质、低采样率对数字音频文件进行压缩；应用最普遍；4. MP3Pro是由瑞典 Coding 科技公司开发的,其中包含了两大技术：一是来自于Coding科技公司所特有的解码技术,二是由MP3 的专利持有者法国汤姆森多媒体公司和德国Fraunhofer 集成电路协会共同讨论的一项译码技术；MP3Pro 可以在基本不转变文件大小的情形下改善原先的

4、 MP3 音乐音质；它能够在用较低的比特率压缩音频文件的情形下,最大程度地保持压缩前的音质；5. MP3Pro是由瑞典 Coding 科技公司开发的,其中包含了两大技术：一是来自于Coding科技公司所特有的解码技术,二是由MP3 的专利持有者法国汤姆森多媒体公司和德国Fraunhofer 集成电路协会共同讨论的一项译码技术；MP3Pro 可以在基本不转变文件大小的情形下改善原先的 MP3 音乐音质；它能够在用较低的比特率压缩音频文件的情形下,最大程度地保持压缩前的音质；6. WMA Windows Media Audio 是微软在互联网音频、视频领域的力作；WMA 格式是以削减数据流量但保持

5、音质的方法来达到更高的压缩率目的,其压缩率一般可以达到 1:18 ；此外, WMA 仍可以通过 DRM （ Digital Rights Management）爱护版权；7. RealAudio 是由 Real Networks 公司推出的一种文件格式,最大的特点就是可以实时传输音频信息,特别是在网速较慢的情形下,仍旧可以较为流畅地传送数据,因此 RealAudio主要适用于网络上的在线播放；现在的 RealAudio 文件格式主要有 RARealAudio、RM（RealMedia ,RealAudio G2 ）、 RMXRealAudio Secured等三种,这些文件的共同性在于随着网络

6、带宽的不同而转变声音的质量,在保证大多数人听到流畅声音的前提下,令带宽较宽阔的听众获得较好的音质；8. Audible 拥有四种不同的格式：Audible1 、2、3、4；A 网站主要是在互联网上贩卖有声书籍,并对它们所销售商品、文件通过四种 A 专用音频格式中的一种供应爱护； 每一种格式主要考虑音频源以及所使用的收听的设备；格式 1、2 和 3 采纳不同级别的语音压缩,而格式4 采纳更低的采样率和MP3 相同的解码方式,所得到语音吐辞更清晰,而且可以更有效地从网上进行下载；Audible 所采纳的是他们自己的桌面播放工具,这就是 Audible Manager,使用这种播放器就可以播放存放在

7、PC 或者是传输到便携式播放器上的 Audible 格式文件名师归纳总结 - - - - - - -第 2 页,共 9 页精选学习资料 - - - - - - - - - 读书之法 ,在循序而渐进 ,熟读而精思9AAC 实际上是高级音频编码的缩写；AAC 是由 Fraunhofer IIS-A、杜比和 AT&T 共同开发的一种音频格式,它是 MPEG-2 规范的一部分；AAC 所采纳的运 算法 就与 MP3 的运算法就有所不同,AAC 通过结合其他的功能 来提高编码效率；AAC 的音频算法在压缩才能上远远超过了以前的一些压缩算法（比如 MP3 等）；它仍同时支持多达 48 个音轨、 15 个低

8、频音轨、更多种采样率和比特率、多种语言的兼容才能、更高的解码效率；总之,AAC可以在比 MP3 文件缩小 30% 的前提下供应更好的音质；10. Ogg Vorbis 是一种新的音频压缩格式,类似于MP3 等现有的音乐格式；但有一点不同 的是,它是完全 免费 、开放和没有专利限制的；Vorbis 是这种音频压缩机制的名字,而Ogg 就是一个方案的名字,该 方案 意图 设计 一个完全开放性的多媒体系统；VORBIS 也是有损压缩,但通过使用更加先进的声学模型去削减缺失,因此,同样位速率 Bit Rate 编码的 OGG 与 MP3 相比听起来更好一些；11. APE 是一种无损压缩音频格式,在音

9、质不降低的前提下,大小压缩到传统无损格式WAV 文件的一半 . 12 .FLAC 即是 Free Lossless Audio Codec 其特点是无损压缩；三、音频编码基本原理的缩写,是一套闻名的自由音频无损压缩编码,语音编码致力于：降低传输所需要的信道带宽,同时保持输入语音的高质量；语音编码的目标在于：设计低复杂度的编码器以尽可能低的比特率实现高品质数据传输；1 静音阈值曲线：只在寂静环境下,人耳在各个频率能听到声音的阈值；名师归纳总结 - - - - - - -第 3 页,共 9 页精选学习资料 - - - - - - - - - 读书之法 ,在循序而渐进 ,熟读而精思2 临界频带由于人

10、耳对不同频率的解析度不同,MPEG1/Audio将 22khz 内可感知的频率范畴,依不同编码层,不同取样频率,划分成2326 个临界频带；下图列出抱负临界频带的中心频率与频宽；图中可看到,人耳对低频的解析度较好；名师归纳总结 - - - - - - -第 4 页,共 9 页精选学习资料 - - - - - - - - - 读书之法 ,在循序而渐进 ,熟读而精思图 5 3 频域上的掩蔽效应：幅值较大的信号会掩蔽频率相近的幅值较小的信号,如下图：名师归纳总结 - - - - - - -第 5 页,共 9 页精选学习资料 - - - - - - - - - 读书之法 ,在循序而渐进 ,熟读而精思4

11、 时域上的遮挡效应： 在一个很短的时间内, 如显现了 2 个声音,SPL（sound pressure level）名师归纳总结 较大的声音会掩蔽SPL 较小的声音； 时域掩蔽效应分前向掩蔽（pre-masking ）和后向掩蔽第 6 页,共 9 页post-masking,其中 post-masking的时间会比较长,约是pre-masking的 10 倍；- - - - - - -精选学习资料 - - - - - - - - - 读书之法 ,在循序而渐进 ,熟读而精思时域遮挡效应有助于排除前回音；四、编码基本手段1 量化和量化器量化和量化器： 量化是把离散时间上的连续信号,转化成离散时间上

12、的离散信号；常见的量化器有：匀称量化器,对数量化器,非匀称量化器；量化过程追求的目标是：最小化量化误差,并尽量减低量化器的复杂度（这2 者本身就是一个冲突）；（a）匀称量化器：最简洁,性能最差,仅适应于电话语音；（b）对数量化器：比匀称量化器复杂,也简洁实现,性能比匀称量化器好；（c）Non-uniform 量化器：依据信号的分布情形,来设计量化器；信号密集的地方进行细致的量化,稀疏的地方进行粗略量化；2 语音编码器语音编码器分为三种类形：（a）波形编器 ；（ b）声码器 ；（ c）混合编码器；波形编码器以构造出背景噪单在内的模拟波形为目标；作用于全部输入信号,因此会产生高质量的样值并且耗费较

13、高的比特率；而声码器 （vocoder ）不会再生原始波形；这组 编码器 会提取一组 参数 ,这组参数被送到接收端,用来导出语音产生模形；声码器语音质量不够好；混合编码器,它融入了波形编码器和声器的特长；2.1 波形编码器波形编码器的设计常独立于信号；所以适应于各种信号的编码而不限于语音；1 时域编码a）PCM ：pulse code modulation, 采纳对数量化；是最简洁的编码方式；仅仅是对信号的离散和量化,常b）DPCM ： differential pulse code modulation,差分脉冲编码,只对样本之间的差异进行 编码； 前一个或多个样本用来猜测当前样本值；用来做

14、猜测的样本越多,猜测值越精确；真 实值和猜测值之间的差值叫残差,是编码的对象；名师归纳总结 - - - - - - -第 7 页,共 9 页精选学习资料 - - - - - - - - - 读书之法 ,在循序而渐进 ,熟读而精思c）ADPCM ：adaptive differential pulse code modulation 的基础上, 依据信号的变化,适当调整量化器和猜测器,小,压缩效率更高；（2）频域编码,自适应差分脉冲编码； 即在 DPCM 使猜测值更接近真实信号,残差更频域编码是把信号分解成一系列不同频率的元素,并进行独立编码；a）sub-band coding：子带编码是最简洁

15、的频域编码技术；是将原始信号由时间域转变为频率域, 然后将其分割为如干个子频带,并对其分别进行数字编码的技术；它是利用带通滤波器BPF 组把原始信号分割为如干例如 m 个子频带 简称子带 ；将各子带通过等效于单边带调幅的调制特性,将各子带搬移到零频率邻近,分别经过 BPF 共 m 个之后,再以规定 的速率 奈奎斯特速率 对各子带输出信号进行取样,并对取样数值进行通常的数字编码,其 设置 m 路数字编码器；将各路数字编码信号送到多路复用器,最终输出子带编码数据流；对不同的子带可以依据人耳感知模型,采纳不同量化方式以及对子带安排不同的比特数；b）transform coding：DCT 编码；6

16、声码器名师归纳总结 channel vocoder:利用人耳对相位的不敏锐；第 8 页,共 9 页homomorphic vocoder：能有效地处理合成信号；formant vocoder:以用语音信号的绝大部分信息都位于共振峰的位置与带宽上；- - - - - - -精选学习资料 - - - - - - - - - 读书之法 ,在循序而渐进 ,熟读而精思linear predictive vocoder：最常用的声码器；7 混合编码器波形编码器试图保留被编码信号的波形,能以中等比特率（32kbps ）供应高品质语音,但无法应用在低比特率场合；声码器试图产生在听觉上与被编码信号相像的信号,能

17、以低比特率供应可以懂得的语音,但是所形成的语音听起来不自然；混合编码器结合了2 者的优点；RELP ：在线性猜测的基础上,对残差进行编码；机制为：只传输小部分残差,在接受端重构全部残差（把基带的残差进行拷贝）；MPC:multi-pulse coding,对残差去除相关性,用于补偿声码器将声音简洁分为voiced 和unvoiced ,而没有中间状态的缺陷；CELP:codebook excited linear prediction,用声道猜测其和基音猜测器的级联,更好靠近原始信号；MBE:multiband excitation,多带鼓励,目的是防止CELP 的大量运算,获得比声码器更高的质量；名师归纳总结 - - - - - - -第 9 页,共 9 页