Microsoft Word 第12期_总96期_.doc

Size: px

Start display at page:

Download "Microsoft Word 第12期_总96期_.doc"

妆淹濮
5 years ago
Views:

1 音频编码标准发展现状及发展趋势聂秀英张恒升黎家力罗忠摘要 : 音频信息在人们的工作和生活中具有非常重要的作用, 数字化的音频信息的数据量也相当巨大, 为更好地存储传输和使用数字化的音频信息需要对音频信息进行标准化的编码压缩本文简要介绍音频编码标准的发展现状及发展趋势一概述音频信号数字化之后所面临的一个问题是巨大的数据量, 这为存储和传输带来了压力例如, 对于 CD 音质的数字音频, 所用的采样频率为 44.1kHz, 量化精度为 16bit; 采用双声道立体声时, 其数码率约为 1.41Mbit/s;1 秒的 CD 立体声信号需要约 176.4KB 的存储空间因此, 为了降低传输或存储的费用, 就必须对数字音频信号进行编码压缩到目前为止, 音频信号经压缩后的数码率降低到 32 至 256kbit/s, 语音低至 8kbit/s 以下, 个别甚至到 2kbit/s 为使编码后的音频信息可以被广泛地使用, 在进行音频信息编码时需要采用标准的算法因而, 需要对音频编码进行标准化本文从介绍音频技术入手, 介绍音频编码标准的发展现状以及发展趋势二音频编码技术和应用 2.1 音频信号通常将人耳可以听到的频率在 20Hz 到 20KHz 的声波称为为音频信号人的发音器官发出的声音频段在 80Hz 到 3400Hz 之间, 人说话的信号频率在 300 到 3000Hz, 有的人将该频段的信号称为语音信号在多媒体技术中, 处理的主要是音频信号, 它包括音乐语音风声雨声鸟叫声机器声等表 1 数字音频等级信号类型频率范围 (Hz) 采样率 (khz) 量化精度 ( 采样位数 ) 电话话音 200~ ~16 宽带话音 50~ 调频广播 20~15k 高质量音频 20~20k

2 2.2 音频编码技术对数字音频信息的压缩主要是依据音频信息自身的相关性以及人耳对音频信息的听觉冗余度音频信息在编码技术中通常分成两类来处理, 分别是语音和音乐, 各自采用的技术有差异现代声码器的一个重要的课题是, 如何把语音和音乐的编码融合起来语音编码技术又分为三类 : 波形编码参数编码以及混合编码波形编码 : 波形编码是在时域上进行处理, 力图使重建的语音波形保持原始语音信号的形状, 它将语音信号作为一般的波形信号来处理, 具有适应能力强话音质量好等优点, 缺点是压缩比偏低该类编码的技术主要有非线性量化技术时域自适应差分编码和量化技术非线性量化技术利用语音信号小幅度出现的概率大而大幅度出现的概率小的特点, 通过为小信号分配小的量化阶, 为大信号分配大的量阶来减少总量化误差我们最常用的 G.711 标准用的就是这个技术自适应差分编码是利用过去的语音来预测当前的语音, 只对它们的差进行编码, 从而大大减少了编码数据的动态范围, 节省了码率自适应量化技术是根据量化数据的动态范围来动态调整量阶, 使得量阶与量化数据相匹配 G.726 标准中应用了这两项技术,G.722 标准把语音分成高低两个子带, 然后在每个子带中分别应用这两项技术参数编码 : 利用语音信息产生的数学模型, 提取语音信号的特征参量, 并按照模型参数重构音频信号它只能收敛到模型约束的最好质量上, 力图使重建语音信号具有尽可能高的可懂性, 而重建信号的波形与原始语音信号的波形相比可能会有相当大的差别这种编码技术的优点是压缩比高, 但重建音频信号的质量较差, 自然度低, 适用于窄带信道的语音通讯, 如军事通讯航空通讯等美国的军方标准 LPC-10, 就是从语音信号中提取出来反射系数增益基音周期清 / 浊音标志等参数进行编码的 MPEG-4 标准中的 HVXC 声码器用的也是参数编码技术, 当它在无声信号片段时, 激励信号与在 CELP 时相似, 都是通过一个码本索引和通过幅度信息描述 ; 在发声信号片段时则应用了谐波综合, 它是将基音和谐音的正弦振荡按照传输的基频进行综合混合编码 : 将上述两种编码方法结合起来, 采用混合编码的方法, 可以在较低的数码率上得到较高的音质它的基本原理是合成分析法, 将综合滤波器引入编码器, 与分析器相结合, 在编码器中将激励输入综合滤波器产生与译码 13

3 器端完全一致的合成语音, 然后将合成语音与原始语音相比较 ( 波形编码思想 ), 根据均方误差最小原则, 求得最佳的激励信号, 然后把激励信号以及分析出来的综合滤波器编码送给解码端这种得到综合滤波器和最佳激励的过程称为分析 ( 得到语音参数 ); 用激励和综合滤波器合成语音的过程称为综合 ; 由此我们可以看出 CELP 编码把参数编码和波形编码的优点结合在了一起, 使得用较低码率产生较好的音质成为可能通过设计不同的码本和码本搜索技术, 产生了很多编码标准, 目前我们通讯中用到的大多数语音编码器都采用了混合编码技术例如在互联网上的 G 和 G.729 标准, 在 GSM 上的 EFR HR 标准, 在 3GPP2 上的 EVRC QCELP 标准, 在 3GPP 上的 AMR-NB/WB 标准等等音乐的编码技术主要有自适应变换编码 ( 频域编码 ) 心理声学模型和熵编码等技术自适应变换编码 : 利用正交变换, 把时域音频信号变换到另一个域, 由于去相关的结果, 变换域系数的能量集中在一个较小的范围, 所以对变换域系数最佳量化后, 可以实现码率的压缩理论上的最佳量化很难达到, 通常采用自适应比特分配和自适应量化技术来对频域数据进行量化在 MPEG layer3 和 AAC 标准及 Dolby AC-3 标准中都使用了改进的余弦变换 (MDCT); 在 ITU G 标准中则用的是重叠调制变换 (MLT) 本质上它们都是余弦变换的改进心理声学模型 : 其基本思想是对信息量加以压缩, 同时使失真尽可能不被觉察出来, 利用人耳的掩蔽效应就可以达到此目的, 即较弱的声音会被同时存在的较强的声音所掩盖, 使得人耳无法听到在音频压缩编码中利用掩蔽效应, 就可以通过给不同频率处的信号分量分配以不同的量化比特数的方法来控制量化噪声, 使得噪声的能量低于掩蔽阈值, 从而使得人耳感觉不到量化过程的存在在 MPEG layer2 3 和 AAC 标准及 AC-3 标准中都采用了心理声学模型, 在目前的高质量音频标准中, 心理声学模型是一个最有效的算法模型熵编码 : 根据信息论的原理, 可以找到最佳数据压缩编码的方法, 数据压缩的理论极限是信息熵如果要求编码过程中不丢失信息量, 即要求保存信息熵, 这种信息保持编码叫熵编码, 它是根据信息出现概率的分布特性而进行的, 是一种无损数据压缩编码常用的有霍夫曼编码和算术编码在 MPEG layer1 2 3 和 AAC 标准及 ITU G 标准中都使用了霍夫曼编码 ; 在 MPEG4 BSAC 工具中则使用了效率更高的算术编码 14

4 2.3 数字音频编码的主要应用对数字音频信息的编码进行压缩的目的是在不影响人们使用的情况下使数字音频信息的数据量最少通常用如下 6 个属性来衡量 : - 比特率 ; - 主观 / 客观的语音质量 ; - 计算复杂度和对存储器的要求 ; - 延迟 ; - 对于通道误码的灵敏度 ; - 信号的带宽由于不同的应用, 人们对数字音频信息的要求是不同的, 并且在选择数字音频信息编码所采用的技术时也需要了解人们对音频信息的各种应用目前数字音频信息处理技术主要应用于 : 消费电子类数字音响设备 CD 唱机数字磁带录音机 (DAT) MP3 播放机以及 MD(Mini Disc) 唱机已经广泛地应用了数字音频技术广播节目制作系统在声音节目制作系统, 如录音声音处理加工记录存储非线性编辑等环节使用了数字调音台数字音频工作站等数字音频设备多媒体应用在多媒体上的应用体现在 VCD DVD 多媒体计算机以及 Internet VCD 采用 MPEG-1 编码格式记录声音和图像 ;DVD-Audio 格式支持多种不同的编码方式和记录参数, 可选的编码方式包括无损的 MLP DSD Dilby AC-3 MPEG2- layer2 Audio 等, 而且是可扩充的开放的, 并可以应用未来的编码技术 ;Internet 上采用 MP3 的音频格式传输声音, 以提高下载能力广播电视数字化在广播电视和数字音频广播系统中, 声音编码采用 MUSICAM 编码方法, 符合 MPEG-1 Layer 1 高级音频编码如当今的数字电视采用的音频标准就是 Dilby AC-3 和 MPEG-layer2 通讯系统在通讯系统中, 必须对音频进行压缩传统的 PSTN 电话中采用的是 G

5 和 G.726 的标准 ;GSM 移动通讯采用的是 GSM HR/FR/EFR 标准 ;CDMA 移动通讯采用的是 3GPP2 EVRC QCELP8k QCELP16k 4GV 标准 ;WCDMA 第 3 代移动通讯采用的是 3GPP AMR-NB AMR-WB 标准另外在 IPTV 和移动流媒体中, 采用的是 AMR-WB+ 和 AAC 的标准总之, 根据应用场合的不同可以将数字音频编码分为如下两种编码 : 语音编码 : 针对语音信号进行的编码压缩, 主要应用于实时语音通信中减少语音信号的数据量典型的编码标准有 ITU-T G.711 G.722 G G.729; GSM HR FR EFR;3GPP AMR-NB AMR-WB;3GPP2 QCELP8k QCELP13k EVRC 4GV-NB 等音频编码 : 针对频率范围较宽的音频信号进行的编码主要应用于数字广播和数字电视广播消费电子产品音频信息的存储下载等典型的编码有 MPEG 1/MPEG 2 的 layer1 2 3 和 MPEG 4 AAC 的音频编码还有最新的 ITU-T G GPP AMR-WB+ 和 3GPP 2 4GV-WB, 它们在低码率上的音频表现也很不错三音频编码标准发展现状 3.1 语音编码标准发展现状国际电信联盟 (ITU) 主要负责研究和制定与通信相关的标准, 作为主要通信业务的电话通信业务中使用的语音编码标准均是由 ITU 负责完成的其中用于固定网络电话业务使用的语音编码标准如 ITU-T G.711 等主要在 ITU-T SG 15 完成, 并广泛应用于全球的电话通信系统之中目前, 随着 Internet 网络及其应用的快速发展, 在 2005 到 2008 研究期内,ITU-T 将研究和制定变速率语音编码标准的工作转移到主要负责研究和制定多媒体通信系统终端标准的 SG 16 中进行在欧洲北美中国和日本的电话网络中通用的语音编码器是 8 位对数量化器 ( 相应于 64Kb/s 的比特率 ) 该量化器所采用的技术在 1972 年由 CCITT (ITU-T 的前身 ) 标准化为 G.711 在 1983 年,CCITT 规定了 32Kb/s 的语音编码标准 G.721, 其目标是在通用电话网络上的应用 ( 标准修正后称为 G.726) 这个编码器价格虽低但却提供了高质量的语音 16

6 至于数字蜂窝电话的语音编码标准, 在欧洲,TCH-HS 是欧洲电信标准研究所 (ETSI) 的一部分, 由他们负责制定数字蜂窝标准在北美, 这项工作是由电信工业联盟 (TIA) 负责执行在日本, 由无线系统开发和研究中心 ( 称为 RCR) 组织这些标准化的工作此外, 国际海事卫星协会 (Inmarsat) 是管理地球上同步通信卫星的组织, 也已经制定了一系列的卫星电话应用标准 3.2 音频编码标准发展现状音频编码标准主要由 ISO 的 MPEG 组来完成 MPEG1 是世界上第一个高保真音频数据压缩标准 MPEG1 是针对最多两声道的音频而开发的但随着技术的不断进步和生活水准的不断提高, 有的立体声形式已经不能满足听众对声音节目的欣赏要求, 具有更强定位能力和空间效果的三维声音技术得到蓬勃发展而在三维声音技术中最具代表性的就是多声道环绕声技术目前有两种主要的多声道编码方案 :MUSICAM 环绕声和杜比 AC-3 MPEG2 音频编码标准采用的就是 MUSICAM 环绕声方案, 它是 MPEG2 音频编码的核心, 是基于人耳听觉感知特性的子带编码算法而美国的 HDTV 伴音则采用的是杜比 AC-3 方案 MPEG2 规定了两种音频压缩编码算法, 一种称为 MPEG2 后向兼容多声道音频编码标准, 简称 MPEG 2BC; 另一种是称为高级音频编码标准, 简称 MPEG 2AAC, 因为它与 MPEG1 不兼容, 也称 MPEG NBC MPEG4 的目标是提供未来的交互多媒体应用, 它具有高度的灵活性和可扩展性与以前的音频标准相比,MPEG4 增加了许多新的关于合成内容及场景描述等领域的工作 MPEG4 将以前发展良好但相互独立的高质量音频编码计算机音乐及合成语音等第一次合并在一起, 并在诸多领域内给予高度的灵活性 3.3 具有我国自主知识产权的音频编码标准发展现状具有自主知识产权的广晟数码数字音频编解码算法 ( 简称广晟数码音频技术,DRA TM ), 它是可以同时支持立体声和多声道环绕声的数字音频编解码技术其算法的特点是采用自适应时频分块 (ATFT) 方法实现对音频信号的最优分解, 进行自适应量化和熵编码, 其主要技术性能指标如表 2 所示另外, 由多家研究所大学组成的中国音视频编码技术委员会 (AVS) 目前 17

7 正在研究制定 AVS 第 2 部分音频标准, 并已经申请了部分专利 AVS 音频标准的指导原则是 : 在基本解决知识产权问题的前提下, 制定具有国际先进水平的中国音频编码 / 解码标准, 使 AVS 音频编码的综合技术指标基本达到或超过 MPEG AAC 编码技术的指标目前正在开展移动部分 AVS-M 的音频标准制定工作表 2 项目要求采样频率范围采样精度比特率可支持的最大声道数目算法实现复杂度编码延迟 8~192kHz 16 24bit 32~2304k bps 正常声道 64 个, 低频效果声道 (LFE)3 个, 即采用 Motorola5636X 定点 DSP, 只需 48MIPS 即可完成 5.1 声道的 384kbps 的解码 3~42ms 四数字音频编码技术的发展趋势 4.1 语音编码技术的发展趋势经过多年的努力, 业界在语音编码领域取得了很多重要的进展目前在语音编码领域的研究焦点, 一方面是在保证语音质量的前提下, 降低比特率在采用的技术方面从基于线性预测, 使用合成 - 分析法向采用参数编码技术方向转变主要的应用目标是蜂窝电话和应答机另一方面是对传统的语音编码器进行全频带扩展, 使其适应音频的应用例如,AMR 从 NB 发展到 WB, 再到最新的 WB+, 现正在进行全频带的扩展工作 ;G.729 已发展到 G.729.1, 目前也在启动全频带的扩展工作 ;G 也已发展到 G Annex E, 已经完成了全频带的扩展工作除此之外, 为适应在 Internet 上传送语音的需要, 目前 ITU-T SG 16 组正在研究和制定可变速率的语音编码标准变速率的语音编码将是近期语音编码 18

8 发展的一个趋势 4.2 音频编码技术的发展趋势 MPEG4 的研究已经开始了一段时间, 也取得了一些进展, 但由于 MPEG4 本身设定的目标比较远大, 一些能力仍然在研究之中随着以 IPTV 业务为代表的信息检索业务的开展, 适合于在 IP 网络上传输的音频信号编码技术, 用于制作检索和存储音频信息的技术将成为发展的方向作者简介 : 聂秀英, 信息产业部电信研究院通信标准研究所教授级高级工程师 1987 毕业于北京邮电大学, 获工学学士学位 ;1990 年获工程硕士学位 1995 年 1 月至 7 月由 UNDP 资助在英国学习,2001 年 9 月至 2002 年 9 月在加拿大作访问学者主要研究领域 : 数据及多媒体通信张恒升, 信息产业部电信研究院助理工程师罗忠,1996 年毕业于西安交通大学, 信息与控制专业博士, 资深技术和国际标准专家目前担任国际电信联盟 (ITU) 第 16 研究组多媒体业务和应用课题主席, 中国通信标准化协会 (CCSA) 信源编码工作组 (WG3) 组长 1998 年至今就职于华为技术有限公司主要研究领域为多媒体通信, 在流媒体技术和 IPTV 媒体压缩编码和网络传送多媒体业务和应用 NGN 媒体资源控制 P2P 通信多媒体 QoS 和多媒体内容安全方面有深入研究从 1994 年起在国内外学术期刊和会议发表论文 60 多篇, 完成国际发明和中国发明专利 50 多项, 参与了国际和国内标准组织 NGN 和多媒体通信领域的多项标准的制定和撰写 ( 国际标准为主 ), 撰写国内外标准提案 50 多篇, 其中多篇获得国家级优秀标准提案奖 2006 年被信息产业部授予优秀标准工作者称号和奖状黎家力,1998 年毕业于武汉大学, 现就职于中兴通讯股份有限公司, 担任多媒体平台音频项目经理主任工程师, 中国通信标准化协会 (CCSA) 信源编码工作组 (WG3) 副组长, 主要从事音频算法的开发和研究工作, 先后为中兴通讯股份有限公司的多媒体终端产品 NGN 产品 GSM 产品 WCDMA 产品 CDMA 产品手机产品和流媒体产品实现了多个语音 / 音频声码器和多种语音处理算法, 具有丰富的产品研发经验 19

PowerPoint Presentation

PowerPoint Presentation 多媒体通信 Multimedia Communications 第 2 章多媒体数据压缩国际标准音频数据的压缩标准 2016 年 10 月 9 日课程内容第 1 章多媒体通信概述第 2 章多媒体数据压缩国际标准 2.2.1 话音编码基础 2.2.2 三种话音编码器 2.2.3 MPEG Audio 2.2.4 移动通信网中的音频编码第 3 章多媒体同步机制第 4 章多媒体网络 QoS 第