MP3是MPEG-1國際標準中音頻壓縮層3的簡稱，單聲道比特率一般取64kbps,，在采樣率44.1kHz的情況下,，其壓縮比可達12倍以上，被廣泛應用于互聯(lián)網(wǎng)等許多場合,。由于解碼比編碼過程簡單很多,，MP3播放機或隨身聽已隨處可見，但MP3編碼在單片機定點DSP上實現(xiàn),，并要保證音質(zhì),，則鮮有耳聞?？紤]到心理聲學模型在整個MP3音頻編碼算法中所占比例巨大,，筆者從簡化該模型入手，采用快速算法減少了帶編碼的運算量和數(shù)據(jù)量,，盡可能少量化編碼的迭代循環(huán)次數(shù),，從而在一片美國德州儀器公司的TMS320C549芯片上實現(xiàn)了MP3的實時壓縮，用標準解碼軟件回放,，主觀評定,，對于通常的音頻能達到接近CD的音質(zhì)。
1 MP3編碼算法及處理
圖1是MP3編碼器的系統(tǒng)方框圖,。每聲道以1152個采樣值為一幀進行處理,。首先，分析子帶濾波器采用正交鏡像濾波器組,，將20kHz左右?guī)挼男盘杽澐殖上嗟葞挼?2個子帶,。然后對子樣值作MDCT以補償子帶濾波的不足，主要是為提高頻率分辨率,、消除由子帶濾波引起的帶間混迭,。 同時采樣值通過心理聲學模型計算出各頻帶的掩蔽閾值。
失真控制循環(huán)和非歸一化量化控制循環(huán)是量化編碼循環(huán)過程,，它通過量化減少各MDCT系數(shù)的精度,，使編碼比特數(shù)得以降低。不同系數(shù)采用不同的量化階,，從耳敏感的頻率量化精度高,，不敏感的頻率量化精度低，量化誤差則不會被人耳察覺,。選擇量化階的依據(jù)就是心理聲學模型計算出的掩蔽閥值,。
最后將量化階等信息以及霍夫曼碼打包成比特流，供解碼用,。
那么為什么掩蔽閾值能反映人耳的聽覺特點呢,？
人耳的聽覺特性涉及生理聲學和心理聲學方面的問題。例如人耳對不同頻率的聲音感覺不同就是生理方面的問題,，其中對2kHz～4kHz的聲音最敏感,，且低頻較高頻敏感。敏感程度具體體現(xiàn)為靜態(tài)掩蔽閾值,，如圖2虛線所示,，表示在安靜的情況下，各種頻率的聲音剛好被聽到的音量,。與人的心理知覺有關的有掩蔽效應等,。掩蔽效應指一個聲音的聽覺感受受到另一個聲音影響的現(xiàn)象，分為時間掩蔽（前向,、后向掩蔽）和頻率掩蔽（同時掩蔽）,。例如，當一個較強的聲音停止后,，要過一會兒才能聽到另一個較強的聲音,，這就是時間掩蔽效應。頻率掩蔽是指一個聲音對與其同時存在的臨近頻率的聲音產(chǎn)生的影響,，如圖2實線所示,。其中標志1的實線表示：當1kHz的掩蔽聲音為60dB時，不同頻率的聲音剛好被聽到的分貝值,，可見越臨近頻率被掩蔽得越厲害,，且低頻更易掩蔽高頻。
因此心理聲學模型就先用FFT分析信號中包含的頻率分量,，將每個頻率處受到其他所有頻率分量掩蔽的值加起來,，連線得到的曲線就是掩蔽閾值，是頻率的函數(shù),。當某頻率分量的能量處曲線下方時,，不能被人耳感覺到,，則該頻率分量可用零比特編碼；另一方面,，選擇量化階時若能保證量化噪聲低于掩蔽曲線,，也不被人耳察覺，所以掩蔽值越大的頻率分量量化階可以越大,。因此用掩蔽閾值作為量化編碼的依據(jù),，就能夠信證壓縮后的聲音質(zhì)量。由于聲音信號隨時間改變,，因此每幀信號都要計算兩次心理聲學模型,，其中要用到大量的實驗測試數(shù)據(jù)，運算量之在是可想而知的,。
2 算法的簡化和優(yōu)化
2.1 分析子帶濾波器的快速算法
分析子帶濾波器的輸入是32個采樣值,，輸出是32個頻率等間隔的子帶樣值。它首先將32個采樣值放入一個長度512的先進先出（FIFO）緩存,；對該緩存加窗,；然后512個緩存中每8個值累加，轉(zhuǎn)換成64個中間值,；最后通過（1）或?qū)?4個中間值變換成32個采樣值：
尋找快速算法的關鍵就是這最后一步,。將系數(shù)設數(shù)組：
可以發(fā)現(xiàn)該數(shù)組具有如下的對稱性： c[16+n]=c[16-n],n=0,1,…，16 （3） c[48+n]=-c[48-n],n=0,1,…,，15 （4） 所以合并系數(shù)相等或相反的項,，（1）式變成：
其中， 
可見用（5）式代替（1）式可以減少一半的乘法運算,。又發(fā)現(xiàn)（5）式和標準的IDCT非常相似,，可以將Lee提出的快速IDCT算法稍加改動推導（5）式的快速算法。所以又將32點變換分解成以下的兩個16點變換： 
其中,，
最終的子帶樣值是如下的蝶形組合： X[K]=Xe[k]+(1/cos[（2k+1）π/64]Xo[k],k=0,1,…,，15 （11） X[31-k]=Xe[k]-(1/cos[(2k+1)π/64])Xo[k],k=0,1,…，15 （12） 直接計算（1）式需要32次乘法和32次加法,，采用快速算法需2次乘法和15次加法,，運算量原來的1/4，而且數(shù)據(jù)表格所占用的存儲空間也減少為原來的1/8左右,。
2.2 心理聲學模型的簡化
根據(jù)試驗觀察發(fā)現(xiàn)每幀的掩蔽閾值曲線大致相同,，所以考慮采用靜態(tài)聲學心理模型，具體做法是：首先對某一具有代表性的音頻幀,，
根據(jù)心理聲學模型計算出掩蔽閾值曲線,，在壓縮其它音頻源時，不再計算每幀的心理聲學模型,，而是認為每幀信號與上述被分析過的代表幀具有相同的掩蔽特性,。這樣,，雖然不是很準確，但通常情況下,，誤差不會太大,，不易被人耳察覺，省去心理學模型需的巨大運算量和存儲空間,。實踐證明編碼效果令人滿意，而且對于要求不是很高的應用場合,，可以認為掩蔽閾值是頻率的常數(shù)函數(shù),，每個頻帶采用相同的量化階，也聽不出聲音質(zhì)量的明顯下降,。
2.3 量化編碼迭代循環(huán)的簡化
量化編碼迭代是兩重循環(huán)過程,，圖3是外迭代循環(huán)流圖，迭代的目的是在可用比特數(shù)的限制之內(nèi),，以各頻帶的掩蔽值為依據(jù),，確定全局增益（體現(xiàn)了全局量化階）和各頻帶的縮放因子（體現(xiàn)了局部量化階）。內(nèi)循環(huán)逐步增加量化器步長,，即全局增益,，直到MDCT系數(shù)量化后可被可用比特進行霍夫曼編碼，即通過增加全局量化階以降低編碼比特數(shù),；外循環(huán)依據(jù)掩蔽閾值檢測各縮放因子帶的失真,，若超過允許失真，則擴大該帶的MDCT系數(shù),，即增大該帶的縮放因子,，以降低局部失真；最后一次迭代的結(jié)果作為最終的霍夫曼碼,。每一次循環(huán)都要用當前量化階量化并霍夫曼編碼一次,，運算量相當大。從外循環(huán)可以看出掩蔽閾值最終決定縮放因子,，為了能省去外控代循環(huán),，將代表幀的縮放因子作成表格，供每幀采用,。 由于上述三個模塊是最主要并且運算量最大的模塊,，通過對它們的簡化和優(yōu)化，程序大小和運算量可得到極大的減少,。
3 用定點DSP實現(xiàn)MP3壓縮算法
為了實現(xiàn)MP3的實時編碼,，必須采用高速DSP芯片。采用美國德州儀器（TI）公司的主流定點DSP芯片TMS320C549,，其運算速度100MIPS,，調(diào)試開發(fā)的環(huán)境是TI公司的第三方Spectrum Digital公司的EVM評估板,，板上除了TMS320C549自帶32K字片上內(nèi)存外，還有128K字片外內(nèi)存,，數(shù)模轉(zhuǎn)換采用TI的TLC320AD55,，與PC機通過JTAG口實現(xiàn)數(shù)據(jù)與程序的加載和調(diào)試。 由于評估板與主機的接口速度太慢,，即使能做到實時壓縮,，將比特流傳給PC機存盤的速度也會跟不上。因此筆者采用的辦法是：將原始PCM音頻數(shù)據(jù)從PC機的硬盤文件加載到板上的片外內(nèi)存,，壓縮后的數(shù)據(jù)傳給PC機存盤,，再加載后續(xù)文件，壓縮存盤,，直到整個音頻文件全部壓縮完,，最后用C語言程序?qū)⒏鲾?shù)據(jù)塊拼成MP3文件，用軟件解碼程序回放,。是否能達到實時要求只能通過測試每幀運行的指令數(shù)判斷,。
在運用快速算法計算子帶分析濾波器時，考慮到DSP芯片的特點,，每分解一次,，要作一次加（10）式的加法，勢必降低精度,，另外（11）和（12）式的系數(shù)動態(tài)范圍太大,，精度也會受到影響，因此,，只分解到16點DCT運算,。
采用靜態(tài)心理聲學模型，心理聲學模型和量化編碼外循環(huán)所需的運算量就為零,。代表幀的心理聲學模型和縮放因子采用C語言或MATLAB語言編程計算,，或者將網(wǎng)上下載MP3文件中的縮放因子信息破譯出來加以利用，子帶分析濾波器之后的MDCT全部采用長塊,。表1是靜態(tài)縮放因子比特數(shù)和縮放因子的一種設置方案,。 表1 縮放因子數(shù)據(jù)表格 縮放因子帶 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 縮放因子比特數(shù) 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 縮放因子 1 1 0 0 1 1 4 5 3 7 5 3 0 3 0 1 0 7 5 0 3 另外在內(nèi)循環(huán)中，首先初步選擇一個全局增益使最大量化值小于碼表可編碼的最大值,，標準推薦的作法是全局增益從小開始,，每循環(huán)一次量化后，比較最大量化值,，并調(diào)整一次全局增益,，直到滿足要求為止。本程序省去了這一循環(huán)，事先根據(jù)最大譜線值計算出應有的全局增益,，作成數(shù)據(jù)表格,，程序中只需根據(jù)最大譜線值查表即可。初始化全局增益確定后,，要分區(qū),、量化、編碼并計算編碼比特數(shù),，如果比特數(shù)太大或太小都還要調(diào)整全局增益,。對這一迭代循環(huán)過程，采用折半搜索的辦法實現(xiàn),，也就是說第一次循環(huán)時全局增益取上述初始化值的一半,，若編碼比特數(shù)超出要求，則再取一半作為新的全局增益,，否則增大一半，如此不斷循環(huán)直到無法折半為止,。這種折半搜索的方法比逐一搜索要快很多,。 采用了這些簡化、優(yōu)化措施以及編程技巧,，整個編碼程序運算量僅需74MIPS左右,，片上存儲空間占用27K字左右。用標準的MP3回放軟件解碼,，通過主觀測評,，音質(zhì)接收CD。
由于本系統(tǒng)對心理聲學模型進行了大量的簡化,，對于一般的音樂,，這種簡化帶來的聲音質(zhì)量的下降并不明顯，尤其是在要求不高的應用場合完全可行,。但是當應用到某些編碼難度較高的音頻信號,，例如響板時，聲音質(zhì)量下降較明顯,。因此如果采用更高運算速度的DSP,，可在該編碼系統(tǒng)中加入一個完備的或簡化的動態(tài)心理聲學模型，編碼質(zhì)量可進一步提高,，至于簡化的動態(tài)心理聲學模型還有待進一步摸索,。