摘? 要：通過對心理聲學(xué)模型" title="心理聲學(xué)模型">心理聲學(xué)模型的簡化,，并在子帶濾波器和量化編碼模塊采用快速算法" title="快速算法">快速算法,，大大降低了運(yùn)算量，在一片100MIPS的定點(diǎn)DSP上實(shí)現(xiàn)了實(shí)時(shí)壓縮。??

關(guān)鍵詞：音頻編碼? 掩蔽閾值? 心理聲學(xué)模型? 分析子帶濾波器

? MP3是MPEG-1國際標(biāo)準(zhǔn)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(dá)12倍以上,，被廣泛應(yīng)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(jī)或隨身聽已隨處可見,，但MP3編碼在單片定點(diǎn)DSP上實(shí)現(xiàn)，并要保證音質(zhì),，則鮮有耳聞,。考慮到心理聲學(xué)模型在整個(gè)MP3音頻編碼算法中所占比例巨大,，筆者從簡化該模型人手,，采用快速算法減少子帶編碼的運(yùn)算量和數(shù)據(jù)量，盡可能減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(shí)現(xiàn)了MP3的實(shí)時(shí)壓縮,，用標(biāo)準(zhǔn)解碼軟件回放，主觀評定,，對于通常的音頻能達(dá)到接近CD的音質(zhì)

1 MP3編碼算法及原理?

圖1是MP3編碼器的系統(tǒng)方框圖,。每聲道以1152個(gè)采樣值為一幀進(jìn)行處理。首先,，分析子帶濾波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(gè)子帶。然后對子帶樣值作MDCT以補(bǔ)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(shí)采樣值通過心理聲學(xué)模型計(jì)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?cái)?shù)得以降低,。不同系數(shù)采用不同的量化階,，人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(xué)模型計(jì)算出的掩蔽閾值。

??? 最后將量化階等信息以及霍夫曼碼打包成比特流,，解碼用,。

??? 那么為什么掩蔽閾值能反映人耳的聽覺特點(diǎn)呢?

人耳的聽覺特性涉及生理聲學(xué)和心理聲學(xué)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(guān)的有掩蔽效應(yīng)" title="掩蔽效應(yīng)">掩蔽效應(yīng)等,。掩蔽效應(yīng)指一個(gè)聲音的聽覺感受受到另一個(gè)聲音影響的現(xiàn)象,，分為時(shí)間掩蔽(前向、后向掩蔽)和頻率掩蔽(同時(shí)掩蔽),。例如,，當(dāng)一個(gè)較強(qiáng)的聲音停止后，要過一會兒才能聽到另一個(gè)較弱的聲音,，這就是時(shí)間掩蔽效應(yīng),。頻率掩蔽是指一個(gè)聲音對與其同時(shí)存在的臨近頻率的聲音產(chǎn)生的影響，如圖2實(shí)線所示,。其中標(biāo)志1的實(shí)線表示：當(dāng)1kHz的掩蔽聲音為60dB時(shí),，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(xué)模型就先用FFT分析信號中包含的頻率分量，將每個(gè)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(dāng)某頻率分量的能量處在曲線下方時(shí),，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(shí)若能保證量化噪聲低于掩蔽曲線,，也不被人耳察覺，所以掩蔽閾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),，就能夠保證壓縮后的聲音質(zhì)量" title="聲音質(zhì)量">聲音質(zhì)量。由于聲音信號隨時(shí)間改變,，因此每幀信號都要計(jì)算兩次心理聲學(xué)模型,，其中要用到大量的實(shí)驗(yàn)測試數(shù)據(jù)，運(yùn)算量之大是可想而知的。

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(gè)采樣值,，輸出是32個(gè)頻率等間隔的子帶樣值,。它首先將32個(gè)采樣值放人一個(gè)長度512的先進(jìn)先出(FIFO)緩存；對該緩存加窗,；然后512個(gè)緩存中每8個(gè)值累加,，轉(zhuǎn)換成64個(gè)中間值；最后通過(1)式將64個(gè)中間值變換成32個(gè)采樣值：

尋找快速算法的關(guān)鍵就是這最后一步,。將系數(shù)設(shè)為數(shù)組：

可以發(fā)現(xiàn)該數(shù)組具有如下的對稱性：

所以合并系數(shù)相等或相反的項(xiàng),，(1)式變成：

???

可見用（5）式代替（1）式可以減少一半的乘法運(yùn)算,。又發(fā)現(xiàn)(5)式和標(biāo)準(zhǔn)的IDCT非常相似,，可以將Lee提出的快速IDCT算法稍加改動推導(dǎo)(5)式的快速算法。所以又將32點(diǎn)變換分解成以下的兩個(gè)16點(diǎn)變換：

直接計(jì)算(1)式需要64×32次乘法和63×32次加法,，采用快速算法需16×16×2+16×2次乘法和15×16×2+16×2+31+15次加法,，運(yùn)算量為原來的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(xué)模型的簡化?

根據(jù)試驗(yàn)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(xué)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(xué)模型計(jì)算出掩蔽閾值曲線,，在壓縮其它音頻源時(shí)，不再計(jì)算每幀的心理聲學(xué)模型,，而是認(rèn)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(zhǔn)確,，但通常情況下,，誤差不會太大，不易被人耳察覺,，省去心理聲學(xué)模型所需的巨大運(yùn)算量和存儲空間,。實(shí)踐證明編碼效果令人滿意，而且對于要求不是很高的應(yīng)用場合,，可以認(rèn)為掩蔽閾值是頻率的常數(shù)函數(shù),，每個(gè)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?cái)?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(jìn)行霍夫曼編碼,，即通過增加全局量化階以降低編碼比特?cái)?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(kuò)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(dāng)前的量化階量化并霍夫曼編碼一次,，運(yùn)算量相當(dāng)大,。從外循環(huán)可以看出掩蔽閾值最終決定縮放因子，為了能省去外迭代循環(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(gè)模塊是最主要并且運(yùn)算量最大" title="最大">最大的模塊,，通過對它們的簡化和優(yōu)化,，程序的大小和運(yùn)算量可得到極大的減少。

3用定點(diǎn)DSP實(shí)現(xiàn)MP3壓縮算法?

為了實(shí)現(xiàn)MP3的實(shí)時(shí)編碼,，必須采用高速DSP芯片,。采用美國德州儀器(T1)公司的主流定點(diǎn)DSP芯片TMS320C549，其運(yùn)算速度是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自帶的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(jī)通過JTAG口實(shí)現(xiàn)數(shù)據(jù)與程序的加載和調(diào)試。

??? 由于評估板與主機(jī)的接口速度太慢,，即使能做到實(shí)時(shí)壓縮,，將比特流傳給PC機(jī)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(jī)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(jī)存盤,，再加載后續(xù)文件，壓縮存盤,，直到整個(gè)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(dá)到實(shí)時(shí)要求只能通過測試每幀運(yùn)行的指令數(shù)判斷,。

??? 在運(yùn)用快速算法計(jì)算子帶分析濾波器時(shí)，考慮到DSP芯片的特點(diǎn)，每分解一次,，要作一次如(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(diǎn)DCT運(yùn)算,。

采用靜態(tài)心理聲學(xué)模型,，心理聲學(xué)模型和量化編碼外循環(huán)所需的運(yùn)算量就為零。代表幀的心理聲學(xué)模型和縮放因子采用C語言或MATLAB語言編程計(jì)算,，或者將網(wǎng)上下載的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?cái)?shù)和縮放因子的一種設(shè)置方案,。

??? 另外在內(nèi)循環(huán)中,，首先初步選擇一個(gè)全局增益使最大量化值小于碼表可編碼的最大值,，標(biāo)準(zhǔn)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(jì)算出應(yīng)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(jì)算編碼比特?cái)?shù),，如果比特?cái)?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,，采用折牛搜索的辦法實(shí)現(xiàn),，也就是說第一次循環(huán)時(shí)全局增益取上述初始化值的一半，若編碼比特?cái)?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(gè)編碼程序運(yùn)算量僅需75MIPS左右,，片上存儲空間占用27K字左右,。用標(biāo)準(zhǔn)的MP3回放軟件解碼，通過主觀測評,，音質(zhì)接近CD,。

??? 由于本系統(tǒng)對心理聲學(xué)模型進(jìn)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(yīng)用場合完全可行。但是當(dāng)應(yīng)用到某些編碼難度較高的音頻信號,，例如響板時(shí),，聲音質(zhì)量下降較明顯。因此如果采用更高運(yùn)算速度的DSP,，可在該編碼系統(tǒng)中加入一個(gè)完備的或簡化的動態(tài)心理聲學(xué)模型,，編碼質(zhì)量可進(jìn)一步提高，至于簡化的動態(tài)心理聲學(xué)模型還有待進(jìn)一步摸索,。

參考文獻(xiàn)?

1 Draft International Standard ISO／IEC CD 11172—3．1992

2王劍虹,，吳海華，陳?。甅PEG音頻解碼中子帶合成濾波器的快速算法及定點(diǎn)DSP實(shí)現(xiàn)．上海交通大學(xué)學(xué)報(bào),，2000；34(6)：761-764

3陳健,，李力利,，陳亞駿．MUSICAM算法仿真及DSP實(shí)現(xiàn)．上海交通大學(xué)學(xué)報(bào)，1997,；31(1)：74-78

4吳海華,，王劍虹，陳?。玫蛢r(jià)型DSP實(shí)現(xiàn)MP3解碼．電聲技術(shù),，1999，10：11-14

5 Byeong Gi Lee．FCT—A Fast Cosine Transform．ICASSP,，? San Diego．Califonia,，America，1984,；10(2)