感知音频编码及AAC-MP3.pptVIP

杜比实验室的结论： ①128Kbps的AAC立体声音乐被专家认为不易察觉到与原来未压缩音源的区别 ②AAC格式在96Kbps码率的表现超过了128Kbps的MP3格式； ③同样是128Kbps，AAC格式的音质明显好于MP3； ④AAC是唯一一个，能够在所有的EBU试听测试项目的获得“优秀”的网络广播格式。 总的来讲，AAC可以说是极为全面的编码方式，一方面，多声道和高采样率的特点使得它非常适合未来的DVD－Audio；另一方面，低码率下的高音质则使它也适合移动通讯、网络电话、在线广播等领域，全能的编码方式。 感知音频编码及AAC、MP3 目录 感知音频编码 1 2 MP3 3 AAC 4.感知音频编码的发展 3.感知音频编码的框架 2.感知音频编码的原理 1.感知音频编码的概念 1.感知音频编码的概念 ?感知编码是利用人耳听觉的心理声学特性（频谱掩蔽特性和时间掩蔽特性）、人耳对信号幅度、频率、时间的有限分辨能力，凡是人耳感觉不到的成分不编码，不传送，即凡是对人耳辨别声音信号的强度、音调、方位有贡献的部分（称为不相关部分或无关部分）都不编码和传送。对感觉到的部分进行编码时，允许有较大的量化失真、并使其处于听阈以下，人耳仍然感觉不到。简单的说感知编码是建立在人类听觉系统的心理声学原理为基础，只记录那些能被人的听觉所感知的声音信号，从而达到减少数据量而又不降低音质的目的。 心理声学——“人脑解释声音的方式”。 2.感知音频编码的原理 绝对听觉门限 人耳实际上可看成一个多频段的听感分析器，在接收端的最后，它对瞬间的频谱功率进行了重新分配，这就为音频的数据压缩提供了依据。 人耳能听到的振动频率约在 20 Hz 到 20KHz 之间，低于 20 Hz 或高于 20K Hz 的振动，不能引起人类听觉器官的感觉。心理声学模型中一个基本的概念就是听觉系统中存在一个听觉阈值电平，低于这个电平的声音信号就听不到，因此就可以把这部分信号去掉。 听觉阈值的大小随声音频率的改变而改变，各个人的听觉阈值也不同。大多数人的听觉系统对 2kHz ～ 5kHz 之间的声音最敏感。一个人是否能听到声音取决于声音的频率，以及声音的幅度是否高于这种频率下的听觉阈值。这就是说在听觉阈值以外的电平可以去掉，相当于压缩了数据 听觉阈值电平是自适应的，即听觉阈值电平会随听到的不同频率的声音而发生变化。 2.感知音频编码的原理 听觉掩蔽效应 心理声学模型中的另一个概念是听觉掩饰特性—— 掩蔽效应，即 一种频率的声音阻碍听觉系统感受另一种频率的声音的现象称为掩蔽效应。前者称为掩蔽声音 (masking tone) ，后者称为被掩蔽声音 (masked tone) 。 掩蔽效应探讨的基础是 感知编码中的一个重要的概念——临界频段。 临界频段，即人耳对不同频率段声音信号的反应灵敏程度有所差别。人耳中包含了约 3 万个毛细胞，它们能够检测到基膜的振动，通过生理脉冲将音频信息传到大脑，但这些细胞在不同频率的敏感程度不同，在低频区域对几赫兹的差异都能分辨出来，而在高频区域，必须要有几百赫兹的差别才能分辨。所以，一般毛细胞会对其周围的强刺激作出反应，这就是临界频段。 低频区域临界频段比在高频区域临界频段窄，在低频段临界频段很窄，频段宽度只有 100 Hz 到 200 Hz ，在高于 5000 Hz 以后的临界频段的宽度有 1000 Hz 至几万 Hz 的频段宽度。 2.感知音频编码的原理 听觉掩蔽效应分类 掩蔽可分成频域掩蔽和时域掩蔽。 所谓频域掩蔽是指掩蔽声与被掩蔽声同时作用时发生掩蔽效应，即较强的声音信号可以掩蔽临近频段中同时发声的较弱的信号。 这种特性称为频域掩蔽，也称同时掩蔽 (simultaneous masking) 。掩蔽声在掩蔽效应发生期间一直起作用，是一种较强的掩蔽效应。 掩蔽特性与掩蔽音的强弱，掩蔽音的中心频率，掩蔽音与被掩蔽音的频率相对位置等有关。 除了同时发出的声音之间有掩蔽现象之外，在时间上相邻的声音之间也有掩蔽现象，并且称为时域掩蔽。 所谓时域掩蔽是指掩蔽效应发生在掩蔽声与被掩蔽声不同时出现时，又称异时掩蔽。 时域掩蔽又分为超前掩蔽 (pre-masking) 和滞后掩蔽 ( post-masking). 主要原因是人的大脑处理信息需要花费一定的时间。 3.感知音频编码的框架 4.感知音频编码的发展 感知编码技术产生于20世纪80年代，在音频编码中有着广泛的应用。 最早是在1991年制定的MPEG-1音频编码中得到成功应用。 1992年，Philips公司生产的数字录音带DCC（Digital Compact Cassette）是最早采用感知编码技术的设备，但是由于销售不佳，在1996年停产，但随着心理声学模型和空间心理声学模型的发展，感知编码技术会得到