一種面向交互式通信的音頻編碼算法

張 璐

（陜西省天然氣股份有限公司，陜西 西安 710016）

0 引言

近年來，隨著多媒體和網(wǎng)絡通信技術的飛速發(fā)展，數(shù)字音頻技術己經(jīng)在數(shù)字影音系統(tǒng)、高清晰度電視(HDTV)、數(shù)字音頻廣播（DAB）、電話會議系統(tǒng)、無線通信、互聯(lián)網(wǎng)多媒體業(yè)務等領域中得到了廣泛的應用[1]。然而，對于數(shù)字化之后的音頻信號，如果沒有有效的壓縮編碼方案，海量的數(shù)據(jù)將給存儲和傳輸帶來巨大的壓力，這就促進了各種音頻編碼技術的出現(xiàn)。

通過對現(xiàn)有的感知音頻編碼算法進行分析比較，研究了一種低延遲高質(zhì)量的音頻編碼算法，即 LDX算法。主要面向?qū)崟r全雙工音頻或多媒體通信的應用，其特點是編解碼算法延遲小，同時具有其它感知音頻編碼的高壓縮比、高音質(zhì)的優(yōu)點。

1 LDX音頻編碼基本原理

跟其它感知音頻編碼算法一樣，LDX是通過去除感知冗余和統(tǒng)計冗余來獲得編碼增益[2-5]，因此，時頻分析模塊與心理聲學模型是LDX音頻編碼器的核心。LDX音頻編碼器的結(jié)構(gòu)如圖1所示。

圖1 LDX音頻編碼器框

LDX編碼器對輸入的信號分塊處理，通常根據(jù)時域和頻域的分辨率及編碼延遲的要求確定數(shù)據(jù)塊的長度。在進行時頻變換之前，對一數(shù)據(jù)塊進行加窗處理，為了保證數(shù)據(jù)塊之間的銜接，相鄰數(shù)據(jù)塊部分重疊。加窗后的數(shù)據(jù)塊進行時頻分析和心理聲學分析。

為了以盡量少的比特，且又能較精確地表示掩蔽曲線，LDX結(jié)合臨界頻帶的概念，對掩蔽曲線通過線性分段逼近的方式獲得基底曲線（Floor），然后用基底曲線對變址離散余弦變換（MDCT，Modified Discrete Cosine Tranform）頻譜進行白化處理，如圖2（a）所示，得到去除感知冗余之后的殘差信號（Residue）[6]，如圖2（b）所示，由于殘信號的動態(tài)范圍明顯變小，從而可以減少量化誤差或節(jié)省編碼比特數(shù)。

圖2 基底曲線和白化后的頻譜

2 LDX音頻解碼算法

LDX的編碼比特流從邏輯上可以分為頭包和音頻包，頭包出現(xiàn)在所有音頻包之前，它包含了信源的部分參數(shù)和用戶的指定參數(shù)，在解碼音頻包之前，解碼器必須先正確解碼頭包，以獲得這些參數(shù)，解碼器需根據(jù)這些參數(shù)建交解碼音頻包所需的一切信息[7]。

音頻包主要由基底曲線的編碼比特流和殘差信號的編碼比特流構(gòu)成，解碼器對兩者進行解碼后，得到重構(gòu)的數(shù)字音頻輸出。LDX音頻解碼器結(jié)構(gòu)框圖如圖3所示。

圖3 LDX音頻解碼器框圖

LDX解碼流程圖如圖4示，由于頭包出現(xiàn)在所有音頻包之前，所以解碼器首先要完成頭包的解碼。頭包的正確解碼是正確解碼音頻包的前提。LDX音頻包解碼主要包括以下幾個步驟。

（1）基底解碼

由于基底是對全局掩蔽曲線的分段折線逼近，解碼時先得到各個分段點的幅度，然后對所得的分段折線（即基底）進行內(nèi)插以得到全局掩蔽曲線。

（2）殘差解碼

為了獲得更高的編碼增益，LDX采用了多維的霍夫曼編碼方式，編碼時，根據(jù)殘差的動態(tài)范圍選擇相應的碼本，碼本的編號信息寫入編碼比特流中，所以解碼時，首先獲得碼本信息，然后選擇相應的碼本對殘差進行霍夫曼解碼。

（3）聲道去耦合

如果是多聲道模式，需要進行聲道去耦合算法。LDX只對多聲道的殘差信號進行立體聲編碼，因此也只有殘差信號存在去耦合算法。去耦合以后得到了每聲道各自的殘差信號。

（4）矢量點乘

矢量點乘是指基底內(nèi)插得到的全局掩蔽曲線（矢量）與相應聲道的殘差信號（矢量）進行點乘，得到各聲道的頻域參數(shù)，即重構(gòu)的MDCT頻譜。

（5）時頻反變換

各聲道的頻域參數(shù)變址離散余弦反變換（IMDCT，Inverse Modified Discrete Cosine Tranform）后，得到相應的時域參數(shù)——重構(gòu)的時域數(shù)據(jù)塊。

（6）疊接相加

由于編碼時相鄰數(shù)據(jù)塊有50%的重疊，因此，解碼時，為了重構(gòu)當前幀，重構(gòu)的相鄰數(shù)據(jù)塊需要疊接相加，最后得到輸出的數(shù)字音頻。

3 LDX音頻編碼算法的性能測試與質(zhì)量評估

音頻編碼算法的性能需要有可靠的測試來驗證。通常對軟件實現(xiàn)的實時感知音頻編碼器評估的性能參數(shù)主要包括程序存儲空間、數(shù)據(jù)存儲空間、運算量和重構(gòu)的音質(zhì)四個方面，而重構(gòu)的音質(zhì)是整個系統(tǒng)性能評估中最重要的一個指標[8]。另外，運算復雜度和存儲量也要針對不同應用實際考慮。

圖4 DX音頻解碼流程

對LDX來說，重點是編解碼算法延遲和音頻質(zhì)量的問題，因此，主要就 LDX的算法延遲和音質(zhì)與其它幾種音頻編碼算法進行測試和對比。

進行測試的音頻編碼算法除LDX之外，為了進行性能分析和比較，同時參與測試的有動態(tài)圖象專家組高級音頻編碼（MPEG-4 AAC-LD，Moving Pictures Experts Group Advanced Audio Code）、動態(tài)影像專家壓縮標準音頻層面3(MP3，Moving Picture Experts Group Audio Layer III)、Ogg Vorbis格式以及G.722.1c等音頻和語音編碼算法。所有上述音頻編碼算法的測試都在每聲道16～64 kb/s的范圍內(nèi)進行。表1、表2和表3是音頻質(zhì)量感性評價測試結(jié)果，表4和表5是感知話音評估法測試結(jié)果。表中“…”表示對應的編碼器在相應的采樣速率下不支持對應的編碼比特率。表1至3的測試結(jié)果表明，從總體上來說，LDX的音質(zhì)與 Ogg Vorbis的性能相當，好于MP3，而相對于MPEG標準中的MPEG-4 AAC-LD，LDX在音質(zhì)方面有很大的改善；從表4和表5可以看出，在對 16 kHz采樣的語音信號處理上，LDX與G.722.1c表現(xiàn)出來的性能非常接近，而在對16 kHz的音頻信號處理上，LDX比G.722.1c更優(yōu)。

表1 16 kHz音頻信號編碼音頻質(zhì)量感性評價測試結(jié)果

表2 32 kHz音頻信號編碼音頻質(zhì)量感性評價測試結(jié)果

表3 48 kHz音頻信號編碼音頻質(zhì)量感性評價測試結(jié)果

表4 16 kHz語音信號編碼感知話音評估法測試結(jié)果

表5 32 kHz音頻信號編碼感知話音評估法測試結(jié)果

4 結(jié)語

通過對當前音頻編碼技術的綜合分析，提出了一種低延遲高質(zhì)量的感知音頻編碼算法——LDX，它最大的特點在于有較低的編解碼算法延遲，而在編碼效率、音質(zhì)和算法復雜度等方面，可以與時下的其它高級感知音頻編碼算法相媲美。當然，LDX亦有不足之處，相對于MPEG-4 AAC-LD而言，在差錯隱藏與恢復等抗誤碼方面未曾顧及；由于預回聲處理算法與預回聲的判斷密切相關，這一點與其它音頻編碼算法有所不同，因此，尋找一種與 LDX預回聲處理算法非常相吻合的預回聲判斷算法也十分重要。而且，在以后的具體應用中，也會出現(xiàn)一些未曾料及的新問題，但無論怎樣，低延遲高質(zhì)量音頻編碼算法 LDX的提出，對音頻編碼技術的發(fā)展具有重要意義。

[1] 馬姍姍,錢建生.音頻數(shù)字水印技術綜述[J].通信技術, 2008,41(11):135-138.

[2] 由守杰, 柏森, 曹巍巍.一種新穎的音頻信息隱藏算法[J].通信技術, 2007,40(12):280-282.

[3] 楊帆,郭立,徐雷,等.基于信息量估計法的 MIDI音頻隱寫分析[J].通信技術, 2010,43(01):86-88.

[4] STANLEY P L.Dawn of the Digital Age[J].AES, 1998(46):37-41.

[5] Brandenburg K.OCF - A New Coding Algorithm for High Quality Sound Signals[C].USA: IEEE, 1987:141-144.

[6] QUACKENBUSH S R, JOHNSTON J D.Noiseless Coding of Quantized Spectral Components in MPEG-2 Advanced Audio Coding[EB/OL].(1999-12-11)[2011-02-01].ieeexplore.ieee.org/iel3/4935/136 06/00625587.pdf.

[7] MAHIEUX Y, PETIT J P, CNET L.High-Quality Audio Transform Coding at 64 kb/s[J].IEEE Trans.Commun, 1994,42(11):3010-3019.

[8] JAYANT N, JOHNSTO J D.Signal Compression Based on Models of Human Perception[J].Proc.IEEE,1993(81):1385-1422.