A 音频压缩编码综述

A1 编码器属性

音频编码器的重要属性：

• 带宽：指的是编码目标音频的带宽长度。

  • 可分为窄带、宽带、超宽带、全带四种类型。

    类型	采样频率 (kHz)
    窄带	8
    宽带	16
    超宽带	32
    全带	44.1 or 48

• 码率（编码速率）：b/s。
  • 可分为低速率编码（< 4.8kb/s），中速率编码和高速率编码（> 32kb/s）。
• 其他音频属性，如声道数等。
  • 声道数会决定编码的方式，有的编码可能对立体声进行差分等处理。

A2 信号冗余性

• 时域冗余：信号邻近样点间的短时相关性、相邻基频周期之间的长时相关性；信号可能有倾向于小幅度样本点的幅度分布。
• 频域冗余：信号长时功率分布一般随频率增加而降低；语音信号在频域具有特定共振峰结构。
• 空间冗余：各声道信号间具有较强关联性。
• 感知冗余：听觉系统在声音各特征上均具有有限的分辨能力。

A3 编码器评价指标

• 主观评价

  • 平均意见分测试 (Mean Opinion Score, MOS)。

    

  • MUSHRA 评测方法（得到一个百分数）。

• 客观评价
  • PEAQ（音频质量感知评价，Perceptual Evaluation of Audio Quality）

A4 编码方法分类

• 波形编码：直接对信号时域或频域采样值进行编码。编码质量较好，但压缩率低。
  • 包括脉冲编码调制、自适应差分脉冲编码调制、自适应增量调制、自适应预测编码、子带编码、自适应变换编码等。
• 参数/模型编码：建立音频信号的产生模型，提取代表信号特征的参数进行编码。
  • 包括线性预测编码，正弦变换编码，共振峰编码，多带激励编码。
• 混合编码：对音频信号参数建模的同时，将原始与参数编码信号之间的误差再进行编码。

  • 比如码激励线性预测等，下图为 MPEG-1 的音频编码。

    

A5 立体声及其编码

• 常见的立体声编码方法：
  • 中值/边值 (M/S) 编码：对两声道分别作和、作差。一般和信号大、差信号小，这样就可以给差信号分配较小的码率。
  • 双耳线索编码，会分析声道间的时间相关性，适用于两声道间存在时间差的情形。
• 常见的多声道音频编码：
  • 基于声道 (channel) 的多声道音频：每个声道具有指定位置设置。如 5.1，22.2。
  • 基于对象 (object) 的多声道音频：音频场景被认为是由若干声源组成的声场，这些声源就叫做声音对象。重放时需要还原扬声器接收效果。

B 正弦变换编码 (Sinusodial Transform Coding, STC)