MPEG-1音频压缩编码原理与应用

MPEG-1（ISO/IEC 11172）标准由系统、视频和音频三部分组成。它的全称为“适用于1.5Mbit/s以下的数字存储媒体的运动图像及伴音编码”。数字音频压缩编码部分为MPEG-1 Au-dio，ISO/IEC 11172-3。

为了能在同一张CD规格的光盘上同步储存数字音、视频节目，MPEG-1除了对数字视频信号进行有效压缩外，同时也规定了对数字音频信号进行有效压缩。

声音压缩编码技术的目标是将取样频率为48kHz/44.1kHz/32kHz、量化等级为16bit，数字音频的数据率压缩到192kbit/s以下，解压缩后的音质与原来的音质接近（如CD）。

声音信号的压缩是根据人耳的听感特性和听觉生理学模型，剔除信号中的冗余信息。即把20Hz～20kHz整个可闻频带按1/3倍频程的规格分割为32个子频带，把输入信号中听觉不敏感的子频带用较少的量化比特数量化，以便舍去一些次要信息；而对人耳听觉较敏感的子频带，采用较大的量化比特数量化，用较多的比特传输。此外，根据听觉生理学的掩蔽效应，对信号振幅也进行了划分，对大振幅信号之后附近的小振幅信号予以剔除（因为如果不剔除，人耳也是察觉不到这些小振幅信号的声音）。通过这些压缩方法，可获得1∶6的压缩比，将原来1.5Mbit/s的PCM声音数据压缩到300kbit/s以下。图3-8是PCM数字音频压缩编码原理框图。图3-9是MPEG-1音频编码器的基本结构。

图3-8 PCM数字音频压缩编码原理框图

为了取得良好的数字音频压缩效果，MPEG-1标准充分利用了人类的听觉生理学和心理学的特性，在MPEG-1音频解码器中包含了一个心理声学模型（Psychoacoustic Model）。它的基本原理是利用人的听觉阈值特性和听觉的掩蔽特性，把压缩编码带来的失真控制在听觉阈值之下，使人耳察觉不到失真的存在。听觉的阈值特性是指听觉对不同频率的声音有不同的灵敏度，这种特性可用频率-声压级坐标中的听觉阈值曲线定量表示出来。听觉的掩蔽特性（即哈斯效应）是指两个相近频率的声音信号，声压级高的声音会掩蔽声压级低的声音，先到达的声音会掩蔽后到达的声音等。

图3-9 MPEG-1音频编码器的基本结构(www.xing528.com)

根据不同应用的需要，MPEG-1数字音频压缩编码又引入了“层（Layer）”的概念。根据不同用途，可采用不同层面的数字音频压缩编码系统，层面越高，音质越好，但编解码器也越复杂。各层采用的编码算法如下：

层Ⅰ（Layer Ⅰ）：包含把数字音频的输入分解成32个子频带的基本映射，将数据按一定格式分块，确定自适应比特分配的心理声学模型，用块压缩/扩展（Block Companding）以及格式化的量化等技术。

层Ⅱ（Layer Ⅱ）：提供量化比特的分配、比例因子、采样值的附加编码和差帧（Different Framing）技术等。

层Ⅲ（Layer Ⅲ）：提高混合滤波器组的频率分辨率、增加非均匀量化器、自适应分割子带以及对量化值的熵编码等。MP3就是采用了Layer Ⅲ的音频压缩编码技术。

立体声编码可作为一个附加特征添加到任何一个层中。表3-2是MPEG-1音频编码的主要性能指标，音质效果可达到CD机标准。

表3-2 MPEG-1音频编码的主要性能指标

图3-10是MPEG-1音频（层Ⅰ和层Ⅱ）编码器的编码流程；图3-11是MPEG-1音频解码器的基本结构；图3-12是MPEG-1音频层Ⅰ和Ⅱ附加联合立体声的编解码流程图。附加联合立体声是一种声音强度立体声，它不是传输分离的左、右声道的子带样本，而是传送信号的和，但要附带上左右声道的比例因子，这样仍可保持重放声场的正确声像位置。