【数据压缩】MPEG音频分析

原创已于 2022-04-01 11:20:21 修改 · 358 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#音视频

于 2021-06-10 20:24:00 首次发布

数据压缩专栏收录该内容

11 篇文章

订阅专栏

本文介绍 MPEG Layer II 的编码过程，包括时域分析和频域分析两部分。时域分析通过子带滤波器组将 PCM 码流转换为 32 个子带信号，并计算比例因子。频域分析利用心理声学模型，根据听觉阈值和听觉掩蔽特性减少码率，实现高效压缩。

一、实验目的

输出音频的采样率和目标码率
选择三个不同特性的音频文件：噪声、音乐、混合噪声和音乐。输出它们的音频的采样率和目标码率。
分析某一数据帧，输出该帧所分配的比特数、该帧的比例因子、该帧的比特分配结果。

二、实验原理

MPEG的Layer II的编码器框图

在这里插入图片描述
第一条线是时域分析，将PCM码流分解成32个子带,对其分别进行编码处理后再合成为全频带信号。
第二条线是频域分析，依据人耳听觉阈值和听觉掩蔽特性建立，分析听阈曲线，保证满足人耳听觉感受的前提下，减少码率，建立心理声学模型。

第一条线

子带滤波器组

将PCM样本变换到32个子带的频域信号，如果输入的采样频率为48kHz，那么子带的频率宽度为48/（2*32）=0.75Hz

比例因子

对各个子带每12个样点进行一次比例因子的计算，先找出12个样点中绝对值的最大值。查比例因子表中比这个最大值大的最小值作为比例因子。用6bit表示。
MPEG-2的一帧对应36个子带样值，是MPEG-1的3倍，原则上要传3个比例因子，但为了降低比例因子的传输码率，采用了人耳时域掩蔽特性的编码策略，每个块（12个样点）找出一个最大的作为比例因子，然后比较三个块的比例因子，如果一个比例因子和下一个只有很小的差别，就只传送大的一个，这种情况对于稳态信号经常出现。。

第二条线

心理声学模型

计算信号中不可听觉感知的部分，计算噪声遮蔽效应
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，听觉阈值的大小随声音频率的改变而改变。
一个人是否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。听觉掩蔽特性即听觉阈值电平是自适应的，会随听到的不同频率声音而发生变化。
*利用心理声学模型可以消除更多的冗余数据，人耳听不见的部分和引入的低于听觉阈值量化噪声不编码，主要声音成分用较多的比特数表示，从而获得更大的压缩效率。

动态比特分配

在这里插入图片描述
根据心理声学模型的计算结果，为每个子带信号分配比特数。
在调整到固定的码率之前，先确定可用于样值编码的有效比特数，这个数值取决于比例因子、比例因子选择信息、比特分配信息以及辅助数据所需比特数。

比特分配的过程：
对每个子带计算掩蔽-噪声比MNR，即：MNR = SNR –SMR
其中SNR是信噪比，SMR是信掩比；对最低MNR的子带分配比特，使获益最大的子带的量化级别增加一级；重新计算分配了更多比特子带的MNR，循环，直到没有比特可用。

装订成帧

产生MPEG-I兼容的比特流

三、实验内容

int main (int argc, char **argv)
{

  typedef double SBS[2][3][SCALE_BLOCK][SBLIMIT];
  SBS *sb_sample;
  typedef double JSBS[3][SCALE_BLOCK][SBLIMIT];
  JSBS *j_sample;
  typedef double IN[2][HAN_SIZE];
  IN *win_que;
  typedef unsigned int SUB[2][3][SCALE_BLOCK][SBLIMIT];
  SUB *subband;

  frame_info frame;
  frame_header header;
  char original_file_name[MAX_NAME_SIZE];
  char encoded_file_name[MAX_NAME_SIZE];
  short **win_buf;
  static short buffer[2][1152];
  static unsigned int bit_alloc[2][SBLIMIT], scfsi[2][SBLIMIT];
  static unsigned int scalar[2][3][SBLIMIT], j_scale[3][SBLIMIT];
  static double smr[2][SBLIMIT], lgmin[2][SBLIMIT], max_sc[2][SBLIMIT];
  // FLOAT snr32[32];
  short sam[2][1344];		/* was [1056]; */
  int model, nch, error_protection;
  static unsigned int crc;
  int sb, ch, adb;
  unsigned long frameBits, sentBits = 0;
  unsigned long num_samples;
  int lg_frame;
  int i;

  /* Used to keep the SNR values for the fast/quick psy models */
  static FLOAT smrdef[2][32];

  static int psycount = 0;
  extern int minimum;

  time_t start_time, end_time;
  int total_time;

  //add
  int gr;
  FILE *out_txt=NULL;
  unsigned char *outTXT=NULL;
  out_txt=fopen("output.txt","w");
  //end

  sb_sample = (SBS *) mem_alloc (sizeof (SBS), "sb_sample");
  j_sample = (JSBS *) mem_alloc (sizeof (JSBS), "j_sample");
  win_que = (IN *) mem_alloc (sizeof (IN), "Win_que");
  subband = (SUB *) mem_alloc (sizeof (SUB), "subband");
  win_buf = (short **) mem_alloc (sizeof (short *) * 2, "win_buf");

  /* clear buffers */
  memset ((char *) buffer, 0, sizeof (buffer));
  memset ((char *) bit_alloc, 0, sizeof (bit_alloc));
  memset ((char *) scalar, 0, sizeof (scalar));
  memset ((char *) j_scale, 0, sizeof (j_scale));
  memset ((char *) scfsi, 0, sizeof (scfsi));
  memset ((char *) smr, 0, sizeof (smr));
  memset ((char *) lgmin, 0, sizeof (lgmin));
  memset ((char *) max_sc, 0, sizeof (max_sc));
  //memset ((char *) snr32, 0, sizeof (snr32));
  memset ((char *) sam, 0, sizeof (sam));

  global_init ();//初始化
  
  header.extension = 0;
  frame.header = &header;
  frame.tab_num = -1;		/* no table loaded */
  frame.alloc = NULL;
  header.version = MPEG_AUDIO_ID;	/* Default: MPEG-1 */

  total_time = 0;

  time(&start_time);     

  programName = argv[0];
  if (argc == 1)		/* no command-line args */
    short_usage ();
  else
    parse_args (argc, argv, &frame, &model, &num_samples, original_file_name,
		encoded_file_name);
  print_config (&frame, &model, original_file_name, encoded_file_name);
  //输出配置信息等内容
  /* this will load the alloc tables and do some other stuff */
  hdr_to_frps (&frame);
  nch = frame.nch;
  error_protection = header.error_protection;


  //从数据流获取音频
  while (get_audio (musicin, buffer, num_samples, nch, &header) > 0) {
    if (glopts.verbosity > 1)
      if (++frameNum % 10 == 0)
	fprintf (stderr, "[%4u]\r", frameNum);
    fflush (stderr);
    win_buf[0] = &buffer[0][0];
    win_buf[1] = &buffer[1][0];

    adb = available_bits (&header, &glopts);
    lg_frame = adb / 8;
    if (header.dab_extension) {
      /* in 24 kHz we always have 4 bytes */
      if (header.sampling_frequency == 1)
	header.dab_extension = 4;
/* You must have one frame in memory if you are in DAB mode                 */
/* in conformity of the norme ETS 300 401 http://www.etsi.org               */
      /* see bitstream.c            */
      if (frameNum == 1)
	minimum = lg_frame + MINIMUM;
      adb -= header.dab_extension * 8 + header.dab_length * 8 + 16;
    }

    {
      int gr, bl, ch;
      /* New polyphase filter
	 Combines windowing and filtering. Ricardo Feb'03 */
      for( gr = 0; gr < 3; gr++ )
	for ( bl = 0; bl < 12; bl++ )
	  for ( ch = 0; ch < nch; ch++ )
	    WindowFilterSubband( &buffer[ch][gr * 12 * 32 + 32 * bl], ch,
				 &(*sb_sample)[ch][gr][bl][0] );
    }