第4章音频媒体压缩编码
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1.人的听觉系统中存在一个听觉阈值电平，低于这个 电平的声音信号人耳听不到 .
2.人的听觉存在屏蔽效应。当几个强弱不同的声音同时 存在时，强声使弱声难以听到，并且两者之间的关系 与其相对频率的大小有关 .
声音编码算法就是通过这些特性来去掉更多的冗余 数据，来达到压缩数据的目的。
第4章音频媒体压缩编码
Digital Processor
DAC
Analog Signal
Speaker
Output Devices
Reproduced Sound
第4章音频媒体压缩编码
4.1.2 音频信号压缩编码的可行性与分类
• 对于高质量和长时间的音频数据，由于数据
量都特别大，为了有效地存储和传输，需要 进行压缩编码。
音频信号压缩编码的分类
音频压缩方法
无失真压缩
有失真压缩
Huffman编码 波形编码
参数编码
混合编码
行程编码
全频带编码 PCM DPCM ADPCM
线性预测LPC
子带编码 自适应变换编码ATC 心理学模型
矢量量化
第4章音频媒体压缩编码
矢量和激励线 性预测VSELP
多脉冲线性 预测MP-LPC
码本激励线 性预测CELP
• 根据压缩编码思想的不同，把音频编码技术分为三类：
（1）波形编码（Waveform Coding）
（2）源编码（Source Coding）,参数编码 （3）混合编码（Hybrid Coding）
• 波形编码：
没有利用语音信号自身的特点。波形编译码的想法 是，不利用生成话音信号的任何知识而企图产生一种重 构信号，它的波形与原始话音波形尽可能地一致。一般 来说，这种编译码器的复杂程度比较低，数据速率在16 kb/s以上，质量相当高。低于这个数据速率时，音质急 剧下降。如：
第4章音频媒体压缩编码
话音技术的研究热点
• 话音压缩编码（Speech Coding） • 话音识别（Speech Recognition） • 文本话音转换（Text To Speech）
第4章音频媒体压缩编码
4.1 音频信号
• 声音的产生源于物体的震动，这种震动引起物
体周围气压的变化并传播，最后形成了声音。
第四章
音频媒体的压缩编码标准与技术
第4章音频媒体压缩编码
本章内容
• 音频信号的相关概念
音频信号的基本概念；数字化方法；压缩编 码的可行性与分类；声音类别与数据率…
• 音频信息压缩编码技术标准体系
G.7XX系列和MPEG-X系列
• G.7XX声音压缩编码技术
各标准的编码方法；编/解码器等
• MPEG-X声音压缩编码 • 语音识别
2.音乐信号：各种乐器发出的声音，频率范围大 约为20Hz～20kHz。
3.噪音信号：人们不感兴趣的一类声音，通常研 究如何去掉它。
第4章音频媒体压缩编码
4.1.1 音频信号的数字化
• 音频信号通常是连续信号，要利用计算机
来处理，首先需要对其数字化。
模拟 语音
采样
量化
samples
0.75 0.5
超声波(Hypersound)：
1GHz－10THz
第4章音频媒体压缩编码
音频信号
声波图示，其中包含两个重要参数：频率和振幅
第4章音频媒体压缩编码
音来自百度文库信号
• 根据音频信号占用频谱的不同，可以将音
频信号分为3类：
1.语音信号：又称话音信号，是人在正常情况下 发出的一种声音，频率范围大约为300Hz～ 3.4KHz。
采样频率的单位是：Hz或samples/s。 如：数字电话的采样率为8KHz。 （2）采样精度： 采样精度用样本位数来表示。 样本位数越多，则声音质量越高，因为每个样 本的量化值与原样本值越接近。 采样精度的单位是：bits/sample。
第4章音频媒体压缩编码
采样频率越高，采样精度越大，则数字化声音效 果越好，但是需要的存储量就越大。因此在实际应 用中，需要折中考虑声音质量和存储量的问题。
0.25 0
-0.25 -0.5 -0.75
samples
编码
数字
0100111…
序列
第4章音频媒体压缩编码
音频信号的数字化
• 对声音信号进行采样时，一般使用音频范围的
ADC（模数转换器）进行。不同的ADC主要区别 于以下两个重要参数： （1）采样频率：
采样频率是指每秒钟采集声音样本的个数。它 的该取大值于应 等该 于满 声足 音N信y号qu中ist最T高he频or率y，fm即的采两样倍频。率fs应
• 声音是一种波，由两个参数描述：
频率：声音的尖锐程度。
振幅：声音的大小，又称响度。
音频信号是指处在20Hz～20kHz频率范围的声音。
音频频率范围
低频声音(Infra-sound)： 0Hz－20Hz
人类听觉频率范围的声音： 20Hz－20kHz
高频(Ultrasound)：
20kHz－1GHz
其中，Vsignal表示信号电压， Vnoise表示噪声电压，SNR 的单位为分贝（dB）。信噪比越高，声音质量越好。
第4章音频媒体压缩编码
声音硬件：
Sound
Input Devices
Microphone
Analog Signal
ADC
Digital Signal
Stored / Transmitted
• 压缩的可能性存在于：
（1）声音信号中包含大量的冗余信息，如样本相关性、 时间周期相关性、基音相关性等。
（2）利用人的感知特性进行压缩。
（3）根据话音产生机理进行压缩。
• 衡量语音编码性能的主要因素有：
编码质量； 编码速率； 算法复杂度。
第4章音频媒体压缩编码
音频信号压缩技术
音频信号压缩编码的主要依据是人耳的听觉特性，主 要有两点：
1.CD质量音频数据量：2x44100x16 b/s
2.电话质量音频数据量：8Kx8 b/s PCM (DPCM 56Kb/s;ADPCM 32Kb第/4s章)音. 频媒体压缩编码
• 源编码(参数编码)：
参数化，利用语音信号的特点进行数据 压缩。音源编译码的想法是企图从话音波形 信号中提取生成话音的参数，使用这些参数 通过话音生成模型重构出话音。 例如：信道 声码器的工作原理：
0.75
0.5
0.25
-1 0 -0.25 -0.5
-0.75
Sampling Height
samples
另外一种表示精度的方法是信噪比（SNR），表示为：
S N R 1 0 l g [ ( V s i g n a l) 2 / ( V n o i s e ) 2 ] 2 0 l g ( V s i g n a l/ V n o i s e )
2.人的听觉存在屏蔽效应。当几个强弱不同的声音同时 存在时，强声使弱声难以听到，并且两者之间的关系 与其相对频率的大小有关 .
声音编码算法就是通过这些特性来去掉更多的冗余 数据，来达到压缩数据的目的。
第4章音频媒体压缩编码
Digital Processor
DAC
Analog Signal
Speaker
Output Devices
Reproduced Sound
第4章音频媒体压缩编码
4.1.2 音频信号压缩编码的可行性与分类
• 对于高质量和长时间的音频数据，由于数据
量都特别大，为了有效地存储和传输，需要 进行压缩编码。
音频信号压缩编码的分类
音频压缩方法
无失真压缩
有失真压缩
Huffman编码 波形编码
参数编码
混合编码
行程编码
全频带编码 PCM DPCM ADPCM
线性预测LPC
子带编码 自适应变换编码ATC 心理学模型
矢量量化
第4章音频媒体压缩编码
矢量和激励线 性预测VSELP
多脉冲线性 预测MP-LPC
码本激励线 性预测CELP
• 根据压缩编码思想的不同，把音频编码技术分为三类：
（1）波形编码（Waveform Coding）
（2）源编码（Source Coding）,参数编码 （3）混合编码（Hybrid Coding）
• 波形编码：
没有利用语音信号自身的特点。波形编译码的想法 是，不利用生成话音信号的任何知识而企图产生一种重 构信号，它的波形与原始话音波形尽可能地一致。一般 来说，这种编译码器的复杂程度比较低，数据速率在16 kb/s以上，质量相当高。低于这个数据速率时，音质急 剧下降。如：
第4章音频媒体压缩编码
话音技术的研究热点
• 话音压缩编码（Speech Coding） • 话音识别（Speech Recognition） • 文本话音转换（Text To Speech）
第4章音频媒体压缩编码
4.1 音频信号
• 声音的产生源于物体的震动，这种震动引起物
体周围气压的变化并传播，最后形成了声音。
第四章
音频媒体的压缩编码标准与技术
第4章音频媒体压缩编码
本章内容
• 音频信号的相关概念
音频信号的基本概念；数字化方法；压缩编 码的可行性与分类；声音类别与数据率…
• 音频信息压缩编码技术标准体系
G.7XX系列和MPEG-X系列
• G.7XX声音压缩编码技术
各标准的编码方法；编/解码器等
• MPEG-X声音压缩编码 • 语音识别
2.音乐信号：各种乐器发出的声音，频率范围大 约为20Hz～20kHz。
3.噪音信号：人们不感兴趣的一类声音，通常研 究如何去掉它。
第4章音频媒体压缩编码
4.1.1 音频信号的数字化
• 音频信号通常是连续信号，要利用计算机
来处理，首先需要对其数字化。
模拟 语音
采样
量化
samples
0.75 0.5
超声波(Hypersound)：
1GHz－10THz
第4章音频媒体压缩编码
音频信号
声波图示，其中包含两个重要参数：频率和振幅
第4章音频媒体压缩编码
音来自百度文库信号
• 根据音频信号占用频谱的不同，可以将音
频信号分为3类：
1.语音信号：又称话音信号，是人在正常情况下 发出的一种声音，频率范围大约为300Hz～ 3.4KHz。
采样频率的单位是：Hz或samples/s。 如：数字电话的采样率为8KHz。 （2）采样精度： 采样精度用样本位数来表示。 样本位数越多，则声音质量越高，因为每个样 本的量化值与原样本值越接近。 采样精度的单位是：bits/sample。
第4章音频媒体压缩编码
采样频率越高，采样精度越大，则数字化声音效 果越好，但是需要的存储量就越大。因此在实际应 用中，需要折中考虑声音质量和存储量的问题。
0.25 0
-0.25 -0.5 -0.75
samples
编码
数字
0100111…
序列
第4章音频媒体压缩编码
音频信号的数字化
• 对声音信号进行采样时，一般使用音频范围的
ADC（模数转换器）进行。不同的ADC主要区别 于以下两个重要参数： （1）采样频率：
采样频率是指每秒钟采集声音样本的个数。它 的该取大值于应 等该 于满 声足 音N信y号qu中ist最T高he频or率y，fm即的采两样倍频。率fs应
• 声音是一种波，由两个参数描述：
频率：声音的尖锐程度。
振幅：声音的大小，又称响度。
音频信号是指处在20Hz～20kHz频率范围的声音。
音频频率范围
低频声音(Infra-sound)： 0Hz－20Hz
人类听觉频率范围的声音： 20Hz－20kHz
高频(Ultrasound)：
20kHz－1GHz
其中，Vsignal表示信号电压， Vnoise表示噪声电压，SNR 的单位为分贝（dB）。信噪比越高，声音质量越好。
第4章音频媒体压缩编码
声音硬件：
Sound
Input Devices
Microphone
Analog Signal
ADC
Digital Signal
Stored / Transmitted
• 压缩的可能性存在于：
（1）声音信号中包含大量的冗余信息，如样本相关性、 时间周期相关性、基音相关性等。
（2）利用人的感知特性进行压缩。
（3）根据话音产生机理进行压缩。
• 衡量语音编码性能的主要因素有：
编码质量； 编码速率； 算法复杂度。
第4章音频媒体压缩编码
音频信号压缩技术
音频信号压缩编码的主要依据是人耳的听觉特性，主 要有两点：
1.CD质量音频数据量：2x44100x16 b/s
2.电话质量音频数据量：8Kx8 b/s PCM (DPCM 56Kb/s;ADPCM 32Kb第/4s章)音. 频媒体压缩编码
• 源编码(参数编码)：
参数化，利用语音信号的特点进行数据 压缩。音源编译码的想法是企图从话音波形 信号中提取生成话音的参数，使用这些参数 通过话音生成模型重构出话音。 例如：信道 声码器的工作原理：
0.75
0.5
0.25
-1 0 -0.25 -0.5
-0.75
Sampling Height
samples
另外一种表示精度的方法是信噪比（SNR），表示为：
S N R 1 0 l g [ ( V s i g n a l) 2 / ( V n o i s e ) 2 ] 2 0 l g ( V s i g n a l/ V n o i s e )