参数音频编码回顾

音频编码主要有两类技术:波形编码,参数编码。前者适合高速率高质量的应用环境,后者适合带宽受限或存储容量受限的应用或环境。参数音频编码以源模型表示信号,运用基于心理声学原理的参数估计和量化方法,提取、量化感知重要参数,在保证重建信号质量的同时,有效地减小了编码比特率。近年来,研究者将自适应时间分段、联合参数量化、参数立体声等新技术引入参数音频编码,使算法得到了优化,重建信号质量也得到了显著提升,其中某些技术成为了国际标准,并获得商业应用。本文回顾了近十几年来参数音频编码的重要进展,评述、探讨了存在的问题和研究的难点,并给出了两个典型参数音频编码系统的听力测试数据,以定量显示这些技术的性能,最后,展望了参数音频编码发展的方向。      

MPEG-2/4 AAC 音频编码器实时性能优化研究进展

目前,MPEG-2/4 AAC已成为广泛使用的一种音频编码压缩标准,但是MPEG-2/4 AAC标准的音频编码器存在算法复杂度高、计算量和时闻延迟大等缺点,无法满足实时性要求.从MPEG-2/4 AAC音频编码器的内部结构入手,分析了制约其实时性能的主要环节,就心理声学模型、滤波器组、量化与编码模块3个部分,归纳了当前MPEG-2/4 AAC实时音频编码器实现与优化研究的相关内容和进展,给出了若干算法的主要思想、改进结果和优缺点.在此基础上,提出了进一步优化MPEG-2/4 AAC实时性能的研究方向,以及需要解决的主要问题.     

因特网音频编码技术

文章叙述了因特网音频编码技术。首先介绍了感知音频编码原理 ,然后介绍了当前的商用音频编码系统 ,包括MPEG、AC 3、PAC等。最后简要介绍了InternetAudio所采用的标准和技术 ,包括WMA、ePAC、RealAudio、QuikTime、MP3、AAC等。     

一种面向高采样率音频信号的参数音频编码系统

通过对现有的各种参数音频编码方案进行比较和改进,提出了一种面向高采样率音频信号的参数音频编码系统,通过使用多分辨率正弦模型、多分辨率ERB噪声模型,辅以谐波结构分析、双变换短时成分检测与双变换短时模型,可在24Kb/(s·ch)的码率下实现对44.1kHz,48kHz采样音频信号的参数音频编码,主观音质良好。     

一种基于正弦模型的音频压缩算法

提出一种适用于无线移动通信的低码率音频压缩算法。该算法基于正弦模型，而且针对极低码率的应用做了修正，提高了重建音频的质量。这些修正包括：自适应变换的分析长度，用于匹配跟踪算法和参数量化的心理声学模型以及频域的无相位音频重建算法。主观测试表明，在0.5bit/抽样的码率要求下，重建信号达到并超过了调幅广播的音频质量。     

高质量音频编码研究进展

音频信号的数字化要求巨大的存储和传输能力。因此，对数字化的音频数据进行压缩码是众多应用领域的关键技术。本文介绍了高质量音频编码的应用背景，概述了编码方法的统一方案，探讨了其中的关键技术，评述了目前最有代表性的几种编码方案，并展望了发展的趋势和方向。     

一种基于多描述编码技术的高质量音频编码算法

本文依据感知音频编解码基本原理，研究和设计了一种基于多描述编码技术的高质量音频编码算法。这种算法具有较好抗丢包性能，算法的总体思路是先在分析与合成的层面上把音频分解为听觉掩蔽门限和剩余信号，然后在量化和编码层面上分别对音频的听觉掩蔽门限和剩余信号进行多描述处理。姑果表明，在所提出的多描述抗丢包音频编解码算法框架下，多描述算法的抗丢包性能明显优于单描述的抗丢包性能，标量量化多描述算法的抗丢包性能比奇偶分离双描述算法和对偶变换双描述算法的抗丢包性能都要好。     

基于分布式原理的多信源音频编码技术研究

基于分布式信源编码原理的多信源编码是一个全新的编码方式,将其应用于音频编码以降低音频信源采集的难度,是音频处理技术的全新领域。在分析分布式编码理论的基础上,提出了多信源编码在音频编码中的应用思路,设计了一种采用多信源分布式编码实现音频编码的方案,进行了计算机仿真分析,对多信源音频编码的实用化具有重要的现实意义。     

音频压缩编码中的参数比特分配技术

基于人耳的感觉编码是宽带音频压缩编码技术中的一个重要内容,在诸多的压缩编码标准中得到了广泛使用,例如AC－3,DTS及MPEG－4中的AAC,HILN,TWIN－VQ等。在分析了感觉编码中的参数比特分配技术及其基本原理基础上,对算法的实现进行了详细推导,并提出了一些值得注意的问题。     

MPEG-4中的音频编码技术

本文主要介绍了MPEG－4的音频概念、特征及音频工具，重点介绍了音频中用到的编码技术。     

MPEG-4 AAC音频编码中量化模块的改进

NPEG -4 AAC音频编码标准中的量化过程采用了Brandenburg提出的双循环模式,取得了较好的编码质量和压缩比例.但在实际编码时,该方法由于迭代次数过多,会出现收敛速度较慢,甚至死锁的情况.在深入分析MPEG -4 AAC量化算法的基础上,提出了一种快速计算每个比例因子频带的改进算法.该算法通过有效减少外循环计算过程,并确保每个比例因子频带的量化失真低于允许值,从而减少量化模块的计算量.实验结果表明,在不影响音频编码质量的前提下,该算法能有效地提高编码效率.     

Ogg Vorbis数字音频编码技术

简述了一种无专利要求的Ogg Vorbis数字音频编码的算法，深入分析了其关键技术，并给出了主观测试结果。结果表明这种编码算法的主观声音质量超过MP3和MPEG-4 AAC。     

基于小波变换和音质模型的音频编码算法研究

音频编码要解决的问题是以最小感知失真用低速率表达音频信号.本文设计了一种基于正交小波变换和音质模型的自适应比特分配音频编码算法,它可以将1411.2kbit/s的双声道立体声高保真音频信号压缩成低至32kbit/s的速率,并保持很好的音频质量.     

A survey of efficient MDCT implementations in MP3 audio coding standard: Retrospective and state-of-the-art

This tutorial paper describes various efficient implementations (published and new unpublished) of the forward and backward modified discrete cosine transform (MDCT) in the MPEG layer III (MP3) audio coding standard developed in the time period 1990-2010, including the efficient implementation of polyphase filter banks for completeness. The efficient MDCT implementations are discussed in the context of (fast) complete analysis/synthesis MDCT filter banks in the MP3 encoder and decoder. In general, for each efficient forward/backward MDCT block transforms implementation are presented: complete formulas or sparse matrix factorizations of the algorithm, the corresponding signal flow graph for the short audio block and the total arithmetic complexity as well as the useful comments related to improving the arithmetic complexity and a possible structural simplification of the algorithm. Finally, all efficient forward/backward MDCT implementations are compared both in terms of the arithmetic complexity and structural simplicity. It is important to note that almost all presented algorithms can be also used for the 2ⁿ-length data blocks in others MPEG audio coding standards and proprietary audio compression algorithms.     

SVAC音频编码的特征参数量化器改进

SVAC监控音频编码器在前端对提取的特征参数量化编码,以防止语音编码失真影响说话人识别.特征参数编码占用码率较低,因此对其量化器有一定的技术要求.分析了SVAC的特征参数量化器编码性能,对多种情况下的量化失真进行了实验对比,根据结果有针对性地设计了新码本.     

网络音频数据检索技术

针对网络海量数据的应用特点，对传统的直方图算法进行了改进，采用基于主轴树的快速矢量量化技术进行预处理，采用两阶段法进行搜索处理，实验结果表明这2种方法可以显著提高检索的速度和精度。     

Algorithm of Adaptive Bit Allocation Wavelet Transform Audio Coding

ＡｌｇｏｒｉｔｈｍｏｆＡｄａｐｔｉｖｅＢｉｔＡｌｏｃａｔｉｏｎＷａｖｅｌｅｔＴｒａｎｓｆｏｒｍＡｕｄｉｏＣｏｄｉｎｇＭａＨｏｎｇｆｅｉＦａｎＣｈａｎｇｘｉｎＳｏｎｇＧｕｏｘｉａｎｇ（ＸｉｄｉａｎＵｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ７１...     

基于非线性音频特征分类的频带扩展方法

提出了一种基于非线性音频分类的频带扩展方法,即利用递归图和定量递归分析将音频信号的时间序列分成4类,并分别采用4种方法恢复高频频谱细节,最终利用高斯混合模型和基于软判决的码书映射调整频谱包络和能量增益。主客观测试表明,该方法优于传统的盲目式频带扩展方法,且应用到ITU-T G.722.1编解码器时,音频质量优于同码率下的G.722.1C编解码器。     

Scalable perceptual audio representation with an adaptive three time-scale sinusoidal signal model

This work is concerned with the development and optimization of a signal model for scalable perceptual audio coding at low bit rates. A complementary two-part signal model consisting of Sines plus Noise (SN) is described. The paper presents essentially a fundamental enhancement to the sinusoidal modeling component. The enhancement involves an audio signal scheme based on carrying out overlap-add sinusoidal modeling at three successive time scales, large, medium, and small. The sinusoidal modeling is done in an analysis-by-synthesis overlapadd manner across the three scales by using a psychoacoustically weighted matching pursuits. The sinusoidal modeling residual at the first scale is passed to the smaller scales to allow for the modeling of various signal features at appropriate resolutions. This approach greatly helps to correct the pre-echo inherent in the sinusoidal model. This improves the perceptual audio quality upon our previous work of sinusoidal modeling while using the same number of sinusoids. The most obvious application for the SN model is in scalable, high fidelity audio coding and signal modification.