多聲道數(shù)字音頻系統(tǒng)的編碼及應(yīng)用
多聲道數(shù)字音頻系統(tǒng)的編碼及應(yīng)用 Multi-channel Audio Coding and Its Applications 胡 澤 （北京廣播學(xué)院錄音藝術(shù)學(xué)院） [摘要]隨著存儲(chǔ)媒體容量和傳輸帶寬的不斷提高，高質(zhì)量多聲道數(shù)字音頻系統(tǒng)也逐漸取 代傳統(tǒng)的單聲道、立體聲系統(tǒng)，而成為新的傳播媒體方式。本文著重介紹當(dāng)前幾種典型 的多聲道數(shù)字音頻系統(tǒng)的編、解碼技術(shù)。以MPEG-2、AC-3、DTS、MPEG AAC多聲道數(shù)字音頻系統(tǒng)來(lái)討論它們各自聲道的配置、數(shù)據(jù)容量、數(shù)據(jù)率等所帶來(lái)的優(yōu)缺 點(diǎn)，最后介紹在數(shù)字音視頻廣播中，多聲道數(shù)字音頻系統(tǒng)的應(yīng)用。 前言 對(duì)于CD格式來(lái)說(shuō)，大家都知道它具有良好的信噪比、超過(guò)80dB以上的動(dòng)態(tài)范圍以及超 過(guò)15kHz的頻率范圍，這使得它具有良好的音頻質(zhì)量和滿意的收聽(tīng)效果，但是它僅僅提供 了兩個(gè)聲道。多聲道數(shù)字音頻系統(tǒng)通過(guò)聲道的擴(kuò)展，不僅在質(zhì)量上與CD音頻不相上下， 同時(shí)還帶給聽(tīng)眾身臨其境的感受，而這是傳統(tǒng)單聲道和立體聲無(wú)法實(shí)現(xiàn)的，因此多聲道 數(shù)字音頻系統(tǒng)已被更多的聽(tīng)眾接受，同時(shí)也逐漸成為音樂(lè)制作的主流。 在眾多的國(guó)際標(biāo)準(zhǔn)中，如SMPTE、EBU、ITU- R、ISO/IEC、MPEG等，都涵蓋著一種稱之為5.1聲道的多聲道數(shù)字音頻格式。在即將制定 的DVD- Audio標(biāo)準(zhǔn)中，也規(guī)定將采用24bit采樣精度、88.2，96，192KHz采樣率的多聲道數(shù)字音 頻格式。 一種廣泛接受的多聲道數(shù)字音頻系統(tǒng)配置方案就是我們常稱的5.1聲道系統(tǒng)，也就是 3/2/.1的配置方案。這種方法是按照ITR- U的建議BS.775來(lái)確定用于重放的揚(yáng)聲器擺放位置的，如圖1所示。 根據(jù)建議可知，5個(gè)全頻帶的重放揚(yáng)聲器分為前置揚(yáng)聲器（包括L、R、C）和后置揚(yáng)聲 器（也稱環(huán)繞揚(yáng)聲器，包括Ls、Rs），按照?qǐng)D示所規(guī)定的角度和方位進(jìn)行擺放，并且它 們都位于一個(gè)圓的邊界上，其中L、R揚(yáng)聲器與C揚(yáng)聲器分別呈30度夾角，Ls、Rs揚(yáng)聲器與 C揚(yáng)聲器分別呈110度夾角。除此5個(gè)全頻帶的聲道外，還有一個(gè)低頻增強(qiáng)聲道，稱之為L(zhǎng) FE，它的頻率范圍在200Hz以下，大約是全頻帶倍頻程的10%左右，因此也稱點(diǎn)一聲道。 它的放置沒(méi)有特殊的要求，一般放置在前面。 5個(gè)重放揚(yáng)聲器的擺放并不是說(shuō)能夠完全重現(xiàn)真實(shí)的空間聲像，其實(shí)5個(gè)揚(yáng)聲器的使用 僅僅是一種重現(xiàn)空間聲像而采用的粗略的實(shí)現(xiàn)方式。當(dāng)然，一方面重放的效果取決于音 頻素材的制作，另一方面則需要嚴(yán)格的重放揚(yáng)聲器的空間位置擺放和收聽(tīng)者的位置關(guān)系 。在電影院里我們往往能夠感受到聲像定位準(zhǔn)確的音頻效果，現(xiàn)在也有一些提法，認(rèn)為 8個(gè)、10個(gè)、12個(gè)甚至更多的重放揚(yáng)聲器會(huì)有更加完美的音頻效果。這些觀點(diǎn)有它存在的 理由，聲像的表現(xiàn)當(dāng)然是越準(zhǔn)確越好，但是一味的通過(guò)增加重放揚(yáng)聲器的數(shù)量以及增加 音頻聲道數(shù)的話，它也會(huì)帶來(lái)另外的負(fù)面影響，如聲像的定位更加困難等等，因此我們 在此僅僅通過(guò)5.1聲道的實(shí)現(xiàn)方式來(lái)進(jìn)行闡述。另外，我們還應(yīng)明確一點(diǎn)，對(duì)于家庭消費(fèi) 者來(lái)說(shuō)，5.1聲道已經(jīng)足夠表現(xiàn)較完美的音頻效果了。 不管是那種擺放方式，它的實(shí)現(xiàn)都離不開(kāi)基本的編碼方式和主要規(guī)則。另外5.1聲道 方式還會(huì)帶來(lái)較大的壓縮比和較低的比特率（相對(duì)于更多聲道的情況），下面就詳細(xì)的 來(lái)介紹一下多聲道數(shù)字音頻系統(tǒng)的編碼方式。 圖1 ITR-U的建議BS.775確定的用于重放的揚(yáng)聲器擺放位置 多聲道數(shù)字音頻的編碼 從立體聲向多聲道的過(guò)渡，增加了對(duì)存儲(chǔ)和傳輸媒體的需要。下面以CD格式為例，假設(shè) 它的采樣頻率為Fs=44.1kHz，采樣精度R為16bit，那么CD格式的音頻數(shù)據(jù)率B為： BCD=2×R×Fs=1.411Mb/s 由此可知，一個(gè)小時(shí)的CD格式的音樂(lè)需要635MB的存貯空間，其實(shí)CD最長(zhǎng)的重放時(shí)間為7 4分鐘。那么如果使用的是多聲道時(shí)，此時(shí)的數(shù)據(jù)率為： Bcdmultichannel=5.1×R×Fs=3.598Mb/s 同樣一個(gè)小時(shí)的多聲道格式的音樂(lè)需要1.62GB的存儲(chǔ)空間，遠(yuǎn)遠(yuǎn)大于CD的容量。同時(shí)當(dāng) 前已應(yīng)用的多聲道系統(tǒng)面臨著帶寬的問(wèn)題。如美國(guó)的數(shù)字電視中僅僅給多聲道的音頻38 4kb/s的帶寬，在Internet音頻廣播中，也只有56kb/s的數(shù)據(jù)通道，因此由上可知，多聲 道數(shù)字音頻系統(tǒng)面臨者存儲(chǔ)容量和傳輸帶寬的限制。 如何將多聲道數(shù)字音頻數(shù)據(jù)率降低的同時(shí)又能夠保證音頻質(zhì)量，是多聲道數(shù)字音頻系 統(tǒng)面臨的重大問(wèn)題。眾所周知，對(duì)于線性PCM來(lái)說(shuō)，它的實(shí)現(xiàn)簡(jiǎn)單，在高容量/高帶寬的 前提下可以提供CD質(zhì)量的音頻信號(hào)。從另一個(gè)角度來(lái)看，采樣精度的提高以及采樣頻率 的提高，會(huì)帶來(lái)更高的音頻質(zhì)量，如將采樣精度由R=16提高到R=24；將采樣頻率由Fs=4 4.1kHz或Fs=48kHz提高到Fs=96kHz或Fs=192kHz。這種發(fā)展趨勢(shì)已經(jīng)逐漸地由一些錄音工 程師和音樂(lè)制作商所接受，同樣多聲道數(shù)字音頻系統(tǒng)則也要順應(yīng)這種趨勢(shì)。但如果仍然 采用線性PCM，這無(wú)疑是增加了更大的數(shù)據(jù)量，提高了現(xiàn)有的數(shù)據(jù)率。 我們知道線性PCM并沒(méi)有充分利用音頻信號(hào)的特性進(jìn)行編碼，在PCM數(shù)據(jù)流中存在著大 量的冗余信息。同時(shí)要強(qiáng)調(diào)的是不管音頻信號(hào)如何編解碼、傳輸，最終還是要靠我們的 人耳來(lái)實(shí)現(xiàn)的，如圖2所示，因此我們可以充分地考慮人耳的聽(tīng)覺(jué)特性，并加以利用，如 人耳的掩蔽效應(yīng)、哈斯效應(yīng)等等。這樣就可以將音頻信號(hào)中與人耳有關(guān)的那部分冗余信 息去除掉，在編碼時(shí)則僅僅對(duì)有用的那部分音頻信號(hào)進(jìn)行編碼，從而降低了參與編碼的 數(shù)據(jù)量。同時(shí)再將編碼的信號(hào)進(jìn)行比特精度的分配，對(duì)于幅度比較大的信號(hào)或變化比較 快的信號(hào)分配更多的比特?cái)?shù)，而對(duì)于幅度小、變化慢的信號(hào)則減少比特?cái)?shù)的分配，從而 達(dá)到減少數(shù)據(jù)率的可能性，實(shí)現(xiàn)編碼的高效率。當(dāng)然這種結(jié)果是以編碼過(guò)程復(fù)雜化為代 價(jià)的。下面具體分析幾種聲學(xué)模型。 圖2 編碼、傳輸、人耳聽(tīng)音的實(shí)現(xiàn) 2．1 根據(jù)聽(tīng)覺(jué)域度對(duì)可聞信號(hào)進(jìn)行編碼 人耳對(duì)聲振動(dòng)的感受，在頻率及聲壓級(jí)方面都有一定的范圍，頻率范圍正常人約為2 0Hz~20kHz，而聲壓級(jí)范圍則是如圖聽(tīng)閾曲線來(lái)描述的。意即在這條曲線之下的對(duì)應(yīng)頻率 的信號(hào)是聽(tīng)不到的。 聲壓級(jí) A 聽(tīng)閾曲線 B 頻率f 圖3 聽(tīng)覺(jué)域度對(duì)編碼的作用 如圖3所示，對(duì)于信號(hào)A來(lái)說(shuō)，由于其聲壓級(jí)超過(guò)聽(tīng)閾曲線的聲壓級(jí)域值，所以可以對(duì) 人耳造成聲振動(dòng)的感受，意即聽(tīng)到A信號(hào)。而對(duì)B信號(hào)來(lái)說(shuō)，其聲壓級(jí)位于聽(tīng)閾曲線之下 ，雖然它是客觀存在的，但人耳是不可聞的。因此，可以將類(lèi)似的信號(hào)去除掉，以減少 音頻數(shù)據(jù)率。 2. 2 根據(jù)掩蔽效應(yīng)，只對(duì)幅度強(qiáng)的掩蔽信號(hào)進(jìn)行編碼 人耳能在寂靜的環(huán)境中分辨出輕微的聲音，但在嘈雜的環(huán)境中，同樣的這些聲音則被嘈 雜聲淹沒(méi)而聽(tīng)不到了。這種由于一個(gè)聲音的存在而使另一個(gè)聲音要提高聲壓級(jí)才能被聽(tīng) 到的現(xiàn)象稱為聽(tīng)覺(jué)掩蔽效應(yīng)。 聲壓級(jí) A 后向掩蔽 前向掩蔽 B C 頻率f 圖4 聽(tīng)覺(jué)掩蔽效應(yīng) 如圖4所示，雖然B、C兩信號(hào)的聲壓級(jí)已超過(guò)聽(tīng)閾曲線的范圍，人耳已可以聽(tīng)到B、C 兩信號(hào)的存在，但是由于A信號(hào)的存在，通過(guò)前向掩蔽將C信號(hào)淹沒(méi)掉，通過(guò)后向掩蔽將 B信號(hào)淹沒(méi)掉，從而最終到達(dá)人耳引起感覺(jué)的只有A信號(hào)。因此，可以將類(lèi)似的B、C信號(hào) 去除掉以減少音頻數(shù)據(jù)率。 2. 3 量化噪聲使得不必全部編碼原始信號(hào) 類(lèi)似于人耳的聽(tīng)閾曲線，由于數(shù)字信號(hào)存在著量化噪聲，如圖5所示，對(duì)于信號(hào)A和B 來(lái)說(shuō)，并不一定要將A、B信號(hào)進(jìn)行全部幅度的編碼，而只需將A、B信號(hào)與量化噪聲的差 值進(jìn)行編碼就可以達(dá)到相同的聽(tīng)覺(jué)效果，因此，在編碼過(guò)程中實(shí)際量化幅度就可以大大 的減少，而減少數(shù)據(jù)率。 聲壓級(jí) A B 量化噪聲 頻率f 圖5 量化噪聲對(duì)編碼的影響 2. 4 通過(guò)子帶分割來(lái)進(jìn)行優(yōu)化、編碼 在傳統(tǒng)的編碼過(guò)程中，都是將整個(gè)頻帶作為操作對(duì)象，采用相同的比特分配對(duì)每個(gè)信 號(hào)進(jìn)行量化。而實(shí)際上，由于聽(tīng)覺(jué)曲線的存在及其它因素，對(duì)于幅度較小的信號(hào)可以分 配較少的比特?cái)?shù)就可以達(dá)到要求，因此將整個(gè)頻帶分成多個(gè)子頻帶，然后對(duì)每個(gè)子頻帶 的信號(hào)獨(dú)立編碼，從而使得在每個(gè)子頻帶中比特分配可以根據(jù)信號(hào)自身來(lái)適應(yīng)。 聲壓級(jí) 子頻帶 A D C B 頻率f 圖6 子帶編碼、優(yōu)化 如圖ABCD四個(gè)信號(hào)，如果對(duì)整個(gè)頻帶編碼，對(duì)于D信號(hào)來(lái)說(shuō)分配16比特來(lái)量化則顯得 多余浪費(fèi)，所以如果將ABCD分別置于不同的子帶內(nèi)，則可在分別所處的子帶內(nèi)使用最適 合的比特?cái)?shù)分配給信號(hào)來(lái)編碼，從而減少數(shù)據(jù)率，同時(shí)如果用于分割的子帶分辨率越高 ，意即子帶的頻帶相對(duì)越窄，那么在子帶中分配的比特?cái)?shù)就越精確，而減少了比特率。 2. 5 不同的實(shí)現(xiàn)方式 當(dāng)前在數(shù)字音頻編碼領(lǐng)域存在著各種不同的編碼方案和實(shí)現(xiàn)方式，為了能夠讓大家對(duì) 此有一個(gè)較完整的認(rèn)識(shí)，在本文中僅對(duì)當(dāng)前流行的幾種典型的編碼方法做一個(gè)介紹。不 管是通過(guò)那一種方式實(shí)現(xiàn)，其基本的編碼思路方框圖都大同小異，如圖7所示。對(duì)于每一 個(gè)音頻聲道中的PCM音頻信號(hào)來(lái)說(shuō)，首先都要將它們映射到頻域中，這種時(shí)域到頻域的映 射可以通過(guò)子帶濾波器（如MPEG Layers I，II，DTS）或通過(guò)變換濾波器組（如AC- 3，MPEG AAC）實(shí)現(xiàn)。這兩種方式的最大不同之處在于濾波器組中的頻率分辨率的不同。 圖7 多聲道數(shù)字音頻系統(tǒng)基本的編碼方框圖 每個(gè)聲道中的音頻采樣塊首先要根據(jù)心理聲學(xué)模型來(lái)計(jì)算掩蔽門(mén)限值，然后由計(jì)算出 的掩蔽門(mén)限值來(lái)決定如何將公用比特區(qū)中的比特分配給不同的頻率范圍內(nèi)的信號(hào)，如MP EG Layers I，II，DTS所采用；或由計(jì)算出的掩蔽門(mén)限值來(lái)決定哪些頻率范圍內(nèi)的量化噪聲可以引 入而不需要去除，如AC-3，MPEG AAC所采用。然后根據(jù)音頻信號(hào)的時(shí)域表達(dá)式進(jìn)行量化，隨后采用靜噪編碼（如MPEG Layers I，II，DTS，MPEG AAC）。最后，將控制參數(shù)及輔助數(shù)據(jù)進(jìn)行交織產(chǎn)生編碼后的數(shù)據(jù)流。解碼過(guò)程則首先將 編碼后的數(shù)據(jù)流進(jìn)行解復(fù)用，然后通過(guò)比特流中傳輸?shù)目刂茀?shù)對(duì)音頻數(shù)據(jù)反量化，或 通過(guò)心理聲學(xué)模型參數(shù)反向運(yùn)算得到音頻信號(hào)（如AC- 3），最后將得到的音頻信號(hào)由頻域反變換到時(shí)域，完成解碼過(guò)程。 另外多聲道數(shù)字音頻編碼技術(shù)還充分利用了聲道之間的相關(guān)性及雙耳聽(tīng)覺(jué)效應(yīng)，來(lái)進(jìn) 一步去除聲道之間的冗余度和不相關(guān)度。去除通道之間的相關(guān)度，一種最常用的方法是 M/S方式，在這種方式中是將兩個(gè)獨(dú)立聲道的頻譜相加和相減，根據(jù)兩個(gè)聲道的相關(guān)度大 小，來(lái)決定是傳輸和/差信號(hào)還是傳輸原始信號(hào)。 由于人耳對(duì)于頻率超過(guò)2- 3kHz的聲音定位主要是通過(guò)內(nèi)耳密度差分（IID）實(shí)現(xiàn)的，因此為了進(jìn)一步減少數(shù)據(jù)率， 將各個(gè)聲道中頻率超過(guò)約定門(mén)限值的信號(hào)組合后再進(jìn)行傳輸。這種技術(shù)應(yīng)用在MPEG Layers I，II，III中，實(shí)現(xiàn)強(qiáng)度立體聲編碼；用在AC- 3中對(duì)兩個(gè)聲道或耦合聲道實(shí)現(xiàn)多聲道編碼。在MPEG AAC中，則既可實(shí)現(xiàn)強(qiáng)度立體聲編碼，又可實(shí)現(xiàn)多聲道編碼。 杜比數(shù)字AC-3編解碼壓縮過(guò)程 AC-3最早是在1991年的電影“Batman Returns”中應(yīng)用的。它的應(yīng)用不僅在電影界占有一席之地，而且它已被北美地區(qū)的數(shù)字 電視及DVD視頻定為其數(shù)字音頻實(shí)施規(guī)范。我們熟知的AC-2，AC- 3都是由兩聲道發(fā)展而來(lái)的，即杜比數(shù)字（Dolby Digital）。對(duì)于數(shù)字音頻信號(hào)來(lái)說(shuō)，通過(guò)應(yīng)用數(shù)字壓縮算法，來(lái)減少正確再現(xiàn)原始脈沖 編碼調(diào)制（PCM）樣本所需要的數(shù)字信息量，得出原始信號(hào)經(jīng)數(shù)字壓縮后的表達(dá)式。 3. 1 AC-3編碼過(guò)程 AC-3編碼器接受PCM音頻并產(chǎn)生相應(yīng)的AC-3數(shù)碼流。在編碼時(shí)，AC- 3算法通過(guò)對(duì)音頻信號(hào)的頻域表達(dá)式進(jìn)行粗量化，達(dá)到高的編碼增益（輸入碼率對(duì)輸出碼 率之比）。如圖8所示。 編碼過(guò)程的第一步是把音頻表達(dá)式從一個(gè)PCM時(shí)間樣本的序列變換為一個(gè)頻率系數(shù)樣 本塊的序列。這在分析濾波器中完成。512個(gè)時(shí)間樣本的相互重疊樣本塊被乘以時(shí)間窗而 變換到頻域。由于相互重疊的樣本塊，每個(gè)PCM輸入樣本將表達(dá)在兩個(gè)相繼的變換樣本塊 中。頻域表達(dá)式則可以二取一，使每個(gè)樣本塊包含256個(gè)頻率系數(shù)。這些單獨(dú)的頻率系數(shù) 用二進(jìn)制指數(shù)記數(shù)法表達(dá)為一個(gè)二進(jìn)制指數(shù)和一個(gè)尾數(shù)。這個(gè)指數(shù)的集合被編碼為信號(hào) 頻譜的粗略表達(dá)式，稱作頻譜包絡(luò)。核心的比特指派例行程序用這個(gè)頻譜包絡(luò)，確定每 個(gè)單獨(dú)尾數(shù)需要用多少比特進(jìn)行編碼。將頻譜包絡(luò)和6個(gè)音頻樣本塊粗略量化的尾數(shù)，格 式化成一個(gè)AC-3數(shù)據(jù)幀（FRAME）。AC-3數(shù)碼流是一個(gè)AC-3數(shù)據(jù)幀的序列。 圖8 AC-3編碼框圖 在實(shí)際的AC-3編碼器中，還包括下述功能： o 附有一個(gè)數(shù)據(jù)幀的信頭（header），其中包含與編碼的數(shù)碼流同步及把它解碼的信 息（比特率、取樣率、編碼的信道數(shù)目等）。 o 插入誤碼檢測(cè)碼字，以便解碼器能檢驗(yàn)接收的數(shù)據(jù)幀是否有誤碼。 o 可以動(dòng)態(tài)的改變分析濾波器組的頻譜分辨率，以便同每個(gè)音頻樣本塊的時(shí)域/頻域特 性匹配的更好。 o 頻譜包絡(luò)可以用可...
多聲道數(shù)字音頻系統(tǒng)的編碼及應(yīng)用