《MP3音频解码的仿真实现》由会员分享，可在线阅读，更多相关《MP3音频解码的仿真实现（39页珍藏版）》请在金锄头文库上搜索。
1、 第一章MP3音频概述1. 1 MP3的历史 运动图像及其伴音通用的压缩编码技术是多媒体计算机、多媒体数据库、多媒体通信、数字化电视、高清晰度电视以及交互式电视系统中的关键技术。要解决上述应用中的传输和存储问题，必须要采用压缩编码技术。从最早提出PCM编码理论开始，迄今己有50多年的历史，很多科学家、工程师先后提出了预测编码、变换编码、矢量量化编码、信息嫡编码、子带编码、结构编码以及基于知识的编码等。其的目的就是为了从原始数据中去除信息的时间冗余、空间冗余、信息嫡冗余、结构冗余、知识冗余以及视觉的冗余，保留有用的信息，以便提高信息处理、传输和存储效率。 从八十年代开始，很多大的国际性公司，为了
2、设计开发多媒体计算机系统以及通信系统，专门研制了自己的音频视频信息压缩解压缩算法，为了提高速度，投入了大量研究经费，设计制造了专用集成电路，当时在国际市场上取得了良好的经济效益和社会交易。但是随着国际标准化组织ISO(The Intemational Organization for Standardization）先后制定了ISO/IEC10918连续色调静态图象的数字压缩和解码(JPEG)、ISO/IECI1172(具有1.5/Mbit/s数据传输率数字存储媒体运动图象及其伴音的标准MPEG-I)以及CCITT制定的H.261(Px64Kbps视声业务视象编码方式)等标准，使得一些不符合国
3、际标准的产品的技术发展受到限制。国际标准化组织于1988年就成立一个致力于制订有关运动图像压缩编码的组织。组织在工作一开始就考虑到相关标准化组织的研究成果，如JPEG和H.261标准。运动图像可以看成是静止图像的一个系列，所以图象运用的帧内解码器中就采用了JPEG推荐的技术，此外又加进了帧间压缩技术(运动补偿技术)。到1992年MPEG正式推出了MPEG-I标准草案，1993年正式通过。MP3就是MPEG标准中的音频标准中的一部分。1987年，IIS开始进行有关实用的音频编码方面的工作。它们同Erlangen大学合作开展了一个项目，最后IIS提出了一个非常优秀的算法，也就是ISO-MPEG-I
4、音频的第3层，同时通过的ISO11172-3标准也就成为了MPEG标准中的一部分。后来，在MPEG-I的基础上，又提出了MPEG-II的编码标准，该标准的音频部分与MPEG-I的音频部分在算法上基本一致，但提供了与CCITT的G-722相类似的16KHz、22.05KHz和24KHz的采样速率，这样就使得MP3也可以用于低比特率(15kHzstereo112.128kbps14.12:1 从上表可以看出，采用MP3标准压缩的声音具有音质好，码率低的特点，而且根据国际上众多的视听测试，MP3提供了非常好的性能，根据测试，在10kHz的通道中完全可以实现立体声广播。1. 3 MP3的实现基础及局限
5、性 MP3之所以能够实现主要是因为人的听觉的特性以及编码技术的发展。 最小听觉阈制值与声音掩蔽: 人耳的听觉阈制并不是线性的，而且人耳对于不同的声音的感觉是不同的，强的声音往往可以淹没弱的声音。所以在编码的时候就没有必要将所有的声音进行编码，这样就减小了数据量。 Huffman编码技术: MP3使用了非常经典的Huffman算法，MP3使用Huffman算法实现压缩的最后步骤。在编码过程中，Huffman算法产生一个可变码长的位流，并且可以根据一个相应的表格解决码流不等长的问题，而且解码速度非常快，同时压缩比也较高，平均可节省20%的空间。MP3虽然有压缩比大的优点，但因为它的编码原理的限制，
6、同样也存在缺点。MP3一个显著的缺点就是延迟时间长，它的最小理论延时是59ms，而实际上的值要比这要大许多，而且同系统的实现方法有关，很难给出一个精确的值。第二章 音频解码概述2.1.音频序列1 帧层和层:位流的部分内容可以根据自身的信息进行解码。在层中，它包含有384个样本信息;在层中，包含1152个样本。它以一个同步字开始，在下一个同步字前结束。它由整数个槽(slot)组成（层中4个字节，层中1个字节)。帧层:位流的部分内容可使用先前获得的主要信息进行解码。在层中，它包含有1152个样本信息。尽管两个连续的同步字开始位置之间的距离为整数槽(层1个字节)，属于一个帧的音频信息一般并不包含在两
7、个相继的同步字之间。2.2 音频帧 header:位流的一部分，它包含同步和状态信息。 error_check:位流的一部分，它包含用于错误检测的信息。 audio_data:位流的一部分，包含音频样本的信息。 ancillary_data:位流的一部分，可用于辅助数据。2.3 头标 前32位(4个字节)是头标信息，对所有层而言，它是一样的。 syncword:位串1111 1111 1111 ID标明算法ID的位(l位)，等于z表示是IsozIEe11172-3音频，0值保留。 Layer:2位，表明使用的层次，取值如“表2.1”所示。表2.1 Layer值定义Layer11层10层01层0
8、0保留 为了改变层，可能需要复位音频解码器。 protection_bit:1位长，用于表明冗余信息是否被加到音频流中，以进行错误检测和错误隐蔽。位值为1表示未增加冗余信息，位值为0表示增加冗余信息。 bitrateindeX:指定位率。所有。值表明“自由格式”情形，在这种情形下可以使用不同于表中的固定位率。这里的固定意味着帧包含N或者N+1个槽(依赖于填补位的值)。bitrate_index是1个表的索引，每层所用的表各不相同。bitrate_index表明整个位率，而不管其方式(stereo(立体表)joint_stero(联合立体声)dual_chanel(双声道)和single_cha
9、nel(单声道)。表2.2 不同层次的位率Bitrate_index指定的位率（Kb/s）层层层0000FreeFreeFree00013232320010644840001196564801001286456010116080640110192968001112241129610002561281121001288160128101032019216010113522241921100384256224110141632025611104483843201111禁止使用禁止使用禁止使用 为了提供可能的最小延迟和复杂性，不需要解码器支持一连续可变位率(当在层和层时)，层通过切换bitrate_
10、index来支持可变位率。bitrate_index的切换可用来优化DSM上的存储需求或者插值任何中等数据位率，具体方法是在位率表中近似的值之间进行切换。然而，在自由格式中，需要使用固定位率。另外要求解码器所支持的位率高于448kb/s、384kb/s和320kb/s(分别对应与层、层和层)，这时的操作模式为自由格式。 对于层而言，并非所有位率与模式的组合都是允许的，参见“表2.3”。表2.3 位率与模式的关系位率（Kb/s）自由格式所有模式34单通道48单通道56单通道64所有模式80单通道96所有模式112所有模式128所有模式160所有模式192所有模式224立体声，强度立体声，双通道2
11、56立体声，强度立体声，双通道320立体声，强度立体声，双通道384立体声，强度立体声，双通道 sampling_frequeney:指定采样频率，参见“表2.4”。表2.4 采样频率的值Sampling_frequency指定的频率（kHz）0044.101481032 paddingesbit:如果该位为1，那么帧中包含一个额外槽，用于把中等位率调节为采样频率，否则该位必须为0。在采样频率为44.1妞z时，填补是必要的，在自由格式中也可能需要填补。 之所以要应用填补操作位到流中，原因是在一定数量的音频帧后，编码帧的累计长度不应与下面的计算值偏离(+0，-1槽)以上: 其中，帧大小=384（
12、层）或1152（层和层）： Private_bit:标志私有使用的位 mode:表明所有的模式,见“表2.5”。在层和层中，joing_stereo模式是instersity_stereo;在层中，它是iniensity_stereo或ms_stereo.表2.5 模式表Mode指定的模式00Stereo（立体声）01Joint_stereo(intensity_stereo或ms_strero)(联合立体声)10Dual_channel11Single_chanle 在层中，除联合立体声（Joint_stereo）之外的所有模式下，等32;在层中，在除联合立体声之外的所有模式下，约束值等于s
13、blimit。在joint_stereo模式下，约束值由mode_extension确定。 Mode_extension:这些位用于joint_stereo模式中，在层和层中，它们表明哪个子带在iniensity_stereo中，所有其它子带按立体声编码，mode_extension的含义如“表2.6”所示。表2.6 mode_ectension的定义Mode_extension00Intensity_stereo中的子带4-31，bound=401Intensity_stereo中的子带8-31，bound=810Intensity_stereo中的子带12-31，bound=1211Intensity_stereo中的
