多聲道數(shù)字音頻系統(tǒng)的編碼及應(yīng)用

2.4通過子帶分割來進(jìn)行優(yōu)化、編碼
在傳統(tǒng)的編碼過程中，都是將整個頻帶作為操作對象，采用相同的比特分配對每個信號進(jìn)行量化。而實際上，由于聽覺曲線的存在及其它因素，對于幅度較小的信號可以分配較少的比特數(shù)就可以達(dá)到要求，因此將整個頻帶分成多個子頻帶，然后對每個子頻帶的信號獨立編碼，從而使得在每個子頻帶中比特分配可以根據(jù)信號自身來適應(yīng)。
如圖ABCD四個信號，如果對整個頻帶編碼，對于D信號來說分配16比特來量化則顯得多余浪費，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)使用最適合的比特數(shù)分配給信號來編碼，從而減少數(shù)據(jù)率，同時如果用于分割的子帶分辨率越高，意即子帶的頻帶相對越窄，那么在子帶中分配的比特數(shù)
就越精確，而減少了比特率。
2.5不同的實現(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現(xiàn)方式，為了能夠讓大家對此有一個較完整的認(rèn)識，在本文中僅對當(dāng)前流行的幾種典型的編碼方法做一個介紹。不管是通過那一種方式實現(xiàn)，其基本的編碼思路方框圖都大同小異，如圖7所示。對于每一個音頻聲道中的PCM音頻信號來說，首先都要將它們映射到頻域中，這種時域到頻域的映射可以通過子帶濾波器（如MPEGLayersI，II，DTS）或通過變換濾波器組（如AC-3，MPEGAAC）實現(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。
每個聲道中的音頻采樣塊首先要根據(jù)心理聲學(xué)模型來計算掩蔽門限值，然后由計算出的掩蔽門限值來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，如MPEGLayersI，II，DTS所采用；或由計算出的掩蔽門限值來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，MPEGAAC所采用。
然后根據(jù)音頻信號的時域表達(dá)式進(jìn)行量化，隨后采用靜噪編碼（如MPEGLayersI，II，DTS，MPEGAAC）。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，然后通過比特流中傳輸?shù)目刂茀?shù)對音頻數(shù)據(jù)反量化，或通過心理聲學(xué)模型參數(shù)反向運算得到音頻信號（如AC-3），最后將得到的音頻信號由頻域反變換到時域，完成解碼過程。
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)性及雙耳聽覺效應(yīng)，來進(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獨立聲道的頻譜相加和相減，根據(jù)兩個聲道的相關(guān)度大小，來決定是傳輸和/差信號還是傳輸原始信號。
由于人耳對于頻率超過2-3kHz的聲音定位主要是通過內(nèi)耳密度差分（IID）實現(xiàn)的，因此為了進(jìn)一步減少數(shù)據(jù)率，將各個聲道中頻率超過約定門限值的信號組合后再進(jìn)行傳輸。這種技術(shù)應(yīng)用在MPEGLayersI，II，III中，實現(xiàn)強度立體聲編碼；用在AC-3中對兩個聲道或耦合聲道實現(xiàn)多聲道編碼。在MPEGAAC中，則既可實現(xiàn)強度立體聲編碼，又可實現(xiàn)多聲道編碼。
1、杜比數(shù)字AC-3編解碼壓縮過程
AC-3最早是在1991年的電影“BatmanReturns”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)字音頻實施規(guī)范。我們熟知的AC-2，AC-3都是由兩聲道發(fā)展而來的，即杜比數(shù)字（DolbyDigital）。對于數(shù)字音頻信號來說，通過應(yīng)用數(shù)字壓縮算法，來減少正確再現(xiàn)原始脈沖編碼調(diào)制（PCM）樣本所需要的數(shù)字信息量，得出原始信號經(jīng)數(shù)字壓縮后的表達(dá)式。
3.1AC-3編碼過程
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，AC-3算法通過對音頻信號的頻域表達(dá)式進(jìn)行粗量化，達(dá)到高的編碼增益（輸入碼率對輸出碼率之比）。如圖8所示。
編碼過程的第一步是把音頻表達(dá)式從一個PCM時間樣本的序列變換為一個頻率系數(shù)樣本塊的序列。這在分析濾波器中完成。512個時間樣本的相互重疊樣本塊被乘以時間窗而變換到頻域。由于相互重疊的樣本塊，每個PCM輸入樣本將表達(dá)在兩個相繼的變換樣本塊中。頻域表達(dá)式則可以二取一，使每個樣本塊包含256個頻率系數(shù)。這些單獨的頻率系數(shù)用二進(jìn)制指數(shù)記數(shù)法表達(dá)為一個二進(jìn)制指數(shù)和一個尾數(shù)。這個指數(shù)的集合被編碼為信號頻譜的粗略表達(dá)式，稱作頻譜包絡(luò)。核心的比特指派例行程序用這個頻譜包絡(luò)，確定每個單獨尾數(shù)需要用多少比特進(jìn)行編碼。將頻譜包絡(luò)和6個音頻樣本塊粗略量化的尾數(shù)，格式化成一個AC-3數(shù)據(jù)幀（FRAME）。AC-3數(shù)碼流是一個AC-3數(shù)據(jù)幀的序列。
在實際的AC-3編碼器中，還包括下述功能：
l附有一個數(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）。
l插入誤碼檢測碼字，以便解碼器能檢驗接收的數(shù)據(jù)幀是否有誤碼。
l可以動態(tài)的改變分析濾波器組的頻譜分辨率，以便同每個音頻樣本塊的時域/頻域特性匹配的更好。
l頻譜包絡(luò)可以用可變的時間/頻率分辨率進(jìn)行編碼。
l可以實行更復(fù)雜的比特指派，并修改核心比特分派例行程序的一些參數(shù)，以便產(chǎn)生更加優(yōu)化的比特指派。
l一些聲道在高頻可以耦合在一起，以便工作在較低比特率時，可得到更高的編碼增益。
l在兩聲道模式中，可以有選擇的實行重新設(shè)置矩陣的過程，以便提供附加的編碼增益，以及當(dāng)兩信道的信號解碼時使用一個矩陣環(huán)繞聲解碼器，還能獲得改進(jìn)的結(jié)果。發(fā)展是從85年以后開始的，其中包括了我們熟知的Eureka147DAB（尤里卡147數(shù)字音頻廣播）和DVB。不斷發(fā)展的數(shù)字調(diào)制方式及編碼算法都為數(shù)字音頻廣播提供了更加有效的傳輸和存儲方式，使得在有限的帶寬中以較低比特率來傳輸聲道數(shù)更多、質(zhì)量更優(yōu)的音頻信號成為可能。同樣在數(shù)字音頻廣播系統(tǒng)的發(fā)展中也充分利用了這些以此為核心的新技術(shù)。以前，立體聲廣播起著主導(dǎo)的作用，現(xiàn)在隨著越來越多的多聲道數(shù)字音頻系統(tǒng)的應(yīng)用，在數(shù)字音頻廣播領(lǐng)域也已經(jīng)開始接納并制定相關(guān)的音頻標(biāo)準(zhǔn)了。在Eureka147DAB和DVB中，已經(jīng)包括了多聲道數(shù)字音頻的擴展。
7.1
Eureka147DAB國際協(xié)議是于1986年由16個歐洲成員組織為制定數(shù)字音頻廣播標(biāo)準(zhǔn)而制定的標(biāo)準(zhǔn)規(guī)范。隨后又有一些新的組織機構(gòu)加入到這項協(xié)議工作中去，并于1995年形成了第一個DAB的標(biāo)準(zhǔn)。在同一年中，世界范圍的DAB論壇也相繼成立，它們的目標(biāo)就是促進(jìn)世界各地更多的組織機構(gòu)采用以Eureka147DAB為藍(lán)本的數(shù)字音頻廣播的實現(xiàn)。
Eureka147DAB系統(tǒng)的設(shè)計是用來取代現(xiàn)行的FM廣播業(yè)務(wù)的，它采用COFDM（編碼正交頻分復(fù)用）以便于更好地進(jìn)行移動接收和克服多徑效應(yīng)，載波采用DQPSK（差值正交相移鍵控）進(jìn)行調(diào)制，通道編碼采用卷積編碼，以滿足可調(diào)整碼率的需要。
Eureka147DAB系統(tǒng)使用1.536MHz的頻譜帶寬來傳輸最大不超過1.5Mb/s的數(shù)據(jù)，因此對于多聲道來說， 如為6個聲道，則每個聲道的數(shù)據(jù)率最大不超過256kb/s。對于聲道如何分配及使用，則是根據(jù)節(jié)目數(shù)量/ 數(shù)據(jù)業(yè)務(wù)與音頻質(zhì)量來折衷考慮的。由于早期的Eureka147DAB源編碼的發(fā)展沒有反映出當(dāng)前最新發(fā)展的技術(shù)，同時由于歷史原因及DAB標(biāo)準(zhǔn)由歐洲制定，而歐洲長期以來都采用的是MPEG技術(shù)，考慮到兼容等問題，因此DAB系統(tǒng)中音頻編碼系統(tǒng)采用的是MPEGLayerII編碼方案。不能說MPEGLayerII編碼方案有什么不好，但是如果我們綜觀當(dāng)前多聲道數(shù)字音頻系統(tǒng)的最新發(fā)展，不難看出，有更多更好的方案可以被采用，如在提高聲音質(zhì)量上可采用DTS系統(tǒng)，在增加聲道數(shù)目上可采用MPEGAAC系統(tǒng)。
7.2
DVB項目是在1993年由220多個世界組織來制定建立的。這些世界組織包括廣播業(yè)者、制造商、網(wǎng)絡(luò)管理者和致力于發(fā)展數(shù)字電視標(biāo)準(zhǔn)的各種組織機構(gòu)。最早的DVB業(yè)務(wù)是在歐洲開始的，現(xiàn)在DVB標(biāo)準(zhǔn)不僅是歐洲的數(shù)字電視標(biāo)準(zhǔn)，而且它也擴展到亞洲、非洲、美洲及澳大利亞等地區(qū)，成為這些地區(qū)數(shù)字電視的選擇標(biāo)準(zhǔn)之一。與此不同的美國采用的是ATSC系統(tǒng)。
在DVB的標(biāo)準(zhǔn)中規(guī)定了三個子系統(tǒng)：DVB-S（衛(wèi)星）、DVB-C（有線）和DVB-T（地面）系統(tǒng)。DVB-S系統(tǒng)是一種單載波系統(tǒng)，是最早實現(xiàn)的DVB標(biāo)準(zhǔn)，它是建立在正交相移鍵控（QPSK）調(diào)制和通道編碼（卷積編碼和里得-所羅門塊編碼）的基礎(chǔ)之上的，典型的碼率為40Mb/s左右。DVB-C系統(tǒng)是以DVB-S系統(tǒng)為基礎(chǔ)建立的，不同的是它采用QAM（正交調(diào)幅）調(diào)制方式，取代了用于DVB-S中的QPSK調(diào)制方式。在DVB-C中如果使用64點QAM調(diào)制，則可以實現(xiàn)在8MHz的帶寬中傳輸38.5Mb/s的數(shù)據(jù)。DVB-T系統(tǒng)與以上兩者都不同的是采用了COFDM的調(diào)制方式，而通道編碼則與前兩者基本相同。在DVB-T系統(tǒng)中，可以實現(xiàn)在7MHz的帶寬中傳輸19.35Mb/s的數(shù)據(jù)。
DVB系統(tǒng)的源編碼是建立在MPEG-2視頻和MPEG-2系統(tǒng)標(biāo)準(zhǔn)上的。同時在DVB中也提供了與立體聲相兼容的多聲道數(shù)字音頻系統(tǒng)。同樣由于歷史及其他一些原因，在DVB音頻部分中仍然采用的是MPEGLayerII多聲道數(shù)字音頻系統(tǒng)，在DVB的標(biāo)準(zhǔn)中也同時規(guī)定可以采用靈活性更大、質(zhì)量更高，超過MPEGLayerIIMC系統(tǒng)的多聲道數(shù)字音頻系統(tǒng)作為DVB的音頻部分。
總之，隨著數(shù)字廣播的不斷發(fā)展，相信這些已經(jīng)成熟的各種技術(shù)都將有它們各自的用武之地。
8、結(jié)語
在本文中，我們主要討論了當(dāng)前較流行、較成熟的幾種多聲道數(shù)字音頻系統(tǒng)，同時也對它們所采用的編碼方法的主要技術(shù)做了詳盡的分析比較。隨著存儲媒體及傳輸帶寬技術(shù)的不斷發(fā)展，相信多聲道數(shù)字音頻系統(tǒng)會逐漸取代傳統(tǒng)的如CD格式的音頻系統(tǒng)；同樣應(yīng)用于多聲道數(shù)字音頻系統(tǒng)中的音頻編碼及傳輸方案也會不斷的進(jìn)行更新、發(fā)展。更多聲道的實現(xiàn)及更高質(zhì)量的音頻系統(tǒng)實現(xiàn)都會成為可能，如新建立的DVD-Audio音頻技術(shù)中的編碼方案已遠(yuǎn)遠(yuǎn)超越了PCM音頻方式。
總而言之，我們相信在今后的數(shù)字廣播的發(fā)展中，不管是DVB、DAB、數(shù)字視頻、音頻廣播，還是ATSC數(shù)字電視系統(tǒng)等，都將會采用不受帶寬限制（相對而言）、可提供更高質(zhì)量、更多聲道的多聲道數(shù)字音頻系統(tǒng)。

3.2AC-3解碼過程
解碼過程基本上是編碼的逆過程。解碼器必須同編碼數(shù)碼流同步，檢查誤碼，以及將不同類型的數(shù)據(jù)（例如編碼的頻譜包絡(luò)和量化的尾數(shù)）進(jìn)行解格式化。運行比特指派例行程序，將其結(jié)果用于解數(shù)據(jù)大包（unpack）和尾數(shù)的解量化。將頻譜包絡(luò)進(jìn)行解碼而產(chǎn)生各個指數(shù)。各個指數(shù)和尾數(shù)被變換回到時域成為解碼的PCM時間樣本。

在實際的AC-3解碼器中，還包括下述功能：
l假若檢測出一個數(shù)據(jù)誤碼，可以使用誤碼掩蓋或靜噪。
l高頻內(nèi)容耦合在一起的那些聲道必須去除耦合。
l無論何時已被重新設(shè)置矩陣的聲道，必須進(jìn)行去除矩陣化的過程（在2-聲道模式中）。
l必須動態(tài)的改變綜合濾波器組的分辨率，與編碼器分析濾波器組在編碼過程中所用的方法
相同。
3.3杜比數(shù)字AC-3編碼數(shù)據(jù)格式
經(jīng)過杜比數(shù)字AC-3編碼器的編碼處理，可以將原始的數(shù)據(jù)PCM信號編碼為杜比數(shù)字AC-3音頻數(shù)據(jù)流。一個AC-3串行編碼的音頻數(shù)據(jù)流是由一個同步幀的序列所組成。如圖10所示。

由圖可見，每個同步幀包含六個編碼的音頻樣本塊（AB）其中每個代表256個新的音頻樣本。在每個同步幀開始的同步信息（SI）的信頭中，包含為了獲得同步和維持同步所需要的信息。接著SI后面的是數(shù)碼流信息（BSI）的信頭；它包含描述編碼數(shù)據(jù)流業(yè)務(wù)的各種參數(shù)。編碼的音頻樣本塊之后接 著是一個輔助數(shù)據(jù)（AUX）字段。在每個同步幀結(jié)尾處是誤碼檢驗字段，其中包含一個用于誤碼檢測的CRC字。一個附加的CRC字位于SI信頭中，以供選用。
AB0~AB5的每一塊代表一個編碼通道，可以被分別獨立解碼，塊的大小可以調(diào)整，但總數(shù)據(jù)量不變。在圖中還有兩個未標(biāo)出的CRC，其中第一個位于幀的5/8處，另一個位于幀未。之所以如此安排，目的就是可以減少解碼器的RAM需求量，使得解碼器不必完全接收一幀后才解碼音頻數(shù)據(jù)，而是分成了兩部 分進(jìn)行解碼。