心理聲學(xué)模型的簡化 - 定點(diǎn)DSP的MP3間頻編碼算法研究

　　根據(jù)心理聲學(xué)模型計(jì)算出掩蔽閾值曲線，在壓縮其它音頻源時(shí)，不再計(jì)算每幀的心理聲學(xué)模型，而是認(rèn)為每幀信號與上述被分析過的代表幀具有相同的掩蔽特性。這樣，雖然不是很準(zhǔn)確，但通常情況下，誤差不會太大，不易被人耳察覺，省去心理學(xué)模型需的巨大運(yùn)算量和存儲空間。實(shí)踐證明編碼效果令人滿意，而且對于要求不是很高的應(yīng)用場合，可以認(rèn)為掩蔽閾值是頻率的常數(shù)函數(shù)，每個(gè)頻帶采用相同的量化階，也聽不出聲音質(zhì)量的明顯下降。
　　2.3 量化編碼迭代循環(huán)的簡化
　　量化編碼迭代是兩重循環(huán)過程，圖3是外迭代循環(huán)流圖，迭代的目的是在可用比特?cái)?shù)的限制之內(nèi)，以各頻帶的掩蔽值為依據(jù)，確定全局增益（體現(xiàn)了全局量化階）和各頻帶的縮放因子（體現(xiàn)了局部量化階）。內(nèi)循環(huán)逐步增加量化器步長，即全局增益，直到MDCT系數(shù)量化后可被可用比特進(jìn)行霍夫曼編碼，即通過增加全局量化階以降低編碼比特?cái)?shù)；外循環(huán)依據(jù)掩蔽閾值檢測各縮放因子帶的失真，若超過允許失真，則擴(kuò)大該帶的MDCT系數(shù)，即增大該帶的縮放因子，以降低局部失真；最后一次迭代的結(jié)果作為最終的霍夫曼碼。每一次循環(huán)都要用當(dāng)前量化階量化并霍夫曼編碼一次，運(yùn)算量相當(dāng)大。從外循環(huán)可以看出掩蔽閾值最終決定縮放因子，為了能省去外控代循環(huán)，將代表幀的縮放因子作成表格，供每幀采用。由于上述三個(gè)模塊是最主要并且運(yùn)算量最大的模塊，通過對它們的簡化和優(yōu)化，程序大小和運(yùn)算量可得到極大的減少。
　　3 用定點(diǎn)DSP實(shí)現(xiàn)MP3壓縮算法
　　為了實(shí)現(xiàn)MP3的實(shí)時(shí)編碼，必須采用高速DSP芯片。采用美國德州儀器（TI）公司的主流定點(diǎn)DSP芯片TMS320C549，其運(yùn)算速度100MIPS，調(diào)試開發(fā)的環(huán)境是TI公司的第三方Spectrum Digital公司的EVM評估板，板上除了TMS320C549自帶32K字片上內(nèi)存外，還有128K字片外內(nèi)存，數(shù)模轉(zhuǎn)換采用TI的TLC320AD55，與PC機(jī)通過JTAG口實(shí)現(xiàn)數(shù)據(jù)與程序的加載和調(diào)試。由于評估板與主機(jī)的接口速度太慢，即使能做到實(shí)時(shí)壓縮，將比特流傳給PC機(jī)存盤的速度也會跟不上。因此筆者采用的辦法是：將原始PCM音頻數(shù)據(jù)從PC機(jī)的硬盤文件加載到板上的片外內(nèi)存，壓縮后的數(shù)據(jù)傳給PC機(jī)存盤，再加載后續(xù)文件，壓縮存盤，直到整個(gè)音頻文件全部壓縮完，最后用C語言程序?qū)⒏鲾?shù)據(jù)塊拼成MP3文件，用軟件解碼程序回放。是否能達(dá)到實(shí)時(shí)要求只能通過測試每幀運(yùn)行的指令數(shù)判斷。
　　在運(yùn)用快速算法計(jì)算子帶分析濾波器時(shí)，考慮到DSP芯片的特點(diǎn)，每分解一次，要作一次加（10）式的加法，勢必降低精度，另外（11）和（12）式的系數(shù)動態(tài)范圍太大，精度也會受到影響，因此，只分解到16點(diǎn)DCT運(yùn)算。
　　采用靜態(tài)心理聲學(xué)模型，心理聲學(xué)模型和量化編碼外循環(huán)所需的運(yùn)算量就為零。代表幀的心理聲學(xué)模型和縮放因子采用C語言或MATLAB語言編程計(jì)算，或者將網(wǎng)上下載MP3文件中的縮放因子信息破譯出來加以利用，子帶分析濾波器之后的MDCT全部采用長塊。表1是靜態(tài)縮放因子比特?cái)?shù)和縮放因子的一種設(shè)置方案。表1 縮放因子數(shù)據(jù)表格 縮放因子帶 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 縮放因子比特?cái)?shù) 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 縮放因子 1 1 0 0 1 1 4 5 3 7 5 3 0 3 0 1 0 7 5 0 3 另外在內(nèi)循環(huán)中，首先初步選擇一個(gè)全局增益使最大量化值小于碼表可編碼的最大值，標(biāo)準(zhǔn)推薦的作法是全局增益從小開始，每循環(huán)一次量化后，比較最大量化值，并調(diào)整一次全局增益，直到滿足要求為止。本程序省去了這一循環(huán)，事先根據(jù)最大譜線值計(jì)算出應(yīng)有的全局增益，作成數(shù)據(jù)表格，程序中只需根據(jù)最大譜線值查表即可。初始化全局增益確定后，要分區(qū)、量化、編碼并計(jì)算編碼比特?cái)?shù)，如果比特?cái)?shù)太大或太小都還要調(diào)整全局增益。對這一迭代循環(huán)過程，采用折半搜索的辦法實(shí)現(xiàn)，也就是說第一次循環(huán)時(shí)全局增益取上述初始化值的一半，若編碼比特?cái)?shù)超出要求，則再取一半作為新的全局增益，否則增大一半，如此不斷循環(huán)直到無法折半為止。這種折半搜索的方法比逐一搜索要快很多。采用了這些簡化、優(yōu)化措施以及編程技巧，整個(gè)編碼程序運(yùn)算量僅需74MIPS左右，片上存儲空間占用27K字左右。用標(biāo)準(zhǔn)的MP3回放軟件解碼，通過主觀測評，音質(zhì)接收CD。
　　當(dāng)應(yīng)用到某些編碼難度較高的音頻信號，例如響板時(shí)，聲音質(zhì)量下降較明顯。因此如果采用更高運(yùn)算速度的DSP，可在該編碼系統(tǒng)中加入一個(gè)完備的或簡化的動態(tài)心理聲學(xué)模型，編碼質(zhì)量可進(jìn)一步提高，至于簡化的動態(tài)心理聲學(xué)模型還有待進(jìn)一步摸索。