音頻編碼技術(shù)標(biāo)準(zhǔn)

音頻編碼技術(shù)標(biāo)準(zhǔn)

電話質(zhì)量的音頻壓縮編碼技術(shù)標(biāo)準(zhǔn)

電話質(zhì)量語音信號頻率規(guī)定在300Hz~3.4kHz，采用標(biāo)準(zhǔn)的脈沖編碼調(diào)制（PCM），當(dāng)采樣頻率為8kHz，進(jìn)行8bit量化時(shí)，所得數(shù)據(jù)速率為64kbit/s，即椄一個(gè)數(shù)字話路。1972年CCITT（現(xiàn)稱為ITU-T）制定了PCM標(biāo)準(zhǔn)G.711，速率為64kbit/s，采用非線性量化μ律或A律，其質(zhì)量相當(dāng)于12bit線性量化。

1984年CCITT公布了自適應(yīng)差分脈沖編碼調(diào)制（ADPCM）標(biāo)準(zhǔn)G.721，速率為32kbit/s。這一技術(shù)是對信號和它的預(yù)測值的差分信號進(jìn)行量化，同時(shí)再根據(jù)鄰近差分信號的特性自適應(yīng)改變量化參數(shù)，從而提高壓縮比，又能保持一定信號質(zhì)量。因此ADPCM對中等電話質(zhì)量要求的信號能進(jìn)行高效編碼，而且可以在調(diào)幅廣播和交互式激光唱盤音頻信號壓縮中應(yīng)用。

為了適應(yīng)低速率語音通信的要求，必須采用參數(shù)編碼或混合編碼技術(shù)，如線性預(yù)測編碼（LPC），矢量量化（VQ），以及其他的綜合分析技術(shù)。其中較為典型的碼本激勵(lì)線性預(yù)測編碼（CELP）實(shí)際上是一個(gè)閉環(huán)LPC系統(tǒng)，由輸入語音信號確定最佳參數(shù)，再根據(jù)某種最小誤差準(zhǔn)則從碼本中找出最佳激勵(lì)碼本矢量。CELP具有較強(qiáng)的抗干擾能力，在4~ 16kbit/s傳輸速率下，即可獲得較高質(zhì)量的語音信號。1992年CCITT制定了短時(shí)延碼本激勵(lì)線性預(yù)測編碼（LD-CELP）的標(biāo)準(zhǔn)G.728，速率16kbit/s，其質(zhì)量與32kbit/s的G.721標(biāo)準(zhǔn)基本相當(dāng)。

1988年歐洲數(shù)字移動(dòng)特別工作組制定了采用長時(shí)延線性預(yù)測規(guī)則碼本激勵(lì)（RPE-LTP）標(biāo)準(zhǔn)GSM，速率為13kbit/s。1989年美國采用矢量和激勵(lì)線性預(yù)測技術(shù)（VSELP），制定了數(shù)字移動(dòng)通信語音標(biāo)準(zhǔn)CTIA，速率為8kbit/s。為了適應(yīng)保密通信的要求，美國國家安全局（NSA）分別于1982年和1989年制定了基于LPC，速率為2.4bit/s和基于CELP，速率為4.8kbit/s的編碼方案。

其他語音相關(guān)標(biāo)準(zhǔn)如：

G.723： 一種ITU-T 推薦標(biāo)準(zhǔn)， 用于傳輸速率在5.3~6.4 kbps之間多媒體通信傳輸?shù)碾p速率語音編碼器。

H.221：ITU-T的H.320推薦標(biāo)準(zhǔn)的框架部分，被正式稱為“視聽電話服務(wù)中64至1920 kbps通道的框架結(jié)構(gòu)”。該推薦標(biāo)準(zhǔn)敘述了能讓編碼器和譯碼器在時(shí)間上同步的同步操作。

H.222：ITU-T 推薦標(biāo)準(zhǔn)，規(guī)定了運(yùn)動(dòng)圖片及相關(guān)音頻信息的通用編碼。

H.223：ITU-T的H.324標(biāo)準(zhǔn)的一部分，一個(gè)控制/復(fù)用協(xié)議，通常被叫作“用于低位率多媒體通信的復(fù)用協(xié)議”。

H.233：一種復(fù)用推薦標(biāo)準(zhǔn)，是ITU-T視頻互操作推薦標(biāo)準(zhǔn)協(xié)議族的一部分。該推薦標(biāo)準(zhǔn)規(guī)定音視信息的單個(gè)畫面如何在數(shù)字頻道中進(jìn)行復(fù)用。

H.231：附加于ITU-T的H.320 協(xié)議族的推薦標(biāo)準(zhǔn)，規(guī)定多點(diǎn)控制單元，用于多點(diǎn)會(huì)議中將三個(gè)或三個(gè)以上遵從H.320 的編解碼器（codec）橋接在一起。

H.242：ITU-T的H.320 協(xié)議族中視頻互操作推薦標(biāo)準(zhǔn)部分。它規(guī)定了建立一個(gè)音頻會(huì)話和在通信終止后結(jié)束該會(huì)話的協(xié)議。

H.245：ITU-T的H.323 和H.324 協(xié)議族部分，定義多媒體終端之間的通信控制。

H.261：ITU-T的推薦標(biāo)準(zhǔn)，使不同視頻編解碼器（codec）能解釋一個(gè)信號是怎樣被編碼和壓縮的，以及怎樣解碼和解壓縮這個(gè)信號。它也定義了CIF 和QCIF兩種圖形格式。

H.263：包含在H.324 協(xié)議族中的視頻編解碼器（codec）。

H.320：一個(gè)ITU-T 標(biāo)準(zhǔn)，它包含了大量的單個(gè)推薦標(biāo)準(zhǔn)：編碼、組幀、信令及建立連接 (H.221, H.230, H.321, H.242, 以及H.261)。應(yīng)用于點(diǎn)對點(diǎn)和多點(diǎn)可視會(huì)議會(huì)話，且包含G.711,、G.722 和G.728三種音頻算法。

H.323：H.323 將H.320 擴(kuò)展到了內(nèi)聯(lián)網(wǎng)、外聯(lián)網(wǎng)和互聯(lián)網(wǎng)的包交換網(wǎng)絡(luò)中：以太網(wǎng)、令牌環(huán)和其他一些可能不保證QoS的網(wǎng)。它也規(guī)定了ATM包括ATM QoS上可視會(huì)議過程。它支持點(diǎn)對點(diǎn)和多點(diǎn)操作。

H.324：一個(gè)ITU-T 標(biāo)準(zhǔn)。它在模擬電話線（POTS）上提供了點(diǎn)對點(diǎn)的數(shù)據(jù)、視頻和音頻會(huì)議。H.324 協(xié)議族包括H.223（一種多路復(fù)用協(xié)議）、H.245（一種控制協(xié)議）、T.120（一套音頻圖像協(xié)議）和V.34（一種調(diào)制解調(diào)器規(guī)范）。

T.120：ITU-T的“多媒體數(shù)據(jù)傳輸協(xié)議”，一種數(shù)據(jù)共享/數(shù)據(jù)會(huì)議規(guī)范，使用戶能通過任何H.32x 可視會(huì)議共享文件。

(二)調(diào)幅廣播質(zhì)量的音頻壓縮編碼技術(shù)標(biāo)準(zhǔn)

調(diào)幅廣播質(zhì)量音頻信號的頻率在50Hz~7kHz范圍。CCITT在1988年制定了 G.722標(biāo)準(zhǔn)。G.722標(biāo)準(zhǔn)是采用16kHz采樣，14bit量化，信號數(shù)據(jù)速率為224kbit／s，采用子帶編碼方法，將輸入音頻信號經(jīng)濾波器分成高子帶和低子帶兩個(gè)部分，分別進(jìn)行ADPCM編碼，再混合形成輸出碼流，224kbit／s可以被壓縮成64kbit／s，最后進(jìn)行數(shù)據(jù)插入(最高插入速率達(dá)16kbit／s)，因此利用G.722標(biāo)準(zhǔn)可以在窄帶綜合服務(wù)數(shù)據(jù)網(wǎng)N-ISDN中的一個(gè)B信道上傳送調(diào)幅廣播質(zhì)量的音頻信號。

(三)高保真度立體聲音頻壓縮編碼技術(shù)標(biāo)準(zhǔn)

高保真立體聲音頻信號頻率范圍是50Hz~20kHz，采用44.1kHz采樣頻率，16bit量化進(jìn)行數(shù)字化轉(zhuǎn)換，其數(shù)據(jù)速率每聲道達(dá)705kbit／s。

一般語音信號的動(dòng)態(tài)范圍和頻響比較小，采用 8kHz 取樣，每樣值用8bit 表示，現(xiàn)在的語音壓縮技術(shù)可把碼率從原來的 64kbps 壓縮到4kbps 左右。但多媒體通信中的聲音要比語音復(fù)雜的多，它的動(dòng)態(tài)范圍可達(dá)100dB, 頻響范圍可達(dá)20Hz~20KHz。因此，聲音數(shù)字化后的信息量也非常大，例如把６聲道環(huán)繞立體聲數(shù)字化，按每聲道取樣頻率48KHz，每樣值18bits 表示，則數(shù)字化后的數(shù)據(jù)碼率為：6×48KHz×18bits＝5.184Mbit/s，即使是兩聲道立體聲，數(shù)字化后碼率也達(dá)到1.5Mbps 左右，而電視圖像信號數(shù)字壓縮后碼率大約為1.5Mbps~10Mbps，因此，相對而言聲音未經(jīng)數(shù)字壓縮的碼率就太高了，為了更有效地利用寶貴的信道資源，必須對聲音進(jìn)行數(shù)字壓縮編碼。

由于有必要確定一套通用的視頻和聲音編碼方案，ISO/IEC標(biāo)準(zhǔn)組織成立了ISO/IES JTC1/SC29/WG11，即MPEG（活動(dòng)圖像專家組）。該小組負(fù)責(zé)比較和評估幾種低碼速率數(shù)字聲音編碼技術(shù)，以產(chǎn)生一套國際標(biāo)準(zhǔn)，用于活動(dòng)圖像、相關(guān)聲音信息及其結(jié)合，和用數(shù)字存儲媒體（DSM）存儲與重現(xiàn)。MPEG針對的DSM包括CD-ROM、DAT、磁光盤和電腦磁盤?；贛PEG的壓縮技術(shù)還將用于多種通信信道，如：ISDN、局域網(wǎng)和廣播。"低于1.5Mbit/s的用于數(shù)字存儲媒體的活動(dòng)圖像和相關(guān)聲音之國際標(biāo)準(zhǔn)ISO/IEC" （MPEG-1）1992年11月完成。其中ISO lll72-3作為“MPEG音頻”標(biāo)準(zhǔn)，成為國際上公認(rèn)的高保真立體聲音頻壓縮標(biāo)準(zhǔn)，一般稱為“MPEG-1音頻”。 MPEG-1音頻第一和第二層次編碼是將輸入音頻信號進(jìn)行采樣頻率為48kHz，44.1kHz，32kHz的采樣，經(jīng)濾波器組將其分為32個(gè)子帶，同時(shí)利用人耳屏蔽效應(yīng)，根據(jù)音頻信號的性質(zhì)計(jì)算各頻率分量的人耳屏蔽門限，選擇各子帶的量化參數(shù)，獲得高的壓縮比。MPEG第三層次是在上述處理后再引入輔助子帶，非均勻量化和熵編碼技術(shù)，再進(jìn)一步提高壓縮比。MPEG音頻壓縮技術(shù)的數(shù)據(jù)速率為每聲道32~448kbit／s，適合于CD－DA光盤應(yīng)用。

MPEG-2也定義了音頻標(biāo)準(zhǔn)，由兩部分組成，即MPEG-2音頻（Audio，ISO/IEC 13818-3）和MPEG-2 AAC（先進(jìn)的音頻編碼，ISO/IEC 13818-3）。MPEG-2 音頻編碼標(biāo)準(zhǔn)是對MPEG-1后向兼容的、支持二至五聲道的后繼版本。主要考慮到高質(zhì)量的 5+1 聲道、低比特率和后向兼容性，以保證現(xiàn)存的兩聲道解碼器能從5+1 個(gè)多聲道信號中解出相應(yīng)的立體聲。MPEG-2 AAC除后向兼容MPEG-1音頻外，還有非后向兼容的音頻標(biāo)準(zhǔn)。

MPEG-4 Audio標(biāo)準(zhǔn)（ISO/IEC 14496-3）可集成從話音到高質(zhì)量的多通道聲音，從自然聲音到合成聲音，編碼方法還包括參數(shù)編碼(parametric coding)，碼激勵(lì)線性預(yù)測(CELP ，code excited linear predictive)編碼，時(shí)間/頻率(T/F，time/frequency)編碼，結(jié)構(gòu)化聲音(SA，structured audio)編碼，文語轉(zhuǎn)換(TTS，text-to-speech)的合成聲音，和MIDI合成聲音等。

MPEG-7 Audio 標(biāo)準(zhǔn)（ISO/IEC 15938-3）提供了音頻描述工具。