數(shù)字技術(shù)的出現(xiàn)與應(yīng)用為人類帶來了深遠(yuǎn)的影響，人們?nèi)缃褚?div value="80">生活在一個幾乎數(shù)字化的世界之中，而數(shù)字音頻技術(shù)則稱得上是應(yīng)用最為廣泛的數(shù)字技術(shù)之一，CD、 VCD等早已走進(jìn)千家萬戶，數(shù)字化廣播正在全球范圍內(nèi)逐步得到開展，正是這些與廣大消費(fèi)者密切相關(guān)的產(chǎn)品及應(yīng)用成為了本文將要介紹的主題：數(shù)字音頻壓縮技術(shù)得以產(chǎn)生和發(fā)展的動力。
1、音頻壓縮技術(shù)的出現(xiàn)及早期應(yīng)用
音頻壓縮技術(shù)指的是對原始數(shù)字音頻信號流（PCM編碼）運(yùn)用適當(dāng)?shù)臄?shù)字信號處理技術(shù)，在不損失有用信息量，或所引入損失可忽略的條件下，降低（壓縮）其碼率，也稱為壓縮編碼。它必須具有相應(yīng)的逆變換，稱為解壓縮或解碼。音頻信號在通過一個編解碼系統(tǒng)后可能引入大量的噪聲和一定的失真。
數(shù)字信號的優(yōu)勢是顯而易見的，而它也有自身相應(yīng)的缺點(diǎn)，即存儲容量需求的增加及傳輸時信道容量要求的增加。以CD為例，其采樣率為44.1KHz，量化精度為16比特，則1分鐘的立體聲音頻信號需占約10M字節(jié)的存儲容量，也就是說，一張CD唱盤的容量只有1小時左右。當(dāng)然，在帶寬高得多的數(shù)字視頻領(lǐng)域這一問題就顯得更加突出。是不是所有這些比特都是必需的呢？研究發(fā)現(xiàn)，直接采用PCM碼流進(jìn)行存儲和傳輸存在非常大的冗余度。事實(shí)上，在無損的條件下對聲音至少可進(jìn)行4：1壓縮，即只用25％的數(shù)字量保留所有的信息，而在視頻領(lǐng)域壓縮比甚至可以達(dá)到幾百倍。因而，為利用有限的資源，壓縮技術(shù)從一出現(xiàn)便受到廣泛的重視。
對音頻壓縮技術(shù)的研究和應(yīng)用由來已久，如A律、u律編碼就是簡單的準(zhǔn)瞬時壓擴(kuò)技術(shù)，并在ISDN話音傳輸中得到應(yīng)用。對語音信號的研究發(fā)展較早，也較為成熟，并已得到廣泛應(yīng)用，如自適應(yīng)差分PCM（ADPCM）、線性預(yù)測編碼（LPC）等技術(shù)。在廣播領(lǐng)域，NICAM（Near Instantaneous Companded Audio Multiplex - 準(zhǔn)瞬時壓擴(kuò)音頻復(fù)用）等系統(tǒng)中都使用了音頻壓縮技術(shù)。
2、音頻壓縮算法的主要分類及典型代表
一般來講，可以將音頻壓縮技術(shù)分為無損（lossless）壓縮及有損（lossy）壓縮兩大類，而按照壓縮方案的不同，又可將其劃分為時域壓縮、變換壓縮、子帶壓縮，以及多種技術(shù)相互融合的混合壓縮等等。各種不同的壓縮技術(shù)，其算法的復(fù)雜程度（包括時間復(fù)雜度和空間復(fù)雜度）、音頻質(zhì)量、算法效率（即壓縮比例），以及編解碼延時等都有很大的不同。各種壓縮技術(shù)的應(yīng)用場合也因之而各不相同。
（1）時域壓縮（或稱為波形編碼）技術(shù)是指直接針對音頻PCM碼流的樣值進(jìn)行處理，通過靜音檢測、非線性量化、差分等手段對碼流進(jìn)行壓縮。此類壓縮技術(shù)的共同特點(diǎn)是算法復(fù)雜度低，聲音質(zhì)量一般，壓縮比小（CD音質(zhì)> 400kbps），編解碼延時最短（相對其它技術(shù)）。此類壓縮技術(shù)一般多用于語音壓縮，低碼率應(yīng)用（源信號帶寬小）的場合。時域壓縮技術(shù)主要包括 G.711、ADPCM、LPC、CELP，以及在這些技術(shù)上發(fā)展起來的塊壓擴(kuò)技術(shù)如NICAM、子帶ADPCM（SB-ADPCM）技術(shù)如G.721、 G.722、Apt-X等。
（2）子帶壓縮技術(shù)是以子帶編碼理論為基礎(chǔ)的一種編碼方法。子帶編碼理論最早是由Crochiere等于1976年提出的。其基本思想是將信號分解為若干子頻帶內(nèi)的分量之和，然后對各子帶分量根據(jù)其不同的分布特性采取不同的壓縮策略以降低碼率。通常的子帶壓縮技術(shù)和下面介紹的變換壓縮技術(shù)都是根據(jù)人對聲音信號的感知模型（心理聲學(xué)模型），通過對信號頻譜的分析來決定子帶樣值或頻域樣值的量化階數(shù)和其它參數(shù)選擇的
|
