MPEG音频编码实验
一、MPEG-1 Audio LayerII编码器原理框图
输入信号分为两条线处理：
1.通过子带分析滤波器组使信号具有高的时间分辨率，确保在短暂冲击信号情况下，编码的声音信号具有足够高的质量
2.又使信号通过FFT运算具有高的频率分辨率，因为掩蔽阈值是从功率谱密度推出来的。
（在低频子带中，为了保护音调和共振峰的结构，要求用较小的量化阶数，较多的量化级数，分配较多的位数来表示样本值。话音中的摩擦声和类噪声，通常在高频子带中，对其分配较少的位数）
二 、人耳的感知效应
主要体现在三个方面：
1.响度曲线
人耳对于不同频率的声音的灵敏度不同，人耳对3~4KHz的声音感觉最灵敏；两个声音响度级相同，但强度不一定相同，还与频率有关；声压级越高，等响度曲线趋于平坦；
2.掩蔽效应
一个强纯音会掩蔽在其附近同时发声的弱纯音，这种特性称为频域掩蔽，也称同时掩蔽；我们利用心理声学模型，计算出频域上的掩蔽阈值，然后对于在掩蔽阈值以下的声音信号能量采取不编码的态度，大大减少了所要传输的数据。
在MPEG的层2、3中划分3个块，实际上还用到了时域的掩蔽效应，即强音掩蔽前后出现的弱音。
3.临界频带
人类听觉系统大致等效于一个在0Hz到20KHz频率范围内由25个重叠的带通滤波器组成的滤波器组。不能区分同一频带内同时发生的不同声音； 人耳频带被称为临界频带（critical band）；我们用多相滤波器组在MPEG中将音频分为了32个自带，各子带独立编码，量化，在接收端再将其合成组成原来的音频。
三、多相滤波器组
多相滤波器组(Polyphase Filter Bank)：将PCM样本变换到32个子带的频域信号。
四、心理声学模型(Psychoacoustic Model)：计算信号中不可听觉感知的部分
比特32个等分的子带信号并不能精确地反映人耳的听觉特性。引入FFT补偿频率分辨率不足的问题。
1.MPEG-I 标准定义了两个模型
◼ 心理声学模型1:计算复杂度低但对假设用户听不到的部分压缩太严重
◼ 心理声学模型2 :提供了适合Layer III编码的更多特征
◼ 实际实现的模型复杂度取决所需要的压缩因子
◼如大的压缩因子不重要，则可以完全不用心理声学模型。此时位分配算法不使用SMR（ Signal Mask Ratio ），而是使用SNR
五、量化及编码
1.比例因子的取值和编码
①对各个子带每12个样点进行一次比例因子计算。先定出12个样点中绝对值的最大值。查比例因子表中比这个最大值大的最小值作为比例因子。用6比特表示。
②第2层的一帧对应36个子带样值，是第1层的三倍，原则上要传三个比例因子。为了降低比例因子的传输码率，采用了利用人耳时域掩蔽特性的编码策略。每帧中每个子带的三个比例因子被一起考虑，划分成特定的几种模式。根据这些模式，1个、2个或3个比例因子和比例因子选择信息（每子带2比特）一起被传送。如果一个比例因子和下一个只有很小的差别，就只传送大的一个，这种情况对于稳态信号经常出现。
2.动态比特分配
①在调整到固定的码率之前： 先确定可用于样值编码的有效比特数， 这个数值取决于比例因子、比例因子选择信息、比特分配信息以及辅助数据所需比特数
②分配过程：根据心理声学模型的计算结果，为每个子带信号分配比特数，进行动态分配的过程：使根据心理声学模型的SMR计算的MNR最小；对每个子带计算掩蔽-噪声比MNR，是信噪比SNR – 信掩比SMR，即：MNR = SNR – SMR，
使整个一帧和每个子带的总噪声-掩蔽比最小。这是一个循环过程，每一次循环使获益最大的子带的量化级别增加一级，当然所用比特数不能超过一帧所能提供的最大数目
五、装帧(Frame Creation)：产生MPEG-I兼容的比特流
码流结构的设计 有利于使用低复杂性和少延时的解码器，编码后的声音信号包含多个短且恒定间隔的切入点
六、实验流程
七、实验要求与结果
◼ 输出音频的采样率和目标码率
◼ 选择某个数据帧，输出
该帧所分配的比特数
该帧的比例因子
该帧的比特分配结果
实验结果：
这里只输出了第100帧分配的比特数，实际上在我们的实验过程中，我们输出了所有帧的比特数，发现每帧分配的比特数差不多，有个别的不同，但相差不大。
八、实验结果分析
从比特分配数来看，32个子带中，越往后面的高频部分分配的比特数越少，这是因为MPEG音频的主要能量在低频部分，为了保持音频的结构，要给低频的部分分配更多的比特数；而高频的更类似于噪声，分配的位数会少，甚至不分配，符合我们之前的原理。