MPEG音頻編解碼器： 從mp3到xHE-AAC

音頻編解碼器是現(xiàn)代媒體系統(tǒng)的基礎核心之一。沒有音頻編解碼器，就不會有現(xiàn)在的數(shù)字廣播、流媒體服務及音樂發(fā)行。首個同時也仍是最主流的MPEG音頻編解碼器是于1998年面市的mp3。此后，F(xiàn)raunhofer IIS和其他ISO-MPEG成員參與者開發(fā)并制定了多個音頻編解碼器。 每個MPEG音頻編解碼器已經(jīng)或將會改變我們消費媒體的方式。本文介紹了MPEG音頻編解碼器及其應用，并展現(xiàn)現(xiàn)代音頻編碼方案最成功的創(chuàng)建者Fraunhofer IIS。

MPEG L3： mp3

mp3徹底改變了音樂產(chǎn)業(yè)，也改變了消費者購買和享受音樂的方式。mp3目前仍然是音樂發(fā)行的主要格式，因為mp3文件可以在任何設備上隨時隨地播放。mp3技術于上世紀80年代末開始開發(fā)，1995年，隨著以 “.mp3”為后綴的文件的誕生，該技術達到了頂峰。同年，F(xiàn)raunhofer IIS推出了第一個mp3播放器的硬件原型。該文件后綴mp3很快成為 “MPEG Layer 3”標準名稱的替稱，但是直到三年后，即1998年，第一款mp3播放器才投放市場。

mp3是一種感知型音頻編解碼器，這類編解碼器基于人類聽覺系統(tǒng)的感知模型。這些模型描述了人耳能夠感知以及無法感知的音頻信號元素，無論聽眾的耳朵是否經(jīng)受過訓練。通過分析音頻信號，mp3和其他感知型音頻編解碼器確認了以上事實，即音質各指標可按人耳的感知優(yōu)先排序，并在最終音頻文件中精細的表現(xiàn)出來。因此，如果比特率（即至少192 kbps）選擇得當，聽眾則無法辨別mp3文件與源文件之間的差別。

不僅mp3基于感知模型，目前大部分的MPEG系列的音頻編解碼器也能夠明智的利用人類聽覺系統(tǒng)，來降低數(shù)據(jù)速率和文件大小。AAC系列的音頻編解碼器也不例外。

AAC系列

AAC-LC

在市場大規(guī)模采用mp3之前，MPEG就已開發(fā)另一款音頻編解碼器。目的是在顯著降低數(shù)據(jù)速率的同時實現(xiàn)與mp3同樣高品質的音頻質量。自此，開啟了研發(fā)序幕，從1994 年的AAC ，至2012年的擴展型HE-AAC。整個編解碼器系列序幕。

1994年，根據(jù)MPEG-2格式制定了首款新型AAC編解碼器，命名為高級音頻編碼（Advanced Audio Coding，AAC）。根據(jù)mp3和其他編解碼器專利的開發(fā)經(jīng)驗，ATT、Dolby、Fraunhofer IIS以及Sony等主要參與者從頭開始設計一款最先進的新型音頻編解碼器。通過增加感知噪聲建模（Perceptual Noise Shaping，PNS）、頻帶復制（Spectral Band Replication，SBR），以及參數(shù)立體聲編碼（Parametric Stereo，PS）等工具，將MPEG-2 AAC編解碼器擴展至MPEG-4標準。

基本的MPEG-4 AAC配置被稱為AAC-LC（低復雜性）的配置。它能提供“水晶般”的音頻質量。在音頻編碼域中，“水晶般”音頻的編碼信號雖然在數(shù)學上與源文件有差異，但即便是擁有“金耳朵”的聽力專家也無法辨別其與源文件的區(qū)別。因此，AAC-LC可以滿足廣播公司最高的音頻質量要求。立體聲AAC-LC比特率通常為128-192 kbps，5.1多聲道AAC-LC比特率為320 kbps，兩種AAC均以立聲道進行編碼。AAC-LC是目前最靈活的音頻編解碼器之一，采樣率從8 kHz到192 kHz，每聲道的比特率高達256 kbps，并支持48聲道。該配置最著名的應用就是Apple iTunes，并已用于日本ISDB數(shù)字電視標準。

HE-AAC 和 HE-AACv2

MPEG-4“高效配置（High Efficiency Profile, HE-AAC）”結合了MPEG-4 AAC-LC和參量頻譜復制（Spectral Band Replication，SBR）工具，從而可以進一步降低總比特率，同時保持出色的音頻質量。當立體聲信號的比特率低于128 kbps時，HE-AAC與同音頻質量的AAC-LC相比，比特率降低了30%。對于HE-AAC，低音頻頻譜使用AAC-LC進行編碼，高頻譜通過SBR工具編碼。頻譜復制是一種參數(shù)方法，可使用該頻譜的高低重新創(chuàng)建該信號的整個音頻頻譜。為了進一步降低比特率，AAC-LC編碼使用總信號50%的采樣進行低頻率編碼。HE-AAC立體聲所用的典型數(shù)據(jù)速率為48-64kbps，HE-AAC 5.1多聲道的典型數(shù)據(jù)速率為160 kbps。同AAC-LC一樣，HE-AAC支持8至 192kHz的采樣率、高達48個聲道以及音頻特定的元數(shù)據(jù)。

“高效AAC v2配置（HE-AACv2）”在HE-AAC基礎上添加了參數(shù)聲音（Parametric Sound，PS）工具。HE-AACv2 應用參數(shù)進行立體聲信號編碼，并進一步降低了比特率。參數(shù)聲音編碼器不是發(fā)送兩個聲道，而是從立體聲信號中提取參數(shù)，在解碼器側重建立體聲信號，然后生成一個 HE-AAC 編碼的單聲道混音。參數(shù)數(shù)據(jù)與頻譜數(shù)據(jù)在 AAC 比特流的輔助數(shù)據(jù)字段中傳輸。解碼器解碼單聲道信號，參數(shù)解碼器重建立體聲。對于立體聲來說，采用參數(shù)數(shù)據(jù)傳輸 HE-AAC 編碼的單聲道信號比傳輸雙聲道 HE-AAC 編碼信號的效率更高。對于立體聲信號來說，HE-AACv2典型比特率為 24 至 32 kbps。

目前，AAC和HE-AAC得到廣泛應用。尤其是在互聯(lián)網(wǎng)應用中， AAC和HE-AAC是mp3之外主要的音頻編解碼器。

HE-AACv2廣泛地應用于最先進的電視廣播系統(tǒng)。它是DVB工具箱的組成部分，還是最近推出了第二代地面電視指定的編解碼器，應用在西班牙、英國、法國、愛爾蘭、瑞典、奧地利、意大利、丹麥、芬蘭和挪威等國家。在巴西和南美洲的大多數(shù)國家，HE-AAC是地面電視廣播的唯一指定音頻編解碼器。此外，HE-AAC也是智能電視中的一個指定部件。例如，它是歐洲混合廣播寬帶電視（Hybrid Broadcast Broadband TV，HbbTV）數(shù)據(jù)服務的指定編解碼器。因此，所有高清電視接收器設備，如目前歐洲和南美洲銷售的電視機和機頂盒，都支持HE-AAC。所有主要廣播編碼器廠商很早之前便將HE-AAC部署到他們的設備中。當然，HE-AACv2支持所有相關的廣播元數(shù)據(jù)。