基于定點DSP的MP3音頻編碼算法研究
加入技術交流群
2.2 心理聲學模型的簡化
根據(jù)試驗觀察發(fā)現(xiàn)每幀的掩蔽閾值曲線大致相同,所以考慮采用靜態(tài)聲學心理模型,具體做法是:首先對某一具有代表性的音頻幀,根據(jù)心理聲學模型計算出掩蔽閾值曲線,在壓縮其它音頻源時,不再計算每幀的心理聲學模型,而是認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,雖然不是很準確,但通常情況下,誤差不會太大,不易被人耳察覺,省去心理聲學模型所需的巨大運算量和存儲空間?實踐證明編碼效果令人滿意,而且對于要求不是很高的應用場合,可以認為掩蔽閾值是頻率的常數(shù)函數(shù),每個頻帶采用相同的量化階,也聽不出聲音質量的明顯下降?
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數(shù)的限制之內,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行霍夫曼編碼,即通過增加全局量化階以降低編碼比特數(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;最后一次迭代的結果作為最終的霍夫曼碼?每一次循環(huán)都要用當前的量化階量化并霍夫曼編碼一次,運算量相當大?從外循環(huán)可以看出掩蔽閾值最終決定縮放因子,為了能省去外迭代循環(huán),將代表幀的縮放因子作成表格,供每幀采用?
由于上述三個模塊是最主要并且運算量最大的模塊,通過對它們的簡化和優(yōu)化,程序的大小和運算量可得到極大的減少?
為了實現(xiàn)MP3的實時編碼,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DSP芯片TMS320C549,其運算速度是100MIPS,調試開發(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自帶的32K字片上內存外,還有128K字片外內存,數(shù)模轉換采用TI的TLC320AD55TLC320AD55,與PC機通過JTAG口實現(xiàn)數(shù)據(jù)與程序的加載和調試?
由于評估板與主機的接口速度太慢,即使能做到實時壓縮,將比特流傳給PC機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機的硬盤文件加載到板上的片外內存,壓縮后的數(shù)據(jù)傳給PC機存盤,再加載后續(xù)文件,壓縮存盤,直到整個音頻文件全部壓縮完,最后用C語言程序將各數(shù)據(jù)塊拼成MP3文件,用軟件解碼程序回放?是否能達到實時要求只能通過測試每幀運行的指令數(shù)判斷?
在運用快速算法計算子帶分析濾波器時,考慮到DSP芯片的特點,每分解一次,要作一次如(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DCT運算?
采用靜態(tài)心理聲學模型,心理聲學模型和量化編碼外循環(huán)所需的運算量就為零?代表幀的心理聲學模型和縮放因子采用C語言或MATLAB語言編程計算,或者將網(wǎng)上下載的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)縮放因子比特數(shù)和縮放因子的一種設置方案?
另外在內循環(huán)中,首先初步選擇一個全局增益使最大量化值小于碼表可編碼的最大值,標準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)最大譜線值計算出應有的全局增益,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?編碼并計算編碼比特數(shù),如果比特數(shù)太大或太小都還要調整全局增益?對這一迭代循環(huán)過程,采用折半搜索的辦法實現(xiàn),也就是說第一次循環(huán)時全局增益取上述初始化值的一半,若編碼比特數(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,整個編碼程序運算量僅需75MIPS左右,片上存儲空間占用27K字左右?用標準的MP3回放軟件解碼,通過主觀測評,音質接近CD?
由于本系統(tǒng)對心理聲學模型進行了大量的簡化,對于一般的音樂,這種簡化帶來的聲音質量的下降并不明顯,尤其是在要求不高的應用場合完全可行?但是當應用到某些編碼難度較高的音頻信號,例如響板時,聲音質量下降較明顯?因此如果采用更高運算速度的DSP,可在該編碼系統(tǒng)中加入一個完備的或簡化的動態(tài)心理聲學模型,編碼質量可進一步提高,至于簡化的動態(tài)心理聲學模型還有待進一步摸索?
評論