一種基於整形小波變換的音頻無損壓縮編碼、解碼方法

2023-12-03 12:01:16 1

專利名稱：一種基於整形小波變換的音頻無損壓縮編碼、解碼方法
技術領域：
本發明屬於信源編、解碼領域，具體涉及一種音頻無損壓縮編碼、解碼方法。
背景技術：
隨著數字時代的到來，音頻信號的數位化給人們帶來諸多方便的同時生成了海量 的音頻數據，這給音頻信號的存儲和傳輸帶來了很大的挑戰，成為了阻礙人們獲得和使用 多媒體信息的瓶頸問題之一。為了解決這個問題，就必須對音頻數據進行壓縮，以壓縮編碼 的方式對數據進行存儲和傳輸。事實證明，對多媒體的數據進行壓縮是必要和可行的，因為 聲音和圖像等多媒體數據信息中有較強的冗餘信息，即數據之間有較強的相關性，可通過 去掉冗餘信息(即去除數據間的相關性)、保留有用的音頻信息來實現壓縮。因此，研究和 開發高效的音頻編碼方法，以壓縮的形式存儲和傳輸音頻信息是必然的選擇。而且隨著人 們對音頻質量要求的提高，如何在保留全部音頻信息的條件下，以儘可能大的壓縮比壓縮 音頻數據，從而給人們提供真正透明的音質，成為當前音頻壓縮編碼所面臨的主要課題。早在20世紀70年代，英國、日本等廣播部門就開始研究數字音頻有損壓縮編碼， 目前的有損音頻壓縮編碼標準經過四十年的發展，出現了很多優秀的編碼標準，其中有代 表性的有MP3、AAC、WMA等，這些編碼格式在很多情況下都可以達到較好的主觀音質和很高 的壓縮比，但是當它們遇到頻率動態範圍較大的音樂，例如大型交響樂等，這些有損音頻編 碼後的音質表現就顯得差強人意。另外在音頻編輯領域中，對有損壓縮編碼的音頻數據做 二次編碼(即兩種有損編碼格式之間的轉換)會丟失更多的信息，從而引入更大的失真。為 了解決上述的問題，滿足一些對音質要求比較高的需要，就必然要使用無損壓縮編碼。目前針對音頻信號進行無損壓縮編碼的研究與應用相比較有損壓縮編碼而言卻 並不多見。無損壓縮未能得到足夠關注的原因是其壓縮比很難超過3 1，而有損算法壓縮 比能達到12 1甚至更高。但是對有損壓縮算法來說，壓縮比越高，最終獲得的音頻質量 越差，一旦確定最低可能的數據率，有損壓縮算法是唯一選擇。然而，音樂愛好者想從網上 下載高保真立體聲音頻信號以便獲得最佳的音樂效果，因此，網上音樂推廣將提供更高壓 縮比的音頻信號，以便於不同消費者瀏覽和選擇，而酷愛CD級音頻質量的音樂愛好者希望 獲得原始音頻信號的無損壓縮拷貝——該備份不因壓縮算法的差異而有任何信號損失。除 了可供網上音頻信號下載外，無損音頻壓縮編碼還可應用於專業環境下高保真音頻數據的 歸檔、混音、演播室、節目製作等。在這種情況下，無損壓縮避免了使用有損壓縮編碼情況下 因多次編輯而引起的信號損失。從資訊理論觀點來看，音頻信號作為一個信源，描述信源的數據是信息量(信息熵) 和信息冗餘量之和。幾乎所有的無損音頻壓縮都基於相似的思想，首先從信號中去除冗 餘，去除的只是數據中的冗餘量，而沒有減少信源中的信息量。然後用有效的數據編碼方 案進行編碼。音頻信號中的存在著多種冗餘，主要有信號幅度分布的非均勻性，相鄰樣值之 間的相關性，周期之間的相關性等。所以無損壓縮編碼算法的主要思想就是如何有效的去 處音頻信號中的冗餘。目前比較知名的音頻無損編碼算法的格式有FLAC(Free Lossless
3Audio Codec)、WavPack、TAK (Tom ' s Audio Kompre s sor)、APE (Monkey ' s Audio)、 OFR(OptimFROG) > ALAC (Apple Lossless Audio Codec) > WMAL (Windows Media Audio Lossless)、Shorten、LA (LosslessAudio)、TTA (Ture Audio)、LPAC (Lossless Predictive Audio Coder)、RAL (RealAudioLossless)、MPEG-ALS等。這些算法主要利用兩種方法來進 行去相關從而進一步進行無損壓縮編碼一種是基於時域線性預測編碼(LPC)的技術，另 一種是基於變換域的技術例如 IntMDCTdnteger Modified Discrete Cosnie Transform, 整數改進型離散餘弦變換)。無損壓縮的目標是除去數據中的冗餘(redundancy)，完美重 構原始音頻信號。線性預測編碼可以進一步減少冗餘，對於那些具有平穩特性的信號特別 有效。一般來講，平穩的聲音信號信息冗餘較大，而一個不協調(類似噪音)的信號信息冗 餘較小。一個特定取樣值的大小與其鄰近的取樣值有關，一般而言，當前取樣值與其上一個 取樣值較為接近。對低頻信號，更是如此。目前對於主流的線性預測編碼方法主要思想都是體現在去相關部分，使得交給熵 編碼模塊的數據更適合利用熵編碼的方法壓縮，使得熵編碼能夠對於待編碼的數據有更加 出色的壓縮性能。線性預測編碼器的基本原理是利用聲音信號的相關性，用過去的樣值 x[n-l],x[n-2]...來預測當前的樣值χ [η]，利用過去的樣值越多則預測精度越高。再把當 前的樣值與預測值相減取其差(預測誤差)進行編碼。由於預測誤差的動態範圍要遠小於 原始信號的動態範圍，這時即使仍採用原信號量化時採用的量化級，也可降低碼位進行編 碼，進而實現比特率壓縮。例如幅度起伏平緩的聲音，預測誤差會在零和很小值之間變化， e[n]的均值將比x[n]小很多，並且預測誤差e [η]相鄰樣值之間基本上是不相關的，有平坦 的頻譜。所以，只需較少的數據位就可以表示其實際值。而常用的熵編碼為RICE碼，其編 解碼過程簡單，而且編碼時不需要知道信號的先驗分布，所以在音頻無損壓縮中應用廣泛。 經過RICE編碼後，能夠獲得較大壓縮率的數據一般具有以下特點一是幅值較小，因為編 碼最後都需要量化的過程，而較小的幅值意味著可以用較少的比特數來表示；二是數據間 相關性小，三是數據分布儘量接近幾何分布。使用線性預測編碼進行去相關時沒有對原始 音頻信號的冗餘去除乾淨，即去相關不徹底.。即輸入到熵編碼模塊的預測誤差數據還帶有 冗餘信息，誤差信號的相鄰樣值之間還存在一定的相關性，可以進一步處理。

發明內容
本發明的目的是提供一種音頻無損壓縮編碼、解碼方法，該方法基於相關係數的 分幀策略根據信號前後幀的相關情況自適應對信號進行分幀，使得一幀內的信號具有很強 相關性，分幀後的一幀信號是信號特性相近的信號組合，使得編碼器能獲得到更好的壓縮 效率，為後面的整型小波變換和線性預測編碼帶來好處。為了使得殘差幅值儘可能小，要求 線性預測儘可能準確，而線性預測編碼對於相關性強的信號具有很好的預測能力，所以考 慮利用小波變換來對信號進行分帶處理，因為窄帶內的信號相關性會好於全頻帶的信號的 相關性，因此信號經過小波變換後更有利於去除樣值點的相關性；對於無損壓縮編碼來說， 應該對於信號可以完全的重構，所以要採用整型提升小波變換來保證信號的完全可重構特 性。我們在引入了基於相關的自適應分幀模塊和基於整型提升小波的去相關模塊後，原始 信號中的冗餘信息可以被更好的去相關，生成的壓縮數據中所含有的冗餘信息更少，所以 我們可以用很小的計算複雜度代價換來了較大的壓縮比提高。
本發明包括基於相關的自適應分幀技術，基於提升的整型小波變換的去相關技術 以及編、解碼中涉及到的其他相關技術。它能夠提供比單獨使用線性預測技術去相關的音 頻無損編碼、解碼系統提供更高的壓縮比。根據本發明方法的音頻無損編解碼器系統可以分為編碼器子系統和解碼器子系 統兩部分編碼器子系統包括分幀模塊用於對輸入的音頻信號進行自適應的分幀；整型小波變換模塊用於對分幀後的一段音頻信號進行分帶處理；線性預測編碼模塊用於對每一個子帶內的信號進行線性預測去除相鄰樣點之間 的相關性；熵編碼模塊用於對線性預測編碼模塊輸出的殘差信號進行無損的信源編碼比特流形成模塊用於把上述模塊中形成的熵編碼流、幀長信息、小波分級信息、 LPC參數、碼本信息按一定的格式形成比特流並寫成文件；解碼器子系統包括比特流分離模塊用於把壓縮後的音頻文件中的比特流按照規定格式進行分離， 分別生成熵編碼流、幀長信息、小波分級信息、LPC參數、碼本信息等不同的數據；熵解碼模塊用於把熵編碼流通過解碼重新完整的生成殘差信號LPC重構模塊用於把邊信息中的LPC參數和殘差信號重構成小波變換後的分帶信號。整型提升小波重構模塊用於把小波分解後的分帶信號重新合成為一個完整的音 頻信號幀。合併幀模塊把重構後的每一幀音頻信號合併成一個音頻的PCM文件，並寫入 WAVE文件的文件頭，生成解壓後的WAVE文件。根據本發明的音頻信號無損編/解碼方法的具體實現如下音頻信號的無損編碼流程是音頻文件先按照分幀策略分成若干幀，分幀信息(即 幀長信息)納入邊信息傳輸；每幀單獨處理，即先通過小波變換得到近似信號和細節信號， 小波分解級數(即小波分級信息)按自適應規則獲得，分解級數同樣納入邊信息；近似信 號和細節信號通過線性預測模塊得到殘差信號和LPC參數，在線性預測模塊中得到的殘差 信號經過熵編碼得到熵編碼流，LPC參數和熵編碼的碼本信息納入邊信息，最後將各路碼流 (即邊信息和熵編碼流)復用形成最終的壓縮碼流。音頻信號的無損解碼流程實際上就是編碼流程的逆過程，通過先解碼出邊信息， 從邊信息中分離出熵編碼的碼本、LPC參數、分級信息和幀長信息，熵編碼模塊根據碼本信 息進行熵解碼，從熵編碼流中解得LPC預測後殘差信號，LPC重構模塊利用LPC參數從殘差 信號中解得小波分解的近似信號和細節信號，整型提升小波重構模塊再根據小波分級信息 對近似信號和細節信號進行重構，得到每幀信號，最後根據分幀信息將各幀順次連接起來， 無損的得到原始音頻文件。根據本發明方法的音頻無損編/解碼器系統其中包括編碼器子系統和解碼器子 系統兩部分。整個系統中採用的主要關鍵技術有基於相關的自適應分幀技術、整型提升小 波變換技術、自適應的線性預測編碼技術、針對幾何分布的數據的萊斯碼熵編碼技術。下面將分別介紹各個技術內容1、基於相關的自適應分幀技術幀一詞來自圖像，其意是將一個連續活動圖像劃為一幅幅畫面，連環畫就是一個 很好例子。在數字音頻中借用「幀」，其意是模擬信號變換為數位訊號，將其數位訊號分成許 多的小片段，稱這小片段為1幀。由於音頻信號中存在相當多的突變信號，如果採用固定幀 長進行分幀，得到的各幀內的信號間的相關性會受到較大影響，進而使得壓縮率降低。本發明根據相鄰幀的相關係數，將相關性大的信號合併到一幀內，這樣，小波變換 和線性預測的緊緻性都會提高，可以得到較高的壓縮效率。首先以最小幀長為單位，計算 當前幀與前一幀的相關係數，如果此係數小於閾值，則標記該幀與前一幀為不相關幀，單獨 成一幀，如果此係數大於閾值，則認為當前幀與前一幀相關幀，將相鄰的相關幀依次合併， 但最大幀長不超過設定的最大幀長允許值，當合併幀的長度超過設定的最大幀長時重起一 幀。採取以上的分幀策略，可以使特性一致的信號能夠在一幀內進行處理。2、整型小波變換技術整型小波變換是將整數映射到整數的小波變換，即輸入信號為整數，變換後的小 波係數也為整數，且原信號可以由逆變換精確的恢復。傳統小波變換以後產生的係數是浮 點數，不僅計算量非常大，而且無法實現數據的無損壓縮。採用提升方案計算小波變換，在 提升過程中加入量化運算就能實現由整數到整數的小波變換。整型小波變換在圖像壓縮領 域有很多的應用，可以實現從有損到無損的低複雜度嵌入式編碼，然而在音頻信號的無損 壓縮還沒有很好的應用。傳統的變換方法，無論是快速傅立葉變換還是小波變換，輸入信號為整數，得到的 變換後的係數是浮點數，計算機在處理時存在捨入誤差，不能實現數據的無損壓縮。考慮在 提升步驟中加入量化運算，如果輸入向量X為整數，則輸出y也為整數，並且由y可精確地 恢復出X，需要注意的是，此處量化的作用不同於數據壓縮中的量化，該量化並不帶來信息 損失，而只是為了得到整數輸出。由於包含了量化運算，因此整型小波變換是一種非線性變 換，這使得對整型小波變換的分析變得較為複雜。在實際應用中，適當地選取量化運算的形 式，可將整型小波變換近似的看作線性變換，以簡化分析。用多解析度分析或者是帶通濾波器的觀點來看，小波分解並不限於上述的一級分 解，還可以對一級分解之後的近似信號繼續做小波分解，進一步去除其相關性，但由於不同 信號在頻率上分布不同，採用不同的分解級數對壓縮的結果會有影響，本發明的方法根據 信號分解後的壓縮效果，自適應的選擇級數，使壓縮結果達到最佳，並將最佳的分解級數信 息記錄到邊信息中。3、自適應的線性預測編碼技術無損音頻編碼器預測精度越高，編碼效率則越高。大多數算法通過一些改進的線 性預測器去除冗餘，這些算法將線性預測器應用於每一幀數據，產生預測誤差序列。預測器 的參數，代表著從信號中移去的冗餘，無損編碼預測器的參數和預測誤差一起代表每一幀 信號。線性預測器的基本原理是利用聲音信號的相關性，用過去的樣值x[n-l]、
x[n-2].......等來預測當前的樣值x[n]，利用過去的樣值越多則預測精度越高。再把當
前的樣值與預測值相減取其之差(預測誤差)進行編碼。由於預測誤差的動態範圍要遠小
6於原始信號的動態範圍，這時即使仍採用原信號量化時採用的量化級，也可降低碼位進行 編碼，進而實現比特率壓縮。這種方法對於那些具有平穩特性的聲音信號特別有效。例如 幅度起伏平緩的聲音，預測誤差會在零至很小值之間變化。如預測器運行良好，預測誤差 e[n]是不相關的，有平坦的頻譜。同樣，e[n]的均值將比x[n]小，只要較少的數據位就可 以表示其實際值。線性預測器被廣泛地應用於語音和音頻信號處理，大多數情況下，使用FIR濾波 器，預測濾波器A(Z)的係數決定於均方預測誤差的最小化。若不考慮量化器，FIR預測系 數可通過求解一組線性方程式獲得。若在無損音頻壓縮中使用FIR濾波器，則係數可通過 確定的步驟求得然後進行量化，在解碼端中利用同樣的係數由e [η]重建χ[η]。由於必須完 全無損的重構原始信號，所以，預測係數(即LPC參數)必須進行量化並編碼，以作為無損 音頻編碼的一部分。通常，為了使預測器適應信號的變化，分幀後的每一幀須確定一組新的 預測係數。4、針對幾何分布的數據的萊斯碼熵編碼技術數據壓縮技術的理論基礎就是資訊理論。資訊理論中的信源編碼理論解決的主要問 題(1)數據壓縮的理論極限(2)數據壓縮的基本途徑。根據資訊理論的原理，可以找到最 佳數據壓縮編碼的方法，數據壓縮的理論極限是信息熵。信息熵為信源的平均信息量(不 確定性的度量)。如果要求編碼過程中不丟失信息量，即要求保存信息熵，這種信息保持編 碼叫熵編碼，熵編碼(entropy encoding)是一類利用數據的統計信息進行壓縮的無語義 數據流的無損編碼它是根據消息出現概率的分布特性而進行的，在這個過程中，可以移去 誤差信號中的冗餘。而沒有信息丟失。經常使用的熵編碼方式有行程編碼(RLE)、香農 (Shannon)編碼、哈夫曼(Huffman)編碼和算術編碼(arithmetic coding)。熵編碼是一種 無損的信源編碼，熵編碼的作用是移去預測誤差信號中的冗餘信息，在這個過程中，沒有數 據信息的丟失。由於殘差信號的信源服從幾何分布，所以採用Rice編碼來對殘差信號進行 編碼。Rice編碼是一個信源為Laplace分布的哈夫曼編碼，只有一個參數k，事實上，聲 道內去相關操作中的預測誤差信號都近似於Laplace概率密度分布。Rice編碼由三部分組 成①符號位，②k位低階碼；③保留的高階位。碼字的第一部分表示e[n]的符號；第二部 分包含|e[n] I的二進位碼的低k個有效位，第三部分由N個連零構成，這裡N是|e[n] |剩 餘有效位的二進位代表值，N個連零後插入1作為分隔符。假定對整數η進行Rice，則編碼步驟為(1)符號位(1代表正，0代表負)(2)n/(2k)個連零(3)分隔位 1(4) η的後k位有效位我們做了兩組實驗來比較本文所描述的無損壓縮編碼算法與MPEG ALS(RM22)以 及FLAC兩種無損編碼格式進行了比較。第一組實驗我們選擇了十三種不同的音樂風格來進行無損音頻壓縮，已證明該編 碼器對於不同音質的音頻信號都可以取得較好的壓縮性能。不同風格的音頻文件壓縮結果比較
權利要求
一種基於整形小波變換的音頻無損壓縮編碼方法，其步驟為1)分幀模塊對輸入的音頻信號進行分幀處理，將分幀信息納入邊信息；2)整型小波變換模塊對分幀後的每一幀進行小波變換得到近似信號、細節信號和分級信息，並將分級信息納入邊信息；3)線性預測編碼模塊對近似信號和細節信號進行線性預測，得到殘差信號和LPC參數，並將LPC參數納入邊信息；4)熵編碼模塊對殘差信號進行熵編碼得到熵編碼流，同時將熵編碼的碼本信息納入邊信息；5)比特流形成模塊將邊信息和熵編碼流復用形成最終的壓縮碼流。
2.如權利要求1所述的方法，其特徵在於所述整型小波變換模塊為整型提升小波變換 模塊。
3.如權利要求2所述的方法，其特徵在於所述整型提升小波變換模塊為四次提升變換 的整型小波變換模塊。
4.如權利要求1或2所述的方法，其特徵在於採用自適應級數選擇方法確定所述分級fn息ο
5.如權利要求ι所述的方法，其特徵在於所述分幀模塊根據相鄰幀的相關係數，將相 關性大的信號合併到一幀內，進行分幀處理。
6.如權利要求5所述的方法，其特徵在於所述分幀模塊首先以最小幀長為單位，計算 當前幀與前一幀的相關係數；如果此係數小於設定閾值，則將當前幀單獨分為一幀；否則 將當前幀與前一幀標記為相關幀，然後將相鄰的相關幀依次合併構成一幀。
7.如權利要求6所述的方法，其特徵在於設定一最大幀長閾值，當合併幀的幀長達到 設定的最大幀長閾值時重起一幀進行分幀。
8.如權利要求1所述的方法，其特徵在於所述熵編碼模塊採用萊斯碼編碼方法對殘差 信號進行熵編碼。
9.一種基於整形小波變換的音頻無損壓縮解碼方法，其步驟為1)比特流分離模塊從壓縮碼流中解碼出邊信息，並從邊信息中分離出熵編碼的碼本、 LPC參數、分級信息和分幀信息；2)熵解碼模塊根據熵編碼的碼本信息對壓縮碼流進行熵解碼，得到殘差信號；3)LPC重構模塊利用LPC參數從殘差信號中解得小波分解的近似信號和細節信號；4)整型小波重構模塊根據分級信息對近似信號和細節信號進行重構，得到每幀信號；5)合併幀模塊根據分幀信息將各幀順次連接起來，得到原始音頻信號。
10.如權利要求9所述的方法，其特徵在於所述整型小波重構模塊為整型提升小波重 構模塊。
全文摘要
本發明公開了一種音頻無損壓縮編碼、解碼方法，屬於信源編、解碼領域。本方法根據信號前後幀的相關情況自適應對信號進行分幀，分幀後的一幀信號是信號特性相近的信號組合，使得編碼器能獲得到更好的壓縮效率，為後面的整型小波變換和線性預測編碼帶來好處。對於無損壓縮編碼來說，應該對於信號可以完全的重構，所以採用整型提升小波變換來保證信號的完全可重構特性。與現有技術相比，本發明在引入了基於相關的自適應分幀模塊和基於整型提升小波的去相關模塊後，原始信號中的冗餘信息可以被更好的去相關，生成的壓縮數據中所含有的冗餘信息更少，所以本發明可以用很小的計算複雜度代價換來了較大的壓縮比提高。
文檔編號G10L19/04GK101944362SQ20101028103
公開日2011年1月12日 申請日期2010年9月14日 優先權日2010年9月14日
發明者何文欣, 吳璽宏, 張搏, 曲天書, 遲惠生, 高懿 申請人:北京大學