探究音頻冗余的主要表現(xiàn)形式

數(shù)字信號有自身相應(yīng)的缺點，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44.1 kHz，量化精度為16 bit，則1 min的立體聲音頻信號需占約10 MB的存儲容量，也就是說，張CD唱盤的容量只有1 h左右。

當(dāng)然，在帶寬高得多的數(shù)字視頻領(lǐng)城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)，接采用PCM碼流進(jìn)行存儲和傳輸存在非常大的冗余度。事實上，在無損的條件下對聲首至少可進(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。因此，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。

信號（數(shù)據(jù)）之所以能進(jìn)行壓縮，是因為信號本身存在很大冗余度。根據(jù)統(tǒng)計分析結(jié)果，音頻信號中存在著多種冗余，其主要部分可分別從時域和頻域來考慮。另外，由于音頻主要是給人聽的，所以考慮人的聽覺機理，也能對音頻信號實行壓縮。

1、時城冗余

音頻信號在時城上的冗余主要表現(xiàn)為以下幾個方面：

（1）幅度分布的非均勻性

統(tǒng)計表明，在大多數(shù)類型的音頻信號中，小幅度樣值出現(xiàn)的概率比大幅度樣值出現(xiàn)的概率要高。人的語音中，間歇、停頓等出現(xiàn)了大量的低電平樣值;實際講話的功率電平也趨向于出現(xiàn)在編碼范圍的較低電平端。

（2）樣值間的相關(guān)性

對語音波形的分析表明，相鄰樣值之間存在很強的相關(guān)性。當(dāng)采樣頻率為8 kHz時，相鄰樣值之間的相關(guān)系數(shù)大于0.85。如果進(jìn)步提高采樣頻率，則相鄰樣值之間的相關(guān)性將更強。因此，根據(jù)較強的維相關(guān)性，可以利用差分編碼技術(shù)進(jìn)行有效的數(shù)據(jù)壓縮。

（3）周期之間的相關(guān)性

雖然音頻信號分布于20 Hz ~ 20 kHz的頻帶范圍，但在特定的瞬間，某一聲音卻往往只是該頻帶內(nèi)的少數(shù)頻率成分在起作用。當(dāng)聲音中只存在少數(shù)幾個頻率時，就會像某些振蕩波形一樣，在周期與周期之間存在著一定的相關(guān)性。利用音頻信號周期之間的相關(guān)性進(jìn)行壓縮的編碼器，比僅僅利用鄰近樣值間的相關(guān)性的編碼器效果好，但要復(fù)雜得多。

（4）靜止系數(shù)

兩個人之間打電話，平均每人講話時間為通話時間的一半，并且在這一半的通話過程中也會出現(xiàn)間歇停頓。分析表明，話音間隙使全雙工話路的典型效率約為40% （或稱靜止系數(shù)為0.6）。？顯然，話音間隔本身就是一種冗余，若能正確檢測出這些靜止段，可“插空”傳輸更多信息。

（5）長時自相關(guān)函數(shù)

統(tǒng)計樣值、周期間的一些相關(guān)性時，在20 ms時間間隔內(nèi)進(jìn)行統(tǒng)計的稱為短時自相關(guān)函數(shù)。如果在較長的時間間隔（如幾十秒）內(nèi)進(jìn)行統(tǒng)計時，則稱為長時自相關(guān)函數(shù)。長時統(tǒng)計表明，當(dāng)采樣頻率為8 kHz時，相鄰的樣值之間的平均相關(guān)系數(shù)可高達(dá)0.9。

2、頻域冗余

音頻信號的頻域冗余主要表現(xiàn)為以下幾個方面：

（1）長時功率譜密度的非均勻性

在相當(dāng)長的時間間隔內(nèi)進(jìn)行統(tǒng)計平均，可以得到長時功率譜密度函數(shù)，其功率譜呈現(xiàn)明顯的非平坦性。從統(tǒng)計的觀點看，這意味著沒有充分利用給定的頻段。或者說存在固有的冗余度。功率譜的高頻成分能量較低。

（2）語音特有的短時功率譜密度

語音信號的短時功率譜，在某些頻率上出現(xiàn)“峰值”，而在另一些頻率 上出現(xiàn)“谷值”。這些峰值頻率，也就是能量較大的頻率，通常稱其為共振峰頻率。共振峰頻率不止一個，最主要的是前三個，由它們決定不同的語音特征。另外，整個功率譜也是隨頻率的增加而遞減的。更重要的是整個功率譜的細(xì)節(jié)以基音頻率為基礎(chǔ)，形成了高次諧波結(jié)構(gòu)。

3、聽覺冗余

人是音頻信號的最終用戶，因此，要充分利用人類聽覺的生理和心理特性對音頻信號感知的影響。利用人耳的頻率特性靈敏度以及掩蔽效應(yīng)，可以壓縮數(shù)字音頻的數(shù)據(jù)量。

①可以將會被掩蔽的信號分量在傳輸之前就去除，因為這部分信號即使傳輸了也不會被聽見。

②可以不理會可能被掩蔽的量化噪聲。

③可以將人耳不敏感的頻率信號在數(shù)字化之前濾除，如語音信號只保留300 -3 400 Hz的信號。

編輯：jq