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(chǔ)核心之一。沒有音頻編解碼器，就不會(huì)有現(xiàn)在的數(shù)字廣播、流媒體服務(wù)及音樂發(fā)行。首個(gè)同時(shí)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(gè)音頻編解碼器。 每個(gè)MPEG音頻編解碼器已經(jīng)或?qū)?huì)改變我們消費(fèi)媒體的方式。本文介紹了MPEG音頻編解碼器及其應(yīng)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(fèi)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?yàn)閙p3文件可以在任何設(shè)備上隨時(shí)隨地播放。mp3技術(shù)于上世紀(jì)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(shù)達(dá)到了頂峰。同年，F(xiàn)raunhofer IIS推出了第一個(gè)mp3播放器的硬件原型。該文件后綴mp3很快成為 “MPEG Layer 3”標(biāo)準(zhǔn)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(xùn)練。通過分析音頻信號，mp3和其他感知型音頻編解碼器確認(rèn)了以上事實(shí)，即音質(zhì)各指標(biāo)可按人耳的感知優(yōu)先排序，并在最終音頻文件中精細(xì)的表現(xiàn)出來。因此，如果比特率（即至少192 kbps）選擇得當(dāng)，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(shí)實(shí)現(xiàn)與mp3同樣高品質(zhì)的音頻質(zhì)量。自此，開啟了研發(fā)序幕，從1994年的AAC ，至2012年的擴(kuò)展型HE-AAC。整個(gè)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(yàn)，AT&T、Dolby、Fraunhofer IIS以及Sony等主要參與者從頭開始設(shè)計(jì)一款最先進(jìn)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(fù)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(kuò)展至MPEG-4標(biāo)準(zhǔn)。

基本的MPEG-4 AAC配置被稱為AAC-LC（低復(fù)雜性）的配置。它能提供“水晶般”的音頻質(zhì)量。在音頻編碼域中，“水晶般”音頻的編碼信號雖然在數(shù)學(xué)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(zhì)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(jìn)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(dá)256 kbps，并支持48聲道。該配置最著名的應(yīng)用就是Apple iTunes，并已用于日本ISDB數(shù)字電視標(biāo)準(zhǔn)。

圖1： MPEG AAC音頻編解碼器系列概覽

HE-AAC 和 HE-AACv2

MPEG-4“高效配置（High Efficiency Profile， HE-AAC）”結(jié)合了MPEG-4 AAC-LC和參量頻譜復(fù)制（Spectral Band Replication，SBR）工具，從而可以進(jìn)一步降低總比特率，同時(shí)保持出色的音頻質(zhì)量。當(dāng)立體聲信號的比特率低于128 kbps時(shí)，HE-AAC與同音頻質(zhì)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(jìn)行編碼，高頻譜通過SBR工具編碼。頻譜復(fù)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(gè)音頻頻譜。為了進(jìn)一步降低比特率，AAC-LC編碼使用總信號50%的采樣進(jìn)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(dá)48個(gè)聲道以及音頻特定的元數(shù)據(jù)。

圖2： HE-AAC編碼器解碼器工作原理

“高效AAC v2配置（HE-AACv2）”在HE-AAC基礎(chǔ)上添加了參數(shù)聲音（Parametric Sound，PS）工具。HE-AACv2 應(yīng)用參數(shù)進(jìn)行立體聲信號編碼，并進(jìn)一步降低了比特率。參數(shù)聲音編碼器不是發(fā)送兩個(gè)聲道，而是從立體聲信號中提取參數(shù)，在解碼器側(cè)重建立體聲信號，然后生成一個(gè)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。

圖3： HE-AAC v2編碼器解碼器工作原理