MP3是MPEG-1国际标准中音频压缩层3的简称，单声道比特率一般取64kbps，在采样率44.1kHz的情况下，其压缩比可达12倍以上，被广泛应用于互联网等许多场合。由于解码比编码过程简单很多，MP3播放机或随身听已随处可见，但MP3编码在单片机定点DSP上实现，并要保证音质，则鲜有耳闻。考虑到心理声学模型在整个MP3音频编码算法中所占比例巨大，笔者从简化该模型入手，采用快速算法减少了带编码的运算量和数据量，尽可能少量化编码的迭代循环次数，从而在一片美国德州仪器公司的TMS320C549芯片上实现了MP3的实时压缩，用标准解码软件回放，主观评定，对于通常的音频能达到接近CD的音质。  
寻找快速算法的关键就是这最后一步。将系数设数组：
 
其中，  
最终的子带样值是如下的蝶形组合： X[K]=Xe[k]+(1/cos[（2k+1）π/64]Xo[k],k=0,1,…，15 （11） X[31-k]=Xe[k]-(1/cos[(2k+1)π/64])Xo[k],k=0,1,…，15 （12）直接计算（1）式需要32次乘法和32次加法，采用快速算法需2次乘法和15次加法，运算量原来的1/4，而且数据表格所占用的存储空间也减少为原来的1/8左右。2.2 心理声学模型的简化
根据试验观察发现每帧的掩蔽阈值曲线大致相同，所以考虑采用静态声学心理模型，具体做法是：首先对某一具有代表性的音频帧，
根据心理声学模型计算出掩蔽阈值曲线，在压缩其它音频源时，不再计算每帧的心理声学模型，而是认为每帧信号与上述被分析过的代表帧具有相同的掩蔽特性。这样，虽然不是很准确，但通常情况下，误差不会太大，不易被人耳察觉，省去心理学模型需的巨大运算量和存储空间。实践证明编码效果令人满意，而且对于要求不是很高的应用场合，可以认为掩蔽阈值是频率的常数函数，每个频带采用相同的量化阶，也听不出声音质量的明显下降。
2.3 量化编码迭代循环的简化
量化编码迭代是两重循环过程，图3是外迭代循环流图，迭代的目的是在可用比特数的限制之内，以各频带的掩蔽值为依据，确定全局增益（体现了全局量化阶）和各频带的缩放因子（体现了局部量化阶）。内循环逐步增加量化器步长，即全局增益，直到MDCT系数量化后可被可用比特进行霍夫曼编码，即通过增加全局量化阶以降低编码比特数；外循环依据掩蔽阈值检测各缩放因子带的失真，若超过允许失真，则扩大该带的MDCT系数，即增大该带的缩放因子，以降低局部失真；最后一次迭代的结果作为最终的霍夫曼码。每一次循环都要用当前量化阶量化并霍夫曼编码一次，运算量相当大。从外循环可以看出掩蔽阈值最终决定缩放因子，为了能省去外控代循环，将代表帧的缩放因子作成表格，供每帧采用。由于上述三个模块是最主要并且运算量最大的模块，通过对它们的简化和优化，程序大小和运算量可得到极大的减少。
3 用定点DSP实现MP3压缩算法
为了实现MP3的实时编码，必须采用高速DSP芯片。采用美国德州仪器（TI）公司的主流定点DSP芯片TMS320C549，其运算速度100MIPS，调试开发的环境是TI公司的第三方Spectrum Digital公司的EVM评估板，板上除了TMS320C549自带32K字片上内存外，还有128K字片外内存，数模转换采用TI的TLC320AD55，与PC机通过JTAG口实现数据与程序的加载和调试。由于评估板与主机的接口速度太慢，即使能做到实时压缩，将比特流传给PC机存盘的速度也会跟不上。因此笔者采用的办法是：将原始PCM音频数据从PC机的硬盘文件加载到板上的片外内存，压缩后的数据传给PC机存盘，再加载后续文件，压缩存盘，直到整个音频文件全部压缩完，最后用C语言程序将各数据块拼成MP3文件，用软件解码程序回放。是否能达到实时要求只能通过测试每帧运行的指令数判断。
在运用快速算法计算子带分析滤波器时，考虑到DSP芯片的特点，每分解一次，要作一次加（10）式的加法，势必降低精度，另外（11）和（12）式的系数动态范围太大，精度也会受到影响，因此，只分解到16点DCT运算。
采用静态心理声学模型，心理声学模型和量化编码外循环所需的运算量就为零。代表帧的心理声学模型和缩放因子采用C语言或MATLAB语言编程计算，或者将网上下载MP3文件中的缩放因子信息破译出来加以利用，子带分析滤波器之后的MDCT全部采用长块。表1是静态缩放因子比特数和缩放因子的一种设置方案。表1 缩放因子数据表格 缩放因子带 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 缩放因子比特数 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 缩放因子 1 1 0 0 1 1 4 5 3 7 5 3 0 3 0 1 0 7 5 0 3 另外在内循环中，首先初步选择一个全局增益使最大量化值小于码表可编码的最大值，标准推荐的作法是全局增益从小开始，每循环一次量化后，比较最大量化值，并调整一次全局增益，直到满足要求为止。本程序省去了这一循环，事先根据最大谱线值计算出应有的全局增益，作成数据表格，程序中只需根据最大谱线值查表即可。初始化全局增益确定后，要分区、量化、编码并计算编码比特数，如果比特数太大或太小都还要调整全局增益。对这一迭代循环过程，采用折半搜索的办法实现，也就是说第一次循环时全局增益取上述初始化值的一半，若编码比特数超出要求，则再取一半作为新的全局增益，否则增大一半，如此不断循环直到无法折半为止。这种折半搜索的方法比逐一搜索要快很多。采用了这些简化、优化措施以及编程技巧，整个编码程序运算量仅需74MIPS左右，片上存储空间占用27K字左右。用标准的MP3回放软件解码，通过主观测评，音质接收CD。
当应用到某些编码难度较高的音频信号，例如响板时，声音质量下降较明显。因此如果采用更高运算速度的DSP，可在该编码系统中加入一个完备的或简化的动态心理声学模型，编码质量可进一步提高，至于简化的动态心理声学模型还有待进一步摸索。 |
楼主
标题置顶
标题高亮
