感知音頻編碼和監(jiān)控音頻編碼(SVAC)關(guān)鍵技術(shù)研究.pdf

1、感知音頻編碼是多媒體產(chǎn)業(yè)的一項(xiàng)重要技術(shù)。在過去數(shù)十年間，為了滿足數(shù)字音頻的高效傳輸和存儲需求，多種壓縮率高、編碼質(zhì)量優(yōu)良的感知音頻編碼器被提出和推廣。在目前感知音頻編碼的快速發(fā)展中，對其基本模塊——濾波器組、心理聲學(xué)模型和量化編碼模塊的研究，仍具有重要的理論和應(yīng)用價(jià)值。
　　 監(jiān)控音視頻編碼為面向國家安防領(lǐng)域而設(shè)計(jì)，它對維護(hù)社會(huì)治安、打擊預(yù)防犯罪具有重要意義。我國政府于2008年啟動(dòng)了國家標(biāo)準(zhǔn)《安全防范監(jiān)控?cái)?shù)字視音頻編解碼技術(shù)標(biāo)

2、準(zhǔn)》（簡稱SVAC）的制定工作，本文作者參與了其第二部分——音頻編解碼技術(shù)要求的制定。不同于傳統(tǒng)音頻編碼器，SVAC監(jiān)控音頻編碼器具有獨(dú)特的技術(shù)特點(diǎn)，編碼器的進(jìn)一步研究及優(yōu)化，將促進(jìn)SVAC標(biāo)準(zhǔn)的發(fā)展和改善。
　　 本文主要工作包括以下幾個(gè)方面：
　　 1)針對感知音頻編碼的濾波器組模塊，提出一種MDCT/IMDCT快速實(shí)現(xiàn)方案，與已有算法相比，降低了浮點(diǎn)運(yùn)算量。針對瞬態(tài)信號檢測問題，提出一種基于平坦測度的檢測方法，具有

3、檢測準(zhǔn)確度高、運(yùn)算簡單的優(yōu)點(diǎn)。
　　 2)在分析常用的幾種聲學(xué)模型的基礎(chǔ)上，提出一種聲學(xué)模型設(shè)計(jì)的改進(jìn)思路，主要關(guān)注前向掩蔽和掩蔽疊加的應(yīng)用。將一種前向掩蔽模型，經(jīng)非線性疊加，整合到MPEG-4 AAC聲學(xué)模型中，可消除更多的人耳感知無關(guān)冗余，提高編碼效率。
　　 3)通過分析MPEG-4 AAC量化模塊中雙循環(huán)搜索(TLS)算法的原理與缺陷，設(shè)計(jì)了新的量化模塊和比特分配方案。改進(jìn)有兩個(gè)方面：一是利用新的感知熵估計(jì)編碼過

4、程中的比特消耗，加快量化模塊的收斂速度；二是對性能最優(yōu)但運(yùn)算量劇增的BFOS算法進(jìn)行優(yōu)化，提出了量化步長自適應(yīng)調(diào)節(jié)和量化步長初始值線性預(yù)測兩種方案，極大地降低了BFOS算法的運(yùn)算復(fù)雜度。
　　 4)對于SVAC音頻編碼模塊，提出利用編碼器前端提取的梅爾頻率倒譜系數(shù)(MFCC)實(shí)現(xiàn)解碼信號的高頻內(nèi)容重建，去除了原SVAC的頻帶擴(kuò)展(BWE)模塊，簡化了編碼器結(jié)構(gòu)，并且在不增加比特率的情況下，提高了音頻信號的編碼質(zhì)量。