數字音(yīn)頻(pín)編解碼技術國家工程實驗室
闫建新 倫繼好 王磊
【摘要】本文介紹了(le)一種适用(yòng)于我國調頻(pín)數字音(yīn)頻(pín)廣播的(de)音(yīn)頻(pín)信源編碼技術，具有較高(gāo)的(de)編碼效率及分(fēn)層編碼結構，允許在一個(gè)模拟調頻(pín)頻(pín)道内傳輸多(duō)套數字立體聲節目或一路環繞聲節目，并保持較好的(de)主觀聲音(yīn)質量，同時(shí)可(kě)匹配信道分(fēn)層特點，能夠提供立體聲和(hé)環繞聲兩種分(fēn)層編碼模式，從而兼顧了(le)數字調頻(pín)廣播的(de)服務範圍和(hé)服務質量。
1.前言
根據我國調頻(pín)數字音(yīn)頻(pín)廣播系統的(de)特點，其音(yīn)頻(pín)業務的(de)信源編碼技術基本要求是：一方面應有高(gāo)的(de)編碼效率，即在較低的(de)碼率下(xià)提供較高(gāo)的(de)主觀聲音(yīn)質量；另一方面根據信道特性，如分(fēn)層調制和(hé)不等錯信道編碼技術，也(yě)需要信源編碼能夠提供粗分(fēn)層的(de)編碼碼流格式。
當前，低碼率音(yīn)頻(pín)編碼技術主要包括三大(dà)标準，一種是ITU也(yě)對(duì)以前通(tōng)信中的(de)語音(yīn)編碼技術向寬帶音(yīn)頻(pín)進行了(le)擴展研究，形成了(le)AMR-WB+[1]；第二種是MPEG組織對(duì)高(gāo)質量音(yīn)頻(pín)編碼算(suàn)法AAC通(tōng)過增強編碼工具擴展形成的(de)低碼率編碼算(suàn)法HE-AAC V2[2]；這(zhè)兩種編碼算(suàn)法都被選爲ITU 3GPP音(yīn)頻(pín)編碼規範。由于這(zhè)兩種編碼算(suàn)法是基于不同的(de)理(lǐ)論而研究出來(lái)的(de)：前者充分(fēn)利用(yòng)人(rén)耳聽(tīng)覺特性；而後者主要利用(yòng)人(rén)的(de)發聲模型；因此在低碼率（如24kbps/立體聲碼率附近）時(shí)，HE-AACv2對(duì)音(yīn)樂(yuè)類信号編碼很好，對(duì)語音(yīn)類信号編碼有明(míng)顯失真；AMR-WB+對(duì)語音(yīn)信号有很好的(de)效果，而對(duì)音(yīn)樂(yuè)信号則顯得(de)太單薄；因此在2008年MPEG組織啓動開發一種新的(de)低碼率音(yīn)頻(pín)編碼技術，要求對(duì)所有音(yīn)頻(pín)信号，任何情況下(xià)其編碼效率不低于HE-AACv2和(hé)AMR-WB+，也(yě)就是第三種低碼率音(yīn)頻(pín)編碼算(suàn)法MPEG-D
USAC，其主要編碼原理(lǐ)是綜合前兩種低碼率音(yīn)頻(pín)編碼算(suàn)法的(de)特點，并對(duì)多(duō)聲道編碼技術和(hé)帶寬擴展技術進一步改進和(hé)優化(huà)，同時(shí)采用(yòng)更高(gāo)效的(de)熵編碼-算(suàn)術編碼獲得(de)更大(dà)的(de)壓縮效率，其主觀聲音(yīn)質量全面優于HE-AACv2和(hé)AMR-WB+。
在分(fēn)層音(yīn)頻(pín)編碼上，包括精細分(fēn)層和(hé)非精細分(fēn)層（或粗分(fēn)層）方式。精細分(fēn)層方式又包括有損數字音(yīn)頻(pín)編碼方法及無損音(yīn)頻(pín)編碼技術，如ISO/IEC 14496-3 MPEG-4 BSAC(Bitsliced arithmetic coding)比特片算(suàn)術編碼和(hé)MPEG- SLS（Scalable Lossless Coding）[2]的(de)無損增強層方式，但精細分(fēn)層方式存在編碼效率低、結構複雜(zá)、處理(lǐ)邏輯複雜(zá)度高(gāo)等缺點；非精細分(fēn)層的(de)編碼方案包括：在MPEG-4第三部分(fēn)和(hé)MPEG-2第七部分(fēn)中都提供了(le)可(kě)伸縮采樣率編碼算(suàn)法 AAC-SSR（Advanced Audio Coding-ScalableSampling Rate），編碼架構也(yě)類似于SONY的(de)ARTAC（Adaptive Transform Acoustic Coding）編碼。該編碼方案首先将輸入的(de)數字音(yīn)頻(pín)信号通(tōng)過4帶的(de)多(duō)相正交濾波器組（PQF，Polyphase Quadrature Filter）分(fēn)割成4個(gè)頻(pín)帶，然後這(zhè)4個(gè)頻(pín)帶分(fēn)别進行MDCT。該編碼方案還(hái)可(kě)通(tōng)過去除高(gāo)PQF帶的(de)方式降低數據率，通(tōng)過減少頻(pín)帶的(de)方式實現比特流粗分(fēn)層。這(zhè)種編碼方案可(kě)非常簡單的(de)獲得(de)4個(gè)分(fēn)層，但是由于4個(gè)PQF帶間存在混叠，因此相鄰部分(fēn)的(de)變換域系數編碼效率會下(xià)降，并且減少分(fēn)層會明(míng)顯降低音(yīn)頻(pín)信号帶寬。
國家标準GB/T 22726-2008 《多(duō)聲道數字音(yīn)頻(pín)編解碼技術規範》[3]（簡稱DRA）是一種高(gāo)質量高(gāo)碼率的(de)音(yīn)頻(pín)編碼算(suàn)法，其典型編碼碼率爲128kbps/立體聲，5.1聲道環繞聲碼率384kbps。這(zhè)樣，對(duì)于調頻(pín)數字音(yīn)頻(pín)廣播的(de)大(dà)部分(fēn)音(yīn)頻(pín)業務而言，編碼碼率偏高(gāo)；而降低碼率後的(de)編碼聲音(yīn)質量又不滿足要求。
在廣泛研究了(le)以上低碼率音(yīn)頻(pín)編碼技術和(hé)分(fēn)層編碼技術的(de)基礎上，并且依托我國自主知識産權的(de)國家标準DRA編碼算(suàn)法，以兼容方式并通(tōng)過對(duì)DRA輔助數據擴展方式給出了(le)适合我國調頻(pín)數字音(yīn)頻(pín)廣播的(de)音(yīn)頻(pín)信源編碼技術，圖1爲調頻(pín)數字音(yīn)頻(pín)廣播系統中對(duì)音(yīn)頻(pín)業務的(de)編解碼模塊的(de)作用(yòng)和(hé)位置。
 |
圖1 調頻(pín)數字音(yīn)頻(pín)廣播系統中的(de)音(yīn)頻(pín)編碼
2.CDR編碼算(suàn)法
2.1 編碼框架
在調頻(pín)頻(pín)段數字音(yīn)頻(pín)廣播中，提供了(le)數字音(yīn)頻(pín)廣播音(yīn)頻(pín)編碼的(de)4種編碼類型，其中類型0爲DRA，但對(duì)其聲道數量、采樣率範圍及碼率參數做(zuò)出了(le)一定的(de)限制；其他(tā)3種類型是基于DRA基礎上技術擴展，包括DRA低碼率音(yīn)頻(pín)編碼、DRA分(fēn)層編碼和(hé)DRA低碼率分(fēn)層編碼。每種編碼支持的(de)聲道模式爲：單聲道、立體聲和(hé)5.1環繞聲。
表1 音(yīn)頻(pín)編碼類型
 |
22726-2008 《多(duō)聲道數字音(yīn)頻(pín)編解碼技術規範》，所以本文主要描述基于DRA編碼技術規範的(de)其他(tā)3種擴展編碼類型。DRA擴展編碼類型的(de)算(suàn)法是在DRA附加數據部分(fēn)通(tōng)過提供多(duō)個(gè)增強編碼工具和(hé)編碼功能實現的(de)，包括：頻(pín)帶複制技術(例如SBR)、參數立體聲（例如PS）和(hé)分(fēn)層模塊等，下(xià)一節主要介紹其他(tā)三種編碼算(suàn)法的(de)原理(lǐ)。
2.2 編碼框架
（1）DRA_S編碼類型的(de)編碼框架
DRA_S的(de)單聲道和(hé)立體聲的(de)具體編碼框架如圖2所示。
在編碼類型1（DRA_S）單聲道編碼算(suàn)法中，DRA編碼模塊對(duì)其輸入信号的(de)低頻(pín)部分(fēn)進行編碼處理(lǐ)，輸出DRA編碼碼流；帶寬擴展編碼模塊對(duì)其輸入信号的(de)高(gāo)頻(pín)部分(fēn)進行編碼處理(lǐ)，輸出SBR編碼碼流。所有碼流通(tōng)過複用(yòng)碼流模塊輸出DRA_S碼流。
在編碼類型1（DRA_S）立體聲編碼算(suàn)法中，立體聲音(yīn)頻(pín)信号根據編碼碼率選擇是否使用(yòng)參數立體聲編碼模塊處理(lǐ)，如果使用(yòng)則輸出參數立體聲編碼碼流；DRA編碼模塊對(duì)其輸入信号的(de)低頻(pín)部分(fēn)進行編碼處理(lǐ)，輸出DRA編碼碼流；帶寬擴展編碼模塊對(duì)其輸入信号的(de)高(gāo)頻(pín)部分(fēn)進行編碼處理(lǐ)，輸出帶寬擴展編碼碼流。所有碼流通(tōng)過複用(yòng)碼流模塊輸出DRA_S碼流。
 |
圖2 DRA_S單聲道或立體聲編碼框圖
DRA_S的(de)環繞聲的(de)具體編碼原理(lǐ)如圖3所示。DRA_S環繞聲編碼結構則由三部分(fēn)構成：L&R聲道對(duì)DRA_S編碼、C單聲道DRA_S編碼及LFE聲道DRA編碼和(hé)LS&RS聲道對(duì)DRA_S編碼。  |
圖3 DRA_S環繞聲編碼框圖
（2）DRA_L編碼類型的(de)編碼框架DRA_L的(de)單聲道和(hé)立體聲的(de)具體編碼框架如圖4所示。基本層編碼的(de)方法是首先根據基本層分(fēn)配的(de)編碼比特率進行DRA編碼；輸入信号與基本層恢複的(de)信号間的(de)殘差信号作爲增強層輸入信号，增強層采用(yòng)與DRA量化(huà)和(hé)熵編碼同樣的(de)技術對(duì)殘差信号壓縮。
 |
圖4 DRA_L單聲道或立體聲編碼框圖
DRA_L環繞聲的(de)具體編碼原理(lǐ)如圖5所示。基本層以對(duì)左右聲道以立體聲對(duì)應用(yòng)DRA編碼；增強層包括中央聲道和(hé)超重低音(yīn)聲道的(de)單聲道DRA編碼和(hé)左右環繞聲道對(duì)DRA編碼。  |
圖5 DRA_L環繞聲編碼框圖
（3）DRA_SL編碼類型的(de)編碼框架DRA_SL單聲道或立體聲的(de)具體編碼框架如圖6所示,其編碼原理(lǐ)可(kě)參考DRA_S和(hé)DRA_L。
 |
圖6 DRA_SL單聲道或立體聲編碼框圖
DRA_SL環繞聲的(de)具體編碼原理(lǐ)如圖7所示。  |
圖7 DRA_SL環繞聲編碼框圖
2.3 音(yīn)頻(pín)編碼算(suàn)法的(de)數據結構（1）DRA編碼算(suàn)法的(de)幀結構
圖8爲一般DRA的(de)幀結構，其中在幀頭信息中有1比特指明(míng)是否存在輔助數據的(de)指示，“1”表明(míng)有，“0”表明(míng)沒有。
 |
圖8 DRA基本幀結構示意圖
（2）輔助數據擴展的(de)一般結構輔助數據擴展的(de)結構示意圖如圖9所示。其中每個(gè)數據塊下(xià)面小括号内的(de)數字表示其占用(yòng)的(de)長(cháng)度，單位爲比特，X1，Xn分(fēn)别爲第1個(gè)和(hé)第n個(gè)輔助類型的(de)數據長(cháng)度，單位爲字節。
 |
圖9 輔助數據的(de)結構示意圖
以下(xià)DRA_S、DRA_L和(hé)DRA_SL編碼的(de)基本幀結構都是通(tōng)過圖9的(de)輔助數據擴展格式爲基礎定義的(de)。
（3）DRA_S編碼類型的(de)基本幀結構
DRA_S編碼主要是利用(yòng)輔助數據擴展部分(fēn)所提供的(de)增強編碼工具，包括帶寬擴展編碼工具和(hé)參數立體聲編碼工具等，提高(gāo)編碼DRA的(de)編碼效率，提供低碼率音(yīn)頻(pín)編碼算(suàn)法。其基本結構爲：（其中虛線框爲可(kě)選數據單元）
 |
圖10 DRA_S幀結構
（3）DRA_L及DRA_SL分(fēn)層基本幀結構分(fēn)層又根據編碼的(de)聲道數分(fēn)爲單聲道與立體聲的(de)分(fēn)層以及5.1環繞聲的(de)分(fēn)層兩種。
圖11和(hé)圖13分(fēn)别給出了(le)單聲道或立體聲的(de)DRA分(fēn)層編碼（DRA_L）和(hé)DRA低碼率分(fēn)層編碼（DRA_SL）結構。其基本編碼過程是根據總編碼比特率合理(lǐ)分(fēn)配基本層和(hé)增強層的(de)比特率，然後分(fēn)别對(duì)基本層和(hé)增強層進行編碼。
DRA_L單聲道或立體聲編碼的(de)過程：根據基本層分(fēn)配的(de)編碼比特率進行單聲道或立體聲對(duì)DRA編碼；從MDCT域的(de)原始音(yīn)頻(pín)信号與基本層解碼後部分(fēn)恢複的(de)音(yīn)頻(pín)信号之間的(de)殘差作爲增強強層編碼的(de)輸入信号，通(tōng)過類似于DRA熵編碼模塊處理(lǐ)編碼，但是其中殘差信号編碼熵編碼的(de)碼書(shū)選擇及其應用(yòng)範圍、量化(huà)步長(cháng)指數和(hé)Huffman碼書(shū)都進行了(le)優化(huà)，提高(gāo)殘差信号熵編碼效率。
DRA_SL單聲道或立體聲編碼的(de)過程：輸入爲單聲道時(shí)，基本層中隻對(duì)單聲道進行DRA編碼，并根據基本層分(fēn)配的(de)比特率，可(kě)自動選擇是否啓動帶寬擴展編碼工具；增強層編碼與DRA_L的(de)單聲道增強層編碼相同。當輸入爲立體聲時(shí)，基本層采用(yòng)DRA_S編碼；增強層采用(yòng)DRA_L增強層同樣的(de)編碼。
圖12和(hé)圖14分(fēn)别給出了(le)DRA_L和(hé)DRA_SL環繞聲分(fēn)層幀結構示意圖，采用(yòng)環繞聲二分(fēn)層的(de)結構，形成基本層和(hé)增強層。其基本編碼過程爲：首先根據總比特率要求合理(lǐ)分(fēn)配基本層和(hé)增強層各自所占比率，然後分(fēn)配各聲道對(duì)和(hé)獨立聲道的(de)比特率，最後分(fēn)别對(duì)基本層和(hé)增強層編碼。
DRA_L環繞聲分(fēn)層編碼爲：基本層編碼是對(duì)左右聲道以立體聲對(duì)方式直接應用(yòng)DRA算(suàn)法編碼；增強層對(duì)中央聲道和(hé)超重低音(yīn)聲道分(fēn)别進行單聲道DRA編碼，對(duì)左右環繞聲道也(yě)以立體聲對(duì)方式進行DRA編碼。
DRA_SL環繞聲分(fēn)層編碼爲：在基本層中對(duì)左聲道和(hé)右聲道組成的(de)立體聲對(duì)進行立體聲DRA編碼，并且可(kě)根據立體聲對(duì)的(de)編碼碼率需求自适應地選擇應用(yòng)帶寬擴展技術和(hé)參數立體聲編碼技術。當僅選擇使用(yòng)帶寬擴展技術時(shí)，則DRA編碼部分(fēn)将隻對(duì)輸入聲道的(de)低頻(pín)帶部分(fēn)編碼；當又開啓了(le)參數立體聲編碼技術時(shí)（此時(shí)帶寬擴展編碼技術應已經使用(yòng)）， DRA編碼部分(fēn)應修改爲僅對(duì)縮混的(de)單聲道低頻(pín)部分(fēn)進行編碼。在增強層中，首先對(duì)中央聲道C進行DRA編碼，可(kě)選采用(yòng)帶寬擴展編碼技術，然後對(duì)超重低音(yīn)聲道LFE采用(yòng)DRA編碼。最後對(duì)左右環繞聲道（LS和(hé)RS）進行立體聲對(duì)DRA編碼，類似于左右聲道對(duì)編碼方式，可(kě)自适應地開啓帶寬擴展和(hé)參數立體聲編碼技術，提高(gāo)對(duì)環繞聲對(duì)的(de)編碼效率。
 |
圖11 DRA_L單聲道或立體聲分(fēn)層算(suàn)法的(de)幀結構
 |
圖12 DRA_L 5.1環繞聲分(fēn)層算(suàn)法的(de)幀結構
 |
圖13 DRA_SL單聲道或立體聲分(fēn)層算(suàn)法的(de)幀結構
 |
圖14 DRA_SL 5.1環繞聲分(fēn)層算(suàn)法的(de)幀結構
3.測試及試驗結果（1）DRA編碼技術測試
根據ITU-R BS.1116[4]小損傷聲音(yīn)主觀測試标準，采用(yòng)雙盲三激勵隐藏基準5級評價方法對(duì)DRA多(duō)聲道數字音(yīn)頻(pín)編碼技術DRA編碼算(suàn)法進行了(le)正式主觀聽(tīng)音(yīn)測試，測試主要條件包括：測試環境爲國家數字電視系統測試實驗室音(yīn)視頻(pín)主觀評價室；測試人(rén)員(yuán)爲41個(gè)有聽(tīng)音(yīn)測試經驗的(de)人(rén)員(yuán)（包括專家組和(hé)專業組）；環繞聲測試序列包括4個(gè)國際标準測試片段和(hé)2個(gè)商業片段，立體聲測試序列主要由國際标準測試序列組成。DRA在384kbps碼率下(xià)5.1聲道獲得(de)4.9分(fēn)；128kbps碼率立體聲獲得(de)4.7分(fēn)。同時(shí)測試結果也(yě)表明(míng)：DRA技術在每聲道64kbps的(de)碼率時(shí)即“達到了(le)EBU（歐洲廣播聯盟）定義的(de)‘不能識别損傷’的(de)音(yīn)頻(pín)質量”。同時(shí)DRA編碼技術也(yě)被國際藍光(guāng)協會（BDA）分(fēn)别進行了(le)兩輪主觀聲音(yīn)質量測試，包括在日本BDA成員(yuán)專家進行的(de)主觀測試和(hé)好萊塢片商組織的(de)主觀測試，測試表明(míng)DRA音(yīn)頻(pín)編碼算(suàn)法都滿足其嚴格的(de)高(gāo)質量主觀音(yīn)質要求。
（2）DRA_S（DRA低碼率）音(yīn)頻(pín)編碼測試
内部測試結果：根據ITU-R BS.1534[5]中等質量音(yīn)頻(pín)主觀測試标準，對(duì)DRA低碼率音(yīn)頻(pín)編碼算(suàn)法進行了(le)内部主觀聽(tīng)音(yīn)測試，測試主要條件包括：測試環境爲數字音(yīn)頻(pín)編解碼技術國家工程實驗室聽(tīng)音(yīn)室，測試設備爲專業聲卡及高(gāo)保真耳機HD600；測試人(rén)員(yuán)爲11個(gè)有聽(tīng)音(yīn)測試經驗的(de)人(rén)員(yuán)（包括編碼算(suàn)法開發人(rén)員(yuán)及其他(tā)相關人(rén)員(yuán)）；測試序列爲MPEG低碼率音(yīn)頻(pín)編碼标準開發所使用(yòng)的(de)12個(gè)測試序列（立體聲wav文件，采樣率48kHz，量化(huà)比特16比特）。測試結果表明(míng)DRA_S編碼在48kbps/立體聲碼率下(xià)83.6分(fēn)；同樣條件下(xià)DRA編碼僅獲得(de)62.6分(fēn)。
正式測試結果：根據ITU-R BS.1534中等質量音(yīn)頻(pín)主觀測試标準，對(duì)DRA低碼率音(yīn)頻(pín)編碼算(suàn)法進行了(le)正式主觀聽(tīng)音(yīn)測試，測試主要條件包括：測試環境爲國家廣播電影(yǐng)電視總局廣播電視計量檢測中心視頻(pín)主觀評價室；測試人(rén)員(yuán)爲21個(gè)有聽(tīng)音(yīn)測試經驗的(de)人(rén)員(yuán)（包括專家組和(hé)專業組）；測試測試序列包括6個(gè)立體聲wav文件，采樣率48kHz，量化(huà)比特爲16bit，選自EBU主觀評價序列及商業CD。DRA_S編碼在48kbps/立體聲碼率下(xià)獲得(de)84.6分(fēn)。
（3）DRA_L及DRA_SL分(fēn)層音(yīn)頻(pín)編碼測試結果
由于DRA_L及DRA_SL編碼算(suàn)法分(fēn)别基于DRA及DRA_S編碼算(suàn)法基礎上完成的(de)，特别基本層完全采用(yòng)DRA或DRA_S編碼方法，因此完全可(kě)以根據DRA和(hé)DRA_S編碼的(de)主觀聲音(yīn)質量估計DRA_L和(hé)DRA_SL分(fēn)層編碼的(de)主觀聲音(yīn)質量。對(duì)于單聲道和(hé)立體聲編碼方法，根據其編碼原理(lǐ)可(kě)以推斷出DRA_L和(hé)DRA_SL基本層編碼質量分(fēn)别與（基本層比特率下(xià)的(de)）DRA和(hé)DRA_S的(de)編碼質量相同；DRA_L和(hé)DRA_SL（基本層及增強層的(de)全比特率條件下(xià)）的(de)編碼質量分(fēn)别略低于同樣碼率下(xià)的(de)DRA和(hé)DRA_S編碼質量（這(zhè)是由于增強層需要一些額外開銷表示增強層信息）。同樣對(duì)于5.1環繞聲情況，由于DRA_L和(hé)DRA_SL基本層編碼前置立體聲信号，因此分(fēn)别與DRA和(hé)DRA_SL編碼質量相同；對(duì)于DRA_L和(hé)DRA_SL（基本層及增強層的(de)全比特率條件下(xià)）分(fēn)别與DRA和(hé)DRA_S環繞聲質量相當（根據國家工程實驗室聽(tīng)音(yīn)室進行的(de)非正式主觀聽(tīng)音(yīn)測試）。
4.結論
本文介紹了(le)一種适用(yòng)于我國數字調頻(pín)廣播中音(yīn)頻(pín)業務信源編碼的(de)壓縮技術，除了(le)已經成功國家标準的(de)DRA标準編碼規範外，同時(shí)擴展了(le)三種其他(tā)編碼模式，可(kě)滿足于不同質量等條件下(xià)的(de)各種廣播業務需求。主觀聲音(yīn)測試結果表明(míng)DRA_S在低碼率下(xià)明(míng)顯好于DRA，且在低碼率下(xià)能夠提供較好的(de)主觀聲音(yīn)質量；在與DRA和(hé)DRA_S相當的(de)主觀聲音(yīn)質量下(xià)，DRA_L和(hé)DRA_SL分(fēn)别提供了(le)分(fēn)層的(de)數據結構，可(kě)直接匹配于支持分(fēn)層的(de)信道及調制傳輸方式，便于有效處理(lǐ)我國調頻(pín)數字音(yīn)頻(pín)廣播中覆蓋和(hé)聲音(yīn)質量的(de)問題。
參考文獻:
[1]3GPP TS 26.290: "Audio codec processing functions; Extended Adaptive Multi-Rate- Wideband (AMR-WB+) codec; Transcoding functions "
[2]ISO/IEC14496-3:2009 Information technology - Coding of audio-visual objects -Part 3: Audio
[3]GB/T 22726-2008 《多(duō)聲道數字音(yīn)頻(pín)編解碼技術規範》
[4]ITU-R BS.1116-1《Methods for the subjectiveassessment of small impairments in audio systems including multichannel sound systems》
[5]ITU-R BS.1534-1《Method for the subjective assessment of intermediate quality level of coding systems》
