音频压缩的心理声学原理

频域遮蔽

一个频率的声音能量小于某个阈值之后，人耳就会听不到，这个阈值称为最小可闻阈，也就是静音门槛。（PS:  不同频率的声音静音门槛不一样）

当有另外能量较大的声音出现的时候，该声音频率附近的阈值会提高很多，也就是说，即使附近频率的声音能量超过了静音门槛，人耳也听不见。

时域遮蔽

强音信号和弱音信号发生时间很接近时，会出现时域遮蔽。时域遮蔽分为前遮蔽、同时遮蔽、后遮蔽三部分。前遮蔽指人耳在听到强音信号之前的短暂时间内，已经存在的弱音信号会被遮蔽而听不到。同时遮蔽是指强音信号和弱音信号同时存在时，强信号会遮蔽弱信号。后遮蔽是指当强信号消失后，需要经过较长的一段时间才能重新听见弱信号。

音频压缩算法分类

分为有损压缩和无损压缩。有损压缩的原理就是前面的心理声学原理。根据压缩方案的不同，还可以划分时域压缩、变换压缩、子带压缩，以及多种技术相互融合的混合压缩。

时域压缩（或称为波形编码）

直接针对音频PCM码流的量化值进行处理，比如将原本16bit的采样值编码压缩到8bit。时域压缩采用的办法有静音检测、差分编码、非线性量化等，一般算法简单，实时性高，但压缩比小，声音质量一般，所以一般多用于语音压缩，低码率场景。时域压缩技术主要包括G711、ADPCM。

变换压缩

将音频的时域信号转换到频域，然后利用心理声学模型，移除不相关频带的信号，对不同频带的信号分配不同的比重，再进行编码压缩，比如MP3编码。

各种波形编码（LPCM/ADPCM/G711等）

从脉冲编码调制说起，脉冲编码调制包含三步：

1. 采样
2. 量化
3. 编码

采样与采样率有关，一般有8k, 16k, 32k, 44.1k等。量化与位深有关，有8bit, 16bit等。最后一步编码，决定了是否对音频进行压缩，以及音频数据最终的内容。

LPCM

LPCM: linear pulse code modulation，线性量化编码，直接取量化后的值进行编码，这种编码是音频的最原始编码，属于无损编码。CD音频使用的就是线性PCM编码，由此可以计算CD音频的数据量：

2声道 x 44.1k采样率 x 16bit = 1411.1kbps

ADPCM

基于DPCM，也就是差分脉冲编码调制（Differential Pulse Code Modulation）。

DPCM的工作原理是原始PCM相邻采样点之间通常是比较连续的，差值不会很大，所以可以用较小的bit位数来表示，比如只用4bit表示差值，这样只需要知道起始点的值和每个点的差值，就可以还原得到原来的序列。记录的差值序列就是DPCM数据, 这样数据量会小很多。（与视频中的P帧类似，存储与关键帧的差值）

DPCM使用固定的位数来表示差值，在遇到相邻采样点之间差异很大时会丢失精度，所以是有损压缩。可以通过使用更大的位数来增大精度，但数据量也会增大。

为了优化DPCM，提出了ADPCM（Adaptive Differential Pulse Code Modulation, 自适应差分脉冲编码调），其思想是先定义差值表（例如IMA ADPCM 中使用 89个固定差值, 取值从7到32767），差值表的范围放宽到16bit，此时差值在数组中的编号只需要6bit就可以表示(0 - 88), 再进一步只记录编号的变化值, 就将变化量压缩到了4bit。

G711

G.711是一种由国际电信联盟（ITU-T）订定音频编码方式，又称为ITU-T G.711。

G.711使用64Kbps的带宽，可将14bits转换成8bits。目前G.711有两个编码方式，A-law以及μ-law。A-law 编码是以 13-bit 带符号的线性音效样品输入并转换成 8 bit 的值如下:

A律13折线，u律15折线。A律输入13位，其实就是16bit量化后的高13位，u律输入14位，同样是16bit量化后的高14位。u律使用在北美和日本，A律使用在欧洲和其他地区。

A律13折线的由来：

将输入区间归一化到[0, 1]，并按照低半区二等分分割7次，得到8个输入区间。

将量化输出区间也归一化到[0, 1]，并平均分成8等份，得到正极的8根折线。

相同的操作在负极也重复一次，一共就有16根线，但纵坐标区间[-2/8, 2/8]内的5根折线斜率相同，可以算作一根折线，所以总共有13段折线。

Image Added

假如使用8bit进行PCM量化，则每个码字的位宽为8bit，其结构如下表所示：

MP3格式与MP3编码标准

AAC格式与AAC编码标准

参考链接：

• 心理声学 - 维基百科，自由的百科全书
• 音频压缩_百度百科
• 高级音频编码 - 维基百科，自由的百科全书
• 常用音频编码格式简介（PCM、G726、ADPCM、LPCM、G711、AAC） - 知乎
• G.711 - 维基百科，自由的百科全书