低延遲高質(zhì)量音頻編碼算法研究.pdf

1、一般認(rèn)為,高效的感知音頻編碼與以實(shí)時(shí)通信為目的的低延遲編碼是兩個(gè)不同的研究和應(yīng)用領(lǐng)域。一方面,感知音頻編碼在較寬的頻帶范圍內(nèi),能夠以極低的碼率提供主觀音質(zhì)極好的音頻,但編解碼延遲較大,不適合交互式的實(shí)時(shí)通信的應(yīng)用；另一方面,語(yǔ)音編碼能夠滿足實(shí)時(shí)通信延遲的要求,但對(duì)于非語(yǔ)音信號(hào),其編碼性能較差。因此,研究同時(shí)具有高質(zhì)量和低延遲的音頻編碼技術(shù)非常必要。
　　 本文提出了一種新的低延遲高質(zhì)量音頻編碼算法-LDX,主要面向交互式的實(shí)時(shí)通

2、信。為了降低編解碼算法延遲,LDX并未完全沿襲傳統(tǒng)的感知音頻編碼的技術(shù)路線,而是采用了相對(duì)較短、長(zhǎng)度固定的變換窗,從而大幅度地降低了算法延遲。同時(shí),為了在高壓縮比下獲得高質(zhì)量的音頻,LDX對(duì)現(xiàn)有的心理聲學(xué)模型和立體聲編碼算法作了改進(jìn),運(yùn)用FFT和MDCT相結(jié)合的心理聲學(xué)分析方法,不僅降低了算法復(fù)雜度,同時(shí)也提高了心理聲學(xué)分析的精確度；LDX運(yùn)用正方形極坐標(biāo)映射的聲道耦合算法,相對(duì)于傳統(tǒng)的M/S立體聲編碼算法,具有更高的編碼效率；針對(duì)變換

3、的音頻編碼中預(yù)回聲現(xiàn)象,LDX提出了一種時(shí)域拆分--頻域合成的、基于組合心理聲學(xué)模型的預(yù)回聲處理新算法,能有效地抑制預(yù)回聲,從而保證了音頻質(zhì)量。因此,LDX具有以下性能特性:在相同編碼比特率下,音質(zhì)要遠(yuǎn)好于ITU-T G.722.1c和MP3；算法延遲低,16kHz、32kHz和48kHz采樣率下最小算法延遲分別為16ms、8ms和5.33ms,能夠滿足交互式的實(shí)時(shí)通信；支持較大范圍的編碼比特率和采樣率；中等算法復(fù)雜度。