MPEG-4 AAC 音頻編碼中量化模塊的改進(jìn)?

劉紅甫，張聰，梁瑞凡

（武漢工業(yè)學(xué)院數(shù)學(xué)與計(jì)算機(jī)學(xué)院，武漢430023）

MPEG-4 AAC 音頻編碼中量化模塊的改進(jìn)?

劉紅甫，張聰，梁瑞凡

（武漢工業(yè)學(xué)院數(shù)學(xué)與計(jì)算機(jī)學(xué)院，武漢430023）

MPEG-4 AAC音頻編碼標(biāo)準(zhǔn)中的量化過程采用了Brandenburg提出的雙循環(huán)模式，取得了較好的編碼質(zhì)量和壓縮比例。但在實(shí)際編碼時(shí)，該方法由于迭代次數(shù)過多，會出現(xiàn)收斂速度較慢，甚至死鎖的情況。在深入分析MPEG-4 AAC量化算法的基礎(chǔ)上，提出了一種快速計(jì)算每個(gè)比例因子頻帶的改進(jìn)算法。該算法通過有效減少外循環(huán)計(jì)算過程，并確保每個(gè)比例因子頻帶的量化失真低于允許值，從而減少量化模塊的計(jì)算量。實(shí)驗(yàn)結(jié)果表明，在不影響音頻編碼質(zhì)量的前提下，該算法能有效地提高編碼效率。

音頻編碼；量化模塊；比例因子；編碼效率

1 引言

音頻編碼是數(shù)字音頻廣播和互聯(lián)網(wǎng)等多媒體應(yīng)用的關(guān)鍵技術(shù)之一。作為有損變換域編碼的一種，感知音頻編碼器是目前主流編碼器，其利用人耳的聽覺感知特性，對編碼噪聲進(jìn)行感知整形，以較高的編碼壓縮比獲得感知質(zhì)量下較少的編碼效果［1］。其中MPEG-4 AAC［2］作為一種重要的主流感知音頻編碼器，提供了非常高效的音頻壓縮算法，在移動(dòng)通信、數(shù)字廣播、互聯(lián)網(wǎng)等領(lǐng)域得到了廣泛應(yīng)用。

MPEG-4 AAC音頻編碼性能很大程度上取決于量化模塊中有限比特的利用效率和運(yùn)算復(fù)雜度，前者影響音頻感知質(zhì)量，后者決定編碼的實(shí)時(shí)性。MPEG-4 AAC的量化模塊采用的是雙循環(huán)搜索進(jìn)行失真率控制，其中外循環(huán)控制量化失真，內(nèi)循環(huán)控制比特率。該算法已被證實(shí)運(yùn)算量大，并且比特分配非最優(yōu)判決，尤其在低碼率時(shí)，造成MPEG-4 AAC編碼性能偏低［3］。

MPEG-4 AAC并未把量化模塊的優(yōu)化方案標(biāo)準(zhǔn)化，近年來產(chǎn)生了很多與此相關(guān)的新技術(shù)。比如文獻(xiàn)［4］提出了一種基于子帶量化噪聲統(tǒng)計(jì)模型的量化技術(shù)，文獻(xiàn)［5］提出了一種動(dòng)態(tài)譜線分組減少量化噪聲的技術(shù)，這些技術(shù)在一定程度上優(yōu)化了量化模塊的計(jì)算復(fù)雜度。

在上述研究的基礎(chǔ)上，通過對量化模塊原理的研究，發(fā)現(xiàn)在量化模塊迭代循環(huán)過程中，外層循環(huán)通過不斷地調(diào)整比例因子頻帶的比例因子，使最終計(jì)算的量化失真低于允許值。在外層循環(huán)開始計(jì)算之前，每個(gè)頻帶的比例因子都初始化為0，這個(gè)值與最終的比例因子值相差比較大，這就造成了循環(huán)次數(shù)過多。因此，找到一個(gè)與最終值相差比較接近的值進(jìn)行初始化，這樣就可以減少循環(huán)迭代過程。本文通過對外層循環(huán)和量化失真計(jì)算公式的研究，提出了一種能減少迭代循環(huán)過程的算法。

圖1 外層循環(huán)流程圖Fig.1 The flow chart of outer circulation

在MPEG-4 AAC音頻編碼過程中，音頻數(shù)據(jù)經(jīng)過MDCT變換實(shí)現(xiàn)由時(shí)域到頻域的映射，得到音頻的頻譜；同時(shí)，音頻數(shù)據(jù)也經(jīng)過心理聲學(xué)模塊計(jì)算得到音頻數(shù)據(jù)的掩蔽閾值，然后這些數(shù)據(jù)被傳送至量化模塊進(jìn)行迭代計(jì)算。

在進(jìn)入雙層迭代循環(huán)之前，所有變量均需重置。首先計(jì)算全局增益的初始值，這樣全部量化后的MDCT頻譜數(shù)據(jù)能夠經(jīng)無噪聲編碼加入到比特流中，計(jì)算公式如下所示：

其中，max-mdct-line是當(dāng)前數(shù)據(jù)幀中譜系數(shù)值最大的一個(gè)；ceiling（）是正無窮方向舍入最近整數(shù)的函數(shù)；MAX-QUANT是可以編碼如比特流的最大量化值，定義為8 191。在迭代過程中，全局公共縮放因子common-scalfac不能小于初始值start-commonscalefac。然后，必須將所有比例因子全部置零。

音頻頻譜的量化公式如下所示：

2 MPEG-4 AAC量化模塊的計(jì)算

MPEG-4 AAC的量化模塊整體上依然沿用了Brandenburg與1987年在OCF中提出的雙循環(huán)結(jié)構(gòu)［6］。內(nèi)層循環(huán)控制編碼時(shí)所需的比特?cái)?shù)，當(dāng)比特?cái)?shù)超出了分配的限量，就統(tǒng)一地加大所有量化階（即加大統(tǒng)一縮放因子），務(wù)求降低比特?cái)?shù)，得到所需的最小量化階；而外層循環(huán)控制量化誤差，它對經(jīng)過循環(huán)量化后的頻譜進(jìn)行量化誤差檢測，當(dāng)某一個(gè)子帶的量化誤差能量超過掩蔽門限，就減少相應(yīng)的量化階（即加大子帶縮放因子）且步長為1，然后再進(jìn)入內(nèi)循環(huán)。

MPEG-4 AAC音頻編碼的量化模塊外層循環(huán)流程圖如圖1所示。

MAGIC-NUMBER定義為0.405 4，SF-OFFSET定義為100，mdct-line是MDCT計(jì)算出來的某個(gè)頻譜值。

為了在迭代循環(huán)里使用，比例因子“sf-decoder”分成兩個(gè)變量：除非輸入的頻譜數(shù)據(jù)全部為零，否則都要經(jīng)過量化雙循環(huán)結(jié)構(gòu)的處理。外層迭代循環(huán)為量化噪聲控制循環(huán)，負(fù)責(zé)控制在內(nèi)層迭代循環(huán)中由于對頻譜數(shù)據(jù)進(jìn)行量化而引起的量化噪聲，如下式所示：

在進(jìn)行量化之前，將各譜線與其所屬的比例因子頻帶的比例因子相乘，完成所謂的噪聲染色（噪聲譜的不均勻化），即噪聲能量在不同頻率段上的重新分配。如圖1所示，外層循環(huán)要先調(diào)用內(nèi)層循環(huán)，內(nèi)層循環(huán)包含三大元素，即經(jīng)由相應(yīng)比例因子頻帶的比例因子縮放的譜系數(shù)mdct-scaled（i），全局公共縮放因子common-scalefac以及當(dāng)前可用于編碼的比特?cái)?shù)。

首先，計(jì)算MDCT譜系數(shù)的量化值：

然后，計(jì)算在當(dāng)前條件下實(shí)際編碼所需的比特?cái)?shù)，如果按照ISO標(biāo)準(zhǔn)規(guī)定，取全局公共縮放因子的初始值為start-common-scalefac，則在第一輪循環(huán)之后，所需比特?cái)?shù)通常要大于可用的比特?cái)?shù)。因此，在第一次循環(huán)后，我們往往需要對全局公共縮放因子common-scalefac作出相應(yīng)的調(diào)整，即以某一量化階為基礎(chǔ)逐漸增大因子的取值，重新計(jì)算所需的比特?cái)?shù)，直到滿足條件為止，便跳出內(nèi)層比特率控制循環(huán)。

接下來就要計(jì)算各比例因子頻帶的量化噪聲，如下式所示：

如若某一比例因子頻帶的量化噪聲超出該子帶的掩蔽閾值xmin（sb），便對該比例因子加1調(diào)整，對應(yīng)子帶的所有譜系數(shù)須根據(jù)上式重新計(jì)算。

通常情況下，若所有比例因子頻帶的量化噪聲都不超過上限值（即掩蔽閾值），便可跳出外循環(huán)。然而并非所有場合下都能達(dá)到這一條件，這時(shí)有必要引入如下的外循環(huán)異常終止條件，即所有的比例因子頻帶都已經(jīng)被放大過，或相鄰的兩個(gè)比例因子頻帶的比例因子之差超過了60。倘若是由于上述兩個(gè)原因使得循環(huán)被終止，則需恢復(fù)先前循環(huán)過程中存儲的比例因子，以得到正確的輸出。

3 MPEG-4 AAC量化模塊的改進(jìn)

從理論上說，標(biāo)準(zhǔn)算法中針對于量化模塊環(huán)節(jié)所提出的內(nèi)、外嵌套的循環(huán)結(jié)構(gòu)是一種近似最優(yōu)的算法結(jié)構(gòu)，通過內(nèi)循環(huán)和外循環(huán)反復(fù)地交替工作，使得編碼器在比特?cái)?shù)使用和噪聲控制方面取得最佳平衡。但是，這樣的最佳平衡是以較高的運(yùn)算復(fù)雜度和較多的循環(huán)迭代次數(shù)為代價(jià)的。在實(shí)際應(yīng)用中，我們自然不希望編碼器耗費(fèi)太多的功耗，浪費(fèi)太多的運(yùn)算時(shí)間。幸運(yùn)的是，AAC標(biāo)準(zhǔn)僅僅給出了一個(gè)編、解碼的參考算法標(biāo)準(zhǔn)，設(shè)計(jì)者完全可以根據(jù)自己的需要，在不改變其算法基本框架的基礎(chǔ)上做出一定程度的優(yōu)化和改進(jìn)工作，而且可以肯定地說，這方面工作的上升空間很大。目前，世界上已有不少機(jī)構(gòu)和學(xué)者對其提出了自己的優(yōu)化、改進(jìn)算法和結(jié)構(gòu)，并達(dá)到了預(yù)期的結(jié)果。

通過前一節(jié)的分析我們不難發(fā)現(xiàn)：在外循環(huán)過程中，主要是用公式（6）來計(jì)算量化后的量化噪聲，并要求所得的值不能超過該子帶的掩蔽閾值xmin（sb），否則要進(jìn)行循環(huán)，直到滿足要求為止。通過研究該計(jì)算公式以及它與整個(gè)量化模塊的關(guān)系，尋求一個(gè)能使計(jì)算得到的量化噪聲低于該子帶的掩蔽閾值xmin（sb）的方法，減少該計(jì)算過程。

AAC標(biāo)準(zhǔn)中對于譜線的非均勻量化公式為

其中，scalefactor即為各比例因子頻帶的比例因子，而common-scalefac則為所有尺度因子帶所共享的公共縮放因子。不難看出，量化步長的大小是由各比例因子頻帶的比例因子和所有比例因子頻帶的公共縮放因子所決定。為了方便化簡，我們需要對公式進(jìn)行取整操作，即設(shè)取整誤差為e，同時(shí)令q= 0.405 4+e，于是可將量化公式化簡為

由量化模塊的外層循環(huán)流程圖（如圖1）可知，首先進(jìn)行的是內(nèi)層循環(huán)，內(nèi)層循環(huán)結(jié)束后我們可以得到滿足要求所有比例因子頻帶的公共縮放因子common-scalefac值，由公式（16）可知，在commonscalefac一定的前提下，等號成立時(shí)scalefactor（sb）的取值是最大的，即該比例因子頻帶的比例因子最大，使得最終各個(gè)比例因子頻帶的壓縮比達(dá)到最大值。因此，外層循環(huán)可以利用公式（16）和（17）直接求出各比例因子頻帶的最佳比例因子。計(jì)算公式中的變量xmin（sb）在進(jìn)入循環(huán)過程前都已經(jīng)得到，x-quant（i）是內(nèi)層循環(huán)計(jì)算得到的最終結(jié)果，這些使得計(jì)算scalefactor的計(jì)算更加簡單和準(zhǔn)確。

MPEG-4 AAC量化模塊的改進(jìn)流程圖如圖2所示。

圖2 改進(jìn)的外層循環(huán)流程圖Fig.2 The improved flow chartof outer circulation

在外層循環(huán)過程中，通過內(nèi)層循環(huán)傳出的量化頻譜，以及在迭代循環(huán)前所求得的允許的最小掩蔽閾值能量來計(jì)算每個(gè)比例因子頻帶的比例因子。這時(shí)候所求得的各頻帶的比例因子其實(shí)已經(jīng)是最佳的數(shù)值，從而減少了外層循環(huán)的迭代次數(shù)，節(jié)省了編碼時(shí)間。

4 實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)采用開源FAAC編碼器，該編碼器是MPEG -4 AAC參考代碼的改進(jìn)版本且已廣泛應(yīng)用于互聯(lián)網(wǎng)的音頻。實(shí)驗(yàn)是在低復(fù)雜度框架下，對48 kHz、16 bit采樣的MPEG雙聲道音頻測試序列進(jìn)行測試。用FAAC編碼器和改進(jìn)的FAAC編碼器對同一組音頻數(shù)據(jù)進(jìn)行編碼處理，計(jì)算編碼所需要的時(shí)間，實(shí)驗(yàn)結(jié)果如表1所示。

表1 音頻測試序列編碼時(shí)間Table 1 The encoding time of audio test sequence

由表1的測試結(jié)果可以看出，改進(jìn)后的編碼器相對于原編碼器有較大的提高，節(jié)省了編碼時(shí)間。

另一個(gè)需要考慮的是此方法的改進(jìn)對音頻的音質(zhì)是否造成影響。因此，實(shí)驗(yàn)還對原編碼器和改進(jìn)后的編碼器生成的音頻文件進(jìn)行解碼，通過Adobe Audition 3.0軟件對兩種編碼器生成的文件波形、頻譜、相位、相位譜等進(jìn)行對比。以測試序列Es01為例，F(xiàn)AAC編碼器解碼后音頻文件的頻譜圖如圖3所示。

圖3 FAAC解碼的音頻頻譜圖Fig.3 The audio spectrum diagram of decoding FAAC

改進(jìn)FAAC編碼器解碼后音頻文件的頻譜圖如圖4所示。

圖4 改進(jìn)FAAC解碼的音頻頻譜圖Fig.4 The improved audio spectrum diagram of decoding FAAC

由圖3和圖4可知，改進(jìn)FAAC編碼器與原FAAC編碼器對音頻文件編碼效果基本相同，并沒有影響音頻文件的音質(zhì)，達(dá)到了算法改進(jìn)的目標(biāo)。因此，該算法的改進(jìn)是可行的，能有效地提高編碼效率。

5 結(jié)論

通過對MPEG-4 AAC音頻編碼器量化模塊的研究，實(shí)現(xiàn)了一種減少量化時(shí)間的算法。通過實(shí)驗(yàn)證明了該算法的可行性，該算法是在不影響音頻質(zhì)量的前提下提出的，與文獻(xiàn)［4］和文獻(xiàn)［5］的思路和方法有很大的不同，該算法對實(shí)時(shí)音頻編碼具有重要的研究意義，能夠提高編碼效率。該算法的提出只是針對外層循環(huán)的計(jì)算過程，而內(nèi)層循環(huán)的計(jì)算沒做任何改進(jìn)，因此，如何有效地改進(jìn)內(nèi)層循環(huán)將是下一步研究的內(nèi)容。

［1］Painter T.Perceptual coding of digtalaudio［J］.Proceedingsof the IEEE，2000，88（4）：451-513.

［2］ISO／IEC IS-14496（Part 3，Audio），Information technology -coding of audio-visual objects［S］.

［3］Aggarwal A.Near-optimal selection of encoding parameters for audio coding［C］／／Proceedings of2001 International Conference on Acoustics，Speech，and Signal Precessing.Salt Lake City，UT，USA：IEEE，2001：3269-3272.

［4］Olivier Derrien.A new quantization optimization algorithm for the MPEG advanced audio coder using a statistical subbandmodelof the quantizationg noise［J］.IEEETransactions on Audio，Speech，Langage Processing，2006，14（4）：1328-1339.

［5］Ali M T，Saleem M.Improved audio quality at 48 kbits／s for MPEG-4 AAC［C］／／Proceedings of 2008 International Conference on Electrical Engineering.Hongkong：IEEE，2008：1-8.

［6］Brandenburg K.OCF-A new coding algorithm for high quality sound signals［C］／／Proceedings of1987 IEEE International Conference on Acoustics，Speech，and Signal Processing.Dallas，TX：IEEE，1987：141-144.

LIU Hong-fu was born in Kaifeng，Henan Province，in 1983. He received the M.S.degree in 2009.He is now a graduate student.His research concerns audio decoding technology.

Email：hb-wh-zc＠163.com

張聰（1968—），男，上海人，博士，教授、碩士生導(dǎo)師，主要研究方向?yàn)橐纛l編解碼技術(shù)與通信；

ZHANG Cong was born in Shanghai，in 1968.He is now a professorwith the Ph.D.degree and also the instructor of graduate students.His research concerns audio decoding technology and communication.

梁瑞凡（1988—），男，湖北漢川人，碩士研究生，主要研究方向?yàn)橐纛l編解碼技術(shù)。

LIANG Rui-fan was born in Hanchuan，Hubei Province，in 1988.He is now a graduate student.His research concerns audio decoding technology.

Improvement of Quantization M odule in MPEG-4 AAC Audio Encoding

LIU Hong-fu，ZHANGCong，LIANGRui-fan
（Mathematics and Computer College，Wuhan Polytechnic University，Wuhan 430023，China）

The quantization process of MPEG-4 AAC audio coding standard uses double circulation patterns proposed by Brandenburg and a better coding quality and compression ratio can be obtained.But in the process of actual coding，because of toomany iteration times of themethod，there will be slower convergence speed，and even deadlock situations.Based on the analysis of MPEG-4 AAC quantization algorithm，this paper proposes a fast improved algorithm which can calculate frequency band ofeach scale factor.By reducing the process of the external circulation effectively and ensuring the quantization distortion of each scale factor band below the allowable value，the algorithm reduces the calculation of the quantizationmodule.The experiment results show that the algorithm can improve the coding efficiency effectively without affecting the audio coding quality.

audio encoding；quantizationmodule；scale factor；coding efficiency

The National Natural Science Fundation of China（No.60832002）；Key Project of Educational Commission of Hubei Province of China（No.20101704）；2009 Graduate Innovation Fund ofWuhan Polytechnic University（09cx026）

TN911

A

10.3969／j.issn.1001-893x.2012.04.022

劉紅甫（1983—），男，河南開封人，2009年獲學(xué)士學(xué)位，現(xiàn)為碩士研究生，主要研究方向?yàn)橐纛l編解碼技術(shù)；

1001-893X（2012）04-0534-05

2011-11-15；

2012-02-27

國家自然基金重點(diǎn)項(xiàng)目（60832002）；湖北省教育廳科研重點(diǎn)項(xiàng)目（D20101704）；武漢工業(yè)學(xué)院2009年研究生創(chuàng)新基金項(xiàng)目（09cx026）