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時通信為目的的低延遲編碼是兩個不同的研究和應(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,不適合交互式的實時通信的應(yīng)用；另一方面,語音編碼能夠滿足實時通信延遲的要求,但對于非語音信號,其編碼性能較差。因此,研究同時具有高質(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時通

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,而是采用了相對較短、長度固定的變換窗,從而大幅度地降低了算法延遲。同時,為了在高壓縮比下獲得高質(zhì)量的音頻,LDX對現(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,同時也提高了心理聲學(xué)分析的精確度；LDX運用正方形極坐標(biāo)映射的聲道耦合算法,相對于傳統(tǒng)的M/S立體聲編碼算法,具有更高的編碼效率；針對變換

3、的音頻編碼中預(yù)回聲現(xiàn)象,LDX提出了一種時域拆分--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時通信；支持較大范圍的編碼比特率和采樣率；中等算法復(fù)雜度。