一種改進(jìn)的先進(jìn)音頻編碼固定碼率控制算法*

解文華肖進(jìn)勝易本順黃正旭

(武漢大學(xué)電子信息學(xué)院，湖北武漢430079)

先進(jìn)音頻編碼(AAC)屬于感知音頻編碼的一種，是MPEG-2音頻的非向后兼容部分，也是MPEG-4音頻部分的核心.AAC是一種極為全面的編碼方式，多聲道和高采樣率的特點(diǎn)使得它非常適合DVD-音頻，低碼率下的高音質(zhì)則使它也適合移動(dòng)通信、網(wǎng)絡(luò)電話、在線廣播等領(lǐng)域.AAC編碼碼率模式的實(shí)現(xiàn)大致分為3種:固定碼率模式(CBR)、平均碼率模式(ABR)和可變碼率模式(VBR).CBR可以確保編碼后的音頻文件具有固定的大小，但不保證編碼后的音頻文件具有固定的音質(zhì);VBR正好與CBR相反;ABR在CBR和VBR之間找到了一個(gè)平衡點(diǎn).CBR的編碼器被認(rèn)為是商業(yè)應(yīng)用中的默認(rèn)模式，在某些特定的、具有固定信道容量的應(yīng)用系統(tǒng)(如數(shù)字廣播和綜合業(yè)務(wù)數(shù)字網(wǎng))中，CBR是一種強(qiáng)制模式.

好的固定碼率控制算法在實(shí)現(xiàn)碼率平穩(wěn)的同時(shí)還能起到提高音質(zhì)、降低編碼計(jì)算復(fù)雜度的作用.ISO標(biāo)準(zhǔn)算法建議采用雙層迭代量化循環(huán)和比特緩沖池技術(shù)來實(shí)現(xiàn)固定碼率編碼，但該算法不但計(jì)算量大，而且容易造成碼率的異常波動(dòng)和音質(zhì)的較大起伏.目前，國內(nèi)外對(duì)AAC編碼器的優(yōu)化研究主要集中在算法優(yōu)化、結(jié)構(gòu)改進(jìn)、高效的硬件實(shí)現(xiàn)等方面，心理聲學(xué)模型、濾波器組和量化編碼模塊因計(jì)算量大、復(fù)雜度高成為了優(yōu)化研究的重點(diǎn)［1-7］.關(guān)于量化編碼模塊的改進(jìn)，文獻(xiàn)［1］中提出了一種改進(jìn)的基于比特估算數(shù)學(xué)模型的量化器迭代算法，有效地減少了量化器的迭代次數(shù).文獻(xiàn)［4］中提出利用前面幀的量化信息對(duì)當(dāng)前幀的初始量化步長(zhǎng)作線性預(yù)測(cè)，同時(shí)采用BFOS算法來控制量化的步長(zhǎng)，從而將雙層量化循環(huán)結(jié)構(gòu)簡(jiǎn)化為單循環(huán)結(jié)構(gòu).上述算法明顯降低了量化模塊的計(jì)算復(fù)雜度，但沒有考慮固定碼率的實(shí)現(xiàn)，在數(shù)字信號(hào)處理器(DSP)等硬件平臺(tái)上實(shí)現(xiàn)時(shí)，仍存在計(jì)算量較大的問題.

為此，文中提出了一種高效的AAC固定碼率控制算法:在為當(dāng)前幀分配比特時(shí)，充分考慮比特緩沖池的使用情況和編碼復(fù)雜度，使比特緩沖池起到真正的緩沖作用，同時(shí)根據(jù)編碼所需比特?cái)?shù)和感知熵的關(guān)系，在量化循環(huán)之前進(jìn)行掩蔽閾值的預(yù)調(diào)整.文中還對(duì)ISO標(biāo)準(zhǔn)算法的比特緩沖池操作和量化編碼流程進(jìn)行了改進(jìn)，并通過在音質(zhì)評(píng)估序列庫(SAQM)測(cè)試序列上的實(shí)驗(yàn)驗(yàn)證了所提算法的有效性.

1 AAC協(xié)議中的CBR模型框架及分析

固定碼率編碼需要兼顧碼率和音質(zhì)的要求，即要在碼率恒定的情況下盡量實(shí)現(xiàn)音質(zhì)的最佳化.ISO標(biāo)準(zhǔn)算法采用比特緩沖池技術(shù)和雙層迭代量化循環(huán)來實(shí)現(xiàn)固定碼率編碼.在量化循環(huán)之前，AAC編碼器要進(jìn)行掩蔽閾值和最大可用比特?cái)?shù)等的計(jì)算.其中，掩蔽閾值由心理聲學(xué)模型根據(jù)人耳聽覺的掩蔽效應(yīng)計(jì)算得出［8-9］，當(dāng)量化噪聲小于掩蔽閾值時(shí)便不能被人耳感知;為了計(jì)算當(dāng)前幀的最大可用比特?cái)?shù)，AAC編碼器先利用感知熵計(jì)算編碼所需比特?cái)?shù):

式中:ni為第i個(gè)臨界頻帶的掩蔽閾值，即允許的最大量化失真;ei和wi分別為第i個(gè)臨界頻帶的能量和寬度;N為臨界頻帶的個(gè)數(shù);P為感知熵，用于表征編碼復(fù)雜度，決定編碼所需比特?cái)?shù);Bc為編碼所需比特?cái)?shù);AAC編碼器根據(jù)輸入音頻信號(hào)的特征將每幀信號(hào)再劃分為1個(gè)長(zhǎng)塊或8個(gè)短塊進(jìn)行處理，在長(zhǎng)塊下p=0.3、q=6，在短塊下p=0.6、q=24.

則當(dāng)前幀的最大可用比特?cái)?shù)Bmax為

式中，B為幀目標(biāo)比特?cái)?shù)(文中采用當(dāng)前碼率下的平均比特?cái)?shù))，T和L分別為比特緩沖池的大小和比特緩沖池中的剩余比特?cái)?shù)，D=Bc-B.

然后將掩蔽閾值和可用比特?cái)?shù)作為雙層迭代量化循環(huán)的兩個(gè)約束條件，雙層迭代循環(huán)由內(nèi)外兩層循環(huán)相互制約來完成比特?cái)?shù)的分配，內(nèi)外層循環(huán)分別控制碼率和量化誤差［8-9］.

這種雙層循環(huán)的迭代結(jié)構(gòu)在使用時(shí)收斂速度較慢，往往無法滿足實(shí)時(shí)應(yīng)用的要求，在AAC LC規(guī)格下，量化循環(huán)的計(jì)算復(fù)雜度占整個(gè)編碼計(jì)算復(fù)雜度的64%以上［10］.同時(shí)，當(dāng)可用比特?cái)?shù)小于編碼所需比特?cái)?shù)時(shí)，量化循環(huán)無法保證所有比例因子帶的量化誤差均小于掩蔽閾值.由于音質(zhì)的要求和碼率的限制，內(nèi)層循環(huán)被反復(fù)調(diào)用，通過調(diào)整全局量化步長(zhǎng)來降低編碼所需比特?cái)?shù)，全局量化步長(zhǎng)的調(diào)整所造成的量化誤差對(duì)各個(gè)比例因子帶的音質(zhì)的損傷不盡相同，而此時(shí)量化誤差的相對(duì)不均勻分布往往無法在外層循環(huán)中得到平衡，因此也就不能在有限的可用比特下得到最佳的音質(zhì)［11］.

另外，在固定碼率編碼模式的實(shí)現(xiàn)過程中，ISO標(biāo)準(zhǔn)算法采用了比特緩沖池技術(shù)，但對(duì)比特緩沖池的操作并未達(dá)到理想效果，特別是在壓縮比較高的情況下，由于標(biāo)準(zhǔn)算法總是最大程度地使用比特緩沖池，以致比特緩沖池幾乎失去了緩沖作用，這不但會(huì)造成音質(zhì)的較大波動(dòng)，而且會(huì)引起碼率的異常起伏.因此，有必要對(duì)ISO標(biāo)準(zhǔn)算法中的固定碼率控制算法進(jìn)行改進(jìn).

2 改進(jìn)的固定碼率控制算法

在固定碼率編碼模式下，特別是在高壓縮比下(針對(duì)AAC LC編碼器而言，尤指當(dāng)壓縮比大于20時(shí))，可用比特?cái)?shù)往往小于編碼所需比特?cái)?shù)，ISO標(biāo)準(zhǔn)協(xié)議所建議的雙層量化循環(huán)更容易暴露出收斂速度慢等問題.如果根據(jù)比特緩沖池的使用情況和感知熵來重新確定當(dāng)前幀的目標(biāo)比特?cái)?shù)，同時(shí)根據(jù)編碼所需比特?cái)?shù)和感知熵的關(guān)系在量化循環(huán)之前對(duì)掩蔽閾值進(jìn)行調(diào)整，可以減少量化循環(huán)的迭代次數(shù)，降低編碼計(jì)算復(fù)雜度，在不降低音質(zhì)的情況下獲得更穩(wěn)定的碼率.為了保證碼率平穩(wěn)，同時(shí)避免音質(zhì)出現(xiàn)較大波動(dòng)，在重新確定當(dāng)前幀的目標(biāo)比特?cái)?shù)時(shí)要考慮編碼復(fù)雜度，同時(shí)要使比特緩沖池能真正起到緩沖作用，因此可根據(jù)B、L和P來重新確定當(dāng)前幀的目標(biāo)比特?cái)?shù)B*:

式中，Pmax和Pmin分別為編碼過程中的最大感知熵和最小感知熵的統(tǒng)計(jì)值，α、β和γ為經(jīng)驗(yàn)值.為了實(shí)現(xiàn)碼率的平穩(wěn)性，若當(dāng)前幀的編碼復(fù)雜度比較小，比特緩沖池中的剩余比特也不足，則瞬時(shí)碼率不應(yīng)過小;若當(dāng)前幀的編碼復(fù)雜度比較大，比特緩沖池中的剩余比特很充裕，則瞬時(shí)碼率不應(yīng)過大.因此應(yīng)對(duì)α、β和γ的取值做一定的限制.

得到B*后應(yīng)使編碼實(shí)際所用比特?cái)?shù)與B*相接近以實(shí)現(xiàn)碼率控制.編碼所需比特?cái)?shù)與當(dāng)前幀的編碼復(fù)雜度P有關(guān)，對(duì)應(yīng)關(guān)系如式(1)所示;反之，根據(jù)B*可以得到一個(gè)目標(biāo)感知熵P*，當(dāng)通過調(diào)整掩蔽閾值使該幀的編碼復(fù)雜度與P*相當(dāng)時(shí)，可使編碼實(shí)際所用的比特?cái)?shù)接近B*.于是，由式(2)可得關(guān)于P*的一元二次方程:

解方程得到

為了使估算更為精確，要對(duì)由式(6)計(jì)算出來的P*進(jìn)行進(jìn)一步修正:當(dāng)編碼實(shí)際所用比特?cái)?shù)大于B*且其差值超過一個(gè)門限時(shí)，要減小P*;當(dāng)編碼實(shí)際所用比特?cái)?shù)小于B*且其差值超過一個(gè)門限時(shí)，要增大P*.

當(dāng)P大于P*時(shí)，說明B*已無法保證透明編碼，標(biāo)準(zhǔn)算法的雙層迭代量化循環(huán)在迭代結(jié)束時(shí)，往往出現(xiàn)某些比例因子帶的量化誤差大于其掩蔽閾值的情況.為此，文中算法按一定規(guī)則預(yù)先提高掩蔽閾值以降低編碼復(fù)雜度，使最終的編碼所需比特?cái)?shù)接近于B*，并保證音質(zhì)不下降.掩蔽閾值的提高是在響度域中進(jìn)行的，首先將掩蔽閾值轉(zhuǎn)化到響度域，然后對(duì)每個(gè)頻帶的掩蔽閾值加上一個(gè)代表響度的常量r以提高全頻域的掩蔽閾值，最后將其轉(zhuǎn)換回能量域:

式中，nr，i為調(diào)整后的掩蔽閾值.

中，根據(jù)中值定理存在t(t代表平均總掩蔽門限ni的估算值)，有

若P＞P*，則說明當(dāng)前幀編碼復(fù)雜度較高，需要提高掩蔽閾值以降低編碼復(fù)雜度，使熵接近P*，根據(jù)式(7)有

利用式(9)得到r的一個(gè)解r1:

將r1代入式(7)和(2)即可得到調(diào)整后的掩蔽閾值和調(diào)整后的感知熵P1.

通常情況下P1＞P*，為了進(jìn)一步降低編碼復(fù)雜度和避免量化后產(chǎn)生頻譜空洞，需進(jìn)行第二次迭代計(jì)算，而此次迭代的目的是提高特定臨界頻帶的掩蔽閾值，其中特定頻帶是指滿足的頻帶，是根據(jù)頻域掩蔽效應(yīng)由e與擴(kuò)散函數(shù)求卷積后i得到的結(jié)果，這些頻帶組成集合s.由s中的頻帶求as、bs、P1，s和P*s，則r2為

由r2可以得到一個(gè)新的掩蔽閾值和感知熵P2.假如P2和P*相差超過5%，則根據(jù)式(11)重復(fù)進(jìn)行一次掩蔽閾值的調(diào)整.掩蔽閾值調(diào)整完成后，就可以采用新的掩蔽閾值來作為量化循環(huán)的約束條件，通過內(nèi)外兩層循環(huán)的相互制約來完成碼率控制和量化誤差的控制.在進(jìn)行量化循環(huán)之前，由于根據(jù)當(dāng)前幀預(yù)分配的比特?cái)?shù)對(duì)掩蔽閾值進(jìn)行了合理的調(diào)整，因而可以減少量化循環(huán)的迭代次數(shù)，降低編碼計(jì)算復(fù)雜度，在低碼率下效果尤為顯著.改進(jìn)的固定碼率控制算法流程如圖1所示.

圖1 固定碼率控制算法的流程圖Fig.1 Flowchart of constant bitrate control algorithm

3 實(shí)驗(yàn)及結(jié)果分析

為驗(yàn)證所提算法的有效性，文中使用SAQM中的測(cè)試序列(44.1 kHz，16 b采樣，雙聲道立體聲)進(jìn)行了一系列實(shí)驗(yàn)，其中實(shí)驗(yàn)處理器平臺(tái)為TI公司的DSP處理器C64XX系列，在開源AAC編碼器FAAC基礎(chǔ)上進(jìn)行了定點(diǎn)化及相關(guān)模塊的修改.

將SAQM中的測(cè)試序列分別用標(biāo)準(zhǔn)算法和文中算法以64 kb/s的碼率進(jìn)行編碼，對(duì)編碼輸出碼率和編碼過程中比特緩沖池的使用情況進(jìn)行了對(duì)比，3種音頻序列的輸出結(jié)果如圖2所示.

由圖2可知，文中算法的輸出碼率穩(wěn)定在目標(biāo)碼率附近的±1%范圍內(nèi)，而比特緩沖池中的剩余比特?cái)?shù)始終維持在一個(gè)較高的水平并隨編碼復(fù)雜度的變化而變化;標(biāo)準(zhǔn)算法的輸出碼率在編碼開始和編碼過程中會(huì)出現(xiàn)異常波動(dòng)，由于標(biāo)準(zhǔn)算法未對(duì)比特緩沖池的使用進(jìn)行合理限制，因此其比特緩沖池中的剩余比特?cái)?shù)幾乎始終維持在一個(gè)很低的水平，失去了緩沖作用.

對(duì)SAQM中的6種測(cè)試序列以64 kb/s的碼率進(jìn)行編碼，文中算法和標(biāo)準(zhǔn)算法的量化循環(huán)平均迭代次數(shù)和編碼平均計(jì)算量的對(duì)比結(jié)果如表1所示.其中迭代次數(shù)是指每幀的迭代次數(shù)，編碼計(jì)算量是指編碼過程中平均每秒所需的CPU兆周期數(shù).由表1可以看出，由于文中算法根據(jù)當(dāng)前可用比特?cái)?shù)來對(duì)掩蔽閾值進(jìn)行合理的調(diào)整，因而可以提高量化迭代循環(huán)的收斂速度，進(jìn)而大大降低了量化循環(huán)的平均迭代次數(shù)，使編碼平均計(jì)算量也得到了很大程度的降低.

圖2 3種音頻序列的測(cè)試結(jié)果Fig.2 Test results of three audio sequences

表1 2種算法的迭代次數(shù)與編碼計(jì)算量比較Table 1 Comparison of iteration times and encoding computational complexity between two algorithms

文中采用音頻質(zhì)量感知評(píng)價(jià)系統(tǒng)(PEAQ)［12］對(duì)由標(biāo)準(zhǔn)算法和文中算法在64 kb/s目標(biāo)碼率下得到的編碼后的音頻序列分別進(jìn)行打分，結(jié)果如表2所示.該系統(tǒng)的輸出結(jié)果表征了編碼后的音頻文件與原始音頻文件的客觀差別大小(ODG)，客觀差別得分越接近0表示編碼后的音頻與原始音頻序列越接近.由表2可知，對(duì)于6個(gè)不同的音頻序列，文中算法的編碼質(zhì)量均高于標(biāo)準(zhǔn)算法.這是由于在目標(biāo)碼率下，可用比特?cái)?shù)往往小于編碼所需比特?cái)?shù)，在標(biāo)準(zhǔn)算法中的量化循環(huán)結(jié)束后，各比例因子帶的量化誤差不再滿足心理聲學(xué)模型的要求，且容易造成量化誤差的相對(duì)不均勻分布，而文中算法均勻地提高了全頻域的掩蔽閾值，使各比例因子帶的量化噪聲與由心理聲學(xué)模型計(jì)算得到的掩蔽閾值曲線保持相同的趨勢(shì)，從而在降低計(jì)算復(fù)雜度的同時(shí)保證了音質(zhì);同時(shí)文中算法對(duì)比特緩沖池的合理使用，使得文中算法的編碼音質(zhì)最終優(yōu)于標(biāo)準(zhǔn)算法的編碼音質(zhì).

表2 音頻質(zhì)量客觀評(píng)價(jià)系統(tǒng)的評(píng)分結(jié)果比較Teble 2 Comparison of score results obtained by PEAQ

4 結(jié)語

針對(duì)ISO標(biāo)準(zhǔn)算法在實(shí)現(xiàn)AAC固定碼率時(shí)存在的碼率不穩(wěn)定和計(jì)算量大的問題，文中提出了一種高效的固定碼率控制算法.該算法能夠有效地利用比特緩沖池，使比特緩沖池中的剩余比特?cái)?shù)維持在一個(gè)較高的水平，真正起到了緩沖的作用，因而不會(huì)造成碼率和音質(zhì)的異常波動(dòng).當(dāng)可用比特?cái)?shù)小于編碼所需比特?cái)?shù)時(shí)，標(biāo)準(zhǔn)算法的雙層迭代量化循環(huán)不能保證所有比例因子帶的量化誤差均小于各自的掩蔽閾值，為此文中算法對(duì)掩蔽閾值進(jìn)行了預(yù)調(diào)整，在大大降低編碼計(jì)算復(fù)雜度的同時(shí)不會(huì)造成編碼音質(zhì)的下降.實(shí)驗(yàn)結(jié)果表明:文中所提算法對(duì)比特緩沖池的利用較標(biāo)準(zhǔn)算法更為有效，編碼輸出碼率基本維持在目標(biāo)碼率附近的±1%范圍內(nèi)，所以更適用于數(shù)字廣播等具有固定信道容量的系統(tǒng);文中算法能夠在不降低音質(zhì)的情況下顯著降低雙層量化循環(huán)的迭代次數(shù)，大大降低編碼計(jì)算復(fù)雜度，從而降低AAC編碼器對(duì)硬件處理器平臺(tái)性能的要求.

［1］舒若，吳樂南.基于量化步長(zhǎng)線性預(yù)測(cè)和BFOS算法的MPEG-4 AAC量化［J］.聲學(xué)技術(shù)，2009，28(6):759-760.Shu Ruo，Wu Le-nan.MPEG4-AAC quantization based on linear prediction of quantization step size and BFOS algorithm［J］.Technical Acoustics，2009，28(6):759-760.

［2］Lei S F，Yao SN.A memory-free modified discrete consine transtorm architecture for MPEG-2/4 AAC［J］.IET Circuits，Devices＆Systems，2010，4(1):14-23.

［3］Liu CM，Hsu Han-Wen，Lee Wen-Chieh.Compression artifacts in perceptual audio coding［J］.IEEE Transactions on Audio，Speech，and Language Processing，2008，16(4):681-695.

［4］張雪，杜偉韜，侯亞輝，等.一種AAC音頻編碼量化器的改進(jìn)算法［J］.電聲技術(shù)，2010，34(6):61-62.Zhang Xue，Du Wei-tao，Hou Ya-hui，et al.Improved quantization algorithm of AAC audio encoder［J］.Audio Engineering，2010，34(6):61-62.

［5］Wu S，Qiu X J.A bit allocation method based rate-distortion control algorithm for MPEG-4 advanced audio coding［C］∥Proceedings of International Conference on Audio，Language and Image Processing.Shanghai:IEEE，2008:237-241.

［6］王鵬軍，徐淑正，張鵬，等.MPEG-4 AAC中信息隱藏的研究［J］.東南大學(xué)學(xué)報(bào):自然科學(xué)版，2007，37(增刊(I)):149-153.Wang Peng-jun，Xu Shu-zheng，Zhang Peng，et al.Practical data-hiding in MPEG-4 AAC audio［J］.Journal of Southeast University:Natural Science Edition，2007，37(Suppl(I)):149-153.

［7］周建，劉鵬，梅優(yōu)良，等.基于微處理器核的AAC解碼軟硬件協(xié)同優(yōu)化［J］.浙江大學(xué)學(xué)報(bào):工學(xué)版，2007，41(8):1271-1276.Zhou Jian，Liu Peng，Mei You-liang，et al.Hardware/software co-optimization of AAC decoder based on embedded microprocessor core［J］.Journal of Zhejiang University:Engineering Science，2007，41(8):1271-1276.

［8］ISO/IEC 13818-7，Information technology—generic coding of moving pictures and associated audio information—Part7:advanced audio coding(AAC)［S］.

［9］ISO/IEC 14496-3，Information technology—generic coding of moving pictures and associated audio information—Part3:audio，subpart 4，general audio coding［S］.

［10］Antonio P，Enrique A，Begona R，et al.Realtime implementations of MPEG-2 and MPEG-4 natural audio coders［C］∥Proceedings of the 110th AESConvention.Amsterdam:Audio Engineering Society，2001:5302-5303.

［11］Szwabe Andrzej，Jedrzejek Czeslaw.Perceptually transparent audio compression based on a variable bit rate AAC coder［C］∥Proceedings of the 4th EURASIP Conference Focused on Video/Image Processing and Multimedia Communications.Zagreb:IEEE，2003:685-690.

［12］Kabal P.An examination and interpretation of ITU-RBS.1387:perceptual evaluation of audio quality［R］.Montreal:Department of Electrical＆Computer Engineering，McGill University，2002.