DRA音頻解碼算法及其DSP實現(xiàn)

馬文華，許晶晶，沈映娜

（1.廣東外語外貿(mào)大學(xué) 信息科學(xué)與技術(shù)學(xué)院 計算機系，廣東 廣州 510630；2.廣東省數(shù)字音頻重點實驗室，廣東 廣州 510640；3.廣東省計算中心，廣東 廣州 510033）

0 引言

常用的數(shù)字音頻編解碼技術(shù)主要有杜比AC-3，DTS，AAC，MP3，DRA等。音頻處理設(shè)備從實現(xiàn)方式上可分為兩大類：一類是采用專用芯片進(jìn)行音頻信號的編解碼處理，其特點是處理速度快，實時性強（實現(xiàn)成本低廉,適合大規(guī)模量產(chǎn)），但功能相對單一，已經(jīng)越來越不適應(yīng)用戶的需求；另一類采用通用數(shù)字信號處理器DSP為核心建立系統(tǒng)，其優(yōu)點是功能豐富，能迅速應(yīng)用新算法、新標(biāo)準(zhǔn)或新協(xié)議，有利于產(chǎn)品的快速升級。其缺點是由于采用軟件算法，運算速度相對較慢，特別是進(jìn)行大運算量的音頻編碼處理，實時性不易保證。

本文研究了DRA（Dynamic Resolution Adaptation）解碼算法，并在飛思卡爾公司的DSPB56367定點芯片上實現(xiàn)了DRA技術(shù)的實時解碼過程。主觀聽音測試表明：設(shè)計的DRA音頻解碼器性能指標(biāo)先進(jìn)，可廣泛應(yīng)用于數(shù)字電視、數(shù)字音頻廣播、寬帶多媒體及移動多媒體等領(lǐng)域。

1 DRA解碼算法

DRA技術(shù)是一種同時支持立體聲和多聲道環(huán)繞聲的數(shù)字音頻編解碼技術(shù)[1-2]。DRA技術(shù)的最大特點是用很低的解碼復(fù)雜度實現(xiàn)了國際先進(jìn)水平的壓縮效率。在編解碼過程中，信號通道保持24 bit的精度（除了因量化而有意舍棄的精度外）；可支持的聲道設(shè)置除了常見的立體聲、5.1環(huán)繞聲、6.1環(huán)繞聲和7.1環(huán)繞聲之外，還為未來的音頻技術(shù)發(fā)展預(yù)留了空間；同時可支持8～192 kHz間的標(biāo)準(zhǔn)采樣頻率，包括44.1 kHz和48 kHz；它對編碼比特率（碼率）沒有明確限制，在具體應(yīng)用時可根據(jù)信道帶寬和音質(zhì)要求等因素來設(shè)定[1]。

DRA解碼流程如圖1所示。

其中多路解復(fù)用器用于從比特流解包出各個碼字，由于Huffman碼屬前綴碼，其解碼和多路解復(fù)用是在同一個步驟中完成的；碼書選擇器用于從比特流中解碼出用于解碼量化指數(shù)用的各個Huffman碼書及其應(yīng)用范圍（application range）；量化指數(shù)解碼器用于從比特流中解碼出量化指數(shù)；量化單元個數(shù)重建器可根據(jù)碼書應(yīng)用范圍重建各個瞬態(tài)段的量化單元的個數(shù)；逆量化器用于從碼流中解碼出所有量化單元的量化步長，并用它由量化指數(shù)重建子帶樣本；可選聯(lián)合強度解碼器利用聯(lián)合強度比例因子由源聲道的子帶樣本重建聯(lián)合聲道的子帶樣本；可選的和/差解碼器用于從和/差聲道的子帶樣本重建左右聲道的子帶樣本；逆交叉重組器用于當(dāng)幀中存在瞬態(tài)時，逆轉(zhuǎn)編碼器對量化指數(shù)的交叉重組；短/暫窗口函數(shù)序列用于根據(jù)瞬態(tài)的位置及MDCT的完美重建（per?fect reconstruction）條件來重建該幀須用的短和暫窗口函數(shù)序列（對于瞬態(tài)幀）；可變分辨力合成濾波器組可由子帶樣本重建PCM音頻樣本[3]。

2 DRA解碼器的設(shè)計與實現(xiàn)

2.1 DRA解碼器的硬件設(shè)計

飛思卡爾（Freescale）的數(shù)字信號處理（DSP）芯片DSPB56367主要定位在數(shù)字音頻壓縮/解壓縮以及有關(guān)數(shù)字音頻處理的其他領(lǐng)域，它是24位處理器，滿足DRA算法設(shè)計24位精度的需要，該處理精度已超出人耳聽覺極限；同時在1.8 V內(nèi)核電壓下執(zhí)行速度為150 MI/s（兆指令/秒），在1.5 V內(nèi)核電壓下，執(zhí)行速度為100 MI/s，也滿足5.1聲道算法的處理要求，其優(yōu)良的性能使之成為DRA音頻算法處理的理想器件[4]。

本文設(shè)計的多聲道數(shù)字音頻解碼器，采用DSPB56367作為核心運行DRA解碼算法。把來自數(shù)字音頻接口S/PDIF（或AES/EBU）的DRA格式的低碼率信號實時的解碼成多聲道數(shù)字音頻信號，再由數(shù)字音頻接口S/PDIF（或AES/EBU）輸出給后端設(shè)備。同時還輸出高指標(biāo)的多聲道模擬音頻信號給后端監(jiān)聽設(shè)備。解碼器的硬件組成如圖2所示。

圖2中MCU使用80C51，對DIR（Digital Interface Re?ceiver）和DIT（Digital Interface Transmitter）進(jìn)行配置，同時可復(fù)位DSP并進(jìn)行相關(guān)數(shù)據(jù)控制操作。RAM采用IS61LV5128-10T；Flash采用SST39LE040；DSP的編程采用JTAG方式；MCU采用I2C數(shù)據(jù)傳輸方式與DSP通信。

DRA多聲道數(shù)字音頻解碼器的數(shù)字接口性能指標(biāo)如表1所示。

表1 DRA多聲道數(shù)字音頻解碼器的數(shù)字接口性能指標(biāo)

DRA多聲道數(shù)字音頻解碼器的模擬輸出接口性能指標(biāo)如表2所示。

表2 DRA多聲道數(shù)字音頻解碼器的模擬接口性能指標(biāo)

2.2 DRA解碼器的軟件設(shè)計

解碼器的軟件流程如圖3所示。

首先設(shè)置系統(tǒng)統(tǒng)時鐘（PLL），清空存儲器，設(shè)置S/PDIF輸入輸出參數(shù)（I2S），等待DRA同步字，當(dāng)1 024個字（word）的DRA碼流裝滿DSP存儲器后，交換乒乓存儲器，解碼1幀。解碼流程見圖1。

2.2.1 乒乓緩沖區(qū)

乒乓（ping-pong）緩沖技術(shù)是一種同時利用兩個數(shù)據(jù)緩沖區(qū)的數(shù)據(jù)傳輸處理技術(shù)。使用乒乓緩沖是因為在傳輸和處理數(shù)據(jù)過程中單個緩沖區(qū)數(shù)據(jù)很容易被覆蓋。乒乓緩沖方式的連續(xù)執(zhí)行，總是保持一個緩沖區(qū)激活用于數(shù)據(jù)傳輸，而另一個緩沖區(qū)保持靜態(tài)穩(wěn)定的由DSP處理數(shù)據(jù)。

DSP內(nèi)核存取內(nèi)部RAM（IRAM）中的數(shù)據(jù)的速度比存取外部存儲器中數(shù)據(jù)的速度快的多。但I(xiàn)RAM容量有限，不能滿足整個輸入幀的要求，因此同一時間在IRAM中只能處理一部分模塊。處理乒乓集時，DMA將乒乓集從外部存儲器傳遞至IRAM，這樣DSP內(nèi)核就能在完成當(dāng)前工作后立即開始處理下面的數(shù)據(jù)。用乒乓緩沖區(qū)處理流程如圖4所示。乒乓緩沖區(qū)在處理DRA解碼算法的時候，每個緩沖區(qū)取1 024個字的數(shù)據(jù)進(jìn)行處理，可同時處理8個聲道的音頻數(shù)據(jù)。

圖4 乒乓緩沖區(qū)處理流程

2.2.2 Huffman解碼

Huffman編碼的理論依據(jù)是變字長編碼理論。可以證明，按照概率出現(xiàn)大小的順序，對輸出碼字分配不同碼字長度的變字長編碼方法，其輸出碼字的平均碼長短，信源熵值可以接近[2]。

DRA算法根據(jù)量化級數(shù)的多少而選用不同的Huff?man碼書，當(dāng)一個碼書中的量化級數(shù)很小時，多個量化指數(shù)被歸集到一起以形成一個大的Huffman碼書。當(dāng)量化級的個數(shù)太大時（例如超過200），則采用遞歸索引。對此一個大的量化指數(shù)q被表示為

式中：M是模；m是商；r是余數(shù)。只有m和r需要被傳送到解碼器。它們中的一個或其兩者都可以用Huffman碼來編碼。

DRA解碼器中的Huffman數(shù)據(jù)處理流程如圖5所示。

DRA解碼過程中對每個聲道的子帶樣本的量化指數(shù)進(jìn)行Huffman編碼，以提高壓縮效率。表3[1]所示的兩組碼書被用來對子帶樣本的量化指數(shù)進(jìn)行Huff?man編碼，分別對應(yīng)平穩(wěn)幀和瞬態(tài)幀；而每組碼書又分別由9個Huffman碼書組成。因此，對每一個特定的幀，共有9個Huffman碼書可用于對這些量化指數(shù)進(jìn)行Huffman編碼。這些碼書的選擇由量化指數(shù)的局部統(tǒng)計特性而決定：

1）根據(jù)量化指數(shù)的局部統(tǒng)計特性對量化指數(shù)分段；

2）為每段選擇最佳的碼書。

表3 解碼量化指數(shù)用的Huffman碼書選擇

因此，需把這些段的個數(shù)、長度（碼書的應(yīng)用范圍）、以及所選擇的碼書指數(shù)傳輸給解碼器。

假設(shè)由碼書選擇得到碼書指數(shù)2對應(yīng)的Huffman碼表如表4所示。當(dāng)接收緩沖區(qū)得到圖6所示數(shù)據(jù)時進(jìn)行Huffman解碼。

表4 Huffman碼表

首先取出第1位數(shù)據(jù)“0”放入解碼寄存器B的最低位，此時查找碼表4可解出對應(yīng)量化指數(shù)-2進(jìn)行DRA解碼，如圖7所示。

重復(fù)上述步驟讀取第二位數(shù)“1”存入B，查找碼表未能解出碼字，左移1位繼續(xù)取數(shù)，直到取出“110”解出量化指數(shù)為“1”，如圖8所示。設(shè)置X可減少遍歷運算時間。

DRA解碼過程很大部分的運算量都體現(xiàn)在Huffman解碼的過程中，5.1聲道音頻數(shù)據(jù)解碼需要48 MI/s，平均每個聲道8 MI/s。

2.2.3 修正離散余弦反變換（IMDCT）

變換編碼是當(dāng)前的音頻編碼標(biāo)準(zhǔn)普遍采用的壓縮技術(shù)。變換編碼屬于頻域編碼，把信號從時域變到頻域，再對其頻譜系數(shù)進(jìn)行量化編碼。變換編碼充分利用人耳在頻域上的聽覺特性（主要是掩蔽效應(yīng)和臨界頻帶）來實現(xiàn)對音頻信號進(jìn)行有效的壓縮，是一種高效的編碼技術(shù)。DRA編解碼算法使用了修正離散余弦變換（MDCT）技術(shù)，有利于消除塊邊界噪聲。

DRA編解碼算法使用DCT來完成MDCT的快速算法。編碼器端把每個聲道的音頻信號的PCM樣本分解成子帶信號，這是由應(yīng)用MDCT產(chǎn)生的一組頻域系數(shù)實現(xiàn)的。在解碼端再從子帶樣本重建PCM音頻樣本，這由應(yīng)用IMDCT實現(xiàn)[5]。針對輸入音頻信號的動態(tài)特征，M=1 024的長MDCT用于處理穩(wěn)態(tài)幀，M=128的短MDCT則用于處理瞬態(tài)幀[6]。

DRA用的基函數(shù)為

式中，w(n)為長度為2M的窗口函數(shù)。

DRA用到的所有窗口函數(shù)都是基于如式（3）表示的正弦函數(shù)[7]

編碼所得的MDCT系數(shù)X(k)經(jīng)過量化和Huffman編碼送入解碼端，在解碼端經(jīng)過逆量化后得到(k)，再進(jìn)行IMDCT變換。

3 DRA解碼器的測試

伴隨著信號處理技術(shù)的不斷進(jìn)步，經(jīng)各音頻壓縮編解碼系統(tǒng)處理后的節(jié)目信號，其音質(zhì)的損傷難以用相關(guān)的技術(shù)參數(shù)進(jìn)行客觀評價，目前行之有效的方法是主觀評價。因此通過對DRA解碼后音質(zhì)進(jìn)行主觀聽音測試來了解其性能。

測試素材的評估選擇根據(jù)國家標(biāo)準(zhǔn)GB/T10240-1998《電聲產(chǎn)品聲音質(zhì)量主觀評價用節(jié)目源編輯制作規(guī)范》，從EBU的標(biāo)準(zhǔn)素材庫和商業(yè)DVD-AUDIO中選擇確定，包括8個環(huán)繞聲和8個立體聲片段。

根據(jù)ITU-R BS.1584建議書《數(shù)字廣播音頻編碼系統(tǒng)的用戶要求》對發(fā)射領(lǐng)域基本音頻質(zhì)量規(guī)定：被測系統(tǒng)應(yīng)按照ITU-R BS.1116建議書規(guī)定的雙盲三刺激隱藏基準(zhǔn)5級標(biāo)度法進(jìn)行測試（5分——不覺察；4分——可覺察，但不討厭；3分——稍有討厭；2分——討厭；1分——非常討厭），獲得的平均分應(yīng)高于4.0分。

測試結(jié)果表明，本文設(shè)計的解碼硬件在128 kbit/s的立體聲音質(zhì)總體優(yōu)于4.7分，達(dá)到了EBU定義的“不能識別損傷的”音頻質(zhì)量；在384 kbit/s的5.1環(huán)繞聲音質(zhì)總體優(yōu)于4.5分；完全能滿足數(shù)字廣播系統(tǒng)的要求。

4 結(jié)束語

DRA多聲道數(shù)字音頻編解碼技術(shù)的最大特點是用很低的解碼復(fù)雜度實現(xiàn)了較高水平的壓縮效率。由于DRA技術(shù)編解碼過程的所有信號通道均有24 bit的精度容量，故在碼率充足時能提供超出人耳聽覺能力的音質(zhì)。本文基于DSPB56367設(shè)計的DRA音頻解碼器在標(biāo)準(zhǔn)碼率（每聲道64 kbit/s）下?lián)p傷已較難識別，達(dá)到了EBU定義的“不能識別損傷的”音頻質(zhì)量要求，滿足了實際應(yīng)用的要求。

[1]SJ/T11368-2006多聲道數(shù)字音頻編解碼技術(shù)規(guī)范[S].2006.

[2]馬文華，曾慶煜.DRA算法及其實時解碼器設(shè)計[J].電視技術(shù)，2009，33（5）：36-39.

[3]PRINCEN J P，BRADLEY A B.Analysis/synthesis filter bank design based on time domain aliasing cancellation[J].IEEE Trans.ASSP，1986，34（5）：1153-1161.

[4]Freescale.Freescale Semiconductor DataSheet（DSP56367）[EB/OL].[2008-04-20].http：//www.freescale.com.

[5]PAINTER T，SPANIAS A.Perceptual coding of digital audio[J].Proceedings of the IEEE，2000，88（4）：451-513.

[6]YOU Yuli.Audio decoing：US，US11/689371[P].2006-04-06.

[7]MALVAR H S.Signal processing with lapped transforms[M].Norwood，MA：Artech House，1992.