音頻編碼原理

語音編碼致力于：降低傳輸所需要的信道帶寬，同時保持輸入語音的高質(zhì)量。

語音編碼的目標在于：設計低復雜度的編碼器以盡可能低的比特率實現(xiàn)高品質(zhì)數(shù)據(jù)傳輸。

1、靜音閾值曲線：只在安靜環(huán)境下，人耳在各個頻率能聽到聲音的閾值。

2、臨界頻帶

由于人耳對不同頻率的解析度不同，MPEG1/Audio將22khz內(nèi)可感知的頻率范圍，依不同編碼層，不同取樣頻率，劃分成23~26個臨界頻帶。下圖列出理想臨界頻帶的中心頻率與頻寬。圖中可看到，人耳對低頻的解析度較好。

3、頻域上的掩蔽效應：幅值較大的信號會掩蔽頻率相近的幅值較小的信號，如下圖：

4、時域上的遮蔽效應：在一個很短的時間內(nèi)，若出現(xiàn)了2個聲音，SPL（sound pressure level）較大的聲音會掩蔽SPL較小的聲音。時域掩蔽效應分前向掩蔽（pre-masking）和后向掩蔽（post-masking），其中post-masking的時間會比較長，約是pre-masking的10倍。

時域遮蔽效應有助于消除前回音。