一種改進的先進音頻編碼固定碼率控制算法*

解文華肖進勝易本順黃正旭

(武漢大學電子信息學院，湖北武漢430079)

先進音頻編碼(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使得它非常適合DVD-音頻，低碼率下的高音質則使它也適合移動通信、網絡電話、在線廣播等領域.AAC編碼碼率模式的實現大致分為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;VBR正好與CBR相反;ABR在CBR和VBR之間找到了一個平衡點.CBR的編碼器被認為是商業應用中的默認模式，在某些特定的、具有固定信道容量的應用系統(如數字廣播和綜合業務數字網)中，CBR是一種強制模式.

好的固定碼率控制算法在實現碼率平穩的同時還能起到提高音質、降低編碼計算復雜度的作用.ISO標準算法建議采用雙層迭代量化循環和比特緩沖池技術來實現固定碼率編碼，但該算法不但計算量大，而且容易造成碼率的異常波動和音質的較大起伏.目前，國內外對AAC編碼器的優化研究主要集中在算法優化、結構改進、高效的硬件實現等方面，心理聲學模型、濾波器組和量化編碼模塊因計算量大、復雜度高成為了優化研究的重點［1-7］.關于量化編碼模塊的改進，文獻［1］中提出了一種改進的基于比特估算數學模型的量化器迭代算法，有效地減少了量化器的迭代次數.文獻［4］中提出利用前面幀的量化信息對當前幀的初始量化步長作線性預測，同時采用BFOS算法來控制量化的步長，從而將雙層量化循環結構簡化為單循環結構.上述算法明顯降低了量化模塊的計算復雜度，但沒有考慮固定碼率的實現，在數字信號處理器(DSP)等硬件平臺上實現時，仍存在計算量較大的問題.

為此，文中提出了一種高效的AAC固定碼率控制算法:在為當前幀分配比特時，充分考慮比特緩沖池的使用情況和編碼復雜度，使比特緩沖池起到真正的緩沖作用，同時根據編碼所需比特數和感知熵的關系，在量化循環之前進行掩蔽閾值的預調整.文中還對ISO標準算法的比特緩沖池操作和量化編碼流程進行了改進，并通過在音質評估序列庫(SAQM)測試序列上的實驗驗證了所提算法的有效性.

1 AAC協議中的CBR模型框架及分析

固定碼率編碼需要兼顧碼率和音質的要求，即要在碼率恒定的情況下盡量實現音質的最佳化.ISO標準算法采用比特緩沖池技術和雙層迭代量化循環來實現固定碼率編碼.在量化循環之前，AAC編碼器要進行掩蔽閾值和最大可用比特數等的計算.其中，掩蔽閾值由心理聲學模型根據人耳聽覺的掩蔽效應計算得出［8-9］，當量化噪聲小于掩蔽閾值時便不能被人耳感知;為了計算當前幀的最大可用比特數，AAC編碼器先利用感知熵計算編碼所需比特數:

式中:ni為第i個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個臨界頻帶的能量和寬度;N為臨界頻帶的個數;P為感知熵，用于表征編碼復雜度，決定編碼所需比特數;Bc為編碼所需比特數;AAC編碼器根據輸入音頻信號的特征將每幀信號再劃分為1個長塊或8個短塊進行處理，在長塊下p=0.3、q=6，在短塊下p=0.6、q=24.

則當前幀的最大可用比特數Bmax為

式中，B為幀目標比特數(文中采用當前碼率下的平均比特數)，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數，D=Bc-B.

然后將掩蔽閾值和可用比特數作為雙層迭代量化循環的兩個約束條件，雙層迭代循環由內外兩層循環相互制約來完成比特數的分配，內外層循環分別控制碼率和量化誤差［8-9］.

這種雙層循環的迭代結構在使用時收斂速度較慢，往往無法滿足實時應用的要求，在AAC LC規格下，量化循環的計算復雜度占整個編碼計算復雜度的64%以上［10］.同時，當可用比特數小于編碼所需比特數時，量化循環無法保證所有比例因子帶的量化誤差均小于掩蔽閾值.由于音質的要求和碼率的限制，內層循環被反復調用，通過調整全局量化步長來降低編碼所需比特數，全局量化步長的調整所造成的量化誤差對各個比例因子帶的音質的損傷不盡相同，而此時量化誤差的相對不均勻分布往往無法在外層循環中得到平衡，因此也就不能在有限的可用比特下得到最佳的音質［11］.

另外，在固定碼率編碼模式的實現過程中，ISO標準算法采用了比特緩沖池技術，但對比特緩沖池的操作并未達到理想效果，特別是在壓縮比較高的情況下，由于標準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，這不但會造成音質的較大波動，而且會引起碼率的異常起伏.因此，有必要對ISO標準算法中的固定碼率控制算法進行改進.

2 改進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AAC LC編碼器而言，尤指當壓縮比大于20時)，可用比特數往往小于編碼所需比特數，ISO標準協議所建議的雙層量化循環更容易暴露出收斂速度慢等問題.如果根據比特緩沖池的使用情況和感知熵來重新確定當前幀的目標比特數，同時根據編碼所需比特數和感知熵的關系在量化循環之前對掩蔽閾值進行調整，可以減少量化循環的迭代次數，降低編碼計算復雜度，在不降低音質的情況下獲得更穩定的碼率.為了保證碼率平穩，同時避免音質出現較大波動，在重新確定當前幀的目標比特數時要考慮編碼復雜度，同時要使比特緩沖池能真正起到緩沖作用，因此可根據B、L和P來重新確定當前幀的目標比特數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計值，α、β和γ為經驗值.為了實現碼率的平穩性，若當前幀的編碼復雜度比較小，比特緩沖池中的剩余比特也不足，則瞬時碼率不應過小;若當前幀的編碼復雜度比較大，比特緩沖池中的剩余比特很充裕，則瞬時碼率不應過大.因此應對α、β和γ的取值做一定的限制.

得到B*后應使編碼實際所用比特數與B*相接近以實現碼率控制.編碼所需比特數與當前幀的編碼復雜度P有關，對應關系如式(1)所示;反之，根據B*可以得到一個目標感知熵P*，當通過調整掩蔽閾值使該幀的編碼復雜度與P*相當時，可使編碼實際所用的比特數接近B*.于是，由式(2)可得關于P*的一元二次方程:

解方程得到

為了使估算更為精確，要對由式(6)計算出來的P*進行進一步修正:當編碼實際所用比特數大于B*且其差值超過一個門限時，要減小P*;當編碼實際所用比特數小于B*且其差值超過一個門限時，要增大P*.

當P大于P*時，說明B*已無法保證透明編碼，標準算法的雙層迭代量化循環在迭代結束時，往往出現某些比例因子帶的量化誤差大于其掩蔽閾值的情況.為此，文中算法按一定規則預先提高掩蔽閾值以降低編碼復雜度，使最終的編碼所需比特數接近于B*，并保證音質不下降.掩蔽閾值的提高是在響度域中進行的，首先將掩蔽閾值轉化到響度域，然后對每個頻帶的掩蔽閾值加上一個代表響度的常量r以提高全頻域的掩蔽閾值，最后將其轉換回能量域:

式中，nr，i為調整后的掩蔽閾值.

中，根據中值定理存在t(t代表平均總掩蔽門限ni的估算值)，有

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

利用式(9)得到r的一個解r1:

將r1代入式(7)和(2)即可得到調整后的掩蔽閾值和調整后的感知熵P1.

通常情況下P1＞P*，為了進一步降低編碼復雜度和避免量化后產生頻譜空洞，需進行第二次迭代計算，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，是根據頻域掩蔽效應由e與擴散函數求卷積后i得到的結果，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可以得到一個新的掩蔽閾值和感知熵P2.假如P2和P*相差超過5%，則根據式(11)重復進行一次掩蔽閾值的調整.掩蔽閾值調整完成后，就可以采用新的掩蔽閾值來作為量化循環的約束條件，通過內外兩層循環的相互制約來完成碼率控制和量化誤差的控制.在進行量化循環之前，由于根據當前幀預分配的比特數對掩蔽閾值進行了合理的調整，因而可以減少量化循環的迭代次數，降低編碼計算復雜度，在低碼率下效果尤為顯著.改進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 實驗及結果分析

為驗證所提算法的有效性，文中使用SAQM中的測試序列(44.1 kHz，16 b采樣，雙聲道立體聲)進行了一系列實驗，其中實驗處理器平臺為TI公司的DSP處理器C64XX系列，在開源AAC編碼器FAAC基礎上進行了定點化及相關模塊的修改.

將SAQM中的測試序列分別用標準算法和文中算法以64 kb/s的碼率進行編碼，對編碼輸出碼率和編碼過程中比特緩沖池的使用情況進行了對比，3種音頻序列的輸出結果如圖2所示.

由圖2可知，文中算法的輸出碼率穩定在目標碼率附近的±1%范圍內，而比特緩沖池中的剩余比特數始終維持在一個較高的水平并隨編碼復雜度的變化而變化;標準算法的輸出碼率在編碼開始和編碼過程中會出現異常波動，由于標準算法未對比特緩沖池的使用進行合理限制，因此其比特緩沖池中的剩余比特數幾乎始終維持在一個很低的水平，失去了緩沖作用.

對SAQM中的6種測試序列以64 kb/s的碼率進行編碼，文中算法和標準算法的量化循環平均迭代次數和編碼平均計算量的對比結果如表1所示.其中迭代次數是指每幀的迭代次數，編碼計算量是指編碼過程中平均每秒所需的CPU兆周期數.由表1可以看出，由于文中算法根據當前可用比特數來對掩蔽閾值進行合理的調整，因而可以提高量化迭代循環的收斂速度，進而大大降低了量化循環的平均迭代次數，使編碼平均計算量也得到了很大程度的降低.

圖2 3種音頻序列的測試結果Fig.2 Test results of three audio sequences

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

文中采用音頻質量感知評價系統(PEAQ)［12］對由標準算法和文中算法在64 kb/s目標碼率下得到的編碼后的音頻序列分別進行打分，結果如表2所示.該系統的輸出結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，對于6個不同的音頻序列，文中算法的編碼質量均高于標準算法.這是由于在目標碼率下，可用比特數往往小于編碼所需比特數，在標準算法中的量化循環結束后，各比例因子帶的量化誤差不再滿足心理聲學模型的要求，且容易造成量化誤差的相對不均勻分布，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模型計算得到的掩蔽閾值曲線保持相同的趨勢，從而在降低計算復雜度的同時保證了音質;同時文中算法對比特緩沖池的合理使用，使得文中算法的編碼音質最終優于標準算法的編碼音質.

表2 音頻質量客觀評價系統的評分結果比較Teble 2 Comparison of score results obtained by PEAQ

4 結語

針對ISO標準算法在實現AAC固定碼率時存在的碼率不穩定和計算量大的問題，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數維持在一個較高的水平，真正起到了緩沖的作用，因而不會造成碼率和音質的異常波動.當可用比特數小于編碼所需比特數時，標準算法的雙層迭代量化循環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，為此文中算法對掩蔽閾值進行了預調整，在大大降低編碼計算復雜度的同時不會造成編碼音質的下降.實驗結果表明:文中所提算法對比特緩沖池的利用較標準算法更為有效，編碼輸出碼率基本維持在目標碼率附近的±1%范圍內，所以更適用于數字廣播等具有固定信道容量的系統;文中算法能夠在不降低音質的情況下顯著降低雙層量化循環的迭代次數，大大降低編碼計算復雜度，從而降低AAC編碼器對硬件處理器平臺性能的要求.

［1］舒若，吳樂南.基于量化步長線性預測和BFOS算法的MPEG-4 AAC量化［J］.聲學技術，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算法［J］.電聲技術，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］.東南大學學報:自然科學版，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，梅優良，等.基于微處理器核的AAC解碼軟硬件協同優化［J］.浙江大學學報:工學版，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.