MP3編碼算法的改進與優化

董寧

（西安外事學院 現代教育中心，陜西 西安 710077）

MP3編碼器的基本結構一般包括心里聲學模型、子帶濾波、量化編碼等幾個關鍵模塊，這幾個模塊雖然經歷了大量的改進和優化，由于各種改進算法層出不窮。所以仍然有很大的改進空間，本論文主要對其心理聲學模型和量化模塊進行改進，以期采用一種更為先進的模型來代替標準模型，進一步改善MP3編碼算法的性能。

1 心理聲學模型的改進

為了提高MP3編碼器的編碼質量，本論文使用了一個改進的心理聲學模型，用其替代原MP3編碼算法中的心理聲學模型。下面對該改進的心理聲學模型的計算流程[1]做一個詳細的介紹：

1.1 原心理聲學模型計算流程

首先進行的是FFT計算：

1）重新構造時域輸入信號采樣值；

2）FFT變換計算輸入信號的頻譜：

①用1 024點或256點的漢寧窗給采樣值加窗，記為；SWi

②分長短塊分別計算采樣值的FFT，分別存放在wsamp_l和wsamp_s兩個數組中；

③計算FFT變換后的頻譜能量：fftenergy；

④對變換結果用極坐標表示。RW和FW表示SWi的幅度和相位。

3）計算預測的幅度和相位：

4）計算不可預測性度量C（w）：

計算閾值如圖1所示。

5）計算能量和不可預測性：

6）用上一步計算的能量和不可預測性卷積頻帶擴展函數：

7）計算音調索引值tbb：

其中 conv1=0.229，conv2=0.43，均為常數。

8）計算各部分的信噪比SNR：

miniba1是閾值計算表中的值，可以查表，TMN為29 dB，NMT為 6.0 dB。

圖1 閾值計算流程圖Fig.1 Threshold calculation flow chart

9）計算實際的能量門限：

其中norm是一個規格化的常數。

10）計算預回聲控制。考慮到絕對掩蔽門限，則可聽性的最終能量門限閾值為：

其中 rpwlev=2，rpwlev_2=16，qthr是為靜音閾值。

計算感知熵PE，進而決定塊類型：

11）計算感知熵PE：

式中，cbwidth當前閾值計算部分的寬度，查表可得。

12）根據感知熵PE大小確定塊類型：

如果 PE＞1 800 或 max eb＞30 min eb，或（PE＞100，max eb＞10min eb）用short類型，其余用long類型。

根據確定好的塊類型，分長短塊再計算掩蔽閾值：

13）閾值計算的第二部分[3]（長塊）

①計算每個縮放比例因子帶的能量和閾值：

其中 bu、b0、w1、w2 的值查表可得。

②計算每個縮放比例因子頻帶的比值：

14）計算短塊閾值：

①計算第一個短塊能量；

②用擴展函數卷積分區能量；

③計算短塊閾值，在此與閾值計算第一部分的不同是這里的SNR的值可直接從表中查得；

④將計算的閾值與靜音閾值和前面計算的最終閾值作比較，取最大者作為最后的閾值thr；

⑤調用閾值計算第二部分；

⑥塊數目加1，判斷塊數目是否＞3，是則返回，不是則循環重復②步。

1.2 改進后的心理聲學模型

獨有的3個步驟[2]。計算聲道間掩蔽效應：

15）計算縮放比例因子帶左聲道的閾值l、右聲道的閾值r；

16）左聲道的掩蔽效應+=r*interCHRatio；右聲道的掩蔽效應+=l*interCHRatio。

式中interCHRatio是通道間掩蔽效應因子，是一個設定的值。

計算mid/side channel的閾值，編碼模式為立體聲：

17）長塊m/s channel閾值的計算；

18）短塊m/s channel閾值的計算和17）步長塊相似，只是需要從第一塊到第三塊循環計算三次即可。

下一步邊、中聲道掩蔽比值的計算[6]：

長塊時：x1=max（長塊左、右聲道閾值），x2=max（長塊左、右聲道閾值）；

短塊時，計算方法和長塊類似，只需循環3次。

下一步確定最后的塊類型：根據有無attack在4個塊類型間切換，確定最后輸出塊類型。 心理聲學模型最終輸出塊類型、閾值、比值及感知熵，供后面的MDCT和量化編碼模塊參考使用。

2 編碼器量化模塊的改進

由量化公式：

量化的計算是比較復雜的。量化模塊是一個多次循環的過程，隨著步長stepsize的調整，每條頻線都要經過多次的量化計算，因此量化模塊是整個MP3編碼算法中運算量最大的部分，該模塊的改進和速度的提高，對于整個編碼過程的實時性保障，具有重大的意義。量化模塊由3層循環構成，即：幀循環、外循環、內循環。在這3層循環中，又以外循環計算量最大，消耗的系統資源最多。內循環主要對MDCT后的頻譜線做量化操作。外循環主要是一個調整比例因子（scalefactor）以控制量化噪音低于掩蔽曲線的循環。盡可能地減少內外循環的次數，減少量化的計算次數對速度的提升是非常明顯的。

1）外循環的改進

外循環退出的3個條件[4]分別是：所有的比例因子帶（scalefactor band）里的比例因子scalefactor是否都進行了調整；比例因子是否超出了上限；所有比例因子帶的量化噪聲是否都在掩蔽曲線以內。這3個條件在實際應用中是非常苛刻的。一般情況下，如果要尋找到最佳量化效果，外循環的循環次數至少要經過30次。在最壞的情況下，外循環的次數甚至可以達到近50次。當這種情況發生時，就會導致該幀信號的編碼耗時非常長，將會嚴重地影響到編碼器的性能。為了避免發生這種情況，本論文對外循環的退出條件，增加了另外一個約束條件，當外循環的循環次數超過某個設定的上限時，不管是否達到最佳量化效果，都將強制退出外循環，并將最后一次量化作為最終的量化結果。這樣處理的好處是可以避免外循環的次數過多，從而導致其計算量過大，從而保證編碼器的實時性能。

這里最關鍵的是要合理地設置循環次數的上限值，如果設置得過小，則量化效果將會很差，從而導致編碼質量嚴重下降；反之，則該上限值基本上起不到作用，從而導致編碼器的實時性能得不到保障。經過大量的測試，在本文的設計中，將外循環的循環次數上限設定為10次，該上限值可以做到性能和運算量兩者的兼顧。

經上述改進后，在本論文的研究中，退出外循環的4個條件如下：

①所有比例因子帶的Scalefactor如果都進行了調整，則退出外循環；

②如果比例因子超出了規定的上限，則退出外循環；

③如果小于兩個比例因子帶的量化噪聲不在掩蔽曲線之內，則退出外循環；

④如果循環的次數大于10次，則退出外循環；

以上4個改進后的外循環退出條件，實際上是以犧牲精度來換取速度。但經過大量的測試，這些精度犧牲帶來的誤差，是人耳幾乎無法感知出來的。其帶來的直接好處是循環次數大大地減少了。經過大量的測試發現，這種改進使得資源的消耗降到了原來的1/3。

2）內循環的改進

在內循環中，不斷地調整量化步長（stepsize），以便使得Huffman編碼過程所需的比特數最少。每進行這樣的一次調整，就要對所有的頻線量化一次。若循環次數太多，將會耗費大量的時間。因此，如何盡快地找到合適的量化步長（stepsize），也是一個非常重要的問題。在此過程中，本論文采用了兩種方法[5]相結合的辦法來尋找合適的量化步長：

①充分利用音頻信號的時間相關性，將前一幀的最終量化步長作為當前幀的初始步長，將量化比特數代入一個二元一次方程計算得到此時量化步長stepsize的估計值，然后再進行步長增幅的微調；

②進行微調時，每次步長的增幅大小不是固定為1，而是根據超出的比特數來選擇不同的增幅，通過這種變步長增幅的方式，就可以大幅度地減少尋找量化步長的循環次數。

同時還對量化公式進行了如下的變形：

這樣，每一根頻譜線只需計算一次|xr（i）|0.75，不用每調整一次步長就計算一次。只需根據不同的量化步長計算，而stepsize通常只取整數值，且有一定的取值范圍的，可以將stepsize作為索引值，將的結果制成一張表，每次只需根據stepsize的值去查表即可。

通過對內外循環進行如上的改進，整個量化模塊的循環次數和計算量相比原來有了很大的減少，性能有了明顯的進步。

3 性能測試

為了得到客觀的結果，在此選取20個音頻信號進行測試，其中包含單聲道信號、雙聲道信號，也包含采樣率為48 kHz、44.1 kHz的信號，既有脈沖信號，也有持續性較長的周期信號。

通過對比可以看出，采用新型心理聲學模型，并改進量化循環模塊后，MP3編碼算法質量測試ODG值相比改進之前有了明顯的提高，大部分音頻信號的測試ODG值都已經處于可接受的范圍之內，特別是原來一些質量較差的信號（ODG值低于-3），編碼質量更是得到了大幅度的提升。這說明改進是非常有效的，達到了設定的要求。

4 結束語

本文首先從改進MP3編碼算法的質量入手，采用全新的心理聲學模型替換原心理聲學模型，然后對量化編碼模塊進行了改進，使編碼質量度有了明顯的提高，在提高質量的基礎上，編碼速度也有了一定的改善，再通過采取一些其他的優化措施，包括算法結構優化、C代碼優化等，使編碼速度基本達到了要求。

[1]豐帆.MP3數字音頻編解碼算法的研究及實現[D].西安：西安電子科技大學，2008.

[2]馬昌萍，宋丹，馬幼鳴.MP3編碼算法分析[J].佳木斯大學學報，2005，23（1）:64-67.MA Chang-ping，SONG dan，MA You-ming.Analysis of the MP3 coding algorithm[J].Journal of Jiamusi University，2005，23（1）:64-67.

[3]張力光，王讓定.心理聲學模型及其在 MP3編碼中的應用[J].寧波大學學報（理工版），2010，23（3）:27-30.ZHANG Li-guang，WANG Rang-ding.Psychoacoustic model and its application in MP3 coding[J].Journal of Ningbo University:Science and Technology，2010，23（3）:27-30.

[4]ISO/IEC JTC1/SC29/WG11 MPEG，11172-3.Information Technology—Coding of Moving Pictures and Associated Audio for Digital Storage Media at up to About 1.5Mbit/s，part 3:Audio[S]，1992.

[5]Shlien S.Guide to MPEG-1 Audio Standard[J].IEEE Transactions on Broadcasting，1994，40（4）:214-215.

[6]McCandless M.The MP3 revolution[J].IEEE Intelligent Systems Archive，1999，14（3）:8-9.