音頻壓縮技術定義

　　音頻信號能進行壓縮的依據是音頻壓縮技術。

　　音頻壓縮技術指的是對原始數字音頻信號流（PCM編碼）運用適當的數字信號處理技術，在不損失有用信息量，或所引入損失可忽略的條件下，降低（壓縮）其碼率，也稱為壓縮編碼。它必須具有相應的逆變換，稱為解壓縮或解碼。音頻信號在通過一個編解碼系統后可能引入大量的噪聲和一定的失真。

　　在音頻壓縮領域，有兩種壓縮方式，分別是有損壓縮和無損壓縮。常見到的MP3、WMA、OGG被稱為有損壓縮，有損壓縮顧名思義就是降低音頻采樣頻率與比特率，輸出的音頻文件會比原文件小。另一種音頻壓縮被稱為無損壓縮，也就是所要說的主題內容。無損壓縮能夠在100%保存原文件的所有數據的前提下，將音頻文件的體積壓縮的更小，而將壓縮后的音頻文件還原后，能夠實現與源文件相同的大小、相同的碼率。無損壓縮格式有APE、FLAC、WavPack、LPAC、WMALossless、AppleLossless、La、OptimFROG、Shorten，而常見的、主流的無損壓縮格式只有APE、FLAC。

　　音頻壓縮技術標準

　　音頻信號是多媒體信息的重要組成部分。音頻信號可分為電話質量的語言、調幅廣播質量的音頻信號和高保真立體聲信號（如調頻廣播信號、激光唱片音盤信號等）數字音頻壓縮技術標準分為電話語音壓縮、調幅廣播語音壓縮和調頻廣播及cd音質的寬帶音頻壓縮3種。

　　在語音編碼技術領域，各個廠家都在大力開發與推廣自己的編碼技術，使得在語音編碼領域編碼技術產品種類繁多，兼容性差，各廠家的技術也難于盡快得到推廣。所以，需要綜合現有的編碼技術，制定出全球統一的語言編碼標準。自20世紀70年代起，ccett下第十五究組和國際標準化組織（iso）已先后推出了一系列的語音編碼技術標準。其中，ccitt推出了g系列標準，而iso則推出了h系列標準。

　　1、電話（200hz-3.4khz）語音壓縮標準主要有itu的g.722（64kb/s）、g721（32kb/s）、g.728（16kb/s）和g.729（8kb/s）等建議，用于數字電話通信。

　　2、調幅廣播（50hz-7khz）語音壓縮標準主要采用itu的g.722（64kb/s）建議，用于優質語音、音樂、音頻會議和視頻會議等。

　　3、調頻廣播（20hz-15khz）及cd音質（20hz-20khz）的寬帶音頻壓縮標準主要采用mpeg-1或mpeg-2雙杜比ac-3等建議，用于cd、md、mpc、vcd、dvd、hdtv和電影配音等。

　　下面主要介紹一下g.722（64kb/s）和mpeg-4

　　G722音頻壓縮編碼標準

　　G.722是支持比特率為64， 56和48kbps多頻率語音編碼算法。在G.722中，語音信號的取樣率為每秒16000個樣本。與3.6kHz的頻率語音編碼相比較，G.722可以處理頻率達7kHz音頻信號寬帶。G.722 編碼器是基于子帶自適應差分脈沖編碼（SB-ADPCM）原理的。信號被分為兩個子帶，并且采用 ADPCM 技術對兩個子帶的樣本進行編碼。

　　G.722是G系列的語音編碼中一種寬帶的編碼方式。相對于G.711 采樣頻率由8KHZ擴展為16KHZ語音質量得以提高將信號劃分為2個子帶（高頻，低頻）每個子帶中的信號都采用ADPCM（adaptive differential pulse code modulation）進行編碼ADPCM原理即只采樣聲音樣本中增量變化的那一段在最后比特率的計算中，低頻部分被分配到比較多的資源8Kbps X 6bit，高頻部分被分配到比較少的資源（多為摩擦聲，噪音等輔助音）8Kbps X 2bit，兩者相加既為64Kbps，故G.722相對于G.711比特率都為64kbps，但提高了語音質量，在cisco CM7.0以上版本中已支持G.722編碼算法，cisco 79以上系列交換機已將G.722編碼作為默認首選編碼。

　　MPEG-4音頻壓縮編碼標準

　　具有高度的靈活性和可擴展性。主要服務于低比特率下的多媒體通信。引入了音頻對象（A○）

　　碼率范圍：2~64kb/s，提供三種類型編碼器①低比特率：參數化編碼器

　　參數編碼器：使用參數編碼技術。

　　兩種編碼工具：諧波矢量激勵編碼、諧波和特征線加噪聲編碼。

　　②中間比特率：碼激勵線性預測編碼器

　　碼激勵線性預測編碼器：主要由激勵源和合成濾波器組成

　　③高比特率：時/頻編碼器

　　時/頻編碼器：時域模塊提取音頻信號的增益信息

　　濾波器組通過DCT變換信號從時域變換到頻域

　　心理聲學模型對不同頻段的頻域信號采取相應的處理策略

　　頻域處理模塊根據心理聲學模塊的參數處理各個頻段的信號。

　　量化和編碼部分對頻域信號進行編碼。