[原创]桓泽学音频编解码(13):AC3 位分配模块算法分析

简介: [原创]桓泽学音频编解码(1):MPEG1 MP3 系统算法分析[原创]桓泽学音频编解码(2):AC3/Dolby Digital 系统算法分析[原创]桓泽学音频编解码(3):AAC 系统算法分析[原创]桓泽学音频编解码(4):MP3 和 AAC 中反量化原理,优化设计与参考代码中实现[原...

[原创]桓泽学音频编解码(1):MPEG1 MP3 系统算法分析

[原创]桓泽学音频编解码(2):AC3/Dolby Digital 系统算法分析

[原创]桓泽学音频编解码(3):AAC 系统算法分析

[原创]桓泽学音频编解码(4):MP3 和 AAC 中反量化原理,优化设计与参考代码中实现

[原创]桓泽学音频编解码(5):MP3 和 AAC 中IMDCT算法的原理,优化设计与参考代码中实现

[原创]桓泽学音频编解码(6):MP3 无损解码模块算法分析

[原创]桓泽学音频编解码(7):MP3 和 AAC 中huffman解码原理,优化设计与参考代码中实现

[原创]桓泽学音频编解码(8):关于MP3和AAC量化器设计的研究

[原创]桓泽学音频编解码(9):MP3 多相滤波器组算法分析

[原创]桓泽学音频编解码(10):AAC 无损解码模块算法分析

[原创]桓泽学音频编解码(11):AC3 exponent(指数部分)模块解码算法分析

[原创]桓泽学音频编解码(12):AC3 Mantissa(小数部分)模块算法分析

1 编码概述

在ac3中,对mantissa的编码是使用变长编码。但是他的变长编码不是熵编码,而是通过心理声学模型去计算在以不引人可感知的量化噪声或在规定限度内的量化噪声的现定下每个mantissa可以分配的bit位数。然后由解码器从码流中读出mantissa数据。通常心理声学模型计算可分配位数的过程只在编码器中进行,ac3引入解码器的方式要求解码器和编码器的计算结果都一样。所以为了避免由于计算的类型和位宽导致的计算差异。AC3规定,位分配计算统一使用整数计算和查表的方式实现。

2 解码原理

AC-3采用了基于人耳掩蔽效应的失真准则,综合了前向和后向自适应比特分配算法的优点,在一个以后向自适应比特分配为核心的基础之上,提出了新的棍合算法——参数比特分配(Parameter Bit Allocation).因此在AC-3比特流中只需传送一些影响掩蔽曲线的形状、幅度从而影响比特分配的心理声学模型的关键参数,而这些参数所占用的比特远小于总体比特分配信息.这样,在不改变解码设备的情况下,编码器可以通过改变这些参数从而改善系统的性能.因此,AC-3解码器必须根据编码流来产生相应的比特分配信息,并采用编码流传送过来的参数修正比特分配,它不需确定比特分配策略,只须与编码器相同的顺序计算即可。它的步骤如下图所示。

  

 

2 算法原理

比特指派对音频信号从掩蔽效应分析它的频谱包络,以确定分配给各频谱系数的尾数所需要的比特数。比特指派包含一个由频率函数表示的人耳听觉的参数模型,用来估算噪声域值。在编码器中,根据输入信号的特性确定听觉模型的各种参数,将模型参数同其它附带信息传送到解码器。解码器先计算出细颗粒均匀频率标度上的输入信号功率谱密度(PSD),再根据传送的模型参数计算出粗颗粒频率标度上的噪声域值,将两者差值用来查比特指派指针(BAP)表格的索引,查表得到比特指派指针信息。以上解码流程在AC3解码程序的比特指派子函数中分为7个子步骤如下:

a. 初始化: 对正在被解码的声道计算出其起始或终止频率。

b. 映射: 将指数解码解出的频率指数映射为13比特带符号的对数功率谱密度函数。

c. PSD积分:将上述每个频率的PSD值在50个频带内分别作积分,计算出每个频带内对应的PSD积分值。

d. 计算激励函数:根据上述每个频带的PSD积分值及码流中发送的人耳听觉模型参数计算出整个频谱的激励函数。

e. 计算掩盖曲线:结合激励函数和听觉域值计算出掩蔽曲线,即每个频率的噪声域值。

f. 增量比特指派:根据码流中的DBA(增量比特指派)信息对上步计算出的约定掩盖曲线以进行调整的方式修改比特分派,从而获得音频质量的改善。

g. 计算比特指派:将掩蔽曲线从第二步计算出的频谱细颗粒度PSD值数组中减去,将其作为查BAP表格的索引,得到指示尾数占用比特数的BAP数组。

   算法流程图如下

 

3 参考代码

3.1 伪代码

Step1:初始化比特流参数    

 

 

 

csnroffst

6bit

 

fsnroffst[ch]

4bit

 

cplfsnoffst

4bit

 

lfefsnoffst

4bit

 

 

Step2:由exponent计算法PSD。

把exponent映射到13比特有符号的对数功率谱密度函数PSD,PSD的单位是dB。代码如下

       for (bin=start; bin<end; bin++)

       {

              psd[bin] = (3072 - (exps[bin] << 7));

       }

变量属性

 

I/O

位宽

范围

exps[bin]

I

5位

0~24

psd[bin]

O

 13位

0~3072

 

Step3:PSD积分。

每个1/6倍频程的整数频带内对PSD进行积分。积分用对数加实现。对数加用查表实现。查表的地址是2个输入参数的差的绝对值除2。

bndtab[k]:第k带宽中第一个mantissa

bndsz[k]:第k带宽中包含的mantissa的个数

masktab[start]:从mantissa号到对应的1/6倍频程的号的映射

输入:

psd[]:psd值

中间变量:

输出:

bndpsd[]:psd积分值

代码如下

/* 积分 the psd function over each bit allocation band */

       j = start;

       k = masktab[start];

      

       do

       {

              lastbin = min(bndtab[k] + bndsz[k], end);

              bndpsd[k] = psd[j];

              j++;

 

              for (i = j; i < lastbin; i++)

              {

                     bndpsd[k] = logadd(bndpsd[k], psd[j]);

                     j++;

              }

             

              k++;

       } while (end > lastbin);

 

static inline short logadd(short a, short  b)

{

       short c;

       short address;

 

       c = a - b;

       address = min((abs(c) >> 1), 255);

      

       if (c >= 0)

              return(a + latab[address]);

       else

              return(b + latab[address]);

}

Step4:计算激励函数。

输入:

bndpsd[]:psd积分值

中间变量:

输出:

 

代码如下

       /* Compute excitation function */

       bndstrt = masktab[start];

       bndend = masktab[end - 1] + 1;

      

       if (bndstrt == 0) /* For fbw and lfe channels */

       {

              lowcomp = calc_lowcomp(lowcomp, bndpsd[0], bndpsd[1], 0);

              excite[0] = bndpsd[0] - fgain - lowcomp;

              lowcomp = calc_lowcomp(lowcomp, bndpsd[1], bndpsd[2], 1);

              excite[1] = bndpsd[1] - fgain - lowcomp;

              begin = 7 ;

             

              /* Note: Do not call calc_lowcomp() for the last band of the lfe channel, (bin = 6) */

              for (bin = 2; bin < 7; bin++)

              {

                     if (!(is_lfe && (bin == 6)))

                            lowcomp = calc_lowcomp(lowcomp, bndpsd[bin], bndpsd[bin+1], bin);

                     fastleak = bndpsd[bin] - fgain;

                     slowleak = bndpsd[bin] - sgain;

                     excite[bin] = fastleak - lowcomp;

                    

                     if (!(is_lfe && (bin == 6)))

                     {

                            if (bndpsd[bin] <= bndpsd[bin+1])

                            {

                                   begin = bin + 1 ;

                                   break;

                            }

                     }

              }

             

              for (bin = begin; bin < min(bndend, 22); bin++)

              {

                     if (!(is_lfe && (bin == 6)))

                            lowcomp = calc_lowcomp(lowcomp, bndpsd[bin], bndpsd[bin+1], bin);

                     fastleak -= fdecay ;

                     fastleak = max(fastleak, bndpsd[bin] - fgain);

                     slowleak -= sdecay ;

                     slowleak = max(slowleak, bndpsd[bin] - sgain);

                     excite[bin] = max(fastleak - lowcomp, slowleak);

              }

              begin = 22;

       }

       else /* For coupling channel */

       {

              begin = bndstrt;

       }

 

       for (bin = begin; bin < bndend; bin++)

       {

              fastleak -= fdecay;

              fastleak = max(fastleak, bndpsd[bin] - fgain);

              slowleak -= sdecay;

              slowleak = max(slowleak, bndpsd[bin] - sgain);

              excite[bin] = max(fastleak, slowleak) ;

       }

Step5:计算掩蔽曲线。

这一步从激励函数计算掩蔽曲线。其中excite[]为激励函数,mask[]为掩蔽曲线。使用码流中fscod,deltbaie,cpldeltbae,deltbae[ch],cpldeltnseg,cpldeltoffst[seg],cpldeltlen[seg],cpldeltba[seg],deltnseg[ch],deltoffst[ch][seg],deltlen[ch][seg],deltba[ch][seg]变量。

代码如下

输入:

中间变量:

输出:

       bndstrt = masktab[start];

       bndend = masktab[end - 1] + 1;

       /* Compute the masking curve */

       for (bin = bndstrt; bin < bndend; bin++)

       {

              if (bndpsd[bin] < dbknee)

              {

                     excite[bin] += ((dbknee - bndpsd[bin]) >> 2);

              }

              mask[bin] = max(excite[bin], hth[fscod][bin]);

       }    

Step6:应用delta比特分配。

代码如下

       /* Perform delta bit modulation if necessary */

       if ((deltbae == DELTA_BIT_REUSE) || (deltbae == DELTA_BIT_NEW))

       {

              sint_16 band = 0;

              sint_16 seg = 0;

             

              for (seg = 0; seg < deltnseg+1; seg++)

              {

                     band += deltoffst[seg];

                     if (deltba[seg] >= 4)

                     {

                            delta = (deltba[seg] - 3) << 7;

                     }

                     else

                     {

                            delta = (deltba[seg] - 4) << 7;

                     }

                    

                     for (k = 0; k < deltlen[seg]; k++)

                     {

                            mask[band] += delta;

                            band++;

                     }

              }

       }

Step7:完成比特分配计算。

计算比特分配指针数组bap[]。在前一步中的snroffset调整极端的掩蔽曲线,把它从微粒psd[]数组中减去,差值右移5位,用阈值切割,然后用作地址差表获得最后地分配。

       /* Compute the bit allocation pointer for each bin */

       i = start;

       j = masktab[start];

 

       do

       {

              lastbin = min(bndtab[j] + bndsz[j], end);

              mask[j] -= snroffset;

              mask[j] -= floor;

             

              if (mask[j] < 0)

                     mask[j] = 0;

 

              mask[j] &= 0x1fe0;

              mask[j] += floor;

              for (k = i; k < lastbin; k++)

              {

                     address = (psd[i] - mask[j]) >> 5;

                     address = min(63, max(0, address));

                     bap[i] = baptab[address];

                     i++;

              }

              j++;

       } while (end > lastbin);

3.2 C代码

   位分配算法在C参考代码中的bit_allocate()函数中实现,代码流程图如下

 

每个通道内计算位分配依次使用4个函数完成上述的7个步骤,流程图如下

 

   每个函数内部的代码和伪代码几乎一致,所以不再赘述。

目录
相关文章
|
2月前
|
数据采集 机器学习/深度学习 算法
|
2月前
|
人工智能 算法 BI
第一周算法设计与分析 D : 两面包夹芝士
这篇文章介绍了解决算法问题"两面包夹芝士"的方法,通过找出两个数组中的最大最小值,计算这两个值之间的整数个数,包括特判不存在整数的情况。
|
18天前
|
算法 搜索推荐 开发者
别再让复杂度拖你后腿!Python 算法设计与分析实战,教你如何精准评估与优化!
在 Python 编程中,算法的性能至关重要。本文将带您深入了解算法复杂度的概念,包括时间复杂度和空间复杂度。通过具体的例子,如冒泡排序算法 (`O(n^2)` 时间复杂度,`O(1)` 空间复杂度),我们将展示如何评估算法的性能。同时,我们还会介绍如何优化算法,例如使用 Python 的内置函数 `max` 来提高查找最大值的效率,或利用哈希表将查找时间从 `O(n)` 降至 `O(1)`。此外,还将介绍使用 `timeit` 模块等工具来评估算法性能的方法。通过不断实践,您将能更高效地优化 Python 程序。
32 4
|
16天前
|
算法 程序员 Python
程序员必看!Python复杂度分析全攻略,让你的算法设计既快又省内存!
在编程领域,Python以简洁的语法和强大的库支持成为众多程序员的首选语言。然而,性能优化仍是挑战。本文将带你深入了解Python算法的复杂度分析,从时间与空间复杂度入手,分享四大最佳实践:选择合适算法、优化实现、利用Python特性减少空间消耗及定期评估调整,助你写出高效且节省内存的代码,轻松应对各种编程挑战。
26 1
|
1月前
|
算法 数据可视化
基于SSA奇异谱分析算法的时间序列趋势线提取matlab仿真
奇异谱分析(SSA)是一种基于奇异值分解(SVD)和轨迹矩阵的非线性、非参数时间序列分析方法,适用于提取趋势、周期性和噪声成分。本项目使用MATLAB 2022a版本实现从强干扰序列中提取趋势线,并通过可视化展示了原时间序列与提取的趋势分量。代码实现了滑动窗口下的奇异值分解和分组重构,适用于非线性和非平稳时间序列分析。此方法在气候变化、金融市场和生物医学信号处理等领域有广泛应用。
|
2月前
|
算法
算法设计与分析作业
这篇文章是关于算法设计与分析的作业,其中包含了两个算法实现:一个是使用分治算法实现的十进制大整数相乘(包括加法、减法和乘法函数),并进行了正确性和健壮性测试;另一个是使用快速排序思想实现的分治查找第K小元素的程序,并分析了其平均和最坏时间复杂度。
算法设计与分析作业
|
22天前
|
机器学习/深度学习 存储 人工智能
文本情感识别分析系统Python+SVM分类算法+机器学习人工智能+计算机毕业设计
使用Python作为开发语言,基于文本数据集(一个积极的xls文本格式和一个消极的xls文本格式文件),使用Word2vec对文本进行处理。通过支持向量机SVM算法训练情绪分类模型。实现对文本消极情感和文本积极情感的识别。并基于Django框架开发网页平台实现对用户的可视化操作和数据存储。
25 0
文本情感识别分析系统Python+SVM分类算法+机器学习人工智能+计算机毕业设计
|
2月前
|
算法 Java 测试技术
算法分析(蛮力法与减治算法应用实验报告)
这篇文章是关于算法分析的实验报告,介绍了如何使用蛮力法解决背包问题,并通过伪代码和Java代码实现,同时分析了其时间效率;还介绍了基于减治法思想实现的二叉查找树的插入与查找,同样提供了伪代码、Java源代码实现和时间效率分析,最后展示了测试结果截图。
算法分析(蛮力法与减治算法应用实验报告)
|
1月前
|
编解码 算法 图形学
同一路RTSP|RTMP流如何同时回调YUV和RGB数据实现渲染和算法分析
我们播放RTSP|RTMP流,如果需要同时做渲染和算法分析的话,特别是渲染在上层实现(比如Unity),算法是python这种情况,拉两路流,更耗费带宽和性能,拉一路流,同时回调YUV和RGB数据也可以,但是更灵活的是本文提到的按需转算法期望的RGB数据,然后做算法处理
|
2月前
|
人工智能 算法
第一周算法设计与分析:C : 200和整数对之间的情缘
这篇文章介绍了解决算法问题"200和整数对之间的情缘"的方法,通过统计数组中每个数模200的余数,并计算每个同余类中数的组合数来找出所有满足条件的整数对(i, j),使得\( A_i - A_j \)是200的整数倍。