Eine Übersicht über das Prinzip der MP3-Kodierung
Die Audiokomprimierung besteht aus zwei Teilen: Codierung und Decodierung. Codierung ist die Umwandlung digitaler Audiodaten in einer Wave-Datei in eine stark komprimierte Form (als Bitstream bezeichnet); Dekodierung ist die Rekonstruktion des Bitstroms in eine Wave-Datei.
Audiokomprimierung kann in verlustfreie Komprimierung und verlustbehaftete Komprimierung unterteilt werden. Die verlustfreie Komprimierung dient dazu, die Redundanz von Audiodaten zu minimieren, um deren Lautstärke zu reduzieren. Sobald das Audiosignal codiert und decodiert ist, muss es mit dem Originalsignal übereinstimmen. Die Komprimierungsrate der verlustfreien Komprimierung ist relativ begrenzt, aber jetzt kann die beste APE eine Komprimierungsrate von 50 % erreichen (ich verwende Monkey’s Audio 3.97, um WAV im extra hohen Komprimierungsmodus zu komprimieren, und die Komprimierungsrate kann ein Minimum von 52 % erreichen). Verlustbehaftete Komprimierung ist die Verwendung aller Mittel, einschließlich der Methoden der verlustfreien Komprimierung, um alle verlierbaren Daten zu verlieren, um das Volumen zu reduzieren. Nach der Audiokomprimierung klingt die Decodierung mindestens genauso wie das Original, und das Komprimierungsverhältnis der verlustbehafteten Komprimierung kann erheblich verbessert werden. MP3 ist eine verlustbehaftete Komprimierung und das Komprimierungsverhältnis beträgt 12:1 (128 kbps).
MP3-Dateien bestehen aus Frames und Frames sind die kleinste Einheit von MP3-Dateien. Was ist ein Gemälde? Erinnerst du dich, wie die ursprüngliche Animation gemacht wurde? Verschiedene kontinuierliche Bilder werden für dynamische Effekte abgewechselt, jedes Bild ist ein “Frame”, der Unterschied besteht darin, dass Frames in MP3 Audiodaten anstelle von Grafikdaten aufzeichnen. Die MP3-Bildrate beträgt etwa 30 Bilder pro Sekunde.
Jeder Frame besteht aus Frame-Header und Frame-Daten. Der Frame-Header zeichnet die grundlegenden Informationen des Frames auf, einschließlich des Bitratenindex und des Abtastratenindex (dies ist sehr wichtig, um die ABR- und VBR-Codierungsmethoden zu verstehen). Frame-Daten zeichnen, wie der Name schon sagt, die wichtigsten Audiodaten auf.
Das Obige ist die Grundlage der MP3-Codierung, aber tatsächlich sind die frühen Codierer sehr unvollkommen, der Komprimierungsalgorithmus ist fast rudimentär und die Klangqualität ist nicht ideal. Die Klangqualität von MP3 hat mit zwei Sprüngen das aktuelle Niveau erreicht: die Einführung des menschlichen auditiven psychologischen Modells (Wahrnehmungsmodell) und die Anwendung der VBR-Technologie.
◆Modell der menschlichen Hörpsychologie
Einige wichtige Prinzipien werden im Folgenden kurz vorgestellt:
1) Die minimale Hörschwelle
Der Hörbereich des menschlichen Ohrs ist der Frequenzbereich von 20 Hz bis 20 kHz, aber die Empfindlichkeit des menschlichen Ohrs gegenüber Tönen unterschiedlicher Frequenzen ist unterschiedlich, und die Intensität von Tönen unterschiedlicher Frequenzen erreicht einen Pegel, der für die hörbar ist Das menschliche Ohr ist anders. Dann kann durch Berechnung der Ton entfernt werden, der in der Musikdatei vorhanden ist, aber vom menschlichen Ohr nicht gehört werden kann. Durch dieses Prinzip können wir auch ein Modell erstellen, um den größten Teil des Datenraums dem Bereich von 2 kHz bis 5 kHz zuzuweisen, wo das menschliche Ohr am empfindlichsten ist, und weniger Platz für den Rest der Frequenz zuzuweisen;
2) Der Maskierungseffekt des menschlichen Ohrs
Der Maskierungseffekt tritt auf, wenn ein starkes Signal schwache Signale bei benachbarten Frequenzen maskiert. Aus der Lebenserfahrung heraus ist in einem ruhigen Raum eine Nadel zu hören, wenn sie auf den Boden fällt, aber auf der Straße kann es sein, dass sie selbst bei maximaler Lautstärke des Mobiltelefons nicht gehört wird, wenn ein Anruf eingeht. fertig, und der Ton des Handys ist vorhanden. Ja, der Grund ist, dass es von den lauteren Geräuschen in der Umgebung verdeckt wird. Mit den Ergebnissen der Untersuchung des Schattierungseffekts kann der Encoder die Schattierung vom starken Signal zum nahe gelegenen schwachen Signal gemäß dem etablierten mathematischen Modell berechnen, um den Ton beizubehalten, der die Aufmerksamkeit der Menschen auf sich ziehen kann.
Auch das menschliche Ohr hat einen Pre-Masking-Effekt und einen Post-Masking-Effekt: Da der Mensch eine gewisse Zeit benötigt, um das Schallsignal zu verarbeiten, wird das schwache Signal vor oder nach dem starken Signal maskiert. Die Front-Shading-Effektzeit beträgt nur 2–5 ms und die Back-Shading-Zeit ist relativ lang, etwa 100 ms. Damit können wir die Auflösung vor und nach dem starken Signal reduzieren;
