Mpeg音频压缩和心理声学简介

Mpeg音频压缩简介

未经压缩的音频，例如CD，储存的数据比人脑能够处理的还多。例如如果两个音调非常接近，人脑就只能感知其中一个。如果两个声音相差很多，但是一个比另一 个强很多，人脑通常就无法感知较弱的一个。一个人的耳朵，和其他人相比，可能对某几个频率的声音更敏感。研究这些声音现象的学问称为“心理声学”，这门学 问已经有了很多的研究成果，人们现在已经可以用图标很准确地描述这些现象，并且可以通过数学模型表示人类听觉的一些模式。

Mp3压缩工具分析输入的源信号，将其分解为数学模式，并且将这些数学模式和编码器中保存的心理声学模型作比较。这样一来编码器就可以只保留那些和心理声 学模型匹配的数据，而把那些不匹配的数据丢掉，被丢弃的数据占了输入信号的绝大部分。控制编码过程的人可以指定输出信号的比特率，输出信号的比特率越低， 丢弃的数据就越多，压缩后的音频质量就越低。这种压缩称为有损压缩，因为压缩过程中有数据损失。上述过程结束之后，编码器会对第一趟压缩产生的数据用传统 的数据压缩算法进行第二趟压缩，这一趟压缩会使最后的输出数据量进一步减小。

Mp3文件由一系列的“帧”构成，帧帧相连，好像一卷电影胶片。每一帧数据前都有一个“头部”，头部包含了帧内数据的一些额外信息。在某些编码方式里，这 些帧之间可以有交互。例如如果一个帧有剩余的存储空间（对定长的帧而言），而下一个帧存储空间不足，他们就可以把两帧内的数据进行跨帧分配以达到最好的空 间利用率。

在mp3文件的开始或者结尾处，保存了一些关于文件本身的额外信息，比如这段音频作者的名字，音轨的名字，唱片集的名字，录制时间，作品流派，甚至是个人评论等等。这些数据被称为”ID3数据”。

波形和心理声学

世间万物都是振动（或者说是波）。宇宙由不同波长的波构成，振动于不同频率的波表现出不同的特性，从宇宙本身的缓慢振动，到人类无法感知的物质本身的高速 振动，振动无处不在。在上述两种极端情况之间，有一些波长的波是人类能够感知的，比如声音和光。例如可以引起听觉的波长范围两端之外，分别是超声和次声； 可以引起视觉的光波范围两端之外，分别是红外和紫外光谱区。除此之外还有难以数计的、人类无法感知的频率范围（例如无线电波——广播电视信号、 GSM/CDMA信号，微波炉的微波等等）。

相对宇宙中存在的全部波长范围来说，我们的感官能感知的只是其中很小的一部分。实际上我们平常使用的乐器，会发出很多人耳不能感知的振动。频率的单位通常 是赫兹，即“每秒钟的周期数”。一般来说，人耳能听到的频率范围是20赫兹－20K赫兹（宽度19980赫兹），不同个体的听觉有所不同，但基本上，人都 是感知中频声音比较容易，感知低频、高频声音比较困难。人对高频声音的感知力会随着年龄增大而下降，长时间暴露于高强度声音中也会使感知高频声音的能力下 降。事实上一般人成年以后很难感知16K赫兹以上的声音，绝大多数人能敏锐感知的声音频率范围的宽度不过2K~4K赫兹——正常情况下人类语音的频率范围 是500HZ－2KHZ，宽度为1.5K赫兹，所以上述2K-4KHZ的敏感频率范围宽度可能是和人类的不断进化有关的。

现在我们对人类的听觉机制，已经有了简单、确定的经验观测结论。但是有人提出，人类的意识会起到一种类似减压阀的作用，将真正重要的信息保留下来以待处 理，而忽视了绝大部分无关信息。这个学说认为，我们实际处理的信息量，还不足我们五官感知的总信息量的十亿分之一。我们的意识在这里起到了一个筛选作用， 从输入信号中筛选出最重要的信息，以便我们能集中关注对我们真正有意义的事。

感知编解码器的原理之一，就是丢弃那些本不能被人类感知的数据。这听上去好像挺简单挺明显的，但是你不知道，一个品质优良的原始音频数据储存了大量无法 “听到”的“声音”数据。因为录音设备（例如一个优质麦克风）和我们的耳朵相比，对更为宽广的频率范围敏感，并且有更高的分辨率。