胡瑞敏，王曉晨，涂衛(wèi)平

（武漢大學 國家多媒體軟件工程技術研究中心，湖北 武漢 430079）

1 移動音頻編碼研究背景

當前全球移動通信已全面進入3G時代，3G時代的技術進步使終端接入網絡的帶寬進一步提升，移動通信的環(huán)境條件得到明顯改善，并促進用戶需求進一步增強，各種基于高速網絡的增值業(yè)務層出不窮。以移動視頻點播、移動音樂點播、手機電視、手機音頻廣播、手機音樂等為代表的移動多媒體業(yè)務最具發(fā)展前景，將成為3G業(yè)務的主導[1]。

移動通信網從2G，2.5G到3G和LTE（Long Term Evolution）的演進過程中，呈現(xiàn)出異構化、多媒體化、寬帶化和互聯(lián)網化的趨勢，同時也給我國移動多媒體編解碼技術研究帶來了挑戰(zhàn)：

1）無線電頻譜資源有限。盡管新一代通信網具有更高的數(shù)據(jù)率和更大的系統(tǒng)容量，但是通信帶寬的增長永遠跟不上業(yè)務的增長。這就要求流媒體傳輸系統(tǒng)在對流媒體進行編碼時，要有較高的壓縮效率。

2）無線信道環(huán)境不穩(wěn)定。異構移動網絡環(huán)境下，無線信道具有易變、時錯和帶限的特點，導致多媒體通信受到帶寬、時延、干擾和丟包率等因素的影響嚴重，對其服務質量產生了較大影響。迫切需要通過轉碼、適配、傳輸及差錯掩蔽等方面的研究來提高異構移動環(huán)境下的服務質量。

3）移動終端資源受限。作為便攜式系統(tǒng)的移動終端，通常使用電池供電，其供能系統(tǒng)的容量受到很大限制，這已成為制約移動多媒體通信業(yè)務發(fā)展的主要因素之一，因而設計低能耗的壓縮算法，減少終端的功率消耗是關鍵。

4）核心技術專利狀況受制于人。長期以來，數(shù)字音視頻的核心技術基本掌握在美、日、歐等國家和地區(qū)的大公司手中，音視頻信源編碼技術昂貴的專利費用成為產業(yè)障礙。

鑒于以上分析，傳統(tǒng)的音頻編碼技術難以滿足移動環(huán)境下的編碼需求，因此理想的移動音頻編解碼技術應該具有對復雜音頻信號高效編碼，低碼率下提供足夠好的音頻質量，較強的差錯控制能力，較低的資源需求等特點[2]。

在網絡直播這個行業(yè)剛盛行的時候，這個平臺沒有人監(jiān)管，直播打造了一批批的網絡紅人，然而有一部分的網紅毫無底線的進行低俗表演來吸引人們的視線和眼球。因此對網絡直播平臺必須堅持法治和道德的底線。在日常監(jiān)管中，應通過立法法規(guī)來規(guī)范監(jiān)督，對網絡直播的內容信息等進行全面嚴格的審查，堅持不懈。網絡直播平臺需要相關部門的共同努力，另外，需要社會全體網民的共同監(jiān)督。無論是現(xiàn)實還是網絡，都需要有法治和道德底線，一旦缺失，就會導致社會混亂。要加強網絡監(jiān)管，提供健康的網絡直播環(huán)境。

2 國際主要移動音頻編解碼標準

目前，國內外都對移動音頻編解碼的標準制訂展開了研究，國際上負責制訂移動音頻標準的組織為第三代合作伙伴計劃（the 3rd Generation Partnership Project，3GPP），該組織將3G移動音頻標準的注意力集中到AMR-WB+[3]和 EAAC+[4]（即 enhanced aacPlus）這 2 個音頻編碼標準上。

2.1 EAAC+標準

EAAC+可以在中低碼率下對音頻信號進行高效的編碼，主要由 MPEG-4 AAC[5]，MPEG-4 SBR[6]和 MPEG-4 PS[7]組成，外加錯誤隱藏工具，立體聲-單聲道下混工具，樣條重取樣工具，以進一步提升壓縮效率。

MPEG-4 AAC屬于音頻編碼標準中取得巨大成功的動態(tài)圖像專家組（Moving Pictures Experts Group，MPEG）系列標準，其主要采用心理聲學模型，利用人耳的掩蔽特性來掩蔽有損編碼失真[8]，而且利用變換編碼去除統(tǒng)計冗余，壓縮率可達15∶1。MPEG-4 SBR技術是一種非常高效的帶寬擴展技術，使用該技術進行音頻編碼，可在同等編碼質量的情況下節(jié)省約一半的碼率。MPEG組織在MPEG-4 AAC下加入頻帶復制（Spectral Band Replication，SBR）技術，對信號的低頻部分采用高級音頻編碼（Advanced Audio Coding，AAC）， 而高頻部分采用SBR技術編碼，這樣可在編碼質量基本不降低的情況下降低編碼碼率，壓縮率得到進一步提高。為了在更低的碼率下達到更好的編碼質量，尤其針對立體聲模式下碼率低于24 kbit/s時編碼質量不理想的問題，在上述基礎上再加入參數(shù)立體聲（Parametric Stereo，PS）技術構成EAAC+的主體。PS技術通過對輸入信號下混并提取表征空間信息的參數(shù)進行編碼，解決了傳統(tǒng)多聲道碼率隨聲道數(shù)近似線性增長的缺陷，在低碼率下實現(xiàn)了多聲道音頻編碼，將壓縮率又提高了約30%，最終EAAC+可在16～24 kbit/s達到較滿意的編碼質量。

2.2 AMR-WB+標準

AMR-WB+是對AMR-WB寬帶語音編碼標準[9]的擴展，其增加了對音頻信號的編碼，其算法的核心是基于混合的ACELP/TCX模型。其中代數(shù)碼本激勵線性預測 （Algebraic Code Excited Linear Prediction，ACELP）[10]適合對語音信號編碼，變換編碼激勵（Transform Coded Excitation，TCX）[11]適合對音樂信號進行編碼。在編碼時，AMR-WB+根據(jù)音頻信號的內容，自適應選擇ACELP編碼或TCX編碼，可在中低碼率下提供極優(yōu)越的音質，且聲音質量不會因網絡帶寬的限制而受影響，具有良好的抗誤碼能力。

2.3 AVS標準

在國內音頻編碼領域中，由國家信息產業(yè)部科學技術司于2002年6月批準成立數(shù)字音視頻編解碼技術標準工作組（Audio Video Coding Standard Workgroup of China），負責AVS標準的制訂。AVS標準是針對中國音視頻產業(yè)的需求，由中國數(shù)字音視頻領域的科研機構和企業(yè)牽頭，相關國際組織和企業(yè)廣泛參與，按照國際開放式規(guī)則制訂的標準[12]，在國家標準計劃中，AVS標準的正式名稱為：信息技術先進音視頻編碼，包括系統(tǒng)、視頻、音頻、數(shù)字版權管理等10個部分，其中面向音頻編解碼技術的標準包括2個部分：《信息技術先進音視頻編碼第3部分：音頻》（AVS-P3）[13]和《信息技術先進音視頻編碼第 10部分：移動語音和音頻》（AVS-P10）。

為了向迅速發(fā)展的移動通信、移動多媒體業(yè)務、無線流媒體等諸多應用提供音頻編解碼、文件和存儲格式等方面的規(guī)范和標準，AVS工作組于2005年底啟動了AVS-P10移動音頻編碼標準的制訂。制訂過程中，AVS音頻組共收到了10個單位的105項提案，并最終篩選出武漢大學等單位的31項技術提案，于2009年12月完成最終委員會草案（FinalCommittee Draft，AVS-P10 FCD）[14]。 部分國家標準立項于2008年得到國家標準委正式批準，正式性能測試表明其性能與AMR-WB+相當[15]。

3 AVS-P10編碼標準介紹

3.1 概述

AVS-P10音頻標準是面向新一代移動通信系統(tǒng)的低碼率高保真音頻編解碼技術標準，應用包括移動通信、無線寬帶多媒體通信、互聯(lián)網寬帶流媒體業(yè)務等。

AVS-P10 支持采樣頻率為 8 kHz，16 kHz，24 kHz，32 kHz，48 kHz，11 kHz，22 kHz和 44.1 kHz的 16 位采樣單聲道、雙聲道脈沖編碼調制 （Pulse Code Modulation，PCM）信號，解碼輸出是同樣格式的單聲道或立體聲信號，單聲道模式輸出比特流為10.4～24.0 kbit/s，立體聲模式下輸出比特流為12.4～32.0 kbit/s。

AVS-P10移動語音和音頻編碼將ACELP編碼和變換矢量編碼（Transform Vector Coding，TVC）集成到一個正交混合編碼器中，構建ACELP/TVC多模式編碼模型，能夠依據(jù)信號類型在2種編碼模式之間選擇最佳的編碼模式，其中基于線性預測分析的ACELP模式適合對類似語音的信號編碼，變換域的TVC編碼模式適合對類似音樂的信號進行編碼，從而能夠對各種復雜的音頻信號進行編碼。其具體編碼框圖如圖1所示。

解碼器的結構如圖2所示。解碼器將對低頻和高頻分別解碼，然后用一個合成濾波器將2個頻段的信號合并在一起。如果信號輸出被限制為單聲道則不使用立體聲解碼。

圖1 AVS-P10音頻標準編碼框圖

圖2 AVS-P10音頻標準解碼框圖

3.2 主要模塊與關鍵技術介紹

3.2.1 ACELP/TVC混合編碼框架

編碼器的核心算法是混合ACELP/TVC模式編碼。對每幀輸入音頻信號，編碼器可采用開環(huán)方式或閉環(huán)方式選擇使用哪種模式（ACELP或TVC）編碼。

ACELP/TVC編碼模塊的輸入是單聲道、2kHz采樣信號。每1024個連續(xù)的輸入信號采樣點組成一個超幀進行處理。每個1024點超幀可采用多種模式編碼，包括ACELP256，TVC256，TVC512 和 TVC1024， 每個超幀有26種不同的ACELP/TVC編碼模式組合。

最優(yōu)編碼模式可通過閉環(huán)方法選擇模式（高運算復雜度模式），將全部26種模式編碼，然后計算每種模式的平均分段信噪比，平均分段信噪比最大的對應模式即為選定的編碼模式，然后再選擇最好的組合。另外一種ACELP/TVC編碼模式選擇方法是開環(huán)選擇方法（低運算復雜度模式），通過提取信號的特征并根據(jù)這些特征決定選擇哪一種編碼模式進行編碼。該方法不需要對各種模式進行編碼嘗試，降低了計算復雜度，但編碼模式的選擇不一定最佳。

3.2.2 ACELP編碼模式

ACELP編碼模式采用了多速率碼激勵線性預測編碼技術，輸入到ACELP/TVC核心編碼器的單聲道信號，先通過一個高通預處理濾波器，再經一個傳遞函數(shù)為一階的預加重濾波器，以降低信號頻譜的動態(tài)范圍，進一步增強線性預測編碼（LinearPredictiveCoding，LPC）分析的分辨力。

線性預測（LinearPrediction，LP）分析是用 16階 LP作短時分析，用384點非對稱窗加權預處理后的內部采樣信號，求256個樣點的自相關系數(shù)，這里采用萊文遜-杜賓（Levinson-Durbin）算法進行LP系數(shù)求解，每幀分析一次得到一組LP系數(shù)。LP系數(shù)在編碼前要先轉化為導抗譜頻率（ImmittanceSpectralFrequencies，ISF）參數(shù)，然后采用預測分裂矢量量化器（PredictiveSplitVector Quantizer，PSVQ）進行量化。

感知加權模塊用于實現(xiàn)對信號進行感知加權域的濾波處理。感知加權濾波處理的實質物理過程是通過判斷信號的高低頻能量差異，選擇對應的譜平坦濾波器產生譜平坦信號。AVS-P10的譜平坦濾波器包括一個用來提升寬帶語音信號低頻部分的低通濾波器以及一個用來提升寬帶語音信號高頻部分的高通濾波器[16]。

ACELP編碼器的激勵由自適應碼本和固定碼本構成，基音分析基于感知加權后的信號。感知加權域信號在進行基音周期搜索之前，先用4階有限沖激響應（Finite ImpulseResponse，F(xiàn)IR）濾波器進行濾波，然后進行降采樣處理。

對于長時預測模塊，AMR-WB+標準采取的是傳統(tǒng)的自適應寬帶搜索-自適應基音搜索 （AdaptiveBand widthSearching-AdaptivePitchSearching，ABS-APS）方法。為了減少算法復雜度，ABS-APS采取了兩路的方式，其中一路先對激勵信號低通濾波生成輸出信號，另外一路則直接使用激勵信號本身，通過兩路性能誤差比較選擇路徑。AVS-P10的長時預測采用了武漢大學提出的基于頻段波形相關的自適應寬帶信號基音搜索（Inter-band WaveformCrossCorrelationbasedAdaptiveBandwidth PitchSearching，IWCC-APS）方法[17]，利用寬帶語音信號長時相關諧波結構在高頻段并不顯著的特點，通過計算寬帶信號頻段間的相關度判決對長時預測的激勵信號進行選擇性低通濾波，與ABS-APS算法比較，IWCC-APS算法的運算復雜度僅為前者的一半。

在開環(huán)基因搜索方面，AVS-P10標準采用一種低復雜度、高效的開環(huán)基音搜索方法[18]，利用歸一化的自相關函數(shù)搜索基音周期，同時采用固定加權去除倍基音影響和基音周期的全局參考平滑基音周期，適用于各種語音編解碼算法中的開環(huán)基音搜索。得到的基音周期候選值同解于追求原始信號與延遲信號誤差的最小均方差標準求解得到的基音周期候選值。從統(tǒng)計意義上講比較精確，并且與后面的閉環(huán)基音搜索中的整數(shù)基音搜索相一致。使用歸一化的自相關函數(shù)，以通過對自相關函數(shù)值的分類分析解決倍周期問題，同時對基音周期平滑性進行加權并判斷語音的周期性強弱，最終確定基音周期。在判定過程中設定基音周期全局參考軌跡作為全局變化的量度，用于平滑基音周期，并采用分類的基音周期分析，針對信號自適應最佳確定的基音周期，解決了變化范圍大的問題。試驗顯示，AVS-P10中的開環(huán)基因搜索算法運算復雜度和存儲開銷均小于AMR-WB+，而性能與AMR-WB+相當。

3.2.3 TVC編碼模式

TVC編碼模式是一種基于時域線性預測分析技術和頻域變換編碼技術的混合編碼技術，首先將輸入的信號通過一個時變感知加權濾波器獲得感知加權信號，然后對感知加權信號自適應加窗后通過快速傅里葉變換（Fast Fourier Transform，F(xiàn)FT）將信號變換到頻域，對頻譜信號采用基于分裂表的標矢量結合量化輸出。

經過FFT變換后，通過頻譜預整形技術對頻譜進行平坦化處理，然后將連續(xù)的4個復系數(shù)頻譜組成1個8維實數(shù)矢量，對其采用基于RE8格的多速率分裂表矢量量化器進行量化，該量化算法的基本思想是對于各個待編碼數(shù)據(jù)，首先判斷其是否在基礎碼本中，若在，則直接利用基礎碼本編碼；否則，嘗試將其分裂為基礎碼本中的碼字和分裂表中一個分裂量的和，對基礎碼字和分裂量分別編碼。這樣就解決了大值碼字無法在基礎碼本中找到因而不能編碼的問題。解碼算法是編碼算法的逆過程，解包讀取編碼端傳過來的所有參數(shù)。

3.2.4 帶寬擴展

在AVS-P10中，利用帶寬擴展方法對高頻信號進行編碼，采用模擬語音或音頻信號中高頻信號分量的頻譜包絡，以及在頻域空間將所述的頻譜包絡與高頻信號分量對應的低頻信號分量進行合成，得到重建的高頻信號分量。同時，通過提取高頻信號分量的頻譜包絡，將該精細結構作用到頻域空間對應的低頻信號分量上，能夠保證重建的高頻信號頻譜與編碼過程中截去的高頻信號頻譜的調和相關。其中高頻基礎信號采用如下的方式生成：每20ms一幀高頻信號經過LPC分析，得到9階LPC系數(shù)，進而得到高頻信號的合成濾波器。在每一個20ms幀內，提取288點的高頻合成濾波器的沖擊響應，并歸一化。歸一化后的沖激響應乘以288點的余弦窗函數(shù)，并通過288點的FFT轉換到頻域。在每80ms的一個超幀內，低頻激勵信號通過288點的余弦窗函數(shù)分割成4個288點的幀，每一幀的激勵信號通過288點的FFT變換轉換到頻域。頻域的低頻激勵信號乘以頻域高頻激勵濾波器沖激響應，得到新的高頻激勵信號。其實現(xiàn)框圖如圖3所示。

圖3 帶寬擴展實現(xiàn)框圖

3.2.5 立體聲編碼

AVS-P10移動語音和音頻標準在單聲道編碼的基礎上也具有立體聲編碼功能。AVS-P10中采用一種頻域可配置的參數(shù)立體聲編碼方案，其特點有：1）提供一致的編解碼框架以解決AMR-WB+由于在時域濾波而使編解碼結構過于復雜的問題。2）對于采用精確編碼方案的低頻帶寬可根據(jù)編碼比特率進行靈活控制，如當可用的編碼比特率較高時，可擴大低頻范圍，反之則降低低頻范圍，從而有效提高高頻部分的編碼質量。3）高頻部分進行增益控制是在頻域中進行的，提高了增益控制的頻率分辨力。

3.3 技術特色與優(yōu)勢

AVS-P10標準的技術特色與優(yōu)勢如下：

1）高效壓縮特性適合有限的帶寬資源。AVS-P10移動音頻采用了先進的ACELP/TVC混合編碼框架，充分利用人耳聽覺的掩蔽特性與心理聲學特性，采用各種先進的數(shù)字信號處理技術和壓縮技術充分去除音頻信號的冗余，在16～24 kbit/s的編碼碼率下能達到很好的音質，在實現(xiàn)高壓縮比的同時仍能保持高質量的聲音效果，最大限度地節(jié)省系統(tǒng)帶寬。

2）靈活的編碼適應異構的傳輸網絡。AVS-P10移動音頻編碼標準采用可變速率編碼結構，可根據(jù)網絡的實際帶寬需求和信道條件對編碼速率進行調整，能夠使碼流在復雜多變的移動網絡上傳輸，體現(xiàn)了其編碼靈活性的特點。

3）強大的錯誤保護機制對抗不穩(wěn)定的無線信道環(huán)境。AVS-P10移動音頻支持對不同參數(shù)進行非均勻的誤碼保護，可以對重要信息進行重點保護，可以在不穩(wěn)定的移動網絡條件下，盡可能地降低重點保護信息的出錯概率，使在移動網絡環(huán)境下的各種多媒體業(yè)務能正常地進行傳輸。

4）低復雜度模式適合資源受限的移動終端。AVSP10的低復雜度模式專門針對大部分移動終端的數(shù)據(jù)處理能力相對不強的特點，通過聲音分類器進行模式判決并采用開環(huán)搜索模式替代閉環(huán)搜索模式，編碼的復雜度大大降低。

5）自主的知識產權改變受制于人的核心技術專利狀況。AVS-P10標準除了技術先進、性能穩(wěn)定外，重要的是擁有完全自主知識產權，這也是近幾年來國內DVD等音視頻行業(yè)飽受專利費之苦后，中國首個具有自主知識產權的移動視音頻編解碼技術標準，這也為中國企業(yè)提供了擺脫國外企業(yè)專利費困擾的機會。

4 小結

目前，國內通信設備生產廠商向ITU標準專利持有者繳納的專利費用折合成人民幣每年高達數(shù)億元，而且隨著國內新一代移動通信業(yè)務的發(fā)展，此項費用將會越來越高。AVS-P10是具有清晰自主知識產權結構的移動視音頻標準，有明確的知識產權管理和收費政策，為將來的產業(yè)推廣奠定了堅實的基礎，可保證產業(yè)的平穩(wěn)發(fā)展和長治久安。

[1]胡瑞敏，高戈，王曉晨，等.面向移動多媒體應用的AVS-P10移動語音和音頻標準[C]//第九屆全國消費電子技術年會暨數(shù)字電視研討會論文集.云南，麗江：北京電視電聲雜志社，2007：95-101.

[2]胡瑞敏，張勇.AVS-M移動音頻編碼技術的研究及應用[J].電聲技術，2007， 31（7）：65-69.

[3]3GPP TS 26.290.Extended adaptive multi-rate-wideband（AMRWB+） codec[EB/OL].[2010-07-01].http：//en.wikipedia.org/wiki/Extended_Adaptive_Multi-Rate_%E2%80%93_Wideband.

[4]3GPP TS 26.401.Enhanced aacPlus general audio codec；general description[EB/OL].[2010-07-01].http：//www.3gpp.org/ftp/Specs/htmlinfo/26401.htm.

[5]3GPP TS 26.403.Enhanced aacPlus general audio codec；encoder specification AAC part[EB/OL].[2010-07-01].http：//www.3gpp.org/ftp/Specs/html-info/26-series.htm.

[6]3GPP TS 26.404.Enhanced aacPlus general audio codec；encoder specification SBR part[EB/OL].[2010-07-01].http：//www.3gpp.org/ftp/Specs/html-info/26-series.htm.

[7]BREEBAART J，PAR S,KOHLRAUSCH A，etal.Parametric coding of stereo audio[J].EURASIP Journal on Applied Signal Processing，2005（9）： 1305-1322.

[8]PAINTER T，SPANIASA.Perceptual coding of digital audio[EB/OL].[2010-06-01].http：//citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.149.1231&rep=rep1&type=pdf.

[9]3GPPTS 26.190.Adaptivemulti-rate-wideband （AMR-WB）speech codec[EB/OL].[2010-07-01].http：//ieeexplore.ieee.org/xpl/freeabs_all.jsp?arnumber=1175533.

[10]BRUNO B，REDWAN S，ROCH L，et al.The adaptivemulti-rate wideband speech codec （AMR-WB）[J].IEEE Trans.Speech and Audio Processing， 2002， 10（8）： 620-636.

[11]RAGOT S， BESSETTE B， LEFEBVRE R.Low-complexity multirate lattice vector quantization with application to wideband TCX speech coding at 32kbps[C]//Proc.IEEE International Conference on Acoustics Speech and Signal Processing （ICASSP）.[S.l.]：IEEE Press，2004：501-504.

[12]黃鐵軍，王強，馬思偉.AVS數(shù)字音視頻編解碼標準[J].中興通訊技術，2006，12（3）：6-13.

[13]GB/T 20090.3.信息技術 先進音視頻編碼 第3部分：音頻[S].2009.

[14]武漢大學.信息技術 先進音視頻編碼 第10部分：移動語音和音頻 AVSN_1687[EB/OL].[2010-07-01].ftp：//192.168.5.10/public/avs_doc/1003_Guangzhou/avs/N1687.doc.

[15]北京理工大學.AVS-P10移動語音和音頻編解碼器主觀質量測試 [EB/OL].[2010-07-01].ftp：//192.168.5.10/public/avs_doc/1006_Sanxia/output/N1720.doc.

[16]楊玉紅，周成，高戈.語音頻寬帶感知加權AVS_M2394[EB/OL].[2010-07-01].ftp：//192.168.5.10/public/avs_doc/0806_Xiamen/contrib/AVS_M2394.docM2394.doc.

[17]張勇，劉霖，楊玉紅，等.寬帶自適應碼本激勵搜索方法AVS_M1922[EB/OL].[2010-07-01].ftp：//159.226.42.57/public/avs_doc/0612_Zhuhai/contrib/M1922.doc.

[18]張勇，劉霖，楊玉紅，等.寬帶語音開環(huán)基音搜索AVS_M1869[EB/OL].[2010-07-01].http：//159.226.42.57/public/avs_doc/0609_Beijing/contrib/M1869.doc.