常用音頻協(xié)議介紹 收藏

會議電視常用音頻協(xié)議介紹及對比白皮書
一、數(shù)字化音頻原理：聲音其實是一種能量波,，因此也有頻率和振幅的特征,，頻率對應(yīng)于 時間軸線，振幅對應(yīng)于電平軸線,。通常人耳可以聽到的頻率在20Hz到20KHz的聲波稱為為可聽聲,，低于20Hz的成為次聲，高于20KHz的為超聲,，多 媒體技術(shù)中只研究可聽聲部分,。
可聽聲中，話音信號的頻段在80Hz到3400Hz之間,，音樂信號的頻段在20Hz-20kHz之間,，語音（話音）和音樂是多媒體技術(shù)重點處理的對象。
由于模擬聲音在時間上是連續(xù)的,，麥克風(fēng)采集的聲音信號還需要經(jīng)過數(shù)字化處理后才能由計算機(jī)處理,。通常我們采用PCM編碼（脈沖代碼調(diào)制編碼），即通過采樣,、量化,、編碼三個步驟將連續(xù)變化的模擬信號轉(zhuǎn)換為數(shù)字編碼。
1,、采樣
采樣,，就是每隔一段時間間隔讀一次聲音的幅度。單位時間內(nèi)采樣的次數(shù)稱為采樣頻率,。顯然采樣頻率越高,，所得到的離散幅值的數(shù)據(jù)點就越逼近于連續(xù)的模擬音頻信號曲線，同時采樣的數(shù)據(jù)量也越大,。
為了保證數(shù)字化的音頻能夠準(zhǔn)確(可逆)地還原成模擬音頻進(jìn)行輸出,，采樣定理要求：采樣頻率必須大于等于模擬信號頻譜中的最高頻率的2倍。
常用的音頻采樣率有：8kHz,、11.025kHz,、22.05kHz、16kHz,、37.8kHz,、44.1kHz、48kHz,。
例如:話音信號頻率在0.3～3.4kHz范圍內(nèi),，用8kHz的抽樣頻率（fs），就可獲得能取代原來連續(xù)話音信號的抽樣信號，而一般CD采集采樣頻率為44.1kHz,。

2,、量化
量化，就是把采樣得到的聲音信號幅度轉(zhuǎn)換成數(shù)字值,，用于表示信號強(qiáng)度,。
量化精度：用多少個二進(jìn)位來表示每一個采樣值，也稱為量化位數(shù),。聲音信號的量化位數(shù)一般是 4,6,8,12或16 bits ,。

由采樣頻率和量化精度可以知道,，相對自然界的信號,，音頻編碼最多只能做到無限接近，在計算機(jī)應(yīng)用中,，能夠達(dá)到最高保真水平的就是PCM編碼,，通常PCM約定俗成了無損編碼。

3,、編碼
一 個采樣率為44.1kHz,，量化精度為16bit，雙聲道的PCM編碼輸出,，它的數(shù)據(jù)速率則為 44.1K×16×2 =1411.2 Kbps,，存儲一秒鐘需要176.4KB的空間，1分鐘則約為10.34M,，因此,，為了降低傳輸或存儲的費(fèi)用，就必須對數(shù)字音頻信號進(jìn)行編碼壓縮,。
到目前為止,，音頻信號經(jīng)壓縮后的數(shù)碼率降低到32至256kbit/s，語音可以低至8kbit/s以下,。
對數(shù)字音頻信息的編碼進(jìn)行壓縮的目的是在不影響人們使用的情況下使數(shù)字音頻信息的數(shù)據(jù)量最少,。通常用如下6個屬性來衡量：
     —比特率；
—信號的帶寬,。
     —主觀/客觀的語音質(zhì)量,；
     —延遲；

—計算復(fù)雜度和對存儲器的要求,；

—對于通道誤碼的靈敏度,；

為使編碼后的音頻信息可以被廣泛地使用，在進(jìn)行音頻信息編碼時需要采用標(biāo)準(zhǔn)的算法,。傳統(tǒng)會議電視設(shè)備主要采用ITU-T推薦的G.711,、G.722、G.728和AAC_LD等音頻標(biāo)準(zhǔn)。
二,、常用音頻協(xié)議簡介：1,、
ITU－T G.728

1992年ITU-T發(fā)布的電話聲音信號編碼方式推薦標(biāo)準(zhǔn)。采用LD-CELP編碼方式,，采樣率為8KHz,，以16kb/秒的速度傳送聲音信號，傳送延遲時間極短,，僅有0.625 ms 的算法編碼延遲,。
2、
ITU－T G.711
標(biāo) 準(zhǔn)公布于1972年,，其語音信號編碼是非均勻量化PCM,。語音的采樣率為8KHz，每個樣值采用8bit量化,，輸出的數(shù)據(jù)率為64kbps,。這種窄帶編碼 支持對300到 3,400赫茲的音頻進(jìn)行壓縮。但雖然壓縮質(zhì)量不錯,，但是消耗的帶寬相對較大,，主要用于數(shù)字PBX/ISDN上的數(shù)字式電話。
3,、
ITU－T G.722
ITU－T G.722標(biāo)準(zhǔn)是第一個用于 16 KHZ 采樣率的標(biāo)準(zhǔn)化寬帶語音編碼算法,，1984年被CCITT定義為標(biāo)準(zhǔn)，而且現(xiàn)今還在使用,。.G.722 編解碼器在 16 kHz 頻率上接收 16 位數(shù)據(jù)（帶寬從 50 Hz 至 7 kHz）,，并將其壓縮為 64、56 與 48 Kbit/s,，其總延遲約 3 ms,，能夠提供更好的通話質(zhì)量。
G.722的優(yōu)點是延時和傳輸位誤差率非常低,，且沒有任何的專利技術(shù),費(fèi)用低廉,。因此G.722在無線通信系統(tǒng)，VoIP生產(chǎn)商,，個人通信服務(wù),，視頻會議應(yīng)用等廣泛應(yīng)用。
4,、
G.722.1
G.722.1 基于 Polycom 的第三代 Siren 7 壓縮技術(shù),，1999年被ITU-T批準(zhǔn)為G.722.1標(biāo)準(zhǔn)。G.722.1采用16 KHZ 采樣頻率,，16 位數(shù)據(jù)量化,，支持從 50 Hz 至 7 kHz頻率范圍的音頻采樣,，并將其壓縮為 32 與 24 Kbit/s。它采用20 ms封幀,，提供40ms的算法延遲,。
G722.1可實現(xiàn)比 G.722 編解碼器更低的比特率以及更大的壓縮。目標(biāo)是以大約一半的比特率實現(xiàn)與 G.722 大致相當(dāng)?shù)馁|(zhì)量,。這種編碼使用許可需要獲得Polycom公司的授權(quán),。
5、
G722.1 Annex C
G722.1 Annex C基于 Polycom 的Siren 14 壓縮技術(shù), 采用32kHz采樣頻率,，支持從 50 Hz 至 14 kHz頻率范圍的音頻采樣,，并將其壓縮為 24、32或48 kbps,。采用20ms封幀,，提供40毫秒演算延遲。
2005年中,，國際電信聯(lián)盟（ITU）批準(zhǔn)Polycom Siren 14™
技術(shù)為14 kHz超寬帶音頻編碼新標(biāo)準(zhǔn),。同時進(jìn)入作為ITU-T建議的G.722.1 Annex C。
G722.1 Annex C具有低運(yùn)算能力,，低帶寬的優(yōu)點。適于處理語音,、音樂與自然界聲音,。
6、
AAC-LD
AAC（Advanced Audio Coding,，高級音頻編碼）是由Fraunhofer研究院（MP3格式的創(chuàng)造者）,、杜比（DOLBY）試驗室和AT&T（美國電話電報公司） 共同研發(fā)出的一種音頻壓縮格式，是MPEG-2規(guī)范的一部分,，并在1997年3月成為國際標(biāo)準(zhǔn),。隨著MPEG－4標(biāo)準(zhǔn)在2000年成型后，MPEG2 AAC也被作為核心編碼技術(shù),，并增加了一些新的編碼特性,，又叫MPEG-4 AAC。
MPEG-4 AAC家族目前共有九種編碼規(guī)格,，AAC-LD（Low Delay,，低延遲規(guī)格）是用在低碼率下編碼。它支持8K～48K采樣率的,，可以64Kbps的碼率輸出接近 CD 音質(zhì)的音頻,，并支持多聲音通道，AAC-LD 算法延遲僅為 20ms,。
AAC因為其模塊化設(shè)計,，功能更為強(qiáng)大,。本身的框架結(jié)構(gòu)能夠被不斷的新的東西填充，這就使得不同發(fā)展方面的內(nèi)核相互融合,，彼此吸收精華成為可能,。

7、
各種音頻協(xié)議的主要參數(shù)對比：

采樣頻率
支持音頻帶寬
輸出碼率
最低算法延遲

G711
8KHz
300 Hz ~ 3,400 Hz
64 Kbps
<1ms

G722
16kHz
50 Hz ~ 7 kHz
64 Kbps
3ms

G722.1
16kHz
50 Hz ~7 kHz
24,、32 Kbps
40ms

G722.1 C
32kHz
50 Hz~14 kHz
24,、32、48Kbps
40ms

AAC-LD
48kHz
20 Hz－20kHz
48～64 Kbps
20ms

三,、AAC_LD與G722. Annex C優(yōu)缺點對比：

G722.1 C
AAC_LD

采樣音頻頻率范圍支持50 Hz~14 kHz,，接近CD音質(zhì)，但丟失了高頻部分,。
支持20 Hz－20kHz全頻段的采樣,，音頻更加接近CD音質(zhì)。

輸出碼率24,、32,、48Kbps，帶寬低于AAC－LD,，但是以犧牲高頻為代價的,。
48～64 Kbps,并支持大于64Kbps的輸出，為更好的音頻質(zhì)量提供了可能,。

算法復(fù)雜性算法復(fù)雜度低,，CPU占用率略好于AAC-LD
模塊化設(shè)計，功能更為強(qiáng)大,有TI等專用芯片支持

最低延遲采用20ms封幀,，40ms算法延遲
20ms算法延遲,，好于G722.1 C

多聲道可以支持雙聲道
AAC支持多達(dá)48個音軌、15個低頻音軌

標(biāo)準(zhǔn)通用性G722.1-C 由Polycom制定開發(fā),，使用需要Polycom授權(quán),，目前只有Polycom和極少數(shù)會議電視廠商使用。
作為MPEG4核心標(biāo)準(zhǔn),，受到Apple,、諾基亞、松下等支持,，并被泰德等眾多會議電視廠商所采用,，應(yīng)用前景更廣闊。

由 Fraunhofer研究院的調(diào)查對比圖可以知道,，在相同的采樣頻率下,，AAC-LD可以提供比G722.1 C、MP3等更好的音質(zhì),。AAC-LD實現(xiàn)了超寬頻音頻編碼中最短的延時,，并保證接近CD的音質(zhì),，達(dá)到音質(zhì)、比特率和延時三者的最佳組合,，是會議電視領(lǐng)域 的最優(yōu)選擇,。
此文章來自：中國視訊論壇 http://www./,原文地址:http://www./viewthread.php?tid=3913