《媒體信號(hào)編碼》課件第1章

第1章緒論1.1數(shù)字通信的一般模型1.2常見的媒體信號(hào)1.3媒體信號(hào)編碼的必要性

1.4媒體信號(hào)壓縮編碼的分類

1.5媒體信號(hào)壓縮編碼標(biāo)準(zhǔn)

習(xí)題與思考題 1.1數(shù)字通信的一般模型

人類社會(huì)是建立在信息交流的基礎(chǔ)上的，信息交流是推動(dòng)人類社會(huì)文明、進(jìn)步與發(fā)展的巨大動(dòng)力。根據(jù)香農(nóng)信息論的定義，信息是事物運(yùn)動(dòng)狀態(tài)或存在方式的不確定性的描述。人們通過對(duì)周圍世界的觀察得到各種信息，信息是抽象的意識(shí)或知識(shí)。

通信的本質(zhì)就是信息交流，即通信系統(tǒng)上傳輸?shù)谋举|(zhì)內(nèi)容是信息。但是為了傳輸信息，必須在發(fā)送端將信息轉(zhuǎn)化為具體的消息。消息是包含信息的語言、文字、數(shù)據(jù)、圖像、符號(hào)等。在通信中，消息特指擔(dān)負(fù)著傳遞信息任務(wù)的符號(hào)及其序列。消息是具體但非物理的。為了在實(shí)際的通信系統(tǒng)中傳輸消息，就必須把消息加載(調(diào)制)到具有某種物理特征的信號(hào)上去。也就是說，信號(hào)是信息的載體，它是物理性的，如電信號(hào)、光信號(hào)等。接收端收到載有信息的物理信號(hào)后，經(jīng)過處理變成語言、文字、圖像、符號(hào)等形式的消息，人們?cè)購闹械玫接杏眯畔ⅰ?/p>

圖1-1是比較完整的數(shù)字通信系統(tǒng)的一般模型，現(xiàn)實(shí)生活中的數(shù)字通信系統(tǒng)基本上都可以用此模型來概括。這個(gè)模型將數(shù)字通信系統(tǒng)抽象為信源、編碼、信道、解碼(譯碼)、信宿等五個(gè)模塊。圖1-1數(shù)字通信系統(tǒng)的一般模型

1.信源

信源是信息的來源地，它的作用就是產(chǎn)生信息，但信息并不能直接輸出。信源輸出的是以符號(hào)形式出現(xiàn)的具體消息，這些消息承載了信息。信源輸出的消息可以有多種形式，但可以歸納為兩類：離散消息，例如由字母、文字、數(shù)字等各種符號(hào)組成的符號(hào)序列或單個(gè)符號(hào)；連續(xù)消息，例如語音、視頻等在時(shí)間上連續(xù)的信號(hào)。

信源的核心問題是信源符號(hào)的概率如何分布，它包含多少信息，用香農(nóng)信息論的術(shù)語來說，就是信源的熵是多少。

2.編碼器與譯碼器

編碼是對(duì)消息符號(hào)進(jìn)行處理的過程，或者說是把消息變換成信號(hào)的過程，而譯碼就是編碼的反變換。根據(jù)編碼器的實(shí)際功能，可將編碼器分為三種：信源編碼、信道編碼和加密編碼。

信源編碼的作用有兩個(gè)：一是把信源發(fā)出的消息轉(zhuǎn)換成由碼元符號(hào)(一般為m進(jìn)制碼元)組成的碼元符號(hào)序列，形成基帶信號(hào)；二是通過信源編碼來壓縮信源的冗余度，減少傳輸所需的碼率，提高通信系統(tǒng)傳輸消息的有效性(這正是本書要討論的內(nèi)容)。信源編碼的主要指標(biāo)就是它的編碼效率,即理論上所需的碼率與實(shí)際達(dá)到的碼率之比。信道編碼的作用是在信源編碼器輸出的符號(hào)序列上有目的地增加一些監(jiān)督碼元，使之具有檢錯(cuò)或糾錯(cuò)的能力，其目的在于提高通信系統(tǒng)傳輸消息的可靠性。由于信道編碼會(huì)增加冗余的監(jiān)督碼元，因而會(huì)增大碼率，這正好與信源編碼相反。

加密編碼的目的在于隱藏碼元符號(hào)中的信息內(nèi)容，防止信號(hào)在傳輸過程中信息被泄露，從而提高通信系統(tǒng)傳輸信息的安全性。

譯碼器與編碼器一一對(duì)應(yīng)，其作用是對(duì)接收到的編碼信號(hào)(已疊加了干擾)進(jìn)行反變換，以盡可能準(zhǔn)確地恢復(fù)原始的信源符號(hào)。

3.信道與干擾源

信道是傳輸消息的通道，或者說是傳輸物理信號(hào)的設(shè)施和媒介。在狹義的通信系統(tǒng)中，實(shí)際信道有明線、電纜、波導(dǎo)、光纖、無線電波傳播空間等等，這些都屬于傳輸電磁波能量的信道。對(duì)廣義的通信系統(tǒng)來說，信道還可以是其他的傳輸媒介。信道除了傳送信號(hào)以外，還有存儲(chǔ)信號(hào)的作用，如書寫通信方式就是一例。信道的主要問題是單位時(shí)間內(nèi)它能夠不失真?zhèn)魉投嗌傩畔ⅲ葱诺廊萘康拇笮　?/p>

信息在處理和傳輸?shù)拿總€(gè)環(huán)節(jié)都可能會(huì)引入噪聲和干擾，使得信號(hào)發(fā)生畸變。為了分析方便，一般把在系統(tǒng)其他部分產(chǎn)生的干擾和噪聲也等效地折合成信道干擾，看成是由一個(gè)噪聲源產(chǎn)生的，作用于所傳輸?shù)男盘?hào)上。這樣，信道輸出的是已疊加了干擾的信號(hào)。由于干擾或噪聲往往具有隨機(jī)性，所以信道的特性一般用概率空間來描述(如輸入和輸出之間的條件概率矩陣或者條件概率密度函數(shù))，而噪聲源的統(tǒng)計(jì)特性又是劃分信道的一個(gè)重要依據(jù)。

4.信宿

信宿是信息傳遞的對(duì)象，即信息的目的地。信宿一般為接收信息的人或機(jī)器，它實(shí)際接收的是消息v，該消息v可以與信源發(fā)出的消息u相同，也可以不同。當(dāng)兩者形式不同時(shí)，v是u的一個(gè)映射。信宿關(guān)心的問題是能夠從v中收到或提取多少有用信息。

1.2常見的媒體信號(hào)

圖1-1所示的數(shù)字通信系統(tǒng)傳輸?shù)闹饕獌?nèi)容為媒體信號(hào)。媒體信號(hào)客觀地表示了自然界和人類活動(dòng)中的原始信息，是承載各種信息的載體，是信息的具體表示形式。媒體信號(hào)編碼屬于圖1-1中的信源編碼，其目的主要在于解決媒體信號(hào)傳輸過程中的有效性問題。

常見的媒體信號(hào)主要包括下面幾種：

(1)文字(Text)：文字是語言的書寫符號(hào)系統(tǒng)，是記錄語言的書寫形式。

(2)圖像(Image):圖像一般指自然界中的客觀景物通過某種系統(tǒng)映射的結(jié)果，可使人們產(chǎn)生視覺感受，如照片、圖片等，一般采用位圖形式進(jìn)行存儲(chǔ)。就色彩而言，圖像一般分為單色圖像、灰度圖像和彩色圖像三大類。

(3)圖形(Graphic)：圖形是指采用某種算法語言或應(yīng)用軟件生成的矢量化圖形，一般采用數(shù)學(xué)方法進(jìn)行描述，具有體積小、線條圓滑變化等特點(diǎn)。

(4)音頻(Audio)：人類能夠聽到的所有聲音信號(hào)的總稱，其頻率范圍在20Hz～20kHz左右。語音是一類特殊的音頻信號(hào)，單指由人發(fā)聲器官發(fā)出的各種聲音信號(hào)。

(5)視頻(Video)：視頻信號(hào)是動(dòng)態(tài)播放的圖像。利用人眼的視覺暫留效應(yīng)，當(dāng)每秒鐘播放24幅以上內(nèi)容連續(xù)變化的靜態(tài)圖像時(shí)，人眼無法辨別單幅的靜態(tài)畫面，看上去是平滑連續(xù)的動(dòng)態(tài)圖像，即視頻，如圖1-2所示。圖1-2由連續(xù)變化的圖像構(gòu)成的視頻

1.3媒體信號(hào)編碼的必要性

近年來，隨著計(jì)算機(jī)、多媒體和網(wǎng)絡(luò)通信技術(shù)的飛速發(fā)展，數(shù)字媒體技術(shù)逐漸代替了模擬媒體技術(shù)。例如，數(shù)字媒體技術(shù)已經(jīng)在數(shù)字影音系統(tǒng)、高清晰度電視、數(shù)字音頻廣播、電話會(huì)議系統(tǒng)、無線通信與移動(dòng)通信、消費(fèi)類電子、互聯(lián)網(wǎng)多媒體業(yè)務(wù)等領(lǐng)域中得到了廣泛的應(yīng)用。然而，數(shù)字化后的音視頻等媒體信號(hào)，如果沒有有效的壓縮編碼方案，海量的數(shù)據(jù)將給存儲(chǔ)和傳輸帶來巨大的壓力，這就促進(jìn)了各種媒體信源壓縮編碼算法的發(fā)展。在語音、音頻、圖像和視頻等媒體信號(hào)實(shí)時(shí)通信中，語音信號(hào)需要的傳輸帶寬無疑是最低的。語音信號(hào)的帶寬一般在4kHz以下，對(duì)應(yīng)的采樣頻率為8kHz，一般采用8位壓擴(kuò)量化，原始的未經(jīng)壓縮的數(shù)字信號(hào)的碼率為I=8×8=64kb/s。在當(dāng)代的數(shù)字通信系統(tǒng)中，這個(gè)碼率雖然不是很高，不采用壓縮編碼技術(shù)也可以實(shí)現(xiàn)實(shí)時(shí)通信，但是采用壓縮編碼技術(shù)后其效率會(huì)更高。比如，在現(xiàn)代的移動(dòng)通信系統(tǒng)中，實(shí)際的語音信號(hào)經(jīng)過壓縮編碼后碼率一般都低于16kb/s，甚至更低。這樣，實(shí)時(shí)傳輸壓縮后的語音信號(hào)的信道帶寬僅為實(shí)時(shí)傳輸原始語音信號(hào)信道帶寬的1/4,甚至更低，從而節(jié)省了信道資源。從存儲(chǔ)角度來看，一幅2032×1354像素、每像素采用8bit量化的灰度圖像，需要2.7MB左右的存儲(chǔ)空間。同樣大小的彩色圖像，則需要8.1MB左右的存儲(chǔ)空間。一個(gè)存儲(chǔ)容量為1024MB的數(shù)碼相機(jī)，僅能拍攝存儲(chǔ)126張未經(jīng)壓縮的2032×1354像素的彩色圖片。實(shí)際上，現(xiàn)在的數(shù)碼相機(jī)一般都會(huì)采用JPEG靜態(tài)圖像壓縮技術(shù)，該技術(shù)能根據(jù)圖像內(nèi)容動(dòng)態(tài)調(diào)整壓縮比例，但一般都能達(dá)到10∶1的壓縮比例。這就是說，一個(gè)存儲(chǔ)容量為1024MB的數(shù)碼相機(jī)，至少能拍攝存儲(chǔ)1200張以上2032×1354大小的彩色圖片，這對(duì)大多數(shù)應(yīng)用已經(jīng)足夠。在語音、音頻、視頻等媒體信號(hào)實(shí)時(shí)通信中，高清晰視頻(HighDefinitionTelevision,HDTV)信號(hào)需要的傳輸帶寬無疑是最高的。HDTV的圖像大小一般為1920×1080個(gè)像素，每秒鐘60幀，一般按4∶2∶2的格式采樣亮度信號(hào)和色度信號(hào)(見2.2.5節(jié))，每秒鐘的數(shù)碼率高達(dá)1.85Gb/s。這就是說，一分鐘的未經(jīng)壓縮編碼的HDTV信號(hào)需要高達(dá)13.9GB的存儲(chǔ)空間，而一部HDTV格式的電影一般都時(shí)長90分鐘?？梢?，如果沒有視頻壓縮編碼技術(shù)，實(shí)時(shí)傳輸和存儲(chǔ)未經(jīng)壓縮的HDTV信號(hào)幾乎是不可能的。由此可見，海量的語音、音頻、圖像及視頻等媒體數(shù)字信號(hào)，如果不進(jìn)行壓縮編碼，則無論是傳輸或是存儲(chǔ)這些信號(hào)都很困難。因此，媒體信號(hào)壓縮編碼的作用是不可替代的，它的社會(huì)效益、經(jīng)濟(jì)效益也是非常明顯的。當(dāng)媒體信號(hào)經(jīng)過壓縮編碼后，不僅其數(shù)據(jù)量大大減少了，也帶來了一些其他好處：

(1)節(jié)省媒體信號(hào)在各種信道上的傳輸時(shí)間，使信息交流更加快速，即時(shí)間域壓縮；

(2)減少媒體信號(hào)在實(shí)時(shí)傳輸時(shí)的帶寬要求，或者增加現(xiàn)有信道可開展的業(yè)務(wù)，即頻率域壓縮；

(3)減少媒體信號(hào)在通信時(shí)的能量消耗，降低通信設(shè)備的發(fā)射功率等，即能量域壓縮；

(4)減少媒體信號(hào)存儲(chǔ)時(shí)所需的內(nèi)存空間，即空間域壓縮。

1.4媒體信號(hào)壓縮編碼的分類

1.信號(hào)編碼的一般模型

媒體信號(hào)經(jīng)過數(shù)字化后，轉(zhuǎn)換成數(shù)據(jù)信號(hào)。媒體信號(hào)數(shù)據(jù)的壓縮編碼就是以盡量少的數(shù)據(jù)來表示原始媒體信號(hào)的信息，其一般模型如圖1-3所示。圖1-3信號(hào)編碼的一般模型

(1)建模表達(dá)。根據(jù)要解決的問題，建立一個(gè)客觀的數(shù)學(xué)模型，以便能更有效或更緊湊地重新表達(dá)原始數(shù)據(jù)信號(hào)，減少數(shù)據(jù)中的冗余，得到與原始數(shù)據(jù)信號(hào)相關(guān)但又不同的模型參數(shù)數(shù)據(jù)。

(2)二次量化。用更簡(jiǎn)潔的數(shù)碼表示得到的模型參數(shù)數(shù)據(jù)。對(duì)具體的應(yīng)用來說，由于這些模型參數(shù)數(shù)據(jù)可能用無限(或過高的)表示精度，而實(shí)際應(yīng)用不需要如此高的精度，所以可以重新量化這些模型參數(shù)，降低表示這些參數(shù)所需要的數(shù)據(jù)量。由于從模擬信號(hào)轉(zhuǎn)換到數(shù)字信號(hào)時(shí)已經(jīng)經(jīng)過了一次量化，因此此處稱為二次量化。

(3)熵編碼。對(duì)模型參數(shù)的量化表示或消息流進(jìn)行碼字分配，得到最后的壓縮碼流。此時(shí)一般要求編碼后的碼流能不失真地反映模型參數(shù)的量化符號(hào)，即能保持量化后信號(hào)的熵，所以稱之為熵編碼(具體參見第4章)。

在上述三個(gè)步驟中：步驟(1)既可以為可逆過程，也可以為不可逆過程；步驟(2)一般都為不可逆過程；步驟(3)一般為可逆過程?？赡婊虿豢赡媸侵改芊裼山?jīng)過處理后的數(shù)據(jù)無差錯(cuò)地恢復(fù)出處理前的數(shù)據(jù)。如果能無誤差地恢復(fù)，則為可逆過程；反之為不可逆過程。

2.信號(hào)壓縮編碼分類

媒體信號(hào)的壓縮編碼方法可根據(jù)編碼過程中是否采用不可逆過程分為兩類，即可逆壓縮編碼和不可逆壓縮編碼。可逆壓縮編碼又叫做冗余度壓縮、無失真編碼、熵保持編碼等，其核心是可以由壓縮碼流無失真、無差錯(cuò)地恢復(fù)出原始碼流。不可逆壓縮又叫做熵壓縮、有失真編碼，其核心是不能由壓縮碼流無差錯(cuò)、無失真地恢復(fù)出原始碼流。香農(nóng)在創(chuàng)立信息論時(shí)指出，數(shù)據(jù)是信息與冗余度的組合，熵編碼的目的就是要去除數(shù)據(jù)中的冗余度。實(shí)際的媒體信號(hào)編碼同時(shí)采用可逆壓縮(無失真)編碼技術(shù)和不可逆壓縮(有失真)編碼技術(shù)。設(shè)想我們從森林將一批大小不一的圓木(數(shù)據(jù))裝上一輛卡車,并將其運(yùn)輸(通過信道傳輸)到木材加工廠。這時(shí)，我們的目標(biāo)是降低運(yùn)輸成本，而主要手段是在同一輛車上裝更多的圓木，同時(shí)盡量減輕每車圓木的重量(可以看到，裝更多圓木和減輕每車圓木重量有時(shí)是矛盾的)。在這種情況下，我們判斷有無失真的標(biāo)準(zhǔn)是圓木的形狀是否發(fā)生變化。通常，我們想多裝一些圓木最簡(jiǎn)單的方法就是有序地?cái)[放圓木。這是因?yàn)殡S機(jī)擺放圓木的話，圓木之間的間隙會(huì)很大(外在冗余度)，有序擺放可以減少間隙(外在冗余度去除)，從而可以在同一輛卡車上裝載更多的圓木。其次，由于濕的圓木比較重，體積也有所膨脹(存在“內(nèi)在冗余度”水分)，這對(duì)降低運(yùn)輸成本都是不利的。因此我們可以將這些木材晾干(內(nèi)在冗余度去除)后再運(yùn)輸。最后，如果木材加工廠允許我們對(duì)圓木進(jìn)行少量的初加工，比如去掉樹皮、將圓木加工成方木、將木材加工成標(biāo)準(zhǔn)長度等，并且這些加工過程中的廢料都會(huì)被扔掉，則同一輛卡車上必然能裝載更多的木材，同時(shí)能減輕每車木材的重量。顯然，此時(shí)圓木的形狀已經(jīng)發(fā)生改變，比如從圓木變成方木(有失真壓縮)，而這種壓縮已經(jīng)“不可逆”，即我們無法再從方木“還原”成原來的圓木。由這個(gè)例子我們可以給出一些壓縮編碼的基本概念和結(jié)論：

①有冗余度就可以壓縮(隨機(jī)擺放圓木有較大空隙，濕的圓木內(nèi)部有水分)；

②壓縮只能在一定限度內(nèi)可逆(圓木形狀不發(fā)生改變)；

③超過一定的限度，必然帶來失真(如去掉圓木樹皮、圓木變方木、加工圓木至標(biāo)準(zhǔn)長度等,這些措施都會(huì)使得圓木的形狀發(fā)生改變)；

④允許的失真越大，壓縮的比例也越大(極端情況下，圓木因初加工被拋棄，沒有圓木需要運(yùn)輸)。

1.5媒體信號(hào)壓縮編碼標(biāo)準(zhǔn)

1.音頻編解碼標(biāo)準(zhǔn)

音頻編碼始于20世紀(jì)70年代的脈沖編碼調(diào)制(PCM)，并按語音編碼和音頻編碼兩條路線發(fā)展。在音頻編碼方面，主要關(guān)鍵技術(shù)包括：心理聲學(xué)模型、時(shí)頻變換、窗切換、時(shí)域噪聲整形、帶寬擴(kuò)展、立體聲