所以上網找了關於MP3壓縮演算法的資料來輔助理解
MP3格式就是 MPEG-1 Audio Layer III
以下內容轉載自此：http://cht.tw/x/dyuvc
MP3歷史：
MP3 所使用之演算法乃1987年由德國的整合研究發展機構Fraunhofer IIS與University of Erlangen合作研發出來。至今，Fraunhofer的編碼程式，依舊被視為MP3編碼的工業級標準。MP3其實是MPEG1 Audio Layer3之縮寫，即MP3原本是定義在MPEG（Moving Picture Expert Group）中的一項聲音壓縮標準。
MP3技術：
編碼流程：
（2） MDCT(Modified Discrete Cosine Transform)：MDCT的18個channel乘上來源的32個subband，共會有576個輸出點，且為非失真。此步驟主要將上步驟之資料再 次細分，以利分析及量化轉換，並可減小上步驟造成之疊頻效應（Aliasing），改善資料之重建品質。
（3） FFT（Fast Fourier Transform）：即使用快速傅立葉轉換將訊號從Time Domain轉換到Frequency Domain。因為分析訊號時，頻譜上之數值可清楚地展現出訊號的特性，所以一般會將訊號轉換到頻率軸上分析。又FFT是等時間間隔取樣的離散時間傅立葉 轉換，可以大幅減低計算上之複雜度。此步驟主要將波形資料轉換為若干種不同的頻率，其中主頻帶有最多之資料特性，愈後之頻率則因較不重要，可以被捨棄以增 加壓縮比。
（4） Psychoacoustics：即MP3之最主要技術，Perceptual Audio Coding（知覺性聲音編碼）。為人體聲學模擬的部分，主要原則即將人耳在聽覺上較不敏感或是聽不到的部分（高頻與極低頻）過濾刪除，使聲音選擇性的變 差，以減少資料量。
（5） Huffman Encoding：霍夫曼編碼，為無失真壓縮，統計各字元出現頻率以決定Huffman’s Tree，主要原則即將較常出現的字元，給予位元較少的編碼。在MP3的編碼應用中，乃先將MDCT輸出的576個點依頻率大小做排序，則高頻部分會被排 在最後，且數值均為零或極接近零之數，故不需編碼。其餘數值較大的低頻部分，也可依其資料之分布特性，切割為數個區域再做Huffman encoding。主要目的在於將壓縮比盡量提昇。
解碼流程：
即將編碼過程反過來運作，主要流程為Huffman Decoding，Descaling，IMDCT（Inverse Modified Discrete Cosine Transform），Inverse Filter Bank。執行上比起壓縮時簡單許多，目前已經可以達到Real Time撥放之解碼速度。
MP3 所使用之演算法乃1987年由德國的整合研究發展機構Fraunhofer IIS與University of Erlangen合作研發出來。至今，Fraunhofer的編碼程式，依舊被視為MP3編碼的工業級標準。MP3其實是MPEG1 Audio Layer3之縮寫，即MP3原本是定義在MPEG（Moving Picture Expert Group）中的一項聲音壓縮標準。
MP3技術：
編碼流程：
（Generated By SmartDraw）
（1）
Polyphase Filter Bank（32 subbands）：在MPEG
Layer-1中，這項濾波器的作用是將聲音訊號分成頻寬大小相同的32個頻帶（Subband），但等寬的32個subband，對聲音的壓縮效果並不
是非常好，且並不完全符合人體的聲學頻率系統，因此在Layer-3中進而採用Critical
Band，即配合模擬人體之Psychoacoustic
Model，將人耳較敏感的中低頻之subband變窄，較不敏感的高頻之subband變寬。此步驟資料會有極微小之失真。（2） MDCT(Modified Discrete Cosine Transform)：MDCT的18個channel乘上來源的32個subband，共會有576個輸出點，且為非失真。此步驟主要將上步驟之資料再 次細分，以利分析及量化轉換，並可減小上步驟造成之疊頻效應（Aliasing），改善資料之重建品質。
（3） FFT（Fast Fourier Transform）：即使用快速傅立葉轉換將訊號從Time Domain轉換到Frequency Domain。因為分析訊號時，頻譜上之數值可清楚地展現出訊號的特性，所以一般會將訊號轉換到頻率軸上分析。又FFT是等時間間隔取樣的離散時間傅立葉 轉換，可以大幅減低計算上之複雜度。此步驟主要將波形資料轉換為若干種不同的頻率，其中主頻帶有最多之資料特性，愈後之頻率則因較不重要，可以被捨棄以增 加壓縮比。
（4） Psychoacoustics：即MP3之最主要技術，Perceptual Audio Coding（知覺性聲音編碼）。為人體聲學模擬的部分，主要原則即將人耳在聽覺上較不敏感或是聽不到的部分（高頻與極低頻）過濾刪除，使聲音選擇性的變 差，以減少資料量。
（5） Huffman Encoding：霍夫曼編碼，為無失真壓縮，統計各字元出現頻率以決定Huffman’s Tree，主要原則即將較常出現的字元，給予位元較少的編碼。在MP3的編碼應用中，乃先將MDCT輸出的576個點依頻率大小做排序，則高頻部分會被排 在最後，且數值均為零或極接近零之數，故不需編碼。其餘數值較大的低頻部分，也可依其資料之分布特性，切割為數個區域再做Huffman encoding。主要目的在於將壓縮比盡量提昇。
解碼流程：
即將編碼過程反過來運作，主要流程為Huffman Decoding，Descaling，IMDCT（Inverse Modified Discrete Cosine Transform），Inverse Filter Bank。執行上比起壓縮時簡單許多，目前已經可以達到Real Time撥放之解碼速度。
MP3安全機制：
主要可分為硬體撥放協定上之限制（SDMI）與軟體本身之加密（電子浮水印），在此將對於軟體之檔案加浮水印（Watermarking）做討論。
首先，浮水印必須具有以下幾點性質：
（1） Imperceptible：所加之浮水印應對聲音品質影響極小，且不易被人耳察覺。
（2） Nonremovable：浮水印應不可被輕易地移除。
（3） Decodable：經合法授權之使用者應該能輕易將浮水印解碼去除，而非再去取得原始檔案。
（4） Periodic：所加入之浮水印必須有週期性，才能易於偵測、辨別。
（5） Rebustness：即使經過再次編碼或壓縮，浮水印應該仍存在資料中。
而
MP3之檔案格式，因為定義了許多檔頭（Header）及Side
Information，故有許多空間可存放浮水印資料，且不會影響聲音品質，但由於可輕易地被了解MP3檔案格式的人移除，不符合上述之
Nonremovable性質，故並不適用。所以一般來說是將浮水印資料，直接隨機地加在聲音資料中。所應用的原理是另一種人體聲學現象：Masking
Effect（遮蔽效應），即兩個頻率相近的聲音，其中聲音較大者（Masker）會將聲音較小者（Maskee）蓋過去，造成人耳幾乎完全聽不到較小聲
的聲音。故若將聲音來源先作快速傅立葉轉換，再將Sound Press Level（聲壓）對頻率作圖，則可得到Masking
Threshold曲線，而在此曲線之下的聲音就幾乎聽不到了。利用此特性，則可以將適量的浮水印資料加入聲音中，形成控告非法侵權的證據，而不會被發現
了。
資料來源：第三波雜誌、逢甲大學資訊工程學系專題報告
作者：B89901105 蔡雋永
沒有留言:
張貼留言