cacchuanaudio

5/17/2018 CacchuanAudio - slidepdf.com

http://slidepdf.com/reader/full/cacchuanaudio 1/7

T ẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ, ĐẠI HỌC Đ À N ẴNG - SỐ 4(39).2010

235

TỔNG QUAN VỀ CÁC K Ỹ THUẬT NÉN AUDIO CHẤT LƯỢ NG CAOMP3 VÀ AAC DÙNG TRONG THIẾT BỊ SỐ HIỆN NAY

OVERVIEW OF HIGH QUALITY AUDIO COMPRESSION TECHNOLOGIES MP3AND AAC FOR TODAY’S DIGITAL MEDIA

Hoàng Lê Uyên Thục, Phạm V ăn Tuấ nTr ườ ng Đại học Bách khoa, Đại học Đà N ẵ ng

TÓM TẮT

Trong vài năm gần đây, chúng ta đã chứng kiến sự gia tăng không ngừng của kỹ thuậtnén tín hiệu audio số, đặc biệt là MP3 (Moving Picture Experts Group 1 - Layer 3) và AAC

(Moving Picture Experts Group 2 - Advanced Audio Coding). MP3 và AAC là hai chuẩn nénaudio số chất lượng cao, tín hiệu audio khôi phục nghe được gần giống với tín hiệu gốc tr ướckhi nén. Tùy thuộc vào yêu cầu về chất lượng mà tỷ lệ nén có thể được chọn lựa thích hợp. Vớichất lượng gần giống CD, tỷ lệ nén có thể đạt được khoảng 11:1. Bài báo trình bày tổng quanvề cách thực hiện mã hóa/giải mã MP3 và AAC trên cơ sở lợi dụng những đặc điểm cảm quancủa tai người. Đồng thời tiến hành so sánh MP3 và AAC về chất lượng tín hiệu audio, tốc độ bit và tỷ lệ nén bằng phương pháp đánh giá chất lượng chủ quan là nghe thử. Kết quả thựcnghiệm hoàn toàn phù hợp với các nghiên cứu đã được công bố tr ước đó.

ABSTRACT

There has been a widespread proliferation of digital audio signal compressiontechnologies in the past few years, especially MP3 (Moving Picture Experts Group 1 - Layer 3)

and AAC (Moving Picture Experts Group 2 - Advanced Audio Coding). The MP3 and AACstandards are two high quality compression technologies in which AAC performs better thanMP3. The reconstructed audio signal almost sounds similarly to the original one beforecompression. The compression ratio can be chosen according to the sound quality requirement.The near-CD sound quality can be reached at the compression ratio of 11:1. This articlepresents an overview of human perception of sound, based on which, the encoding anddecoding of MP3 and AAC are implemented. The article also makes the comparison of severalproperties of MP3 and AAC, such as audio quality, bit rate, compression ratio using thesubjective evaluation which is based on the listening test. The experimental results are quite inaccordance with previous publications.

1. Đặt vấn đề

Năm 1982, hai công ty điện tử Philips và Sony đã thành công vang dội vớ i việc

tung ra thị tr ườ ng phươ ng tiện mớ i để lưu tr ữ tín hiệu audio dướ i dạng số - đĩ a compact

(CD). Yêu cầu dung lượ ng cần thiết để ghi âm tín hiệu audio số vào khoảng 1.411

Mbps, ngh ĩ a là:

44100 (mẫu/giây) x 16 (bit/mẫu) x 3600 (giây/giờ ) x 2 kênh = 1.411 Mbps.

Sự phát triển nhanh chóng của các phươ ng tiện nghe nhạc bỏ túi, các dịch vụ chia sẻ file

audio giữa các máy tính qua internet, các dịch vụ truyền hình số (đi kèm audio)… đã




236

gây ảnh hưở ng sâu sắc đến các ứng dụng truyền/lưu tr ữ audio. Điều này thúc đẩy các

chuẩn mã hóa nén audio mớ i ra đờ i; trong đó phổ biến nhất là chuẩn MP3 và AAC.

Chuẩn MP3 đượ c ứng dụng để truyền tín hiệu audio qua internet và để lưu tr ữ tín hiệu

audio trong các thiết bị nghe nhạc bỏ túi. Chuẩn AAC là chuẩn nén audio tiế p theo

MP3, đang đượ c sử dụng trong cửa hàng âm nhạc tr ực tuyến của Apple là iTunes.

2. Mã hóa cảm quan tín hiệu audio

Mã hóa audio cảm quan (perceptual encoding) là một k ỹ thuật lợ i dụng những

đặc điểm cảm quan của tai

ngườ i để đạt đượ c tỷ lệ nén cao

vớ i chất lượ ng nén tốt.

Nghiên cứu [1] cho thấy:

độ nhạy của tai khác nhau đối

vớ i các thành phần tần số khácnhau, nên có thể lợ i dụng điều

này để lượ ng tử hóa tín hiệu

audio vớ i số bit khác nhau cho

mỗi băng con, dẫn đến số bit

trung bình giảm xuống (hình 1)

Khi nghe hai âm thanh

mạnh yếu khác nhau vớ i tần số khác nhau xảy ra cùng lúc, âm mạnh hơ n có thể “che

khuất” khiến tai không nghe đượ c âm yếu hơ n. Hiệu ứng này gọi là mặt nạ t ần số

(frequency masking). Tươ ng tự như vậy, nếu âm yếu hơ n đượ c phát ra ngay

tr ướ c hoặc ngay sau âm mạnh hơ n thì

cũng bị “che khuất”. Hiệu ứng này gọi

là mặt nạ thờ i gian (temporal

masking). Hình 2 minh họa sự k ết hợ phai hiệu ứng này.

2.1. Chuẩ n mã hóa audio MP3

MPEG là nhóm các chuẩn mã

hóa audio cảm quan chất lượ ng cao. MPEG-1 hoạt động ở ba chế độ khác nhau gọi làl ớ p (layer), vớ i mức độ phức tạ p và hiệu quả tăng dần từ lớ p 1 đến lớ p 3 [1]. MPEG-1

lớ p 3 (còn gọi là MP3) là nhóm MPEG-1 phức tạ p nhất, cung cấ p chất lượ ng audio gần

vớ i chất lượ ng CD ở tốc độ bit thấ p.

MP3 hỗ tr ợ các tần số lấy mẫu khác nhau như 32kHz, 44.1kHz và 48kHz; tốc

độ bit có thể thay đổi từ 32 đến 448 kbps; mode mã hóa có thể thay đổi, bao gồm:

mono, dual mono, stereo và joint stereo.

Hình 3 là sơ đồ khối của một bộ mã hóa MP3 điển hình.

Hình 1. Phân chia d ải t ần nghe đượ c thành các

băng con và l ượ ng t ử hóa các mẫ u trong t ừ ng

băng vớ i số bit khác nhau [1]

Hình 2. K ế t hợ p hiệu ứ ng mặt nạ t ần số vớ imặt nạ thờ i gian [1]




237

- Giàn lọc (Filterbank): phân tích tín hiệu vào thành 32 băng con, đầu ra của các

bộ lọc băng con đượ c nối vớ i bộ biế n đổ i Cosin r ờ i r ạc MDCT (Modified

Discrete Cosine Transform). MDCT chia tiế p các đầu ra của giàn lọc thành 576

băng con nhằm đạt độ phân giải tốt hơ n trong miền tần số. Việc phân chia băng

con là nhằm lợ i dụng đặc điểm độ nhạy của tai thay đổi đối vớ i các thành phần

tần số khác nhau.

- Lập mô hình cảm quan (Psychoacoustic model): khâu này quyết định chất

lượ ng của tín hiệu MP3. Bộ mã hóa MP3 tiến hành ánh xạ từ miền thờ i gian

sang miền tần số bằng phép biế n đổ i Fourier nhanh FFT (Fast Fourier

Trasform) 1024 điểm, để giúp phân giải tần số tốt hơ n nhằm ướ c lượ ng ngưỡ ng

mặt nạ chính xác hơ n.

Hình 3. S ơ đồ khố i bộ mã hóa audio theo chuẩ n MP3 [2]

- Lượ ng tử hóa và mã hóa (Quantization and Coding): thực hiện lượ ng tử hóa

và mã hóa các thành phần phổ vớ i yêu cầu nhiễu lượ ng tử hóa thấ p hơ n ngưỡ ng

mặt nạ. Các giá tr ị lượ ng tử hóa đượ c mã hóa Huffman vớ i bảng mã thay đổi đối

vớ i những dải tần số khác nhau, để thích nghi tốt hơ n vớ i tín hiệu. Vì mã

Huffman là mã có độ dài từ mã thay đổi và cần giữ cho nhiễu thấ p hơ n ngưỡ ng

mặt nạ nên phải tính độ lợ i và các hệ số tỷ lệ tr ướ c khi lượ ng tử hóa. Để tìm

đượ c độ lợ i và các hệ số tỷ lệ tối ưu đối vớ i một khối cho tr ướ c, MP3 dùng hai

vòng lặ p lồng vào nhau.

- Vòng lặp trong hay vòng lặp điều khiển tốc độ (rate control loop): hiệu

chỉnh độ lợ i để tăng dần kích thướ c bướ c lượ ng tử hóa, giảm dần số mức lượ ng

tử hóa cho đến khi số bit yêu cầu cho mã hóa Huffman đủ nhỏ, dẫn đến bit tốc

độ bit của tín hiệu MP3 đủ nhỏ.

- Vòng lặp ngoài hay vòng lặp điều khiển nhiễu (distortion control loop): hiệu

chỉnh hệ số tỷ lệ để giảm dần nhiễu lượ ng tử hóa, lúc đó số mức lượ ng tử hóa

tăng dần lên, làm tốc độ bit tăng dần lên, dẫn đến vòng lặ p trong phải hiệu chỉnh

độ lợ i. Nếu không đồng thờ i thỏa mãn đượ c yêu cầu về tốc độ bit và chất lượ ng




238

audio thì hai vòng lặ p sẽ không có điểm hội tụ. Để tránh tr ườ ng hợ p này, phải

hiệu chỉnh các thông số mã hóa khi bộ mã hóa hoạt động ở các tốc độ bit khác

nhau.

- Định dạng dòng bit (bitstream formatting): dòng bit MP3 đượ c định dạngtheo từng khung, gồm các hệ số phổ đã đượ c mã hóa, đầu khung là header gồm:

từ mã đồng bộ, tốc độ bit, tần số lấy mẫu, lớ p, mode mã hóa. Do các thông tin

trên đượ c lặ p lại trong tất cả các khung nên ta có thể giải mã vào bất cứ lúc nào.

2.2. Chuẩ n mã hóa audio AAC

AAC có kiến trúc tươ ng tự như MP3 nhưng khác vớ i MP3 ở chỗ AAC dùng

phươ ng pháp modul hóa (hình 4), phát triển thêm nhiều công cụ mã hóa mớ i, giúp cải

thiện chất lượ ng audio ở tốc độ bit thấ p:

- Giàn lọc: AAC thay giàn lọc trong MP3 bằng MDCT vớ i kích thướ c cửa sổ

dài 1024 (thay cho 576 trong MP3). Điều này làm tăng độ phân giải tần số so

vớ i MP3.

Hình 4. S ơ đồ khố i bộ mã hóa audio theo chuẩ n MPEG-2 AAC [2]

- TNS (Temporal Noise Shaping): là một công nghệ mớ i r ất thành công trong

việc cải thiện chất lượ ng tiếng nói ở tốc độ bit thấ p. TNS tạo dạng nhiễu trong

miền thờ i gian bằng một vòng lặ p hở dự đoán trong miền tần số [1]

- Dự đoán (prediction): có thể dùng khối dự đoán để tăng tỷ lệ nén bằng cách

hướ ng cho bộ lượ ng tử hóa tậ p trung vào những mẫu tín hiệu đáng quan tâm [1].

- Mã hóa audio: mã hóa M/S (mid/side) và ghép cặ p (coupling) mềm dẻo hơ ntrong MP3, cho phép giảm tốc độ bit.

- Mã hóa Huffman: dùng từ mã có độ dài thay đổi để giảm hơ n nữa độ dư trong

hệ số tỷ lệ và trong giá tr ị của các vạch phổ lượ ng tử hóa.

- Bitstream multiplexer: tươ ng tự MP3, dòng bit AAC đượ c định dạng thành




239

các khung, trong khung AAC cũng có từ mã đồng bộ và các tham số mã hóa

nhưng không gắn liền vớ i nhau mà thay đổi tùy ứng dụng cụ thể. Ví dụ như:

ADIF (Audio Data Interchange Format) đặt tất cả thông tin điều khiển giải mã

vào trong một header đơ n tr ướ c dòng audio, giúp cho việc trao đổi file dễ dàng

hơ n, nhưng không thể giải mã vào bất cứ lúc nào ta muốn. Hay ADTS (Audio

Data Transport Stream) định dạng header tươ ng tự như MP3, cho phép giải mã

bất cứ lúc nào cần.

3. So sánh MP3 và AAC

3.1. Chấ t l ượ ng mã hóa

Để đánh giá chất lượ ng mã hóa tín hiệu audio, về cơ bản có ba phươ ng pháp là:

nghe thử (đánh giá chủ quan), đánh giá khách quan và đo cảm quan.

Cho đến nay thì nghe thử vẫn là phươ ng pháp đơ n giản và hiệu quả để đánh giá

chất lượ ng của các thuật toán mã hóa audio khác nhau. ITU-R (International

Telecommunications Union, Radiocommunications sector) cùng vớ i các phát thanh viên

và nhóm MPEG audio đã đề xuất một loạt các quy tắc phức tạ p để đánh giá chất lượ ng

bằng cách nghe thử.

Đánh giá khách quan là phươ ng pháp dựa vào tỷ số tín hiệu trên nhiễu SNR. Tuy

nhiên làm thế này có thể xem là không tuân theo mục đích của mã hóa cảm quan, vì mã

hóa cảm quan cải thiện chất lượ ng audio bằng cách tạo thêm nhiễu miền thờ i gian và tần

số dựa trên cơ chế cảm quan của tai, nên có thể dẫn đến SNR thấ p.

ITU-R đã chuẩn hóa một phươ ng pháp đánh giá chất lượ ng dựa gọi là đo cảm quan,

dựa vào mô hình cảm quan của tai để đánh giá chất lượ ng của tín hiệu audio nén [5].

3.2. T ố c độ bit

MPEG không làm việc vớ i tốc độ bit cố định mà ngườ i dùng có thể tùy chọn tốc

độ bit. Tốc độ bit thấ p hơ n sẽ dẫn đến tỷ lệ nén tốt hơ n nhưng chất lượ ng thấ p hơ n. Tuy

nhiên, ta có thể tìm đượ c những tốc độ bit đặc biệt gọi là “sweet spots”, tại đó thuật toán

có thể làm việc tốt nhất. Tại các tốc độ bit lớ n hơ n “sweet spots”, chất lượ ng tín hiệu

audio tăng r ất chậm, trong khi đó tại các tốc độ bit thấ p hơ n, chất lượ ng lại giảm r ất

nhanh.

3.3. K ế t quả so sánh MP3 và AAC bằng thự c nghi ệm

Dùng chức năng “Recoring” trong module “Audio Compression” của chươ ng

trình [1] để ghi âm 20 file âm nhạc ở dạng *.wav, trong đó có 10 file nhạc cổ điển và

10 file nhạc Rap. Chế độ thu đượ c chọn là stereo, tần số lấy mẫu lần lượ t là 32kHz và

44.1kHz. Sau đó tiến hành nén các file wav bằng chức năng “Audio codec”, lần lượ tchọn thuật toán nén MP3 và AAC. Đối vớ i MP3, tiến hành nén ở tốc độ bit 32kbps,

64kbps và 128kbps. Đối vớ i AAC, tiến hành nén ở tốc độ bit 64kbps, 128kbps và

192kbps. Sau đó, so sánh chất lượ ng bằng phươ ng pháp nghe thử nhằm kiểm tra tiếng

ồn, độ méo, cao độ của các nốt, sự ổn định,…, chúng tôi nhận thấy k ết quả như sau:




240

Bảng 1. K ế t quả so sánh chấ t l ượ ng của các file MP3

Tốc độ bit

Nhạc cổ điển lấymẫu ở 32kHz

Nhạc cổ điển lấymẫu ở 44.1kHz

Nhạc Rap lấy mẫu ở 32kHz

Nhạc Rap lấy mẫuở 44.1kHz

32kbps

R ất méo, r ất ồn vànhững nốt dài bị đứt

đoạn

Không cải thiện mấyso vớ i tần số lấy mẫu

32kHz

R ất méo, r ất ồn vànhững đoạn nói dài bị

đứt đoạn

Không cải thiệnmấy so vớ i tần số

lấy mẫu 32kHz

64kbps

Vẫn méo và ồn,

những nốt dài ít bị đứt đoạn hơ n

Méo và bị đứt đoạnmột ít ở các nốt dài,

tốt hơ n so vớ i tần số lấy mẫu 32kHz, tốc

độ 64kbps

Vẫn còn méo và ồn,

những đoạn nói dài bớ t bị đứt đoạn

Tốt hơ n so vớ i raplấy mẫu ở tần số

32kHz, nhưng vẫncòn nhận ra méo, ồn

và đứt đoạn

128kb ps

Còn méo một ít,nhưng hầu như các

nốt dài không còn

bị đứt đoạn

Chất lượ ng gần vớ ifile gốc, khó phân

biệt vớ i file wav

Còn méo, ổn và bị đứtđoạn nhưng có thể

chấ p nhận đượ c

Chất lượ ng gần vớ ifile gốc, khó phân

biệt vớ i file gốc

3.4. Nhận xét

K ết quả đánh giá chất lượ ng đối vớ i file nén MP3 ở bảng 1 cho thấy: khi thu âm

ở tần số lấy mẫu 32kHz thì chất lượ ng âm nhạc tất tệ. Cả hai loại nhạc thử nghiệm đều

đạt chất lượ ng chấ p nhận đượ c ở tần số lấy mẫu 44.1kHz và tốc độ bit 64kbps, nhưng

muốn chất lượ ng khá phải nén ở tốc độ bit 128kbps. Lúc này tỷ lệ nén đạt đượ c khá cao

là: 1.411 (Mbps) : 128 (kbps) = 11 : 1.

Đối vớ i AAC, như k ết quả trình bày trong bảng 2, nhạc cổ điển thu âm ở tần số

lấy mẫu 44.1kHz và nén ở tốc độ bit 64kbps có chất lượ ng chấ p nhận đượ c và tốt hơ n sovớ i Rap, vì những nốt cao nghe rõ và trong hơ n; hơ n nữa những đoạn nói trong nhạc

Rap bị méo nhiều hơ n so vớ i nhạc. Cả hai loại nhạc thử nghiệm khi thu âm ở tần số lấy

mẫu 44.1kHz và nén ở tốc độ bit 128kbps và 192kbps đều cho chất lượ ng r ất tuyệt, đặc

biệt r ất khó phân biệt chất lượ ng giữa tốc độ 128kbps và 192kbps.

Bảng 2. K ế t quả so sánh chấ t l ượ ng của các file AAC

Tốc độ bit

Nhạc cổ điển lấymẫu ở 32kHz

Nhạc cổ điển lấymẫu ở 44.1kHz

Nhạc Rap lấy mẫu ở 32kHz

Nhạc Rap lấy mẫu ở 44.1kHz

64kbpsCó ồn một ít và

một số nốt cao bị phô

R ất ít nhiễu, còn ítméo, nghe khá tốt

Có ồn một ít và mộtsố nốt cao bị phô

Có ồn một ít và mộtsố nốt cao bị phô

128kbps

Gần vớ i chấtlượ ng gốc, khó

phân biệt vớ i filewav

Gần vớ i chất lượ nggốc, khó phân biệt

vớ i file wav


vớ i file wav


vớ i file wav

192kbps

Gần vớ i chấtlượ ng gốc, khó

phân biệt vớ i tốc

độ 128kbps


vớ i tốc độ 128kbps








241

Như vậy, k ết quả đánh giá chất lượ ng của các file nhạc nén bằng MP3 và AAC

bằng thực nghiệm là phù hợ p vớ i các k ết quả nghiên cứu đượ c công bố tại [1], [2], [3].

4. K ết luận

Cả hai chuẩn mã hóa MP3 và MPEG-2 AAC đều có thể nén tín hiệu audio vớ ichất lượ ng gần chất lượ ng của CD. Trong hai chuẩn trên, MP3 ít phức tạ p hơ n AAC,

AAC cung cấ p chất lượ ng tốt hơ n MP3 vớ i cùng tần số lấy mẫu và tỷ lệ nén.

Hướ ng nghiên cứu tiế p theo: tìm hiểu và phát triển các chuẩn nén audio mớ i dựa

trên MPEG-4, thực hiện đầy đủ các phươ ng pháp đánh giá chất lượ ng như: single

stimulus rating, paired rating with reference, multiple stimulus rating, ITU-R BS.1116-1,

MUSHRA.

TÀI LIỆU THAM KHẢO

[1] Jenq-Neng Hwang, “Multimedia Networking”, Cambridge University Press 2009.

[2] Karl-Heinz Brandenburg, “MP3 and AAC explained”, AES 17th International

Conference on High Quality Audio Coding.

[3] Stephen Bunting, “A subjective comparison of MPEG-4 AAC codecs”, 4B

Technical Project 2004.

[4] Serkan Kiranyaz, Mathieu Aubazac, Moncef Gabbouj, “Unsupervised

Segmentation and Classification over MP3 and AAC Audio Bitstreams”, WIAMIS

2003.

[5] C. Colomes, C. Schmidmer, and W.C. Treurniet, “Perceptual quality assessment

for digital audio: PEAQ-the proposed ITU standard for objective measurement of

perceived audio quality”, AES 17th International Conference.

cacchuanaudio

Documents