音频有损压缩技术

1.png

音频压缩

音频压缩：音频编码，不进行压缩，每秒产生的数据大小是1M多，数据太大了

音频压缩2个极端

1. 数据压缩越来越小
2. 压缩的速度越快越好
3. 很难达到压缩的最小，速度最快，一般是寻求一个平衡点，适合传输的同时，速度还快

音频压缩关注2个点

1. 消除冗余信息，人的听觉是20赫兹~2W赫兹，对于20赫兹以下，2W赫兹以上的信息，我们是不需要的，属于冗余信息，这种操作属于有损压缩
2. 无损压缩，剔除冗余信息，剩下的信息，是人敏感信息，对于剩下的数据，我们在进行无损压缩， 数据量变的更小

有损压缩：当我们把数据进行压缩之后，无法还原回跟原来一模一样的信息了

无损压缩：是对文件本身的压缩，和其它数据文件的压缩一样，是对文件的数据存储方式进行优化，采用某种算法表示重复的数据信息，文件可以完全还原，不会影响文件内容，对于数码图像而言，也就不会使图像细节有任何损失。

感谢分享

有损压缩

无损压缩

音频的冗余信息

音频压缩技术是在保证信号在听觉方面不产生失真的前提下，对音频数据信号进行尽可能大的压缩

压缩的主要方法：是取出采集到的音频冗余信息。所谓冗余信息包括人耳听觉范围外的音频信号以及呗。

信号的遮蔽可以分为频域遮蔽和时域遮蔽。

频域遮蔽

图片1

现实生活中，声音是一种复合声音(各种声音参杂在一起)，在与人对话的时候，听到对方说的，我们听到的，是对方说话的声音和好多环境的声音，比如关冰箱、水壶响，其实是参杂在一起，但是我们为什么能听见对方说的话，而听不见这些声音呢？是因为对方说的声音，覆盖掉了例如水壶响啊、关冰箱声音等，遮蔽掉了，如何遮蔽的呢？2种技术，一种是频域遮蔽，另一种是时域遮蔽。

频域遮蔽和时域遮蔽这个太深奥，在这里不做解释了，设计到的内容太深了，本人掌握的一点，不敢误导人，所以就不写了。

感谢分享

时域和频域转换 傅立叶变换

转换之后，我们只关心我们需要的波形，不要的就要替换掉，那些数据应该保留，那些数据应该扔掉呢？

图片1就给我们做了解释，横轴是它的频率范围，到0.02单位是khz，0.02也就是20hz，20hz一下的，人也不感知，纵轴是声音的强度，有一条静音门槛，这条曲线之下的声音都是被屏蔽掉的，人都是听不到的， 曲线之上的还有一个遮蔽效应，就是在不同的频域上，它会有一个范围，在这个范围之内的声音，也是被屏蔽掉的，2个女生说话，在相同频域范围内，声音高的 会把声音低的这个人的声音屏蔽掉，这也是为啥2个女生吵架的时候，声音高的很容易让人听见，男生和女生说话，虽然女生的声音高，但是男生的声音不一定被屏蔽掉，男生的声音在横轴0.25khz范围上，纵轴在30dB上，没在遮蔽源范围内，还是可以听见男生说话的。

1. 同频率的情况下，谁的嗓门高，谁的容易听见，声音强度大，就容易听的见
2. 不同频率的情况下，差的比较多，很小的一个声强，都能被听见
   以上就是频域遮蔽

时域遮蔽

2.png

时域遮蔽：随着时间的推移，它是如何产生遮蔽效应的。横轴是时间，纵轴是声音强度，图2所示，0-200，同时有很多声音进来，声强的会压住声弱的。声强之前的声音也会被屏蔽掉。在50毫秒内，越靠近这个人说话，越会被屏蔽掉。对于后面的屏蔽更长了，达到了200毫秒，你超过它，你就把前面的声音给屏蔽掉了，就看图2后屏蔽这。

根据时域和频域遮蔽效应哪些被屏蔽掉

1. 低于20hz或者高于2Whz的被屏蔽掉
2. 声音强度很小的，也被屏蔽掉了
3. 同时说话，声音强度大的压制声音强度小的
4. 同一频率，声音强度大的压制声音强度小的
5. 不同频率，他们之家影响很小