音频压缩 (格式)
音频压缩(区别于动态压缩)属于数据压缩的一种,用以减少音频流媒体的传输带宽需求与音频档案的存储大小。按压缩方法可以分为无损压缩和有损压缩。
无损音频压缩
无损压缩虽然缩小音频的储存大小,但可以保留原始文件的所有信息,在播放上与原始文件没有任何差别。可以从以下方面评估:压缩速度、压缩比率、解码速度、软件硬件支持、稳定性和出错率。
无损压缩是一个可逆的过程,利用信息冗余进行资料压缩。
根据信息理论中的信源编码定理:
其中 为输入消息的长度。
为输出消息的长度。
若 小于两者的互信息,则传递的资料会产生错误,因此无损压缩原是不可能的。
但是现实生活中传递的消息常常会有信息冗余的情况,所以无损压缩仍是可行。
利用信息冗余来进行压缩的示例如下:
假设今天要传递的消息是一间教室的哪些座位为空位。
相较于传递每个座位的个别信息一连串的消息,直接传递哪几排座位为空位更能节省消息的大小。
因此无损压缩的压缩率也跟资料源的一致性有关,一致性越高,压缩率越高。
Shorten是一种比较早的无损压缩格式;后来出现的有Free Lossless Audio Codec(FLAC)、Apple Lossless(ALAC)、Monkey's Audio(APE)和WavPack(WV)。
有损音频压缩
有损压缩,对原始文件的一些信息做一些近似处理,以得到更小的文件。
压缩后文件大小约为原本的百分之五到百分之二十(无损文件压缩约为原本的百分之五十到百分之六十)。
有损压缩是一个不可逆的过程,但是有损压缩将人类心理学、听觉系统的识别都纳入压缩结果的考量。
因此虽然压缩后文件很小,聆听者几乎分辨不出来。
由于有损压缩的不可恢复性,这种格式并不适合用在需要反复存档、读取的工作上。
例如音乐工作者修改乐曲内容,有损压缩较适合用在最后的用户上,最常见的有损压缩算法如 MP3 。
有损资料压缩常用的压缩方法为修正离散余弦(MDCT),利用人类听阈的特性以及听觉掩蔽,将不重要的声音信息舍弃。
结合人类大脑听觉识别与人耳听阈的研究称为声心理学。
需要注意的是,虽然有损压缩在理论上对原始文件造成损失,但这种损失不一定能被人耳分辨出来。[1]
参考文献