Mp3

原理及文件格式解析

1.

引言

文件压缩技术的日新月异使得

MP3

成为时下最烫手的音乐格式，优质的音乐随着

0

与

1 

的排列迅速散布

到世界各地，撼动人心。何谓

MP3

？

MP3

的全称是

MPEG Audio Layer 3

，它是一种高效的计算机音频编

码方案，

它以较大的压缩比将音频文件转换成较小的扩展名为

.MP3

的文件，

基本保持原文件的音质。

MP3

是

ISO/MPEG

标准的一部分，

ISO/MPEG

标准描述了使用高性能感知编码方案的音频压缩，此标准一直

在不断更新以满足

“

质高量小

”

的追求，现已形成

MPEG Layer 1

、

Layer 2

、

Layer 3

三个音频编码解码方

案。

MPEG Layer 3

压缩率可达

1:10

至

1:12

，

1M

的

MP3

文件可播放

1

分钟，而

1

分钟

CD

音质的

WAV

文件（

44100Hz

，

16bit

，双声道，

60

秒）要占用

10M

空间，这样算来，一张

650M

的

MP3

光盘播放时

间应在

10

小时以上，

而同样容量的一张

CD

盘播放时间在

70

分钟左右。

MP3

的优势是

CD

难以比拟

的。

2 MP3

原理浅析

2.1 MPEG Audio

标准

MPEG

（

Moving Picture Experts Group

）是

ISO

下的一个动态图象专家组，它制定的

MPEG

标准广泛应

用于各种多媒体中。

MPEG

标准包括视频和音频标准，

其中音频标准已制定出

MPEG-1

、

MPEG-2

、

MPEG-2 

AAC

和

MPEG-4

。

MPEG-1

和

MPEG-2

标准使用同一个音频编码解码族

—

Layer1

、

2

、

3

。

MPEG-2

一个新特点是采用低采

样率扩展降低数据流量，

另一特点是多通道扩展，

将主声道增加为

5

个。

MPEG-2 AAC

（

MPEG-2 Advanced 

Audio Coding

）标准是

Fraunhofer IIS

同

AT&T

公司于

1997

年推出的，旨在显著减少数据流量，

MPEG-2 

AAC

采用的

MDCT

（

Modified Discrete Cosine Transform

）算法

,

采样率可在

8KHz

到

96KHz

之间，声道

数可在

1-48

之间。

MPEG Audio Layer 1

、

2

、

3

三个层使用相同的滤波器组、

位流结构和头信息，

采样频率为

32KHz

、

44.1KHz

或

48KHz

。

Layer 1

是为数字压缩磁带

DCC

（

Digital Compact Cassette

）设计的，数据流量为

384kbps

，

Layer 2

在复杂性和性能间作了权衡，数据流量下降到

256kbps-192kbps

。

Layer 3

一开始就为低数据流量

而设计，数据流量在

128kbps-112kbps

，

Layer 3

增加了

MDCT

变换，使其频率分辨能力是

Layer 2

的

18

倍，

Layer 3

还使用了与

MPEG Video

类似的平均信息量编码

（

Entropy Coding

），

减少了冗余信息。

MP3

绝大部分使用的是

MPEG-1

标准。

2.2 

音频压缩的目的

MP3

格式始于

80

年代中期，德国

Erlangen

的

Fraunhofer

研究所致力于高质量、低数据率的声音编码。

让我们来看一个例子：你想对你喜欢的一首长约

4

分钟的歌曲采样，将其存

储在磁盘上，以

CD

音质的

WAV

格式抽样，

抽样率为

44.1kHz

，

即每秒钟接收

44100

个值，

立体声，

每次抽样数据为

16

位

（

2

字节）

，

则这首歌占的

空间为：

44100×

2

声道

x2

字节

x60

秒

x4

分钟

=40.4MB 

如果从

Internet

上下载这首歌，假设传输率为

56kbps

，则下载时间为：

40.4×

106x8/56×

103x60=96

分钟

即使是

1M

的宽带网也需

5

分钟以上，由此可见，音频压缩对减少音频数据的存储空间显得尤为重要。

2.3 MP3

编码与解码

MP3

音频压缩包含编码和解码两个部分。编码是将

WAV

文件中的数据转换成高压缩率的位流形式，解码

是接受位流并将其重建到

WAV

文件中。

MP3 

采用了感知音频编码（

Perceptual Audio Coding

）这一失真算法。人耳感受声音的频率范围是

20Hz-20kHz

，

MP3

截掉了大量的冗余信号和无关的信号，编码器通过混合滤波器组将原始声

音变换到频

率域，利用心理声学模型，估算刚好能被察觉到的噪声水平，再经过量化，转换成

Huffman

编码，形成

MP3

位流。解码器要简单得多，它的任务

是从编码后的谱线成分中，经过反量化和逆变换，提取出声音

信号。

MP3

编码和解码流程如图

1

所示。