Rechnernetze

MPEG Audio Layer-3

1987 begann das Frauenhoferinstitut für integrierte Schaltkreise (IIS) im Rahmen eines europäischen Forschungsprojekts mit der Entwicklung eines Kodierungsverfahrens für Digital Audio Broadcasting (DAB). Daraus entstand in Zusammenarbeit mit der Universität Erlangen der standardisierte Algorithmus ISO-MPEG Audio Layer-3 (IS 11172-3 and IS 13818-3).

Typische Audiosignale bestehen aus 16 Bit Auflösung, welche mit der doppelten Audiobandbreite (ca. 44,1 kHz bei Compact Disks) aufgenommen werden. Für jede Sekunde Stereomusik in CD-Qualität benötigt man daher  ca. 1,4  MBit. Durch das Verfahren MPEG Audio Layer-3 lässt sich diese Datenmenge um den Faktor 12 reduzieren, ohne an Qualität zu verlieren. Darüber hinaus lassen sich selbst mit Reduktionsfaktoren von 24 und mehr Qualitäten erreichen, die besser sind als jene, die man durch Reduktion der Auflösung und Aufnahmerate erhalten würde. Dieses wird im Prinzip vor allem durch die Berücksichtigung der physiologischen Eigenschaften des menschlichen Gehörs erreicht.

Durch das Verfahren MPEG Audio Layer-3 lässt sich die typische Datenmenge bei Erhaltung der originalen CD-Klangqualität reduzieren auf

Durch Ausnutzung von Stereo-Effekten und Beschränkung der Bandbreite lässt sich bei akzeptabler Klangqualität die Bitrate weiter verringern. MPEG Layer-3 ist zur Zeit das mächtigste Glied der MPEF-Audio-Coding-Familie. Bei geforderter Klangqualität benötigt es die geringste Bandbreite, bzw. bei gegebener Bandbreite erreicht es die höchste Klangqualität.

Klangqualität

Details

Filterbank

Die im MPEG Audio Layer-3 verwendete Filterbank ist eine Hybridfilterbank, die aus einem Polyphasenfilterbank und einer modifizierten Cosinus-Tranformation (MDCT) besteht. Diese Hybridform wurde aus Gründen der Kompatibilität mit den Vorgänger-Codecs Layer-1 und Layer-2 gewählt.

Wahrnehmungsmodell 

Das Wahrnehmungsmodell bestimmt hauptsächlich die Qualität einer Encoder-Implementierung. Es benutzt entweder eine separate Filterbank oder es kombiniert die Berechnung aus Energiewerten (zur Maskierungsberechung) mit der Hauptfilterbank. Die Ausgabe des Wahrnehmungsmodells besteht aus Werten für die Schwellwerte zur Maskierung oder den erlaubten Geräuschpegelabstand für jede Coder-Partition. Wenn das Quantisierungsgeräusch unter den Maskierungsschwellwerten gehalten werden kann, sollten die Kompressionsergebnisse vom Originalsignal nicht mehr unterschieden werden können.

Joint Stereo

Gemeinsame Stereokodierung nutzt aus, dass beide Stereokanäle nahezu die gleiche Information enthalten. Aus diesen stereophonen Unwesentlichkeiten und Redundanzen kann die totale Bitrate reduziert werden. Gemeinsame Stereokodierung wird eingesetzt, wenn bei geringen Bitraten Stereosignale erwünscht sind.

Quantizierung und Kodierung

Ein System zweier verschachtelter Schleifen ist der grundlegende Lösungsansatz zur Quantisierung und Kodierung beim Layer-3-Encoder. Quantisierung wird mittels eines Potenz-Quantisierer durchgeführt, so dass große Werte automatisch weniger genau kodiert werden, bei gleichzeitiger Geräuschreduktion. Die quantifizierten Werte werden mit der verlustlosen Huffman-Kodierung behandelt, so dass dem Audisignal keine zusätzliches Störsignal hinzugefügt wird. 

Um die optimalen Schranken und Skalierungsfaktoren bei gegebenem Block, Bitrate und Ausgabe des Wahrnehmungsmodells zu finden, werde in der Regel zwei verschachtelte Schleifen in einem Analysis-Syntheseverfahren verwendet:

Innere Iteratiosschleife 

Die Huffman-Kodierungstabelle weist den häufiger auftretenden kleineren Quantisierungswerten kürzere Codewörter zu. Sollte die Anzahl der in einem Datenblock verfügbaren Bits die vorgegebene Grenze überschreiten, so können durch Veränderung der Schwellwerte die Quantisierungsschritte erhöht werden, bis die erforderliche Bitrate klein genug ist. Diese Schleife wird auch als "Rate-Schleife" bezeichnet, da sie die gesamte Coder-Rate reduziert, bis sie klein genug ist.

Äußere Iterationsschleife (Störgeräuschkontrolle / Verzerrung)

Damit das Quantisierungsgeräusch entsprechend der Maskierungsgrenze beschränkt wird, werden Skalierungsfaktoren auf jedes Skalierungsfaktorband angewendet. Das System beginnt mit einem Defaultwert von 1,0. Ist das Quantisierungsgeräusch (d.h. der zulässige Geräuschpegel) größer als die Maskierungsgrenze, wie sie vom Wahrnehmungsmodell vorgegeben ist, wird der Skalierungsfaktor für dieses Band angepasst, um das Quantisierungsgeräusch zu vermindern. Da eine feinere Quantisierung eine größere Anzahl von Quantisierungsstufen und somit eine größere Bitrate benötigt, muss die  innere Iterationsschleife jedes Mal wiederholt werden, wenn die Skalierungsfaktoren verändert werden; die innere Schleife ist also in die äußere zu verschachteln. Die äußere Schleife zur Störgeräuschkontrolle wird so oft wiederholt, bis das tatsächliche Störgeräusch (als Differenz aus dem originalen Spektralwert minus dem quantisierten Spektralwert) unterhalb der Maskierungsgrenze für jedes Skalierungsfaktorband ist (dem kritischen Band).