Tiêu chuẩn Quốc gia TCVN 12892-3:2020 ISO/IEC 11172-3:1993/Cor.1:1996 Công nghệ thông tin - Mã hóa hình ảnh động và âm thanh kết hợp cho phương tiện lưu trữ số lên tới 1,5 mbit/s - Phần 3: Âm thanh

TIÊU CHUẨN QUỐC GIA

TCVN 12892-3 : 2020

ISO/IEC 11172 - 3: 1993/Cor.1:1996

CÔNG NGHỆ THÔNG TIN - MÃ HÓA HÌNH ẢNH ĐỘNG VÀ ÂM THANH KẾT HỢP CHO PHƯƠNG TIỆN LƯU TRỮ SỐ LÊN TỚI 1,5 MBIT/S - PHẦN 3: ÂM THANH

Information technology - Coding of moving pictures and associated audio for digital storage media at up to about 1,5 Mbit/s - Part 3: Audio

MỤC LỤC

1  Phạm vi áp dụng

2  Tài liệu viện dẫn

3  Thuật ngữ và định nghĩa

4  Ký hiệu và từ ngữ viết tắt

4.1  Toán tử số học

4.2  Các toán tử logic

4.3  Các toán tử quan hệ

4.4  Các phép toán thao tác bít

4.5  Phép gán

4.6  Phép nhớ

4.7  Hằng số

5  Phương pháp mô tả cú pháp dòng bít

6  Các yêu cầu của cấu trúc mã hóa và tham số

6.1  Hàm chuỗi âm thanh

6.2  Hàm khung âm thanh

6.3  Hàm tiêu đề

6.4  Hàm kiểm tra lỗi

6.5  Hàm dữ liệu âm thanh, lớp I

6.6  Hàm dữ liệu âm thanh, lớp II

6.7  Hàm dữ liệu âm thanh lớp III

6.8  Hàm dữ liệu phụ trợ

7  Ngữ nghĩa cho cú pháp dòng bít âm thanh

7.1  Chuỗi âm thanh chung

7.2  Khung âm thanh

7.3  Tiêu đề

7.4  Kiểm tra lỗi

7.5  Dữ liệu âm thanh, lớp I

7.6  Dữ liệu âm thanh lớp II

7.7  Dữ liệu âm thanh, lớp III

7.8  Dữ liệu phụ trợ

8  Quá trình giải mã âm thanh

8.1  Tổng quan

8.2  Lớp I

8.2.1  Tái lượng tử hóa các mẫu băng tần con

8.2.2  Giàn bộ lọc tần con tổng hợp

8.3  Lớp II

8.3.1  Giải mã phản bổ bit

8.3.2  Giải mã thông tin lựa chọn hệ số tỷ lệ

8.3.3  Giải mã hệ số tỷ lệ

8.3.4  Tái lượng tử các mẫu băng tần con

8.3.5  Giàn bộ lọc tần tổng hợp

8.4  Lớp III

8.4.1  Giải mã

8.4.2  Thông tin phụ

8.4.3  Khởi đầu dữ liệu chính

8.4.4  Xem xét bộ đệm

8.4.5  Hệ số tỷ lệ

8.4.6  Giải mã Huffman

8.4.7  Lượng tử hóa

8.4.8  Công thức tính toán lượng tử và tất cả các hệ số tỷ lệ.

8.4.9  Sắp xếp lại thứ tự

8.4.10  Quá trình xử lý âm thanh nổi

Phụ lục A (Quy định) Sơ đồ mã hóa, giải mã

Phụ lục B (Quy định) Các bảng biểu

Phụ lục C (Tham khảo) Quá trình mã hóa

C.1  Mã hóa

Phụ lục D (Tham khảo) Mô hình tâm thính học

D.1. Mô hình tâm thính học 1

D.2. Mô hình tâm thính học 2

Phụ lục E (Tham khảo) Độ nhạy bít với lỗi

E.1  Tổng quan

E.2  Lớp I và II

E.3  Lớp III

Phụ lục F (Tham khảo) Giấu lỗi

Phụ lục G (Tham khảo) Mã hóa phối kết âm thanh nổi

G.1. Mã hóa cường độ âm thanh nổi cho lớp I, II

G.2. MS Stereo và mã hóa cường độ âm thanh nổi cho lớp III

Phụ lục H (Tham khảo) Danh sách chủ sở hữu bằng sáng chế

Thư mục tài liệu tham khảo

Lời nói đầu

TCVN 12892-3: 2020 hoàn toàn tương đương ISO/IEC 11172 - 3: 1993 và đính chính kỹ thuật ISO/IEC 11172-3:1993/ Cor.1:1996.

TCVN 12892-3 : 2020 do Viện Khoa học kỹ thuật Bưu điện - Học viện Công nghệ Bưu chính Viễn thông biên soạn, Bộ Thông tin và Truyền thông đề nghị, Tổng cục Tiêu chuẩn Đo lường Chất lượng thẩm định, Bộ Khoa học và Công nghệ công bố.

CÔNG NGHỆ THÔNG TIN - MÃ HÓA HÌNH ẢNH ĐỘNG VÀ ÂM THANH KẾT HỢP CHO PHƯƠNG TIỆN LƯU TRỮ SỐ LÊN TỚI 1,5 MBIT/S - PHẦN 3: ÂM THANH.

Information technology - Coding of moving pictures and associated audio for digital
storage media at up to about 1,5 Mbit/s - Part 3: Audio

1  Phạm vi áp dụng

Tiêu chuẩn này quy định phương pháp mã hóa, giải mã tín hiệu âm thanh chất lượng cao. Tín hiệu đầu vào của bộ mã hóa và đầu ra của bộ giải mã tương thích với các tiêu chuẩn PCM hiện tại như chuẩn đĩa quang (CD) và băng từ âm thanh số (Digital Audio Tape).

Tiêu chuẩn này áp dụng cho các thiết bị lưu trữ số với tốc độ truyền liên tục lên tới 1,5 Mbit/s đối với cả dòng bít cả âm thanh và video, như CD, DAT, VCD, DVD, băng từ âm thanh số, ổ cứng thể rắn (SSD) và đĩa cứng từ (HDD). Các thiết bị lưu trữ được kết nối trực tiếp với bộ giải mã, hoặc kết nối thông qua các phương tiện khác như đường truyền thông và dòng tín hiệu ISO/IEC 11172 đã ghép kênh được định nghĩa trong phần 1 của tiêu chuẩn ISO/IEC 11172. Tiêu chuẩn này được xây dựng để thực hiện mã hóa ở tốc độ lấy mẫu tần số 32 kHz; 44,1 kHz và 48 kHz.

2  Tài liệu viện dẫn

Tài liệu viện dẫn sau là cần thiết cho việc áp dụng tiêu chuẩn này. Đối với các tài liệu viện dẫn ghi năm công bố thì áp dụng phiên bản được nêu. Đối với các tài liệu viện dẫn không ghi năm công bố thì áp dụng phiên bản mới nhất, bao gồm cả sửa đổi, bổ sung (nếu có).

ISO/IEC 11172-1:1993, Information technology - Coding of moving pictures and associated audio for digital storage media at up to about 1,5 Mbit/s - Part 1: System (Công nghệ thông tin - Mã hóa hình ảnh động và âm thanh kết hợp cho phương tiện lưu trữ số lên tới 1,5 Mbit/s - Phần 1: Hệ thống).

ISO/IEC 11172-2:1993, Information technology - Coding of moving pictures and associated audio for digital storage media at up to about 1,5 Mbit/s - Part 2: Video (Công nghệ thông tin - Mã hóa hình ảnh động và âm thanh kết hợp cho phương tiện lưu trữ số lên tới 1,5 Mbit/s - Phần 2: Video).

CCIR Recommendation 601-2, Encoding parameters of digital television for studios (Khuyến nghị CCIR 601-2 Các thông số mã hóa truyền hình số cho phòng thu).

CCIR Report 624-4, Characteristics of systems for monochrome and colour television (Báo cáo CCIR 624-4 Các đặc tính của hệ thống cho truyền hình màu và đơn sắc).

CCIR Recommendation 648, Recoding of audio signals. (Khuyến nghị CCIR 648 Ghi tín hiệu âm thanh).

CCIR Report 955-2, Sound broadcasting by satellite for portable and mobile receivers, including Annex IV Summry description of Advanced Digital System II (Báo cáo CCIR 955-2 Phát thanh quảng bá qua vệ tinh cho các máy cầm tay và các bộ thu di động, bao gồm Phụ lục IV Mô tả khái quát về Hệ thống số cải tiến II).

CCIIT Recommendation J. 17, Pre-emphasis used on Sound-Programme Circuits (Khuyến nghị CCIIT J.17 Kỹ thuật tăng chỉnh được sử dụng trong các mạch chương trình âm thanh).

IEEE Draft Standard PIIWD2 1990, Specification for the implementation of 8x 8 inverse discrete cosine transform” (Dự thảo chuẩn IEEE PIIWD2 1990 Kỹ thuật cho việc thực hiện chuyển đổi Cosin rời rạc ngược 8x8).

IEC publication 908:1987, CD Digital Audio System (IEC 908:1987 Hệ thống âm thanh số CD).

3  Thuật ngữ và định nghĩa

Tiêu chuẩn này sử dụng các thuật ngữ và định nghĩa sau:

3.1

Hệ số AC [video] (AC coefficient [video])

Bất kỳ hệ số DCT nào mà có tần số nằm trong một hoặc cả hai chiều có giá trị khác không.

3.2

Đơn vị truy cập [hệ thống] (access unit [system])

Trong trường hợp âm thanh nén thì đơn vị truy cập chính là đơn vị truy cập âm thanh. Trong trường hợp video nén thì đơn vị truy cập là sự biểu diễn một bức ảnh được mã hóa.

3.3

Phân đoạn thích ứng [âm thanh] (Adaptive segmentation [audio])

Việc phân nhỏ việc trình diễn kỹ thuật số của tín hiệu âm thanh trong các khoảng thời gian thay đổi.

3.4

Phân bổ bít thích ứng [âm thanh] (adaptive bít allocation [audio])

Việc phân chia các bít cho các băng tần con theo thời gian và theo tần số biến đổi kiểu cách theo mô hình tâm thính học.

3.5

Phân bổ nhiễu thích ứng [âm thanh] (adaptive noise allocation [audio])

Việc phân chia nhiễu mã hóa cho các băng tần theo thời gian và tần số biến đổi kiểu cách theo mô hình tâm thính học.

3.6

Bí danh [âm thanh] (alias [audio])

Một thành phần tín hiệu được phản chiếu do việc lấy mẫu Nyquist.

3.7

Giàn bộ lọc phân tích [âm thanh] (Analysis filterbank [audio])

Giàn bộ lọc trong bộ mã hóa chuyển đổi tín hiệu âm thanh PCM băng thông rộng thành một tập hợp các mẫu băng tần con được lấy mẫu.

3.8

Đơn vị truy cập âm thanh [âm thanh] (Audio Access Unit [audio])

Với Lớp I và II, một đơn vị truy cập âm thanh được định nghĩa là một phần nhỏ nhất của dòng bít được mã hóa mà có thể được giải mã bởi chính nó, trong đó được mã hóa nghĩa là “âm thanh được tái tạo hoàn toàn”. Đối với Lớp III, một đơn vị truy cập âm thanh là một phần của dòng bít mà có thể được giải mã bằng việc sử dụng thông tin chính đã yêu cầu trước đó.

3.9

Bộ đệm âm thanh [âm thanh] (audio buffer [audio])

Một bộ đệm trong các bộ giải mã hệ thống dùng để lưu trữ dữ liệu âm thanh được nén.

3.10

Chuỗi âm thanh [âm thanh] (audio sequence [audio])

Một loạt các khung âm thanh không bị gián đoạn trong đó các tham số sau đây không thay đổi:

- ID

- Lớp

- Tần số lấy mẫu

- Đối với lớp I và II: chỉ số tốc độ bít.

3.11

Véc tơ chuyển động ngược [video] (backward motion vector [video])

Một véc tơ chuyển động được sử dụng để bù chuyển động từ một hình ảnh tham chiếu vào một thời điểm sau đó theo thứ tự hiển thị.

3.12

Bark [âm thanh] [audio]

Đơn vị đo tốc độ dải tới hạn. Thang đo Bark là ánh xạ phi tuyến tính của thang đo tần số trên dải âm thanh tương ứng chặt chẽ với độ chọn lọc tần số của tai người trên toàn dải.

3.13

Hình ảnh được mã hóa dự đoán hai chiều; ảnh B [video] (bidirectionally predictive-coded picture; B-picture [video])

Một hình ảnh được mã hóa sử dụng bù chuyển động dự đoán từ một hình ảnh tham chiếu trong quá khứ và / hoặc tương lai.

3.14

Tốc độ bít (bitrate)

Tốc độ mà dòng bít bị nén được phân phối từ các phương tiện lưu trữ tới đầu vào của một bộ giải mã.

3.15

Khối nén giãn [âm thanh] (Block companding [audio])

Tiêu chuẩn hóa việc trình diễn tín hiệu âm thanh số trong một khoảng thời gian nhất định.

3.16

Khối [video] (block [video])

Một khối pixel trực giao gồm 8 hàng x 8 cột

3.17

Phạm vi [âm thanh] (Bound [audio])

Băng tần con thấp nhất trong đó mã hóa âm thanh nổi được sử dụng.

3.18

Căn chỉnh theo byte (byte aligned)

Một bit trong dòng bit được mã hóa được căn chỉnh theo byte nếu vị trí của nó là bội số của 8 bit tính từ bit đầu tiên trong luồng.

3.19

Byte

Chuỗi 8 bít

3.20

Kênh (Channel)

Là một phương tiện kỹ thuật số lưu trữ hoặc truyền tải trong dòng tín hiệu ISO/IEC 11172.

3.21

Kênh [âm thanh] (chanel [audio])

Các kênh trái và kênh phải của tín hiệu âm thanh nổi stereo.

3.22

Màu (thành phần) [video]

Một ma trận, một khối hoặc một pixel đơn trình diễn một trong hai tín hiệu màu sắc khác nhau liên quan đến các màu cơ bản theo định nghĩa được quy định trong CCIR rec 601. Các ký hiệu sử dụng cho tín hiệu màu sắc khác nhau là Cr và Cb.

3.23

Dòng bít mã hóa âm thanh [âm thanh] (coded audio bitstream [audio])

Việc trình diễn tín hiệu âm thanh mã hóa được định nghĩa theo tiêu chuẩn ISO/IEC 11172.

3.24

Dòng bít mã hóa video [video] (coded video bitstream [video])

Việc trình diễn một chuỗi gồm một hoặc nhiều hình ảnh được mã hóa theo tiêu chuẩn ISO/IEC 11172.

3.25

Thứ tự mã hóa [video] (coded order [video])

Thứ tự trong đó các hình ảnh được lưu trữ hoặc được giải mã. Thứ tự này không nhất thiết giống như thứ tự hiển thị.

3.26

Trình diễn mã hóa (coded representation)

Thành phần dữ liệu được trình diễn theo dạng mã hóa của nó.

3.27

Các thông số mã hóa [video] (coding parameters [video])

Tập hợp các thông số do người dùng định nghĩa mà đặc trưng cho một dòng bít video được mã hóa. Dòng bít được đặc trưng bởi các thông số mã hóa. Bộ giải mã dược đặc trưng bởi các dòng bit mà chúng có khả năng giải mã.

3.28

Thành phần màu [video] (component [video])

Một ma trận, một khối hoặc một pixel từ một trong số 3 ma trận (độ chói và 2 độ màu) để tạo nên một bức ảnh.

3.29

Nén (compression)

Kỹ thuật làm giảm số lượng các bít được sử dụng để trình diễn một mục dữ liệu.

3.30

Video được mã hóa với tốc độ bit không đổi [video] (constant bitrate coded video[video])

Một dòng video được nén với tốc độ bít trung bình không đổi.

3.31

Tốc độ bit không đổi (constant bitrate)

Hoạt động trong đó tốc độ bit không đổi từ đầu đến cuối của dòng bit được nén.

3.32

Các thông số bắt buộc [video] (constrained parameters[video])

Các giá trị của một tập các thông số mã hóa được quy định tại khoản 2.4.3.2 của tiêu chuẩn ISO/IEC 11172-2.

3.33

Dòng thông số hệ thống bắt buộc [hệ thống] - constrained system parameter stream (CSPS)

Một dòng tín hiệu tiêu chuẩn ISO/IEC 11172 được ghép kênh mà tuân thủ những ràng buộc được quy định tại khoản 2.4.6 tiêu chuẩn ISO/IEC 11172-1.

3.34

CRC

Mã dự phòng theo chu kỳ.

3.35

Tốc độ băng tới hạn [âm thanh] (critical band rate [audio])

Chức năng tâm thính học của tần số. Tại một tần số âm thanh cho trước, nó tỷ lệ với số dải tần tới hạn nằm dưới tần số đó. Các đơn vị của thang đo tốc độ băng tần tới hạn là Bark.

3.36

Băng tới hạn [âm thanh] (critical band [audio])

Phép đo tâm thính học trong miền phổ tương ứng với độ chọn lọc tần số của tai người. Độ chọn lọc này được biểu diễn bằng đơn vị Bark.

3.37

Phần tử dữ liệu (data element)

Một mục dữ liệu được trình diễn trước khi mã hóa và sau khi giải mã.

3.38

Hệ số DC [video] (DC-coefficient)

Hệ số biến đổi Cosine rời rạc DCT mà tần số bằng không trong cả hai chiều.

3.39

Hình ảnh mã hóa DC; ảnh D [video] (DC - coded picture; D - picture [video])

Một bức ảnh được mã hóa chỉ sử dụng thông tin từ chính nó. Trong số các hệ số DCT trong nhóm đại diện được mã hóa, chỉ có hệ số khử DC được biểu thị.

3.40

Hệ số biến đổi cosin rời rạc DCT (DCT coefficient [video])

Biên độ của hàm cosin cụ thể.

3.41

Dòng giải mã (decoded stream)

Quá trình giải mã được khôi phục từ một dòng bít nén.

3.42

Bộ đệm đầu vào bộ giải mã [video] (decoder input buffer [video])

Bộ đệm kiểu vào trước ra trước (FIFO) được xác thực trong bộ đệm video.

3.43

Tốc độ đầu vào bộ giải mã [video] (decoder input rate [video])

Tốc độ dữ liệu quy định xác minh trong bộ đệm video và mã hóa trong dòng bít của video.

3.44

Bộ giải mã (decoder)

Hiện thân của quá trình giải mã.

3.45

Quá trình giải mã (decoding process)

Quá trình được định nghĩa trong ISO / IEC 11172, đọc dòng bít được mã hóa đầu vào và tạo ra các mẫu hình ảnh hoặc mẫu âm thanh đã được giải mã.

3.46

Nhãn thời gian giải mã DTS [hệ thống] (decoding time-stamp; DTS [system])

Một trường có thể xuất hiện trong tiêu đề gói cho biết thời gian một đơn vị truy cập được giải mã trong bộ giải mã mục tiêu hệ thống.

3.47

Mạch giảm âm [âm thanh] (De-emphasis [audio])

Quá trình lọc được áp dụng cho tín hiệu âm thanh sau khi lưu trữ hoặc truyền tải để hoàn tác hiện tượng độ méo tuyến tính do giảm âm.

3.48

Tái lượng tử [video] (dequantization [video])

Quá trình biến đổi lại thang tỷ lệ của các hệ số DCT đã định lượng sau khi trình diễn chúng dưới dạng dòng bít đã giải mã và trước khi thực hiện biến đổi DCT nghịch đảo.

3.49

Phương tiện lưu trữ kỹ thuật số; DSM (digital storage media; DSM)

Một thiết bị lưu trữ, thiết bị truyền hay hệ thống kỹ thuật số.

3.50

Biến đổi cosin rời rạc DCT [video] (discrete cosine transtorm; DCT [video])

Biến đổi cosin rời rạc thuận hoặc biến đổi cosin rời rạc nghịch đảo. DCT là một phép biến đổi trực giao rời rạc, khả nghịch. DCT nghịch đảo được định nghĩa trong phụ lục A của tiêu chuẩn ISO/IEC 11172-2.

3.51

Thứ tự hiển thị [video] (display order [video])

Thứ tự các hình ảnh được giải mã sẽ được hiển thị. Thông thường thứ tự này giống với thứ tự được trình diễn tại đầu vào của bộ mã hóa.

3.52

Chế độ song kênh [âm thanh] (dual channel mode [audio])

Một chế độ, trong đó hai kênh âm thanh có nội dung chương trình độc lập (ví dụ: song ngữ) được mã hóa trong một dòng bit. Quá trình mã hóa giống như đối với chế độ âm thanh nổi.

3.53

Thực hiện nén (editing)

Quá trình mà một hoặc nhiều dòng bit nén được thao tác để tạo ra một dòng bit nén mới. Các dòng bit đã chỉnh sửa phù hợp phải đáp ứng các yêu cầu được quy định trong tiêu chuẩn ISO/ IEC 11172 này.

3.54

Dòng cơ sở [hệ thống] (elementary stream [system])

Thuật ngữ chung cho một trong các video, âm thanh được mã hóa hoặc các dòng bit được mã hóa khác.

3.55

Mạch tăng âm [âm thanh] (Emphasis [audio])

Quá trình lọc được áp dụng cho tín hiệu âm thanh trước khi lưu trữ hoặc truyền để cải thiện tỷ lệ tín hiệu trên nhiễu ở tần số cao.

3.56

Bộ mã hóa (encoder)

Hiện thân của một quá trình mã hóa.

3.57

Quá trình mã hóa (encoding process)

Một quá trình, không được quy định trong tiêu chuẩn này, đọc một luồng hình ảnh hoặc mẫu âm thanh đầu vào và tạo ra một dòng bit được mã hóa hợp lệ như được định nghĩa trong tiêu chuẩn này.

3.58

Mã hóa entropy (entropy coding)

Mã hóa đặc trưng của một tín hiệu số có độ dài biến đổi nhằm làm giảm độ dư thừa trong các phần tử được mã hóa để truyền đi.

3.59

Tua nhanh [video] (fast forward playback [video])

Quá trình hiển thị một chuỗi hoặc các phần của một chuỗi, các phần của hình ảnh theo thứ tự hiển thị nhanh hơn so với thời gian thực.

3.60

FFT

Phép Biến đổi Fourier nhanh. Một thuật toán biến đổi nhanh để thực hiện một biến đổi Fourier rời rạc (một biến đổi trực giao).

3.61

Giàn bộ lọc [âm thanh] (Filter bank [audio])

Một tập hợp các bộ lọc thông dải bao gồm toàn bộ dải tần âm thanh.

3.62

Phân đoạn cố định (Fixed segmentation)

Một sự chia nhỏ việc trình diễn kỹ thuật số của tín hiệu âm thanh thành các phân đoạn thời gian cố định.

3.63

Khoảng cấm (forbidden)

Thuật ngữ “bị cấm” được sử dụng trong các điều khoản khi định nghĩa dòng bít được mã hóa để chỉ ra rằng giá trị này sẽ không bao giờ được sử dụng. Nó thường dùng để tránh các mã bắt đầu.

3.64

Cập nhật bắt buộc [video] (forced updating [video])

Quá trình mà các khối macro được mã hóa theo dạng thời gian - thời gian để đảm bảo rằng các lỗi trong quá trình biến đổi DCT nghịch đảo trong các bộ mã hóa và bộ giải mã hóa không phát sinh quá mức.

3.65

Vector chuyển động thuận [video] (forward motion vector [video])

Một vector chuyển động được sử dụng để bù chuyển động từ một hình ảnh mẫu tại thời điểm trước theo thứ tự hiển thị.

3.66

Khung [âm thanh] (frame [audio])

Một phần của tín hiệu âm thanh tương ứng với các mẫu PCM âm thanh xuất phát từ bộ truy cập âm thanh.

3.67

Định dạng tự do [âm thanh] (Free format [audio])

Bất kỳ tốc độ bít nào khác so với tốc độ bít cố định đều phải nhỏ hơn tốc độ bít hợp lệ lớn nhất trong mỗi lớp.

3.68

Hình ảnh mẫu dự đoán [video] (furure reference picture [video])

Hình ảnh mẫu dự đoán là hình ảnh tham chiếu xảy ra tại một thời điểm muộn hơn hình ảnh hiện tại theo thứ tự hiển thị.

3.69

Hạt nhỏ [lớp II] [âm thanh] (granules [layer II] [audio])

Một tập hợp gồm 3 mẫu băng tần con liên tiếp từ 32 băng tần con được xem xét cùng nhau trước khi lượng tử. Chúng tương ứng với 96 mẫu PCM.

3.70

Hạt nhỏ [lớp III] [âm thanh] (granules [layer III] [audio])

576 vạch tần số mang thông tin riêng của chúng.

3.71

Nhóm các hình ảnh [video] (group of pictures [video])

Một loạt của một hoặc nhiều hình ảnh được mã hóa để hỗ trợ truy cập ngẫu nhiên. Nhóm các hình ảnh là một lớp của các lớp trong cú pháp mã hóa được định nghĩa trong phần tiêu chuẩn ISO/IEC 11172-2.

3.72

Cửa sổ Hann [âm thanh] (Hann window [audio])

Một hàm thời gian áp dụng từng mẫu một cho một khối mẫu âm thanh trước khi biến đổi Fourier.

3.73

Mã hóa Huffman (Huffman coding)

Một phương pháp cụ thể của mã hóa entropy.

3.74

Giàn bộ lọc âm thanh lai [âm thanh] (Hybrid filter bank [audio])

Một sự kết hợp của giàn giàn bộ lọc tần con và MDCT.

3.75

IMDCT [âm thanh] (IDMCT [audio])

Biến đổi cosin rời rạc biến đổi nghịch đảo.

3.76

Cường độ âm thanh nổi [âm thanh] (intensity stereo [audio])

Một phương pháp vận dụng lượng phân bố hoặc tính dư thừa trong âm thanh nổi trong các chương trình xử lý âm thanh dựa vào việc duy trì tại tần số cao mà chỉ có năng lượng bao quanh các kênh phải và kênh trái.

3.77

Đan xen [video] (interlace [video])

Thuộc tính của hình ảnh truyền hình thông thường là các dòng hình ảnh được trình diễn liên tục đan xen trong khoảng thời gian khác nhau.

3.78

Mã hóa intra [video] (intra coding [video])

Mã hóa của một khối macro hoặc hình ảnh chỉ sử dụng thông tin từ chính khối macro hoặc hình ảnh đó.

3.79

Hình ảnh mã hóa intra; ảnh I [video] (intra-coded picture; I-picture [video])

Một hình ảnh được mã hóa chỉ sử dụng thông tin từ chính nó.

3.80

Dòng ISO/IEC 11172 đã ghép kênh (ISO/IEC 11172 (multiplexed) stream [system])

Một dòng bít gồm có 0 hoặc nhiều dòng bít cơ bản được kết hợp theo cách thức được quy định tiêu chuẩn ISO/IEC 11172-1.

3.81

Phương pháp ghép nối mã hóa âm thanh nổi [âm thanh] (Joint stereo coding [audio])

Phương pháp mã hóa tận dụng đặc tính bất thường hay sự dư thừa của âm thanh nổi.

3.82

Chế độ ghép nối âm thanh nổi [âm thanh] (Joint stereo mode [audio])

Một chế độ mã hóa âm thanh sử dụng thuật toán mã hóa ghép nối âm thanh nổi.

3.83

Lớp [âm thanh] (layer [audio])

Một trong những cấp độ trong hệ thống phân cấp mã hóa của hệ thống âm thanh được quy định trong tiêu chuẩn này.

3.84

Lớp [video và hệ thống] (layer [video and systems])

Một trong những cấp độ trong phân cấp dữ liệu của video và thông số kỹ thuật hệ thống được quy định trong tiêu chuẩn ISO/IEC 11172-1 và ISO/IEC 11172-2.

3.85

Độ chói (thành phần) (luminance (component))

Một ma trận, khối hoặc mẫu pixel trình diễn cho một tín hiệu đơn sắc và liên quan đến các mà cơ bản theo định nghĩa của CCIR rec 601. Độ chói được kí hiệu là Y.

3.86

Khối Macro

Bốn khối 8x8 của dữ liệu độ chói và hai khối 8x8 tương ứng độ màu được tạo bởi từ khối 16x16 thành phân độ chói của hình ảnh. Khối macro thường được dùng để chỉ các dữ liệu pixel và được sử dụng cho các giá trị mã pixel và các thành phần dữ liệu khác được xác định trong lớp khối macro được định nghĩa trong phần 2 của tiêu chuẩn ISO/IEC 11172-2.

3.87

Ánh xạ [âm thanh] (Mapping [audio])

Chuyển đổi tín hiệu âm thanh từ miền thời gian sang miền tần số bằng cách sử dụng bộ lọc băng tần con và/hoặc bằng phép biến đổi cosin rời rạc hiệu chỉnh MDCT.

3.88

Mặt nạ (Masking)

Một thuộc tính của hệ thống thính giác của con người mà không thể nhận được tín hiệu âm thanh khi có sự hiện diện của một tín hiệu âm thanh khác.

3.89

Ngưỡng mặt nạ [âm thanh] (Masking threshold [audio])

Phần phía dưới của hàm trong miền tần số và thời gian mà tín hiệu âm thanh không thể được cảm nhận bằng hệ thống thính giác của con người.

3.90

MDCT [âm thanh] (MDCT [audio])

Biến đổi cosin rời rạc hiệu chỉnh.

3.91

Bù chuyển động [video ] (motion compensation [video])

Việc sử dụng các vectơ chuyển động để nâng cao hiệu quả của việc dự đoán các giá trị pixel. Việc dự đoán có sử dụng vectơ chuyển động để bù cho các hình ảnh tham chiếu trong quá khứ và/ hoặc tương lai mà chứa các giá trị pixel đã được giải mã trước đó được sử dụng để tạo tín hiệu dự đoán lôi.

3.92

Ước lượng chuyển động [video] (motion estimation [video])

Quá trình ước lượng vector chuyển động trong suốt quá trình mã hóa.

3.93

Vector chuyển động [video] (motion vector [video])

Một vectơ hai chiều được sử dụng để bù chuyển động, nó cho biết độ lệch từ vị trí tọa độ trong hình ảnh hiện tại đến vị trí tọa độ trong hình ảnh tham chiếu.

3.94

Âm thanh nổi MS [âm thanh] (MS stereo [audio])

Một phương pháp khai thác tính năng khác nhau, phần thừa của âm thanh nổi trong các chương trình âm thanh nổi dựa trên việc mã hóa tín hiệu tổng, tín hiệu sai khác thay vì mã hóa các kênh âm thanh trái và phải.

3.95

Mã hóa phi nội [video] (non-intra coding [video])

Mã hóa của một khối macro hoặc của hình ảnh mà sử dụng thông tin cả từ chính nó và cả từ khối macro và những hình ảnh xuất hiện vào những thời điểm khác.

3.96

Thành phần âm câm [âm thanh] (Non-tonal component [audio])

Một thành phần giống như tiếng ồn của tín hiệu âm thanh.

3.97

Lấy mẫu Nyquist (Nyquist sampling)

Lấy mẫu bằng hoặc cao hơn gấp đôi so với băng thông tối đa của một tín hiệu.

3.98

Gói tiêu đề [hệ thống] (pack [system])

Một gói bao gồm một tiêu đề gói, theo sau là một hoặc nhiều gói tin. Nó là một lớp trong hệ thống cú pháp mã hóa được mô tả trong tiêu chuẩn ISO/IEC 11172-1.

3.99

Dữ liệu gói [hệ thống] (packet data [system])

Các byte dữ liệu liên tiếp từ một dòng bít cơ sở có trong một gói dữ liệu.

3.100

Mào đầu gói dữ liệu [hệ thống] (packet header [system])

Cấu trúc dữ liệu được sử dụng để truyền tải thông tin về dữ liệu dòng cơ sở dữ được chứa trong gói dữ liệu.

3.101

Gói [hệ thống] (packet [system])

Một gói tin bao gồm một tiêu đề theo sau là một số byte liên tiếp từ một luồng dữ liệu cơ sở. Nó là một lớp trong cú pháp mã hóa hệ thống được mô tả trong tiêu chuẩn ISO/IEC 11172-1.

3.102

Phương pháp đệm (Padding [audio])

Một phương pháp để điều chỉnh độ dài trung bình theo thời gian của một khung âm thanh trong một khoảng thời gian tương ứng lấy mẫu PCM, bằng cách thêm một khe vào khung âm thanh.

3.103

Hình ảnh tham chiếu trước [video] (past reference picture [video])

Hình ảnh tham chiếu trước là hình ảnh tham chiếu xuất hiện tại một thời điểm sớm hơn so với hình ảnh hiện tại theo thứ tự hiển thị.

3.104

Tỷ lệ pixel [video] (pel aspect ratio [video])

Tỷ lệ giữa chiều cao của điểm ảnh trên màn hình với tỷ lệ chiều rộng quy định của nó.

3.105

Pixel (pel [video])

Phần tử ảnh

3.106

Chu kỳ ảnh [video] (picture period [video])

Nghịch đảo của thông số tốc độ hình ảnh.

3.107

Tốc độ ảnh [video] (picture rate [video])

Tốc độ danh định mà tại đó hình ảnh sẽ được xuất ra từ quá trình giải mã.

3.108

Hình ảnh [video] (picture [video])

Dữ liệu ảnh nguồn, được mã hóa hoặc ảnh tái tạo lại. Hình ảnh nguồn, hay ảnh tái tạo lại bao gồm ba ma trận hình chữ nhật trình diễn bằng 8 bít tương ứng với độ chói và 2 tín hiệu màu. Lớp hình ảnh là một trong những lớp có cú pháp mã hóa được định nghĩa trong tiêu chuẩn ISO/IEC 11172-2.

3.109

Giàn bộ lọc nhiều pha [âm thanh] (Polyphase filterbank [audio])

Một tập hợp các giàn bộ lọc thông bằng nhau có các mối quan hệ tương quan biệt về pha với nhau, cho phép giàn bộ lọc thực hiện hiệu quả.

3.110

Dự đoán [video] (prediction [video])

Việc sử dụng công cụ dự đoán để ước tính giá trị pixel hoặc phần tử dữ liệu hiện đang được giải mã.

3.111

Hình ảnh mã hóa dự đoán; ảnh P (prediction-coded picture; P-picture)

Một hình ảnh được mã hóa bằng cách sử dụng tính năng dự đoán bù chuyển động từ hình ảnh tham chiếu trước đó.

3.112

Lỗi dự đoán [video] (prediction error [video])

Sự khác nhau giữa giá trị thực tế của một điểm ảnh hoặc phần tử dữ liệu và dự đoán của nó.

3.113

Dự đoán [video] (predictor [video])

Một sự kết hợp tuyến tính của các giá trị pixel được giải mã hoặc các phần tử dữ liệu trước đây.

3.114

Mốc thời gian trình diễn; PTS [hệ thống] (presentation time-stamp; PTS [system])

Một trường mà có thể xuất hiện trong mào đầu gói tin cho biết thời gian mà một đơn vị trình diễn được trình diễn trong bộ giải mã đích của hệ thống.

3.115

Đơn vị trình diễn [hệ thống] (presentation unit [system])

Một đơn vị truy cập âm thanh hoặc một hình ảnh được giải mã.

3.116

Mô hình tâm thính học [âm thanh] (Psychoacoustic model [audio])

Một mô hình toán học tương ứng với mặt nạ hệ thống thính giác của con người.

3.117

Ma trận lượng tử hóa [video] (quantization matrix [video])

Một tập hợp gồm sáu mươi tư giá trị 8 bít được sử dụng bởi bộ giải lượng tử.

3.118

Hệ số DCT lượng tử [video] (quantized DCT coefficients [video])

Hệ số DCT trước khi giải lượng tử. Một mã có chiều dài thay đổi được trình diễn bởi hệ số DCT được lưu trữ như một phần của dòng bít video nén.

3.119

Hệ số tỷ lệ lượng tử [video] (quantizer scale factor [video])

Một phần tử dữ liệu được trình diễn trong dòng bít và được sử dụng bởi quá trình giải mã để chia tỷ lệ giải lượng tử.

3.120

Truy cập ngẫu nhiên (random access)

Quá trình bắt đầu đọc và giải mã dòng bit được mã hóa tại một điểm tùy ý.

3.121

Ảnh mẫu [video] (reference picture [video])

Ảnh mẫu là những ảnh ảnh I hoặc ảnh P gần nhất với ảnh hiện tại theo thứ tự hiển thị.

3.122

Bộ đệm sắp xếp lại [video] (reoder butter [video])

Một bộ đệm trong các bộ giải mã hệ thống dùng để lưu trữ ảnh I hoặc ảnh P đã được tái tạo lại.

3.123

Quá trình tái lượng tử hóa [âm thanh] (Requantization [audio])

Giải mã các mẫu băng tần con được mã hóa để khôi phục các giá trị lượng tử hóa ban đầu.

3.124

Bảo lưu (reserved)

Thuật ngữ “bảo lưu” được sử dụng trong các điều khoản quy định dòng bit được mã hóa, cho biết các giá trị có thể được sử dụng trong tương lai dùng cho các phần mở rộng được quy định trong tiêu chuẩn ISO/IEC.

3.125

Tua lại [video] (reverse play [video])

Quá trình hiển thị chuỗi hình ảnh ngược với thứ tự hiển thị.

3.126

Băng điều chỉnh hệ số tỷ lệ [âm thanh] (Scalefactor band [audio])

Một tập hợp các đường tần số trong Lớp III được chia tỷ lệ theo một hệ số tỷ lệ.

3.127

Chỉ số hệ số tỷ lệ [âm thanh] (scalefactor index [audio])

Một mã số dùng cho hệ số tỷ lệ.

3.128

Hệ số tỷ lệ [âm thanh] (Scalefactor [audio])

Hệ số mà một tập giá trị được chia tỷ lệ trước khi lượng tử.

3.129

Tiêu đề trình tự [hình ảnh ] (sequence header [video])

Một khối dữ liệu trong dòng bit được mã hóa lưu trữ việc trình diễn mã hóa của một số phần tử dữ liệu. Đây là một trong các lớp của một cú pháp mã hóa được định nghĩa trong tiêu chuẩn ISO/IEC 11172-2.

3.130

Thông tin phụ (Side information)

Thông tin cần thiết trong dòng bít để kiểm soát bộ giải mã.

3.131

Khối macro nhảy cách [video] (skipped macroblock [video])

Một khối macro mà không có dữ liệu nào được lưu trữ.

3.132

Lát cắt ảnh [video] (slice [video])

Một loạt các khối macro. Đây là một trong các lớp của cú pháp mã hóa được xác định trong tiêu chuẩn ISO/IEC 11172-2.

3.133

Khe [âm thanh] (slot [audio])

Khe là một phần cơ bản trong dòng bít. Trong lớp I, một khe bằng bốn byte, trong lớp II và III là một byte.

3.134

Dòng nguồn (source stream)

Một dòng không ghép kênh đơn của các mẫu trước khi mã hóa nén.

3.135

Hàm phân bố [âm thanh] (spreading function [audio])

Một hàm mô tả tần số lan truyền của mặt nạ.

3.136

Các mã khởi đầu [hệ thống và video] (start codes [system anh video])

Các mã 32 bit được nhúng trong dòng bit được mã hóa là duy nhất. Chúng được sử dụng cho một số mục đích kể cả việc xác định số lớp trong cú pháp mã hóa.

3.137

Bộ đệm đầu vào STD [hệ thống] (STD input buffer [system])

Bộ đệm vào trước ra trước tại đầu vào của bộ giải mã đích hệ thống dùng để lưu trữ dữ liệu nén từ các luồng sơ cấp trước khi giải mã.

3.138

Chế độ âm thanh nổi [âm thanh] (Stereo mode [audio])

Chế độ, trong đó hai kênh âm thanh tạo thành một cặp kênh âm thanh nổi (trái và phải) được mã hóa trong một dòng bit. Quá trình mã hóa giống như đối với chế độ song kênh.

3.139

Nhồi (bit); nhồi (byte) (Stuffing (bits); stuffing (bytes))

Các từ mã có thể được chèn vào dòng bit nén sẽ bị loại bỏ trong quá trình giải mã. Mục đích của chúng là làm tăng tốc độ bit của dòng bit.

3.140

Băng tần con [âm thanh] (subband [audio])

Phần nhánh của băng tần số âm thanh.

3.141

Giàn giàn bộ lọc tần con [âm thanh] (subband filterbank [audio])

Một tập hợp các giàn bộ lọc tần bao phủ toàn bộ dải tần âm thanh. Trong tiêu chuẩn này, giàn giàn bộ lọc tần con là một giàn bộ lọc nhiều pha.

3.142

Mẫu băng tần con [âm thanh] (subband samples [audio])

Giàn giàn bộ lọc tần con trong bộ mã hóa âm thanh tạo ra một trình diễn được lọc và được lấy mẫu của dòng âm thanh đầu vào. Các mẫu được lọc được gọi là các mẫu băng tần con. Từ 384 mẫu âm thanh đầu vào liên tiếp theo thời gian, 12 mẫu băng tần con liên tiếp theo thời gian được tạo ra trong mỗi 32 băng tần con.

3.143

Từ đồng bộ [audio] (syncword [audio])

Một mã 12 bit được nhúng trong dòng bit âm thanh xác định thời điểm bắt đầu của khung.

3.144

Giàn bộ lọc tổng hợp [âm thanh] (Synthesis filterbank [audio])

Giàn bộ lọc trong bộ giải mã mà tái tạo lại tín hiệu âm thanh PCM từ các mẫu băng tần con.

3.145

Tiêu đề hệ thống [hệ thống] (system header [system])

Tiêu đề hệ thống là một cấu trúc dữ liệu được định nghĩa trong tiêu chuẩn này mang thông tin tổng hợp các đặc tính hệ thống của dòng đã ghép kênh ISO/IEC 11172.

3.146

Bộ giải mã hệ thống đích; STD [hệ thống] (system target decoder; STD [system])

Mô hình tham chiếu giả định của quá trình giải mã được sử dụng để mô tả ngữ nghĩa của dòng bit ghép kênh ISO/IEC 11172.

3.147

Mốc thời gian [hệ thống] (time-stamp [system])

Một thuật ngữ cho biết thời gian của sự kiện.

3.148

Bộ ba [âm thanh] (Triplet [audio])

Một bộ 3 mẫu băng tần con liên tiếp từ một băng tần con. Một bộ ba mẫu băng tần con từ một trong số 32 băng tần con tạo thành một hạt.

3.149

Thành phần âm [âm thanh] (tonal component [audio])

Một thành phần giống như hình sin của một tín hiệu âm thanh.

3.150

Tốc độ bít thay đổi (variable bitrate)

Hoạt động trong đó tốc độ bit thay đổi theo thời gian trong quá trình giải mã dòng bit nén.

3.151

Mã hóa độ dài thay đổi; VLC (variable length coding; VLC)

Một thủ tục thuận nghịch dùng để mã hóa để gán các từ mã ngắn hơn cho những trường thường xuyên xảy ra và các từ mã dài hơn cho những trường hợp ít có khả năng xảy ra.

3.152

Bộ kiểm định bộ đệm video; VBV [video] (video buffering verifier; VBV [video])

Một bộ giải mã giả định được kết nối về mặt khái niệm với đầu ra của bộ mã hóa. Mục đích của nó là hạn chế sự thay đổi tốc độ dữ liệu mà bộ mã hóa hoặc quá trình chỉnh sửa có thể gây ra.

3.153

Tuần tự video [video] (video sequence [video])

Một loạt một hoặc nhiều nhóm hình ảnh. Nó là một trong các lớp của cú pháp mã hóa được định nghĩa trong tiêu chuẩn ISO/IEC 11172-2.

3.154

Thứ tự quét zig-zag [video] (zig-zag scanning order [video])

Thứ tự tuần tự cụ thể của các hệ số DCT từ (xấp xỉ) tần số không gian thấp nhất đến cao nhất.

4  Ký hiệu và từ ngữ viết tắt

Các toán tử số học được sử dụng để mô tả tiêu chuẩn này tương tự như các toán tử được sử dụng trong ngôn ngữ lập trình C. Tuy nhiên, phân số nguyên được làm tròn tới một giá trị cụ thể. Các toán tử phân theo bít được định nghĩa giả định của hai phần bù nhau là đặc trưng của số nguyên. Số và vòng đếm thường bắt đầu từ số không.

4.1  Toán tử số học

4.2  Các toán tử logic

4.3  Các toán tử quan hệ

4.4  Các phép toán thao tác bít

4.5  Phép gán

4.6  Phép nhớ

Các phép nhớ sau được dùng để mô tả các kiểu dữ liệu khác nhau sử dụng trong mã hóa dòng bit.

Thứ tự byte của các lệnh multi-byte là byte đầu tiên quan trọng nhất.

4.7  Hằng số

5  Phương pháp mô tả cú pháp dòng bít

Dòng bít thu được từ bộ giải mã được mô tả trong mục 7. Mỗi mục dữ liệu trong dòng bít được in đậm. Nó được mô tả bằng tên, chiều dài của nó bằng các bít, và được lưu lại theo loại, thứ tự truyền của nó.

Căn nguyên của hành động giải mã một phần dữ liệu trong một dòng bít phụ thuộc vào giá trị của phần tử dữ liệu đó và các yếu tố dữ liệu được giải mã trước đây. Việc giải mã các phần tử dữ liệu và xác định các biến trạng thái được sử dụng trong bộ giải mã được mô tả trong mục 8. Các cấu trúc sau đây được sử dụng để diễn tả các điều kiện khi phần tử dữ liệu có mặt và là kiểu bình thường.

Như đã lưu ý, nhóm các phần tử dữ liệu có thể chứa các cấu trúc có điều kiện lồng nhau. Chính xác, {} được bỏ qua khi chỉ có một phần tử dữ liệu.

Trong khi cú pháp được thể hiện bằng các thuật ngữ thủ tục, không nên cho rằng mục 8.4.3 thực hiện một thủ tục giải mã thỏa đáng. Mặc dù, nó xác định một dòng bit đầu vào chính xác và không có lỗi. Bộ giải mã thực tế phải bao gồm một phương tiện để tìm mã bắt đầu để bắt đầu giải mã một cách chính xác.

Định nghĩa hàm bytealigned

Hàm bytealigned () trả về 1 nếu vị trí hiện tại nằm trên ranh giới byte, bit tiếp theo trong dòng bit là bit đầu tiên trong byte. Nếu không, nó trả về 0.

Định nghĩa hàm nextbits

Hàm nextbits () cho phép so sánh một dòng bít với bít tiếp theo được giải mã trong dòng bít.

Định nghĩa hàm next_start_code

Chức năng next_start_code () loại bỏ bất kỳ bít 0 và nhồi thêm byte và xác định đúng vị trí của mã bắt đầu tiếp theo.

6  Các yêu cầu của cấu trúc mã hóa và tham số

6.1  Hàm chuỗi âm thanh

6.2  Hàm khung âm thanh

6.3  Hàm tiêu đề

6.4  Hàm kiểm tra lỗi

6.5  Hàm dữ liệu âm thanh, lớp I

6.6  Hàm dữ liệu âm thanh, lớp II

6.7  Hàm dữ liệu âm thanh lớp III

Dòng bít dữ liệu chính được định nghĩa dưới đây. Trường main_data trong cú pháp hàm audio_data() chứa các byte từ dòng bít dữ liệu chính. Tuy nhiên, do tính chất biến đổi của mã hóa Huffman được sử dụng trong lớp III, dữ liệu chính cho một khung thường theo sau thông tin tiêu đề và thông tin phụ cho khung đó. Trường main_data cho một khung bắt đầu tại một vị trí trong dòng bít đang xử lý tiêu đề của khung tại một bù giá trị âm được cho bởi giá trị main_data_begin. (Xem định nghĩa main_data_begin và Hình A.7.a).

6.8  Hàm dữ liệu phụ trợ

7  Ngữ nghĩa cho cú pháp dòng bít âm thanh

7.1  Chuỗi âm thanh chung

7.2  Khung âm thanh

Header - một phần của dòng bít chứa thông tin đồng bộ hóa và trạng thái thông tin.

Error_check - một phần của dòng bít chứa thông tin để phát hiện lỗi.

Audio_data - một phần của dòng bít chứa thông tin trong các mẫu âm thanh.

Ancillary_data - một phần của dòng bít có thể được sử dụng cho dữ liệu phụ trợ.

7.3  Tiêu đề

32 bít đầu tiên (4 byte) chứa tiêu đề thông tin sử dụng chung cho tất cả các lớp.

Syncword (Từ mã đồng bộ) - là chuỗi bít ‘1111 1111 1111’.

ID - một bít để chỉ ID của thuật toán. Bằng ‘1’ cho âm thanh ISO/IEC 11172-3, ‘0’ là dự phòng
Layer - 2 bít để chỉ ra các lớp được sử dụng, theo bảng sau,

Khi lớp thay đổi, khôi phục lại bộ giải mã âm thanh được yêu cầu.

Bit_bảo vệ (protection_bit) - một bít được thêm vào dòng bít âm thanh để tạo điều kiện phát hiện lỗi và giấu lỗi. Bằng ‘1’ nếu không có sự dư thừa thêm vào, bằng ‘0’ nếu có sự dư thừa thêm vào.

bit_rate_index: cho biết tốc độ bít. Tất cả các giá trị zero cho biết vị trí “định dạng tự do”, trong đó có một tốc độ bít cố định không nhất thiết phải nằm trong danh sách sử dụng. Cố định có nghĩa là một khung có chứa khe N hoặc N+1, tùy thuộc vào giá trị của bít đệm. Các bit_rate_index là một chỉ số trong một bảng, giá trị khác nhau cho các lớp khác nhau. Bit_rate_index chỉ ra tổng tốc độ bít không kể các chế độ (stereo, joint_stereo, dual_channel, single_channel).

Đối với lớp II, không phải tất cả sự kết hợp của tổng tốc độ bít và các chế độ đều cho phép. Xem ở mục 3 phụ lục B, bảng 3-B.2 “Bảng các bít được sử dụng trong lớp II”

Để đáp ứng độ trễ và phức tạp nhất có thể, bộ giải mã không bắt buộc phải hỗ trợ tốc độ bít biến đổi liên tục khi ở lớp I hoặc II. Lớp III hỗ trợ tốc độ biến đổi bít bằng cách chuyển bit_rate_index. Tuy nhiên, trong định dạng tự do, tốc độ bít cố định là bắt buộc. Quá trình giải mã không yêu cầu tốc độ bít cao hơn 448 kbits/s, 384 kbits/s, 320 kbits/s trong quan hệ giữa các lớp I, II và III khi ở chế độ định dạng tự do.

Đối với lớp II, không phải tất cả sự phối hợp của tổng tốc độ bít và chế độ là được chấp thuận. Xem bảng dưới đây.

Tần số lấy mẫu (sampling_frequency) - cho biết tần số lấy mẫu, theo bảng dưới đây.

Việc thiết lập lại bộ giải mã có thể đòi hỏi phải thay đổi tốc độ lấy mẫu.

Bit đệm (padding_bit) - nếu bít này bằng ‘1’ thì khung sẽ thêm một khe cắm để điều chỉnh tốc độ trung bình với tần số lấy mẫu, nếu không bít này sẽ nhận giá trị ‘0’. Padding là chỉ sự cần thiết với tần số lấy mẫu của 44,1 kHz. Padding cho phép yêu cầu trong định dạng tự do.

Padding yêu cầu áp dụng cho dòng bít như tích chiều dài của khung mã hóa, sau một số nào đó của khung tín hiệu không đi sai đường thêm nữa (khe +0,-1) từ giá trị được tính như sau:

Phương pháp sau có thể sử dụng để xác định có hoặc không sử dụng padding:

để được khung âm thanh đầu tiên:

rest=0;

padding=no;

mỗi khung âm thanh sau:

private_bit - là bít được sử dụng cho cá nhân. Bít này sẽ không được ISO sử dụng về sau.

mode - chỉ ra các chế độ theo bảng sau. Trong lớp I và II, chế độ joint_stereo là intensity_stereo, trong lớp III là intensity_stereo và ms_stereo.

Trong lớp I, tất cả các chế độ trừ chế độ stereo, cho giá trị giới hạn bằng 32. Trong lớp II, tất cả các
chế độ trừ chế độ joint_stereo, cho giá trị giới hạn là sblimit. Giới hạn trong chế độ joint_stereo là
xác định bởi chế độ mở rộng.

Chế độ mở rộng (mode_extension) - các bít này được sử dụng trong chế độ joint_stereo. Lớp I
và II chỉ ra các dải băng tần con nằm trong intensity_stereo. Các giải băng tần con khác được mã
hóa trong âm thanh nổi.

Trong lớp III, chúng cho biết loại phương pháp mã hóa âm thanh chung được áp dụng. Các dải tần
mà các chế độ intensity_stereo và ms_stereo được áp dụng là ẩn trong thuật toán. Tham khảo thêm thông tin tại 8.4.

Trường copyright - nếu bít này bằng ‘0’ thì không có bản quyền trên chuỗi mã hóa bít, ‘1’ nghĩa là bản quyền.

Trường original/home - bít này bằng ‘0’ nếu dòng bít là một bản sao, ‘1’ nếu nó là một bản gốc.

Trường emphasis - chỉ ra loại nhấn mạnh lại sẽ được sử dụng.

7.4  Kiểm tra lỗi

Trường crc_check - 16 bít ký tự chẵn lẻ được sử dụng trong tùy chọn phát hiện lỗi trong dòng bít được mã hóa.

7.5  Dữ liệu âm thanh, lớp I

allocation[ch] [sb] - chỉ thị số lượng các bít được sử dụng để mã hóa mẫu trong băng tần con sb của kênh ch. Để được băng tần con trong chế độ intensity thì dòng bít phải có một phân bổ dữ liệu cơ sở cho mỗi băng tần con.

CHÚ THÍCH: Đối với mã ‘0000’ thì không mẫu nào được truyền đi.

scalefactor[ch] [sb]: chỉ ra các yếu tố của băng tần con sb của kênh ch bằng cách lấy các mẫu đã được yêu cầu của băng tần con. Sáu bít tạo thành một số nguyên unsigned, chỉ số được ghi trong mục 3 phụ lục B, bảng 3 - B.1 “Hệ số tỷ lệ Lớp I, II”. Có giá trị cho chế độ đơn kênh.

sample[ch] [sb] [s]: trình diễn mã của mẫu thứ s trong băng tần con sb của kênh ch. Phù hợp với các băng tần con đơn kênh và cho các băng tần con ở chế độ intensity_stereo. Trường hợp còn lại có giá trị cho cả hai kênh.

7.6  Dữ liệu âm thanh lớp II

allocation[ch] [sb]: chứa thông tin liên quan đến bộ lượng tử hóa sử dụng cho các mẫu trong băng tần con sb của kênh ch, mặc dù thông tin của ba mẫu liên tiếp được nhóm lại thành một mã số và số lượng bít được sử dụng để mã hóa mẫu. Ý nghĩa và chiều dài của trường này phụ thuộc vào số lượng bảng tần con, tốc độ bít, và tần số lấy mẫu. Các bít trong trường này tạo thành một số nguyên unsigned được sử dụng như là một chỉ mục cho bảng có liên quan trong mục 3 phụ lục B, bảng 3-B.2 “Bảng phân bổ bít lớp II”, cho biết số lượng mức độ được sử dụng để định lượng. 3 - phụ lục B, bảng 3-B.4 “Các lớp của quá trình lượng tử hóa trong lớp II” cung cấp thông tin bổ sung liên quan đến từng lượng tử có thể: hệ số thu hồi, cho dù nhóm đã được sử dụng, số lượng mẫu trên mỗi mã, và số bít trên mỗi mã. Một số bảng khác cho các kết hợp giữa tốc độ bít và tần số lấy mẫu khác nhau, xem 3 - phụ lục B, Bảng 3-B.2 “Bảng phân bổ bít lớp II”. Điều này có giá trị cho các băng tần con đơn kênh hoặc các băng tần con ở chế độ hiệu ứng _stereo. Trong trường hợp sau, phân bổ có giá trị cho cả hai kênh.

scfsi[ch] [sb] - thông tin lựa chọn hệ số tỷ lệ. Điều này cho biết thông tin về số lượng các hệ số tỷ lệ được chuyển cho băng tần con sb và các phần của tín hiệu trong khung này là hợp lệ. Khung được chia thành ba phần bằng nhau của 12 mẫu băng tần cho mỗi băng tần con.

scalefactor[ch] [sb] [p]: chỉ ra hệ số tỷ lệ mà các mẫu lượng tử hóa của băng tần con sb của kênh ch và một phần p của khung được nhân lên sáu bít tạo thành số nguyên không dấu, chỉ dẫn trong 3-phụ lục B, bảng 3-B.1 “Hệ số tỷ lệ lớp I, II”. Phù hợp ở chế độ đơn kênh.

grouping[ch][sb]: là hàm mà dùng để xác định xem liệu rằng việc nhóm có ảnh hưởng cho việc mã hóa các mẫu trong băng tần con sb của kênh ch. Việc nhóm có nghĩa rằng ba mẫu liên tục của băng tần con sb hiện tại trong kênh ch trong hạt (granule) gr được mã hóa và được truyền đi sử dụng một từ mã chung và không sử dụng ba từ mã riêng biệt. Grouping[ch] [sb] là đúng nếu trong bảng bít Allocation hiện tại được sử dụng (xem Phụ lục B.2) giá trị tìm thấy ở dưới sb (row) và hàm allocation[sb] (column) là 3, 5 hay 9. Ngược lại là sai. Đối với các băng tần con trong chế độ intensity_stereo thì việc nhóm là phù hợp cho cả hai kênh.

samplecode[ch] [sb] [gr]: trình diễn ba mẫu liên tiếp được mã hóa trong hạt gr trong băng tần con sb của kênh ch. Đối với các băng tần con ở chế độ intensity_stereo thì việc trình diễn mã mẫu được mã hóa có giá trị đối với cả hai kênh.

Sample[ch] [sb] [s]: trình diễn mẫu thứ s được mã hóa trong băng tần con sb của kênh ch. Đối với các băng tần con ở chế độ intensity_stereo thì việc trình diễn mã được mã hóa có giá trị cho cả hai kênh.

7.7  Dữ liệu âm thanh, lớp III

main_data_begin - Giá trị của main_data_begin được sử dụng để xác định vị trí của bít đầu tiên của dữ liệu chính của một khung.

Giá trị main_data_begin xác định vị trí là một độ lệch âm tính bằng byte từ byte đầu tiên của từ đồng bộ hóa âm thanh. Số lượng byte thuộc thông tin tiêu đề và thông tin phụ không được tính đến. Ví dụ: nếu main_data_begin == 0, thì dữ liệu chính bắt đầu từ sau thông tin phụ. Các ví dụ được thể hiện trên Hình A.7.a và Hình A.7.b

main_data_end - giá trị main_data_end được sử dụng để xác định vị trí trong dòng bít của các bít cuối cùng của dữ liệu chính của một khung.

private_bits - các bít dùng để sử dụng riêng. Các bít này sẽ không sử dụng trong tương lai bởi ISO/IEC. Số lượng private_bits phụ thuộc vào số lượng kênh. Số lượng bít được chỉ định cho private_bits được xác định bằng tổng số bít được sử dụng cho thông tin phụ.

main_data _beg - được sử dụng để xác định vị trí trong dòng bít khởi đầu của khung main_data. Vị trí là kết quả từ vị trí kết thúc của khung main_data trước cộng với một bít. Nó được tính từ giá trị main_data_end của khung trước đó.

main_data - Phần main_data của dòng bít chứa hệ số tỷ lệ, mã hóa dữ liệu Huffman và thông tin phụ trợ.

scfsi[ch] [scfsi_band] - Trong lớp III, thông tin lựa chọn thang đo hệ số tỷ lệ hoạt động tương tự như các lớp I và II. Sự khác biệt chính là việc sử dụng các biến scfsi_band để áp dụng scfsi cho các nhóm hệ số tỷ lệ thay vì hệ số tỷ lệ đơn lẻ. Việc áp dụng các hệ số tỷ lệ cho các hạt được kiểm soát bởi scifsi.

Nếu cửa sổ ngắn được bật, tức là block_type==2 đối với một trong các hạt, thì scfsi luôn luôn là 0 cho khung này.

scfsi [scfsi_band] [ch] - giống như scfsi [scfsi_band] nhưng để sử dụng trong chế độ âm thanh nổi, joint_stereo hoặc dual_channel.

scfsi_band - scfsi_band kiểm soát việc sử dụng các thông tin lựa chọn hệ số tỷ lệ cho các nhóm hệ số tỷ lệ (scfsi_bands).

part2_3_length [gr] [ch] - giá trị này chứa số bít main_data được sử dụng cho các hệ số tỷ lệ và dữ liệu mã Huffman. Bởi vì độ dài của thông tin phụ luôn bằng nhau, nên giá trị này có thể được sử dụng để tính toán vị trí của thông tin chính khởi đầu cho từng hạt và vị trí của thông tin bổ sung (nếu sử dụng).

big_values [gr] [ch] - các giá trị phổ của mỗi hạt được mã hóa với các bảng mã Huffman khác. Dải tần số từ số không đến tần số Nyquist được chia thành nhiều khu vực, sau đó được mã hóa sử dụng các bảng khác nhau. Việc phân vùng được thực hiện theo các giá trị lượng tử hóa tối đa. Việc này được thực hiện với giả thiết rằng các giá trị tại các tần số cao hơn được mong đợi có biên độ thấp hơn hoặc không được mã hóa toàn bộ. Bắt đầu tại các tần số cao, có thể đếm được các cặp giá trị được lượng tử bằng 0. Số này được đặt tên là “rzero”. Sau đó, tăng gấp bốn lần các giá trị được lượng tử với giá trị tuyệt đối không vượt quá 1 (tức là chỉ có 3 mức lượng tử hóa có thể). Số này được đặt tên là “count 1”. Ngoài ra vẫn còn một một số giá trị chẵn. Cuối cùng, số cặp giá trị trong vùng phổ mở rộng xuống còn 0 được đặt tên là “big_value”. Giá trị tuyệt đối tối đa trong phạm vi này bị hạn chế đến 8191, Hình dưới đây trình bày việc phản vùng:

global_gain [gr] [ch] - thông tin kích thước bước lượng tử được truyền đi trong các biến thông tin global_gain. Nó được lượng tử hóa theo logarit. Nếu áp dụng global_gain, tham khảo công thức 8.4, “Công thức cho lượng tử hóa và tất cả các tỷ lệ”.

scalefac_compress [gr] [ch] - chọn số bít được sử dụng để truyền các hệ số tỷ lệ theo bảng sau:

Nếu block type là 0,1 hoặc 3:

Slen1: chiều dài của các thang đo tỷ lệ cho các băng tần tỷ lệ từ 0 đến 10

Slen2: chiều dài của các thang đo tỷ lệ cho các băng tần tỷ lệ từ 11 đến 20

Nếu block_type là 2 và switch_point là 0:

Slen1: chiều dài của các thang đo tỷ lệ cho các băng tần tỷ lệ từ 0 đến 5

Slen2: chiều dài của các thang đo tỷ lệ cho các băng tần tỷ lệ từ 6 đến 11

Nếu block_type là 2 và switch_point là 1:

Slen1: chiều dài của các thang đo tỷ lệ cho các dải tần số của thang đo từ 0 đến 7 (dải tần thang đo tỷ lệ cửa số dài) và 4 đến 5 (dải tần thang đo tỷ lệ cửa số ngắn) Lưu ý: Dải tần thang đo tỷ lệ từ 0 đến 7 lấy từ bảng “băng điều chỉnh hệ số tỷ lệ cửa số dài” và dải tần thang đo tỷ lệ từ 3 -11 lấy từ bảng “băng điều chỉnh hệ số tỷ lệ cửa số ngắn”. Sự kết hợp các phân vùng này tiếp giáp và kéo dài toàn bộ dải tần số.

Slen2: chiều dài của các hệ số tỷ lệ tỷ lệ cho các băng điều chỉnh hệ số tỷ lệ từ 6 đến 11

window_switching_flag[gr][ch] - Báo hiệu rằng khối sử dụng một cửa sổ khác với cửa sổ bình thường (loại 0).

Nếu window_switching_flag được thiết lập, một số biến khác được thiết lập mặc định:

region0_count = 7 (trong trường hợp block_type==1 hoặc block_type==3 hoặc block_type==2 và mixed_block_flag)

region0_count = 8 (trong trường hợp block_type==2 và không có mixed_block_flag)

region1_count = 36 tất cả các giá trị còn lại trong khoảng big_value là chứa trong vùng 1.

scalefac_compress[gr][ch] - giống như Scalefac_compress[gr] nhưng sử dụng trong âm thanh nổi, chế độ joint_stereo hoặc dual_channel.

blocksplit_flag[gr][ch] - tín hiệu cho thấy khối sử dụng khác (loại 0) cửa sổ bình thường. Nếu bocksplit_flag được thiết lập, một số biến khác được đặt mặc định:

Region_address1= 8 (trong trường hợp block_type ==1 hoặc block_type ==3)

Region_address1 = 9 (trong trường hợp block_type ==2)

Region_address1 = 0 Trong trường hợp này độ dài của vùng 2 là zero.

Nếu blockplit_flag không được đặt, thì giá trị của block_type bằng không.

blocksplit_flag[gr][ch] - giống như blocksplit_flag [gr] nhưng để sử dụng trong âm thanh nổi, chế độ joint_stereo hoặc dual_channel

block_type[gr][ch] - cho biết loại cửa sổ dùng cho các lõi thực tế (xem mô tả về giàn bộ lọc, lớp III).

Block_type và mixed_block_flag cung cấp thông tin về việc thiết lập các giá trị trong khối, chiều dài và số lượng các biến (xem Phụ lục A, hình A.4 về sơ đồ mạch, Phụ lục C về mô tả phân tích). Nếu block_type = 2 điểm switch_point thì mixed-block_flag cho biết các băng tần con của bộ lọc nhiều pha được mã hóa bằng cách sử dụng loại cửa số thông thường. Bộ lọc nhiều pha được mô tả trong mục 8.2.

Trong trường hợp khối dài (block_type không bằng 2 hoặc nằm trong các băng tần con dưới của block_type2 nếu mixed_block_flag được thiết lập) thì IMDCT tạo ra một đầu ra 36 giá trị với mỗi 18 giá trị đầu vào. Các đầu ra được tạo cửa sổ thùy thuộc vào block_type và một nửa đầu của khối được chồng lên nửa thứ hai của khối trước. Véc tơ kết quả là đầu vào của một phần tổng hợp của giàn bộ lọc của một băng.

Trong trường hợp các khối ngắn (trong các băng tần con phía trên của khối loại 2 nếu mixed_block_flag được thiết lập hoặc trong tất cả các băng tần con của khối loại 2 nếu mixed_block_flag không được thiết lập), ba biến đổi được thực hiện với 12 giá trị đầu ra. Ba véc tơ được tạo cửa sổ và chồng lên nhau. Ghép 6 số 0 trên cả hai đầu của véc tơ sẽ tạo ra một véc tơ có độ dài 36, được xử lý như đầu ra của một quá trình biến đổi lâu dài.

Mixed_block_flag [gr][ch] - Cho biết các tần số thấp hơn được biến đổi bằng một loại cửa sổ khác với loại được sử dụng ở tần số cao hơn. Nếu mix_block_flag bằng 0, thì tất cả các khối được biến đổi như được biểu thị bằng block_type [gr] [ch]. Nếu Mixed_block_flag bằng 1 thì các đường tần số tương ứng với hai băng tần con nhiều pha tần số thấp nhất được biến đổi bằng cửa sổ thông thường (block_type == 0), trong khi 30 băng tần con còn lại được biến đổi thành block_type [gr] [ch]

block_type[gr][ch] - giống như block_type[gr] nhưng để sử dụng trong âm thanh nổi, chế độ joint_stereo hoặc dual_channel

switch_point[gr] - cho biết điểm chia của biến đổi ngắn/dài. Bảng dưới đây cho thấy số dải tần số trên mã chuyển mạch cửa sổ (tức là block_type khác với 0 được sử dụng.

switch_point[gr][ch] - giống như Switch_point[gr] nhưng để sử dụng trong âm thanh nổi, chế độ joint_stereo hoặc dual_channel

switch_point_1 - Số băng tần hệ số tỷ lệ (băng tần tỷ lệ khối dài) từ điểm trên cửa sổ chuyển mạch được sử dụng.

switch_point_s - Số băng tần hệ số tỷ lệ (băng tần tỷ lệ khối ngắn) từ điểm trên cửa sổ chuyển mạch được sử dụng.

cb_limit - Số băng tần cho các khối dài (block_type! =2). Đây là một hằng số, 21, cho lớp III ở tất cả các chế độ và tại tất cả các tần số lấy mẫu.

cb_limit_short - Số băng tần cho các khối ngắn (block_type =2). Đây là một hằng số, 12, cho lớp
III ở tất cả các chế độ và tại tất cả các tần số lấy mẫu.

window - cửa sổ khe thời gian thực tế trong trường hợp block_type ==2, 0 = window = 2.

table_select [gr] [ch] [region] - Các bảng mã Huffman khác nhau được sử dụng tùy thuộc vào giá trị lượng tử hóa tối đa và thống kê tín hiệu cục bộ. Có tổng cộng 32 bảng mã hóa Huffman được đưa ra trong bảng B.7

subblock_gain[gr][ch][window] - chỉ ra mức tăng bù (lượng tử hóa: hệ số 4) từ mức tăng chung cho một khối con. Chỉ được sử dụng với loại khối 2 (cửa sổ ngắn). Các giá trị của khối con phải được chia cho 4^{(subbtock_gain [window])} trong bộ giải mã.

region0_count[gr] [ch] - một phân vùng nữa của phổ được sử dụng để nâng cao hiệu suất của bộ mã hóa Huffman. Đây là một sự chia nhỏ vùng được mô tả bởi big_values. Mục đích của việc chia nhỏ này là để phát hiện lỗi tốt hơn và hiệu quả mã hóa tốt hơn. Có 3 vùng được sử dụng, chúng được đặt tên là vùng 0, vùng 1 và vùng 2. Mỗi vùng được mã hóa bằng cách sử dụng một bảng mã Huffman khác nhau tùy thuộc vào giá trị lượng tử hóa tối đa và các số liệu thống kê tín hiệu cục bộ.

Các giá trị region0_count và region1_count được sử dụng để chỉ ranh giới của các vùng. Các ranh giới vùng được sắp xếp theo sự phân chia phổ thành các dải hệ số tỷ lệ.

field region0_count chứa ít hơn một số lượng dải hệ số tỷ lệ trong vùng 0. Trong trường hợp các khối ngắn, mỗi dải hệ số tỷ lệ được tính ba lần, một lần cho mỗi cửa sổ ngắn, do đó giá trị region0_count là 8 cho biết vùng 1 bắt đầu tại dải hệ số tỷ lệ số 3.

Nếu block_type ==2 và mixed_block_flag==0, tổng số dải hệ số tỷ lệ cho hạt trong trường hợp này là 12*3=36. Nếu block_type ==2 và mixed_block_flag ==1, tổng số dải hệ số tỷ lệ là 8+9*3 =35. Nếu block_type! =2, tổng số dải hệ số tỷ lệ là 21.

region1_count [gr] [ch] - region 1_count đếm ít hơn một số với số lượng dải hệ số tỷ lệ trong vùng 1. Mặt khác, nếu block_type == 2, các dải hệ số tỷ lệ đại diện cho các khe thời gian khác nhau được tính riêng.

preflag [gr] [ch] - đây là một phím tắt cho khuếch đại tần số cao của các giá trị lượng tử hóa. Nếu preflag được thiết lập, các giá trị của một bảng sẽ được thêm vào các hệ số tỷ lệ (xem Phụ lục B, bảng B.6). Điều này tương đương với việc nhân các hệ số tỷ lệ đã được giải lượng tử với các giá trị bảng. Nếu block_type ==2 (các khối ngắn) thì preflag không bao giờ được sử dụng.

scalefac_scale[gr][ch] - các hệ số tỷ lệ được lượng tử hóa logarith với kích thước bước là 2 hoặc (√2) tùy thuộc vào scalefac_scale. Bảng dưới đây chỉ ra hệ số nhân của hệ số tỷ lệ được sử dụng trong cân bằng tái lượng tử hóa cho từng kích thước bước.

count1table_select[gr][ch] - Cờ này chọn một trong hai bảng mã Huffman có thể có cho vùng gấp bốn giá trị lượng tử hóa với độ lớn không vượt quá 1.

scalefac_l[gr][ch][sfb], scalefac_s[gr][ch][sfb][window], is_post[sfb] - các hệ số tỷ lệ được sử dụng để tô màu cho nhiễu lượng tử. Nếu nhiễu lượng tử được tô màu với hình dạng phù hợp, nó sẽ được ẩn hoàn toàn. Không giống như lớp I và II, các hệ số tỷ lệ lớp 3 không cho biết về mức tối đa của tín hiệu lượng tử hóa. Trong lớp III, các hệ số tỷ lệ được sử dụng trong bộ giải mã để có được các hệ số phân chia cho các nhóm giá trị. Trong trường hợp của lớp III, các nhóm tín hiệu trải dài trên một vài đường tần số. Các nhóm này được gọi là các dải hệ số tỷ lệ và được lựa chọn để giống với các băng tần tới hạn càng nhiều càng tốt.

Bảng scalefac_compress cho thấy các hệ số tỷ lệ 0…10 có phạm vi từ 0 đến 15 (chiều dài tối đa là 4 bít) và các hệ số tỷ lệ từ 11...21 có phạm vi từ 0 đến 7 (chiều dài tối đa là 3 bit).

Nếu intensity_compress được kích hoạt (modebit_extension), các hệ số tỷ lệ của “zero_part” của kênh (bên phải) khác nhau được sử dụng làm các vị trí intensity_compress, is_post[sfb] (xem mục 8.4. MS_stereo). is_post[sfb] là vị trí cường độ âm thanh nổi dùng cho dải hệ số tỷ lệ sfb.

Phân chia của phổ thành các dải hệ số tỷ lệ được cố định cho từng độ dài và tần số lấy mẫu của khối và được lưu trong các bảng trong bộ mã hóa và bộ giải mã (xem Bảng B.8).

Các yếu tố hệ số tỷ lệ được định lượng logarit. Bước lượng tử được thiết lập với scalefac_scale.

huffman_code_bits() -- Dữ liệu mã hóa Huffman

Cú pháp Huffmancodebits() cho thấy các giá trị được lượng tử hóa mã hóa như thế nào. Trong phân vùng big_values, các cặp giá trị được định lượng có giá trị tuyệt đối dưới 15 được mã hóa trực tiếp sử dụng mã Huffman. Các mã được chọn từ bảng thông số từ 0 đến 31 trong bảng B.7. Luôn luôn có cặp giá trị (x.y) được mã hóa. Nếu các giá trị đã được lượng tử hóa có độ lớn hơn hoặc bằng 15 được mã hóa, các giá trị được mã hóa bằng một trường riêng sau mã Huffman. Nếu một hoặc cả hai giá trị của một cặp không phải là không, một hoặc hai dấu bít được nối vào từ mã.

Các bảng Huffman cho phân vùng big_values bao gồm ba tham số:

Cú pháp cho huffmancodebits chứa các trường và tham số sau:

Các trường linbitsx hoặc linbitsy chỉ được sử dụng nếu giá trị lớn hơn hoặc bằng 15 cần được mã hóa. Các trường này được hiểu là các số nguyên không dấu và được thêm vào 15 để lấy giá trị được mã hóa. Các trường linbitsx và linbitsy không bao giờ được sử dụng nếu bảng được chọn là một đối với các khối có giá trị lượng tử tối đa nhỏ hơn 15. Chú ý rằng giá trị 15 có thể vẫn được mã hóa bằng bảng mã hóa huffman mà linbits bằng không. Trong trường hợp này, các trường linbitsx và linbitsy thực tế không được mã hóa vì linbits bằng không.

Đối với các phần count1, bộ 4 giá trị với biên độ nhỏ hơn hay bằng 1 được mã hóa. Còn lại các giá trị biên độ còn lại được mã hóa sử dụng mã Huffman từ bảng A hoặc B trong Bảng B.7. Còn lại, đối với mỗi giá trị khác không, một bít dấu được thêm vào sau ký hiệu mã huffman.

Các bảng Huffman cho phần count1 bao gồm các thông số sau:

Bảng mã hóa Huffman không thực sự là mã mã 4 chiều, bởi vì nó được cấu trúc từ mã thông thường: 0 được mã bằng 1, và 1 được mã bằng 0.

Các giá trị lượng tử hóa ở trên phân vùng count1 đều là 0 nên chúng không được mã hóa.

Để rõ ràng, thông số “count1” được sử dụng trong tiêu chuẩn này để chỉ số lượng các mã Huffman trong vùng count1. Tuy nhiên, không giống như phân vùng bigvalues, số lượng các giá trị trong phân vùng count1 không được mã rõ ràng bởi một trường trong cú pháp. Chỉ biết được phần cuối của phân vùng count1 khi tất cả các bit cho phần hạt (như được chỉ định bởi part2_3_length) đã hết và giá trị của count1 được ngầm xác định sau khi giải mã vùng count1.

Thứ tự dữ liệu Huffman phụ thuộc vào block_type của lõi. Nếu block_type là 0,1 hoặc 3, dữ liệu mã hóa Huffman được sắp xếp theo thứ tự tần suất ngày càng tăng.

Nếu block_type là 2 (khối ngắn) thì dữ liệu được mã hóa Huffman được sắp xếp theo thứ tự giống như các giá trị hệ số tỷ lệ đối với hạt đó (xem mục 7.7).

Dữ liệu được mã hóa Huffman được cung cấp cho các dải hệ số tỷ lệ liên tiếp, bắt đầu với dải hệ số tỷ lệ 0. Trong mỗi băng tần hệ số tỷ lệ, dữ liệu được cung cấp cho các cửa sổ thời gian liên tiếp, bắt đầu bằng cửa sổ 0 và kết thúc bằng cửa sổ 2. Các giá trị dữ liệu trong mỗi cửa sổ được sắp xếp theo thứ tự tần suất ngày càng tăng.

7.8  Dữ liệu phụ trợ

Ancillary_bit - người dùng có thể xác định.

Số lượng bít phụ trợ (no_of_ancillary_bits) bằng số lượng bít khả dụng trong một khung âm thanh trừ đi số bít thực tế sử dụng cho dữ liệu mào đầu, dữ liệu kiểm tra lỗi và dữ liệu âm thanh. Trong lớp I và II, no_of_ancillary_bits tương ứng với khoảng cách giữa phần cuối của dữ liệu âm thanh và phần đầu của mào đầu tiếp theo. Trong lớp III, no_of_ancillary_bits tương ứng với khoảng cách giữa phần cuối của bít mã hóa Huffman và vị trí trong dòng bit nơi con trỏ main_data_begin của khung tiếp theo trỏ đến.

8  Quá trình giải mã âm thanh

8.1  Tổng quan

Việc đầu tiên là đồng bộ hóa bộ giải mã với dòng bit đến. Ngay sau khi khởi động, có thể thực hiện bằng cách tìm kiếm từ đồng bộ 12 bit trong dòng bit. Trong một số ứng dụng, ID’ lớp và trạng thái bảo vệ đã được biết đến, do đó 16 bit đầu tiên của tiêu đề nên được coi là một từ đồng bộ 16 bit, do đó giúp việc đồng bộ hóa đáng tin cậy hơn. Vị trí của các từ đồng bộ liên tiếp có thể được tính toán từ thông tin được cung cấp bởi bảy bit chỉ sau protectton_bit: dòng bit được chia nhỏ trong các khe. Khoảng cách giữa điểm bắt đầu của hai từ đồng nghĩa liên tiếp bằng các khe “N” hoặc "N + 1". Giá trị của 'N” phụ thuộc vào lớp:

Đối với lớp I, phương trình sau là hợp lệ:

Đối với các lớp II và III phương trình sẽ trở thành:

Nếu phép tính này không cho số nguyên thì kết quả sẽ bị cắt bớt và cần có 'padding'. Trong trường hợp này, số lượng khe trong khung sẽ thay đổi giữa N và N + 1. Bít padding được đặt là ‘0’ nếu số khe bằng N và là ‘1’ nếu ngược lại. Việc hiểu biết về vị trí của các từ đồng bộ liên tiếp tạo điều kiện thuận lợi cho việc đồng bộ hóa rất nhiều.

Nếu chỉ số tốc độ bít bằng ‘0000’, tốc độ bít chính xác không được xác định. N có thể được xác định từ khoảng cách giữa từ đồng bộ liên tiếp và giá trị của bít padding.

Sẽ biết được các bít mode trong dòng bít nếu giá trị của chúng là ‘01’ thì cũng sẽ biết được các bít mode_extension. Các bít mode_extension thiết lập “biên” như được trình trong mục 7.3 và do đó cho biết các băng tần con nào được mã hóa trong chế độ joint_stereo.

Nếu bít bảo vệ trong tiêu đề bằng ‘0’ thì một từ CRC-check được chèn vào trong dòng bít ngay sau tiêu đề. Phương pháp phát hiện lỗi được sử dụng là 'CRC-16' có đa thức tạo là

G(X) = X¹⁶ + X¹⁵ + X² + 1

Các bít bao gồm trong một từ CRC-check được lấy từ Bảng B.5.

Phương pháp được mô tả trong hình A.9 “Sơ đồ khối CRC-check”. Trạng thái ban đầu của thanh ghi dịch chuyển là ‘1111 1111 1111 1111’. Sau đó, tất cả các bít được đưa vào CRC-check được đưa vào mạch điện trong hình A.9 “Sơ đồ khối CRC-check”. Sau mỗi bít được đưa vào, thanh ghi dịch chuyển sẽ được dịch chuyển một bít. Sau thao tác dịch chuyển cuối cùng, các đầu ra b₁₅... b₀ tạo thành một từ được so sánh với từ CRC-check trong dòng bit. Nếu các từ không đồng nhất, lỗi truyền tải sẽ xảy ra trong trường được bảo vệ của dòng bit. Để tránh các độ méo gây khó chịu, hãy áp dụng kỹ thuật che giấu, chẳng hạn như tắt tiếng của khung hình thực tế hoặc lặp lại khung hình trước đó

8.2  Lớp I

Sau phần giải mã chung cho tất cả các lớp (xem 8.1), thông tin phân bố bít phải được đọc cho tất cả các băng tần con, các hệ số tỷ lệ đọc cho tất cả các băng tần con có phân bổ bít nonezero. Lưu đồ bộ giải mã được trình bày trong Hình A.1 “Lưu đồ bộ giải mã lớp I và II”

8.2.1  Tái lượng tử hóa các mẫu băng tần con

Từ việc phân bổ bit, biết được số lượng bít nb phải đọc cho các mẫu trong từng băng tàn con được. Thứ tự của các mẫu được trình bày trong mục 6.5 dùng cho từng chế độ. Sau khi các bít cho một mẫu đã được tập hợp từ dòng bit thì bít đầu tiên phải được đảo ngược. Số kết quả có thể được coi như là số phân số bù của 2, trong đó MSB đại diện cho giá trị -1. Có thể tính được giá trị tái lượng tử hóa bằng cách áp dụng công thức tuyến tính dưới đây:

Các mẫu trong các băng tần con ở chế độ intensity_stereo phải được sao chép vào cả hai kênh. Giá trị tái lượng tử hóa phải được định lại. Hệ số nhân có thể được tìm thấy trong bảng B.1 “hệ số tỷ lệ lớp I và II”. Giá trị được chia tỷ lệ lại s’ được tính như sau:

s’ = factor*s”

8.2.2  Giàn bộ lọc tần con tổng hợp

Nếu một băng tần con không có bít được phân bổ cho nó, các mẫu trong băng tần con đó được đặt là 0. Mỗi lần tính các mẫu băng tần con cho tất cả 32 băng tần con của một kênh, các mẫu có thể áp dụng giàn bộ lọc tần con và có thể tính toán được 32 mẫu âm thanh liên tiếp. Các bước thực hiện trong lưu đồ Hình A.2 “Lưu đồ giàn bộ lọc tần con tổng hợp” cho thấy hoạt động tái cấu trúc. Các hệ số cho phép toán ma trận được tính bởi công thức sau:

Các hệ số Di cho phép toán tạo cửa sổ có thể được tìm thấy trong Bảng B.3 “Hệ số Di của cửa sổ tổng hợp”. Các hệ số đã được suy ra bằng cách tối ưu hóa số. Một khung chứa 12 * 32 = 384 mẫu băng tần con, kết quả sau khi lọc trong 384 mẫu âm thanh.

8.3  Lớp II

Lớp II hiệu quả hơn nhưng lược đồ mã hóa phức tạp hơn lớp I. Lưu đồ trong Hình A.1 “Lưu đồ bộ giải mã lớp I và II” áp dụng cho cả lớp I và II. Bước đầu tiên là thực hiện việc giải mã chung cho cả ba lớp (xem mục 8.1)

8.3.1  Giải mã phân bổ bit

Với những kết hợp khác nhau của tốc độ bít và tần số lấy mẫu, sẽ có các bảng phân bổ bít khác nhau (Bảng B.2 “bảng phân bổ bít lớp II”). Chú ý rằng các tốc độ bít cho trong các tiêu đề bảng trên mỗi kênh Nếu chế độ không phải là single_channel, nên chia tốc độ bít cho hai sẽ tính được tốc độ bít cho mỗi kênh. Việc giải mã bảng phân bổ bít được thực hiện theo cách tiếp cận ba bước. Bước đầu tiên bao gồm đọc “nbal” (2,3 hoặc 4) bít thông tin cho một băng tần con con từ dòng bit. Giá trị của ‘nbal’ được đưa ra trong cột thứ hai của bảng B.2 “bảng phân bổ bít lớp II”. Các bít này sẽ được hiểu là một số nguyên không dấu. Bước thứ hai là sử dụng số này và số lượng các băng tần con làm chỉ số để trỏ đến một giá trị trong bảng. Giá trị này biểu diễn số lượng các cấp độ 'nlevels' được sử dụng để lượng tử các mẫu trong băng tần con. Bước thứ ba là sử dụng Bảng B.4 “Lớp II phân lớp lượng tử”, số bít được sử dụng để mã hóa các mẫu được lượng tử hóa, các hệ số tái lượng tử và dữ liệu các mã cho ba mẫu băng tần con liên tiếp được nhóm thành một mã có thể được xác định. Nó có thể được tìm thấy trong các bảng phân bổ bít mà một số các băng tần con lớn nhất sẽ không bao giờ có bít được phân bổ. Số băng tần con thấp nhất mà không có bít được phân bổ cho nó được gán cho bộ nhận diện ‘sblimit’.

8.3.2  Giải mã thông tin lựa chọn hệ số tỷ lệ

36 mẫu trong một băng tần con trong một khung được chia thành ba phần bằng nhau của 12 mẫu băng tần con. Mỗi phần có thể có hệ số tỷ lệ riêng của nó. Số lượng các hệ số tỷ lệ được đọc từ dòng bít phụ thuộc vào scfsi [sb]. Thông tin lựa chọn về hệ số tỷ lệ scfsi [sb] được đọc từ dòng bít có phân bổ bít none-zero. Nếu scfsi [sb] bằng ‘00’ ba hệ số tỷ lệ được truyền đi, cho các phần 0,1,2 tương ứng. Nếu scfsi [sb] bằng ‘01’ hai hệ số tỷ lệ được truyền đi, số đầu tiên hợp lệ cho các phần 0 và 1, mmột số thứ hai của phần 2. Nếu scfsi [sb] bằng ‘10’ một hệ số tỷ lệ được truyền đi, hợp lệ cho cả ba phần. Nếu scfsi [sb] bằng ‘11’ hai hệ số tỷ lệ được truyền đi, số đầu tiên hợp lệ cho phần 0, số thứ hai cho phần 1 và 2.

8.3.3  Giải mã hệ số tỷ lệ

Đối với mỗi băng tần con với một phân bổ bít khác không, hệ số tỷ lệ đã được mã hóa cho băng tần con đó được đọc từ dòng bít. Số lượng các hệ số tỷ lệ đã được mã hóa và một phần của các mẫu băng tần con mà chúng tham chiếu được xác định bởi scfsi [sb]. 6 bít của một tập hợp hệ số tỷ lệ được mã hóa được hiểu như là một chỉ số số nguyên không dấu chỉ đến phụ lục B, Bảng B.1 “hệ số tỷ lệ lớp I,II”. Bảng này cung cấp cho hệ số tỷ lệ mà theo đó các mẫu băng tần phụ có liên quan nên được nhân lên sau tái lượng tử hóa.

8.3.4  Tái lượng tử các mẫu băng tần con

Tiếp theo các mẫu được mã hóa sẽ được đọc. Như trình bày trong mục 6.6, các mẫu được mã hóa xuất hiện bộ ba, mã có chứa ba mẫu liên tiếp tại một thời điểm. Từ phụ lục B, Bảng B.4 “Lớp II phân lớp lượng tử” sẽ được có bao nhiêu bít sẽ được đọc cho một bộ ba từ dòng bít cho mỗi băng tần con. Cũng từ phụ lục B, Bảng B.4 “Lớp II phân lớp lượng tử”, được biết liệu mã này bao gồm ba mã liên tiếp có thể tách riêng cho mỗi mẫu hoặc của một mã kết hợp cho ba mẫu (nhóm). Trong trường hợp cuối cùng tách nhóm phải được thực hiện. Mã kết hợp được coi là một số nguyên không dấu, được gọi là ‘c’. Thuật toán sau sẽ cung cấp ba mã riêng biệt s[0], s[1], s[2].

For (i=0;i<3;i++){

s[i]=c%nlevels

c=c DIV nlevels

}

Trong đó nlevels là số bước cho thấy trong phụ lục B, Bảng B.2 “bảng phân bổ bít lớp II”.

Bít đầu tiên của mỗi mã phải được đảo ngược, và các con số kết quả nên được coi là hai số phân số bổ sung, trong đó MSB trình diễn cho giá trị -1. Các giá trị được yêu cầu có thể thu được bằng cách áp dụng một công thức tuyến tính:

s’’ = C * (s’’’ + D)

Ở đây: s’’’ là số phân số

s’’ là giá trị tái lượng tử.

Các giá trị của hằng số C và D được cho trong phụ lục B, bảng B.4 “Lớp II phân lớp lượng tử”. Các giá trị tái lượng tử được yêu cầu phải được chia tỷ lệ lại. Các yếu tố nhân lên có thể được tìm thấy trong phụ lục B, bảng B.1 “hệ số tỷ lệ lớp I,II” như mô tả ở trên, giá trị chia tỷ lệ lại. ‘s’ được tính như sau:

s’ = factor * s’’

8.3.5  Giàn bộ lọc tần tổng hợp

Nếu một băng tần con không có bít được phân bổ cho nó, các mẫu trong băng tần con đó được đặt là 0. Mỗi lần lấy mẫu băng tần con cho tất cả 32 băng tần con của một kênh đã được tính, chúng có thể được áp dụng cho giàn bộ lọc tần tổng hợp và có thể tính được 32 mẫu âm thanh liên tiếp. Với mục đích đó, các bước trong lưu đồ được thể hiện trong Phụ lục A, Hình A.2 “lưu đồ giàn bộ lọc tần con tổng hợp” phải được thực hiện. Các hệ số cho phép toán ma trận được tính bởi công thức sau:

Các hệ số Di cho phép toán tạo cửa sổ có thể được tìm thấy trong Phụ lục B, trong Bảng B.3. Các hệ số đã được suy ra bằng cách tối ưu hóa số. Một khung chứa 36 * 32 = 1152 mẫu băng tần con, kết quả sau khi lọc trong 1152 mẫu âm thanh.

8.4  Lớp III

Độ phân dải tần số bổ sung được xác định bằng việc sử dụng một giàn bộ lọc lai. Mỗi băng tần được chia thành 18 dòng tần số bằng việc sử dụng một bộ MDCT. Chiều dài cửa sổ của MDCT là 36. Thực hiện việc chuyển đổi cửa sổ thích ứng để kiểm soát thời gian (pre-echoes), xem mô tả trong Phụ lục C. Có thể lựa chọn tần số ở trên mà các khối ngắn (độ phân giải thời gian tốt hơn) được sử dụng. Các phần của các tín hiệu ở dưới tần số phụ thuộc vào “mixed_block_flag” được mã hóa với độ phân dải tần số tốt hơn, các phần của tín hiệu ở trên được mã hóa với độ phân giải thời gian tốt hơn.

Các thành phần tần số được lượng tử hóa sử dụng một bộ lượng tử không đồng dạng và được mã hóa sử dụng một bộ đệm mã hóa Huffman. Các mã Huffman sử dụng một trong 18 bảng khác nhau (xem phụ lục B.7). Một bộ đệm được sử dụng để giúp nâng cao hiệu quả của các mã Huffman và để trợ giúp trong trường hợp các điều kiện tiếng vọng trước (xem mô tả trong Phụ lục C). Kích thước của bộ đệm đầu vào là kích thước của một khung tại tốc độ bít là 160 kbit/s trên mỗi kênh đối với lớp III. Kỹ thuật đệm ngắn hạn được gọi là ‘bit reservior’ bởi vì nó có tốc độ bít thay đổi ngắn hạn với độ lệch tối đa từ tốc độ bít trung bình.

Mỗi khung chứa dữ liệu từ 2 lõi. Dữ liệu âm thanh trong một khung được phân bổ theo cách sau:

- Con trỏ main_data_begin

- Thông tin phụ cho cả hai lõi (scfsi)

- Thông tin phụ lõi 1

- Thông tin phụ lõi 2

Tiêu đề và phần dữ liệu âm thanh này tạo thành dòng thông tin phụ.

- Dữ liệu hệ số tỷ lệ và mã Huffman lõi 1

- Dữ liệu hệ số tỷ lệ và mã Huffman lõi 2

- Dữ liệu bổ sung.

Những dữ liệu này tạo thành luồng dữ liệu chính. Con trỏ main_data_begin chỉ định một độ lệch âm từ vị trí của byte đầu tiên của tiêu đề.

8.4.1  Giải mã

Hoạt động đầu tiên là đồng bộ hóa bộ giải mã với dòng bít đến. Điều này được thực hiện như trong các lớp khác. Thông tin tiêu đề (32 bít đầu tiên bao gồm các từ đồng bộ) được đọc giống như trong các lớp khác. Thông tin về tần số lấy mẫu được sử dụng để chọn bảng băng tần hệ số tỷ lệ (xem phụ lục B.8).

8.4.2  Thông tin phụ

Các thông tin phụ phải trích xuất từ dòng bít và được lưu trữ để sử dụng trong khi giải mã khung liên quan. Thông tin lựa chọn bảng được sử dụng để chọn bảng giải mã Huffman và số bít ESC (linbits) theo bảng B.7.

8.4.3  Khởi đầu dữ liệu chính

Các dữ liệu chính (main_data) (hệ số tỷ lệ, mã hóa dữ liệu Huffman và thông tin phụ trợ) không nhất thiết phải nằm tiếp giáp với các thông tin phụ. Điều này được mô tả trong hình A.7a và hình A.7b. Khởi đầu của phần dữ liệu chính được xác định đúng vị trí bằng cách sử dụng con trỏ main_data_begin của khung hiện hành. Việc phân bố dữ liệu chính được thực hiện theo cách mà tất cả dữ liệu chính đều nằm trong bộ đệm đầu vào khi tiêu đề của khung tiếp theo đang đến bộ đệm đầu vào. Bộ giải mã phải bỏ qua tiêu đề và thông tin phụ khi giải mã dữ liệu chính. Nó biết được vị trí của nó từ chỉ số tỷ lệ bít và padding_bit. Độ dài của tiêu đề luôn là 4 byte, độ dài của thông tin phụ là 17 byte ở chế độ đơn kênh và 32 byte ở các chế độ khác, dữ liệu chính có thể kéo dài nhiều hơn một khối thông tin tiêu đề và thông tin phụ (xem hình A.7b).

8.4.4  Những lưu ý về bộ đệm

Quy tắc sau có thể được sử dụng để quy ước số lượng bit tối đa được sử dụng cho một lõi:

Bộ đệm có độ dài là 7680 bit. Giá trị này được sử dụng như một bộ đệm lớn nhất ở mọi tốc độ bít. Ở tốc độ bít cao nhất có thể của lớp III (320 kbits/s trên mỗi tín hiệu âm thanh nổi) và tần số lấy mẫu 48 kHz cho khung có chiều dài là (320 000/48 000) * 1152= 7680 bit. Do đó, các khung phải có độ dài không đổi ở tốc độ bit và tần số lấy mẫu này. Ở tốc độ 64 kbits/s (128 kbits/s trên mỗi tín hiệu âm thanh nổi) thì độ dài của lõi là (64 000/48 000)* 576 * 768 bít ở tần số lấy mẫu 48 kHz. Nó có nghĩa là sẽ có độ lệch cực đại (thời gian ngắn nhất của bộ đệm) của 7 680 - 4*768 = 4 608 bits được được cho phép với tốc độ 64 kbits/s. Độ lệch thực tế bằng số byte được hiển thị bằng con trỏ main_data_begin. Độ lệch thực tế lớn nhất là 2**9*8= 4 096 bits. Đối với tốc độ bít trung gian thì độ trễ và chiều dài bộ đệm có thể được tính toán tương ứng. Việc trao đổi bộ đệm giữa kênh trái và phải trong một dòng bít âm thanh nổi được cho phép mà không có hạn chế. Do hạn chế về kích thước bộ đệm main_data_begin luôn được đặt là 0 trong trường hợp bitrate_index- = 14, nghĩa là tốc độ dữ liệu 320 kbits/s trên tín hiệu nổi. Trong trường hợp này tất cả dữ liệu được phân bổ giữa các từ tiêu đề liền kề.

Ở tần số lấy mẫu thấp hơn 48kHz, bộ đệm phải được hạn chế sao cho cùng kích thước bộ đệm vật lý là đủ như kích thước được tính cho trường hợp 48 kHz ở trên

8.4.5  Hệ số tỷ lệ

Các hệ số tỷ lệ được giải mã theo slen1 và slen2 mà bản thân chúng được xác định từ các giá trị scalefac_compress. Các giá trị được giải mã có thể được sử dụng như các mục nhập vào một bảng hoặc sử dụng để tính toán trực tiếp các hệ số cho mỗi dải hệ số tỷ lệ. Khi giải mã lõi thứ hai, phải lưu ý đến scfsi. Đối với các băng tần trong đó scfsi tương ứng được đặt là 1, các hệ số tỷ lệ của lõi đầu tiên cũng được sử dụng cho lõi thứ hai, do đó chúng không được truyền cho lõi thứ hai.

Số bít sử dụng để giải mã hệ số tỷ lệ được gọi là part2_lenght, và được tính toán như sau:

Cho block_type==0,1, hoặc 3 (khối dài):

Part2_lenght= 11*slen1 + 10*slen2.

Cho block_type==2 (khối ngắn) và mixed_block_flag==0:

Part2_lenght= 18*slen1+18*slen2.

Cho block_type==2 (khối ngắn) và mixed_block_flag==1:

Part2_lenght=17*slen1+18*slen2.

Các công thức này là hợp lệ nếu gr == 0 hoặc nếu gr = = 1 và scfsi [ch] [scfsi_band] = = 0 cho tất cả các scfsi_bands, tức là thông tin lựa chọn hệ số tỷ lệ không được sử dụng.

8.4.6  Giải mã Huffman

Tất cả các thông tin cần thiết bao gồm cả bảng mà thể hiện được cây mã Huffman có thể được tạo ra từ các bảng trong bảng B.7. Đầu tiên dữ liệu big_values được giải mã bằng cách sử dụng các bảng với số table_select[gr][ch][region]. Các đường tần số trong vùng 0, vùng 1 và vùng 2 là các mã Huffman được giải mã thành từng cặp cho tới khi số lượng big_values của cặp đường tần số được giải mã. Các bit mã Huffman còn lại được giải mã bằng cách sử dụng bảng theo countltable_sclectfgr) [chl. Việc giải mã được thực hiện cho đến khi tất cả các bit mã Huffman đã được giải mã hoặc cho đến khi các giá trị lượng tử hóa đại diện cho 576 đường tần số được giải mã, tùy điều kiện nào đến trước. Nếu có nhiều bit mã Huffman hơn mức cần thiết để giải mã 576 giá trị, chúng được coi là bit chèn và bị loại bỏ. Biến đếm 1 được được tạo ra một cách ngẫu nhiên là số gấp bốn lần giá trị được giải mã bằng cách sử dụng count1table_select.

8.4.7  Giải lượng tử hóa

Lượng tử không đồng nhất sử dụng luật lũy thừa. Đối với mỗi giá trị đầu ra “is” từ các bộ giải mã Huffman, tính toán được “lisl^4/3”. Việc này có thể được thực hiện bằng cách tra cứu bảng hoặc bằng cách tính toán rõ ràng.

8.4.8  Công thức tính toán giải lượng tử và các hệ số tỷ lệ

Một công thức hoàn chỉnh mô tả tất cả quá trình xử lý từ các giá trị giải mã Huffman tới đầu vào của giàn bộ lọc tổng hợp. Tất cả các hệ số tỷ lệ cần thiết đều nằm trong công thức này. Dữ liệu đầu ra được tái tạo từ các mẫu lượng tử. Giá trị khuyếch đại chung và khuyếch đại khối con ảnh hưởng đến tất cả các giá trị trong một cửa sổ thời gian (trong trường hợp block_type == 2). Hệ số tỷ lệ và preflag tiếp tục điều chỉnh tăng trong mỗi băng tần hệ số tỷ lệ. Minh họa thể được trình bày trong hình A.8.

Sau đây là phương trình giải lượng tử cho cửa sổ ngắn. Các giá trị giải mã Huffman tại chỉ số bộ đệm i được gọi là is_i, các đầu vào cho giàn bộ lọc tổng hợp tại chỉ số i được gọi là xr_i:

Đối với khối, công thức là:

Pretab[sfb] là giá trị được cho trong bảng B.6. Hằng số 210 trong các công thức trên là cần thiết để chia hệ số đầu ra một cách thích hợp. Nó là một hằng số hệ thống. Giàn bộ lọc tổng hợp được giả định được thực hiện theo các công thức dưới đây. Phạm vi của các giá trị đầu ra của bộ giải mã (các mẫu PCM) nằm giữa -1,0 và +1,0.

8.4.9  Sắp xếp lại thứ tự

Nếu sử dụng các khối ngắn (block_type==2), dữ liệu đã được thay đổi tỷ lệ xr[scf_band][window][freq_line] (được mô tả trong huffmancodebits() trong mục 6.7.1) sẽ được sắp xếp lại thứ tự theo thứ tự băng tần con, xr[subband[window][freq_line], trước hoạt động IMDCT.

8.4.10  Quá trình xử lý âm thanh nổi

Sau khi giải lượng tử, các giá trị được tái cấu trúc được xử lý cho MS hoặc các chế độ intensity_stereo hoặc cả hai, trước khi đi đến giàn bộ lọc tổng hợp. Trong chế độ MS_stereo, hai kênh của lõi bắt buộc phải tương đương block_type.

8.4.10.1  Chế độ MS stereo

Chế độ này (được tìm thấy trong tiêu đề: mode_extension) cho phép chuyển từ “chế độ âm thanh nổi độc lập” sang chế độ MS_stereo. Nếu chế độ MS_stereo được kích hoạt nhưng chế độ intensity_stereo chưa được kích hoạt thì toàn bộ phổ sẽ được giải mã trong MS_stereo. Nếu cả hai chế độ MS_stereo và intensity_stereo đều được kích hoạt thì giới hạn trên của các băng tần hệ số tỷ lệ được giải mã trong MS_stereo thu được từ “zero_part” kênh (phải) khác. Trong trường hợp này băng tần hệ số tỷ lệ mà trong đó dòng tần số kênh (phải) “none_zero” cuối cùng xuất hiện là băng tần hệ số tỷ lệ cuối cùng mà các phương trình MS_stereo áp dụng. Cường độ âm thanh nổi cao hơn giới hạn này có thể được áp dụng nếu được kích hoạt trong tiêu đề của kênh. Các “zero_part” của các kênh khác là một phần của phổ từ "bigvalues * 2 + count1 * 4" (xem mục 7.7) đến tốc độ Nyquist.

8.4.10.2  Ma trận MS

Trong chế độ MS_stereo, các giá trị trung bình của các kênh giữa/bên M_i/S_i đã được chuẩn hóa được truyền đi thay vì các kênh trái/phải với giá trị L_i/R_i. Do đó L_i/R_i được tái sử dụng.

Các giá trị M_i được truyền trong kênh trái, các giá trị S_i được truyền trong kênh phải.

Nếu xuất hiện việc chuyển đổi cửa sổ thì các kênh M và S phải được chuyển đổi đồng bộ.

8.4.10.3  Chế độ Intensity_stereo

Chế độ này (được tìm thấy trong tiêu đề: mode_extension) cho phép chuyển đổi từ “chế độ âm thanh nổi thông thường” sang chế độ intensity_stereo. Trong lớp III, chế độ intensity_stereo không sử dụng một cặp hệ số tỷ lệ như trong lớp I và II, nhưng bằng cách xác định độ lớn (thông qua hệ số tỷ lệ của kênh phải như thông thường) và một vị trí âm thanh nổi is_pos_Sb[sfb], is_pos_Sb[sfb] được truyền đi thay vì hệ các hệ số tỷ lệ cho kênh phải. Vị trí âm thanh nổi được sử dụng để lấy tín hiệu kênh trái và phải theo công thức bên dưới. Giới hạn thấp hơn của các băng tần hệ số tỷ lệ được mã hóa trong chế độ âm thanh nổi được bắt nguồn từ "zero_part" của kênh bên phải.

Cường độ âm thanh nổi cao hơn giới hạn này có thể được áp dụng bằng cách sử dụng các các hệ số tỷ lệ của kênh bên phải như các vị trí cường độ âm thanh nổi.

Ở trên giải mã này của âm thanh nổi được áp dụng bằng cách sử dụng hệ số tỷ lệ của kênh đúng như vị trí cường độ âm thanh nổi. Một vị trí cường độ âm thanh nổi của 7 trong 1 băng tần hệ số tỷ lệ cho biết rằng băng tần hệ số tỷ lệ này không được giải mã như cường độ âm thanh nổi.

Đối với từng dải hệ số tỷ lệ (sb) được mã hóa trong intensity_stereo, phải thực hiện các bước sau:

1) Độc vị trí cường độ âm thanh nổi is_pos_sb từ hệ số tỷ lệ của kênh bên phải

2) Nếu (is_pos_Sb==7) không được thực hiện các bước sau (is_pos không hợp lệ).

3)

4)  đối với tất cả các chỉ số i trong dải băng tần hệ số tỷ lệ sb.

5)  đối với tất cả các chỉ số i trong dải băng tần hệ số tỷ lệ sb.

8.4.10.4  Giàn bộ lọc tổng hợp

Hình A.4 cho thấy một sơ đồ khối trong đó có giàn bộ lọc tổng hợp. Các dòng tần số được xử lý trước bằng sơ đồ "giảm Alias" (xem sơ đồ khối trong trong Hình A.5 và trong Bảng B.9 đối với các hệ số) và đưa vào ma trận IMDCT, mỗi 18 dòng tần số tạo thành một khối chuyển đổi. Nửa đầu của các giá trị đầu ra được thêm vào các giá trị xếp chồng được lưu trữ vào khối cuối cùng. Những giá trị này là những giá trị đầu ra mới và là những giá trị đầu vào cho giàn bộ lọc nhiều pha. Nửa thứ hai của các giá trị đầu ra được lưu trữ xếp chồng với các dữ liệu lõi tiếp theo. Đối với mỗi băng tần con thứ hai của giàn bộ lọc nhiều pha, mỗi giá trị đầu vào thứ hai được nhân với -1 để điều chỉnh tần số nghịch đảo của giàn bộ lọc nhiều pha.

8.4.10.5  Giảm Alias

Đối với các lõi block_type dài (block_type!=2) thì đầu vào của bộ lọc tổng hợp sẽ được xử lý giảm alias (giảm tên hiệu) trước khi xử lý bởi IMDCT. Đoạn mã giả dưới đây mô tả phép tính giảm Alias:

Các chỉ số của mảng xar [] và xr [] gắn nhãn các dòng tần số trong một lõi, được sắp xếp theo thứ tự từ tần số thấp nhất đến tần số cao nhất, với 0 là chỉ số của dòng tần số thấp nhất và 575 là chỉ số của tần số cao nhất. Các hệ số: Cs [i] và Ca [i] có thể được tìm thấy trong bảng B.9. Hình A.5 và A.6 minh họa phép tính giảm Alias.

Việc giảm Alias không được áp dụng cho các lõi có block_type == 2 (khối ngắn).

8.4.10.6  IMDCT

Trong công thức dưới đây, n là số lượng các mẫu được tạo cửa sổ (đối với khối ngắn n là 12, đối với các khối dài n là 36). Trong trường hợp khối thuộc kiểu "ngắn”, mỗi khối trong ba khối ngắn được biến đổi riêng biệt, n/2 giá trị X_k được biến đổi thành n giá trị x. Biểu thức phân tích của IMDCT là:

8.4.10.7  Tạo cửa sổ

Tùy thuộc vào block_type, sử dụng các hình dạng khác nhau của các cửa sổ.

a) Block_type=0 (cửa sổ bình thường)

b) Block_type=1 (khối bắt đầu)

c) Block_type=3 (khối dừng)

d) Block_type=2 (khối ngắn)

Một trong ba khối ngắn được tạo cửa sổ riêng biệt.

Cửa sổ khối ngắn phải được xếp chồng và nối vào nhau.

8.4.10.8  Xếp chồng và thêm vào khối trước

36 giá trị nửa đầu của khối được xếp chồng với nửa thứ hai của khối trước. Nửa thứ hai của khối thực tế đã lưu trữ được sử dụng trong khối tiếp theo:

8.4.10.9  Bù cho quá trình đảo ngược tần số của giàn bộ lọc nhiều pha

Đầu ra của khối xếp chồng bao gồm 18 mẫu thời gian dùng cho mỗi 32 băng tần con nhiều pha. Nếu các mẫu thời gian được đánh nhãn từ 0 đến 17, với 0 là thời gian lấy mẫu sớm nhất và băng tần con được đánh nhãn từ 0 đến 31, với 0 là băng tần con thấp nhất, thì mỗi mẫu thời gian lẻ của mỗi băng tần con lẻ được nhân với -1 trước khi xử lý bởi các giàn bộ lọc nhiều pha.

Phụ lục A

(Quy định)

Sơ đồ mã hóa, giải mã

Hình A.1: Lưu đồ bộ giải mã lớp I và II

Hình A.2 - Lưu đồ tổng hợp giàn bộ lọc tần con

Hình A.3 - Sơ đồ giải mã lớp III

Hình A.4 - Sơ đồ bộ giải mã lớp III

Hình A.5 - Sơ đồ bộ giải mã giảm xáo trộn lớp III

Hình A.6 - Xáo trộn chéo lớp III, bộ giải mã

**) main_data_begin 4 == 0: biểu thị rằng dữ liệu chính bắt đầu ngay sau thông tin phụ đối với khung 4. Đây là giới hạn dưới cho main_data_begin, main_data không thể bắt đầu sau thời điểm này. Lưu ý rằng các byte dữ liệu được sử dụng bởi ‘sync’ và 'side info' không được đếm bởi con trỏ main_data_begin.

CHÚ THÍCH: 'info' có nghĩa là thông tin.

Hình A.7b - Sắp xếp dòng bít lớp III với yêu cầu đỉnh tại Thông tin chính 3 và yêu cầu nhỏ ở thông tin chính 2.

Hình A.8 - Minh họa lớp 3 của các lõi trong khung với block_type == 0 trong lõi đầu tiên và block_type == 2 trong lõi thứ hai

Hình A.9 - Sơ đồ kiểm tra CRC

Phụ lục B

(Quy định)

Các bảng biểu

Bảng B.1 - Hệ số tỷ lệ lớp I, II

Bảng B.2 - Các bảng phân bổ bít lớp II

Bảng B.2a - Lượng tử hóa có thể được cho mỗi băng tần con

Chỉ số