音视频学习（五十）：音频无损压缩

音频无损压缩是一种在不损失任何原始音频信息的前提下，减小音频文件大小的技术。它与有损压缩（如MP3、AAC）不同，后者通过删除人耳听不见的音频信息来大幅压缩文件，但会导致音质下降。无损压缩的目标是在保持原始音频质量的同时，尽可能地提高存储效率。

基本原理

无损压缩的核心思想是识别和消除音频数据中的冗余。这种冗余主要体现在以下几个方面：

• 时间域冗余： 音频信号在短时间内往往具有相似的波形。例如，一个持续的音符在短时间内可以被预测。
• 频率域冗余： 某些频率分量在一段时间内是高度相关的，或者可以被有效地建模。
• 统计冗余： 某些数据模式或比特序列出现的频率比其他模式更高。

无损压缩算法通常会综合利用这些冗余，通过预测、变换和编码等一系列步骤来压缩数据。

预处理阶段

音频帧划分（Framing）

音频数据以连续 PCM（Pulse Code Modulation）采样点形式存储。为了便于分析与建模，压缩算法会先将数据划分为多个 定长或变长的帧，每帧通常包含数百到数千个采样点。

• 定长帧：简单实现，压缩率稍低；
• 可变长度帧：复杂但适应性强，能提高压缩效果。

通道处理（Channel Decorrelation）

对于立体声或多通道音频，左右声道之间往往存在高度相关性。此时可以应用中-边（Mid/Side）编码，将：

• Mid（中） = (L + R) / 2
• Side（边） = (L - R) / 2

这样的变换可以显著减少冗余，提高压缩效率。

线性预测建模（Linear Prediction）

音频信号通常具有短时相关性，即当前样本可以用前面若干个样本进行预测。线性预测分析（LPC）正是基于此原理。

LPC建模原理

假设音频样本为 x[n]，可用如下公式预测：

残差计算（Prediction Residual）

预测误差（即残差）是：

因为残差的幅度通常远小于原始信号，所以编码残差的代价更小。

LPC系数求解方法

常见算法包括：

• Levinson-Durbin 递归法；
• Burg 算法；
• 矩阵最小二乘法。

熵编码（Entropy Coding）

残差信号仍需进一步压缩。熵编码是一种无损压缩编码技术，根据数据符号的概率分布，使用尽可能短的比特串表示高频出现的符号。

常用方法包括：

Rice编码（Golomb-Rice）

• 适合小整数分布，计算简单；
• 主要用于FLAC等格式；
• 将每个残差值分为商和余数部分，用二进制方式编码。

Huffman编码

• 构造一棵最优前缀树；
• 根据符号频率生成不等长编码；
• 在ALAC、WAVPACK中常用。

算术编码（Arithmetic Coding）

• 精度更高，但计算更复杂；
• 稀有用于音频无损压缩（多用于视频压缩或文件压缩）。

误差控制与流同步(可选步骤)

CRC 校验

每帧或每数据块可以附加循环冗余校验码（CRC），用于数据完整性检测。

同步码与帧头信息

为了支持流式传输和断点恢复，许多无损格式（如 FLAC）会为每一帧添加帧头，包含：

• 帧起始码；
• 采样率、通道数；
• 块大小；
• CRC 校验等。

封装与元数据

无损音频格式通常需要将压缩数据与元数据封装成一个整体文件。

元数据包括：

• 采样率、通道数、量化位数；
• 标签信息（如歌手、专辑、封面图）；
• Seek Table（快速定位索引）；
• 编码器版本等。

封装格式

• FLAC 使用原生 FLAC 流封装；
• ALAC 使用 MP4（M4A）封装；
• WavPack 可使用自己的封装或嵌入 RIFF/WAV；
• APE 使用 Monkey’s Audio 专用格式。

流程图

原始 PCM 数据↓
[帧划分] ←→ [通道预测]↓
[LPC 预测建模]↓
[残差计算]↓
[熵编码（如 Rice/Huffman）]↓
[封装帧头、元数据]↓
输出压缩音频文件（FLAC/ALAC/APE等）

解码过程（反向处理）

音频无损解码过程为压缩流程的完全反向操作，依次执行：

1. 解析封装格式；
2. 解出帧头信息和熵编码数据；
3. 反熵解码 → 得到预测残差；
4. 使用预测系数恢复原始PCM；
5. 重建通道结构、拼接音频帧。

因为是无损压缩，解码后音频数据与原始输入数据逐位一致。

主流无损音频压缩格式

FLAC (Free Lossless Audio Codec)

FLAC 是目前最流行、应用最广泛的无损压缩格式。

• 技术特点：
  • 主要采用线性预测技术，结合自适应系数和多种预测阶数，能高效地处理不同类型的音频。
  • 使用Rice 编码对残差进行熵编码，这是一种专为整数数据优化的变长编码方法。
  • 支持高达 24-bit/192 kHz 的高分辨率音频。
  • 开源和免版税，这使其成为行业标准，被几乎所有主流播放器和设备支持。
• 优点： 压缩比高（通常在 30%-50%之间），解码速度快，兼容性极佳。
• 应用： 音乐流媒体服务（如 Tidal）、数字音乐商店（如 Bandcamp）、个人音乐收藏。

ALAC (Apple Lossless Audio Codec)

ALAC 是苹果公司开发的无损压缩格式，通常封装在 M4A 容器中。

• 技术特点：
  • 原理与 FLAC 相似，也采用线性预测，但在实现上有所不同。
  • 在早期的 AAC-LC 编码器中，ALAC曾被作为一部分技术，但现在它作为一个独立的格式存在。
• 优点： 在苹果生态系统（iTunes, iPhone, Apple Music）中无缝支持，压缩效率与 FLAC 相当。
• 应用： 苹果设备用户、iTunes 音乐库。

APE (Monkey’s Audio)

APE 是早期无损压缩格式的代表，以其极高的压缩比而闻名。

• 技术特点：
  • 使用更复杂的预测模型和编码技术，旨在将文件压缩到极致。
• 优点： 压缩比通常高于 FLAC 和 ALAC。
• 缺点： 压缩和解压缩速度较慢，对计算资源要求较高。开源性不如 FLAC 普及，导致兼容性相对较差。
• 应用： 追求极致文件大小的用户，但目前已逐渐被 FLAC 取代。

WavPack

WavPack 是一种独特的无损压缩格式，因为它支持混合模式。

• 技术特点：
  • 它能同时生成一个小的、有损的 .wv 文件和一个小的、仅包含差异数据的 .wvc 文件。
  • 用户可以只使用 .wv 文件进行播放，以节省空间；也可以结合 .wvc 文件，完全恢复原始无损音频。
• 优点： 灵活性高，兼顾了有损和无损的优点。
• 应用： 需要在不同场景下灵活选择音质和文件大小的用户。

与有损压缩的区别

比较	有损压缩	无损压缩
是否丢失数据	是	否
典型格式	MP3、AAC、OGG	FLAC、ALAC、APE
压缩比	高（可达10:1）	中等（约2:1~3:1）
音质	有损（感知接近原声）	原汁原味
用途	流媒体、移动设备播放	音频制作、存档、发烧音响