通过熵控制抖动优化音频压缩
音频与语音处理
2025-01-13 v2 声音
摘要
本文探讨了音频压缩中的熵控制抖动(entropy-controlled dithering)技术,考察了标准及改进型 TPDF(三角概率密度函数)结合噪声整形与熵控制参数在多种音频场景中的应用,涵盖音高、响度、节奏及乐器配置等变化。文中采用 VISQOL 与 STOI 等感知质量指标对性能进行评估。结果表明,在最优 alpha 条件下,基于 TPDF 的抖动始终优于 RPDF(矩形概率密度函数),同时揭示了性能随信号特征而变化的现象。这些发现表明,不同 TPDF 分布的使用具有情境适用性。本工作强调了熵与感知保真度之间的权衡,为熵控制抖动作为增强型音频压缩算法基础提供了有益见解。作为实际实现,本文还以数字音频工作站(DAW)插件的形式提供了可定制的抖动控制,为未来音频压缩算法的进一步发展奠定了基础。
引用
@article{arxiv.2501.02293,
title = {Optimizing Audio Compression Through Entropy-Controlled Dithering},
author = {Ellison Murray and Morriel Kasher and Predrag Spasojevic},
journal= {arXiv preprint arXiv:2501.02293},
year = {2025}
}
备注
19 pages, 15 figures