何琳琳　中國(guó)信息通信研究院技術(shù)與標(biāo)準(zhǔn)研究所知識(shí)產(chǎn)權(quán)中心專利咨詢師

?

音/視頻壓縮編碼技術(shù)及專利性分析

何琳琳中國(guó)信息通信研究院技術(shù)與標(biāo)準(zhǔn)研究所知識(shí)產(chǎn)權(quán)中心專利咨詢師

摘要：隨著相關(guān)技術(shù)的快速發(fā)展，音/視頻通信的應(yīng)用范圍也逐漸擴(kuò)大。音/視頻通信中最關(guān)鍵的技術(shù)是壓縮編碼技術(shù)。而隨著移動(dòng)互聯(lián)網(wǎng)的發(fā)展，移動(dòng)和互聯(lián)網(wǎng)業(yè)務(wù)的結(jié)合已經(jīng)成為發(fā)展最快的業(yè)務(wù)。將自適應(yīng)的壓縮編碼技術(shù)應(yīng)用于移動(dòng)通訊終端上，是音/視頻數(shù)據(jù)傳輸領(lǐng)域關(guān)注和研究的熱點(diǎn)。本文簡(jiǎn)要介紹音/視頻壓縮編碼的理論基礎(chǔ)、若干標(biāo)準(zhǔn)以及發(fā)展現(xiàn)狀，并對(duì)音/視頻壓縮編碼技術(shù)的可專利性進(jìn)行分析。

關(guān)鍵詞：音頻；視頻；壓縮；編碼；專利性

1　壓縮編碼技術(shù)的基礎(chǔ)理論

音/視頻通信是人類工作和生活中不可缺少的一部分，有關(guān)研究表明，人與人之間進(jìn)行溝通時(shí)，55%的有效信息來(lái)自于面對(duì)面的視覺(jué)效果，38%來(lái)自于說(shuō)話者的語(yǔ)音，而只有7%來(lái)自于內(nèi)容，因而采用傳輸圖像的通信方式，其溝通效果要遠(yuǎn)遠(yuǎn)優(yōu)于電話、傳真等傳統(tǒng)通信工具。但是，圖像通信由于所占的帶寬太大，無(wú)法很好地應(yīng)用于實(shí)際的通信中，然而，近20年以來(lái)，隨著音/視頻通信的相關(guān)技術(shù)的快速發(fā)展，音/視頻通信的應(yīng)用范圍也逐漸擴(kuò)大。音/視頻通信目前主要應(yīng)用于視頻會(huì)議、視頻電話、遠(yuǎn)程學(xué)習(xí)和培訓(xùn)、遠(yuǎn)程醫(yī)療、視頻點(diǎn)播等方面。

音/視頻通信中最關(guān)鍵的技術(shù)是壓縮編碼，即通過(guò)使用特定的壓縮技術(shù)，對(duì)文件的音/視頻格式進(jìn)行轉(zhuǎn)換。

通常而言，壓縮編碼技術(shù)分為無(wú)損數(shù)據(jù)壓縮和有損數(shù)據(jù)壓縮兩種。其中，無(wú)損數(shù)據(jù)壓縮方案可以在解壓縮后逐位恢復(fù)原始數(shù)據(jù)信息，通過(guò)預(yù)測(cè)過(guò)去樣本中的值，消除存在于音/視頻信號(hào)中的統(tǒng)計(jì)冗余，可以實(shí)現(xiàn)小壓縮比。而有損數(shù)據(jù)壓縮方案使用感知編碼技術(shù)，放棄低于閾值的所有信號(hào)以消除音/視頻信號(hào)中的感知冗余，可以實(shí)現(xiàn)較高的壓縮比。

根據(jù)處理幀數(shù)的不同，還可將壓縮編碼技術(shù)劃分為幀內(nèi)和幀間壓縮。其中，幀內(nèi)壓縮也叫空間壓縮，在壓縮一幀圖像時(shí)，不考慮相鄰幀之間的冗余信息，而僅僅利用本幀圖像的數(shù)據(jù)。幀內(nèi)壓縮一般是有損壓縮，通常達(dá)不到很高的壓縮率。幀間壓縮也叫時(shí)間壓縮，通過(guò)比較時(shí)間軸上不同幀之間的數(shù)據(jù)進(jìn)行壓縮，利用了視頻或動(dòng)畫的連續(xù)兩幀之間的冗余信息。幀間壓縮一般是無(wú)損的，通過(guò)壓縮相鄰幀之間的冗余量，進(jìn)一步提高壓縮量，減小壓縮比。

另外，根據(jù)編碼方案的對(duì)稱性，又可將壓縮編碼技術(shù)劃分為對(duì)稱和非對(duì)稱編碼。在對(duì)稱編碼算法中，壓縮和解壓縮的速度相同，該算法可應(yīng)用于對(duì)實(shí)時(shí)壓縮和傳送信號(hào)要求比較高的場(chǎng)景，比如視頻會(huì)議。而不對(duì)稱編碼算法中，壓縮和解壓縮的速度不同，一般而言，壓縮所需的時(shí)間遠(yuǎn)大于解壓縮的時(shí)間，因而適合于電子出版等預(yù)先壓縮處理好音/視頻的多媒體應(yīng)用場(chǎng)景中。

2　壓縮編碼技術(shù)的若干方案

自從A.H.Reeves在1937年提出脈沖編碼調(diào)制PCM，壓縮編碼技術(shù)至今已經(jīng)有60余年的歷史。目前，該技術(shù)主要包括ITU-T組織制定的H.26x系列、ISO組織制定的MPEG系列以及其他一些標(biāo)準(zhǔn)，以下分別進(jìn)行簡(jiǎn)要介紹。

2.1H.26x標(biāo)準(zhǔn)

H.26x系列是由ITU-T主導(dǎo)的編碼系列，主要應(yīng)用于會(huì)議電視等實(shí)時(shí)通信領(lǐng)域，包括H.261、H.263、H.264、H.265等。

●H.261

H.261最初是針對(duì)可視電話、視頻會(huì)議等雙向聲像業(yè)務(wù)而提出的，是最早的運(yùn)動(dòng)圖像編碼標(biāo)準(zhǔn)，其詳細(xì)制定了壓縮編碼涉及的多項(xiàng)技術(shù)的具體實(shí)現(xiàn)方案。H.261是恒定碼流可變質(zhì)量編碼，在編碼時(shí)占用很少的CPU資源。為了優(yōu)化帶寬占用量，該標(biāo)準(zhǔn)在圖像質(zhì)量與運(yùn)動(dòng)幅度之間采用了平衡折衷的原則。

●H.263

H.263相比于H.261標(biāo)準(zhǔn)有著顯著的提高，可以進(jìn)一步劃分為H.263、H.263+、H.263++等一系列標(biāo)準(zhǔn)。H.263可以應(yīng)用于基于H.324、H.323、H.320、RTSP和SIP的系統(tǒng)。H.263+通過(guò)在H.263的基礎(chǔ)上引入許多新技術(shù)，進(jìn)一步擴(kuò)展了H.263的應(yīng)用范圍。而H.263++則又在H.263+的基礎(chǔ)上增加了選項(xiàng)U、V和W，進(jìn)一步提高了抗誤碼性能，增強(qiáng)了編碼效率。

●H.264

H.264是在H.263之后由ITU-T組織制定的下一代編解碼器，也叫做AVC或者M(jìn)PEG-4 Part10，它與MPEG-4的第10部分相同，在性能上超越H.263很多。H.264是一種高壓縮技術(shù)，集中體現(xiàn)了當(dāng)今國(guó)際編碼解碼技術(shù)的最新成果，其采用幀內(nèi)預(yù)測(cè)編碼技術(shù)，在相同的重建圖像質(zhì)量下，能夠提供更高的壓縮比和更好的網(wǎng)絡(luò)信道適應(yīng)性。H.264可工作于多種速率，劃分為基本檔次、主要檔次和擴(kuò)展檔次三檔，適用于多媒體流服務(wù)、實(shí)時(shí)多媒體監(jiān)控、交互式多媒體應(yīng)用、可視游戲、視頻點(diǎn)播、數(shù)字電視等應(yīng)用場(chǎng)景。

●H.265

H.265是ITU-T繼H.264之后所制定的新的壓縮編碼標(biāo)準(zhǔn)，在H.264的基礎(chǔ)上，采用新技術(shù)以平衡碼流、延時(shí)、編碼質(zhì)量和算法復(fù)雜度之間的關(guān)系，從而實(shí)現(xiàn)最優(yōu)化設(shè)置。具體的研究?jī)?nèi)容包括：提高壓縮效率、減少實(shí)時(shí)的時(shí)延、減少信道獲取時(shí)間和隨機(jī)接入時(shí)延、提高魯棒性和錯(cuò)誤恢復(fù)能力、降低復(fù)雜度等。H.265可在低于1.5Mbit/s的傳輸帶寬下，實(shí)現(xiàn)1080p全高清視頻傳輸。

2.2MPEG標(biāo)準(zhǔn)

MPEG是MovingPictureExpertsGroup的縮寫，該標(biāo)準(zhǔn)包括MPEG-1、MPEG-2、MPEG-4、MPEG-7、MPEG-21等一系列壓縮編碼標(biāo)準(zhǔn)。

●MPEG-1

MPEG-1方法在單位時(shí)間內(nèi)采集并保存第一幀圖像的信息，在對(duì)單幀進(jìn)行有效的壓縮時(shí)，只存儲(chǔ)其余幀圖像中相對(duì)第一幀圖像發(fā)生變化的部分。該方法采用了非對(duì)稱壓縮算法，編碼速率最高可達(dá)4～5Mbit/s/，其可被用于數(shù)字電話網(wǎng)絡(luò)上的視頻傳輸，也可以用于記錄媒體或者在因特網(wǎng)上的音頻傳輸。

●MPEG-2

MPEG-2是以提高圖像質(zhì)量為目標(biāo)的通用國(guó)際編碼標(biāo)準(zhǔn)，其在MPEG-1的基礎(chǔ)上，增加了場(chǎng)間預(yù)測(cè)技術(shù)。MPEG-2的編碼速率可達(dá)3～10Mbit/s，能夠提供較寬的壓縮比范圍，以適應(yīng)系統(tǒng)對(duì)存儲(chǔ)容量、畫面質(zhì)量、帶寬的不同要求。

●MPEG-4

MPEG-4標(biāo)準(zhǔn)主要應(yīng)用于視像電話、視像電子郵件和電子新聞等，提供4.8～64Mbit/s的編碼速率，能通過(guò)幀重建技術(shù)，利用很窄的帶寬壓縮和傳輸數(shù)據(jù)，以最少的數(shù)據(jù)獲得最佳的圖像質(zhì)量，其適合在因特網(wǎng)上進(jìn)行傳輸，也可以在移動(dòng)和數(shù)字廣播領(lǐng)域開(kāi)發(fā)新的應(yīng)用。

●MPEG-7

MPEG-7標(biāo)準(zhǔn)對(duì)龐大的圖像聲音信息進(jìn)行管理和快速搜索，能夠快速且有效地搜索出用戶需要的不同類型的多媒體資料。MPEG-7可以獨(dú)立于其他MPEG標(biāo)準(zhǔn)而使用，也兼容MPEG-4中定義的對(duì)音、視頻對(duì)象的描述，其適用于在線或離線的存儲(chǔ)應(yīng)用，也適用于廣播等流式應(yīng)用。

●MPEG-21

隨著“電子商務(wù)”的興起，為了保證數(shù)字媒體消費(fèi)的簡(jiǎn)單性，很好地處理“數(shù)字類消費(fèi)”中的各種問(wèn)題，MPEG組織提出了MPEG-21標(biāo)準(zhǔn)。MPEG-21標(biāo)準(zhǔn)實(shí)質(zhì)上是一些關(guān)鍵技術(shù)的集成，它將不同的協(xié)議、標(biāo)準(zhǔn)、技術(shù)等有機(jī)地融合在一起，對(duì)全球數(shù)字媒體資源進(jìn)行透明的、增強(qiáng)的管理。

2.3其他標(biāo)準(zhǔn)

音/視頻壓縮技術(shù)還涉及了其他的一些標(biāo)準(zhǔn)。

●EAAC+

2004年，3GPP的R6標(biāo)準(zhǔn)引入了增強(qiáng)的音頻編解碼器EAAC+，其增加了差錯(cuò)隱藏工具、立體聲到單聲道的向下混合工具、Spline重采樣率工具等，提供的最佳工作碼率范圍是18Kbit/s。

●AMR

自適應(yīng)多碼率AMR語(yǔ)音編解碼器是第3代移動(dòng)通信系統(tǒng)的強(qiáng)制性編解碼標(biāo)準(zhǔn)，該標(biāo)準(zhǔn)采用代數(shù)碼本激勵(lì)線性預(yù)測(cè)技術(shù)，提供8種單聲道的數(shù)碼率，對(duì)于快速變化的無(wú)線信道情況和本地流量情況提供了一種自適應(yīng)的跟蹤方法。

●VMR-WB

可變速率多模式寬帶VMR-WB語(yǔ)音編解碼技術(shù)是專為cdma2000標(biāo)準(zhǔn)而設(shè)計(jì)的，其以16kHz采樣率在50～7000Hz的頻帶上進(jìn)行語(yǔ)音編碼。在數(shù)據(jù)速率相同的情況下，VMR-WB標(biāo)準(zhǔn)相對(duì)于現(xiàn)有的窄帶語(yǔ)音編解碼器，能提供更好的寬帶語(yǔ)音通話質(zhì)量，因而適合應(yīng)用于寬帶話音呼叫、VoIP、視頻會(huì)議、音頻會(huì)議、點(diǎn)到點(diǎn)和多點(diǎn)業(yè)務(wù)應(yīng)用、流媒體應(yīng)用等方面。

●AMR-WB+

增強(qiáng)的自適應(yīng)多碼率寬帶AMR-WB+語(yǔ)音編碼技術(shù)是一種寬帶音頻編碼標(biāo)準(zhǔn)，其在ACELP的基礎(chǔ)上引入了變換編碼激勵(lì)、高頻編碼和立體聲編碼等技術(shù)，提供6～48Kbit/s的碼率范圍，用于傳送高音質(zhì)的語(yǔ)音和音頻內(nèi)容，可以應(yīng)用于3GPP的分組交換流、多媒體短信業(yè)務(wù)、多媒體廣播業(yè)務(wù)以及下載業(yè)務(wù)等。

●OggVorbis

OggVorbis是一種高質(zhì)量的音頻編碼方案，涉及視頻音頻等方面的編碼開(kāi)發(fā)，并能支持多聲道。Ogg Vorbis是一種靈活開(kāi)放的音頻編碼方案，在編碼方案確定之后可以對(duì)音質(zhì)進(jìn)行明顯調(diào)節(jié)或者對(duì)算法進(jìn)行改良。

●杜比AC-3

杜比AC-3技術(shù)把整個(gè)音頻頻帶分割成若干個(gè)較窄的頻段，各頻段的寬度不完全一樣，每一個(gè)頻段占有的數(shù)據(jù)量不是平均分配的，具有良好的遮蔽效應(yīng)。

●MUSICAM編碼技術(shù)

掩蔽型自適應(yīng)通用子頻帶綜合編碼與復(fù)用技術(shù)MUSICAM是將寬帶PCM信號(hào)的頻譜分割成等寬的32個(gè)子頻帶，把時(shí)域的PCM信號(hào)轉(zhuǎn)換成頻域的聲音信號(hào)，對(duì)各個(gè)頻帶的音頻取樣值分別進(jìn)行數(shù)據(jù)率降低的編碼，應(yīng)用于數(shù)字電視廣播中。

3　壓縮編碼技術(shù)的專利性分析

當(dāng)前，移動(dòng)通訊終端成為人們?nèi)粘９ぷ骱蜕钪斜夭豢缮俚某Ｓ霉ぞ摺Ｄ壳?，市面上的移?dòng)通訊終端大多具備多媒體功能，視頻、音頻文件的播放功能幾乎成為目前手機(jī)的標(biāo)準(zhǔn)配置。而隨著移動(dòng)互聯(lián)網(wǎng)的發(fā)展，移動(dòng)和互聯(lián)網(wǎng)業(yè)務(wù)的結(jié)合已經(jīng)成為發(fā)展最快的業(yè)務(wù)之一。以往在計(jì)算機(jī)上實(shí)現(xiàn)的很多通信業(yè)務(wù)，已經(jīng)轉(zhuǎn)移到在移動(dòng)通訊終端上實(shí)現(xiàn)。比如，可以在移動(dòng)通訊終端上實(shí)現(xiàn)即時(shí)通信業(yè)務(wù)（MSN、QQ、微信等），這對(duì)視、音頻文件的播放提出了更高的要求。這些即時(shí)通信業(yè)務(wù)通常提供語(yǔ)音對(duì)講和視頻聊天的功能，因而涉及了對(duì)語(yǔ)音信號(hào)和視頻圖像的實(shí)時(shí)采集、壓縮編碼、存儲(chǔ)和傳輸?shù)炔僮鳌?/p>

由于移動(dòng)通訊終端相對(duì)于計(jì)算機(jī)，通常具有較小的存儲(chǔ)空間，因而要求存儲(chǔ)的音/視頻文件盡量占用較小的存儲(chǔ)空間，這對(duì)聲音/圖像信號(hào)的壓縮編碼技術(shù)有著較高的要求。如何在保證聲音/圖像信號(hào)質(zhì)量的前提下，選擇合適的音/視頻壓縮編碼技術(shù)，從而減小壓縮后的音/視頻文件大小，是軟件設(shè)計(jì)人員需要重點(diǎn)考慮的技術(shù)問(wèn)題。因而，自適應(yīng)的壓縮編碼技術(shù)在移動(dòng)通訊終端上的應(yīng)用，是音/視頻數(shù)據(jù)傳輸領(lǐng)域關(guān)注和研究的熱點(diǎn)。

目前，在移動(dòng)通信業(yè)務(wù)發(fā)展較快的國(guó)家，比如日本、韓國(guó)以及一些歐美國(guó)家，已經(jīng)對(duì)上述領(lǐng)域開(kāi)展了深入的研究，取得了一定的成果，并獲得了較多相關(guān)技術(shù)的專利保護(hù)。比如，微軟公司提出的申請(qǐng)?zhí)枮?00410090193的發(fā)明專利申請(qǐng)，提供了一種用于提供數(shù)字音頻信號(hào)的高質(zhì)量擴(kuò)展和壓縮的系統(tǒng)和方法；比如，三星公司提出的申請(qǐng)?zhí)枮?00680041592的發(fā)明專利申請(qǐng)，提供了一種自適應(yīng)的基于時(shí)間/頻率的音頻編碼和解碼設(shè)備和方法；比如，杜比實(shí)驗(yàn)室提出的申請(qǐng)?zhí)枮?01180009098的發(fā)明專利申請(qǐng)，提供了一種用于對(duì)便攜式裝置內(nèi)的音頻信號(hào)的響度進(jìn)行非破壞性標(biāo)準(zhǔn)化的系統(tǒng)和方法；再比如，法國(guó)電信公司提出的申請(qǐng)?zhí)枮?00780006023的發(fā)明專利申請(qǐng)，提供了一種識(shí)別和衰減變換編碼生成的數(shù)字信號(hào)中回聲的方法和設(shè)備。

然而，國(guó)內(nèi)相關(guān)領(lǐng)域?qū)τ谠擁?xiàng)應(yīng)用的關(guān)注程度還不夠，只有少數(shù)通訊企業(yè)、高校、運(yùn)營(yíng)商等企事業(yè)單位，對(duì)于即時(shí)通信業(yè)務(wù)和壓縮編碼技術(shù)的結(jié)合進(jìn)行了一定的研究，并獲得較少的專利保護(hù)。比如，浙江大學(xué)提出的申請(qǐng)?zhí)枮?01210096448的發(fā)明專利申請(qǐng)，提供了一種終端均衡速率的無(wú)線音視頻并行傳輸方法，基于多網(wǎng)絡(luò)接口的多模終端估計(jì)網(wǎng)絡(luò)延時(shí)和丟包率等參數(shù)，智能地將音視頻數(shù)據(jù)分配至多個(gè)無(wú)線網(wǎng)絡(luò)，在各網(wǎng)絡(luò)上以不同的速率并發(fā)地傳輸音視頻碼流。當(dāng)前，對(duì)大多數(shù)國(guó)內(nèi)企事業(yè)單位和科研機(jī)構(gòu)而言，基于移動(dòng)通訊業(yè)務(wù)的自適應(yīng)音/視頻壓縮編碼技術(shù)具有更深入的研究空間和良好的專利性前景。如果能對(duì)相關(guān)技術(shù)投入更多的研發(fā)資源，則將取得更好的研究成果，獲得更多的專利保護(hù)。需要注意的是，由于音/視頻壓縮技術(shù)本身相對(duì)成熟，對(duì)于該技術(shù)純粹的算法改進(jìn)的相關(guān)研究，并不存在很好的專利性前景，如何將該技術(shù)更好地應(yīng)用于移動(dòng)通信業(yè)務(wù)才是值得關(guān)注的專利性焦點(diǎn)。并且，由于該技術(shù)在國(guó)外獲得了較多的專利保護(hù)，我國(guó)企事業(yè)單位和科研機(jī)構(gòu)在研發(fā)過(guò)程中，將面臨較多的專利壁壘和較大的風(fēng)險(xiǎn)，因而要對(duì)照自己的研發(fā)方向，積極關(guān)注國(guó)外公司的專利、專利申請(qǐng)或新的研發(fā)動(dòng)向，及時(shí)調(diào)整自己的研發(fā)策略，規(guī)避風(fēng)險(xiǎn)。同時(shí)，國(guó)內(nèi)企事業(yè)單位和科研機(jī)構(gòu)應(yīng)當(dāng)更加注重專利申請(qǐng)的質(zhì)量，只有高水平高質(zhì)量的專利才能給予技術(shù)強(qiáng)有力的保護(hù)。

參考文獻(xiàn)

［1］趙軍武.視頻編碼技術(shù)的提高促進(jìn)視頻通信的發(fā)展［J］.鐵路通信信號(hào)工程技術(shù)，2005（2）.

［2］崔丹丹，張才千.多媒體信息壓縮中的MPEG技術(shù)［J］.農(nóng)業(yè)網(wǎng)絡(luò)信息，2005（10）.

［3］鐘文濤，謝斌.淺談數(shù)字音頻技術(shù)應(yīng)用［J］.科技信息，2009（5）.

收稿日期：（2016-4-25）

Audio/video compression coding technology and patentability analysis

HE Linlin

Abstract：With the rapid development of related technologies，the application of audio/video communications has been extended.The most key technology of audio/video communications is compression coding technology.While with the development of mobile internet，the combination of mobile business and internet business has been the fastest developing business.Applying adaptive compression coding technology to mobile communications terminal is the focus of attention and research in audio/video data transmission field.This paper summarizes the theoretical basis，some standards and developmental status of Audio/Video compression coding technology，and analyzes the patentability of Audio/Video compression coding technology.

Key words：audio，video，compression，coding，patentability