多媒体技术

1. 音频编码

1.1 音频基础

• 采样率：每秒采样次数（CD：44.1kHz）
• 量化位数：每个采样的精度（CD：16位）
• 声道数：单声道/立体声

Nyquist 定理：采样率必须大于信号最高频率的2倍：

$f_s\ge 2\times f_{max}$

CD 音质数据率：

$44100\times 16\times 2=1411.2\text{ kbps}$

1.2 音频编码算法

1.3 感知编码

利用人耳的掩蔽效应：

• 频域掩蔽：强信号掩盖附近的弱信号
• 时域掩蔽：强信号前后一定时间内的弱信号不可感知

$\text{压缩比}=\frac{\text{原始比特率}}{\text{编码比特率}}$

2. 图像压缩

2.1 色彩空间

RGB：红绿蓝三原色，用于显示。

YCbCr：亮度+色度，用于压缩：

$Y=0.299R+0.587G+0.114B$

$Cb=0.564(B-Y)$

$Cr=0.713(R-Y)$

人眼对亮度更敏感，可对色度进行下采样（4:2:0）。

2.2 JPEG 编码

1. 颜色转换：RGB → YCbCr
2. 色度下采样：4:2:0
3. 分块 DCT：8×8 块离散余弦变换
4. 量化：除以量化表，取整（信息损失主要来源）
5. 熵编码：Zigzag 扫描 + Huffman 编码

DCT 变换：

$F(u,v)=\frac{1}{4}C(u)C(v){\sum }_{x=0}^7{\sum }_{y=0}^{7}f(x,y)\cos \frac{(2x+1)u\pi }{16}\cos \frac{(2y+1)v\pi }{16}$

量化步长越大，压缩比越高，质量越低。

2.3 现代图像格式

3. 视频编码

3.1 视频编码原理

视频压缩利用三种冗余：

• 空间冗余：帧内像素的相关性
• 时间冗余：帧间像素的相关性
• 统计冗余：符号出现的概率不均匀

3.2 帧类型

GOP（Group of Pictures）：

I B B P B B P B B P B B I
│         │             │
└─ GOP ───┘             └─ 新 GOP

3.3 运动估计

在参考帧中搜索最匹配的块：

$\text{SAD}={\sum }_{i,j}|C(i,j)-R(i+dx,j+dy)|$

运动矢量 $(dx,dy)$ 使 SAD 最小。

搜索算法：

3.4 编码标准演进

3.5 码率控制

CBR（恒定比特率）：码率恒定，质量波动。

VBR（可变比特率）：质量恒定，码率波动。

ABR（平均比特率）：目标平均码率，允许波动。

CQ/VBR with cap：质量优先，设置码率上限。

4. 流媒体技术

4.1 流媒体协议

4.2 HLS 工作流程

1. 编码器生成不同质量的分段（.ts）
2. 生成播放列表（.m3u8）
3. 客户端下载播放列表
4. 根据带宽选择质量级别
5. 下载并播放分段

自适应码率（ABR）：

$\text{选择质量}=f(\text{当前带宽},\text{缓冲区状态},\text{历史吞吐量})$

4.3 低延迟直播

LL-HLS：HLS 的低延迟扩展，支持部分分段传输。

WebRTC：

• ICE（交互式连接建立）：NAT 穿越
• DTLS：安全传输
• SRTP：安全实时传输
• SCTP：数据通道

5. 多媒体网络

5.1 QoS 需求

5.2 RTP/RTCP

RTP（实时传输协议）：

• 承载媒体数据
• 包含时间戳、序列号、载荷类型
• 通常基于 UDP

RTCP（RTP 控制协议）：

• 传输统计信息
• 发送者报告（SR）
• 接收者报告（RR）
• 用于自适应码率调整

5.3 FEC 与重传

前向纠错（FEC）：添加冗余数据，无需反馈。

$\text{FEC 开销}=\frac{\text{冗余包数}}{\text{总包数}}$

自动重传（ARQ）：请求重传丢失的包，增加延迟。

混合方案：对延迟敏感的用 FEC，对延迟不敏感的用 ARQ。