从零理解A律13折线量化：原理剖析与Python实现指南

1次阅读

共计 2617 个字符，预计需要花费 7 分钟才能阅读完成。

当我们想把麦克风采集的模拟声音信号转换成数字信号时，直接使用均匀量化会遇到大问题：

小声细节会被淹没在量化噪声中（比如轻声说话时的气音）
大声部分又浪费了太多量化精度（爆炸声和正常说话用同样的量化间隔）

这就好比用固定大小的格子装东西——装大象时格子太小装不下，装蚂蚁时格子太大浪费空间。A 律压缩就是解决这个动态范围问题的 ” 智能格子 ” 方案。

数学上 A 律公式长这样：

F(x) = sign(x) * A|x|/(1+lnA)  当 |x| < 1/A
F(x) = sign(x) * (1+ln(A|x|))/(1+lnA) 当 1/A <= |x| <= 1

但硬件实现时常用 13 段折线来近似这个曲线（正负区域各 6 段直线 + 1 段过零点）：

靠近零点的 4 段：斜率相同（相当于均匀量化）
中间到外围的 3 段：斜率逐段减半
正负对称共形成 13 个转折点

（示意图：横轴输入幅度，纵轴量化后值，显示各段斜率变化）

import numpy as np

def a_law_quantize(signal, bits=8):
    """
    参数：signal: 归一化到 [-1,1] 的输入信号
        bits: 量化位数（常用 8 位）返回：量化后的整数值（0-255）"""
    signal = np.clip(signal, -1, 1)  # 安全截断

    # 13 折线参数
    segments = [0, 1/128, 1/64, 1/32, 1/16, 1/8, 1/4, 1/2, 1]  # 正半轴分段点
    slopes = [16, 16, 8, 4, 2, 1, 1/2, 1/4]  # 各段斜率

    quantized = np.zeros_like(signal)
    for i in range(len(signal)):
        x = abs(signal[i])
        sign = 1 if signal[i] >=0 else -1

        # 确定所在分段
        seg = 0
        while seg < len(segments)-1 and x > segments[seg+1]:
            seg += 1

        # 计算段内量化值
        delta = (segments[seg+1] - segments[seg]) / (2**(bits-1)/8)
        code = int((x - segments[seg]) / delta)

        # 合成最终编码（最高位表示符号）quantized[i] = sign * (seg * (2**(bits-1)//8) + code)

    return np.clip(quantized + 128, 0, 255).astype(np.uint8)  # 转为无符号 8 位

def a_law_dequantize(quantized):
    """将量化值恢复为模拟信号"""
    quantized = quantized.astype(np.int16) - 128  # 转回有符号

    segments = [0, 1/128, 1/64, 1/32, 1/16, 1/8, 1/4, 1/2, 1]
    slopes = [16, 16, 8, 4, 2, 1, 1/2, 1/4]

    reconstructed = np.zeros_like(quantized, dtype=np.float32)
    for i in range(len(quantized)):
        code = abs(quantized[i])
        sign = 1 if quantized[i] >=0 else -1

        seg = code // 16  # 每段 16 个量化间隔
        if seg >= len(slopes): seg = len(slopes)-1

        delta = (segments[seg+1] - segments[seg]) / 16
        x = segments[seg] + (code % 16) * delta

        reconstructed[i] = sign * x

    return reconstructed

# 生成测试信号
fs = 8000  # 采样率
t = np.arange(0, 1, 1/fs)
signal = 0.3 * np.sin(2*np.pi*440*t) + 0.1 * np.sin(2*np.pi*3000*t)

# 量化与恢复
quantized = a_law_quantize(signal)
reconstructed = a_law_dequantize(quantized)

# 绘制对比
import matplotlib.pyplot as plt
plt.figure(figsize=(10,4))
plt.plot(t[:100], signal[:100], label='原始信号')
plt.plot(t[:100], reconstructed[:100], '--', label='恢复信号')
plt.legend()
plt.title('A 律 13 折线量化效果对比')
plt.show()

分段阈值优化：
语音信号重点优化小幅度区域（前 4 段）
音乐信号可能需要调整第 5 - 6 段转折点
位数选择：
8 位：电话级语音（SNR 约 38dB）
12 位：广播级音频
16 位：CD 音质（实际采用 μ 律）

定点数加速技巧：

// 嵌入式系统中可以用查表法
const uint8_t segment_map[256] = {0,0,0,0,...,1,1,1,...};
uint8_t quantize(int16_t sample) {uint8_t seg = segment_map[abs(sample)];
    return (seg << 4) | ((abs(sample) >> (seg+3)) & 0x0F);
}

用 FFT 观察噪声分布：

from scipy.fft import fft

error = reconstructed - signal
freq = np.linspace(0, fs, len(error))
plt.semilogy(freq[:fs//2], abs(fft(error))[:fs//2])
plt.xlabel('Frequency (Hz)')
plt.ylabel('Noise Power')
plt.title('量化噪声频谱')

你会发现噪声能量主要集中在高频段——这正是非线性量化的聪明之处：把噪声推到人耳不敏感的区域。

尝试用这个算法处理真实 WAV 文件：
1. 用 scipy.io.wavfile.read 加载音频
2. 观察不同音乐类型的量化误差
3. 比较 A 律与直接 8 位量化的音质差异

你会发现：钢琴的高频泛音量化误差会比人声更大，这是因为 13 折线对快速变化的信号压缩更剧烈。在实际电话系统中，会配合 300-3400Hz 的带通滤波器来优化这个问题。

正文完