6.5.2 MP3：开启数字音乐时代（MPEG-1 Layer III）

出身：MPEG-1 的三层设计

1993 年，与视频侧的 MPEG-1 一同发布的，还有音频侧的 MPEG-1 Audio [12]。它定义了复杂度递增的三层：Layer I（最简，如 DCC 磁带）、Layer II（广播常用）、Layer III——后者就是大名鼎鼎的 MP3。三层共享同一套感知编码总纲（6.5.1），差别在滤波器组与熵编码的精细程度。

MP3 的历史地位无需多言：它让一张 CD 的音频（约 1411 kbit/s PCM）压缩到 128 kbit/s 仍保持 "接近 CD" 的听感——11 倍压缩比，数字音乐的存储与传播革命就此开启。

混合滤波器组：32 子带 + MDCT

MP3 的分析链条是两级混合结构 [12]：

• 第一级：多相滤波器组（Polyphase Filterbank），把信号均分为 32 个等宽子带——与 Layer I/II 保持兼容
• 第二级：MDCT（Modified Discrete Cosine Transform，改进离散余弦变换），对每个子带再做 18 点（长块）或 6 点（短块）的变换，进一步细化频率分辨率

为什么要两级？单用 32 子带，频率分辨率太粗（44.1 kHz 采样下每带约 689 Hz），掩蔽效应算不准；单用长窗 MDCT，又对瞬态信号无能为力。混合结构让 MP3 兼得：子带内再做 MDCT，长块保证稳态音的频率精度，短块（Block Switching） 在鼓点等瞬态到来时切换，把量化噪声限制在更短的时间窗内——这是 6.5.1 时域掩蔽思想在工程上的直接应用：瞬态前后的短窗噪声，会被强音的前/后掩蔽盖住。若处置不当，瞬态处就会出现著名的 预回声（Pre-echo） 失真。

比特储备与联合立体声

MP3 还有两个体现工程智慧的设计：

• 比特储备（Bit Reservoir）：平均码率恒定，但允许 "省下的比特存起来借给后面的难帧"——音乐复杂度起伏不匀， reservoir 让比特跨帧调度
• 联合立体声（Joint Stereo）：左右声道高度相关（统计冗余！），MP3 提供 M/S（Mid/Side，中置/侧边） 与 强度立体声 两种复用模式，把相关性的红利再榨一遍
• 熵编码采用 哈夫曼 码表，量化则通过 非均匀量化 + 缩放因子带（Scalefactor Band） 执行心理声学模型的比特分配

局限与遗产

以今日标准看，MP3 的短板明显：混合滤波器组的结构妥协（32 等宽子带与临界频带并不对齐）、低码率下表现平庸、延迟偏高。但作为第一套大规模成功的心理声学编码，它确立了此后所有音频编码的基本范式——6.5.1 的四步流程，每一步都在 MP3 中首次完整落地。下一代主角 AAC，正是针对它的每一处短板而来。