数字音频是对模拟声音信号每秒上千次的采样，然后把每个样值按一定的比特数量化，最后得到标准的数字音频的码流。对CD音质的信号来讲，每秒要44100次的采样，每个样值是16比特的量化，而立体声CD 音质信号，它每秒的码流是44.1K×16×2≈1.4Mbit/S。这样高的码流和容量，对于数字音频的存储、处理和传输提
出了很高的要求。对音频的压缩理论，是从研究人耳的听感系统开始的，首先第一个特点是人耳对各频率的灵敏度是不同的，在2K~4K频段，很低的电平就能被人耳听到，其他频段时，相对要高一点的电平才能听到，这是说在听觉阈值以下的电平可以去掉，相当于压缩了数据。第二个特点就是频率之间的掩蔽效应，其实就是指人耳接收信号时，不同频率之间的相互干扰。当电平高的频率点和电平相对来说较低的不同频率点同时出现时，电平低的频率点的声音将听不到。因为人耳的灵敏度不一样，所以不同频率点的掩蔽程度是不一样的。低于掩蔽阈值的信号将不编码，高于掩蔽阈值的信号将重新分配量化比特值，实施压缩，这是MPEG能得到较高的压缩比，又能保证音质的重要原因。第三个特点是指短暂掩蔽效应，指在一个强信号之前或之后的弱信号，也会被遮蔽掉。这样利用人耳的感觉特性，对数据流本身进行压缩，做到既能降低码流，又能通过科学的压缩方法提高码流的效率，而又不影响音质本身。完全了解了人耳的特性后，就会知道人耳实际上可看成一个多频段的听感分析器，在接收端的最后，它对瞬间的频谱功率进行了重新分配，这就为音频的数据压缩提供了依据。