MPEG-1 Audio verwendet vor allem psychoakustische Ansätze zur Komprimierung der Klangdaten. Dies bedeutet, daß Eigenschaften des menschlichen Hörsinns ausgenutzt werden, um ,,unwichtige''´ Daten wegzulassen.
Eine dieser Eigenschaften ist, daß ein lauter Ton einer Frequenz leisere Töne bei nahen Frequenzen auslöscht. Dieser Effekt wird Maskierung genannt. Um diesen Effekt auszunutzen, wir bei der Codierung der Frequenzbereich zwischen 20 Hz und 20 kHz in 32 Unterbänder zu je 625 Hz aufgeteilt. In jedem Band werden nun die lautesten Frequenzanteile dazu benutzt, um die benötigte Auflösung zu verringern. Falls z.B. ein Ton mit 1000 Hz und einer Lautstärke von 60 dB vorkommt, können in diesem Band alle anderen Frequenzen die leiser als 35 dB sind, nicht mehr wahrgenommen werden. Das bedeutet insbesondere, daß ein Rauschen von 35 dB ebenfalls nicht hörbar ist. Die notwendige Differenz zwischen Nutzsignal und Rauschen ist also 25 dB, was wiederum 4 Bit Auflösung im zugehörigen Frequenzband bedeutet. Der Ton hat sogar Auswirkungen auf die umliegenden Frequenzbänder, allerdings nehmen diese mit wachsendem Abstand ab.
Ein ähnlicher Effekt tritt auch bei großen Lautstärkesprüngen auf. Weiterhin wird bei Stereodaten die Eigenschaft ausgenutzt, daß üblicherweise die Unterschiede zwischen den Kanälen gering sind.
Figure: MPEG Audiokomprimierung. Quelle [MPEG91]
Bei Level III werden die auf obige Art komprimierten Daten zusätzlich Huffman-codiert.
Es wird deutlich, daß diese Kompressionsalgorithmen besonders beim Codieren einen sehr hohen Rechenaufwand erfordern. Bei Level III werden ca. 20 MIPS pro Kanal benötigt, was für eine Echtzeit-Codierung einen schnellen (und teuren) Signalprozessor erfordert. Level II benötigt üblicherweise immer noch einen Signalprozessor ist jedoch weit weniger anspruchsvoll. Das Decodieren (Wiedergabe) benötigt jedoch wesentlich weniger Rechenleistung und soll auf schnelleren Rechnern ohne Hardwareunterstützung möglich sein.