航拍画面声音编码压缩必须在保证质量和不影响听感的条件下进行。这种压缩可以定义为:在保持一个可接受的逼真度的情况下，采用尽量低的比特数来再现原来的信号。因此，人们通过对声音物理特性和人耳听觉特性的研究，寻找那些对于人耳无感觉的声音并将其略去，以此来进行视频的码率压缩。通过对声音物理特性的广泛分析发现，声音在20Hz~20kHz频率范围内，其频谱及电平分布虽然有差异，但却有着相同的规律。
    即频谱中分配在高频端的部分呈大幅度下降；电平的不平衡体现在高幅值方面，而且高幅值出现的机率较小，这说明电平也存在冗余，这为音频数据压缩提供了基础。4轴航拍机器有很强的果冻效果，声音的噪音很大，在听觉特性方面，根据人耳的等响度曲线可知，人耳对3kHz~4kHz的声音非常灵敏，而且低频段听觉的动态范围比高频段小。依据这些听觉特点，在量化时可对幅度髙、动态范围大的频段，分配较多的量化比特数；反之,配给较少的量化比特数。
    听觉上另外一个有影响的因素是掩蔽效应，其中包括:频域掩蔽，例如低空航拍飞行时候，较强声音掩蔽较弱声音，而低频声音比较容易掩蔽高频声音;时域掩蔽：由优先效应造成，当两音到达时间差在50ms内，而且后到达的声音弱于第一个到达的声音时，人耳只会感到第一个声音的存在,而忽略后到的声音。