Кодирование и сжатие аудио-информации

Кодирование и сжатие аудио-информации 

  Цифровая запись  и воспроизведение  звука

 

Первой предварительной  операцией, которая производится с  аналоговым звуком является фильтрация, в результате которой выделяется требуемый частотный диапазон для соответствующего канала и удаляются помехи. Эта операция производится при помощи низкочастотных, высокочастотных или полосовых фильтров. Амплитудно-частотные характеристики низкочастотного и полосового фильтров :

 

Семплирование и квантизация

• Следующим комплексом операций является  собственно оцифровка, которая состоит из дискретизации сигнала по времени, т.е. разбиении сигнала на временные отрезки с заданным шагом дискретизации и измерения амплитуды сигнала в данные моменты времени. Таким образом, происходит замена аналогового сигнала последовательностью его мгновенных значений, отсчитываемых с определенной частотой( семплирование).
• Согласно теореме Шеннона-Котельникова, значение сигнала будет точно воспроизведено, если частота стробирования по крайней мере в 2 раза выше, чем частота самого сигнала.
• Для речевого сигнала, ограниченного при телефонной передаче частотой 3400 Гц, частота дискретизации принята равной 8000 имп/с, и, следовательно, период стробирования, т.е. интервал между соседними сканированиями, равняется 125мкс(1 с/8000=125 мкс).
• Измерение амплитуды в дискретные моменты времени называется квантованием амплитуды, когда кждое значение аплитуды представляется как сумма небольших и равных ее значений, называемых квантами , а сама процедура называется квантизацией.

Оцифровка звукового  сигнала 

Дискретизация аналогового сигнала  во времени

   

Квантование значений амплитуды  

Параметры оцифровки

• Частота семплирования (частота дискретизации) - количество измерений амплитуды аналогового сигнала в секунду. Для качественного преобразования применяют частоты более чем в два раза превышающие верхнюю границу звукового диапазона: 44.1, 48, 96 кГц
• Разрядность семплирования. Этот параметр указывает, с какой точностью происходят измерения амплитуды аналогового сигнала. В современных преобразователях используется 24-битное кодирование сигнала. Такая разрядность позволяет получить 224=16777216 значений амлитуды, что более чем достаточно для высококачественной оцифровки звука.

Семплирование звука с низкой и повышенной частотой и разрядностью

Методы  сжатия аудио

1. Алгоритмы основанные на дискретизации

Самый простой  метод сжатия звука: весь диапазон значений уровня громкости (в большинстве  случаев это 16-битные значения) приводится к интервалу 0-15 (тогда каждый уровень  громкости можно будет задать 4-мя битами). У стерео-сигнала каждый канал обрабатывается отдельно. Для повышения качества при распаковке  диапазон значений громкости можно приводить обратно к 16-битному виду по нелинейному/адаптивному интерполяционному алгоритму.

2. Восстановление сигнала  по спектру

Зависимость амплитуды колебания от его частоты  в разложении сигнала называется спектром. Сжатие основывается на том, что спектр изменяется медленнее, чем сам сигнал – и, соответственно, лучше сжимается. Однако, этот метод обычно применяется только для сжатия речи, т.к. он выигрывает у других только при очень высоких степенях сжатия и, соответственно, при довольно больших искажениях.

3. Алгоритм MP3.

Этот алгоритм использует особенности человеческого  слуха. Например, человек более чувствителен к средним частотам (нежели к низким и высоким); практически не воспринимает тихий звук, близкий по частоте к громкому, и т.д. Эти особенности восприятия называются психоакустической моделью. После удаления из спектра неслышимых частей звук кодируется алгоритмом, похожим на описанный в п.1; причем - чем лучше слышен звук в данной частотной полосе, тем больше уровней используется. Для работы со стереозвуком существуют 2 режима: обычный, когда каналы обрабатываются отдельно, и JoinedStereo, когда кодируется один канал, а вместо второго - разница между каналами, которая обычно невелика.  

MPEG - Moving Pictures Expert Group.

Экспертная  группа по движущимся изображениям.

Организация была создана в 1988 году и за время  своего существования выпустила  несколько стандартов, оказавших  большое влияние на информационные технологии и современную жизнь в целом.

MPEG1 – первый официальный международный стандарт, посвященный хранению видео и аудио информации в цифровом виде.

Стандарт  состоит из трех частей:

1. Система. Описывает системную часть формата. Определяет способы мультиплексирования аудио и видео потоков, синхронизацию и формат физического хранения данных.
2. Видео-канал. Определяет формат и алгоритм кодирования видео-потока и способ восстановления кадров изображения.
3. Аудио-канал. Определяет формат и алгоритм кодирования аудио-потока и способ восстановления звукового потока.

 Впоследствии, когда формат сжатия аудио,  предложенный в третьей части  стандарта получил самостоятельное  распространение, он стал называться  MP3 (Moving Pictures layer 3).

Аудио параметры MPEG-1

• 48, 44.1, 32 кГц
• Mono
• Dual
• Стерео
• Интенсивное стерео

 

Уровни AudioMPEG1 для сжатия стерео сигналов

Оптимальный уровень - 3 со скоростью потока 125 кбит/с и плотностью данных 1Мбит/мин 

MPEG-2 – upgrade MPEG-1

Изменения а  Audio:

• Появились новые виды частот 16, 22.05, 24 кГц
• Поддержка многоканальности (5+1)
• Появился AAC (Advanced Audio Coding) – обеспечивает высокое качество звука скоростью 64 кбит/с на канал.

 

Схема кодирования звука

1. Банк фильтров – наборы фильтров двух типов: полифазные и фильтры модифицированный алгоритм дискретной косинусной трансформации (Modified Discrete Cosine Transform (MDCT)).
2. Перцепционная модель – психоакустическая система, выполняющая оптимизацию сжатия звука на основе знаний об устройстве человеческого слухового аппарата, психологии и звуковосприятия.
3. Кодирование и квантование – состоит из двух вложенных циклов – цикла оценки уровня сигнала(квантования) и цикла контроля шума(помех, вносимых квантованием). Цикл контроля шумов является внешним, в него вложен цикл оценки уровня. Цикл контроля шумов выполняется до тех пор, пока уровень шума не будет соответствовать заданным условиям субъективного качества звука (спектральная похожесть исх. звука и кодир.).
4. Кодирование аудио-потока – сжатие и кодирование квантов(ячеек, элементов) потока в какой-либо формат хранения или передачи данных. Алгоритм сжатия потока зависит от реализации формата хранения/передачи. Используется алгоритм Хаффмана. Обычно (в различных форматах хранения/передачи) после алгоритма Хаффмана также используются алгоритмы LZIFF(zip), gzip, bzip2.

Методы  сжатия, основанные на психоакустике

• Обсчет психоакустической модели (маскирования).
• Разделение сигнала на частотные подполосы (FFT, DCT/MDCT, FilterBanks, и т.д.).
• Квантование сигнала в подполосах в соответствии с результатами психоакустической модели. Возможно использование одного квантового уровня. сразу для нескольких входных значений (векторное квантование - Vector Quantization) - TwinVQ.

 
 
 
 
 
 
 
 
 
 
 
 

Перцепционная модель

Психо-акустическая модель построена на основе информации, накопленной о звуковом восприятии, строении человеческого слухового  аппарата и психологии восприятия музыки. Можно сказать, что MP3 построен на «обмане» человеческого уха и мозга, не сохраняя те звуковые картины, которые человек наверняка не заметит. Основными способами «обмана» являются:

• эффект маскирования – человек не воспринимает тихие звуки на фоне или сразу после громких. Этот эффект можно сравнить с ослеплением – некоторое время необходимо для восстанавления чувствительности;
• меньший приоритет высоким и низким тонам – человек плохо слышит звуки ниже 200Гц и выше 5КГц;
• адаптивное смешение каналов (см. ниже);

Кодирование аудио-потока

В стандарте  определено только кодирование потока – нет рекомендаций о форматах файлов хранения или форматах вещания  MP3.

      После квантования, полученные кванты данных по каждому каналу (логическому, т.к. количество каналов в потоке MP3 не обязательно соответствует количеству реальных стереофонических каналов) сжимаются по алгоритму Хаффмана (Huffman).

      Алгоритм  Хаффмана заключается  в замене наиболее часто встречающихся  последовательностей бит в потоке (паттернов) на битовые последовательности меньшей длины. Чем чаще паттерн встречается в потоке, тем короче соответствующая ему последовательность бит. Преимущества алгоритма – высокая скорость и мизерные накладные расходы на размер потока в случае совершенно равномерных данных. В среднем, для классической симфонической музыки, алгоритм дает сжатие порядка 20%.

Полученный  поток сохраняется в зависимости  от формата хранения или передачи. 

Способы сжатия и хранения нескольких звуковых каналов.

1. Моно;
2. Стерео (два независимых канала, каждый кодируется и хранится отдельно);
3. Объединенное стерео (Joint Stereo) – для очень высоких и очень низких частот, расположение источника которых человеческое ухо не может точно определить, оба канала не записывают, а только один - объединенный. Впоследствии, в момент проигрывания такие участки воспроизводятся как моно, но человеческое ухо не может этого заметить.
4. Mid/Side Stereo - хранится один общий канал и информация о разнице между главным и боковыми. Когда каналы похожи, то за общий можно взять (L+R), а за боковой – (L-R). При проигрывании нетрудно будет вычислить исходные каналы.

 

Схема декодирования звука

1. Декодирование аудио-потока – извлечение квантов  из формата хранения, распаковка.
2. Обратное квантование – создание набора спектральных линий для каждого кванта данных каждого канала данных. Здесь не выполняется какого-либо преобразование спектров, смешения каналов и т.д. – все эти операции выполняются банком синтезирующих фильтров.
3. Синтезирующие фильтры – набор правил, алгоритмов и фильтров, создающих на основании потока спектральных линий несколько(в зависимости от формата) каналов аудио-данных. Количество входящих каналов данных часто отличается от количества исходящих – ото связано со способом кодирования информации о нескольких каналах.

 

Способы кодирования стерео сигнала в рамках MP3

 

Исследование  АЧХ сэмплов, признанных лучшими