1. Osnovni pojmi
1) Bitna hitrost: označuje, koliko bitov na sekundo je treba predstaviti kodirane (stisnjene) zvočne podatke, enota pa je običajno kbps.
2) Glasnost in jakost: subjektivni atributi zvoka. Glasnost označuje, kako glasno se sliši zvok. Glasnost se v glavnem spreminja glede na jakost zvoka, vpliva pa tudi frekvenca. Na splošno so čisti srednjefrekvenčni zvoki boljši od čisto nizkofrekvenčnih in visokofrekvenčnih zvokov.
3) Vzorčenje in hitrost vzorčenja: Vzorčenje je pretvorba neprekinjenega časovnega signala v diskretni digitalni signal. Hitrost vzorčenja se nanaša na število vzorcev, zbranih na sekundo.
Nyquistov zakon o vzorčenju: Kadar je hitrost vzorčenja večja ali enaka 2-kratni najvišji frekvenčni komponenti neprekinjenega signala, lahko vzorčeni signal uporabimo za popolno rekonstrukcijo prvotnega neprekinjenega signala.
2. pogosti zvočni formati
1) Format WAV je oblika zvočne datoteke, ki jo je razvil Microsoft, imenovana tudi valovna zvočna datoteka. To je najzgodnejši digitalni avdio format, ki ga v veliki meri podpira platforma Windows in njene aplikacije ter ima nizko stopnjo stiskanja.
2) MIDI je okrajšava od Musical Instrument Digital Interface, znan tudi kot Musical Instrument Digital Interface, ki je poenoten mednarodni standard za digitalno glasbo / elektronska sintetična glasbila. Opredeljuje način izmenjave računalniških glasbenih programov, digitalnih sintetizatorjev in drugih elektronskih naprav in določa protokol prenosa podatkov med kabli in strojno opremo ter napravami, ki elektronske glasbene instrumente različnih proizvajalcev povezujejo z računalniki, in lahko simulira zvok več glasbenih instrumenti. Datoteka MIDI je datoteka v obliki MIDI, nekateri ukazi pa so shranjeni v datoteki MIDI. Ta navodila pošljite na zvočno kartico in zvočna kartica bo sintetizirala zvok v skladu z navodili.
3) Polno ime MP3 je MPEG-1 Audio Layer 3, ki je bilo združeno v MPEG specifikacijo leta 1992. MP3 lahko stisne digitalne zvočne datoteke z visoko kakovostjo zvoka in nizko hitrostjo vzorčenja. Najpogostejša aplikacija.
4) MP3Pro je razvilo švedsko podjetje Coding Technology Company, ki vsebuje dve glavni tehnologiji: ena je edinstvena tehnologija dekodiranja podjetja Coding Technology Company, druga pa integracija imetnika patenta MP3 francoske družbe Thomson Multimedia Company in nemške Fraunhofer A tehnologije dekodiranja, ki sta bili skupaj raziskani s strani Circuit Association. MP3Pro lahko izboljša izvirno kakovost zvoka MP3, ne da bi v bistvu spremenil velikost datoteke. V največji meri lahko ohrani kakovost zvoka pred stiskanjem, hkrati pa stisne zvočne datoteke z nižjo bitno hitrostjo.
5) MP3Pro je razvilo švedsko podjetje Coding Technology Company, ki vsebuje dve glavni tehnologiji: ena je edinstvena tehnologija dekodiranja podjetja Coding Technology Company, druga pa integracija imetnika patenta MP3 francoske družbe Thomson Multimedia Company in nemške Fraunhofer A tehnologije dekodiranja, ki sta bili skupaj raziskani s strani Circuit Association. MP3Pro lahko izboljša izvirno kakovost zvoka MP3, ne da bi v bistvu spremenil velikost datoteke. V največji meri lahko ohrani kakovost zvoka pred stiskanjem, hkrati pa stisne zvočne datoteke z nižjo bitno hitrostjo.
6) WMA (Windows Media Audio) je Microsoftova mojstrovina na področju internetnega zvoka in videa. Oblika WMA doseže višjo stopnjo stiskanja z zmanjšanjem podatkovnega prometa, vendar ob ohranjanju kakovosti zvoka. Stopnja stiskanja lahko na splošno doseže 1:18. Poleg tega lahko WMA zaščiti avtorske pravice tudi s sistemom DRM (upravljanje digitalnih pravic).
7) RealAudio je oblika datoteke, ki jo je zagnala Real Networks. Največja lastnost je, da lahko oddaja zvočne informacije v realnem času, zlasti kadar je hitrost omrežja počasna, še vedno lahko prenaša podatke gladko, zato je RealAudio primeren predvsem za omrežno predvajanje v spletu. Trenutne oblike datotek RealAudio v glavnem vključujejo RA (RealAudio), RM (RealMedia, RealAudio G2), RMX (RealAudio Secured) itd. Skupnost teh datotek je v tem, da se kakovost zvoka spreminja z razliko v pasovni širini omrežja. V predpostavki, da večina ljudi sliši gladek zvok, lahko poslušalci s širšo pasovno širino dobijo boljšo kakovost zvoka.
8) Audible ima štiri različne formate: Audible1, 2, 3, 4. Spletno mesto Audible.com večinoma prodaja zvočne knjige po internetu in zagotavlja zaščito blaga in datotek, ki jih prodajajo, v enem od štirih namenskih zvočnih formatov Audible.com . Vsak format upošteva predvsem zvočni vir in uporabljeno poslušalno napravo. Formati 1, 2 in 3 uporabljajo različne stopnje stiskanja glasu, medtem ko format 4 uporablja nižjo stopnjo vzorčenja in enak način dekodiranja kot MP3. Nastali glas je jasnejši in ga je mogoče učinkoviteje prenesti z interneta. Audible uporablja lastno orodje za predvajanje namizja, in sicer Audible Manager. S tem predvajalnikom lahko predvajate datoteke zvočnega formata, shranjene v računalniku ali prenesene v prenosni predvajalnik.
9) AAC je pravzaprav okrajšava za Advanced Audio Coding. AAC je avdio format, ki so ga skupaj razvili Fraunhofer IIS-A, Dolby in AT&T. Je del specifikacije MPEG-2. Algoritem, ki ga uporablja AAC, se razlikuje od algoritma MP3. AAC združuje druge funkcije za izboljšanje učinkovitosti kodiranja. Zvočni algoritem AAC v zmogljivostih stiskanja precej presega nekatere prejšnje algoritme stiskanja (na primer MP3 itd.). Podpira tudi do 48 zvočnih posnetkov, 15 nizkofrekvenčnih zvočnih posnetkov, več hitrosti vzorčenja in bitne hitrosti, večjezično združljivost in večjo učinkovitost dekodiranja. Skratka, AAC lahko zagotovi boljšo kakovost zvoka ob predpostavki, da je 30% manjši od datotek MP3.
10) Ogg Vorbis je nova oblika stiskanja zvoka, podobna obstoječim glasbenim formatom, kot je MP3. Toda ena razlika je v tem, da je popolnoma brezplačna, odprta in brez patentnih omejitev. Vorbis je ime tega mehanizma za stiskanje zvoka, Ogg pa ime projekta, ki namerava oblikovati popolnoma odprt multimedijski sistem. VORBIS je tudi stiskanje z izgubo, vendar uporablja naprednejše akustične modele za zmanjšanje izgub. Zato OGG, kodiran z enako bitno hitrostjo, zveni bolje kot MP3.
11) APE je stisnjena zvočna oblika brez izgub, pod predpostavko, da kakovost zvoka ni zmanjšana, velikost pa je stisnjena na polovico tradicionalne datoteke WAV v formatu brez izgub.
12) FLAC je okrajšava od Free Lossless Audio Codec, skupek dobro znanih kod za stiskanje brez izgube zvoka, za katerega je značilno stiskanje brez izgub.
3. osnovno načelo avdio kodiranja
Kodiranje govora je namenjeno zmanjšanju pasovne širine kanala, ki je potrebna za prenos, hkrati pa ohranja visoko kakovost vhodnega govora.
Cilj kodiranja govora je oblikovati koder z nizko zapletenostjo, da se doseže visokokakovosten prenos podatkov z najnižjo možno bitno hitrostjo.
1) Krivulja praga utišanja: prag, pri katerem lahko človeško uho sliši zvok na različnih frekvencah samo v mirnem okolju.
2) Kritični frekvenčni pas
Ker ima človeško uho različne ločljivosti za različne frekvence, MPEG1 / Audio deli zaznavno frekvenčno območje znotraj 22khz na 23 ~ 26 kritičnih frekvenčnih pasov glede na različne sloje kodiranja in različne frekvence vzorčenja. Naslednja slika navaja osrednjo frekvenco in pasovno širino idealnega kritičnega frekvenčnega pasu. Kot je razvidno iz slike, ima človeško uho boljšo ločljivost nizkih frekvenc
3) Učinek maskiranja v frekvenčnem območju: Signal z večjo amplitudo bo prikril signal s podobno frekvenco in manjšo amplitudo, kot je prikazano na spodnji sliki:
4) Učinek maskiranja v časovni domeni: Če se v kratkem času prikažeta dva zvoka, bo zvok z večjim SPL (nivo zvočnega tlaka) prikril zvok z manjšim SPL. Učinek časovne domene maskiranja delimo na maskiranje naprej (predhodno maskiranje) in nazaj (maskirno maskiranje). Čas po maskiranju bo daljši, približno 10-krat večji od časa pred maskiranjem.
Učinek prikrivanja časovne domene pomaga odpraviti odmev.
4. osnovno sredstvo kodiranja
1) Kvantizator in kvantizator
Kvantizacija in kvantizator: Kvantizacija pretvori neprekinjen signal v diskretnem času v diskretni signal v diskretnem času. Pogosti kvantizatorji so: enotni kvantizator, logaritemski kvantizator in neenoten kvantizator. Cilj postopka kvantizacije je zmanjšati napako kvantizacije in zapletenost kvantizatorja (oba sta sama po sebi v nasprotju).
(A) Enotni kvantizator: najenostavnejši in najslabši, primeren samo za telefonski glas.
(B) Logaritemski kvantizator: Je bolj zapleten kot enoten kvantizator in enostaven za uporabo, njegova zmogljivost pa je boljša od enotnega kvantizatorja.
(C) Neenoten kvantizator: Glede na porazdelitev signala oblikujte kvantizator. Podrobna kvantifikacija se izvede tam, kjer je signal gost, groba kvantifikacija pa tam, kjer je signal redek.
2) Dajalnik glasu
Obstajajo tri vrste kodirnikov govora: (a) dajalnik valovnih oblik; (b) Vocoder; (c) hibridni kodirnik.
Namen dajalnika valovne oblike je izdelati analogno valovno obliko, vključno z listom hrupa v ozadju. Na podlagi vseh vhodnih signalov bo ustvaril visokokakovostne vzorce in porabil visoko bitno hitrost. Vokoder ne bo regeneriral prvotne valovne oblike. Ta nabor dajalnikov bo izvlekel nabor parametrov, ki se pošljejo na sprejemni konec za pridobitev modela generiranja glasu. Kakovost glasu vokoderja ni dovolj dobra. Hibridni kodirnik, ki vključuje prednosti dajalnika valov in zvočnika.
2.1 Dajalnik valovnih oblik
Zasnova dajalnika valov je pogosto neodvisna od signala. Primerna je torej za kodiranje različnih signalov in ni omejena na govor.
1) Kodiranje s časovno domeno
a) PCM: modulacija impulzne kode je najpreprostejša metoda kodiranja. Gre le za diskretizacijo in kvantizacijo signala in pogosto se uporablja logaritmiranje.
b) DPCM: diferenčna impulzna modulacija, ki kodira samo razliko med vzorci. Prejšnji eden ali več vzorcev se uporablja za napovedovanje trenutne vrednosti vzorca. Več vzorcev se uporabi za napovedovanje, natančnejša je predvidena vrednost. Razlika med pravo vrednostjo in napovedano vrednostjo se imenuje preostanek, ki je predmet kodiranja.
c) ADPCM: prilagodljiva diferencialna impulzna koda modulacija, prilagodljiva diferencialna impulzna koda. To pomeni, da se na osnovi DPCM kvantizator in napovedovalec ustrezno prilagodita glede na spremembe signala, tako da je predvidena vrednost bližja realnemu signalu, preostanek manjši in učinkovitost stiskanja večja.
(2) Kodiranje frekvenčne domene
Kodiranje na frekvenčnem področju je razgradnja signala na vrsto različnih frekvenčnih elementov in izvajanje neodvisnega kodiranja.
a) Podpasovno kodiranje: Podpasovno kodiranje je najpreprostejša tehnika kodiranja v frekvenčnem območju. Gre za tehnologijo, ki izvorni signal iz časovne domene pretvori v frekvenčno domeno, ga nato razdeli na več podpasov in na njih izvede digitalno kodiranje. Skupino pasovnega filtra (BPF) uporablja za razdelitev prvotnega signala na več (na primer m) podpasov (imenovanih podpasovi). Vsak podpas prepustite skozi modulacijske značilnosti, enakovredne amplitudni modulaciji z enostranskim pasom, premaknite vsak podobmočni pas na skoraj ničelno frekvenco oziroma prehodite skozi BPF (skupaj m) in nato vsak podpas prenesite s predpisano hitrostjo ( Nyquist rate) Izvleče se podpasovni izhodni signal, vzorčena vrednost je običajno digitalno kodirana in nastavljeno je m digitalnih dajalnikov. Pošljite vsak digitalno kodiran signal v multiplekser in na koncu iznesite podpasovno kodiran podatkovni tok.
Za različne podpasove je mogoče uporabiti različne metode kvantiziranja in podštevilom v skladu z modelom zaznavanja človeškega ušesa dodeliti različno število bitov.
b) transformiranje kodiranja: kodiranje DCT.
5. Vokoder
Vokoder kanala: izkoristi neobčutljivost človeškega ušesa na fazo.
homomorfni vokoder: lahko učinkovito obdeluje sintetične signale.
Formant vocoder: Večina informacij o glasovnem signalu se nahaja na položaju in pasovni širini formanta.
linearni napovedni vokoder: najpogosteje uporabljen vokoder.
6. Hibridni kodirnik
Dajalnik valovnih oblik poskuša ohraniti valovno obliko kodiranega signala in lahko zagotavlja visokokakovosten govor s srednjo bitno hitrostjo (32 kbps), vendar je ni mogoče uporabiti za nizke bitne hitrosti. Vocoder poskuša ustvariti signal, ki je slišno podoben kodiranemu signalu in lahko zagotavlja razumljiv govor z nizko bitno hitrostjo, vendar nastali govor zveni nenaravno. Hibridni kodirnik združuje prednosti obeh.
RELP: Na podlagi linearne napovedi se preostanek kodira. Mehanizem je: oddajte le majhen del ostankov in rekonstruirajte vse ostanke na sprejemnem koncu (kopirajte ostanke osnovnega pasu).
MPC: večimpulsno kodiranje, ki odstrani korelacijo ostankov, in se uporablja za kompenzacijo enostavne razvrstitve glasov vokoderja na zvočne in zvočne brez napak vmesnih stanj.
CELP: linearna napoved vzbujajoče knjige, ki za boljše približevanje prvotnega signala uporablja napoved vokalnega trakta in kaskado napovedovalca tona.
MBE: večpasovno vzbujanje, namen je izogniti se velikemu številu izračunov CELP, da bi dobili višjo kakovost kot vokoder.
Naš drugi izdelek:
