1. Osnovni pojmovi
1) Brzina prijenosa: pokazuje koliko bitova u sekundi treba predstaviti kodirane (komprimirane) audio podatke, a jedinica je obično kbps.
2) Glasnost i intenzitet: Subjektivni atributi zvuka. Glasnost pokazuje koliko glasno zvuči zvuk. Glasnoća uglavnom varira s intenzitetom zvuka, ali na nju utječe i frekvencija. Općenito govoreći, čisti zvukovi srednje frekvencije bolji su od čistog zvuka niske i visoke frekvencije.
3) Uzorkovanje i brzina uzorkovanja: Uzorkovanje je pretvaranje kontinuiranog vremenskog signala u diskretni digitalni signal. Brzina uzorkovanja odnosi se na to koliko se uzoraka sakuplja u sekundi.
Nyquistov zakon o uzorkovanju: Kada je brzina uzorkovanja veća ili jednaka 2 puta najvišoj frekvencijskoj komponenti kontinuiranog signala, uzorkovani signal može se koristiti za savršenu rekonstrukciju izvornog kontinuiranog signala.
2. uobičajeni audio formati
1) WAV format je format zvučne datoteke koji je razvio Microsoft, a naziva se i valna zvučna datoteka. To je najraniji digitalni audio format, široko podržan od platforme Windows i njegovih aplikacija, a ima nisku stopu kompresije.
2) MIDI je kratica od Musical Instrument Digital Interface (Glazbeni instrument), također poznat kao Digital Musical Instrument Digital Interface (Glazbeni instrument), što je jedinstveni međunarodni standard za digitalnu glazbu / elektroničke sintetičke glazbene instrumente. Definira način na koji računalni glazbeni programi, digitalni sintisajzeri i drugi elektronički uređaji razmjenjuju glazbene signale i određuje protokol prijenosa podataka između kabela i hardvera i uređaja koji povezuju elektroničke glazbene instrumente različitih proizvođača s računalima i može simulirati zvuk više glazbenih instrumenti. MIDI datoteka je datoteka u MIDI formatu, a neke naredbe pohranjene su u MIDI datoteci. Pošaljite ove upute na zvučnu karticu i ona će sintetizirati zvuk u skladu s uputama.
3) Puni naziv MP3-a je MPEG-1 Audio Layer 3, koji je uklopljen u MPEG specifikaciju 1992. MP3 može komprimirati digitalne audio datoteke s visokom kvalitetom zvuka i malom brzinom uzorkovanja. Najčešća primjena.
4) MP3Pro razvila je Švedska tvrtka za tehnologiju kodiranja koja sadrži dvije glavne tehnologije: jedna je jedinstvena tehnologija dekodiranja tvrtke Coding Technology Company, a druga integracija vlasnika patenta MP3, francuske tvrtke Thomson Multimedia i njemačke tehnologije dekodiranja Fraunhofer A zajedno udruženje krugova. MP3Pro može poboljšati izvornu kvalitetu zvuka MP3 glazbe bez da u osnovi mijenja veličinu datoteke. Može održavati kvalitetu zvuka prije kompresije u najvećoj mjeri dok komprimira audio datoteke na nižoj brzini prijenosa.
5) MP3Pro razvila je Švedska tvrtka za tehnologiju kodiranja koja sadrži dvije glavne tehnologije: jedna je jedinstvena tehnologija dekodiranja tvrtke Coding Technology Company, a druga integracija vlasnika patenta MP3, francuske tvrtke Thomson Multimedia i njemačke tehnologije dekodiranja Fraunhofer A zajedno udruženje krugova. MP3Pro može poboljšati izvornu kvalitetu zvuka MP3 glazbe bez da u osnovi mijenja veličinu datoteke. Može održavati kvalitetu zvuka prije kompresije u najvećoj mjeri dok komprimira audio datoteke na nižoj brzini prijenosa.
6) WMA (Windows Media Audio) je Microsoftovo remek-djelo na polju internetskog audio i video zapisa. WMA format postiže veću brzinu kompresije smanjenjem podatkovnog prometa, ali zadržavanjem kvalitete zvuka. Stopa kompresije općenito može doseći 1:18. Uz to, WMA također može zaštititi autorska prava putem DRM-a (Digital Rights Management).
7) RealAudio je format datoteke koji je pokrenula Real Networks. Najveća je značajka to što može prenositi audio informacije u stvarnom vremenu, posebno kada je mrežna brzina spora, i dalje može prenositi podatke glatko, pa je RealAudio uglavnom pogodan za mrežno igranje na mreži. Trenutni formati datoteka RealAudio uglavnom uključuju RA (RealAudio), RM (RealMedia, RealAudio G2), RMX (RealAudio Secured) itd. Zajedničko je tim datotekama da se kvaliteta zvuka mijenja s razlikom u propusnosti mreže. Pod pretpostavkom da većina ljudi čuje gladak zvuk, slušatelji šire širine pojasa mogu dobiti bolju kvalitetu zvuka.
8) Audible ima četiri različita formata: Audible1, 2, 3, 4. Web stranica Audible.com uglavnom prodaje audio knjige na Internetu i pruža zaštitu robe i datoteka koje prodaju putem jednog od četiri namjenska audio formata Audible.com . Svaki format uglavnom razmatra izvor zvuka i upotrijebljeni uređaj za slušanje. Formati 1, 2 i 3 koriste različite razine kompresije glasa, dok format 4 koristi nižu brzinu uzorkovanja i istu metodu dekodiranja kao MP3. Rezultat je jasniji i može se učinkovitije preuzeti s Interneta. Audible koristi vlastiti alat za reprodukciju radne površine, a to je Audible Manager. Ovim uređajem možete reproducirati datoteke formata zvučnog zapisa pohranjene na računalu ili prenesene na prijenosni uređaj.
9) AAC je zapravo kratica za Napredno audio kodiranje. AAC je audio format koji su zajednički razvili Fraunhofer IIS-A, Dolby i AT&T. Dio je MPEG-2 specifikacije. Algoritam koji koristi AAC razlikuje se od algoritma MP3. AAC kombinira druge funkcije za poboljšanje učinkovitosti kodiranja. AAC-ov audio algoritam daleko nadmašuje neke prethodne algoritme kompresije (poput MP3-a itd.) U mogućnostima kompresije. Također podržava do 48 audio zapisa, 15 niskofrekventnih audio zapisa, više brzina uzorkovanja i brzine prijenosa, kompatibilnost s više jezika i veću učinkovitost dekodiranja. Ukratko, AAC može pružiti bolju kvalitetu zvuka pod pretpostavkom da je 30% manji od MP3 datoteka.
10) Ogg Vorbis novi je format kompresije zvuka, sličan postojećim glazbenim formatima kao što je MP3. Ali jedna je razlika u tome što je potpuno besplatan, otvoren i bez patentnih ograničenja. Vorbis je naziv ovog mehanizma za kompresiju zvuka, a Ogg naziv projekta koji namjerava dizajnirati potpuno otvoreni multimedijski sustav. VORBIS također komprimira s gubitkom, ali koristi naprednije akustičke modele kako bi smanjio gubitak. Stoga OGG kodiran s istom brzinom prijenosa zvuči bolje od MP3-a.
11) APE je komprimirani audio format bez gubitaka, pod pretpostavkom da kvaliteta zvuka nije smanjena, veličina je komprimirana na polovicu tradicionalne WAV datoteke formata bez gubitaka.
12) FLAC je skraćenica od Free Lossless Audio Codec, skupa dobro poznatih besplatnih kodova za kompresiju zvuka bez gubitaka, koji karakterizira kompresija bez gubitaka.
3. osnovni princip audio kodiranja
Kodiranje govora posvećeno je smanjenju propusnosti kanala potrebnog za prijenos, zadržavajući pritom visoku kvalitetu ulaznog govora.
Cilj kodiranja govora je dizajnirati koder male složenosti kako bi se postigao visokokvalitetan prijenos podataka uz najmanju moguću brzinu prijenosa.
1) Krivulja praga prigušenja: Prag na kojem ljudsko uho može čuti zvuk na različitim frekvencijama samo u mirnom okruženju.
2) Kritični frekvencijski opseg
Budući da ljudsko uho ima različite razlučivosti za različite frekvencije, MPEG1 / Audio dijeli osjetni frekvencijski raspon unutar 22khz u 23 ~ 26 kritičnih frekvencijskih opsega prema različitim slojevima kodiranja i različitim frekvencijama uzorkovanja. Sljedeća slika prikazuje središnju frekvenciju i širinu pojasa idealnog kritičnog frekvencijskog pojasa. Kao što se može vidjeti na slici, ljudsko uho ima bolju razlučivost niskih frekvencija
3) Učinak maskiranja u frekvencijskoj domeni: Signal veće amplitude maskirat će signal slične frekvencije i manje amplitude, kao što je prikazano na donjoj slici:
4) Učinak maskiranja u vremenskoj domeni: Ako se u kratkom vremenskom razdoblju pojave dva zvuka, zvuk s većim SPL (razina zvučnog tlaka) prikriti će zvuk s manjim SPL. Učinak maskiranja vremenske domene dijeli se na maskiranje prema naprijed (predmaskiranje) i maskiranje prema natrag (postmaskiranje). Vrijeme nakon maskiranja bit će duže, oko 10 puta više od vremena prije maskiranja.
Učinak maskiranja vremenske domene pomaže u uklanjanju pred-odjeka.
4. osnovno sredstvo kodiranja
1) Kvantizator i kvantizator
Kvantizacija i kvantizator: Kvantizacija pretvara kontinuirani signal u diskretnom vremenu u diskretni signal u diskretnom vremenu. Uobičajeni kvantizatori su: jednoliki kvantizator, logaritamski kvantizator i nejednoliki kvantizator. Cilj koji slijedi postupak kvantiziranja je minimiziranje pogreške kvantiziranja i umanjivanje složenosti kvantizera (ta su dva sama po sebi kontradikcija).
(A) Jedinstveni kvantizator: najjednostavniji, najlošije izvedbe, prikladan samo za telefonski glas.
(B) Logaritamski kvantizator: Složeniji je od jednolikog kvantizera i jednostavan za primjenu, a njegove su performanse bolje od jednolikog kvantizera.
(C) Neujednačeni kvantizator: Prema distribuciji signala, dizajnirajte kvantizator. Detaljna kvantifikacija vrši se tamo gdje je signal gust, a gruba kvantifikacija tamo gdje je signal rijedak.
2) Kodiranje glasa
Postoje tri vrste kodera govora: (a) kodiranje valnog oblika; (b) Vokoder; (c) Hibridni koder.
Kodiranje valnog oblika ima za cilj konstrukciju analognog valnog oblika, uključujući pozadinsku buku. Djelujući na sve ulazne signale, on će proizvesti uzorke visoke kvalitete i potrošiti visoku brzinu prijenosa. Vokoder neće obnoviti izvorni valni oblik. Ovaj set kodera izvući će skup parametara koji se šalju primatelju kako bi se izveo model generiranja glasa. Kvaliteta glasa vokodera nije dovoljno dobra. Hibridni koder, koji uključuje prednosti kodera valnog oblika i emiter.
2.1 Koder valnog oblika
Dizajn kodera valnog oblika često je neovisan o signalu. Dakle, prikladan je za kodiranje različitih signala i nije ograničen na govor.
1) Kodiranje vremenske domene
a) PCM: impulsna modulacija koda, najjednostavnija je metoda kodiranja. To je samo diskretizacija i kvantizacija signala, a često se koristi logaritmiranje.
b) DPCM: diferencijalna impulsna modulacija koda, koja samo kodira razliku između uzoraka. Prethodni jedan ili više uzoraka koriste se za predviđanje trenutne vrijednosti uzorka. Što se više uzoraka koristi za predviđanje, točnija je predviđena vrijednost. Razlika između stvarne vrijednosti i predviđene vrijednosti naziva se rezidualna, koja je objekt kodiranja.
c) ADPCM: adaptivna diferencijalna impulsna modulacija, adaptivni diferencijalni impulsni kod. Odnosno, na temelju DPCM-a, kvantizator i prediktor se odgovarajuće prilagođavaju prema promjenama signala, tako da je predviđena vrijednost bliža stvarnom signalu, rezidual je manji, a učinkovitost kompresije veća.
(2) Kodiranje frekvencijske domene
Kodiranje u frekvencijskoj domeni je razlaganje signala u niz različitih frekvencijskih elemenata i izvođenje neovisnog kodiranja.
a) Sub-band kodiranje: Sub-band kodiranje je najjednostavnija tehnika kodiranja u frekvencijskoj domeni. To je tehnologija koja transformira izvorni signal iz vremenske domene u frekvencijsku domenu, zatim ga dijeli u nekoliko podskupina i vrši digitalno kodiranje na njima. Koristi grupu propusnih filtara (BPF) za dijeljenje izvornog signala u nekoliko (na primjer, m) podskupina (koje se nazivaju podspojevi). Provucite svaki podskup kroz modulacijske karakteristike ekvivalentne amplitudnoj modulaciji s jednim bočnim opsegom, pomaknite svaki podopseg na gotovo nultu frekvenciju, odnosno prođite kroz BPF (ukupno m), a zatim prenesite svaki podopseg propisanom brzinom ( Nyquist stopa) Uzorkuje se izlazni signal podpojasnog opsega, a uzorkovana vrijednost obično se digitalno kodira i postavlja se m digitalnih kodera. Pošaljite svaki digitalni kodirani signal multiplekseru i na kraju iznesite podskup kodirani tok podataka.
Za različite podopsege mogu se koristiti različite metode kvantiziranja i podbrojevima se može dodijeliti različiti broj bitova prema modelu percepcije ljudskog uha.
b) transformirati kodiranje: DCT kodiranje.
5. Vokoder
Vokoder kanala: koristi neosjetljivost ljudskog uha na fazu.
homomorfni vokoder: može učinkovito obrađivati sintetičke signale.
Vokoder formanta: Većina informacija glasovnog signala nalazi se na položaju i širini pojasa formanta.
linearni prediktivni vokoder: najčešće korišteni vokoder.
6. Hibridni koder
Koder valnog oblika pokušava sačuvati valni oblik kodiranog signala i može pružiti visokokvalitetni govor pri srednjoj brzini prijenosa (32 kbps), ali se ne može primijeniti na prilike s niskom brzinom prijenosa. Vokoder pokušava generirati signal koji je zvučno sličan kodiranom signalu i može pružiti razumljiv govor pri maloj brzini prijenosa, ali rezultirajući govor zvuči neprirodno. Hibridni koder kombinira prednosti oba.
RELP: Na temelju linearnog predviđanja, rezidual se kodira. Mehanizam je: prenosite samo mali dio ostataka i rekonstruirajte sve ostatke na prihvatnom kraju (kopirajte ostatke osnovnog pojasa).
MPC: višeimpulsno kodiranje, koje uklanja korelaciju reziduala, i koristi se za kompenzaciju jednostavne klasifikacije glasova vokodera u glasovne i bezzvučne bez nedostataka srednjih stanja.
CELP: linearno predviđanje uzbuđenog u šifrarniku, koje koristi predviđanje vokalnog trakta i kaskadu visinskog tona kako bi se bolje približio izvornom signalu.
MBE: višepojasno pobuđivanje, svrha je izbjeći velik broj CELP izračuna, kako bi se postigla veća kvaliteta od vocodera.
Naš drugi proizvod:
