1. Pagrindinės sąvokos
1) Bitų dažnis: nurodo, kiek bitų per sekundę reikia pateikti užkoduotus (suglaudintus) garso duomenis, o vienetas paprastai yra kbps.
2) Garsumas ir intensyvumas: subjektyvūs garso atributai. Garsumas rodo, kaip garsiai skamba garsas. Garsumas daugiausia skiriasi priklausomai nuo garso intensyvumo, tačiau tam įtakos turi ir dažnis. Paprastai tariant, gryni vidutinio dažnio garsai yra geresni nei gryni žemo ir aukšto dažnio garsai.
3) Mėginių ėmimas ir atrankos dažnis: Atranka yra nepertraukiamo laiko signalo pavertimas diskrečiu skaitmeniniu signalu. Mėginių ėmimo dažnis nurodo, kiek mėginių surenkama per sekundę.
Nyquisto mėginių ėmimo dėsnis: kai mėginių ėmimo dažnis yra didesnis arba lygus 2 kartus nenutrūkstamo signalo aukščiausiojo dažnio komponentui, atrinktą signalą galima naudoti norint puikiai atkurti pradinį tęstinį signalą.
2. bendri garso formatai
1) WAV formatas yra „Microsoft“ sukurtas garso failo formatas, dar vadinamas bangų garso failu. Tai yra pats ankstyviausias skaitmeninio garso formatas, kurį plačiai palaiko „Windows“ platforma ir jos programos, ir jo suspaudimo lygis yra žemas.
2) MIDI yra „Musical Instrument Digital Interface“, dar vadinamos „Musical Instrument Digital Interface“, santrumpa, kuri yra vieningas tarptautinis skaitmeninės muzikos / elektroninių sintetinių muzikos instrumentų standartas. Jame apibrėžiamas būdas, kaip kompiuterinės muzikos programos, skaitmeniniai sintezatoriai ir kiti elektroniniai prietaisai keičiasi muzikos signalais, ir nurodomas duomenų perdavimo protokolas tarp kabelių ir aparatūros bei prietaisų, sujungiančių skirtingų gamintojų elektroninius muzikos instrumentus su kompiuteriais, ir gali imituoti kelių muzikinių garsų garsą. instrumentai. MIDI failas yra MIDI formato failas, o kai kurios komandos saugomos MIDI faile. Nusiųskite šias instrukcijas į garso plokštę, ir garso plokštė sintetins garsą pagal instrukcijas.
3) Pilnas MP3 pavadinimas yra MPEG-1 Audio Layer 3, kuris buvo sujungtas su MPEG specifikacija 1992 m.. MP3 gali suglaudinti aukštos kokybės garso failus ir žemą diskretizavimo dažnį. Dažniausia programa.
4) „MP3Pro“ sukūrė Švedijos „Coding Technology Company“, kurioje yra dvi pagrindinės technologijos: viena yra unikali „Coding Technology Company“ dekodavimo technologija, o kita - MP3 patentų turėtojo prancūzų „Thomson Multimedia Company“ ir vokiečių „Fraunhofer“ integracija. Dekodavimo technologija kartu tirta pateikė Circuit Association. „MP3Pro“ gali pagerinti originalios MP3 muzikos garso kokybę iš esmės nekeičiant failo dydžio. Jis gali palaikyti garso kokybę iki glaudinimo iki didžiausio lygio, o garso failus suglaudinti mažesniu greičiu.
5) „MP3Pro“ sukūrė Švedijos „Coding Technology Company“, kurioje yra dvi pagrindinės technologijos: viena yra unikali „Coding Technology Company“ dekodavimo technologija, o kita - MP3 patentų turėtojo prancūzų „Thomson Multimedia Company“ ir vokiečių „Fraunhofer“ integracija. Dekodavimo technologija kartu tirta pateikė Circuit Association. „MP3Pro“ gali pagerinti originalios MP3 muzikos garso kokybę iš esmės nekeičiant failo dydžio. Jis gali palaikyti garso kokybę iki glaudinimo iki didžiausio lygio, o garso failus suglaudinti mažesniu greičiu.
6) WMA („Windows Media Audio“) yra „Microsoft“ šedevras interneto garso ir vaizdo srityje. WMA formatu pasiekiama didesnė glaudinimo norma sumažinant duomenų srautą, tačiau išlaikant garso kokybę. Suspaudimo laipsnis paprastai gali siekti 1:18. Be to, WMA taip pat gali apsaugoti autorių teises per DRM (Digital Rights Management).
7) „RealAudio“ yra „Real Networks“ paleistas failo formatas. Didžiausia savybė yra ta, kad ji gali perduoti garso informaciją realiuoju laiku, ypač kai tinklo greitis yra lėtas, jis vis tiek gali sklandžiai perduoti duomenis, todėl „RealAudio“ daugiausia tinka tinkle „Play“ internete. Dabartiniai „RealAudio“ failų formatai daugiausia apima RA („RealAudio“), RM („RealMedia“, „RealAudio G2“), „RMX“ („RealAudio Secured“) ir kt. Šių failų bendrumas yra tas, kad garso kokybė keičiasi priklausomai nuo tinklo pralaidumo. Laikantis prielaidos, kad dauguma žmonių girdi sklandų garsą, platesnio pralaidumo klausytojai gali gauti geresnę garso kokybę.
8) „Audible“ turi keturis skirtingus formatus: „Audible1“, „2“, „3“, „4“. „Audible.com“ svetainėje daugiausia parduodamos garso knygos internete ir užtikrinama jų parduodamų prekių bei failų apsauga per vieną iš keturių „Audible.com“ skirtų garso formatų. . Kiekviename formate daugiausia atsižvelgiama į naudojamą garso šaltinį ir klausymo įrenginį. 1, 2 ir 3 formatai naudoja skirtingus balso glaudinimo lygius, o 4 formatas naudoja mažesnį mėginių ėmimo dažnį ir tą patį dekodavimo metodą kaip MP3. Gautas balsas yra aiškesnis ir jį galima efektyviau atsisiųsti iš interneto. „Audible“ naudoja savo atkūrimo darbalaukyje įrankį, kuris yra „Audible Manager“. Naudodami šį grotuvą galite atkurti garso takelio formato failus, saugomus kompiuteryje arba perkelti į nešiojamąjį grotuvą.
9) AAC iš tikrųjų yra patobulinto garso kodavimo santrumpa. AAC yra garso formatas, kurį kartu sukūrė „Fraunhofer IIS-A“, „Dolby“ ir „AT&T“. Tai yra MPEG-2 specifikacijos dalis. AAC naudojamas algoritmas skiriasi nuo MP3. AAC sujungia kitas funkcijas, kad pagerintų kodavimo efektyvumą. AAC garso algoritmas glaudžiai viršija kai kuriuos ankstesnius glaudinimo algoritmus (pvz., MP3 ir kt.). Jis taip pat palaiko iki 48 garso takelių, 15 žemo dažnio garso takelių, didesnį imties dažnį ir bitų dažnį, suderinamumą keliomis kalbomis ir didesnį dekodavimo efektyvumą. Trumpai tariant, AAC gali užtikrinti geresnę garso kokybę darant prielaidą, kad jis yra 30% mažesnis nei MP3 failai.
10) „Ogg Vorbis“ yra naujas garso glaudinimo formatas, panašus į esamus muzikos formatus, tokius kaip MP3. Tačiau vienas skirtumas yra tas, kad jis yra visiškai nemokamas, atviras ir be patentų apribojimų. „Vorbis“ yra šio garso glaudinimo mechanizmo pavadinimas, o „Ogg“ - projekto, kuriame ketinama sukurti visiškai atvirą daugialypės terpės sistemą, pavadinimas. „VORBIS“ taip pat yra nuostolingas glaudinimas, tačiau nuostoliams mažinti naudojami pažangesni akustiniai modeliai. Todėl tuo pačiu bitų greičiu užkoduotas OGG skamba geriau nei MP3.
11) APE yra nesumeluotas suglaudinto garso formatas, darant prielaidą, kad garso kokybė nesumažėja, dydis suglaudinamas iki pusės tradicinio be praradimo formato WAV failo.
12) FLAC yra „Free Lossless Audio Codec“, gerai žinomų nemokamų garso praradimo glaudinimo kodų rinkinio, kuriam būdingas glaudinimas be nuostolių, santrumpa.
3. pagrindinis garso kodavimo principas
Kalbos kodavimas skirtas sumažinti kanalo pralaidumą, reikalingą perdavimui, išlaikant aukštą įvesties kalbos kokybę.
Kalbos kodavimo tikslas yra suprojektuoti mažo sudėtingumo kodavimo įrenginį, kad būtų pasiektas aukštos kokybės duomenų perdavimas kuo mažesniu bitų greičiu.
1) Nutildymo slenksčio kreivė: riba, prie kurios žmogaus ausis girdi garsą įvairiais dažniais tik ramioje aplinkoje.
2) Kritinė dažnių juosta
Kadangi žmogaus ausis skiriasi skirtingais dažniais, MPEG1 / Audio padalija suvokiamą dažnių diapazoną 22 kHz ribose į 23–26 kritinių dažnių juostas pagal skirtingus kodavimo sluoksnius ir skirtingus mėginių ėmimo dažnius. Šiame paveiksle pateikiamas idealios kritinės dažnių juostos centrinis dažnis ir pralaidumas. Kaip matyti iš paveikslo, žmogaus ausis geriau skiria mažo dažnio skiriamąją gebą
3) Maskavimo efektas dažnio srityje: Didesnės amplitudės signalas užmaskuos panašaus dažnio ir mažesnės amplitudės signalą, kaip parodyta žemiau esančiame paveikslėlyje:
4) Maskavimo efektas laiko srityje: jei pasirodys du garsai, per trumpą laiką garsas, turintis didesnį SPL (garso slėgio lygį), užmaskuos garsą mažesniu SPL. Laiko domeno maskavimo efektas skirstomas į priekinį (išankstinį) ir atgalinį (po maskavimą). Po maskavimo laikas bus ilgesnis, maždaug 10 kartų didesnis už išankstinio maskavimo laiką.
Laiko domeno maskavimo efektas padeda pašalinti išankstinį aidą.
4. pagrindinės kodavimo priemonės
1) Kvanteris ir kvanteris
Kvantavimas ir kvanteris: Kvantavimas paverčia nepertraukiamą signalą diskrečiu laiku į diskretišką diskrečiu laiku. Paplitę kvantoriai yra: vienodas kvanteris, logaritminis ir nevienodas kvanteris. Kvantavimo proceso tikslas yra kuo labiau sumažinti kvantavimo klaidą ir kuo labiau sumažinti kvantoriaus sudėtingumą (abu savaime yra prieštaravimai).
(A) Vienodas kvanteris: paprasčiausias, blogiausias veikimas, tinkamas tik telefono balsui.
(B) Logaritminis kvanteris: jis yra sudėtingesnis nei vienodas kvanteris ir lengvai įgyvendinamas, o jo veikimas yra geresnis nei vienodo kvantoriaus.
(C) nevienodas kvanteris: suprojektuokite kvantorių pagal signalo pasiskirstymą. Išsamus kiekybinis įvertinimas atliekamas ten, kur signalas yra tankus, o grubus - kai signalas yra retas.
2) Balso koderis
Yra trijų tipų kalbos kodavimo įrenginiai: (a) bangos formos kodavimo įrenginys; b) „Vocoder“; c) hibridinis kodavimo įrenginys.
Bangos formos kodavimo įrenginys siekia sukurti analoginę bangos formą, įskaitant foninio triukšmo lapą. Veikdamas visus įvesties signalus, bus gaunami aukštos kokybės pavyzdžiai ir suvartojama didelė bitų sparta. Vokoderis neatkurs pradinės bangos formos. Šis kodavimo priemonių rinkinys išgaus parametrų rinkinį, kuris siunčiamas į priimančiąją galą, kad gautų balso generavimo modelį. Vokoderio balso kokybė nėra pakankamai gera. Hibridinis kodavimo įrenginys, apimantis bangos formos kodavimo ir garsiakalbio pranašumus.
2.1 Bangos formos koduotojas
Bangos formos koderio konstrukcija dažnai nepriklauso nuo signalo. Taigi jis tinka koduoti įvairiems signalams ir neapsiriboja kalba.
1) Laiko domeno kodavimas
a) PCM: impulso kodo moduliacija yra paprasčiausias kodavimo metodas. Tai tik signalo diskretizavimas ir kiekybinis įvertinimas, dažnai naudojamas logaritmizavimas.
b) DPCM: diferencinio impulso kodo moduliacija, koduojanti tik skirtumą tarp mėginių. Ankstesnis vienas ar keli pavyzdžiai naudojami dabartinei imties vertei numatyti. Kuo daugiau mėginių naudojama prognozėms atlikti, tuo tikslesnė numatoma vertė. Skirtumas tarp tikrosios vertės ir numatomos vertės vadinamas liekamuoju, kuris yra kodavimo objektas.
c) ADPCM: adaptyvaus diferencinio impulso kodo moduliacija, adaptyvaus diferencinio impulso kodas. Tai yra, remiantis DPCM, kvantorius ir numatiklis yra tinkamai sureguliuoti atsižvelgiant į signalo pokyčius, kad numatoma reikšmė būtų arčiau tikrojo signalo, likutinė dalis būtų mažesnė ir suspaudimo efektyvumas būtų didesnis.
(2) Dažnio domenų kodavimas
Dažnio domenų kodavimas yra suskaidyti signalą į skirtingų dažnio elementų seriją ir atlikti nepriklausomą kodavimą.
a) Pogrupio kodavimas: pogrupio kodavimas yra paprasčiausia dažnio srities kodavimo technika. Tai technologija, kuri paverčia pradinį signalą iš laiko srities į dažnio sritį, paskui padalija jį į keletą pogrupių ir atitinkamai atlieka jų skaitmeninį kodavimą. Jis naudoja pralaidumo filtro (BPF) grupę, kad pradinis signalas būtų padalytas į keletą (pavyzdžiui, m) pogrupių (vadinamų pogrupiais). Perduokite kiekvieną pogrupį per moduliacijos charakteristikas, lygiavertes vienos pusės juostos amplitudės moduliacijai, perkelkite kiekvieną pogrupį į beveik nulio dažnį, atitinkamai pereikite per BPF (iš viso m), tada perkelkite kiekvieną pogrupį nustatytu greičiu ( „Nyquist rate“) Atrenkamas pogrupio išvesties signalas, o atrinkta vertė paprastai yra koduojama skaitmeniniu būdu ir nustatomi m skaitmeniniai koduotojai. Kiekvieną skaitmeninį koduotą signalą nusiųskite į multiplekserį ir galiausiai išleiskite pogrupio koduotą duomenų srautą.
Skirtingiems poslinkiams galima naudoti skirtingus kvantavimo metodus, o pagal žmogaus ausų suvokimo modelį - priskirti skirtingus bitų skaičius.
b) transformacijos kodavimas: DCT kodavimas.
5. „Vocoder“
Kanalo vokoderis: naudoja žmogaus ausies nejautrumą fazėms.
homomorfinis vokoderis: gali efektyviai apdoroti sintetinius signalus.
Buvęs vokoderis: didžioji balso signalo informacijos dalis yra formanto padėtis ir pralaidumas.
linijinis nuspėjamasis vokoderis: dažniausiai naudojamas vokoderis.
6. Hibridinis koduotojas
Bangos formos koduotojas bando išsaugoti užkoduoto signalo bangos formą ir gali teikti aukštos kokybės kalbą vidutiniu bitų greičiu (32 kbps), tačiau jo negalima pritaikyti mažo bitų dažnio atvejais. Vokoderis bando sukurti signalą, kuris yra fonetiškai panašus į užkoduotą signalą, ir gali pateikti suprantamą kalbą mažu bitų greičiu, tačiau gaunama kalba skamba nenatūraliai. Hibridinis koduotojas sujungia abiejų pranašumus.
RELP: Remiantis tiesine prognoze, liekana yra užkoduota. Mechanizmas yra toks: perduokite tik nedidelę dalį liekanų ir rekonstruokite visas liekanas priimančiame gale (nukopijuokite pagrindinės juostos liekanas).
MPC: kelių impulsų kodavimas, pašalinantis liekanų koreliaciją ir naudojamas kompensuoti vokoderio paprastą balsų klasifikavimą į balso ir be balso be tarpinių būsenų defektų.
CELP: kodinio sąsiuvinio sužadinta linijinė prognozė, kuri naudoja balso trakto prognozę ir aukščio numatiklio kaskadą, kad būtų galima geriau suderinti pradinį signalą.
MBE: daugiajuosčio sužadinimo tikslas - išvengti daugybės CELP skaičiavimų, kad būtų pasiekta aukštesnė kokybė nei vokoderyje.
Mūsų kitas produktas:
