Анализ основных процессов обработки и кодирования звуковой информации

Размещено на http://www.allbest.ru

Размещено на http://www.allbest.ru

Введение

В настоящее время школьный курс информатики предусматривает слишком малое количество учебных часов для изучения основ кодирования информации, а тем более кодирования звука. Данная тема проходится в ознакомительном режиме и не дает полного представления обо всех возможностях кодирования звука.

Актуальность темы объясняется тем, что в настоящее время в России идет становление новой системы образования, ориентированного на вхождение в мировое информационно-образовательное пространство. Этот процесс сопровождается существенными изменениями в педагогической теории и практике учебно-воспитательного процесса, связанными с внесением корректив в содержание технологий обучения, которые должны быть адекватны современным техническим возможностям, и способствовать гармоничному вхождению ребенка в информационное общество.

Компьютерные технологии призваны стать не дополнительным «довеском» в обучении, а неотъемлемой частью целостного образовательного процесса, значительно повышающей его эффективность. Особое значение при этом приобретает подготовка кадров, способных освоить эти изменения и реализовывать их на практике.

В связи с этим возрастает роль учителя информатики в школе. Во-первых, его миссия в школе - организовать учебно-информационную среду, куда входит совокупность технических и программных средств хранения, обработки и передачи информации, а также образовательные условия реализации процессов информатизации. Информационная образовательная среда включает в себя различные виды и формы информатизации в школе: информационное обеспечение (учебный план, расписание занятий, аттестация учащихся, загрузка классов); учебно-методическое обеспечение (цифровые образовательные ресурсы (ЦОР) по предметам, по темам, разработки лабораторных и практических занятий, контрольные вопросы и т.п.); информационная обучающая среда (тесты, телесеминары (on-line), телеконференция (off- line), доска объявлений, поддержка получения заданий и отчеты и т.п.). Поэтому важно, чтобы он обладал знаниями и умениями использовать возможности электронных программ.

Во-вторых, возрастает актуальность школьного курса информатики, требующая от учителя информатики вариативности. Учитель в роли сценариста определяет материал урока и прогнозирует результат. Как режиссер он стыкует задачи урока с возможностями их выполнения, разрабатывает методы и формы, необходимые для достижения цели урока. Как программист, знающий все возможности компьютерных технологий, выполняет поставленные задачи и производит необходимый программный продукт. При этом учитываются личностные потребности и интересы учащихся, подбирается необходимое программное обеспечение и строится индивидуальная образовательная траектория. Важную роль в оптимизации образовательного процесса играют цифровые образовательные ресурсы. Электронные издания учебного назначения, обладая всеми особенностями бумажных изданий, имеют ряд положительных отличий и преимуществ. В частности: компактность хранения в памяти компьютера или на дискете, гипертекстовые возможности, мобильность, тиражируемость, возможность оперативного внесения изменений и дополнений, удобство пересылки по электронной почте. Это - автоматизированная обучающая система, которая включает в себя дидактические, методические и информационно-справочные материалы по учебной дисциплине, а также программное обеспечение, которое позволяет комплексно использовать их для самостоятельного получения и контроля знаний.

Программы для работы с аудиоинформацией (звуком). Эти программы позволяют записывать живой звук и преобразовывать его, изменяя тембр, улучшая качество звучания, добавляя эффекты и т.д. В предыдущем разделе уже было рассказано о том, что современные программы-секвенсеры имеют возможность записи не только MIDI, но и звуковых дорожек. Однако для серьезной работы со звуковой информацией, как правило, требуется вызвать внешний аудиоредактор, то есть как раз программу для работы со звуком. В отличие от MIDI-секвенсеров, здесь качество программы определяется не только удобством и функциональностью интерфейса, не только наличием дополнительных утилит, но и собственно алгоритмами обработки. При одних и тех же условиях и параметрах на одном и том же звуковом материале разные программы могут дать совершенно непохожие результаты. Вообще говоря, звуковая информация -- вещь «неуловимая»: порой незначительное изменение одного из многих параметров обработки может дать совершенно новый на слух результат. Так что, получив хорошие звуковые результаты, не поленитесь лишний раз записать получившийся файл на диск.

Перспективы развития и использования цифрового аудио видятся авторам статьи очень широкими. Казалось бы, все, что можно было сделать в этой области, уже сделано. Однако это не так. Остается масса еще совсем незатронутых проблем.

Например, область распознавания речи еще очень не развита. Давно уже делались и делаются попытки создать программное обеспечение, способное качественно распознавать речь человека, однако все они пока не приводят к желаемому результату. А ведь долгожданный прорыв в этой области мог бы неимоверно упростить ввод информации в компьютер. Только представьте себе, что вместо набора текста его можно было бы просто надиктовывать, попивая кофе где-нибудь неподалеку от компьютера. Имеется множество программ якобы способных предоставить такую возможность, однако все они не универсальны и сбиваются при незначительном отклонении голоса читающего от заданного тона. Такая работа приносит не столько удобств, сколько огорчений. Еще куда более сложной задачей (вполне возможно, что и неразрешимой вовсе) является распознавание общих звуков, например, звучания скрипки в звуках оркестра или выделение партии рояля. Можно надеяться, что когда-нибудь такое станет возможным, ведь человеческий мозг легко справляется с такими задачами, однако сегодня говорить о хотя бы малейших сдвигах в этой области рано.

В области синтеза звука также есть пространство для изучения. Способов синтеза звука сегодня существует несколько, однако ни один из них не дает возможности синтезировать звук, который нельзя было бы отличить от настоящего. Если, скажем, звуки рояля или тромбона еще более-менее поддаются реализации, до правдоподобного звучания саксофона или электрогитары добиться еще так и не смогли - существует масса нюансов звучания, которые почти невозможно воссоздать искусственно.

Таким образом, можно смело сказать, что в области обработки, создания и синтеза звука и музыки еще очень далеко до того решающего слова, которое поставит точку на развитии этой отрасли человеческой деятельности.

Как и графика, компьютерный звук бывает двух основных типов:

Цифровой звук - аналог фотографии, точная цифровая копия введенных извне звуков. Это может быть сделанная с микрофона запись вашего голоса, копия звуковых дорожек с компакт-диска и т.д. Как и фотография, такой звук занимает много места... впрочем, аппетиты фотографии по сравнению со звуком просто ничтожны! Одна минута цифрового звука, записанного с максимальным качеством, занимает около 10 Мбайт.

Синтезированный звук - точнее, музыка в формате MIDI.

Суть MIDI-технологии можно изложить так: компьютер не просто проигрывает нужную вам мелодию, а синтезирует ее с помощью звуковой карты. MlDI-мелодии - это всего лишь системы команд, управляющие звуковой картой, коды нот, которые она должна "изобразить". Эта технология идеальна для компьютерных композиторов, поскольку позволяет с легкостью изменять любые параметры созданной на компьютере мелодии - заменять инструменты, добавлять или удалять их, изменять темп и даже стиль композиции. И файлы с MIDI-музыкой - крохотные, всего в несколько десятков килобайт. Но и недостатки у MIDI есть - голос в MIDI-файле не запишешь, да и музыка хорошо звучит лишь на очень качественной звуковой карте.

Можно выделить два основных типа музыкальных программ, с которыми придется работать:

1. Программы для записи и обработки цифровой музыки (Sound Forge, WaveLab, CoolEdit, SAW Plus);

2. Секвенсоры - редакторы синтезированной (MIDI) музыки (MidiStudio, MIDI Orchestrator Plus, Cakewaik Pro, Cubase).

Кстати говоря, большинство сегодняшних MIDI-программ умеют работать и с обычным цифровым звуком - к примеру, вы можете наложить поверх MIDI-дорожки собственный вокал и, сохранив полученный результат в виде обычного WAV-файла (стандартный формат цифрового звука), получите готовую песню, которую потом можно и на компакт-диск записать...

Предметом исследования являются программы обработки звуковой информации.

Цель исследования: изучение процесса обработки и кодирования звуковой информации.

Для достижения поставленной цели необходимо решить следующие задачи:

Проанализировать программы касающиеся кодирования и обработки звуковой информации.

Изучить способы и методы кодирования и обработки звуковой информации.

Разработать проект обработки звуковой информации на примере программы: «Adobe Audition».

1. Программы для обработки звуковой информации

1.1 Значимость программ по обработке звуковой информации в современном мире

Под обработкой звука следует понимать различные преобразования звуковой информации с целью изменения каких-то характеристик звучания. К обработке звука относятся способы создания различных звуковых эффектов, фильтрация, а также методы очистки звука от нежелательных шумов, изменения тембра и т.д. Все это огромное множество преобразований сводится, в конечном счете, к следующим основным типам:

1. Амплитудные преобразования. Выполняются над амплитудой сигнала и приводят к ее усилению/ослаблению или изменению по какому-либо закону на определенных участках сигнала.

2. Частотные преобразования. Выполняются над частотными составляющими звука: сигнал представляется в виде спектра частот через определенные промежутки времени, производится обработка необходимых частотных составляющих, например, фильтрация, и обратное "сворачивание" сигнала из спектра в волну.

3. Фазовые преобразования. Сдвиг фазы сигнала тем или иным способом; например, такие преобразования стерео сигнала, позволяют реализовать эффект вращения или "объёмности" звука.

4. Временные преобразования. Реализуются путем наложения, растягивания/сжатия сигналов; позволяют создать, например, эффекты эха или хора, а также повлиять на пространственные характеристики звука.

Echo (эхо). Реализуется с помощью временных преобразований. Фактически для получения эха необходимо на оригинальный входной сигнал наложить его задержанную во времени копию. Для того, чтобы человеческое ухо воспринимало вторую копию сигнала как повторение, а не как отзвук основного сигнала, необходимо время задержки установить равным примерно 50 мс. На основной сигнал можно наложить не одну его копию, а несколько, что позволит на выходе получить эффект многократного повторения звука (многоголосного эха). Чтобы эхо казалось затухающим, необходимо на исходный сигнал накладывать не просто задержанные копии сигнала, а приглушенные по амплитуде.

Reverberation (повторение, отражение). Эффект заключается в придании звучанию объемности, характерной для большого зала, где каждый звук порождает соответствующий, медленно угасающий отзвук. Практически, с помощью реверберации можно "оживить", например, фонограмму, сделанную в заглушенном помещении. От эффекта "эхо" реверберация отличается тем, что на входной сигнал накладывается задержанный во времени выходной сигнал, а не задержанная копия входного. Иными словами, блок реверберации упрощенно представляет собой петлю, где выход блока подключен к его входу, таким образом уже обработанный сигнал каждый цикл снова подается на вход смешиваясь с оригинальным сигналом.

Chorus (хор). В результате его применения звучание сигнала превращается как бы в звучание хора или в одновременное звучание нескольких инструментов. Схема получения такого эффекта аналогична схеме создания эффекта эха с той лишь разницей, что задержанные копии входного сигнала подвергаются слабой частотной модуляции (в среднем от 0.1 до 5 Гц) перед смешиванием с входным сигналом. Увеличение количества голосов в хоре достигается путем добавления копий сигнала с различными временами задержки.

"Обычный" аналоговый звук представляется в аналоговой аппаратуре непрерывным электрическим сигналом. Компьютер оперирует с данными в цифровом виде. Это означает, что и звук в компьютере представляется в цифровом виде. Цифровой звук - это способ представления электрического сигнала посредством дискретных численных значений его амплитуды. Допустим, мы имеем аналоговую звуковую дорожку хорошего качества (говоря "хорошее качество" будем предполагать нешумную запись, содержащую спектральные составляющие из всего слышимого диапазона частот - приблизительно от 20 Гц до 20 КГц) и хотим "ввести" ее в компьютер (то есть оцифровать) без потери качества. Звуковая волна - это некая сложная функция, зависимость амплитуды звуковой волны от времени. Эту функцию описывают путем хранения ее дискретных значений в определенных точках. Иными словами, в каждой точке времени можно измерить значение амплитуды сигнала и записать в виде чисел. Однако и в этом методе есть свои недостатки, так как значения амплитуды сигнала мы не можем записывать с бесконечной точностью, и вынуждены их округлять. Говоря иначе, мы будем приближать эту функцию по двум координатным осям - амплитудной и временной. Таким образом, оцифровка сигнала включает в себя два процесса - процесс дискретизации (осуществление выборки) и процесс квантования. Процесс дискретизации - это процесс получения значений величин преобразуемого сигнала в определенные промежутки времени.

Квантование - процесс замены реальных значений сигнала приближенными с определенной точностью. Таким образом, оцифровка - это фиксация амплитуды сигнала через определенные промежутки времени и регистрация полученных значений амплитуды в виде округленных цифровых значений (так как значения амплитуды являются величиной непрерывной, нет возможности конечным числом записать точное значение амплитуды сигнала, именно поэтому прибегают к округлению). Записанные значения амплитуды сигнала называются отсчетами. Очевидно, что чем чаще мы будем делать замеры амплитуды (чем выше частота дискретизации) и чем меньше мы будем округлять полученные значения (чем больше уровней квантования), тем более точное представление сигнала в цифровой форме мы получим.

Оцифрованный сигнал в виде набора последовательных значений амплитуды можно сохранить. Однако, надо иметь в виду, что память компьютера не бесконечна, так что каждый раз при оцифровке необходимо находить какой-то компромисс между качеством (напрямую зависящим от использованных при оцифровке параметров) и занимаемым оцифрованным сигналом объемом.

А также, частота дискретизации устанавливает верхнюю границу частот оцифрованного сигнала, а именно, максимальная частота спектральных составляющих равна половине частоты дискретизации сигнала. Попросту говоря, чтобы получить полную информацию о звуке в частотной полосе до 22050 Гц, необходима дискретизация с частотой не менее 44.1 КГц. Существуют и другие проблемы и нюансы, связанные с оцифровкой звука. Не сильно углубляясь в подробности отметим, что в "цифровом звуке" из-за дискретности информации об амплитуде оригинального сигнала появляются различные шумы и искажения. Так, например, джиттер (jitter) - шум, появляющийся в результате того, что осуществление выборки сигнала при дискретизации происходит не через абсолютно равные промежутки времени, а с какими-то отклонениями. То есть, если, скажем, дискретизация проводится с частотой 44.1 КГц, то отсчеты берутся не точно каждые 1/44100 секунды, а то немного раньше, то немного позднее. А так как входной сигнал постоянно меняется, то такая ошибка приводит к "захвату" не совсем верного уровня сигнала. На практике, процесс оцифровки (дискретизация и квантование сигнала) остается невидимым для пользователя - всю черновую работу делают разнообразные программы, которые дают соответствующие команды драйверу (управляющая подпрограмма операционной системы) звуковой карты. Любая программа (будь то встроенный в Windows Recorder или мощный звуковой редактор), способная осуществлять запись аналогового сигнала в компьютер, так или иначе оцифровывает сигнал с определенными параметрами, которые могут оказаться важными в последующей работе с записанным звуком, и именно по этой причине важно понять как происходит процесс оцифровки и какие факторы влияют на ее результаты.

1.2 Редакторы цифрового аудио

Тема программного обеспечения очень широка, поэтому здесь мы только вкратце обсудим основные представители программ для обработки звука. Наиболее важный класс программ - редакторы цифрового аудио. Основные возможности таких программ это, как минимум, обеспечение возможности записи (оцифровки) аудио и сохранение на диск. Развитые представители такого рода программ позволяют намного больше: запись, многоканальное сведение аудио на нескольких виртуальных дорожках, обработка специальными эффектами (как встроенными, так и подключаемыми извне - об этом позже). Очистка от шумов, имеют развитую навигацию и инструментарий в виде спектроскопа и прочих виртуальных приборов, управление/управляемость внешними устройствами, преобразование аудио из формата в формат, генерация сигналов, запись на компакт диски и многое другое. Некоторые из таких программ: Cool Edit Pro (Syntrillium), Sound Forge (Sonic Foundry), Nuendo (Steinberg), Samplitude Producer (Magix), Wavelab (Steinberg).

Основные возможности редактора Cool Edit Pro 2.0 - пример рабочего окна программы в многодорожечном режиме: редактирование и сведение аудио на 128 дорожках, 45 встроенных DSP-эффектов, включая инструменты для мастеринга. Анализа и реставрации аудио, 32-битная обработка, поддержка аудио с параметрами 24 бит / 192 КГц, мощный инструментарии для работы с петлями (loops), поддержка DirectX, а также управление SMPTE/MTC, поддержка работы с видео и MIDI и прочее.

Основные возможности редактора Sound Forge 6.0a - пример рабочего окна программы: мощные возможности не деструктивного редактирования, многозадачная фоновая обработка заданий, поддержка файлов с параметрами до 32 бит / 192 КГц. Менеджер предустановок, поддержка файлов более 4 Гб, работа с видео, большой набор эффектов обработки, восстановление после зависаний, предпрослушивание примененных эффектов, спектральный анализатор и прочее.

1.3 Программы-анализаторы аудио

Обработка звука и написание музыки - это не только творческий процесс. Иногда нужен скрупулезный анализ данных, а также осуществление поиска огрехов их звучания. Кроме того, аудио материал, с который приходится иметь дело, не всегда желаемого качества. В этой связи нельзя не вспомнить о целом ряде программ-анализаторов аудио, специально предназначенных для осуществления измерительных анализов аудио данных. Такие программы помогают представить аудио данные удобнее, чем обычные редакторы, а также внимательно изучить их с помощью различных инструментов, таких как FFT-анализаторы (построители динамических и статических амплитудно-частотных характеристик), построители сонограмм, и прочих. Одна из наиболее известных и развитых программ подобного плана - программа SpectraLAB (Sound Technology Inc.), чуть более простые, но мощные - Analyzer2000 и Spectrogram.

Программа SpectraLAB - наиболее мощный продукт подобного рода, существующий на сегодня - пример рабочего окна программы, на экране: спектральная картина в трез представлениях и фазовая картина).

Возможности программы: 3 режима работы (пост режим, режим реального времени, режим записи), основной инструментарий - осциллограф, спектрометр (двухмерный, трехмерный, а также построитель сонограмм) и фазометр. Возможность сравнения амплитудно-частотных характеристик нескольких сигналов, широкие возможности масштабирования, измерительные инструменты: нелинейных искажений, отношения сигнал/шум, искажений и прочие.

1.4 Специализированные реставраторы аудио

Специализированные реставраторы аудио играют также немаловажную роль в обработке звука. Такие программы позволяют восстановить утерянное качество звучания аудио материала, удалить нежелательные щелчки, шумы, треск, специфические помехи записей с аудио-кассет, и провести другую корректировку аудио. Программы подобного рода: Dart, Clean (от Steinberg Inc.), Audio Cleaning Lab. (от Magix Ent.), Wave Corrector.

Основные возможности реставратора Clean 3.0 - рабочее окно программы: устранение всевозможных потрескиваний и шумов, режим автокоррекции, набор эффектов для обработки скорректированного звука, включая функцию «surround sound» с наглядным акустическим моделированием эффекта, запись CD с подготовленными данными, «интеллигентная» система подсказок, поддержка внешних VST плаг-инов и другие возможности.

1.5 Трекеры

Трекеры - это отдельная категория звуковых программ, предназначенных именно для создания музыки. Структура и концепция построения трекерных файлов очень похожа на принцип хранения MIDI-информации. В трекерных модулях (файлы, созданные в трекерах, принято называть модулями), также, как и в MIDI-файлах, содержится партитура в соответствии с которой должны проигрываться инструменты. Кроме того, в них содержится информация о том, какие эффекты и в какой момент времени должны быть применены при проигрывании того или иного инструмента. Однако принципиальное отличие трекерных модулей от MIDI-файлов заключается в том, что проигрываемые в этих модулях инструменты (или, точнее сказать, сэмплы) хранятся в самих модулях (то есть внутри файлов), а не в синтезаторе (как это происходит в случае с MIDI). Такой способ хранения музыки имеет массу преимуществ: размер файлов невелик по сравнению с непрерывной оцифрованной музыкой (поскольку записываются только использованные инструменты и партитура в виде команд), нет зависимости звучания от компьютера. На котором происходит воспроизведение (в MIDI, как мы говорили, есть зависимость звучания от используемого синтезатора), имеется большая свобода творчества. Поскольку автор музыки не ограничен наборов инструментов (как в MIDI), а может использовать в качестве инструмента любой оцифрованный звук. Основные программы-трекеры Scream Tracker, Fast Tracker, Impulse Tracker, OctaMED SoundStudio, MAD Tracker, ModPlug Tracker.

Программа ModPlug Tracker является сегодня одним из тех трекеров, сумевших стать универсальной рабочей средой для множества типов трекерных модулей 7 - пример рабочего окна программы, на экране: содержание дорожек одного загруженного модуля и рабочее окно сэмплов другого модуля). Основные возможности: поддержка до 64 физических каналов аудио, поддержка почти всех существующих форматов трекерных модулей, импорт инструментов во множестве форматов, 32-битное внутреннее микширование, высококачественный ресэплирующий фильтр, поддержка MMX/3dNow!/SSE, автоматическое удаление потрескиваний, расширение басов, ревербератор, расширение стерео, 6-полосный графический эквалайзер и другие возможности.

Напоследок следует упомянуть о существовании огромного количества другого аудио ПО: проигрыватели аудио (наиболее выдающиеся: WinAMP, Sonique, Apollo, XMPlay, Cubic Player), подключаемые модули для проигрывателей (из «улучшателей» звучания аудио - DFX, Enhancer, iZotop Ozone), утилиты для копирования информации с аудио CD (ExactAudioCopy, CDex, AudioGrabber), перехватчики аудио потоков (Total Recorder, AudioTools), кодеры аудио (кодеры MP3: Lame encoder, Blade Encoderб Go-Go и другие; кодеры VQF: TwinVQ encoder, Yamaha SoundVQ, NTT TwinVQ; кодеры AAC: FAAC, PsyTel AAC, Quartex AAC), конвертеры аудио (для перевода аудио информации из одного формата в другой), генераторы речи и множество других специфических и общих утилит. Безусловно, все перечисленное - только малая толика из того, что может пригодиться при работе со звуком.

2. Понятие и назначение программ для обработки звуковой информации

2.1 Основные функции и понятия касаемые обработки и кодирования звуковой информации

Из курса физики известно, что звук является волной, т.е. колебанием среды. В повседневной жизни средой является воздух, но на самом деле это необязательное условие. К примеру, звук хорошо распространяется по поверхности земли и в одной среде. Напротив, в вакууме и космосе звук не распространяется.

Звуковые колебания легко преобразуются в электрические с помощью микрофона. Сигнал микрофона является очень слабым, но на современном уровне развития техники его усиление не представляет проблемы. Форму полученных колебаний, т.е. зависимость интенсивности сигнала от времени, можно наблюдать на экране осциллографа - электроннолучевого, прибора для наблюдения функциональной связи между двумя или несколькими величинами (параметрами и функциями; электрическими или преобразованными в электрические).

В эпоху аналоговой записи звука, для сохранения полученного электрического сигнала его преобразовывали в ту или иную форму другой физической природы, которая зависела от применяемого носителя.

Например, при изготовлении грампластинок сигнал вызывал механические изменения размеров звуковой дорожки (с помощью специальной аппаратуры сигнал преобразовался в механические колебания сапфирового резца, который нарезал на слое материала концентрические звуковые канавки).

Для старых киноаппаратов звук на пленку наносился оптическим методом (запись электрических колебаний звуковой частоты, осуществлялась фотографическим способом на движущейся киноплёнке).

Наибольшее распространение в быту получил процесс магнитной звукозаписи (запись производилась с помощью специального устройства - записывающей магнитной головки, создающей переменное магнитное поле на участке движущегося носителя (зачастую магнитной ленты), обладающего магнитными свойствами).

Во всех случаях интенсивность звука была строго пропорциональна какой-либо величине, например, ширине оптической звуковой дорожки, причем эта величина имела непрерывный диапазон значений.

Переход к записи звука в компьютерном виде потребовал принципиально новых подходов. При цифровой записи зависимости интенсивности звука от времени возникает принципиальная трудность: исходный сигнал непрерывен (т.е. его параметр может принимать любе значение в пределах некоторого интервала), а компьютер способен хранить в памяти только дискретные (параметр может принимать только конечное число значений в пределах некоторого интервала). Отсюда следует, что в процессе сохранения звуковой информации она должна быть “оцифрована”, т.е. из аналоговой непрерывной формы переведена в цифровую дискретную. Данную функцию выполняет специальный блок, входящий в состав звуковой карты компьютера, который называется АЦП -- аналого-цифровой преобразователь.

Основные принципы работы АЦП:

· АЦП производит дискретизацию записываемого звукового сигнала по времени.

Это означает, что измерение уровня интенсивности звука в определенные фиксированные моменты времени (чаще всего через равные временные промежутки). Частоту, характеризующую периодичность измерения звукового сигнала, принято называть частотой дискретизации. Её выбор в значительной степени зависит от частотного спектра сохраняемого сигнала: существует специальная теорема Найквиста, согласно которой частота оцифровки звука должна как минимум в 2 раза превышать максимальную частоту, входящую в состав спектра сигнала. Считается, человек слышит звук частотой не более 20 000 Гц = 20 кГц, поэтому для высококачественного воспроизведения звука верхнюю границу обычно с некоторым запасом принимают равной 22 кГц. Частота при таких требованиях должна быть не ниже 44 кГц. Такая частота чаще всего используется, при записи музыкальных компакт-дисков. Однако часто такое высокое качество не требуется, и частоту дискретизации можно значительно снизить. Например, при записи речи вполне достаточно частоты 8 кГц. Результат при этом получается хотя и не блестящий, но вполне разборчивый, к примеру, такое качество у голоса в телефоне.

Качество воспроизведения тем лучше, чем выше частота дискретизации, но в то же время и объем занимаемое памяти звуковых данных при этом тоже возрастает, так что оптимального “на все случаи” значения частоты не существует и частота всегда выбирается из расчета, что более важно качество или объем занимаемой памяти.

· АЦП производит дискретизацию амплитуды звукового сигнала. Это следует понимать так, что при измерении имеется “сетка” стандартных уровней (например, 256 или 65 536 -- это количество характеризует глубину кодирования (количество бит на кодировку звука)), и текущий уровень измеряемого сигнала округляется до ближайшего из них. В итоге появляется линейная зависимость между величиной входного сигнала и номером уровня. То есть в том случае, когда, например, громкость возрастает в 2 раза, то ожидается, что и соответствующее ему число возрастет вдвое. Но такое распределение применяется только в простейших случаях. Чаще всего при записи звука используют неравномерные распределения уровней громкости, в основе которых лежит логарифмический закон.

Таким образом, в ходе оцифровки звука мы получаем поток целых чисел, причем величина числа соответствует силе звука в данный момент.

На рисунке 1 графически проиллюстрировано приведенное выше описание процесса дискретизации. На рисунке представлен процесс оцифровки зависимости интенсивности звукового сигнала I от времени t. Отчетливо видна дискретизация по времени (равномерные отсчеты на горизонтальной оси) и по интенсивности (требуемое при этом округление схематически изображено “изломами” горизонтальных линий разметки). Конечно, реально различие между соседними значениями по обеим осям значительно меньше и, следовательно, форма сигнала передается гораздо точнее.

Рис. 1

Данный метод преобразования показывает, что звук, как и любая другая информация, для возможности хранения в памяти компьютера, нуждается в представлении его в числовом форме и в последующем переводе в двоичную систему счисления.

При воспроизведении записанного в компьютерный файл звука производится преобразование в противоположном направлении -- из дискретной цифровой формы представления сигнала в непрерывную аналоговую. Для этого существует соответствующий узел компьютерного устройства, который называется ЦАП -- цифроаналоговый преобразователь.

Процесс реконструкции первоначального аналогового сигнала по имеющимся дискретным данным нетривиален, поскольку никакой информации о форме сигнала между соседними отсчетами не сохранилось. В разных звуковых картах для восстановления звукового сигнала могут использоваться различные способы. Наиболее наглядный и понятный из них является, тот что по имеющимся соседним точкам рассчитывает некоторую гладкую функцию, проходящую через заданные точки, которая и принимается в качестве формы аналогового сигнала.

Технические возможности современных микросхем позволяют для реконструкции формы сигнала производить весьма сложные вычисления. Выпускаются даже специализированные микропроцессоры, для которых в технической литературе принято название DSP (Digital Signal Processor) -- процессоры цифровой обработки сигналов.

2.2 Основные звуковые форматы

Результаты дискретизации звуковой информации, как и все остальные компьютерные данные, сохраняются на внешних носителях в виде файлов. Звуковые файлы могут иметь различные форматы. Рассмотрим наиболее распространенные из них.

Формат AU. Этот простой и распространенный формат на системах Sun и NeXT (в последнем случае, правда, файл будет иметь расширение SND). Файл состоит из короткого служебного заголовка (минимум 28 байт), за которым непосредственно следуют звуковые данные. Широко используется в Unix-подобных системах и служит базовым для Java-машины.

Формат WAVE (WAV). Стандартный формат файлов для хранения звука в системе Windows. Является специальным типом другого, более общего формата RIFF (Resource Interchange File Format); другой разновидностью RIFF служат видеофайлы AVI. Файл RIFF составлен из блоков, некоторые из которых могут, в свою очередь, содержать другие вложенные блоки; перед каждым блоком данных помещается четырех символьный идентификатор и длина. Звуковые файлы WAV, как правило, более просты и имеют только один блок формата и один блок данных. В первом содержится общая информация об оцифрованном звуке (число каналов, частота дискретизации, характер зависимости громкости и т.д.), а во втором -- сами числовые данные. Каждый отсчет занимает целое количество байт (например, 2 байта в случае 12-битовых чисел, старшие разряды содержат нули). При стерео записи(запись при которой происходит раскладка звука через два (и более) независимых аудиоканала) числа группируются парами для левого и правого канала соответственно, причем каждая пара образует законченный. Такая, казалось бы, излишняя структурированность позволяет программному обеспечению оптимизировать процесс передачи данных при воспроизведении, но, как в подобных случаях всегда бывает, выигрыш во времени приводит к существенному увеличению размера файла.

Формат MP3 (MPEG Layer3). Это один из форматов хранения аудио сигнала, позднее утвержденный как часть стандартов сжатого видео. Поскольку произвольные звуковые данные обратимыми методами сжимаются недостаточно хорошо, приходится переходить к методам необратимым: иными словами, базируясь на знаниях о свойствах человеческого слуха, звуковая информация “подправляется” так, чтобы возникшие искажения на слух были незаметны, но полученные данные лучше сжимались традиционными способами. Такое кодирование называется адаптированным и позволяет экономить на наименее значимых с точки зрения восприятия человека деталях звучания. Приемы, применяемые в MP3, сложны и опираются на достаточно сложную математику, но зато обеспечивают очень значительный эффект сжатия звуковой информации. Технология MP3 является, пожалуй, самой во многих бытовых звуковых устройствах, например, плеерах и сотовых телефонах.

Формат MIDI. Название MIDI есть сокращение от Musical Instrument Digital Interface, т.е. цифровой интерфейс для музыкальных инструментов. Это довольно старый (1983 г.) стандарт, объединяющий разнообразное музыкальное оборудование (синтезаторы, ударные и т.д.). MIDI базируется на пакетах данных, каждый из которых соответствует некоторому событию, в частности, нажатию клавиши или установке режима звучания. Любое событие может одновременно управлять несколькими каналами, каждый из которых относится к определенному оборудованию. Несмотря на свое изначальное предназначение, формат файла стал стандартным для музыкальных данных, которые при желании можно проигрывать с помощью звуковой карты компьютера безо всякого внешнего MIDI-оборудования. Главным преимуществом файлов MIDI является их очень небольшой размер, поскольку это не детальная запись звука, а фактически некоторый расширенный электронный эквивалент традиционной нотной записи. Но это же свойство одновременно является и недостатком: поскольку звук не детализирован, то разное оборудование будет воспроизводить его по-разному, что в принципе может даже заметно исказить изначальный музыкальный замысел.

Формат MOD. Представляет собой дальнейшее развитие идеологии MIDI-файлов. Известные как “модули программ воспроизведения”, они хранят в себе не только “электронные ноты”, но и образцы оцифрованного звука, которые используются как шаблоны индивидуальных нот. Таким способом достигается однозначность воспроизведения звука. К недостаткам формата следует отнести большие затраты времени при наложении друг на друга шаблонов одновременно звучащих нот.

2.3 Цифровые синтезаторы музыкальных звуков

Информация, которую несет музыкальный звук, рассказывает о высоте (то есть о том, какая нота звучит) и тембре или типе музыкального инструмента, с помощью которого производится звукоизвлечение (генерация звука). Так же, в структуру музыкального звука исполнитель закладывает свою "импрессию", варьируя силу и резкость начала (атаки) и окончания (затухания), громкость, применяя амплитудное и частотное вибрато. Осциллограмма сигнала музыкального инструмента представлена на рис. 2.

Рис. 2

Как правило, звук начинается с так называемой атаки, быстрого нарастания амплитуды сигнала. Длительность атаки для разных музыкальных инструментов варьируется от единиц до нескольких десятков или даже сотен миллисекунд. После атаки начинается поддержка, в течение которой уровень сигнала примерно постоянен или плавно меняется в случае применения амплитудного вибрато. Во время поддержки формируется ощущение высоты звука. Далее идет участок затухания, уменьшения величины сигнала. Атака, поддержка и затухание образуют так называемую амплитудную огибающую.

Спектр сигнала, то есть представление сигнала в частотной области, показан на рис. 3.

Рис. 3

Спектр музыкального сигнала состоит из последовательности (по оси частот) узких "колоколов". Причем частоты, соответствующие максимумам (вершинам) "колоколов", примерно кратны основному тону или "фундаментальной" частоте музыкального звукового сигнала, под которой понимается частота, соответствующая человеческому ощущению высоты звука.

Целью анализа музыкальных звуков является изучение их структуры, определение существенных для восприятия человеческим слухом характеристик и использование полученных знаний для синтеза правдоподобно звучащих виртуальных цифровых музыкальных инструментов.

Традиционно для анализа сигналов в частотной области применяется быстрое преобразование Фурье. Данное преобразование позволяет представить любой дискретизированный сигнал, состоящий из N отсчетов в виде суммы N гармонических колебаний вида:

Yk(t)=Ak*sin(2П*Fk*t+Фk),

где k - номер гармоники, целое число от 0 до N-1; Ak - амплитуда k-й гармоники (расположенные на графике в виде вертикальных линий, как на рис. 3, в порядке возрастания k, они и образуют амплитудный спектр сигнала); Fk - частота k-й гармоники; Фk - фаза k-й гармоники; t - время, равное в моменты дискретизации (взятия отсчетов) сигнала

t=i*Td,

где i - номер дискретного отсчета сигнала от 0 до N-1; Td - период дискретизации сигнала (интервал времени, через который берутся отсчеты сигнала). Td = 1/Fd, где Fd - частота дискретизации (например, 44,1 кГц). Fk - частота k-й гармоники, вычисляемая по формуле:

Fk=k*Fd/N.

Другими словами, Fk = k*F1. Такое же соотношение существует между гармониками (в смысле координат вершин "колоколов") в спектре музыкального сигнала. Таким образом получается, что даже спектр белого шума (стационарный шум, спектральные составляющие которого равномерно распределены по всему диапазону задействованных частот), вычисленный с помощью БПФ, состоит из суммы "гармонических" гармоник. В данном случае над принять во внимание, что БПФ - это всего лишь один из многих инструментов анализа сигналов, математически устроенный определенным образом и обладающий некоторыми парадоксальными свойствами. То, что любой сигнал можно представить (используя БПФ) суммой "гармонических" гармоник с постоянными во времени амплитудами, вовсе не означает, что физически сигнал на самом деле был сгенерирован в виде такой суммы! Например, реальный сигнал может быть физически сгенерирован как сумма нескольких быстро затухающих или возрастающих синусоидальных колебаний с произвольными некратными частотами. Однако его оцифрованный с некоторой частотой дискретизации отрезок произвольной длительности математически с помощью БПФ всегда можно представить в виде суммы "чистых" гармоник с постоянной амплитудой, что значительно усложнит нам понимание истинной природы анализируемого сигнала и его синтез. Например, БПФ короткого отрезка быстро затухающей одиночной синусоиды даст широкий спектр, состоящий из десятков гармонических сигналов. Естественно, такой сигнал гораздо сложнее генерировать с вычислительной точки зрения, чем одиночную синусоиду с быстро уменьшающейся амплитудой. Следовательно, БПФ малопригодно для анализа гармонической структуры музыкального сигнала (с целью использования результатов анализа для синтеза) на стадии атаки и, в некоторых случаях, на стадии затухания.

На стадии поддержки БПФ позволяет провести довольно детальные исследования. Однако точность анализа с помощью простейшей формы БПФ, доступной в программах CoolEdit и WaveLab, ограничена величиной, равной 1/T Гц, где T - длина в секундах подвергавшегося БПФ участка сигнала. Положим, мы исследуем сигнал, состоящий из 4410 отсчетов при частоте дискретизации 44,1 кГц. Длина его по времени составит 0,1 секунды, и, следовательно, точность измерения частот гармоник с использованием БПФ не превысит 10 Гц, а это весьма заметная для музыканта ошибка. Надо заметить, что нота длинной 0,1 секунды - не такая уж большая редкость в реальных музыкальных произведения. Но получается, что с помощью простейших форм БПФ измерить с приемлемой точностью (0,1-0,5 Гц) частоту основного тона музыкального звука в этом случае практически невозможно. Поэтому при анализе спектра сигналов используют метод сверхвысокого разрешения Прони. В этом методе сигнал представляется в виде суммы затухающих или нарастающих синусоид, частоты которых вычисляются с высочайшей точностью в процессе анализа сигнала по формулам Прони и могут не образовывать гармонический ряд. Данный метод гораздо больше, чем БПФ, соответствует физической природе музыкальных сигналов и позволяет проводить анализ звуков на стадии атаки и затухания.

Почему же так важен анализ спектров музыкальных сигналов? Дело в том, что сигналы, имеющие сходные амплитудные спектры (БПФ или Прони), имеют сходное звучание, хотя форма сигналов во временной области при этом может существенно различаться. Простейший пример - два отрезка белого шума. Звучат они одинаково (шипение), а вот их временные отсчеты (или осциллограммы) могут не совпадать ни в одной точке! Зато их усредненные БПФ-спектры будут одинаковыми. Некоторые методы синтеза (в частности, частотной модуляции) музыкальных звуков интенсивно используют это свойство человеческого слуха.

2.4 Синтез музыкальных звуков

Обобщенно технология создания музыкальных звуков в современных электромузыкальных цифровых синтезаторах выглядит так: с помощью цифрового устройства, использующего волновой табличный. Частотно-модуляционный, физического моделирования, аддитивного гармонического синтеза и другие методы, генерируется так называемый сигнал возбуждения с заданной высотой звука. Он должен иметь спектральные характеристики, максимально похожие на характеристики имитируемого музыкального инструмента, на стадии поддержки. Затем сигнал возбуждения подается на фильтры, имитирующие амплитудно-частотные характеристики излучающих звук поверхностей (корпус, дека и т.д.) реальных музыкальных инструментов, и управляемые сигналом амплитудной огибающей фильтры, создающие эффект большего количества высоких частот во время стадии атаки и последующего их уменьшения. Одновременно формируется амплитудная огибающая сигнала с помощью умножения временных отсчетов сигнала на временные отсчеты образцовой для данного типа реального музыкального инструмента амплитудной огибающей. Могут быть добавлены частотное и амплитудное вибрато.

Далее обычно сигнал обрабатывается электронными звуковыми эффектами реверберации и хоруса. Иногда используются дополнительные эффекты: флэнжер, pitch-shifter, speaker simulator, гармонайзер, подавитель шумов, эквалайзер и другие. Если синтезируется нескольких одновременно звучащих нот разных музыкальных инструментов, то большинство описанных операций в мощных цифровых устройствах выполняется для каждой ноты каждого инструмента отдельно. Результирующий сигнал получается суммированием в цифровом виде всех составляющих звуков и только после этого преобразуется из цифрового представления в аналоговое с помощью высококачественного ЦАП. Естественно, в конкретных реализациях цифровых синтезаторов музыкальных звуков некоторые этапы могут быть упрощенны или вовсе отсутствовать, что, конечно, не улучшает качество их звука. Обычно синтезаторы получают в среде музыкантов упрощенное название по типу примененного в них генератора возбуждающей функции. Например, если применяется волновой табличный генератор, то и все устройство целиком может быть названо "wavetable synthesizer" - синтезатор с вэйвтейблом, или табличный синтезатор.

В наше время самым распространенным и популярным является метод табличного синтеза и его модификации, который зачастую используют современные синтезаторы музыкальных звуков. Идея этого метода проста. В оперативную (ОЗУ) или постоянную (ПЗУ) память синтезатора записывается оцифрованный звук какого-нибудь музыкального инструмента. В нужный момент этот оцифрованный сигнал просто считывается и выводится на цифро-аналоговый преобразователь. Главным вопросом в таком деле остается, что делать с высотой и тональностью полученного звука? Ведь воспроизведется именно та нота, которая была сыграна в момент оцифровки звука музыкального инструмента, а синтезатор должен воспроизводить любую ноту с тембром образцового музыкального инструмента, оцифрованный звук которого хранится в памяти.

Предположим, что исходный сигнал дискретизирован с частотой 44,1 кГц. Если мы будем воспроизводить его на удвоенной частоте дискретизации 88,2 кГц, то есть вдвое быстрее, высота звука возрастет на октаву. Если же воспроизводить сигнал на пониженной частоте дискретизации, то высота звука соответственно уменьшится. Таким образом, при воспроизведении сигнала на измененной соответствующим образом частоте дискретизации, получаем звук любой высоты. Однако и у такого метода существуют свои недостатки. Во-первых, сделать высокостабильный плавно перестраиваемый генератор частоты дискретизации очень трудно. Кроме того, число таких устройств должно быть равно числу одновременно воспроизводимых нот разных музыкальных инструментов.

Однако существует и другой неприятный момент. Одновременно со смещением величины тактовой частоты и высоты звука будет изменяться длительность атаки и скорость затухания сигнала. Так, если удвоить тактовую частоту, то наряду с удвоением высоты звука в два раза уменьшится общее время звучания сигнала (так как он будет проигрываться в два раза быстрее). Отсюда вдвое сократится длительность атаки, и вдвое возрастет скорость затухания звука. Это вызовет искажение общего впечатления о звуке.

В реальном музыкальном инструменте при изменении высоты звука форма амплитудно-частотной характеристики (АЧХ) излучающих звук поверхностей, местоположение на оси частот, величина ее максимумов и провалов механических и акустических резонансов обычно не изменяются. А вот при изменении скорости воспроизведения оцифрованного сигнала вместе с частотой основного тона изменится и форма АЧХ (растянется или сожмется, максимумы и минимумы сместятся по оси частот). Конечно, это сильно исказит звук. Кроме того, в некоторых музыкальных инструментах (пианино, гитара и т.д.) звуки разной частоты формируются с помощью различающихся механически элементов конструкции (струны с оплеткой и без; несколько струн, настроенные в унисон). В этом случае звук, полученный с помощью удвоения скорости воспроизведения оцифрованного сигнала, может изначально не соответствовать реальному на октаву более высокому звуку. Поэтому в табличных синтезаторах применяется несколько другой способ изменения высоты звука. Оцифровывается несколько разных по высоте сигналов реального музыкального инструмента, перекрывающих весь его частотный диапазон. Шаг по частоте должен быть достаточно мал, чтобы изменения тембра, связанные с конструктивными особенностями инструмента, при смещении частоты основного тона с помощью варьирования частоты дискретизации не были заметны на слух.

Эксперименты показывают, что некоторые эксперты замечают изменения тембра при шаге в один тон. Однако в недорогих устройствах считается достаточной оцифровка через пол-октавы. При генерации звука определенной высоты табличный синтезатор определяет, в каком частотном диапазоне находится звук, и использует соответствующие отсчеты из своей таблицы, корректируя их частоту основного тона точно до требуемой высоты, виртуально подстраивая частоту дискретизации (ЧД). Под виртуальностью подразумевается следующее. ЧД выходного сигнала жестко стабилизирована кварцевым генератором (например, 44,1 кГц). Звук музыкального инструмента также дискретизирован на частоте 44,1 кГц. Для изменения высоты сигнала надо выбирать отсчеты сигнала из таблицы с частотой, немного отличной от 44,1 кГц, а подавать на ЦАП с частотой, точно равной 44,1 кГц. Это полностью аналогично (виртуальному) изменению частоты дискретизации данных в таблице и естественно будет восприниматься слухом как изменение высоты основного тона сигнала.

2.5 Обработка звука

Обработка звука бывает разноплановой и зависит от целей, которые преследуют при обработке. Это может быть подавление шумов, наложение звуковых фильтров, добавление реверберации или дилея, выведение на передний план определённых частот и т.п.

Наиболее необходимой и практически повсеместно используемой процедурой является подавление шумов. Шумы могут быть как внешними, случайно записанными на микрофон фоновыми звуками в помещении с плохой звукоизоляцией, так и внутрисистемными, возникшими вследствие плохого экранирования шнуров и прочего звукозаписывающего оборудования. Шумы имеют свои частоты, диапазон которых сравнительно узок. Это позволяет подавлять их путём простой эквализации, то есть - убирать частоты, на которых больше всего шума и меньше всего нужных звуков. Запись, на которой шумы занимают сравнительно небольшой диапазон, не соприкасающийся с диапазоном других звуков, считается чистой. Запись, на которой шумы звучат почти на всех частотах, считается грязной, так как их практически невозможно подавить без ущерба для нужных звуков.

Реверберация считается вторым по востребованности шагом в обработке звука. Реверберация - это постепенное затухание звука, например, в большом помещении с хорошей акустикой. При небольшой продолжительности она добавляет вокалу или сольным инструментам глубину и выразительность звучания, поэтому её используют довольно часто. В отличие от простого эха, которое просто повторяет звук несколько раз, при этом, затихая, реверберация прогрессивно меняет соотношение частот повторяемого звука, что может создавать самые разнообразные эффекты.

После реверберации по популярности, пожалуй, стоят дилей-эффекты. Или попросту задержки звука. Это может быть как обычное эхо любой частоты затухания, так и более изысканные дилеи. Особенно дилей может понадобиться при обработке моно-звука и превращении его в псевдостерео. Для этого производится совсем незначительная задержка звука в одном из каналов. При этом одному каналу желательно добавить немного «сухости» (средних частот). Тогда бывший моно-звук начинает звучать в разных каналах и чуть-чуть по-разному, что и создаёт эффект стерео.