Принципы сжатия звуковой информации на основе алгоритмов MPEG

Размещено на http://www.allbest.ru/

Государственной коммитет связи информатизации и телекоммуникационных технологий республики узбекистан

Ташкентский Университет Информационных Технологий

Выпускная квалификационная работа

Тема: Принципы сжатия звуковой информации на

основе алгоритмов MPEG

Выпускник ________ Урунбаев Ш.Н.

(подпись) (Ф.И.О)

Научный руководитель ________ Алимов Д.Б.

(подпись) (Ф.И.О)

Рецензент ________ Абдурахманов Б. Э

(подпись) (Ф.И.О)

ТАШКЕНТ - 2013 г.

Государственной коммитет связи, информатизации и телекоммуникационных технологий республики узбекистан

ТАШКЕНТСКИЙ УНИВЕРСИТЕТ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ

Факультет Телевизионных технологий, кафедра «Компьютерная графика и дизайн» Направление (специальность) 5525700 - «Технология звукозаписи»

УТВЕРЖДАЮ

Зав кафедрой Нуралиев Ф.М.

«____» _______________2013 г.

 ЗАДАНИЕ

на выпускную квалификационную работу

Урунбаев Шарофиддин Низомиддинович

(фамилия, имя, отчество)

1.Тема работы: Принципы сжатия звуковой информации на основе_______ алгоритмов MPEG

2.Утверждена приказом по университету от « _4_» 02.2013 г. Б № 110

3.Срок сдачи законченной работы 27 мая 2013 г.

4.Исходные данные к работе Введение. Различные методы и способы звукозаписи. Теоритические аспекты цифровой обработки звука и форматы цифровых звуковых файлов. БЖД. Заключение. Список используемой литературы.

5. Содержание расчетно-пояснительной записи (перечень подлежащих разработке вопросов

6. Перечень графического материала презентация

7. Дата выдачи задания 5 февраль 2013 г.

Руководитель________________

(подпись)

Задание принял_______________

(подпись)

8. Консультанты по отдельным разделам выпускной работы

Раздел	Ф.И.О. руководителя	Подпись, дата
		Задание выдал	Задание получил
1.Введение	Алимов Д.Б.	05.02.2013	05.02.2013
2. Различные методы и способы звукозаписи	Алимов Д.Б.	10.02.2013	10.02.2013
3. Теоретические аспекты цифровой обработки звука	Алимов Д.Б	1.03.2013	1.03.2013
4. Форматы цифровых звуковых файлов	Алимов Д.Б.	2.04.2013	2.04.2013
5. Безопасность жизнедеятельности	?одиров Ф.М	24.05.2013	24.05.2013
6.Заключение.	Алимов Д.Б.	25.05.2013	25.05.2013

9. График выполнения работы

№	Наименование раздела работы	Срок выполнения	Отметка руководителя о выполнении
1	Введение	05.02.2013-9.02.2013
2	Различные методы и способы звукозаписи	10.02.2013-28.03.2013
3	Теоретические аспекты цифровой обработки звука	1.03.2013-1.04.2013
4	Форматы цифровых звуковых файлов	2.04.2013-3.05.2013
5	Безопасность жизнедеятельности	24.05.2013-30.05.2013
6	Заключение	25.05.2013-30.05.2013

Выпускник _____________ «____» _____________2013г.

(подпись)

Руководитель ___________ «____» _____________2013г.

(подпись)

Данная выпускная квалификационная работа посвящена принципам сжатия звуковой информации на основе алгоритмов MPEG.Также были описаны математические методы кодирования и сжатия звуковой информации. В данной работе были рассмотрены различные форматы звуковых данных. Был сделан сравнительный анализ форматов звуковой информации. Были выявлены преимущества и недостатки формата MPEG Layer III.

Ушбу битирув малакавий иши MPEG алгоритмлари асосида товушли ахбротни си?иш принципларига ба?ишланган. Шунингдек товушли ахборотнинг кодлаш ва си?ишнинг математик моделлари таърифланган. Ушбу ишда турли хил товуш ахборотлари форматлари келтирилган. Товушли ахборот форматларининг та??осий та?лили амалга оширилган. MPEG Layer III форматининг афзалликлари ва камчиликлари ани?ланган.

In given exhaust qualification work is dedicated to principle of the compression to sound information on base algorithm MPEG. Also, the mathematical methods of the coding were described and compressions to sound information is given. In given functioning were considered different formats sound data. There is made benchmark analysis format sound information. The advantage and defect of the format MPEG Layer III were revealled.

ВВЕДЕНИЕ

Цель работы

Изучить формирования звука в цифровом виде, алгоритмы и форматы цифровой звукозаписи

Актуальность работы

На сегодняшний день проблема избрания единого цифрового формата звукозаписи так и для озвучивания компьютерных игр и приложений так и для массового прислуживания имеет свой приоритет. Исходя из этого изучния алгоритмов и формирования формата MPEG и других форматов является актуальной

Цели и задачи

1. Рассмотреть принципы оцифровки звука

2. Изучить алгоритмы формирования звука формата MPEG и Ogg Vorbis

3. Произвести сравнительный анализ разных звуковых форматов

В наше время активного развития электронных технологий и внедрения их в бытовые изделия широкого потребления, в частности, в мультимедийную технику: цифровые плееры, фотоаппараты, камеры, остро встает вопрос об удобстве хранения цифровой информации, передачи по различным интерфейсам и протоколам и, естественно, о ее сжатии. Существует достаточно много форматов сжатия аудио сигнала. Среди них наиболее известные:

? MP3 (MPEG-1 layer 3);

? Ogg Vorbis;

? WMA (Windows Media);

? RealAudio.

Безусловно, MP3 сейчас является самым распространённым форматом сжатия аудио. Но вовсе не потому, что он - лучший по качеству звучания или компрессии. Просто исторически сложилось так, что он появился на рынке намного раньше других форматов. Еще одна весомая причина - это инертность производителей разнообразной мультимедийной техники, не желающих вводить новые аудиоформаты. Если судить по проведенным тестам независимых исследователей, то выявляется другой лидер - Ogg Vorbis [1,2].

И MP3 и Vorbis основаны на разбиении сигнала на сегменты и применении к каждому сегменту дискретного преобразования Фурье с использованием психоаккустического фильтра и алгоритмов кодирования (Huffman, VQ), но отличаются реализацией. В перспективе развития разработчики кодека Ogg Vorbis планируют привлечь вэйвлет-технологию сжатия цифровых аудиоданных.

Естественным образом возникла идея изучить вэйвлет-анализ (анализ всплесков), активно внедряющийся в сферы обработки одномерных и двумерных сигналов, научиться использовать его на практике, а также попробовать применить оптимизационный метод в целях решения поставленной задачи.

Для сжатия звука, можно использовать следующие методы или их комбинации.

1) Трешолдинг - отбрасывание близких к нулю коэффициентов в разложении сигнала.

2) Округление коэффициентов. Естественно, за сжатие надо оплатить потерей качества, которая возникает из-за округления. Желательно, чтобы восстановленный сигнал как можно меньше отличался от исходного. Поэтому, одной из главных задач становится оценка значимости того или иного коэффициента в разложении относительно остальных и, соответственно, определение точности его хранения.

3) Подбор преобразования, обеспечивающего наименьший суммарный объем хранимого числа разрядов.

4) Подбор разбиения сигнала, обеспечивающего наименьший суммарный объем хранимого числа разрядов. Есть гипотеза, о том, что можно сэкономить суммарное количество разрядов, подбирая сегменты разбиения так, чтобы сигнал совпадал по фазе с некоторыми базисными функциями. Следовательно, коэффициенты при других базисных функциях будут близкими к нулю. Для нахождения оптимального разбиения можно использовать подходящий оптимизационный метод, например, динамическое программирование.

Глава1.Различные методы и способы звукозаписи

1.1 Магнитная запись

Магнитофон

Рис.1.1 Студийный катушечный магнитофон

В 1927 году немецкий инженер Фриц Пфлеймер (Fritz Pfleumer), после ряда экспериментов с различными материалами, сделал напыление порошком оксида железа на тонкую бумагу с помощью клея. В 1928 году он получил патент за применение магнитного порошка на полоске бумаги или кинопленке. В этом же 1928-м году он демонстрирует свой прибор магнитной записи с бумажной лентой публике. Бумажная лента хорошо намагничивалась и размагничивалась, её можно было обрезать и склеивать. В 1936-м году Национальный суд Германии признал права по патенту Пфлеймера недействительными, так как покрытие бумажной ленты железным порошком было изложено ещё в патенте Паульсена от 1898-го года.

В 1932 году компания AEG, взяв на вооружение идею Пфлеймера, начала производство прибора для магнитной записи под названием «Магнетофон-К1». Носителем в «Магнетофоне-К1» была пленка, которую изготавливал немецкий химический концерн BASF. «Магнетофон-К1» был представлен публике в 1935-м году на радиовыставке в Берлине.

В 1939 году BASF представил публике плёнку, покрытую порошком оксида железа. Это было революционно. Параллельно этому инженер Уолтер Вебер работал над улучшением качества воспроизведения Магнитофонов, производимых AEG. Он проводил эксперименты с подмагничиванием пленки. Опытным путем было доказано, что высокочастотное подмагничивание переменным током намного улучшает качество воспроизведения. Весной 1940-го года Вебер получает патент на технологию высокочастотного подмагничивания переменным током, и уже в 1941-м году AEG выпускает новую модель Магнитофона: Magnetophon K4-HF. Технические характеристики этой модели аппарата магнитной записи превосходили все существовавшие тогда аппараты магнитной записи: благодаря открытой Вебером технологии, уровень сигнал-шум составил 60 Дб, а воспроизводить он уже мог частоты выше 10 кГц.

В 1942-м году AEG начала проводить эксперименты по записи звука в стерео формате.

В 30-40-х гг. XX века получили развитие бобинные магнитофоны, причём имелись уже и портативные модели, с конца 50-х гг. - картриджные, а с конца 60-х гг. - кассетные. Цифровые магнитофоны появились в конце 70-х гг.

Магнитная пленка открыла массу новых возможностей для манипулирования звуком музыкантам, композиторам, продюсерам и инженерам. Магнитная пленка была относительно дешевым и очень надежным звуконосителем. И звучала она лучше, чем любые другие звуконосители того времени. Но самое важное то, что магнитная пленка была так же удобна в работе как и кинопленка.

Кассетный формат

Первый кассетный формат, использовавший ленту, склеенную в бесконечную петлю, был запатентован в 1952 году.

В 1963 году компания Philips представила новый формат кассеты для звукозаписи, вышедший на рынок под названием «компакт-кассета» (англ. Compact Cassette). Опасаясь ответного хода конкурентов из Sony, Philips предпочёл отказаться от платы за лицензии на производство кассет, что и привело к массовому распространению нового формата.

В 1965 году фирма Grundig выпустила на рынок очень похожую кассету DC International и магнитофоны под нее. Конкуренции с компакт-кассетой этот формат не выдержал и через несколько лет сошел со сцены.

Принципиальным преимуществом компакт-кассеты перед 4- и 8-дорожечными картриджами была простота механизма магнитофона. Бытовые 8-дорожечные магнитофоны могли только воспроизводить ленты, а для записи требовались профессиональные аппараты. Поэтому, несмотря на теоретически худшее качество звучания (из-за вдвое меньшей скорости протяжки), на практике к середине 1970-х годов компакт-кассеты захватили рынок даже в США.

В 1971 году компания Advent Corporation впервые представила кассету c магнитной лентой на основе оксида хрома(IV). Появление этих кассет кардинально изменило судьбу этого вида носителей аудиоинформации. Качество звука на них было намного выше. Это привело к появлению кассет с записанной на них (в фабричных условиях) музыкой (фонограммой), кроме того, кассеты начали использоваться для самостоятельной записи музыки.

1.2 Оптическая запись звука

Фотографическая запись

Рис.1.2 Фонограмма переменной плотности (слева) и фонограмма переменной ширины (справа)

В 1919 году американский изобретатель Ли де Фомрест подал свой первый патент на процесс озвучивания фильмов, в котором усовершенствовал разработку финского изобретателя Эрика Тигерштедта и немецкой компании Tri-Ergon, и назвал этот процесс «Фонофильм Фореста». В «Фонофильме» звук записывается непосредственно на плёнку в виде параллельных линий различных оттенков серого цвета. Позже такой метод стал известен как метод «переменной плотности» в отличие от метода «переменной ширины» в системе «RCA Фотофон», разработанной в RCA. Эти линии кодируют электрические сигналы от микрофона и наносятся фотографическим способом на плёнку, а во время демонстрации фильма переводятся обратно в звуковые волны.

В ноябре 1922 года Форест организовал в Нью-Йорке свою компанию Фонофильм, но ни одна из голливудских студий не выразила никакого интереса к его изобретению. Тогда Форест создал 18 коротких звуковых фильмов, и 23 апреля 1923 года организовал их показ в театре Риволи в Нью-Йорке. Макс и Дэйв Флейшеры использовали процесс «Фонофильм» в своём музыкальном трюковом мультсериале «Вслед за грохочущим шаром», начиная с мая 1924 года. Форест работал вместе с Фриманом Оуэнсом и Теодором Кейсом, совершенствуя систему «Фонофильм». Однако, они потерпели неудачу. Кейс передал их патенты владельцу студии Fox Film Corporation Вильяму Фоксу, который затем усовершенствовал собственный процесс озвучивания «Мувитон». В сентябре 1926 г. компания Фонофильм подала документы на банкротство. Голливуд к тому времени внедрил новый метод озвучивания «Витафон», разработанный компанией Warner Brothers, и выпустил 6 августа 1926 г. звуковой фильм «Дон-Жуан» с Джоном Бэрримором в главной роли.

В 1927 -1928 годах, Голливуд начал использовать для озвучивания фильмов системы «Мувитон» Фокса и «Фотофон» RCA. Между тем, владелец сети кинотеатров Великобритании Шлезингер приобрёл права на «Фонофильм», и с сентября 1926 г. по май 1929 г. выпускал короткометражные музыкальные фильмы британских исполнителей.

Лазерная запись

При помощи лазерного луча на вращающийся оптический диск записываются цифровые сигналы. В результате записи на диске образуется спиральная дорожка, состоящая из впадин (питов) и гладких участков. В режиме воспроизведения лазерный луч, сфокусированный на дорожку, перемещается по поверхности вращающегося оптического диска и считывает записанную информацию. При этом впадины считываются как нули, а ровно отражающие свет участки - как единицы. Такой метод записи обеспечивает практически полное отсутствие помех и высокое качество звучания. По сравнению с механической и магнитной звукозаписью оптический диск имеет целый ряд преимуществ - очень высокую плотность записи и полное отсутствие механического контакта между носителем и считывающим устройством в процессе записи и воспроизведения.

Звуковой компакт-диск

В марте 1979 года на пресс-конференции компания Philips продемонстрировала качество звука прототипа системы компакт-диск. Через неделю в Японии заключило соглашение с фирмой Sony по созданию стандарта на аудиодиск. В 1980 году Philips и Sony после некоторых доработок выпускают их Red Book (красную книгу), которая была положена в основу стандарта на звуковой компакт-диск. В апреле 1982 года Philips представил свой первый компакт-диск проигрыватель. В этом же году на заводе в Германии началось массовое производство компакт-дисков. Совершенно новый носитель информации, заменивший грампластинки, стал основой для будущих поколений оптических дисков, применяемых не только для хранения звукозаписей, но и для видео, медиаинформации и в компьютерных системах.

1.3 Магнитооптическая запись

Запись ведется при помощи магнитной головки и лазерного луча на специальный магнитооптический слой диска. Излучение лазера разогревает участок дорожки выше температуры точки Кюри 121°C, после чего электромагнитный импульс изменяет намагниченность, создавая отпечатки, эквивалентные питам на оптических дисках. Считывание осуществляется тем же самым лазером, но на меньшей мощности, недостаточной для разогрева диска: поляризованный лазерный луч проходит сквозь материал диска, отражается от подложки, проходит сквозь оптическую систему и попадает на датчик. При этом в зависимости от намагниченности изменяется плоскость поляризации луча лазера (эффект Керра, открыт в 1875 году) что и определяется датчиком.

Минидиск

Минидиск был разработан и впервые представлен компанией Sony 12 января 1992 года. Позиционировался как замена компакт-кассетам, к тому времени уже полностью изжившим себя.

Hi-MD

В январе 2004 года, Sony анонсировала формат медианосителя Hi-MD, как дальнейшее развитие формата MiniDisc. Новый диск вмещал уже один Гигабайт данных и мог исользоваться не только для звукозаписи, но и для хранения документов, видео и фотографии. Появилась возможность выбирать из трех режимов записи: высококачественного (PCM mode), позволяющего записывать 94 минуты (1 час 34 мин) звуковых данных CD-качества, 7 часов в стандартном режиме записи (Hi-SP) со сжатием ATRAC, и низкокачественного режима (Hi-LP) с записью на 34 часа, помещенной на одном диске.

1.4 Заключение по 1-й главе

История звукозаписи очень древняя и её можно изучить как отдельный предмет. Веками звук, в частности музыка была основной развлекательной культурным видом произведений. Запись и хранение музыкальных (звуковых) произведений все усовершенствовалось. Создавались все новые виды звуконосителей. Развитием науки в частности техники воспроизводились новые методы звукозаписи, совершенствовались и минимизировались микрофоны, кассеты, лазерные диски. Также не мало важную роль в этом внес создание персонального компьютера и различных звуковых карт. Не только записывался звук с концерта или оркестра, стало возможным создавать звуки музыкальных инстриментов посредством компьютерных программ.

В данной главе были рассмотрена иерархия истории создания звукозаписи, в том числе такие составляющие данной иерархии как магнитная, оптическая, магнито-оптическая, лазерная запись звука. Были приведены исторния создани, а также особенности и техническое построение данных видов звукозаписи. С уверенностью можно сказать, что записи методов звукозаписи рассмотренные в первой главе можно оцифровать, редактировать и переформировать в различные цифровые звуковые форматы.

Глава 2. Теоритические аспекты цифровой обработки звука

2.1 Цифровое преобразование звука

Цифровомй звук - кодирование аналогового звукового сигнала в виде битовой последовательности. Простейшая форма кодирования аналогового звукового сигнала состоит в представлении последовательности уровней электрических звуковых колебаний в определенные промежутки времени с применением импульсно-кодовой модуляции. Также издавна известна сигма-дельта-модуляция. Современные системы кодирования в цифровой звук используют более сложные подходы, некоторые из которых, но не все, основаны на изначальном незначительном искажении, обычно невоспринимаемом человеческим ухом. Кроме описания звуковых колебаний в цифровом виде, применяется также создание специальных команд для автоматического воспроизведения на различных электронных музыкальных инструментах, ярчайшим примером такой технологии является MIDI.

Преимущества битового кода используются при передаче кодированного сигнала на расстояние, криптовании сигнала, цифровой подписи сигнала, восстановлении потерь, вызванной помехами при передаче, а также в прочих приложениях.

Цифровая звукозапись - технология преобразования аналогового звука в цифровой с целью сохранения его на физическом носителе для возможности последующего воспроизведения записанного сигнала.

Принцип цифровой звукозаписи методом периодической дискретизации и квантования сигнала

Рис.2.1 Преобразование аналогового сигнала в цифровой в АЦП и обратное восстановление его в ЦАП

Рис.2.2Структурная схема цифровой звукозаписи и воспроизведения

Принцип цифрового представления колебаний звукозаписи достаточно прост:

· вначале нужно преобразовать аналоговый сигнал в цифровой, это осуществляет устройство - аналого-цифровой преобразователь (АЦП)

· произвести сохранение полученных цифровых данных на носитель: магнитную ленту (DAT), жёсткий диск, оптический диск или флеш-память

· для того чтобы прослушать сделанную запись, необходимо воспроизведение сделанной записи с носителя и обратное преобразование из цифрового сигнала в аналоговый, с помощью цифро-аналогового преобразователя (ЦАП).

Принцип действия АЦП тоже достаточно прост: аналоговый сигнал, полученный от микрофонов и электро-музыкальных инструментов, преобразовывается в цифровой. Это преобразование включает в себя следующие операции:

1. Ограничение полосы частот производится при помощи фильтра нижних частот для подавления спектральных компонент, частота которых превышает половину частоты дискретизации.

2. Дискретизацию во времени, то есть замену непрерывного аналогового сигнала последовательностью его значений в дискретные моменты времени - отсчетов. Эта задача решается путём использования специальной схемы на входе АЦП - устройства выборки-хранения.

3. Квантование по уровню представляет собой замену величины отсчета сигнала ближайшим значением из набора фиксированных величин - уровней квантования.

4. Кодирование или оцифровку, в результате которого значение каждого квантованного отсчета представляется в виде числа, соответствующего порядковому номеру уровня квантования.

Делается это следующим образом: непрерывный аналоговый сигнал «режется» на участки, с частотой дискретизации, получается цифровой дискретный сигнал, который проходит процесс квантования с определенной разрядностью, а затем кодируется, то есть заменяется последовательностью кодовых символов. Для качественной записи звука в полосе частот 20-20 000 Гц применяется минимальная стандартная частота дискретизации от 44,1 кГц и выше (в настоящее время появились АЦП и ЦАП c частотой дискретизации 192,3 и даже 384,6 кГц). Для получения довольно качественной записи достаточно разрядности 16 бит, однако для расширения динамического диапазона и повышения качества звукозаписи используется разрядность 24 (реже 32) бита.

Дискретизация сигнала во времени

В процессе формирования АИМ сигнала осуществляется дискретизация непрерывного (аналогового) сигнала во времени в соответствии с известной теоремой дискретизации (теоремой В.А.Котельникова): любой непрерывный сигнал, ограниченный по спектру верхней частотой F_В полностью определяется последовательностью своих дискретных отсчетов, взятых через промежуток времени T_д=1/2 F_В, называемый периодом дискретизации. В соответствии с им частота дискретизации, т.е. следования дискретных отсчетов, выбирается из условия F_Д? 2F_В.

Поскольку все реально существующие непрерывные сигналы связи представляют собой случайные процессы с бесконечно широким спектром, причем основная энергия сосредоточена в относительно узкой полосе частот, перед дискретизацией необходимо с помощью фильтра нижних частот ограничить спектр сигнала некоторой частотой F_В. Для телефонных сигналов необходимо использовать ФНЧ с частотой среза F_В=3,4 кГц. Частота дискретизации для телефонных сигналов выбрана равной 8 кГц.

Устройство, выполняющие дискретизацию во времени, называют устройством выборки и хранения (УВХ) (Рис. 8.21). УВХ могут выпускаться в интегральном исполнении. Вид сигналов в точках 1, 2 и 3 УВХ показан, соответственно, на Рис. 8.22, Рис. 8.23 и Рис. 8.24.

Рис. 2.3 Устройство выборки и хранения

Рис. 2.4 Аналоговый сигнал

Рис. 2.4 Сигнал АИМ1

Рис. 2.5 Сигнал АИМ2

Квантование (англ. quantization) - в информатике разбиение диапазона значений непрерывной или дискретной величины на конечное число интервалов. Существует также векторное квантование - разбиение пространства возможных значений векторной величины на конечное число областей. Простейшим видом квантования является деление целочисленного значения на натуральное число, называемое коэффициентом квантования.

Не следует путать квантование с дискретизацией (и, соответственно, шаг квантования с частотой дискретизации). При дискретизации изменяющаяся во времени величина (сигнал) замеряется с заданной частотой (частотой дискретизации), таким образом, дискретизация разбивает сигнал по временной составляющей (на графике - по горизонтали). Квантование же приводит сигнал к заданным значениям, то есть, разбивает по уровню сигнала (на графике - по вертикали). Сигнал, к которому применены дискретизация и квантование, называется цифровым.

Квантование часто используется при обработке сигналов, в том числе при сжатии звука и изображений.

Рис.2.6 Неквантованный сигнал с дискретным временем

Рис.2.7 Квантованный сигнал

Рис.2.8 Цифровой сигнал

При оцифровке сигнала уровень квантования называют также глубиной дискретизации или битностью. Глубина дискретизации измеряется в битах и обозначает количество бит, выражающих амплитуду сигнала. Чем больше глубина дискретизации, тем точнее цифровой сигнал соответствует аналоговому. В случае однородного квантования глубину дискретизации называют также динамическим диапазоном и измеряют в децибелах (1 бит ? 6 дБ).

2.2 Сжатие и кодирование звука

Сжатие (компрессия) аудиоданных представляет собой процесс уменьшения скорости цифрового потока за счет сокращения статистической и психоакустической избыточности цифрового звукового сигнала.

Методы сокращения статистической избыточности аудиоданных также называют сжатием без потерь, а, соответственно, методы сокращения психоакустической избыточности - сжатием с потерями.

Сжатие без потерь

Сокращение статистической избыточности основано на учете свойств самих звуковых сигналов. Она определяется наличием корреляционной связи между соседними отсчетами цифрового звукового сигнала, устранение которой позволяет сокращать объем передаваемых данных на 15...25% по сравнению с их исходной величиной. Для передачи сигнала необходимо получить более компактное его представление, что возможно осуществить с помощью ортогонального преобразования. Важными условиями применения такого метода преобразования являются:

· возможность восстанавливать исходный сигнал без искажений

· способность обеспечивать наибольшую концентрацию энергии в небольшом числе коэффициентов преобразования

· быстрый вычислительный алгоритмом

Этим требованиям отвечает модифицированное дискретно-косинусное преобразование (МДКП).

Уменьшить скорость цифрового потока позволяют методы кодирования, учитывающие статистику звуковых сигналов, например, вероятности появления уровней разной величины. Одним из таких методов является код Хаффмана, где наиболее вероятным значениям сигнала приписываются более короткие кодовые слова, а значения отсчетов, вероятность появления которых мала, кодируются кодовыми словами большей длины. Именно в силу этих двух причин в наиболее эффективных алгоритмах компрессии цифровых аудиоданных кодированию подвергаются не сами отсчеты звукового сигнала, а коэффициенты МДКП.

Подобные методы применяются при архивации файлов.

Структура кодера сжатия аудиоданных с потерями

Рис.2.9 Обобщенная структура кодера звукового сигнала с компрессией цифровых аудиоданных

· Исходный цифровой звуковой сигнал разделяется на частотные поддиапазоны и сегментируется по времени в блоке временной и частотной сегментации.

· Длина кодируемой выборки зависит от формы временной функции звукового сигнала. При отсутствии резких выбросов по амплитуде используется так называемая длинная выборка, обеспечивающая высокое разрешение по частоте. В случае же резких изменений амплитуды сигнала длина кодируемой выборки резко уменьшается, что дает более высокое разрешение по времени. Решение об изменении длины кодируемой выборки принимает блок психоакустического анализа, вычисляя значение психоакустической энтропии сигнала.

· После сегментации сигналы частотных поддиапазонов нормируются, квантуются и кодируются. В наиболее эффективных алгоритмах компрессии кодированию подвергаются не сами отсчеты выборки звукового сигнала, а соответствующие им коэффициенты МДКП.

· Учет закономерностей слухового восприятия звукового сигнала выполняется в блоке психоакустического анализа. Здесь по специальной процедуре для каждого частотного поддиапазона рассчитывается максимально допустимый уровень искажений (шумов) квантования, при котором они еще маскируются полезным сигналом данного поддиапазона.

· Блок динамического распределения бит в соответствии с требованиями психоакустической модели для каждого поддиапазона кодирования выделяет такое минимально возможное их количество при котором уровень искажений, вызванных квантованием, не превышал порога их слышимости, рассчитанного психоакустической моделью.

· Также могут использоваться:

o матрицирование стерео - сложение и вычитание левого и правого канала для устранения повторяющейся информации

o специальные процедуры итерационных циклов, позволяющие управлять величиной энергии искажений квантования в поддиапазонах при недостаточном числе доступных для кодирования бит

o процедуры линейного и обратного адаптивного предсказаний

o техника сглаживания переходных шумов во временной области (Temporal Noise Shaping - TNS), позволяющая управлять микроструктурой искажений квантования внутри каждого поддиапазона кодирования

Многие другие приёмы могут послужить способом сократить объём данных звуковой информации. Даже простое сужение полосы частот сигнала вместе с уменьшением динамического диапазона может уже называться сжатием аудиоданных. Например, в стандарте сжатия звука в сотовой связи используется и то и другое. Стремясь удалить избыточность из звука, кодек при плохом качестве сигнала становится избирателен к определённым словам, упорно проглатывая их.

Кодирование и обработка звуковой информации

Звуковая информация. Звук представляет собой распространяющуюся в воздухе, воде или другой среде волну с непрерывно меняющейся интенсивностью и частотой.

Человек воспринимает звуковые волны (колебания воздуха) с помощью слуха в форме звука различных громкости и тона. Чем больше интенсивность звуковой волны, тем громче звук, чем больше частота волны, тем выше тон звука (рис. 1.1).



Рис. 2.10 Зависимость громкости и высоты тона звука от интенсивности и частоты звуковой волны

Человеческое ухо воспринимает звук с частотой от 20 колебаний в секунду (низкий звук) до 20 000 колебаний в секунду (высокий звук).

Человек может воспринимать звук в огромном диапазоне интенсивностей, в котором максимальная интенсивность больше минимальной в 10¹⁴ раз (в сто тысяч миллиардов раз). Для измерения громкости звука применяется специальная единица "децибел" (дбл) (табл. 5.1). Уменьшение или увеличение громкости звука на 10 дбл соответствует уменьшению или увеличению интенсивности звука в 10 раз.

Таблица 2.1 Громкость звука

Временная дискретизация звука. Для того чтобы компьютер мог обрабатывать звук, непрерывный звуковой сигнал должен быть преобразован в цифровую дискретную форму с помощью временной дискретизации. Непрерывная звуковая волна разбивается на отдельные маленькие временные участки, для каждого такого участка устанавливается определенная величина интенсивности звука.

Таким образом, непрерывная зависимость громкости звука от времени A(t) заменяется на дискретную последовательность уровней громкости. На графике это выглядит как замена гладкой кривой на последовательность "ступенек" (рис. 1.2).

Рис. 2.11 Временная дискретизация звука

Частота дискретизации. Для записи аналогового звука и г го преобразования в цифровую форму используется микрофон, подключенный к звуковой плате. Качество полученного цифрового звука зависит от количества измерений уровня громкости звука в единицу времени, т. е. частоты дискретизации. Чем большее количество измерений производится за I секунду (чем больше частота дискретизации), тем точнее "лесенка" цифрового звукового сигнала повторяет кривую диалогового сигнала.

Частота дискретизации звука - это количество измерений громкости звука за одну секунду.

Частота дискретизации звука может лежать в диапазоне от 8000 до 48 000 измерений громкости звука за одну секунду.

Глубина кодирования звука. Каждой "ступеньке" присваивается определенное значение уровня громкости звука. Уровни громкости звука можно рассматривать как набор возможных состояний N, для кодирования которых необходимо определенное количество информации I, которое называется глубиной кодирования звука.

Глубина кодирования звука - это количество информации, которое необходимо для кодирования дискретных уровней громкости цифрового звука.

Если известна глубина кодирования, то количество уровней громкости цифрового звука можно рассчитать по формуле N = 2^I. Пусть глубина кодирования звука составляет 16 битов, тогда количество уровней громкости звука равно:

N = 2^I = 2¹⁶ = 65 536.

В процессе кодирования каждому уровню громкости звука присваивается свой 16-битовый двоичный код, наименьшему уровню звука будет соответствовать код 0000000000000000, а наибольшему - 1111111111111111.

2.3 Теория преобразования звука в стандартах MPEG и Orbis

Алгоритм сжатия сегмента сигнала

Рассмотрим процедуру сжатия одного сегмента сигнала. В зависимости от количества каналов в исходном звуковом файле, на вход подается один (моно) или два (стерео) массива чисел длины N. Эти числа будем называть сэмплами (от англ. sample). На выходе, после обработки, мы получаем Nb байтов закодированного сигнала. Сама же обработка массивов состоит из последовательности шагов, каждый из которых рассмотрим отдельно.

сигнал стерео битовой вэйвлет

Дискретное вэйвлет-преобразование

Для понимания техники вэйвлет-разложения введем некоторые понятия. С более подробным изложением основных понятий вэйвлет-анализа можно ознакомиться в приложении или в [7]. Рассмотрим две функции f и y--из L2(R), удовлетворяющие некоторым свойствам, описанным в приложении, где f - масштабирующая функция, а y - вэйвлет. Каждую функцию f из L2(R) можно приблизить функциями {f--(2--p-----k--)--:--k--О--Z} с любой наперед заданной точностью, выбрав достаточно большое значение

p:--f--(--x)--=--е

kОZ

A--pf--(2--px-----k--)--.

Коэффициенты {A p} называются аппроксимирующими коэффициентами.

Будем называть функции f--(2--p---1--x-----k--)--, соответствующие фиксированному p функциями p-го уровня.

Функции f и y обладают таким свойством, что масштабирующие функции р-го уровня выражаются через масштабирующие функции и вэйвлет-функции р-1-го уровня и наоборот:

f--(2--p--x-----l--)--=--е[a

f--(2--p---1--x-----k--)--+--b

y--(2--p---1--x-----k--)]--,--l,--p--О--Z,

f--(2--p---1--xl---2--k---l--)--=--е

pk--+--2--l

l---2--k

f--(2--p--x---k--)--,--l,--p--О--Z,

y--(2--p---1--x---l--)=--е--q

k--+--2ly--(2--x---k--)--,--l,--p--О--Z,

где последовательности {ak} и {bk} называются последовательностями разложения, а {pk} и {qk} - последовательности восстановления.

Следовательно, используя (1.1.2) мы можем переписать (1.1.1) как

=--е--pp-----=--е

p---1

p---1---+--е--p---1

p---1---

f--p--(--x)

kОZ

Ak--f--(2--x--k--)

Ak

kОZ

f--(2x--k--)

Dk

kОZ

y--(2x--k--)--.

p---1

k

=--е--al-----k--Al--,

п--l

н--p---1--p

пDk

=--еbl-----k--Al--,

м--A--p---1--=--A--p---1--,

п--k--2--k

пD--p---1--=--D--p---1--,

2--k

где коэффициенты {D--p---1} называются детализирующими коэффициентами. Отметим, что коэффициенты Ap-1 и коэффициенты Dp-1 можно получить из коэффициентов Ap, используя (1.1.5) и (1.1.6), причем применение (1.1.6) называется сгущающей выборкой, то есть, применив (1.1.5), мы оставляем лишь те коэффициенты, которые имеют четный индекс. Продолжая этот процесс, получаем следующую схему расчетов коэффициентов:

В итоге мы получили вэйвлет-разложение, то есть набор последовательностей коэффициентов Dp-1, Dp-2, …, Dp-q, Ap-q.

Используя обратные соотношения между функциями ? и ? (1.1.3) и (1.1.4) мы можем построить обратный процесс:

Условимся называть аппроксимирующие и детализирующие коэффициенты Aj и Dj коэффициентами j-го уровня. Следуя теории вэйвлетов, для вэйвлет-разложения, сначала необходимо аппроксимировать сигнал с требуемой точностью на верхнем уровне. Пусть этот уровень имеет индекс 0. Предположим, нам дано N сэмплов, и необходимо получить N аппроксимирующих коэффициентов для дальнейшего разложения по алгоритму, описанному выше. Аппроксимировав сигнал на нулевом уровне, мы получим аппроксимирующие сигнал коэффициенты нулевого уровня {A0 }. Предположим для простоты, что N = 2q, qОN. В соответствии с алгоритмом разложения, описанным выше, получаем A-1 и D-1. Заметим, что в алгоритме используется сгущающая выборка (берутся коэффициенты с четными номерами), поэтому в массивах A-1 и D-1 содержится по N/2 элементов. Аналогично, массивы A-2 и D-2 будут содержать по N/4 элементов. На последнем шаге A-q и D-q содержат по одному элементу. Таким образом, мы получили вэйвлет-разложение A-q, D-q, D-q+1, …, D-2, D-1, в котором по-прежнему N элементов (1+1+2+4+8+…+2q-1 = 2q = N).

Заметим, что последовательности разложения {ak} и {bk} могут иметь более двух элементов, и в процессе вычисления коэффициентов нижестоящего уровня соответственно (1.1.5) и (1.1.6) они могут евыходитьъ за пределы массива A-j j = 0, 1, …, q-1 (рис 1.1):

Рис. 2.12 Алгоритм разложения

Один из способов разрешения ситуации - это замыкание массива A? j в кольцо. Для этого достаточно взять остаток от деления индекса на длину массива. Так, для получения последнего элемента массива A---j---1 будут использованы два последних и два первых элемента массива A- j . Этот метод позволяет взаимно-однозначно преобразовывать j = 0, 1, …, j-1. A- j в A---j---1--и--D---j---1--, и обратно, Мы рассмотрели тот случай, когда N = 2q. Если же N нечетное, то на первом же шаге у нас не будет взаимно-однозначного соответствия между A0 , где N элементов и ( A-1--,--D-1 ) где N-1 элемент. Решение следующее: Если на каком-то шаге j массив A- j имеет нечетное число элементов, то расширим массив путем добавления в конец одного элемента с произвольным значением, например, равным значению последнего элемента A? j для обеспечения непрерывного расширения. Здесь возникает избыточность информации, но она минимальна, так как число дополнительных коэффициентов не превышает log2(N).

Отметим также, что трудоемкость алгоритмов вэйвлет-разложения и вэйвлет-восстановления равна O(N). Даже по сравнению с быстрым преобразованием Фурье (БПФ), трудоемкость которого равна O(Nlog2N), описанный алгоритм работает значительно быстрее.

Дискретное преобразование Фурье

Определение 1.1. Дана конечная последовательность x0, x1, x2, ..., xN-1 комплексных чисел. Дискретное преобразование Фурье (ДПФ) заключается в поиске последовательности X0, X1, X2, ..., XN-1, элементы которой вычисляются по формуле:

Определение 1.2. Дана конечная последовательность X0, X1, X2, ..., XN-1 комплексных чисел. Обратное дискретное преобразование Фурье заключается в поиске последовательности x0, x1, x2, ..., xN-1, элементы которой вычисляются по формуле:

При помощи дискретного преобразования Фурье можно получить спектр сигнала, то есть коэффициенты при синусах и косинусах в разложении Фурье. Основным свойством преобразования Фурье (см., например, [7]) является обратимость, то есть если из последовательности {xk} при прямом преобразовании получается последовательность {Xk}, то при обратном преобразовании из {Xk} получится исходная последовательность {xk}.

Отметим, что данное преобразование имеет трудоемкость O(N2) для набора чисел длины N, однако его можно оптимизировать так, что трудоемкость составит M22T + NT, где N = M2T (см. [8]).

Преобразование и оценка коэффициентов

Пусть мы имеем массив коэффициентов {ck}, k = 0, 1, …, N-1, и этот массив нормализован, в том смысле, что |ck| < 2, k = 0, 1, …, N-1. Преобразуем этот массив в два новых массива {ek} и {mk} так, что ? ek +ck =--mk--Ч--2--,--где--mk--О--[1,2),--ek--О--Z,--k--=--_,--1, …, N-1.Заметим, что на ЭВМ стандартное представление числа с плавающей точкой в виде мантиссы и экспоненты, аналогично (1.3.1) с той лишь разницей, что в (1.3.1) экспонента берется со знаком `-`.Теперь нам нужно оценить точность хранения коэффициентов. Отметим во-первых, что коэффициенты с большим значением ek можно отбросить, как близкие к нулю. Во-вторых, при огрублении массива экспонент {ek} на n бит мы можем получить ошибку, равную ck2n. Ясно, что при больших ck, мы получаем неприемлемую ошибку, то есть массив экспонент необходимо хранить точно. А вот при округлении мантиссы mk на n бит мы получаем ошибку

2n-----(e--k--+--l--)--, где l - это исходная разрядность мантиссы.

Будем оценивать разрядность хранения каждого элемента mk во-первых, в зависимости от совокупности значений {ek}, и во-вторых, от порядкового номера k в массиве. Поясним это на примере:

BitCount(k--)--:=--[K--Ч--exp{P--Ч--emin-----Q--Ч--ek--}--Ч--F(k--)]--,--где--emin

_--Ј--k--Ј--N---1

Здесь функция BitCount(k) определяет разрядность хранения мантиссы mk. Параметр K задает верхнюю границу разрядности хранения (например K = 16), а функции exp и F, могут уменьшить разрядность, т.к. 0?P?Q, 0?F(k)?1, где P и Q - константы.

Отметим некоторые моменты. Чем больше максимальный коэффициент, тем меньше у него emin, следовательно, тем меньше бит для хранения будет выделено для остальных коэффициентов. Это отражает тот факт, что на фоне доминирующей частоты, остальные частоты менее слышны, нежели в ее отсутствие. Функция F отражает зависимость разрядности коэффициента от его положения в разложении, например, если рассматриваемые коэффициенты - это спектр разложения Фурье, то мы можем применить частотную фильтрацию. Допустим, если мы a priori знаем, что исходный сигнал содержит только низкие частоты, а остальные не важны или являются помехами, то положив мы зададим тем самым низкочастотный фильтр (low-pass filter), то есть фильтр, пропускающий только низкочастотную составляющую сигнала, это позволит существенно сократить объем выходных данных. Отметим, что описанная оценка разрядности называется психоакустическим фильтром.

Кодирование с предсказыванием по частичному совпадению

В ходе экспериментов было выявлено, что для обоих используемых преобразований (DWT, DFT) величины {ek} имеют стабильное распределение, близкое к нормальному. Это натолкнуло на мысль использовать какой-либо вероятностный метод кодирования. Мы провели анализ методов кодирования и выбрали контекстный метод, основанный на предсказывании по частичному совпадению (Prediction by Partial Matching, PPM), который является надстройкой над методом арифметического кодирования. Описание арифметического кодирования можно найти в [9]. Описание PPM можно найти в [10].

Стерео соединение

Чаще всего, стерео сигнал содержит избыточную информацию, так как часть звуковой информации дублируется. В данной работе используется метод соединения каналов, с целью устранить избыточность информации.

Итак, пусть мы имеем два массива коэффициентов { cl } и { cr }, k = 0, 1,k k…, N-1. Преобразуем каждую пару ( cl ,cr ) в другую пару (ck, ?k) при помощи полярного преобразования координат. Далее, применим рассмотренную в пункте 1.3 схему для преобразования коэффициентов ck. А для ?k применим следующий прием: мы масштабируем интервал изменения ?k к интервалу [1,2), и теперь ?k в записи (mk, ek) имеет значение (?k, 0), где 0 нам вовсе не обязательно хранить. То есть в итоге мы получили три массива величин - {ek}, {mk} и {?k} - это массив экспонент, массив мантисс и массив фаз.

Битовые потоки

ЭВМ позволяет эффективно манипулировать данными разрядности 8, 16, 32 бита, но этот формат невыгоден для хранения коэффициентов разложения, так как у нас появляются не используемые разряды. Например, если функция оценки разрядности коэффициента mk выдает значение 10, то записывая этот коэффициент в 16-разрядную ячейку, мы не используем оставшиеся 6 разрядов. Проблема решается путем введения битовых потоков, в которых числа разной разрядности хранятся ебез зазоровъ. Это достигается при помощи арифметических сдвигов и логических операций.

Общая схема

Итак, рассмотрев по отдельности все шаги, поясним общую схему алгоритма сжатия сегмента звукового сигнала.

? На вход процедуры сжатия подается два массива {xl } и {xr }, k = 0,k k1, …, N-1 (рассмотрим случай со стерео сигналом).

? Применяем к каждому из массивов выбранное нами преобразование (будь то DWT или DFT) и получаем массивы коэффициентов {cl } и {cr } .k k

? Применяем стерео соединение коэффициентов получаем три массива {ek}, {mk} и {?k}.{cl } и {cr }

? Оцениваем разрядность хранения величин {mk} и {?k}, используя массив экспонент {ek.

? Выполняем PPM-кодирование массива {ek}.

? Выполняем битовую упаковку массивов {mk} и {?k} с нужным числом разрядов.

В результате получается блок, состоящий из 3-х подблоков.

2.13 Алгоритм восстановления сигнала симметричен алгоритму сжатия, но с использованием обратных преобразований

...