Сравнительный анализ аудио сигналов в различных форматах

Размещено на http://www.allbest.ru/

Министерство образования и науки Российской Федерации

Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования

«Сибирский государственный аэрокосмический университет имени академика М.Ф. Решетнева»

Институт информатики и телекоммуникации

Кафедра информатики и вычислительной техники

Курсовой проект

по дисциплине «Стандарты импортирования информации»

на тему: «Сравнительный анализ аудио сигналов в различных форматах»

Выполнил: студент группы МИФ-1201

очной формы обучения Вяльцев Д.В.

Руководитель: Орлова А.С.

Красноярск 2012 г.

Содержание

Введение

1. Описание аудио форматов

2. Принципы сравнения качества аудио форматов

3. Сравнительный анализ аудио форматов на практике

Введение

В связи с развитием информационных технологий, они стали активно применятся в различных сферах человеческой деятельности, связанных с обработкой информации и представлением данных.

Мы рассмотрим сферу мультимедиа технологий, а именно хранение аудиоданных и их обработку.

Тема является актуальной, так как:

Аудиоданные стали непосредственной частью нашей жизни;

Появление различных форматов аудио приводит к множеству вопросов правильного хранения аудиофайлов;

Доступность технологий обработки аудиоинформации достигла того уровня, когда любой желающий пользователь может приступить к работе с аудиофайлами, это приводит к увеличению низкокачественного аудио материала;

Переход от аналогового звука к цифровому также приводит к увеличению низкокачественного звука среди слушателей (именно из-за неправильного выбора формата аудиофайлов).

Целью данной курсовой работы является:

Исследование качества наиболее популярных аудио кодеков;

Исследование качества наименее распространённых аудиокодеков; определим форматы аудиоданных, которые вышли из пользования;

Выявление наиболее качественных форматов при условиях (лучшее качество/наибольший размер файла, приемлемое качество/минимальный размер файла).

1. Описание аудио форматов

Существуют различные понятия звукового формата.

Формат представления звуковых данных в цифровом виде зависит от способа квантования цифро-аналоговым преобразователем (ЦАП). В звукотехнике в настоящее время наиболее распространены два вида квантования: импульсно-кодовая модуляция, сигма-дельта-модуляция.

Под импульсно-кодовой модуляцией (ИКМ) понимается передача непрерывных функций при помощи двоичного кода.

Сигма-дельта-модуляция представляет сигнал на основе принципа избыточной дискретизации и формирования шума квантования. За счет избыточной дискретизации снижается уровень шума в полосе, содержащей полезный сигнал.

Зачастую разрядность квантования и частоту дискретизации указывают для различных звуковых устройств записи и воспроизведения как формат представления цифрового звука (24 бита/192 кГц; 16 бит/48 кГц).

Формат файла определяет структуру и особенности представления звуковых данных при хранении на запоминающем устройстве ПК. Для устранения избыточности аудио данных используются аудиокодеки, при помощи которых производится сжатие аудиоданных. Выделяют две группы звуковых форматов файлов:

Аудио форматы без потерь (WAV, AIFF, FLAC).

Сжатие данных без потерь (lossless coding) - это способ сжатия (уплотнения) данных, позволяющий осуществлять стопроцентное восстановление исходных данных из сжатой формы (под понятием «исходные данные» здесь подразумевают исходные цифровые данные до сжатия).

Кодирование без потерь базируется на идее удаления из аудио сигнала так называемой статистической избыточности. Чтобы сократить (уплотнить) занимаемый сигнал аудиоданными объем, проводят статистический анализ массива обрабатываемого цифрового сигнала с целью выявления наиболее часто встречающихся цифровых последовательностей его значений и перекодирования таких последовательностей короткими кодами, а последовательностей, встречающихся редко, - длинными кодами. Такое перекодирование сигнала сокращает общий объем данных, т.е. уменьшает общее количество бит, необходимых для их записи. Этот способ сжатия не влечет за собой вообще никаких потерь информации, а сжатые аудиоданные абсолютно точно восстанавливаются в их исходный вид путем обратного преобразования.

К кодекам, которые осуществляют кодирование без потерь можно отнести:

Waveform Audio File Format (WAVE, WAV, от англ. waveform -- «форма сигнала») -- формат файла-контейнера для хранения записи оцифрованного аудиопотока. Этот контейнер как правило используется для хранения несжатого звука в импульсно-кодовой модуляции. Однако контейнер не налагает каких-либо ограничений на используемый алгоритм кодирования.

Audio Interchange File Format (AIFF) - звуковые данные в стандартном файле формата AIFF представляют собой несжатую импульсно-кодовую модуляцию. Также существует и сжатая версия формата AIFF, которую называют AIFC (изредка AIFF-C), в которой для сжатия могут быть использованы различные кодеки. AIFF, наряду с SDII и WAV, является одним из форматов используемых в профессиональных аудио и видео приложениях, так как в отличие от более популярного формата mp3 в нём звук не имеет потерь в качестве. Как и любые несжатые файлы, файлы AIFF занимают намного больше дискового пространства чем их сжатые аналоги: одна минута стерео звука с частотой дискретизации 44,1 кГц и размером выборки 16 бит занимает около 10МБ. Стандартное расширение файлов: .AIFF или .AIF, для сжатого варианта должно применяться расширение .AIFC.

Free Lossless Audio Codec (FLAC) -- популярный свободный кодек, предназначенный для сжатия аудиоданных без потерь. FLAC не удаляет никакой информации из аудиопотока и подходит как для прослушивания музыки на высококачественной звуковоспроизводящей аппаратуре, так и для архивирования аудиоколлекции. На сегодня формат FLAC поддерживается множеством аудиоприложений, а также имеет большое количество аппаратных реализаций от телефонов до автомобильных проигрывателей. У FLACа нет настроек для работы с потерями, это гарантия того, что материал не будет испорчен на стадии сжатия. Кодирование лучше делать с настройками максимального сжатия: -8.

Аудио форматы, с применением сжатия с потерями (mp3, ogg, wma). К кодированию аудиоданных с потерями часто прибегают при необходимости высококачественного (с точки зрения качества звучания) кодирования информации. В этом случае используется идея об имеющей место в реальном звуке так называемой акустической избыточности цифровой звуковой информации.

Оказывается, что с учетом этих особенностей большинство реальных звуковых сигналов являются избыточными, т.е. в них присутствует многочисленные составляющие, совершенно незаметные и практически не воспринимаемые слуховой системой человека. Следует заметить, что требования, предъявляемые к качеству звучания аудио материалов, сильно разнятся в зависимости от использования последних, т.е. от их целевого назначения. Поэтому там где требования к качеству звучания не слишком высоки, можно прибегать к намеренному занижению качества звучания с целью «упрощения» кодируемых данных, т.е. кодированию с потерями.

Правильное применение методов кодирования с потерями может очень существенно увеличить эффективность компрессии по сравнению с кодированием без потерь и при этом в полной мере удовлетворить требования к качеству звучания. Однако в отличие от кодеров без потерь, не вносящих вообще никаких изменений в сжимаемые данные, кодирование с потерями «вмешивается» в исходную информацию и преобразует её, что всегда приводит к частичной потере исходной акустической информации. Эффективность кодирования напрямую зависит от степени этого вмешательства.

Таким образом, в целом, кодирование аудио сигнала с потерями заключается в его переквантовании с переменными параметрами, динамически зависящими от текущей формы маскирующих порогов, которые, в свою очередь зависят от формы (спектрального состава) самого сигнала.

К кодекам, которые осуществляют сжатие с потерями относятся:

MPEG layer 3 - самый популярный формат сжатия на сегодняшний день. Формат МР3 (MPEG Layer 3) был разработан, после ряда промежуточных форматов, институтом Фраунхофера в Германии. Вообще то, формат .МР3 основан на обмане человеческого уха. После некоторых исследований выяснилось, что человеческому слуху свойственно адаптироваться к появлению новых звуков, что выражается в повышении порога слышимости. Поэтому одни звуки способны маскировать (то есть, делать субъективно неслышимыми) другие. Вот и в этом формате часть звуков, которые, как считает соответствующая теория, делаются неслышимыми, просто убираются из общего звучания. После чего получившийся «полуфабрикат» кодируется по методу Хоффмана. Обязательно следует учитывать то, что в формате МР3 программы, сжимающие звук из оригинального, не являются стандартизированными, то есть каждый грамотный программист может реализовать свою схему сжатия. А стандартам подчиняются только декодеры, что приводит к тому, что качество воспроизведения формата МР3 далеко не всегда зависит от плеера, проигрывающего этот файл. В связи с разными способностями и пристрастиями реализаторов различных кодеров, одни из них лучше справляются с симфонической музыкой, другие - с роком и металлом, третьи - с рэпом и рэйвом и так далее.

Появившийся в 2001 году кодек MP3 Pro был создан компанией Coding Technologies совместно с Thomson Multimedia. В его основе лежит МР3, и в результате он получился полностью совместимым с MP3 назад и лишь частично вперед. В нем используется технология SBR (Spectral Band Replication), за счет чего кодек обеспечивает хорошее качество на низких битрейтах. Однако качество кодирования на средних и высоких скоростях передачи данных уступает качеству почти всех других кодеков. В итоге MP3 Pro применяется больше для трансляций в интернете и демонстраций фрагментов новых музыкальных композиций.

Формат Ogg Vorbis - относительно новый универсальный формат записи звука с потерями данных. Он принадлежит к тому же типу форматов аудиосжатия, что и МР3 и WMA, а психоакустическая модель, описывающая особенности человеческого слуха, в соответствии с которыми производится сжатие, по принципам действия близка к МР3. Радикальным же отличием этого формата стала математическая обработка и практическая реализация этой модели. В этом формате пороговая максимальная частота оцифровки не 44 кГц как в MP3, а 48, что теоретически улучшает качество звука. Также следует отметить, что теоретическое число каналов не ограничено двумя, как обычно, а достигает 255. Файлы, закодированные в этом формате, меньше таких же файлов в МР3. Распространение формата сдерживалось недостаточной поддержкой со стороны производителей аппаратуры.

Windows Media Audio 9 Lossless (WMA) -- аудио-кодек для сжатия без потерь фирмы Microsoft, представленный в начале 2003 года. Сжатый этим кодеком аудио компакт-диск занимает от 206 до 411 Мб, при битрейте звуковых файлов от 470 кбит/с до 1.08 Мбит/с. Кодек входит в состав пакета Windows Media, использует расширение файла .wma, поддерживает 6 дискретных каналов. Официально выпущен только для Windows и Mac OS X. Microsoft включила в WMA поддержку цифровой системы управления авторскими правами (DRM) (система защиты). Основным следствием её является невозможность прослушивать защищенные композиции на других компьютерах, кроме того, на котором композиция была загружена из музыкального магазина.

Advanced Audio Coding (AAC) -- формат аудиофайла с меньшей потерей качества при кодировании, чем MP3 при одинаковых размерах. Это широкополосный алгоритм кодирования аудио, который использует два основных принципа кодирования для сильного уменьшения количества данных, требуемых для передачи высококачественного цифрового аудио. Данный формат является одним из наиболее качественных, использующих сжатие с потерями, поддерживаемый большинством современного оборудования, в том числе портативного. Обладает следующими преимуществами перед mp3:

До 48 звуковых каналов;

Большая эффективность кодирования как при постоянном, так и при переменном битрейте;

Частоты дискретизации от 8 Гц до 96 кГц (MP3: 8 Гц -- 48 кГц);

Более гибкий режим Joint stereo.

Некоторые виды цифрового звука в сравнении приведены в таблице 1.

Таблица 1

2. Принципы сравнения качества аудио форматов

В нашей работе для оценки качества и конвертирования аудио файлов будет использоваться программа adobe audition. Программа поддерживает многие современные форматы аудиоданных, также позволяет конвертировать файлы в различные форматы и производить спектральный анализ звука.

Для проведения спектрального анализа исходного сигнала будет использоваться Spectral Frequency Display программы Adobe audition, а также функция сохранения исходного сигнала в формат bmp, результатом которой будет являться график. График состоит из двух осей: ось Х (горизонтальная линейка) -- время, ось Y (вертикальная линейка) -- частота (линейная, минимальное значение 0гц, максимальное значение 22000гц). Чем ярче цвет, тем громче частота.

Сравнения аудио форматов будет производиться в следующей последовательности:

аудио форматы, конвертируемые без потерь (WAV, AIF);

аудио форматы, с применением сжатия с потерями (mp3, ogg, wma);

На таблице 2 представлены все форматы, которые будут участвовать в исследовании.

Таблица 2

Критериями оценки качества аудио форматов будет являться графическая спектральная частотная характеристика программы adobe audition, размер файла, величина потока данных с диска (кбит/с), комментарий или слуховые ощущения.

Для сравнения качества аудио форматов нам необходимо сгенерировать исходный сигнал (оригинальный) в формате wav или aiff. Мы сгенерируем следующие типы сигналов: белый шум, розовый шум, синусоида (10гц, 60гц, 250гц, 500гц, 1000гц, 3000гц, 10000гц, 20000гц). Для создания сигнала воспользуемся генератором тонов и шумов, встроенным в музыкальный редактор.

Другим нашим исходным сигналом будет музыкальный аудио файл из области коммерческой музыки, записанный в формате wav (16 bit, 1411,2 кбит/с). Аудиофайл имеет довольно насыщенный поток аудиоинформации на всем частотном диапазоне, поэтому нам будет легче отслеживать изменения в частотном диапазоне при конвертировании в другие форматы аудио.

3. Сравнительный анализ аудио форматов на практике

В нашей работе будем оценивать два исходных сигнала. Первый состоит из отрезков длинной по 3 секунды каждый: белый шум, розовый шум, синусоида (10гц, 60гц, 250гц, 500гц, 1000гц, 3000гц, 10000гц, 20000гц) (далее по тексту «сигнал 1»). Длина сигнала 1 составляет 30 секунд.

Второй сигнал представляет собой отрезок и из песни коммерческой музыки (далее по тексту «сигнал 2»). Вначале мы рассмотрим форматы без потерь. Длина сигнала 2 составляет 35 секунд.

звуковой формат квантование аудио

Рисунок 1. Сигнал 1, Aif

Рисунок 2. Сигнал 1, Wav

Рисунок 3. Сигнал 1, Flac

Рисунок 4. Сигнал 2, Aif

Рисунок 5. Сигнал 2, Wav

Рисунок 6. Сигнал 2, Flac

Рассмотрев спектральный анализ сигнала 1 (рис 1, рис 2, рис 3) и сигнала 2 (рис 4, рис 5, рис 6) в форматах wav, aif и flac, мы видим, что звуковой сигнал присутствует на всем частотном диапазоне и никак не изменятся в зависимости от формата. Разница в звучании вышеописанных файлов никак не заметна. На таблице 3 представлены подробные данные об исходных и полученных файлах.

Таблица 3

Судя по таблице 3, мы видим существенную разницу в размере файлов формата FLAC от WAV и AIF. Форматы WAV и AIF являются «звуковыми контейнерами» и их размер зависит напрямую от размера файла. А файлы формата FLAC имеют способность сжиматься в зависимости от аудио сигнала, которым они насыщены.

Для более наглядного примера был создан Сигнал 3 длительностью 30сек, который абсолютно пуст, в нем записана «тишина». Размер Сигнала 3 в формате FLAC составляет 13кб, т.е. в сотни раз меньше чем сигналы 1 и 2, что подтверждает теорию формата, описанную в главе 1.

Перейдем к форматам со сжатием. Будем рассматривать сигнал 1 на форматах mp3 (рисунки 7,8,9), ogg (рисунки 10,11,12, стр16), wma (рисунки 13,14,15, стр17), aac (рисунки 16,17,18 стр18), с величиной потока данных соответственно 32кбит/с, 128кбит/с, 320кбит/с.

Рисунок 7. Сигнал 1, mp3 32 кбит/с

Рисунок 8. Сигнал 1, mp3 128 кбит/с

Рисунок 9. Сигнал 1, mp3 320 кбит/с

Рисунок 10. Сигнал 1, ogg 32 кбит/с

Рисунок 11. Сигнал 1, ogg 128 кбит/с

Рисунок 12. Сигнал 1, ogg 320 кбит/с

Рисунок 13. Сигнал 1, wma 32 кбит/с

Рисунок 14. Сигнал 1, wma 128 кбит/с

Рисунок 15. Сигнал 1, wma 320 кбит/с

Рисунок 16. Сигнал 1, aac 32 кбит/с

Рисунок 17. Сигнал 1, aac 128 кбит/с

Рисунок 18. Сигнал 1, aac 320 кбит/с

Рассмотрим параметры полученных аудио файлов на таблице 4 для сигнала 1.

Таблица 4

По таблице 4 можно сделать вывод, что размер файлов с одинаковой величиной потока данных с диска примерно равен друг другу.

Спектральный анализ показал, что форматы со сжатием имеют определенный срез в частотах выше определенного уровня (таблица 5).

Таблица 4

В ходе работы мы заметили, что алгоритмы со сжатием форматов ogg и wma, а также mp3 и aac вносят одинаковые искажения в файл. На слух все форматы воспринимаются одинаково для соответствующего им битрейта.

Размещено на Allbest.ru