Методы кодирования стерео информации
Автор: Александр Радзишевский (Alex Y. Radzishevsky)
Copyright (C) 1998-2007, Alex Y. Radzishevsky
Существуют несколько методов кодирования стерео аудио информации в стандарте ISO11172-3 (MPEG-1 Layer 1,2,3).
Dual Channel. Этот режим предполагает кодирование стерео каналов, как абсолютно независимых. Иными словами, в этом режиме кодирование аудио информации происходит отдельно в каждом канале без использования корреляций между ними. Как и следует из названия, этот режим главным образом предназначен для кодирования двух параллельных но различных каналов (например, речь на английском и немецком языках), а не стерео (т.е. не два канала, несущих информацию о стерео картине). Этот режим не рекомендуется использовать для кодирования стерео сигнала, так как существуют проигрыватели (например, madplay), проигрывающие по умолчанию только один канал если поток помечен как Dual Channel.
Stereo. Этот режим отличается от предыдущего только тем, что в режиме Dual Stereo во время кодирования для каждого канала используется свой резервуар (об этом в обсуждении вопроса об отличиях ABR/VBR/CBR), а в этом режиме оба канала кодируются с использованием общего резервуара. Иных различий между режимами нет.
Joint Stereo — это общее определение методов кодирования стерео информации, основанных на использовании избыточности последней. Другими словами, все методы кодирования, основанные на использовании корреляций между двумя стерео каналами, подпадают под определение Joint Stereo.
При кодировании в MPEG-1 имеются две разновидности этого метода.
MS Stereo. В данном режиме кодируются не левый и правый канал, а их суммарная составляющая и разностная. При этом перед кодированием сигнал в каждом отдельном фрейме разбивается на частотные полосы (что, собственно, происходит всегда, то есть не только в Joint Stereo). Затем производится вычисление суммарной и разностной составляющей каналов, что математически выглядит так: Mi=(Li+Ri)/sqrt(2), Si=(Li-Ri)/sqrt(2), где i — номер частотной полосы на которые разбивается сигнал перед кодированием, M и S — Mid (сумма) и Side (разность) каналы соответственно, L и R — левый и правый каналы. При таком кодировании о какой-то деградации качества говорить не приходится, поскольку ничего кроме простейших арифметических операций здесь нет. Тяжело говорить про все MP3- кодеры, но именно так делается в Lame Encoder в режиме VBR. В кодерах от Fraunhofer и в Lame CBR (возможно и в других кодерах, так как этот метод описан в стандарте) в Joint Stereo применяется дополнительный механизм, называемый «Sparsing of side channel». Суть этого метода заключается в более жёстком кодировании side-канала, на который, в этом случае, как правило, выделяется меньшее количество бит, что приводит к деградации звучания в side канале, но улучшению качества кодирования в mid.
Intensity Stereo. В этом режиме в верхнем частотном диапазоне так же происходит кодирование общей составляющей обоих каналов, как и в случае MS Stereo, но вместо кодирования разностной составляющей в верхнем диапазоне частот происходит просто регистрация и запись мощностей сигналов в левом и правом каналах в каждой частотной полосе начиная с некоторой определенной. Иными словами весь сигнал разбивается на полосы, фактическому кодированию подвергается только нижний диапазон частот side-канала, а в верхнем частотном диапазоне начиная с определенной полосы происходит не кодирование сигнала в каждой полосе, а лишь регистрация мощностей сигнала в каждой полосе. Кодирование стерео сигнала в нижнем частотном диапазоне осуществляется в режиме MS Stereo или просто Stereo.
Таким образом, в режиме Intensity Stereo фактически происходит кодирование лишь общей составляющей каналов, а стерео на высоких частотах «воссоздается» (если такой термин здесь уместен, а лучше «синтезируется») в соответствующем канале путем умножения общего сигнала на известные (сохраненные при кодировании) значения мощностей частотных участков в соответствующем канале.
Parametric Stereo (PS). В этом режиме производится кодирование моно-сигнала, однако в выходной поток записывается не только моно информация, но и некоторая дополнительная параметричекая информация, используемая при воспроизведении с целью воссоздания (точнее, имитации) стерео картины из закодированных данных одного канала.
Можно предположить, что приблизительно аналогичные методы кодирования стерео аудио информации применяются и в других алгоритмах компрессии аудио.
Источник
Кто придумал стерео запись звука?
Эту статью я уже публиковал на другом ресурсе, но надеюсь и читателям Хабра также будет интересно.
Стерео звук полвека с момента изобретения никому не был нужен, а теперь мы даже не представляем моно музыку. Как же такое могло произойти?
В 1881 году в Париже проводилась электротехническая выставка. Организаторам нужна была сенсационная изюминка для посетителей. Инженер Клеман Адер предложил кабинки для прослушивания оперы, способные передать пространственную акустику настоящего театра. Для этого на сцене Парижской национальной оперы установил два микрофона и сигнал по проводам передал на территорию выставки. Для каждого посетителя было два наушника. Практически это был первый прообраз стереофонии.
Сенсация удалась и посетители были впечатлены. Вскоре во Франции и Англии начали предоставлять услугу прослушивания постановок через «Театрофон». В аппарате стоял таймер, ограничивающий время прослушивания, в зависимости от номинала брошенной монеты.
Правда звук в «Театрофоне» уже был не стерео-тянуть две отдельные линии к каждому аппарату было очень дорого.
С развитием индустрии звукозаписи, начались эксперименты по записи стерео звука на грампластинки. Наибольших успехов в этом направлении удалось достигнуть талантливому британскому инженеру Алану Дауэр Блюмлейн (Alan Dower Blumlein).
За два года работы в звукозаписывающей компании The Gramophone Company, Алан полностью разработал заново и запатентовал все устройства для записи грампластинок, заметно улучшив качество записи и освободив компанию от патентных отчислений.
Алана не устраивает моно звучание и он ставит цель максимально точно записать объемный звук. Он математически рассчитал оптимальный тип микрофонов, необходимые характеристики и их взаимное расположение. Он первым предлагает преобразовать сдвиг фаз между каналами в разницу амплитуд для увеличения стереоэффекта.
Через 50 лет эти расчеты очень помогут создателям Dolby Surround.
Так же он нашел блестящее решение по записи стереозвука на грампластинки. Алан предложил записывать левый и правый канал на разные стенки звуковой канавки грампластинки по формуле +45/-45. Это стало всемирным стандартом стерео грамзаписи. Другие фирмы предлагали двухканавочную запись или записывать по формуле 0/90.
Разработанная технология стереозаписи опередила время. В 1933 году еще не было материала для долгоиграющих грампластинок.
Блюмлейн активно учувствует в создании британского телевизионного стандарта, за огромный вклад стандарту ТВ присваивают его имя. Работая над схемами электронных блоков, он старался везде вносить улучшения. За ним числятся оригинальные схемные решения катодного повторителя , отрицательной обратной связи, линии задержки, ультралинейного и дифференциального каскадов и т.д.
С началом Второй мировой войны переключается на создание радаров для ночных бомбардировщиков. Алан Блюмлейн погиб в авиакатастрофе во время испытания радара в 1942 году. Ему было всего 38 лет.
За короткую жизнь успел получить 128 патентов на изобретения, многими из которых мир пользуется до сих пор. Подробности его работы по военной тематике засекречены до сих пор.
В 2017 году Национальная академия искусства и науки звукозаписи США посмертно наградила Блюмлейна « Грэмми » как создателя стереофонической звукозаписи
Первая стерео грампластинка была изготовлена только в 1958 году на аппарате Westrex (США).
Тут интересный казус: в СССР выпуск стерео электрофонов начался раньше производства пластинок. Первый электрофон «Юбилейный -Стерео» поступил в продажу в 1957 году.
Электрофон имел оригинальный корпус в виде двух чемоданов: в одном сам проигрыватель, а второй чемодан разделяется пополам на две звуковые колонки.
Стерео усилитель электрофона, за счет выходного каскада на лампах 6П18П, выдавала мощность 2х12 Вт. Двухполосные акустические колонки, по 4 динамика каждая, имели полосу 70. 12000 Гц, что очень прилично для тех лет. К сожалению, вскоре схему упростили для снижения себестоимости.
1961 году начали выпускать первый советский стереофонический магнитофон модель «Яуза-10». Конструктивно магнитофон получился так же «двухчемоданный»
Интересное распределение акустики: в магнитофоне два динамика 1ГД-9-150, а на выносных колонках используются 5ГД-1-РРЗ. Практически формат 2.1. образца 61 года.)))
Первым кассетным стереомагнитофоном стала модель «Вильма-Стерео» 1972 года.
Даже сегодня, несмотря на обилие форматов звукозаписи, многие из нас продолжают слушать музыку в формате, придуманном Алан Блюмлейн 90 лет тому назад-стереофонии.
Источник
Обработка звука
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.
Практическую обработку сигналов можно разделить на два типа: обработка «на лету» и пост-обработка. Обработка «на лету» подразумевает мгновенное преобразование сигнала (то есть с возможностью осуществлять вывод обработанного сигнала почти одновременно с его вводом). Простой пример – гитарные «примочки» или реверберация во время живого исполнения на сцене. Такая обработка происходит мгновенно, то есть, скажем, исполнитель поет в микрофон, а эффект-процессор преобразует его голос и слушатель слышит уже обработанный вариант голоса. Пост-обработка – это обработка уже записанного сигнала. Скорость такой обработки может быть сильно ниже скорости воспроизведения. Такая обработка преследует те же цели, то есть придание звуку определенного характера, либо изменение характеристик, однако применяется на стадии мастеринга или подготовки звука к тиражированию, когда не требуется спешка, а важнее качество и скрупулезная проработка всех нюансов звучания. Существует множество различных операций над звуком, которые вследствие недостаточной производительности сегодняшних процессоров нельзя реализовать «на лету», поэтому такие преобразования проводят лишь в пост-режиме .
Аналоговый и дискретный способы представления звука
Информация, в том числе графическая и звуковая, может быть представлена в аналоговой или дискретной форме.
При аналоговом представлении физическая величина принимает бесконечное множество значений, причем ее значения изменяются непрерывно.
При дискретном представлении физическая величина принимает конечное множество значений, причем ее величина изменяется скачкообразно.
Примером аналогового хранения звуковой информации является виниловая пластинка (звуковая дорожка изменяет свою форму непрерывно), а дискретного — аудиокомпакт-диск (звуковая дорожка которого содержит участки с различной отражающей способностью).
Восприятие звука человеком
Звуковые волны улавливаются слуховым органом и вызывают в нем раздражение, которое передается по нервной системе в головной мозг, создавая ощущение звука.
Колебания барабанной перепонки в свою очередь передаются во внутреннее ухо и раздражают слуховой нерв. Так образом человек воспринимает звук.
В аналоговой форме звук представляет собой волну, которая характеризуется:
- Высота звука определяется частотой колебаний вибрирующего тела.
- Г ромкость звука определяется энергией колебательных движений, то есть амплитудой колебаний.
- Длительность звука — продолжительность колебаний.
- Тембром звука называется окраска звука.
Герц (Гц или Hz) — единица измерения частоты колебаний. 1 Гц= 1/с
Человеческое ухо может воспринимать звук с частотой от 20 колебаний в секунду (20 Герц, низкий звук) до 20 000 колебаний в секунду (20 КГц, высокий звук).
- Звук представляет собой звуковую волну с непрерывно меняющейся амплитудой и частотой.
- Чем больше амплитуда сигнала, тем он громче для человека, чем больше частота сигнала, тем выше тон.
Кодирование звуковой информации
Для того чтобы комп ьютер мог обрабатывать звук, непрерывный звуковой сигнал должен быть превращен в последовательность электрических импульсов (двоичных нулей и единиц).
- В процессе кодирования непрерывного звукового сигнала производится его временная дискретизация. Непрерывная звуковая волна разбивается на отдельные маленькие временные участки, причем для каждого такого участка устанавливается определенная величина амплитуды.
- Таким образом, при двоичном кодировании непрерывного звукового сигнала он заменяется последовательностью дискретных уровней сигнала.
Качество кодирования звуковой информации зависит от :
1)частотой дискретизации, т.е. количества измерений уровня сигнала в единицу времени. Чем большее количество измерений производится за 1 секунду (чем больше частота дискретизации), тем точнее процедура двоичного кодирования.
2)глубиной кодирования, т.е. количества уровней сигнала.
Современные звуковые карты обеспечивают 16-битную глубину кодирования звука. Количество различных уровней сигнала (состояний при данном кодировании) можно рассчитать по формуле: N = 2 i = 2 16 = 65536, где i — глубина звука.
Таким образом, современные звуковые карты могут обеспечить кодирование 65536 уровней сигнала. Каждому значению амплитуды звукового сигнала присваивается 16-битный код.
Количество измерений в секунду может лежать в диапазоне от 8000 до 48 000, то есть частота дискретизации аналогового звукового сигнала может принимать значения от 8 до 48 кГц. При частоте 8 кГц качество дискретизированного звукового сигнала соответствует качеству радиотрансляции, а при частоте 48 кГц — качеству звучания аудио-С D . Следует также учитывать, что возможны как моно-, так и стерео-режимы.
Форматы звуковых файлов
РСМ. РСМ расшифровывается как pulse code modulation, что и является в переводе как импульсно-кодовая. Файлы именно с таким расширением встречаются довольно редко. Но РСМ является основополагающей для всех звуковых файлов.
WAV. Самое простое хранилище дискретных данных. Один из типов файлов семейства RIFF. Помимо обычных дискретных значений, битности, количества каналов и значений уровней громкости, в wav может быть указано еще множество параметров, о которых Вы, скорее всего, и не подозревали — это: метки позиций для синхронизации, общее количество дискретных значений, порядок воспроизведения различных частей звукового файла, а также есть место для того, чтобы Вы смогли разместить там текстовую информацию.
RIFF. Resource Interchange File Format. Уникальная система хранения любых структурированных данных.
IFF. Эта технология хранения данных проистекает от Amiga-систем. Interchange File Format. Почти то же, что и RIFF, только имеются некоторые нюансы. Начнем с того, что система Amiga — одна из первых, в которой стали задумываться о программно-сэмплернойэмуляции музыкальных инструментов. В результате, в данном файле звук делится на две части: то, что должно звучать вначале и элемент того, что идет за началом. В результате, звучит начало один раз, за тем повторяется второй кусок столько раз, сколько Вам нужно и нота может звучать бесконечно долго.
MOD. Файл хранит в себе короткий образец звука, который потом можно использовать в качестве шаблона для инструмента.
AIF или AIFF. Audio Interchange File Format. Данный формат распространен в системах Apple Macintosh и Silicon Graphics. Заключает в себе сочетание MOD и WAV.
MID. Файл, хранящий в себе сообщения MIDI-системе, установленной на Вашем компьютере или в устройстве.
МР3. Самый скандальный формат за последнее время. Многие для объяснения параметров сжатия, которые в нем применяют, сравнивают его с jpeg для изображений. Там очень много наворотов в вычислениях, чего и не перечислишь, но коэффициент сжатия в 10-12 раз сказали о себе сами. Специалисты говорят о контурности звука как о самом большом недостатке данного формата. Действительно, если сравнивать музыку с изображением, то смысл остался, а мелкие нюансы ушли. Качество МР3 до сих пор вызывает много споров, но для «обычных немузыкальных» людей потери не ощутимы явно.
VQF. Хорошая альтернатива МР3, разве что менее распространенная. Есть и свои недостатки. Закодировать файл в VQF — процесс гораздо более долгий. К тому же, очень мало бесплатных программ, позволяющих работать с данным форматом файлов, что, собственно, и сказалось на его распространении.
RA. Real Audio или потоковая передача аудиоданных. Довольно распространенная система передачи звука в реальном времени через Интернет. Скорость передачи порядка 1 Кб в секунду. Полученный звук обладает следующими параметрами: 8 или 16 бит и 8 или 11 кГц.
Источник