1. Základní pojmy
1) Bitová rychlost: udává, kolik bitů za sekundu je třeba reprezentovat kódovaná (komprimovaná) zvuková data, a jednotka je obvykle kbps.
2) Hlasitost a intenzita: Subjektivní atributy zvuku. Hlasitost označuje, jak hlasitě zní zvuk. Hlasitost se liší hlavně podle intenzity zvuku, ale je také ovlivněna frekvencí. Čistě středofrekvenční zvuky jsou obecně lepší než čisté nízkofrekvenční a vysokofrekvenční zvuky.
3) Vzorkování a vzorkovací frekvence: Vzorkování má transformovat signál nepřetržitého času na diskrétní digitální signál. Vzorkovací frekvence odpovídá počtu vzorků odebraných za sekundu.
Nyquistův vzorkovací zákon: Když je vzorkovací frekvence větší nebo rovna 2násobku nejvyšší frekvenční složky spojitého signálu, lze vzorkovaný signál použít k dokonalé rekonstrukci původního spojitého signálu.
2. běžné zvukové formáty
1) Formát WAV je formát zvukového souboru vyvinutý společností Microsoft, nazývaný také zvukový soubor vlny. Jedná se o nejstarší formát digitálního zvuku, široce podporovaný platformou Windows a jejími aplikacemi, a má nízkou míru komprese.
2) MIDI je zkratka Musical Instrument Digital Interface, známá také jako Musical Instrument Digital Interface, což je jednotný mezinárodní standard pro digitální hudbu / elektronické syntetické hudební nástroje. Definuje způsob, jakým si počítačové hudební programy, digitální syntezátory a další elektronická zařízení vyměňují hudební signály, a specifikuje protokol přenosu dat mezi kabely a hardwarem a zařízeními spojujícími elektronické hudební nástroje od různých výrobců k počítačům a může simulovat zvuk více hudebních nástroje. Soubor MIDI je soubor ve formátu MIDI a některé příkazy jsou uloženy v souboru MIDI. Odešlete tyto pokyny na zvukovou kartu a zvuková karta syntetizuje zvuk podle pokynů.
3) Celý název MP3 je MPEG-1 Audio Layer 3, který byl sloučen do specifikace MPEG v roce 1992. MP3 může komprimovat digitální zvukové soubory s vysokou kvalitou zvuku a nízkou vzorkovací frekvencí. Nejběžnější aplikace.
4) MP3Pro byl vyvinut švédskou společností Coding Technology Company, která obsahuje dvě hlavní technologie: jednou je jedinečná technologie dekódování od společnosti Coding Technology Company a druhou je integrace společně drženého patentu MP3, francouzské společnosti Thomson Multimedia Company a německé společnosti Fraunhofer Circuit Association. MP3Pro může zlepšit původní kvalitu zvuku hudby MP3, aniž by v zásadě změnila velikost souboru. Dokáže udržovat kvalitu zvuku před kompresí v největší míře při komprimaci zvukových souborů při nižší přenosové rychlosti.
5) MP3Pro byl vyvinut švédskou společností Coding Technology Company, která obsahuje dvě hlavní technologie: jednou je jedinečná technologie dekódování od společnosti Coding Technology Company a druhou je integrace společně drženého patentu MP3, francouzské společnosti Thomson Multimedia Company a německé společnosti Fraunhofer Circuit Association. MP3Pro může zlepšit původní kvalitu zvuku hudby MP3, aniž by v zásadě změnila velikost souboru. Dokáže udržovat kvalitu zvuku před kompresí v největší míře při komprimaci zvukových souborů při nižší přenosové rychlosti.
6) WMA (Windows Media Audio) je mistrovské dílo společnosti Microsoft v oblasti internetového zvuku a videa. Formát WMA dosahuje vyšší rychlosti komprese snížením datového provozu, ale zachováním kvality zvuku. Míra komprese může obecně dosáhnout 1:18. Kromě toho může WMA také chránit autorská práva prostřednictvím DRM (Digital Rights Management).
7) RealAudio je formát souboru spuštěný společností Real Networks. Největší vlastností je, že může přenášet zvukové informace v reálném čase, zejména když je rychlost sítě pomalá, stále může přenášet data hladce, takže RealAudio je vhodný hlavně pro online hraní v síti. Aktuální formáty souborů RealAudio zahrnují hlavně RA (RealAudio), RM (RealMedia, RealAudio G2), RMX (RealAudio Secured) atd. Společností těchto souborů je, že kvalita zvuku se mění s rozdílem v šířce pásma sítě. Za předpokladu, že většina lidí uslyší plynulý zvuk, mohou posluchači s větší šířkou pásma získat lepší kvalitu zvuku.
8) Audible má čtyři různé formáty: Audible1, 2, 3, 4. Web Audible.com prodává hlavně zvukové knihy na internetu a poskytuje ochranu zboží a souborů, které prodávají, prostřednictvím jednoho ze čtyř specializovaných zvukových formátů Audible.com. . Každý formát bere v úvahu hlavně zdroj zvuku a použité poslechové zařízení. Formáty 1, 2 a 3 používají různé úrovně komprese hlasu, zatímco formát 4 používá nižší vzorkovací frekvenci a stejnou metodu dekódování jako MP3. Výsledný hlas je jasnější a lze jej efektivněji stáhnout z Internetu. Audible používá vlastní nástroj pro přehrávání na ploše, kterým je Audible Manager. S tímto přehrávačem můžete přehrávat soubory ve formátu Audible uložené v počítači nebo přenesené do přenosného přehrávače.
9) AAC je ve skutečnosti zkratka pro Advanced Audio Coding. AAC je zvukový formát vyvinutý společně Fraunhofer IIS-A, Dolby a AT&T. Je součástí specifikace MPEG-2. Algoritmus používaný AAC se liší od algoritmu MP3. AAC kombinuje další funkce pro zlepšení efektivity kódování. Zvukový algoritmus AAC výrazně převyšuje některé předchozí kompresní algoritmy (například MP3 atd.) V možnostech komprese. Podporuje také až 48 zvukových stop, 15 nízkofrekvenčních zvukových stop, více vzorkovacích a bitových rychlostí, vícejazyčnou kompatibilitu a vyšší účinnost dekódování. Stručně řečeno, AAC může poskytnout lepší kvalitu zvuku za předpokladu, že je o 30% menší než soubory MP3.
10) Ogg Vorbis je nový formát komprese zvuku, podobný stávajícím hudebním formátům, jako je MP3. Jedním rozdílem však je, že je zcela zdarma, otevřený a bez patentových omezení. Vorbis je název tohoto mechanismu komprese zvuku a Ogg je název projektu, který má v úmyslu navrhnout zcela otevřený multimediální systém. VORBIS je také ztrátová komprese, ale ke snížení ztráty používá pokročilejší akustické modely. Proto OGG kódovaný se stejnou bitovou rychlostí zní lépe než MP3.
11) APE je bezztrátový komprimovaný zvukový formát, za předpokladu, že není snížena kvalita zvuku, je velikost komprimována na polovinu tradičního bezztrátového formátu WAV souboru.
12) FLAC je zkratka Free Lossless Audio Codec, sada známých bezplatných bezztrátových kompresních kódů zvuku, která se vyznačuje bezztrátovou kompresí.
3. základní princip kódování zvuku
Kódování řeči je určeno ke snížení šířky pásma kanálu požadovaného pro přenos při zachování vysoké kvality vstupní řeči.
Cílem kódování řeči je navrhnout kódovač s nízkou složitostí pro dosažení vysoce kvalitního přenosu dat při co nejnižší přenosové rychlosti.
1) Křivka ztlumení prahové hodnoty: Prahová hodnota, při které může lidské ucho slyšet zvuk na různých frekvencích pouze v klidném prostředí.
2) Kritické frekvenční pásmo
Protože lidské ucho má různá rozlišení pro různé frekvence, MPEG1 / Audio rozděluje vnímatelný frekvenční rozsah v rámci 22kHz na 23-26 kritických frekvenčních pásem podle různých kódovacích vrstev a různých vzorkovacích frekvencí. Následující obrázek uvádí střední frekvenci a šířku pásma ideálního kritického frekvenčního pásma. Jak je vidět na obrázku, lidské ucho má lepší rozlišení nízkých frekvencí
3) Maskovací efekt ve frekvenční oblasti: Signál s větší amplitudou maskuje signál s podobnou frekvencí a menší amplitudou, jak je znázorněno na obrázku níže:
4) Maskovací efekt v časové oblasti: Pokud se v krátké době objeví dva zvuky, zvuk s větší SPL (hladina akustického tlaku) maskuje zvuk s menší SPL. Efekt maskování v časové doméně je rozdělen na přední maskování (pre-maskování) a zpětné maskování (post-maskování). Doba po maskování bude delší, přibližně 10krát delší než doba před maskováním.
Efekt maskování v časové doméně pomáhá eliminovat pre-echo.
4. základní prostředky kódování
1) Kvantizer a kvantizátor
Kvantování a kvantizátor: Kvantování převádí spojitý signál v diskrétním čase na diskrétní signál v diskrétním čase. Běžné kvantizátory jsou: uniformní kvantizátor, logaritmický kvantizátor a nejednotný kvantizátor. Cílem kvantizačního procesu je minimalizovat kvantizační chybu a minimalizovat složitost kvantizátoru (dva jsou samy o sobě rozporem).
(A) Jednotný kvantizátor: nejjednodušší, nejhorší výkon, vhodný pouze pro telefonní hlas.
(B) Logaritmický kvantizátor: Je to složitější než jednotný kvantizátor a snadno se implementuje a jeho výkon je lepší než jednotný kvantizátor.
(C) Neuniformní kvantizátor: Podle distribuce signálu navrhněte kvantizátor. Podrobná kvantifikace se provádí tam, kde je signál hustý, a hrubá kvantifikace se provádí tam, kde je signál řídký.
2) Kodér hlasu
Existují tři typy kodérů řeči: (a) Waveform encoder; (b) vokodér; (c) Hybridní kodér.
Kodér vln se zaměřuje na konstrukci analogového průběhu včetně šumového listu pozadí. Při působení na všechny vstupní signály bude produkovat vysoce kvalitní vzorky a spotřebovávat vysokou bitovou rychlost. Vokodér neregeneruje původní průběh. Tato sada kodérů extrahuje sadu parametrů, které se odesílají na přijímací konec k odvození modelu generování hlasu. Kvalita hlasu vokodéru není dostatečně dobrá. Hybridní kodér, který zahrnuje výhody kodéru a sirény křivky.
2.1 Kodér křivky
Konstrukce kodéru průběhu je často nezávislá na signálu. Je tedy vhodný pro kódování různých signálů a neomezuje se pouze na řeč.
1) Kódování časové domény
a) PCM: pulzní kódová modulace, je nejjednodušší metoda kódování. Jde pouze o diskretizaci a kvantizaci signálu a často se používá logaritmizace.
b) DPCM: diferenční pulzní kódová modulace, která kóduje pouze rozdíl mezi vzorky. Předchozí jeden nebo více vzorků se používá k předpovědi aktuální hodnoty vzorku. Čím více vzorků se použije k vytvoření předpovědi, tím přesnější bude předpokládaná hodnota. Rozdíl mezi skutečnou hodnotou a predikovanou hodnotou se nazývá reziduální část, která je předmětem kódování.
c) ADPCM: adaptivní diferenční pulzní kódová modulace, adaptivní diferenční pulzní kód. To znamená, že na základě DPCM jsou kvantizátor a prediktor vhodně upraveny podle změn signálu, takže předpovězená hodnota je blíže skutečnému signálu, reziduum je menší a účinnost komprese je vyšší.
(2) Kódování ve frekvenční doméně
Kódování ve frekvenční doméně je rozložit signál na řadu různých frekvenčních prvků a provést nezávislé kódování.
a) Kódování dílčího pásma: Kódování dílčího pásma je nejjednodušší technikou kódování ve frekvenční doméně. Jedná se o technologii, která transformuje původní signál z časové domény do frekvenční domény, poté jej rozdělí do několika dílčích pásem a provede na nich digitální kódování. Využívá skupinu pásmového filtru (BPF) k rozdělení původního signálu do několika (například m) dílčích pásem (označovaných jako dílčí pásma). Projděte každé dílčí pásmo modulačními charakteristikami ekvivalentními modulaci amplitudy s jedním postranním pásmem, posuňte každé dílčí pásmo na téměř nulovou frekvenci, respektive projděte BPF (celkem m) a poté přeneste každé dílčí pásmo předepsanou rychlostí ( Nyquistova frekvence) Výstupní signál dílčího pásma je vzorkován a vzorkovaná hodnota je obvykle digitálně kódována a je nastaveno m digitálních kodérů. Odešlete každý digitálně kódovaný signál do multiplexeru a nakonec odešlete datový tok kódovaný v dílčím pásmu.
Pro různá dílčí pásma lze použít různé kvantizační metody a různým počtem bitů lze přidělit dílčím pásmům podle modelu vnímání lidského ucha.
b) transformační kódování: DCT kódování.
5. Vokodér
Vokodér kanálu: Využívá necitlivost lidského ucha k fázi.
homomorfní vokodér: dokáže efektivně zpracovat syntetické signály.
Vokodér formantu: Většina informací hlasového signálu je umístěna na pozici a šířce pásma formantu.
lineární prediktivní vokodér: Nejčastěji používaný vokodér.
6. Hybridní kodér
Kodér vln se snaží zachovat tvar vlny kódovaného signálu a může poskytovat vysoce kvalitní řeč se střední bitovou rychlostí (32 kb / s), ale nelze ji použít na příležitosti s nízkou bitovou rychlostí. Vokodér se pokouší generovat signál, který je sluchově podobný kódovanému signálu a může poskytnout srozumitelnou řeč při nízké bitové rychlosti, ale výsledná řeč zní nepřirozeně. Hybridní kodér kombinuje výhody obou.
RELP: Na základě lineární predikce je zbytkový kódován. Mechanismus je: přenášejte pouze malou část zbytků a rekonstruujte všechny zbytky na přijímacím konci (zkopírujte zbytky základního pásma).
MPC: multi-pulzní kódování, které odstraňuje korelaci zbytků a používá se ke kompenzaci jednoduché vokodérové klasifikace hlasů na hlasy a neznělé bez vad mezilehlých stavů.
CELP: kódová kniha vzrušená lineární předpověď, která využívá predikci hlasových cest a kaskádu prediktoru výšky tónu k lepší aproximaci původního signálu.
MBE: vícepásmové buzení, účelem je vyhnout se velkému počtu výpočtů CELP, získat vyšší kvalitu než vokodér.
Náš další produkt:
