Audio
Týká se zvukových vln se zvukovou frekvencí mezi 20 Hz a 20 kHz, které lze slyšet lidským uchem.
Pokud do počítače přidáte odpovídající zvukovou kartu - zvukovou kartu, o které často říkáme, můžeme zaznamenat všechny zvuky a akustické vlastnosti zvuku, například úroveň zvuku, lze uložit jako soubory na pevný disk počítače disk. Naopak můžeme použít určitý zvukový program k přehrávání uloženého zvukového souboru k obnovení dříve zaznamenaného zvuku.
1 Formát zvukových souborů
Formát zvukového souboru konkrétně odkazuje na formát souboru, ve kterém jsou zvuková data uložena. Existuje mnoho různých formátů.
Obecnou metodou získávání zvukových dat je vzorkování (kvantování) zvukového napětí ve stanoveném časovém intervalu a ukládání výsledku v určitém rozlišení (například každý vzorek CDDA má 16 bitů nebo 2 bajty). Interval vzorkování může mít různé standardy. Například CDDA používá 44,100 48,000krát za sekundu; DVD používá 96,000 2 nebo XNUMX XNUMXkrát za sekundu. Klíčovými parametry formátu zvukového souboru jsou tedy [vzorkovací frekvence], [rozlišení] a počet [kanálů] (například XNUMX kanály pro stereo).
1.1 Ztráty a ztráty
Podle výrobního procesu digitálního zvuku může být kódování zvuku nekonečně blízké přirozeným signálům. Alespoň to současná technologie dokáže. Jakékoli schéma kódování digitálního zvuku je ztrátové, protože jej nelze úplně obnovit. V počítačových aplikacích je nejvyšší úrovní věrnosti kódování PCM, které se široce používá pro uchování materiálu a hodnocení hudby. Používá se na CD, DVD a v našich běžných souborech WAV. Proto se PCM stalo konvencí bezztrátovým kódováním, protože PCM představuje nejlepší úroveň věrnosti v digitálním zvuku.
Existují dva hlavní typy formátů zvukových souborů:
Bezztrátové formáty, jako WAV, PCM, TTA, FLAC, AU, APE, TAK, WavPack (WV)
Ztrátové formáty, jako MP3, Windows Media Audio (WMA), Ogg Vorbis (OGG), AAC
Úvod do 2 parametrů
2.1 Vzorkovací frekvence
Odkazuje na počet zvukových vzorků získaných za sekundu. Zvuk je vlastně druh energetické vlny, má tedy také charakteristiky frekvence a amplitudy. Frekvence odpovídá časové ose a amplituda odpovídá úrovni osy. Vlna je nekonečně hladká a řetězec lze považovat za složený z nespočetných bodů. Protože úložný prostor je relativně omezený, musí být během řetězce digitálního kódování vzorkovány body řetězce.
Proces vzorkování spočívá v extrakci hodnoty frekvence určitého bodu. Je zřejmé, že čím více bodů se získá za jednu sekundu, tím více informací o frekvenci se získá. Aby se obnovil tvar vlny, čím vyšší je vzorkovací frekvence, tím lepší je kvalita zvuku. Čím reálnější je restaurování, ale zároveň zabírá více zdrojů. Kvůli omezenému rozlišení lidského ucha nelze rozlišit příliš vysokou frekvenci. Obvykle se používá vzorkovací frekvence 22050, 44100 je již kvalita zvuku CD a vzorkování přes 48,000 96,000 nebo 24 XNUMX již nemá pro lidské ucho smysl. To je obdoba XNUMX snímků za sekundu ve filmech. Pokud je stereofonní, vzorek se zdvojnásobí a soubor se téměř zdvojnásobí.
Podle Nyquistovy vzorkovací teorie by vzorkovací frekvence měla být kolem 40kHz, aby bylo zajištěno, že zvuk nebude zkreslený. Nepotřebujeme vědět, jak tato věta vznikla. Musíme pouze vědět, že tato věta nám říká, že pokud chceme zaznamenat signál přesně, musí být naše vzorkovací frekvence větší nebo rovna dvojnásobku maximální frekvence zvukového signálu. Pamatujte, že je to maximální frekvence.
V oblasti digitálního zvuku jsou běžně používané vzorkovací frekvence:
8000 Hz - vzorkovací frekvence používaná telefonem, která je dostatečná pro lidskou řeč
Vzorkovací frekvence 11025 Hz používaná telefonem
Vzorkovací frekvence 22050 Hz použitá v rozhlasovém vysílání
32000 XNUMX Hz vzorkovací frekvence pro digitální videokameru miniDV, DAT (režim LP)
44100 Hz-Audio CD, také běžně používané jako vzorkovací frekvence pro zvuk MPEG-1 (VCD, SVCD, MP3)
Vzorkovací frekvence 47250 Hz používaná komerčními rekordéry PCM
Vzorkovací frekvence 48000 XNUMX Hz pro digitální zvuk používaný v miniDV, digitální televizi, DVD, DAT, filmech a profesionálním zvuku
Vzorkovací frekvence 50000 XNUMX Hz používaná komerčními digitálními rekordéry
96000 192000 Hz nebo XNUMX XNUMX Hz - vzorkovací frekvence používaná pro DVD-Audio, některé zvukové stopy LPCM DVD, zvukové stopy BD-ROM (Blu-ray Disc) a zvukové stopy HD-DVD (High Definition DVD)
2.2 Počet vzorkovacích bitů
Počet vzorkovacích bitů se také nazývá velikost vzorkování nebo počet kvantizačních bitů. Jedná se o parametr používaný k měření fluktuace zvuku, tj. Rozlišení zvukové karty, nebo jej lze chápat jako rozlišení zvukové karty zpracované zvukovou kartou. Čím větší hodnota, tím vyšší rozlišení a realističtější zvuk zaznamenaný a přehrávaný. Bit zvukové karty odkazuje na binární číslice digitálního zvukového signálu používaného zvukovou kartou při shromažďování a přehrávání zvukových souborů. Bit zvukové karty objektivně odráží přesnost popisu digitálního zvukového signálu vstupního zvukového signálu. Běžné zvukové karty jsou hlavně 8bitové a 16bitové. V současné době jsou všechny běžné produkty na trhu 16bitové a vyšší zvukové karty.
Každá vzorkovaná data zaznamenávají amplitudu a přesnost vzorkování závisí na počtu vzorovacích bitů:
1 bajt (tj. 8bitový) může zaznamenat pouze 256 čísel, což znamená, že amplitudu lze rozdělit pouze na 256 úrovní;
2 bajty (tj. 16bitové) mohou být tak malé jako 65536, což je již standard CD;
4 bajty (tj. 32bitové) mohou rozdělit amplitudu na 4294967296 úrovní, což je opravdu zbytečné.
2.3 Počet kanálů
To znamená počet zvukových kanálů. Společné mono a stereo (dvoukanálové) se nyní vyvinuly na čtyřzvukový prostorový (čtyřkanálový) a 5.1 kanálů.
2.3.1 Mono
Mono je relativně primitivní forma reprodukce zvuku a starší zvukové karty ji používaly častěji. Monofonní zvuk lze znít pouze pomocí jednoho reproduktoru a některé jsou také zpracovány do dvou reproduktorů pro výstup stejného zvukového kanálu. Když jsou monofonní informace přehrávány dvěma reproduktory, můžeme jasně cítit, že zvuk vychází ze dvou reproduktorů. Není možné určit konkrétní umístění zdroje zvuku, který je přenášen do našich uší ze středu reproduktoru.
2.3.2 stereo
Binaurální kanály mají dva zvukové kanály. Princip spočívá v tom, že když lidé slyší zvuk, mohou posoudit konkrétní polohu zdroje zvuku na základě fázového rozdílu mezi levým a pravým uchem. Zvuk je během procesu nahrávání přidělen na dva nezávislé kanály, aby se dosáhlo dobrého efektu lokalizace zvuku. Tato technika je zvláště užitečná při oceňování hudby. Posluchač dokáže jasně rozlišit směr, ze kterého vycházejí různé nástroje, díky čemuž je hudba nápaditější a blíže zážitku na místě.
V současnosti se nejčastěji používají dva hlasy. V karaoke je jedno pro přehrávání hudby a druhé pro hlas zpěváka; ve VCD jeden kopíruje v mandarínštině a druhý v kantonštině.
2.3.3 Čtyřtónový prostorový zvuk
Čtyřkanálový prostorový zvuk definuje čtyři zvukové body, přední levý, přední pravý, levý zadní a pravý zadní, a divák je jimi obklopen. Doporučuje se také přidat subwoofer k posílení zpracování přehrávání nízkofrekvenčních signálů (to je důvod, proč jsou dnes 4.1kanálové reproduktorové systémy velmi populární). Pokud jde o celkový efekt, čtyřkanálový systém může posluchačům přinést prostorový zvuk z několika různých směrů, může získat sluchový zážitek v různých prostředích a poskytnout uživatelům zcela nový zážitek. V dnešní době je čtyřkanálová technologie široce integrována do designu různých zvukových karet střední a vyšší třídy a stává se hlavním trendem budoucího vývoje.
2.3.4 5.1 kanál
Kanály 5.1 byly široce používány v různých tradičních divadlech a domácích kinech. Některé z nejznámějších kompresních formátů záznamu zvuku, jako jsou Dolby AC-3 (Dolby Digital), DTS atd., Jsou založeny na zvukovém systému 5.1. Kanál „.1“ je speciálně navržený kanál subwooferu, který umožňuje produkci subwooferů s rozsahem frekvenční odezvy 20 až 120 Hz. Zvukový systém 5.1 ve skutečnosti pochází z prostorového zvuku 4.1, rozdíl je v tom, že přidává centrální jednotku. Tato centrální jednotka je zodpovědná za přenos zvukového signálu pod 80 Hz, což je užitečné pro posílení lidského hlasu při sledování filmu a soustředění dialogu uprostřed celého zvukového pole pro zvýšení celkového efektu.
V současné době poskytuje mnoho online hudebních přehrávačů, jako je QQ Music, 5.1kanálovou hudbu pro zkušební poslech a stahování.
Rámeček 2.4
Koncept zvukových snímků není tak jasný jako snímky videa. Téměř všechny formáty kódování videa mohou jednoduše považovat snímek za zakódovaný obrázek. Zvukový rámec však souvisí s formátem kódování, který je implementován každým standardem kódování.
Například v případě PCM (nekódovaná zvuková data) vůbec nepotřebuje koncept snímků a lze jej přehrávat podle vzorkovací frekvence a přesnosti vzorkování. Například pro duální zvuk se vzorkovací frekvencí 44.1 kHZ a přesností vzorkování 16 bitů můžete vypočítat, že bitová rychlost je 44100162bps a zvuková data za sekundu jsou pevná 44100162/8 bajtů.
Rám amr je poměrně jednoduchý. Stanovuje, že každých 20 ms zvuku je snímek a každý snímek zvuku je nezávislý a je možné použít různé kódovací algoritmy a různé parametry kódování.
Rámeček mp3 je o něco složitější a obsahuje více informací, jako je vzorkovací frekvence, bitová rychlost a různé parametry.
Cykly 2.5
Počet rámců požadovaných zvukovým zařízením ke zpracování najednou a přístup k datům zvukového zařízení a ukládání zvukových dat jsou založeny na této jednotce.
2.6 Režim prokládání
Metoda ukládání digitálního zvukového signálu. Data se ukládají do souvislých rámců, to znamená, že se nejprve zaznamenají vzorky levého kanálu a vzorky pravého kanálu rámce 1 a poté se zahájí záznam rámce 2.
2.7 neprokládaný režim
Nejprve nahrajte vzorky levého kanálu všech snímků v období a poté nahrajte všechny vzorky pravého kanálu.
2.8 Bitová rychlost (bitová rychlost)
Přenosová rychlost se také nazývá přenosová rychlost, která označuje množství dat přehrávaných hudbou za sekundu. Jednotka je vyjádřena bitem, což je binární bit. bps je bitová rychlost. b je bit (bit), s je druhý (druhý), p je každý (za), jeden bajt odpovídá 8 binárním bitům. To znamená, že velikost souboru 4minutové skladby o 128 bps se počítá takto (128/8) 460 = 3840kB = 3.8 MB, 1B (bajt) = 8b (bit), obecně je mp3 výhodný při 128 bitech rychlost, a to je pravděpodobně Velikost je kolem 3-4 BM.
V počítačových aplikacích je nejvyšší úrovní věrnosti kódování PCM, které je široce používáno za uchování materiálu a ocenění hudby. Používají se CD, DVD a naše běžné soubory WAV. Proto se PCM stalo konvencí bezztrátovým kódováním, protože PCM představuje nejlepší úroveň věrnosti v digitálním zvuku. Neznamená to, že PCM může zajistit absolutní věrnost signálu. PCM může dosáhnout pouze maximální nekonečné blízkosti.
Výpočet bitové rychlosti zvukového toku PCM je velmi snadný úkol, hodnota vzorkovací frekvence × hodnota velikosti vzorkování × číslo kanálu bps. Soubor WAV se vzorkovací frekvencí 44.1 KHz, vzorkovací velikostí 16 bitů a dvoukanálovým kódováním PCM, jeho datová rychlost je 44.1 K × 16 × 2 = 1411.2 kB / s. Naše běžné zvukové CD používá kódování PCM a kapacita CD pojme pouze 72 minut hudebních informací.
Dvoukanálový zvukový signál kódovaný PCM vyžaduje za 176.4 sekundu 1 kB prostoru a za 10.34 minutu přibližně 1 mil. To je pro většinu uživatelů nepřijatelné, zejména pro ty, kteří rádi poslouchají hudbu na počítači. Obsazenost disku, existují pouze dvě metody, index převzorkování nebo komprese. Není vhodné snižovat index vzorkování, proto odborníci vyvinuli různá schémata komprese. Nejoriginálnější jsou DPCM, ADPCM a nejznámější je MP3. Proto je rychlost kódu po kompresi dat mnohem nižší než původní kód.
2.9 Příklad výpočtu
Například délka souboru „Windows XP startup.wav“ je 424,644 22050 bajtů, což je ve formátu „16HZ / XNUMXbit / stereo“.
Pak je jeho přenosová rychlost za sekundu (bitová rychlost, nazývaná také bitová rychlost, vzorkovací frekvence) 22050162 = 705600 (bps), převedená na bajtovou jednotku je 705600/8 = 88200 (bajtů za sekundu), doba přehrávání: 424644 (celkem bajtů) / 88200 (bajtů za sekundu) ≈ 4.8145578 (sekundy).
Ale to není dostatečně přesné. Soubor WAVE (* .wav) ve standardním formátu PCM má alespoň 42 bajtů informací záhlaví, které by měly být při výpočtu doby přehrávání odstraněny, takže existuje: (424644-42) / (22050162/8) ≈ 4.8140816 ( sekundy). To je přesnější.
3 kódování zvuku PCM
PCM znamená Pulse Code Modulation. V procesu PCM je vstupní analogový signál vzorkován, kvantován a kódován a binární kódované číslo představuje amplitudu analogového signálu; přijímací konec poté obnoví tyto kódy na původní analogový signál. To znamená, že A / D převod digitálního zvuku zahrnuje tři procesy: vzorkování, kvantování a kódování.
Míra přijetí hlasového PCM je 8kHz a počet vzorkovacích bitů je 8bit, takže kódová rychlost hlasového digitálního kódovaného signálu je 8bits × 8kHz = 64kbps = 8KB / s.
3.1 Zásady kódování zvuku
Každý, kdo má určitý elektronický základ, ví, že zvukový signál shromážděný senzorem je analogová veličina, ale to, co používáme ve skutečném procesu přenosu, je digitální veličina. A to zahrnuje proces převodu analogového na digitální. Analogový signál musí projít třemi procesy, jmenovitě vzorkováním, kvantizací a kódováním, aby bylo možné realizovat technologii pulzní kódové modulace (PCM, Pulse Coding Modulation) digitalizace hlasu.
Proces konverze
3.1.1 Odběr vzorků
Vzorkování je proces extrakce vzorků (vzorkovací frekvence) z analogového signálu na frekvenci, která je více než 2krát větší než šířka pásma signálu (Lequistova věta o vzorkování) a jeho přeměnou na diskrétní vzorkovací signál na časové ose.
Vzorkovací frekvence: Počet vzorků extrahovaných ze spojitého signálu za sekundu za vzniku diskrétního signálu, vyjádřený v Hertzích (Hz).
vzorek:
Například vzorkovací frekvence zvukového signálu je 8000 Hz.
Lze pochopit, že vzorek na výše uvedeném obrázku odpovídá křivce změny napětí s časem na obrázku po dobu 1 sekundy, poté spodní 1 2 3… 10, protože by mělo existovat 1–8000 1 bodů, tj. 8000 druhá je rozdělena na 8000 částí a poté je postupně vyjmete Hodnota napětí odpovídající tomuto XNUMX bodovému času.
3.1.2 Kvantifikace
Přestože je vzorkovaný signál diskrétním signálem na časové ose, stále jde o analogový signál a jeho vzorová hodnota může mít v určitém rozsahu hodnot nekonečný počet hodnot. K „zaokrouhlování“ hodnot vzorku je třeba použít metodu „zaokrouhlování“, aby se hodnoty vzorku v určitém rozsahu hodnot změnily z nekonečného počtu hodnot na konečný počet hodnot. Tento proces se nazývá kvantifikace.
Vzorkovací počet bitů: odkazuje na počet bitů použitých k popisu digitálního signálu.
8 bitů (8 bitů) představuje 2 až 8. výkon = 256, 16 bitů (16 bitů) představuje 2 až 16. výkon = 65536;
vzorek:
Například rozsah napětí shromážděný zvukovým senzorem je 0-3.3 V a vzorkovací číslo je 8 bitů (bit)
To znamená, že za přesnost kvantizace považujeme 3.3 V / 2 ^ 8 = 0.0128.
Rozdělíme 3.3 V na 0.0128 jako stupňovitou osu Y, jak je znázorněno na obrázku 3, 1 2… 8 se změní na 0 0.0128 0.0256… 3.3 V
Například hodnota napětí vzorkovacího bodu je 1.652 V (mezi 1280.128 a 1290.128). Zaokrouhlíme to na 1.65 V a odpovídající úroveň kvantování je 128.
3.1.3 Kódování
Kvantovaný vzorkovací signál je transformován do řady desítkových digitálních kódových proudů uspořádaných podle vzorkovací sekvence, tj. Desítkového digitálního signálu. Jednoduchý a efektivní datový systém je systém binárního kódu. Desetinný digitální kód by proto měl být převeden na binární kód. Podle celkového počtu desetinných digitálních kódů lze určit počet bitů potřebných pro binární kódování, tj. Délku slova (počet vzorkovacích bitů). Tento proces transformace kvantovaného signálu vzorku do proudu binárního kódu s danou délkou slova se nazývá kódování.
vzorek:
Pak výše uvedených 1.65 V odpovídá kvantizační úrovni 128. Odpovídající binární systém je 10000000 10000000 13. To znamená, že výsledek kódování bodu vzorkování je XNUMX XNUMX XNUMX. Jedná se samozřejmě o metodu kódování, která nezohledňuje kladné a záporné hodnoty a existuje mnoho typů kódovacích metod, které vyžadují specifickou analýzu konkrétních problémů. (Kódování zvukového formátu PCM je kódování polyline A-law XNUMX)
3.2 kódování zvuku PCM
Signál PCM neprošel žádným kódováním a kompresí (bezztrátová komprese). Ve srovnání s analogovými signály není snadno ovlivněn nepořádkem a zkreslením přenosového systému. Dynamický rozsah je široký a kvalita zvuku je docela dobrá.
3.2.1 PCM kódování
Použitým kódováním je kódování křivky A-law 13.
Podrobnosti najdete v části: Hlasové kódování PCM
3.2.2 Channel
Kanály lze rozdělit na mono a stereo (dvoukanálový).
Každá hodnota vzorku PCM je obsažena v celém čísle i a délka i je minimální počet bajtů potřebný k přizpůsobení zadané délky vzorku.
Velikost vzorku Formát dat Minimální hodnota Maximální hodnota
8bitový PCM nepodepsaný int 0 225
16bitový PCM int -32767 32767
U mono zvukových souborů je vzorkovací data 8bitové krátké celé číslo (short int 00H-FFH) a vzorkovací data jsou uložena v chronologickém pořadí.
Dvoukanálový stereofonní zvukový soubor, přičemž každé vzorkování je 16bitové celé číslo (int), horní osm bitů (levý kanál) a spodní osm bitů (pravý kanál) představují dva kanály a vzorkovací data jsou v chronologickém pořadí Vklad v alternativním pořadí.
Totéž platí, když je počet vzorkovacích bitů 16 bitů a úložiště souvisí s pořadí bajtů.
Datový formát PCM
Všechny síťové protokoly používají k přenosu dat velký endianský způsob. Metoda big endian se proto také nazývá pořadí bajtů sítě. Když komunikují dva hostitelé s odlišným pořadí bajtů, musí být před odesláním dat před přenosem převedeni na pořadí bajtů v síti.
4 G.711
Obecně PCM analogový signál před digitalizací prochází určitým zpracováním (například komprimační amplitudou). Po digitalizaci se signál PCM obvykle dále zpracovává (například komprese digitálních dat).
G.711 je standardní algoritmus digitálního digitálního signálu (komprese / dekomprese), který moduluje pulzní kód z ITU-T. Jedná se o techniku vzorkování pro digitalizaci analogových signálů, zejména pro zvukové signály. PCM vzorkuje signál 8000 8krát za sekundu, 8 KHz; každý vzorek má 64 bitů, celkem 0 kb / s (DSXNUMX). Existují dva standardy pro kódování úrovní vzorkování. Severní Amerika a Japonsko používají standard Mu-Law, zatímco většina ostatních zemí používá standard A-Law.
A-law a u-law jsou dvě metody kódování PCM. A-law PCM se používá v Evropě a mé zemi a Mu-law se používá v Severní Americe a Japonsku. Rozdíl mezi těmito dvěma je metoda kvantování. Zákon A používá 12bitovou kvantizaci a zákon u používá 13bitovou kvantizaci. Vzorkovací frekvence je 8KHz a obě jsou 8bitové metody kódování.
Jednoduché pochopení: PCM jsou původní zvuková data shromážděná zvukovým zařízením. G.711 a AAC jsou dva různé algoritmy, které mohou komprimovat data PCM do určitého poměru, čímž šetří šířku pásma v síťovém přenosu.
Náš další produkt:
