1. Основни појмови
1) Брзина протока: показује колико битова у секунди треба да представљају кодирани (компримовани) аудио подаци, а јединица је обично кбпс.
2) Гласност и интензитет: Субјективни атрибути звука. Гласност указује на то колико гласно звучи звук. Гласност се углавном разликује у зависности од интензитета звука, али на њу утиче и фреквенција. Уопштено говорећи, чисти звукови средње фреквенције су бољи од чистог звука ниске и високе фреквенције.
3) Узорковање и брзина узорковања: Узорковање је претварање континуираног временског сигнала у дискретни дигитални сигнал. Стопа узорковања односи се на то колико се узорака сакупи у секунди.
Никуистов закон о узорковању: Када је брзина узорковања већа или једнака 2 пута највишој фреквенцијској компоненти непрекидног сигнала, узорковани сигнал може се користити за савршену реконструкцију оригиналног континуираног сигнала.
2. уобичајени аудио формати
1) ВАВ формат је формат звучне датотеке коју је развио Мицрософт, а назива се и таласна датотека звука. То је најранији дигитални аудио формат, који широко подржава Виндовс платформа и њене апликације, и има ниску стопу компресије.
2) МИДИ је скраћеница од Дигитал Интерфаце од музичких инструмената, такође позната и као Дигитал Интерфаце од музичких инструмената, што је јединствени међународни стандард за дигиталну музику / електронске синтетичке музичке инструменте. Дефинише начин на који рачунарски музички програми, дигитални синтисајзери и други електронски уређаји размењују музичке сигнале и прецизира протокол преноса података између каблова и хардвера и уређаја који повезују електронске музичке инструменте различитих произвођача са рачунарима и може симулирати звук више музичких инструменти. МИДИ датотека је датотека у МИДИ формату, а неке наредбе се чувају у МИДИ датотеци. Пошаљите ова упутства звучној картици и она ће синтетизовати звук у складу са упутствима.
3) Пуно име МП3-а је МПЕГ-1 Аудио Лаиер 3, који је уклопљен у МПЕГ спецификацију 1992. МП3 може компресовати дигиталне аудио датотеке са високим квалитетом звука и малом брзином узорковања. Најчешћа примена.
4) МП3Про је развила шведска компанија за технологију кодирања која садржи две главне технологије: једна је јединствена технологија декодирања компаније Цодинг Тецхнологи Цомпани, а друга интеграција власника патента МП3, француске компаније Тхомсон Мултимедиа и немачке технологије декодирања Фраунхофер А, заједнички истражене удружење кола. МП3Про може побољшати оригинални квалитет звука МП3 музике без суштинске промене величине датотеке. Може да одржи квалитет звука пре компресије у највећој мери док компресује аудио датотеке на нижој брзини преноса података.
5) МП3Про је развила шведска компанија за технологију кодирања која садржи две главне технологије: једна је јединствена технологија декодирања компаније Цодинг Тецхнологи Цомпани, а друга интеграција власника патента МП3, француске компаније Тхомсон Мултимедиа и немачке технологије декодирања Фраунхофер А, заједнички истражене удружење кола. МП3Про може побољшати оригинални квалитет звука МП3 музике без суштинске промене величине датотеке. Може да одржи квалитет звука пре компресије у највећој мери док компресује аудио датотеке на нижој брзини преноса података.
6) ВМА (Виндовс Медиа Аудио) је Мицрософтово ремек-дело на пољу Интернет звука и видеа. ВМА формат постиже већу стопу компресије смањењем промета података, али одржавањем квалитета звука. Стопа компресије обично може достићи 1:18. Поред тога, ВМА такође може заштитити ауторска права путем ДРМ (управљање дигиталним правима).
7) РеалАудио је формат датотеке који је покренула Реал Нетворкс. Највећа карактеристика је што може преносити аудио информације у реалном времену, посебно када је мрежна брзина спора, и даље може преносити податке глатко, па је РеалАудио углавном погодан за мрежно играње на мрежи. Тренутни формати датотека РеалАудио углавном укључују РА (РеалАудио), РМ (РеалМедиа, РеалАудио Г2), РМКС (РеалАудио Сецуред) итд. Заједничко за ове датотеке је да се квалитет звука мења са разликом у пропусности мреже. Под претпоставком да већина људи чује гладак звук, слушаоци шире ширине опсега могу добити бољи квалитет звука.
8) Аудибле има четири различита формата: Аудибле1, 2, 3, 4. Веб локација Аудибле.цом углавном продаје аудио књиге на Интернету и пружа заштиту робе и датотека које продају путем једног од четири наменска аудио формата Аудибле.цом . Сваки формат углавном узима у обзир извор звука и уређај за слушање који се користи. Формати 1, 2 и 3 користе различите нивое компресије гласа, док формат 4 користи нижу брзину узорковања и исти метод декодирања као МП3. Резултат је јаснији и може се ефикасније преузети са Интернета. Аудибле користи сопствени алат за репродукцију радне површине, а то је Аудибле Манагер. Помоћу овог уређаја можете репродуковати датотеке формата звучног записа сачуване на рачунару или пренете на преносни уређај.
9) ААЦ је заправо скраћеница за Напредно аудио кодирање. ААЦ је аудио формат који су заједнички развили Фраунхофер ИИС-А, Долби и АТ&Т. Део је спецификације МПЕГ-2. Алгоритам који користи ААЦ разликује се од алгоритма МП3. ААЦ комбинује друге функције за побољшање ефикасности кодирања. ААЦ-ов аудио алгоритам далеко надмашује неке претходне алгоритме компресије (као што су МП3 итд.) У могућностима компресије. Такође подржава до 48 аудио записа, 15 нискофреквентних аудио записа, више брзина узорковања и брзине протока, компатибилност са више језика и већу ефикасност декодирања. Укратко, ААЦ може пружити бољи квалитет звука под претпоставком да је 30% мањи од МП3 датотека.
10) Огг Ворбис је нови формат компресије звука, сличан постојећим музичким форматима као што је МП3. Али једна разлика је у томе што је потпуно бесплатан, отворен и без патентних ограничења. Ворбис је назив овог механизма за компресију звука, а Огг је назив пројекта који намерава да дизајнира потпуно отворен мултимедијални систем. ВОРБИС такође компримује са губитком, али користи напредније акустичке моделе да би смањио губитак. Због тога ОГГ кодиран са истом брзином преноса звучи боље од МП3-а.
11) АПЕ је компримовани аудио формат без губитака, под претпоставком да квалитет звука није смањен, величина је компресована на половину традиционалне ВАВ датотеке формата без губитака.
12) ФЛАЦ је скраћеница од Фрее Лосслесс Аудио Цодец, скупа добро познатих бесплатних кодова компресије звука без губитака, који се одликују компресијом без губитака.
3. основни принцип аудио кодирања
Кодирање говора посвећено је смањењу пропусног опсега канала потребног за пренос, уз одржавање високог квалитета улазног говора.
Циљ кодирања говора је дизајнирање кодера мале сложености како би се постигао висококвалитетан пренос података уз најнижу могућу брзину преноса података.
1) Крива прага утишавања: Праг на којем људско ухо може да чује звук на различитим фреквенцијама само у тихом окружењу.
2) Критични опсег фреквенција
Будући да људско ухо има различите резолуције за различите фреквенције, МПЕГ1 / Аудио дели осетљиви фреквенцијски опсег унутар 22кхз на 23 ~ 26 критичних опсега фреквенција у складу са различитим слојевима кодирања и различитим фреквенцијама узорковања. Следећа слика приказује централну фреквенцију и пропусни опсег идеалног критичног опсега фреквенција. Као што се може видети на слици, људско ухо има бољу резолуцију ниских фреквенција
3) Ефекат маскирања у фреквенцијском домену: Сигнал веће амплитуде маскираће сигнал сличне фреквенције и мање амплитуде, као што је приказано на доњој слици:
4) Ефекат маскирања у временском домену: У кратком временском периоду, ако се појаве два звука, звук са већим СПЛ (ниво звучног притиска) маскираће звук са мањим СПЛ. Ефекат маскирања у временском домену дели се на маскирање унапред (предмаскирање) и маскирање уназад (постмаскирање). Време након маскирања биће дуже, око 10 пута веће од времена пре маскирања.
Ефекат маскирања временског домена помаже у уклањању пред-одјека.
4. основно средство кодирања
1) Квантизатор и квантизатор
Квантизација и квантизатор: Квантизација претвара континуирани сигнал у дискретном времену у дискретни сигнал у дискретном времену. Уобичајени квантизатори су: једнообразни квантизатор, логаритамски квантизатор и неједнолики квантизатор. Циљ који следи процес квантизације је минимизирање грешке квантизације и умањивање сложености квантизера (та два су сама по себи контрадикција).
(А) Једнообразни квантизатор: најједноставнији, најлошије перформансе, погодан само за телефонски глас.
(Б) Логаритамски квантизатор: Компликованији је од униформисаног квантизера и једноставан за примену, а његове перформансе су боље од униформисаног квантизера.
(Ц) Неуједначени квантизатор: Према дистрибуцији сигнала, дизајнирајте квантизатор. Детаљна квантификација врши се тамо где је сигнал густ, а груба квантификација тамо где је сигнал оскудан.
2) Кодирање гласа
Постоје три врсте кодера говора: (а) кодирање таласних облика; (б) Воцодер; (ц) Хибридни кодер.
Кодирање таласног облика има за циљ конструкцију аналогног таласног облика, укључујући позадински шум. Делујући на све улазне сигнале, он ће произвести узорке високог квалитета и потрошити високу брзину преноса података. Вокодер неће обновити изворни таласни облик. Овај сет кодера извући ће скуп параметара који се шаљу на крај пријема да би се извео модел генерације гласа. Квалитет гласа вокодера није довољно добар. Хибридни кодер, који укључује предности кодирача таласа и звучника.
2.1 Кодер таласног облика
Дизајн кодера таласног облика често је неовисан од сигнала. Дакле, погодан је за кодирање различитих сигнала и није ограничен на говор.
1) Кодирање временског домена
а) ПЦМ: модулација импулсног кода је најједноставнија метода кодирања. То је само дискретизација и квантизација сигнала, а често се користи и логаритмирање.
б) ДПЦМ: диференцијална импулсна модулација кода, која само кодира разлику између узорака. Претходни један или више узорака користе се за предвиђање тренутне вредности узорка. Што се више узорака користи за предвиђање, тачнија је предвиђена вредност. Разлика између праве вредности и предвиђене вредности назива се резидуална, која је предмет кодирања.
ц) АДПЦМ: адаптивна диференцијална импулсна модулација, адаптивни диференцијални импулсни код. Односно, на основу ДПЦМ-а, квантизатор и предиктор су на одговарајући начин прилагођени променама сигнала, тако да је предвиђена вредност ближа стварном сигналу, резидуална мања, а ефикасност компресије већа.
(2) Кодирање фреквенцијског домена
Кодирање у фреквенцијском домену је разлагање сигнала на низ различитих фреквенцијских елемената и извођење независног кодирања.
а) Под-опсежно кодирање: Под-опсежно кодирање је најједноставнија техника кодирања у фреквенцијском домену. То је технологија која трансформише изворни сигнал из временског домена у фреквенцијски домен, затим га дели на неколико подопсега и врши дигитално кодирање на њима. Користи групу пропусних филтера (БПФ) за поделу изворног сигнала на неколико (на пример, м) подопсега (који се називају подопсези). Прођите кроз сваки подскуп кроз карактеристике модулације еквивалентне амплитудској модулацији са једним бочним опсегом, померите сваки подопсег на скоро нулту фреквенцију, односно прођите кроз БПФ (укупно м), а затим пренесите сваки подопсег прописаном брзином Никуист стопа) Узоркује се излазни сигнал подопсега, а вредност узорка се обично дигитално кодира и поставља се м дигиталних кодера. Пошаљите сваки дигитални кодирани сигнал мултиплексеру и на крају изнесите под-опсег кодираног тока података.
За различите подопсеге могу се користити различите методе квантизације и подбројевима се може доделити различити број битова према моделу перцепције људског уха.
б) трансформисање кодирања: ДЦТ кодирање.
5. Воцодер
Вокодер канала: Користи неосјетљивост људског уха на фазу.
хомоморфни вокодер: може ефикасно да обрађује синтетичке сигнале.
Вокодер форманта: Већина информација гласовног сигнала налази се на положају и пропусној ширини форманта.
линеарни предиктивни вокодер: најчешће коришћени вокодер.
6. Хибридни кодер
Кодер таласног облика покушава да сачува таласни облик кодираног сигнала и може да пружи висококвалитетни говор при средњој брзини преноса (32 кбпс), али се не може применити у приликама са ниском брзином преноса. Вокодер покушава да генерише сигнал који је звучно сличан кодираном сигналу и може пружити разумљив говор при малој брзини преноса, али резултујући говор звучи неприродно. Хибридни кодер комбинује предности оба.
РЕЛП: На основу линеарног предвиђања, резидуал се кодира. Механизам је: преносити само мали део резидуала и реконструисати све остатке на пријемном крају (копирати остатке основног опсега).
МПЦ: вишеимпулсно кодирање, које уклања корелацију резидуала, и користи се за надокнађивање једноставне класификације гласова вокодера на звучне и безвучне без недостатака средњих стања.
ЦЕЛП: линеарно предвиђање узбуђеног у шифранту, које користи предвиђање вокалног тракта и каскаду висинског тона да би боље приближио изворни сигнал.
МБЕ: вишепојасно побуђивање, сврха је да се избегне велики број прорачуна ЦЕЛП-а, да се постигне бољи квалитет од вокодера.
Наша друга производ:
