|
GFox
Стаж: 17 лет 10 месяцев Сообщений: 14877
|
GFox ·
29-Авг-12 14:37
(12 лет 2 месяца назад, ред. 03-Сен-12 20:07)
Несмотря на то, что цифровые устройства воспроизведения звука и цифровые форматы хранения аудио данных давно и прочно вошли в нашу жизнь, многие до сих пор не имеют чёткого понимания того, что представляет собой цифровой звук. Во многом это обусловлено тем, что эти люди не понимают, что вообще представляет из себя звук как таковой. Из этого непонимания берёт начало множество устойчивых заблуждений и мифов как о сжатии звукового сигнала (при кодировании в MP3 просто срезаются "слишком высокие" частоты, которые "всё равно никто не слышит"), так и о звучании различных кодеков и контейнеров (WAV звучит лучше, чем FLAC) и пр. Далее в предельно простых формулировках будет разъяснена сущность понятий аналогового и цифрового звука, преобразования аналогового звука в цифровой и операций по сжатию, используемых для более компактного хранения цифровых звуковых данных.
Звук - пока аналоговый.Как мы знаем из курса школьной физики, звук - это волна, следовательно он может быть изображён в виде синусоидальной функции. По горизонтальной оси этой функции располагается время, а по вертикальной - амплитуда, т.е. величина отклонения от нулевого значения. Амплитуда звуковых колебаний измеряется в Децибелах и в наиболее упрощённом смысле представляет собой громкость звука. Человеческое ухо способно различать звуки примерно от 10 дБ и выше, а при громкости 120 дБ достигается болевой порог.
Отображение звуковой волны музыкального фрагмента в окне программы Adobe Audition
Если время на горизонтальной оси заменить числом колебаний в секунду, мы получим частоту звука, которая измеряется в Герцах и на слух воспринимается, как высота звука: чем выше частота, тем выше звук. Нормальный слуховой диапазон здорового человека находится в пределах от 16 Гц до 22 кГц. С возрастом верхняя граница может опуститься, однако слух, как и практически любой другой орган человеческого тела, можно успешно развивать и тренировать.
АЧХ - амплитудно-частотная характеристика звуковой волны
Помимо частоты и громкости (а так же длительности) у музыкального звука различают ещё и тембр. Тембр формируется благодаря обертонам - дополнительным колебаниям, возникающим при игре на музыкальных инструментах. Например, при игре на струнных музыкальных инструментах звук возникает не только от колебания всей струны целиком, но и от колебания её отдельных частей. Эти колебания и есть обертоны.
Из сказанного выше видно, насколько сложное явление представляет собой музыкальный звук, и какое количество постоянно изменяющихся параметров должно быть учтено и сохранено при его оцифровке. На самом деле, таких параметров даже больше. Далее мы остановимся на этом подробнее.Оцифровка аналогового звука.Абсолютно все окружающие нас звуки в широком смысле являются аналоговыми, так как являются результатом различных механических колебаний. Даже, когда вы слушаете MP3-файл, вы слышите аналоговый звук, получаемый в результате вибрации мембраны ваших колонок. Услышать цифровой звук нельзя, так как это всего лишь совокупность нолей и единиц - запись в памяти вашего компьютера или плеера. Звук оцифровывают для того, чтобы хранить (так долговечнее) и обрабатывать (так удобнее).
Итак, как было сказано выше, звуковая волна представляет собой плавную непрерывную линию. Поскольку компьютер в таком виде хранить её не может, для перевода в цифровой формат, её необходимо разбить как по горизонтальной оси (время), так и по вертикальной (амплитуда) на множество равных отрезков, фиксирующих её строго определённые значения в строго определённые моменты времени, каждое из которых впоследствии будет записано в памяти компьютера в виде нолей и единиц. Естественно, крайне желательно, чтобы каждый такой отрезок был настолько маленьким, чтобы изменение звукового сигнала в его пределах были крайне незначительными, иначе какая-то часть важной информации окажется потерянной. Здесь можно провести аналогию с цифровым изображением, которое, как мозаика, состоит из множества отдельных точек (пикселей) однородного цвета. Чем меньше каждая такая точка, чем этих точек больше, тем чётче изображение.
3 стадии процесса оцифровки аналогового звука: а)дискретизация; б)квантование; в)кодирование
В начале оцифровки пока ещё непрерывный сигнал через микрофон попадает на устройство выработки и хранения, где его дробят по времени. Затем дискретный по времени, но всё ещё непрерывный по значению сигнал попадает на квантователь, где его дробят уже по амплитуде. И, наконец, дискретный и по времени, и по значению сигнал попадает на кодер, который, собственно, кодирует его, т.е. записывает полученные значения в виде цифрового кода из нолей и единиц. При оцифровке аналогового звука такое разбиение звукового сигнала по времени называют дискретизацией, а по амплитуде - квантованием. Дискретизация характеризуется частотой дискретизации (не путайте с частотой самого звука!), которая так же измеряется в Герцах и показывает, на части какой длительности дробится каждая секунда звучания оцифрованного звукового сигнала.
Определим эту величину для наиболее сейчас популярного формата audio CD или нашего любимого lossless. Согласно спецификации формата его частота дескритезации составляет 44,1 кГц, а шаг квантования - 16 бит.
1 секунда / 44100 = 22,7 микросекунды
Кажется, что это очень мало, и никаких потерь информации при таком мелком дроблении быть не может. Однако, как известно, акустические музыкальные сигналы обладают сверхбыстрой нестационарной временной и динамической структурой, которая обуславливается различными причинами, в частности, быстрой атакой реальных музыкальных инструментов, наличием большого количества ультразвуковых составляющих в спектре многих инструментов, возникновением коротких реверберационных временных задержек в помещении и др. Атака - первоначальный звуковой импульс, который необходим для начала игры на том или ином музыкальном инструменте. Например, при исполнении форте на трубе звук может достичь пиков 120-130 дБ за 10 мкс, а на цимбалах за 7-10 мкс можно получить резкий подъем до 136 дБ. Кроме того, во время игры какого-либо музыкального инструмента вы слышите не только непосредственно издаваемый им звук, но и его многочисленные реверберации - эхо. Именно они делают звук "объёмным". При чём по мере убывания ревербераций их динамическая структура значительно усложняется, а интервалы изменения сокращаются.
И, самое главное, последние исследования в области слуха позволили определить, что человеческое ухо без труда воспринимает все эти процессы, так как способно различить изменения звукового сигнала длительностью всего 0,2 мкс, для беспотерьной оцифровки которых, как это не трудно посчитать, необходима частота дискретизации в 5 МГц (существующие на сегодняшний день цифровые устройства не способны обрабатывать частоту дискретизации выше 384 кГц).
При воспроизведении цифрового звука происходит обратный процесс: сначала цифровой сигнал попадает на декодер, после чего дискретный по времени и значению сигнал искусственно сглаживается и подаётся на устройство воспроизведения.
Таким образом мы приходим к тому, что утверждение, будто рипы с аналоговых носителей (виниловых пластинок) звучат иначе, чем рипы с цифровых носителей в силу аналоговой природы исходников, является ещё одним заблуждением. Любой звуковой сигнал, вне зависимости от его первоисточника, после попадания в компьютер подвергается дискретизации и квантованию с последующим восстановлением, то есть теряет свою первоначальную целостность. Вы можете оцифровать ремастеринг пластинки, статические шумы, сопутствующие её воспроизведению, но никак не аналоговое звучание.Сжатие цифрового звука.Оцифрованный звук может храниться на компьютере, как в сжатом, так и в несжатом виде. Изначально форматы audio CD (CDDA) и super audio CD (DSD), а так же контейнер WAV не предусматривали сжатия данных. Однако, с развитием средств коммуникации и в особенности интернета возникла необходимость в передаче больших объёмов данных, что привело к разработке различных способов их сжатия. Различают сжатие с потерями (lossy), при котором полное восстановление исходного сигнала невозможно, и сжатие без потерь (lossless), позволяющее восстановить исходный сигнал в полном объёме.
Сжатие с потерями разработано на основании алгоритмов сокращения психоакустической избыточности. Психоакустика - это наука, изучающая восприятие звука человеком. При составлении алгоритмов сокращения психоакустической избыточности (т.е. для исключения из звукового сигнала "лишней" информации) был взят за основу т.н. эффект маскирования. Так, например, вы не будете слышать своего собеседника, если ваш разговор будет идти вблизи проходящего неподалёку железнодорожного состава. Это так называемое частотное маскирование. А, если вам над ухом выстрелить из пистолета, вы несколько микросекунд так же не будете в состоянии различать другие звуки. Это так называемое временное маскирование. Таким образом, кодек вычисляет, какие частоты в какой момент времени не будут восприниматься вашей слуховой системой и просто удаляет их из сигнала.
Этот эффект напрямую зависит от частот тихого и громкого звуков: низкочастотные звуки маскируют высокочастотные, но высокочастотные маскировать низкочастотные не могут. Отсюда и характерные срезы верхних частот на спектрах при lossy-кодировании.
Рассмотрим эффект от сжатия с потерями (в MP3 128 kbps) исходного файла в формате PCM 1411,2 kbps (стандартный audio CD). В соответствии с теоремой Котельникова для преобразования аналогового сигнала в цифровой без потери информации необходимо, чтобы частота дискретизации более чем в 2 раза превышала частоту преобразуемого сигнала. Частота дискретизации PCM нам уже известна, определим частоту самого сигнала:
44,1 кГц / 2 = 22 кГц
Таким образом верхняя граница частоты звука, который может быть записан на audio CD, как раз примерно соответствует верхней границе диапазона слуха здорового человека. Теперь посмотрим, что сделал с этими частотами кодек.
АЧХ файла после сжатия с потерями (MP3 128 kbps)
На графике (сравните с аналогичным рисунком выше) чётко виден излом на уровне 16 кГц. Эта точка называется частотой среза. Всё, что расположено на графике левее её - полоса пропускания, т.е. диапазон частот, в пределах которого передача сигнала происходит без искажения его формы. Всё, что правее - полоса подавления, в пределах которой частоты на выход не передаются.
Частотные спектры файла после сжатия с потерями (MP3 128 kbps)
На графике видно, что срезанными оказались частоты от 16 до 22 кГц. Таким образом, вопреки распространённому заблуждению при сжатии с потерями срезаются не какие-то мифические "слишком высокие" частоты, которые "всё равно никто не слышит", нет, исключаются те частоты, которые, по усреднённым расчётам кодека, не могут быть восприняты вами в определённый момент времени.
В отличии от сжатия с потерями сжатие без потерь основано на принципе сокращения статистической избыточности. При помощи различных математических преобразований происходит более рациональное размещение данных в файле, что позволяет уменьшить его размер на 15-20%. Каких-либо преобразований самой частотной структуры звуковой волны при этом не происходит. Соответственно и каких-либо различий в звучании между различными кодеками и контейнерами (ещё одно заблуждение) как при сжатии без потерь, так и вообще без сжатия быть не может.А как же битрейт?Вопреки ещё одному распространённому заблуждению битрейт не является непосредственной характеристикой цифрового звука. Битрейт - это скорость передачи информации. Он измеряется в килобитах в секунду (кб/с или kbps). При равной длительности времени интервала передачи информации (один и тот же музыкальный фрагмент, закодированный с различным качеством) для передачи бОльшего объёма данных потребуется бОльшая скорость. PCM-файл с предельной частотой 22 кГц, послуживший примером для этого обзора, имеет размер 110 МБ, а перекодированный из него MP3-файл с предельной частотой 16 кГц - всего 10 МБ. Соответственно, и скорость для передачи этих объёмов информации потребуется разная.
110 МБ / 10 МБ = 11
1411,2 kbps / 11 = 128 kbps
128 kbps и есть битрейт закодированного с потерями файла. Он равен отношению размера звукового файла (в килобитах) к его длительности (в секундах).
(10 х 1024 х 8) кб / 640 сек = 128 kbps
Из-за того, что при сжатии с потерями уменьшение размера файла достигается за счёт удаления части частот, битрейт при таком сжатии может быть косвенной характеристикой качества цифрового звука (чем выше скорость передачи данных, тем больше информации передаётся, и тем меньше данных было удалено из файла, то есть меньше частот подверглись обрезке). При сжатии без потерь уменьшение битрейта также пропорционально уменьшению размеров самого файла. Однако, поскольку, каких-либо качественных изменений в частотном диапазоне сигнала при таком сжатии не производится, битрейт в этом случае является просто служебной информацией и качество звучания никак не характеризует.
Обсуждение темы: Цифровой звук: параметры и сжатие.
|
