1. Основни концепти
1) Бит стапка: покажува колку битови во секунда треба да бидат претставени кодираните (компресирани) аудио податоци, а единицата обично е kbps.
2) Гласност и интензитет: Субјективните атрибути на звукот. Гласноста покажува колку гласно звучи звукот. Гласноста главно варира со интензитетот на звукот, но исто така влијае и на фреквенцијата. Општо земено, чистите звуци со средна фреквенција се подобри од чистите звуци со ниска и висока фреквенција.
3) Земање примероци и стапка на земање примероци: Земањето примероци е да се трансформира континуиран временски сигнал во дискретен дигитален сигнал. Стапката на земање примероци се однесува на тоа колку примероци се собираат во секунда.
Закон за земање примероци од никист: Кога стапката на земање примероци е поголема или еднаква на 2 пати највисоката компонента на фреквенцијата на континуираниот сигнал, примерокот може да се користи за совршено реконструирање на оригиналниот континуиран сигнал.
2. заеднички аудио формати
1) WAV формат е формат на звучна датотека развиен од Microsoft, исто така наречен бранова звучна датотека. Тој е најраниот дигитален аудио формат, широко поддржан од платформата Виндоус и нејзините апликации, и има мала стапка на компресија.
2) MIDI е кратенка од дигитален интерфејс на музички инструмент, позната и како музички инструмент дигитален интерфејс, што е унифициран меѓународен стандард за дигитална музика / електронски синтетички музички инструменти. Го дефинира начинот на кој компјутерските музички програми, дигиталните синтисајзери и другите електронски уреди разменуваат музички сигнали и го специфицира протоколот за пренос на податоци помеѓу кабли и хардвер и уреди кои поврзуваат електронски музички инструменти од различни производители на компјутери и може да симулира звук на повеќе музички инструменти. MIDI-датотека е датотека во формат MIDI, а некои команди се зачувани во MIDI-датотеката. Испратете ги овие упатства до звучната картичка и звучната картичка ќе го синтетизира звукот во согласност со упатствата.
3) Целосното име на MP3 е MPEG-1 Audio Layer 3, кое беше споено во MPEG спецификацијата во 1992 година. MP3 може да компресира дигитални аудио датотеки со висок квалитет на звук и ниска стапка на земање примероци. Најчеста апликација.
4) MP3Pro е развиен од шведска компанија за технологија за кодирање, која содржи две големи технологии: едната е единствена технологија за декодирање од компанијата за технологија за кодирање, а другата е интеграција на носителот на патенти за MP3 Француска мултимедијална компанија Томсон и германски Фраунхофер Технологија за декодирање заеднички истражувана од Здружението на кола. MP3Pro може да го подобри оригиналниот MP3 звук на музиката без во основа да ја менува големината на датотеката. Може да го одржи квалитетот на звукот пред компресија во најголема мера додека компресира аудио датотеки со помала брзина на бит.
5) MP3Pro е развиен од шведска компанија за технологија за кодирање, која содржи две големи технологии: едната е единствена технологија за декодирање од компанијата за технологија за кодирање, а другата е интеграција на носителот на патенти за MP3 Француска мултимедијална компанија Томсон и германски Фраунхофер Технологија за декодирање заеднички истражувана од Здружението на кола. MP3Pro може да го подобри оригиналниот MP3 звук на музиката без во основа да ја менува големината на датотеката. Може да го одржи квалитетот на звукот пред компресија во најголема мера додека компресира аудио датотеки со помала брзина на бит.
6) WMA (Windows Media Audio) е ремек-дело на Мајкрософт во областа на Интернет-аудио и видео. Форматот WMA постигнува поголема стапка на компресија со намалување на сообраќајот на податоци, но одржување на квалитетот на звукот. Стапката на компресија генерално може да достигне 1:18. Покрај тоа, WMA исто така може да ги заштити авторските права преку DRM (управување со дигитални права).
7) RealAudio е формат на датотека лансиран од Real Networks. Најголемата карактеристика е што може да пренесува аудио информации во реално време, особено кога брзината на мрежата е мала, сепак може непречено да пренесува податоци, така што RealAudio е главно погоден за мрежно играње преку Интернет. Тековните формати на датотеки RealAudio главно вклучуваат RA (RealAudio), RM (RealMedia, RealAudio G2), RMX (RealAudio Secured) итн. Под претпоставката дека повеќето луѓе слушаат мазен звук, слушателите со поширок ширина на опсег можат да добијат подобар квалитет на звукот.
8) Audible има четири различни формати: Audible1, 2, 3, 4. Интернет-страницата Audible.com главно продава аудио книги на Интернет и обезбедува заштита за стоките и датотеките што ги продаваат преку еден од четирите аудио формати на Audible.com . Секој формат главно ги зема предвид изворот на аудио и користениот уред за слушање. Форматите 1, 2 и 3 користат различни нивоа на гласовна компресија, додека форматот 4 користи пониска стапка на земање примероци и ист метод на декодирање како MP3. Резултирачкиот глас е појасен и може поефикасно да се преземе од Интернет. Audible користи сопствена алатка за репродукција на работната површина, што е Audible Manager. Со овој плеер, можете да репродуцирате датотеки со звучен формат зачувани на компјутер или пренесени во преносен плеер.
9) AAC е всушност кратенка за Напредно аудио кодирање. AAC е аудио формат заеднички развиен од Fraunhofer IIS-A, Dolby и AT&T. Тоа е дел од спецификацијата MPEG-2. Алгоритмот што го користи AAC е различен од оној на MP3. AAC комбинира други функции за да ја подобри ефикасноста на кодирањето. Аудио алгоритмот на AAC далеку надминува некои претходни алгоритми за компресија (како што се MP3, итн.) Во компресивните способности. Исто така, поддржува до 48 аудио траки, 15 аудио траки со ниска фреквенција, повеќе брзини на примероци и брзини на бит, компатибилност на повеќе јазици и поголема ефикасност на декодирање. На кратко, AAC може да обезбеди подобар квалитет на звукот под претпоставка дека е 30% помал од MP3-датотеките.
10) Ог Ворбис е нов формат за аудио компресија, сличен на постојните музички формати, како што е MP3. Но, една разлика е во тоа што е потполно бесплатна, отворена и без ограничувања на патентот. Ворбис е името на овој механизам за аудио компресија, а Ог е име на проект кој има намера да дизајнира целосно отворен мултимедијален систем. VORBIS е исто така компресија со загуби, но користи понапредни акустични модели за да се намали загубата. Затоа, OGG кодиран со иста брзина на бит звучи подобро од MP3.
11) APE е компресиран аудио формат без загуби, под претпоставка дека квалитетот на звукот не е намален, големината е компресирана на половина од традиционалната WAV-датотека со формат без загуби.
12) FLAC е кратенка на Слободен аудио кодек без загуби, збир на добро познати бесплатни аудио кодови за компресија без загуби, што се карактеризира со компресија без загуби.
3. основниот принцип на аудио кодирање
Кодирањето на говорот е посветено на намалување на пропусниот опсег на каналот потребен за пренос, додека се одржува високиот квалитет на влезниот говор.
Целта на кодирањето на говорот е да се дизајнира кодер со ниска сложеност за да се постигне висококвалитетен пренос на податоци со најниска можна брзина на бит.
1) Крива на неми праг: Праг на кој човечкото уво може да чуе звук на различни фреквенции само во тивка околина.
2) Критичен опсег на фреквенција
Бидејќи човечкото уво има различна резолуција за различни фреквенции, MPEG1 / Audio го дели опсегот на забележливи фреквенции во рамките на 22 khz на 23 ~ 26 критични фреквентни опсези според различните слоеви за кодирање и различните фреквенции на земање примероци. На следната слика се наведени централната фреквенција и ширината на опсегот на идеалниот опсег на критична фреквенција. Како што може да се види на сликата, човечкото уво има подобра резолуција на нискофреквентно
3) Ефект на маскирање во фреквентниот домен: Сигнал со поголема амплитуда ќе маскира сигнал со слична фреквенција и помала амплитуда, како што е прикажано на сликата подолу:
4) Ефект на маскирање во временскиот домен: За краток временски период, ако се појават два звука, звукот со поголем SPL (ниво на звучен притисок) ќе го маскира звукот со помал SPL. Ефектот за маскирање во доменот на времето е поделен на маскирање напред (претходно маскирање) и маскирање наназад (постмаскирање). Времето за после маскирање ќе биде подолго, околу 10 пати повеќе од времето за пред-маскирање.
Ефектот за маскирање во временски домен помага да се елиминира претходното ехо.
4. основните средства за кодирање
1) Квантизатор и квантизатор
Квантизација и квантизатор: Квантизацијата претвора континуиран сигнал во дискретно време во дискретен сигнал во дискретно време. Заеднички квантизатори се: униформа квантизатор, логаритамски квантизатор и нееднакво квантизатор. Целта што ја спроведува процесот на квантизација е да се минимизира грешката на квантизација и да се минимизира комплексноста на квантизаторот (двата по себе се противречност).
(А) Униформен квантизатор: наједноставен, најлош перформанс, погоден само за телефонски глас.
(Б) Логаритамски квантизатор: Тој е покомплициран од униформниот квантизатор и лесен за спроведување, а неговите перформанси се подобри од униформниот квантизатор.
(В) Нееднаков квантизатор: Според дистрибуцијата на сигналот, дизајнирајте го квантизаторот. Деталната квантификација се изведува таму каде што сигналот е густ, а грубата квантификација се изведува таму каде што сигналот е редок.
2) Гласовен кодер
Постојат три вида на кодери за говор: (а) Кодирач на бранова форма; (б) Вокодер; (в) Хибриден кодер.
Кодирачот на бранова форма има за цел да конструира аналогна бранова форма, вклучувајќи го листот за бучава во позадина. Дејствувајќи на сите влезни сигнали, тоа ќе произведе висококвалитетни примероци и ќе троши висока стапка на бит. Вокодерот нема да ја обнови оригиналната форма на бранови. Овој сет на енкодери ќе извлече збир на параметри, кои се испраќаат до приемниот крај за да се изведе моделот за генерација на глас. Квалитетот на гласот на вокодерот не е доволно добар. Хибриден кодер, кој ги вклучува предностите на кодирачот и звукот на брановите.
2.1 Декодер на бранова форма
Дизајнот на кодирачот на бранова форма е често независен од сигналот. Значи, тој е погоден за кодирање на разни сигнали и не е ограничен на говорот.
1) Кодирање на временски домен
а) PCM: модулација на пулсниот код, е наједноставниот метод за кодирање. Тоа е само дискретизација и квантизација на сигналот и често се користи логаритамизација.
б) DPCM: диференцијална модулација на пулсниот код, што само ја кодира разликата помеѓу примероците. Претходниот еден или повеќе примероци се користат за предвидување на моменталната вредност на примерокот. Колку повеќе примероци се користат за да се направат предвидувања, толку е поточна предвидената вредност. Разликата помеѓу вистинската вредност и предвидената вредност се нарекува остаток, што е предмет на кодирање.
в) ADPCM: адаптивна диференцијална модулација на пулсниот код, адаптивен диференцијален код на пулсот. Тоа е, врз основа на DPCM, квантизаторот и предвидувачот се соодветно прилагодени според промените на сигналот, така што предвидената вредност е поблиску до реалниот сигнал, остатокот е помал, а ефикасноста на компресијата е поголема.
(2) Кодирање на фреквентен домен
Кодирање на доменот на фреквенцијата е да се разложи сигнал во низа различни елементи на фреквенција и да се изврши независно кодирање.
а) Кодирање под-опсег: Кодирањето под-опсег е наједноставната техника за кодирање на фреквенцискиот домен. Тоа е технологија што го трансформира оригиналниот сигнал од временскиот домен во фреквентниот домен, потоа го дели на неколку под-опсези и извршува дигитално кодирање на нив, соодветно. Користи група на филтер за пропусен опсег (BPF) за да го подели оригиналниот сигнал на неколку под-опсези (на пример, м) (наведени како под-опсези). Поминете ја секоја под-опсег низ модулационите карактеристики еквивалентни на модулацијата на амплитудата на една страна, преместете ја секоја под-опсег на скоро нула фреквенција, соодветно поминете низ BPF (вкупно м) и потоа пренесете ја секоја под-опсег со пропишана стапка ( Никустичка стапка) Излезниот сигнал на под-опсегот е земен во примерок, а вредноста на зелената единица обично е дигитално кодирана и поставени се дигитални кодирани кодови. Испратете го секој дигитален кодиран сигнал до мултиплексерот и конечно излезете од протокот на податоци со кодирање под-опсег.
За различни под-ленти, можат да се користат различни методи на квантизација и може да се распределат различни броеви на битови на под-опсезите според моделот на перцепција на човечкото уво.
б) трансформирање на кодирање: ДКТ кодирање.
5. Вокодер
Вокодер на канали: Ја користи нечувствителноста на човечкото уво во фаза.
хомоморфен вокодер: може ефикасно да обработува синтетички сигнали.
Форман вокодер: Повеќето информации од гласовниот сигнал се наоѓаат на позицијата и на ширината на опсегот на форматот.
линеарен предвидлив вокодер: Најчесто користен вокодер.
6. Хибриден кодер
Кодирачот на бранова форма се обидува да ја зачува брановата форма на кодираниот сигнал и може да обезбеди висококвалитетен говор со средна брзина (32 kbps), но не може да се примени во прилики со ниска брзина. Вокодерот се обидува да генерира сигнал што е звучно сличен на кодираниот сигнал и може да обезбеди разбирлив говор со мала брзина на бит, но говорот што произлегува звучи неприродно. Хибридниот кодер ги комбинира предностите на обете.
RELP: Врз основа на линеарно предвидување, остатокот е кодиран. Механизмот е: пренесете само мал дел од остатоците и реконструирајте ги сите остатоци на крајот на приемот (копирајте ги остатоците од основната лента).
MPC: кодирање со повеќе пулси, кое ја отстранува корелацијата на остатоците и се користи за да се компензира едноставната класификација на гласовите на вокодерот во изразени и безгласни без дефекти на средните состојби.
CELP: возбудено линиско предвидување со кодна книга, кое користи предвидување на гласните тракти и каскада на предвидувачот на висината за подобро приближување на оригиналниот сигнал.
MBE: мулти-лента побудување, целта е да се избегне голем број на CELP пресметки, да се добие повисок квалитет од вокодерот.
Нашите други производи:
