16_19.pdf

P R O J E K T Y Z A G R A N I C Z N E

Cyfrowe formaty fonii

Więcej dźwięków z komputera

W†ci¹gu kilku ostatnich

lat komputer zmieni³ siÍ

z†procesora tekstu/grafiki

w†uniwersalne urz¹dzenie

odpowiednie, miÍdzy innymi,

do zapisywania i†odtwarzania

sygna³Ûw fonii i†wizji.

W†szczegÛlnoúci,

w†odniesieniu do reprodukcji

fonii powsta³o wiele rÛønych

formatÛw. Niniejszy artyku³

opisuje najwaøniejsze z†nich

w†skrÛcie, a†obecnie

popularny MP3

w†szczegÛ³ach.

Dziú komputer bez düwiÍku jest

rzadkoúci¹. Czy bÍdzie to wyrafi-

nowana gra komputerowa czy pros-

te piski ostrzegawcze towarzysz¹ce

rozmaitym komendom, düwiÍk jest

nieodzowny. DüwiÍk sta³ siÍ waøny

nawet dla uøytkownikÛw Interne-

tu. Obecnie moøesz s³uchaÊ roz-

g³oúni radiowych lub ³adowaÊ mu-

zykÍ za poúrednictwem sieci.

W†wyniku wszystkich tych moøli-

wych zastosowaÒ i†rÛønorodnoúci

typÛw komputerÛw, jakie pojawi³y

siÍ w†ci¹gu minionych mniej wiÍ-

cej dziesiÍciu lat, powsta³a mno-

goúÊ formatÛw plikÛw do przecho-

wywania sygna³Ûw fonii.

miÍci: oko³o 1MB na kaøde szeúÊ

sekund düwiÍku o†jakoúci CD.

Istnieje kilka sposobÛw ogranicza-

nia wymaganej pamiÍci. Jednym

z†nich jest obniøenie czÍstotliwoú-

ci prÛbkowania z†44,1kHz do, po-

wiedzmy, 10kHz, co zmniejsza

szerokoúÊ pasma. Innym jest re-

jestrowanie sygna³u w†formacie

monofonicznym zamiast stereofo-

nicznym, co niestety takøe pogar-

sza jakoúÊ. Trzecim jest obniøenie

rozdzielczoúci z†16 bitÛw do, po-

wiedzmy, 8†bitÛw, co powoduje

pogorszenie stosunku sygna³u do

szumÛw i†zwiÍkszenia zniekszta³-

ceÒ. A†czwart¹, szeroko stosowa-

n¹ metod¹ jest kompresja sygna³u

w†trakcie zapisu i†dekompresja

w†trakcie odtwarzania.

Niemal kaødy system kompu-

terowy (Atari, Unix, Intel i†tak

dalej) ma swÛj w³asny specyficz-

ny format plikÛw, co spowodowa-

³o pewne zamieszanie, jak to

istniej¹ce w†przypadku formatÛw

graficznych. Moøna powiedzieÊ,

øe istnieje osza³amiaj¹ca mnogoúÊ

formatÛw, co nie pomaga uøyt-

kownikowi. W† tab. 1 zawarto prze-

gl¹d najczÍúciej spotykanych for-

matÛw kodowania fonii wraz z†ich

krÛtkim opisem.

Kwantyzacja

DziÍki wprowadzeniu p³yt

kompaktowych (CD) niemal 20 lat

temu, wielu ludzi wie, co naleøy

rozumieÊ przez "düwiÍk cyfrowy".

W†skrÛcie dla tych, ktÛrzy nie

wiedz¹: analogowy sygna³ fonii

jest przetwarzany przez przetwor-

nik analogowo-cyfrowy (ADC) na

wielk¹ liczbÍ s³Ûw binarnych. Pro-

ces ten nazywa siÍ kwantyzacj¹

lub digitalizacj¹. SzybkoúÊ, z†jak¹

odbywa siÍ przetwarzanie w†przy-

padku CD wynosi 44100 razy na

sekundÍ dla lewego kana³u i†tyleø

samo dla prawego.

Poniewaø rozdzielczoúÊ typo-

wych przetwornikÛw stosowanych

w†CD wynosi 16 bitÛw, wskutek

kwantyzacji sygna³u fonii powsta-

je strumieÒ danych o†szybkoúci

oko³o 1,4Mb/s. StrumieÒ ten, wraz

z†dodatkowymi danymi korekcji

b³ÍdÛw i†innymi informacjami, jest

rejestrowany na p³ycie. W†trakcie

odtwarzania nastÍpuje po prostu

odwrÛcenie procesu: laser odczy-

tuje dane z†p³yty, a†przetwornik

cyfrowo-analogowy (DAC) t³uma-

czy je na sygna³y analogowe.

W†komputerze sygna³y fonii s¹

przetwarzane w†podobny sposÛb.

NiezbÍdna elektronika ADC i†DAC

mieúci siÍ na karcie düwiÍkowej,

natomiast twardy dysk funkcjonu-

je zazwyczaj jako medium prze-

chowywania. W†komputerze stru-

mieÒ bitÛw jest zapisywany w†pli-

ku danych.

Przechowywanie s³Ûw binar-

nych wymaga wielkiej iloúci pa-

Editorial items appearing on

pages 13..19 are the copyright

property of (C) Segment B.V., the

Netherlands, 1998 which reserves

all rights.

KompresowaÊ albo nie

kompresowaÊ

Kompresja plikÛw fonii jest

naprawdÍ z³oøona, poniewaø nie

moøna ³atwo okreúliÊ pewnych

podobieÒstw pomiÍdzy wielk¹

liczb¹ prÛbek. W†konsekwencji,

istnieje tylko kilka bezstratnych

metod kompresji sygna³Ûw fonii.

Jedn¹ z†nich jest standard ADPCM

(pod Windows) dla popularnego

formatu WAV.

Jest jednak moøliwa kompresja

sygna³Ûw fonii, jeøeli dopuúcimy

pewn¹ utratÍ szczegÛ³Ûw, tak jak

przy obrÛbce cyfrowych obrazÛw.

W†przypadku obrazÛw cyfrowych

metoda kompresji zosta³a opraco-

wana przez Joint Photographic

Expert Group (JPEG), podgrupÍ

Joint Technical Commitee 1†(JTC1)

ISO (International Standards Orga-

nization), konsultanta NarodÛw

Zjednoczonych i†IEC (International

Electrotechnical Commission). In-

Elektronika Praktyczna 12/99

P R O J E K T Y Z A G R A N I C Z N E

Tab. 1. Przegląd najczęściej spotykanych formatów fonii.

AIF Format początkowo opracowany dla Macintosha. Jest dość popularny w Internecie

i oferuje wiele różnych szybkości próbkowania i rozdzielczości. Przeglądarki Netscape

i Microsoft pracują w nim bez trudności.

AU Zapoczątkowany przez firmy NeXT i SUN, stał się popularny w sieci web i do dziś ciągle

jest stosowany. Ma wiele wariantów, ale zazwyczaj dane są skompresowane do formatu

8−bitowego w standardzie “u−law”. Większość przeglądarek może w nim pracować.

ES Potokowy format fonii firmy EchoCast. Dostępne są odtwarzacze dla Windows i Maci−

tosha.

IFF Format dźwięku Amiga obsługujący tylko 8−bitowy dźwięk mono: umożliwia swobodny

wybór szybkości próbkowania.

LCC Wysoce skompresowany format (możliwe są współczynniki do 1:50), aktualnie dostęp−

ny tylko dla Windows, ale inne wersje są opracowywane.

MID Format MIDI nie jest prawdziwym formatem fonii, ale standardem do wymiany danych

sterujących pomiędzy elektronicznymi instrumentami muzycznymi. Przeglądarki mogą

obsługiwać MIDI za pośrednictwem rozszerzeń.

MOD Oryginalny format Amigi będący reminiscencją MIDI. Plik MOD zawiera bank z próbka−

mi i instrukcjami, jak te próbki powinny być odtwarzane. Wymaga rozszerzenia MOD.

MP3 Aktualnie najbardziej popularny format fonii. Dostępne rozmaite rozszerzenia.

RA, RAM, RPM Popularny w Internecie potokowy format fonii firmy RealAudio. Dostępne są rozszerze−

nia (plug−ins) dla niemal wszystkich platform.

powinny byÊ w³¹czone do stru-

mienia danych, czy nie. Skutkuje

to systemem eliminuj¹cym redun-

dancjÍ (nadmiarowoúci informa-

cji), umoøliwiaj¹c zasadnicz¹ re-

dukcjÍ danych bez pogarszania

düwiÍku.

Algorytm ten zosta³ dalej wzbo-

gacony przez IIS we wspÛ³pracy

z†Uniwersytetem w Erlangen i†zo-

sta³ zaakceptowany jako ISO

MPEG-1 Layer 3†(IS 11172-3 i†IS

13818-3).

Warstwy

Bez redukcji danych, sygna³y

fonii zawieraj¹ prÛbki o†szerokoú-

ci 8†lub 16 bitÛw, pobierane

z†czÍstotliwoúci¹ dwukrotnie

wiÍksz¹ niø czÍstotliwoúÊ w†tych

sygna³ach najwyøsza.

Zosta³o juø powiedziane, øe

digitalizacja sygna³Ûw fonii skut-

kuje przep³ywem strumienia bi-

tÛw o†wartoúci oko³o 1,4Mb/s.

Najdoskonalsze obecnie systemy

kompresji potrafi¹ go ograniczyÊ

w†stosunku 1:12 bez s³yszalnego

pogorszenia düwiÍku. Moøliwe s¹

wspÛ³czynniki redukcji w†stosun-

ku aø do 1:24 i†ci¹gle jeszcze

jakoúÊ düwiÍku bÍdzie lepsza od

otrzymanego po obniøeniu czÍs-

totliwoúci prÛbkowania lub roz-

dzielczoúci dla otrzymania porÛw-

nywalnej kompresji.

Standard MPEG-1 opisuje trzy

warstwy kompresji: Layer 1, Layer

2†i†Layer 3. Wszystkie one s¹

zdolne do wytworzenia düwiÍku

o†jakoúci niemal CD. W† tab. 2

zawarto charakterystykÍ tych

trzech warstw. Definicje zawarte

w†normie odnosz¹ siÍ jedynie do

stosowanego kodera i†formatu da-

nych. Informacja ta umoøliwia

producentom projektowanie deko-

derÛw zgodnie z†ich w³asnymi

wymaganiami.

Jeúli nie stosuje siÍ reprodukcji

stereofonicznej i,†co wiÍcej, do-

puszcza siÍ ograniczon¹ szerokoúÊ

pasma, moøna zastosowaÊ nawet

jeszcze wyøsze wspÛ³czynniki

kompresji. Najwyøsza z†warstw,

Layer 3, stosuje najniøszy stru-

mieÒ bitÛw (kbit/s) i†tworzy naj-

lepsz¹ jakoúÊ düwiÍku.

Wszystkie trzy kodeki s¹ hie-

rarchicznie kompatybilne, co ozna-

cza, øe dekoder dla warstwy

Layer 3†moøe byÊ rÛwnieø stoso-

wany dla warstw 1†i†2. Nie jest

to jednak moøliwe w†odwrotn¹

stronÍ. Im wyøszy numer wars-

twy, tym bardziej z³oøony staje

SND

Apple, Amiga i Tandy stosowały ten przyrostek dla plików fonii. Pewne warianty są

kompatybilne z formatem AU.

STR

Format dla profesjonalnej obróbki dźwięku na Macintoshu.

VDO

Inny potokowy format fonii. Wymaga rozszerzenia (plug−in) takiego, jak VDO live player.

VMD

Potokowy format fonii zwany Internet Wave. Dostępny wraz z bezpłatnym koderem/

dekoderem dla Windows.

VOC

Format Voice, opracowany przez Creative Labs, twórcę dobrze znanych kart Sounblas−

ter.

WAV

Często stosowany format stał się dobrze znany od czasu wprowadzenia Windows. Ofe−

ruje wiele różnych szybkości próbkowania, rozdzielczości i współczynników kompresji.

XDM

Format MPEG firmy StreamWorks dla potokowej fonii. Istnieje specjalny odtwarzacz dla

Windows.

na podgrupa JTC1, Motion Pictu-

res Expert Group lub MPEG, usta-

nowi³a standard dla kompresji

düwiÍku. Obecnie MPEG-1 Layer

3†(MP3) jest formatem popularnym

wúrÛd uøytkownikÛw Internetu.

nii zaj¹³ siln¹ pozycjÍ jako kom-

presor muzyczny. Wiele wspÛ³-

czesnych komputerÛw sprzedaje

siÍ z†zainstalowanym oprogramo-

waniem kodowania i†dekodowa-

nia MP3. RÛwnieø wielka liczba

plikÛw MP3 jest rozsiewana po-

przez Internet i†s¹ juø kompilacje

p³yt CD zawieraj¹ce pliki MP3.

NiektÛrzy producenci zaczÍli udo-

stÍpniaÊ MP3 Walkman: pÛ³prze-

wodnikowy odtwarzacz CD, stosu-

j¹cy jako noúnik pamiÍÊ ìflashî.

Fonia w czasie

rzeczywistym

W†pierwszych dniach istnienia

fonii w†komputerze ca³y plik fo-

niczny musia³ byÊ za³adowany do

pamiÍci komputera, zanim mÛg³

zostaÊ odtworzony. By³o to szcze-

gÛlnie przykre w†trakcie skroúnego

³adowania plikÛw poprzez Internet.

Wraz z†nastaniem szybkich mo-

demÛw sta³o siÍ moøliwe rozwiniÍ-

cie technik umoøliwiaj¹cych od-

twarzanie plikÛw fonicznych

w†trakcie ³adowania skroúnego.

SzczegÛlnie godny uwagi udzia³

mia³ w†tym proces zwany ìAODî

(ang. Audio-On-Demand), ìreal ti-

me radioî lub ìstreaming radioî,

opracowany przez firmÍ RealAudio.

Opracowany dla DAB

Jako udzia³owiec ogÛlnoeuro-

pejskiego projektu Eureka 147

(opracowania naziemnego systemu

cyfrowej radiofonii - DAB), nie-

miecki Fraunhofer Institut fuer

Integrierte Schaltungen (Instytut

Fraunhofera ds. Uk³adÛw Scalo-

nych) opracowa³ uk³ad koduj¹cy

(codec - coder/decoder) dla DAB.

Odpowiedni algorytm kodowa-

nia uwzglÍdnia pewne w³aúci-

woúci s³uchu ludzkiego i†na tej

podstawie okreúla, czy pewien

aspekt düwiÍkowy fragmentu mu-

zyki ma szansÍ dotarcia do s³u-

chaczy, czy nie. W†zaleønoúci od

tego prawdopodobieÒstwa okreúla

nastÍpnie, czy odpowiednie dane

MP3: dobra jakoúÊ przy

wysokiej kompresji

Aktualnie MP3 jest najbardziej

popularnym spoúrÛd wszystkich

formatÛw fonii. W†bardzo krÛtkim

czasie ten protokÛ³ kompresji fo-

Elektronika Praktyczna 12/99

P R O J E K T Y Z A G R A N I C Z N E

Tab. 2. Tryby fonii MPEG−1.

Współczynnik metoda

opis

cyfrowego. W†takich warunkach

MPEG-1 Layer 3†stosuje bufor udo-

stÍpniaj¹cy pewn¹ dodatkow¹ po-

jemnoúÊ. OprÛønienie bufora na-

stÍpuje, gdy düwiÍk jest kodowa-

ny z†szybkoúci¹ bitÛw niøsz¹ niø

dostÍpna w†kanale.

£¹czenie stereo

Wiele ma³ych systemÛw stereo

hi-fi stosuje wspÛlny g³oúnik naj-

niøszych tonÛw (woofer). Pomimo

tego s³uchacz odnosi wraøenie, øe

düwiÍk jest emitowany nie z†tego

g³oúnika, ale raczej z†g³oúnikÛw-

satelitÛw. Badania wykazuj¹, øe

poniøej pewnych czÍstotliwoúci

ludzki s³uch nie jest w†stanie

rozstrzygn¹Ê, z†ktÛrego kierunku

dochodzi düwiÍk. Techniki kom-

presji mog¹ wykorzystaÊ tÍ w³aú-

ciwoúÊ poprzez pomijanie infor-

macji stereo poniøej pewnej czÍs-

totliwoúci granicznej. Oznacza to,

øe poniøej tej czÍstotliwoúci syg-

na³ jest kodowany tylko w†formie

monofonicznej.

Kodowanie Huffmana

Kodowanie MPEG-1 Layer 3†sto-

suje klasyczn¹ technikÍ: kodowanie

Huffmana. Stosuje siÍ je po prze-

prowadzeniu rzeczywistej kompres-

ji danych, do zakodowania infor-

macji cyfrowej. A†wiÍc nie jest to

system kompresji, ale bardzo sku-

teczna technika kodowania. Algo-

rytm Huffmana generuje kod

o†zmiennej d³ugoúci i†ca³kowitej

liczbie bitÛw. Sygna³y waøne trans-

ponuj¹ siÍ na krÛtkie kody, te

mniej znacz¹ce na d³uøsze.

Poniewaø kody Huffmana maj¹

specyficzny nag³Ûwek, dekoduj¹

siÍ doskonale, pomimo swojej

zmiennej d³ugoúci. Dekodowanie

jest bardzo szybkie, poniewaø

kompresji

1:4

Layer 1

sygnał stereo generuje strumień bitów 384kbit/s

1:6 − 1:8

Layer 2

sygnał stereo generuje strumień bitów 256 − 192kbit/s

1:10 − 1:12

Layer 3

sygnał stereo generuje strumień bitów 128 − 112kbit/s

siÍ koder i†tym wyøsze wspÛ³-

czynniki kompresji moøna stoso-

waÊ.

W†tab. 3 zawarto wspÛ³czynni-

ki kompresji moøliwe do uzyska-

nia w†Layer 3†i†gdzie kaødy z†nich

moøna zastosowaÊ. Testy ods³u-

chowe przy rÛønej publicznoúci

wykazuj¹, øe osi¹gi Layer 3†pozo-

staj¹ doskona³e przy wspÛ³czyn-

nikach kompresji 1:12 - przy

zwi¹zanym z†tym strumieniem bi-

tÛw 64kb/s na kana³ fonii. Jeúli

w†pewnych zastosowaniach pas-

mo akustyczne zostanie ograniczo-

ne do 10kHz, jest moøliwa dobra

reprodukcja stereo przy wspÛ³-

czynniku kompresji 1:24.

T³o

Dla uzyskania zasadniczej re-

dukcji szerokoúci niezbÍdnego

pasma cyfrowego, w MPEG-1

Layer 3 stosowane s¹ rÛøne tech-

niki i†skrÛty. Najwaøniejszymi

z†nich s¹:

- dolny prÛg s³yszalnoúci,

- efekt maskowania,

- odk³adanie bajtÛw,

- ³¹czenie stereo,

- kodowanie Huffmana.

OmÛwimy je kolejno:

Dolny prÛg s³yszalnoúci

Badania wykazuj¹, øe dolny

prÛg ludzkiego s³yszenia nie jest

liniowy: wznosi siÍ pomiÍdzy

2kHz i†5kHz. Jego w³aúciwoúci

zosta³y opisane przez Fletchera

i†Munsona. Nie jest konieczne

kodowanie düwiÍku leø¹cego po-

niøej progu, poniewaø s³uchacz

i†tak nie moøe go us³yszeÊ.

Efekt maskowania

Wykorzystuje siÍ fakt, øe ludz-

kie s³uch nie postrzega s³abych

düwiÍkÛw, ktÛre s¹ ca³kowicie lub

czÍúciowo zamaskowane przez du-

øo silniejsze. Badania wykazuj¹,

øe wskutek maskowania pewne

düwiÍki nie musz¹ byÊ kodowane,

co pozwala zaoszczÍdziÊ wcale

niema³o miejsca. St¹d wszystkie

kodery MPEG-1 Layer 3†zawieraj¹

model psychoakustyczny, w†ktÛ-

rym jest wbudowana ta w³aúci-

woúÊ ludzkiego s³uchu.

Odk³adanie bajtÛw

CzÍsto zdarza siÍ, øe muzyczny

pasaø nie moøe byÊ zakodowany

przy dostÍpnym strumieniu bitÛw.

A†wiÍc jakoúÊ düwiÍku musi byÊ

chwilowo adaptowana, by umoø-

liwiÊ strumieniowi bitÛw zmiesz-

czenie siÍ w†pojemnoúci kana³u

Jednolita struktura

Wszystkie trzy warstwy kom-

presji maj¹ tÍ sam¹ strukturÍ.

Zastosowana w†nich technika ko-

dowania jest znana jako percep-

tualne kszta³towanie szumu albo

perceptualne kodowanie transfor-

maty podpasma. Koder analizuje

sk³adowe widmowe sygna³u fonii

za pomoc¹ banku filtrÛw (patrz

rys. 1 ) i†korzysta z†modelu psy-

choakustycznego do okreúlenia do-

strzegalnych poziomÛw szumÛw.

Z†kolei informacja podlega kwan-

tyzacji i†kodowaniu w†sposÛb za-

pewniaj¹cy, øe zostan¹ wziÍte

pod uwagÍ dwa waøne warunki:

maksymalny strumieÒ bitÛw

i†efekt maskowania.

Wszystkie trzy warstwy stosuj¹

ten sam bank filtrÛw o†32 pod-

pasmach. Wszystkie one dopusz-

czaj¹ czÍstotliwoúci prÛbkowania

32kHz, 44,1kHz, 48kHz i†s¹ w†sta-

nie pracowaÊ ze strumieniami

bitÛw 32kb/s lub wiÍkszymi.

Podpasmo 0

Podpasmo 1

Podpasmo 2

Tab. 3. Ułatwienia dostępne w MPEG−1 Layer 3

Jakość Współczynnik Szerokość Tryb Strumień bitów

dźwięku kompresji pasma (kHz)

Bank flitrów

polifazowych

Podpasmo 3

(kb/s)

Telefoniczna

1:96

2,5

mono

Podpasmo 4

Lepsza niż

1:48

4,5

mono

krótkofalowa

Lepsza niż

Podpasmo 31

1:24

7,5

mono

Rys. 1. Każda warstwa MPEG−1

wykorzystuje bank 32 filtrów. To,

czy sygnał podlega maskowaniu,

czy nie, określa się po jego

skwantowaniu.

średniofalowa

Radio FM

1:24 − 1:26

stereo

56 − 64

Niemal CD

1:16

stereo

1:12 − 1:14

>15

stereo

112 − 128

Elektronika Praktyczna 12/99

P R O J E K T Y Z A G R A N I C Z N E

moøna korzystaÊ z†tablic. Techni-

ka ta daje oszczÍdnoúÊ miejsca

rzÍdu mniej wiÍcej 20 procent.

Technika Huffmana jest ideal-

nym uzupe³nieniem kompresji za-

leønej od percepcji. W†pasaøach

zawieraj¹cych wiele czÍstotliwoú-

ci jednoczeúnie, kodowanie zaleø-

ne od percepcji zapewnia znaczn¹

redukcjÍ poprzez wyeliminowanie

sygna³Ûw zamaskowanych. Ponie-

waø wÛwczas pojawia siÍ kilka

identycznych sygna³Ûw, to kodo-

wanie Huffmana ma niewielki

skutek.

W†trakcie pasaøy z†kilkoma rÛø-

nymi düwiÍkami wystÍpuje nie-

wiele efektÛw maskowania. Dzieje

siÍ tak wtedy, gdy kodowanie

Huffmana oszczÍdza znacznie wiÍ-

cej miejsca, poniewaø jest to

informacja ze znaczn¹ redundan-

cj¹ (nadmiarowa). A†wiÍc takie

pasaøe mog¹ byÊ reprezentowane

przez krÛtkie kody.

Artyku³ publikujemy na pod-

stawie umowy z redakcj¹ mie-

siÍcznika "Elektor Electronics".

Elektronika Praktyczna 12/99

Plik z chomika:

Inne pliki z tego folderu:

Inne foldery tego chomika: