1. Peruskäsitteet
1) Bittinopeus: osoittaa kuinka monta bittiä sekunnissa koodattu (pakattu) äänidata on esitettävä, ja yksikkö on yleensä kbps.
2) Voimakkuus ja voimakkuus: Äänen subjektiiviset ominaisuudet. Loudness osoittaa kuinka voimakkaasti ääni kuulostaa. Loudness vaihtelee pääasiassa äänen voimakkuuden mukaan, mutta taajuus vaikuttaa siihen. Yleisesti ottaen puhtaat keskitaajuiset äänet ovat parempia kuin puhtaat matalataajuiset ja korkeataajuiset äänet.
3) Näytteenotto ja näytteenottotaajuus: Näytteenoton tarkoituksena on muuntaa jatkuva aikasignaali erilliseksi digitaalisignaaliksi. Näytteenottotaajuus viittaa siihen, kuinka monta näytettä sekunnissa kerätään.
Nyquist-näytteenottolaki: Kun näytteenottotaajuus on suurempi tai yhtä suuri kuin 2 kertaa jatkuvan signaalin korkeimman taajuuden komponentti, näytteistettyä signaalia voidaan käyttää alkuperäisen jatkuvan signaalin täydelliseen rekonstruointiin.
2. yleiset äänimuodot
1) WAV-muoto on Microsoftin kehittämä äänitiedostomuoto, jota kutsutaan myös aaltotiedostoksi. Se on varhaisin digitaalinen äänimuoto, jota Windows-ympäristö ja sen sovellukset tukevat laajalti, ja sen pakkausaste on alhainen.
2) MIDI on lyhenne Musical Instrument Digital Interface, joka tunnetaan myös nimellä Musical Instrument Digital Interface, joka on yhtenäinen kansainvälinen standardi digitaaliselle musiikille / elektronisille synteettisille soittimille. Siinä määritetään tapa, jolla tietokonemusiikkiohjelmat, digitaaliset syntetisaattorit ja muut elektroniset laitteet vaihtavat musiikkisignaaleja, ja määrittelee tiedonsiirtoprotokollan kaapeleiden ja laitteistojen sekä laitteiden välillä, jotka yhdistävät eri valmistajien elektroniset soittimet tietokoneisiin, ja voivat simuloida useiden musiikkisoittimien äänen. välineet. MIDI-tiedosto on MIDI-muotoinen tiedosto, ja jotkut komennot tallennetaan MIDI-tiedostoon. Lähetä nämä ohjeet äänikortille, ja äänikortti syntetisoi äänen ohjeiden mukaisesti.
3) MP3: n koko nimi on MPEG-1 Audio Layer 3, joka sulautettiin MPEG-spesifikaatioon vuonna 1992. MP3 voi pakata digitaalisia äänitiedostoja korkealla äänenlaadulla ja matalalla näytteenottotaajuudella. Yleisin sovellus.
4) Ruotsin Coding Technology Company on kehittänyt MP3Pron, joka sisältää kaksi pääteknologiaa: yksi on Coding Technology Companyn ainutlaatuinen dekoodaustekniikka ja toinen on MP3-patentinhaltijan ranskalaisen Thomson Multimedia Companyn ja saksalaisen Fraunhoferin integrointi. piiriliitto. MP3Pro voi parantaa alkuperäisen MP3-musiikin äänenlaatua muuttamatta periaatteessa tiedostokokoa. Se pystyy ylläpitämään äänenlaatua ennen pakkaamista enimmäkseen samalla, kun pakkaa äänitiedostot pienemmällä bittinopeudella.
5) Ruotsin Coding Technology Company on kehittänyt MP3Pron, joka sisältää kaksi pääteknologiaa: yksi on Coding Technology Companyn ainutlaatuinen dekoodaustekniikka ja toinen on MP3-patentinhaltijan ranskalaisen Thomson Multimedia Companyn ja saksalaisen Fraunhoferin integrointi. piiriliitto. MP3Pro voi parantaa alkuperäisen MP3-musiikin äänenlaatua muuttamatta periaatteessa tiedostokokoa. Se pystyy ylläpitämään äänenlaatua ennen pakkaamista enimmäkseen samalla, kun pakkaa äänitiedostot pienemmällä bittinopeudella.
6) WMA (Windows Media Audio) on Microsoftin mestariteos Internet-äänen ja -videon alalla. WMA-muoto saavuttaa korkeamman pakkaussuhteen vähentämällä dataliikennettä, mutta ylläpitämällä äänenlaatua. Pakkausaste voi yleensä saavuttaa 1:18. Lisäksi WMA voi suojata tekijänoikeuksia myös DRM: n (Digital Rights Management) avulla.
7) RealAudio on Real Networksin käynnistämä tiedostomuoto. Suurin ominaisuus on, että se voi lähettää äänitietoja reaaliajassa, varsinkin kun verkon nopeus on hidas, se voi silti lähettää tietoja sujuvasti, joten RealAudio soveltuu pääasiassa verkkopelaamiseen verkossa. Nykyiset RealAudio-tiedostomuodot sisältävät pääasiassa RA (RealAudio), RM (RealMedia, RealAudio G2), RMX (RealAudio Secured) jne. Näiden tiedostojen yhteinen piirre on, että äänen laatu muuttuu verkon kaistanleveyden eron myötä. Lähtökohtana, että useimmat ihmiset kuulevat tasaisen äänen, kuuntelijat, joilla on laajempi kaistanleveys, voivat saada paremman äänenlaadun.
8) Audible-muodossa on neljä erilaista muotoa: Audible1, 2, 3, 4. Audible.com-verkkosivusto myy pääasiassa äänikirjoja Internetissä ja tarjoaa suojan myymilleen tavaroille ja tiedostoille yhdellä neljästä Audible.com-omistetusta äänimuodosta. . Jokainen muoto ottaa huomioon pääasiassa käytetyn äänilähteen ja kuuntelulaitteen. Formaatit 1, 2 ja 3 käyttävät eri äänenpakkaustasoja, kun taas muoto 4 käyttää pienempää näytteenottotaajuutta ja samaa dekoodausmenetelmää kuin MP3. Tuloksena oleva ääni on selkeämpi ja ladattavissa tehokkaammin Internetistä. Audible käyttää omaa työpöydän toistotyökalua, joka on Audible Manager. Tällä soittimella voit toistaa Audible-muotoisia tiedostoja, jotka on tallennettu tietokoneelle tai siirretty kannettavaan soittimeen.
9) AAC on itse asiassa lyhenne edistyneestä äänikoodauksesta. AAC on Fraunhofer IIS-A: n, Dolbyn ja AT&T: n yhdessä kehittämä äänimuoto. Se on osa MPEG-2-spesifikaatiota. AAC: n käyttämä algoritmi eroaa MP3: sta. AAC yhdistää muita toimintoja koodaustehokkuuden parantamiseksi. AAC: n äänialgoritmi ylittää huomattavasti joidenkin aikaisempien pakkausalgoritmien (kuten MP3 jne.) Pakkausominaisuudet. Se tukee myös jopa 48 ääniraitaa, 15 matalataajuista ääniraitaa, enemmän näytetaajuuksia ja bittinopeuksia, monikielistä yhteensopivuutta ja parempaa dekoodaustehokkuutta. Lyhyesti sanottuna AAC voi tarjota paremman äänenlaadun edellyttäen, että se on 30% pienempi kuin MP3-tiedostot.
10) Ogg Vorbis on uusi äänen pakkausmuoto, samanlainen kuin nykyiset musiikkiformaatit, kuten MP3. Mutta yksi ero on, että se on täysin ilmainen, avoin ja ilman patenttirajoituksia. Vorbis on tämän äänen pakkausmekanismin nimi, ja Ogg on projektin nimi, joka aikoo suunnitella täysin avoimen multimediajärjestelmän. VORBIS on myös häviöllinen pakkaus, mutta se käyttää edistyneempiä akustisia malleja häviön vähentämiseksi. Siksi samalla bittinopeudella koodattu OGG kuulostaa paremmin kuin MP3.
11) APE on häviöttömästi pakattu äänimuoto sillä edellytyksellä, että äänenlaatu ei heikkene, koko pakataan puoleen perinteisestä häviöttömän muodon WAV-tiedostosta.
12) FLAC on lyhenne sanoista Free Lossless Audio Codec, joukko tunnettuja ilmaisia häviöttömiä pakkauskoodeja, jolle on ominaista häviötön pakkaus.
3. äänikoodauksen perusperiaate
Puhekoodaus on omistettu lähetyksen edellyttämän kanavan kaistanleveyden pienentämiselle samalla, kun säilytetään tulopuheen korkea laatu.
Puhekoodauksen tavoitteena on suunnitella pienikompleksinen kooderi korkealaatuisen tiedonsiirron saavuttamiseksi pienimmällä mahdollisella bittinopeudella.
1) Mykistyskynnyskäyrä: Kynnys, jolla ihmiskorva kuulee äänen eri taajuuksilla vain hiljaisessa ympäristössä.
2) Kriittinen taajuusalue
Koska ihmiskorvalla on erilainen resoluutio eri taajuuksille, MPEG1 / Audio jakaa havaittavan taajuusalueen 22 kHz: n välillä 23 - 26 kriittiselle taajuuskaistalle eri koodauskerrosten ja eri näytetaajuuksien mukaan. Seuraava kuva esittää ihanteellisen kriittisen taajuuskaistan keskitaajuuden ja kaistanleveyden. Kuten kuvasta voidaan nähdä, ihmiskorvalla on parempi resoluutio matalilla taajuuksilla
3) Peittovaikutus taajuusalueella: Suuremman amplitudin signaali peittää samanlaisen taajuuden ja pienemmän amplitudin signaalin, kuten alla olevassa kuvassa esitetään:
4) Peittovaikutus aika-alueella: Jos kaksi ääntä ilmestyy lyhyessä ajassa, ääni, jolla on suurempi äänenpaine (äänenpainetaso), peittää äänen pienemmällä äänenpaineella. Aika-alueen peittovaikutus on jaettu eteenpäin peittämiseen (esinaamiointi) ja taaksepäin peittävään (jälkipeittämiseen). Naamion jälkeinen aika on pidempi, noin 10 kertaa esinaamarin aika.
Aika-alueen peittovaikutus auttaa poistamaan esikaiku.
4. koodauksen perusvälineet
1) Kvantisoija ja kvantisoija
Kvantisointi ja kvantisoija: Kvantisointi muuntaa jatkuvan signaalin erillisessä ajassa erilliseksi signaaliksi diskreetissä ajassa. Yleisiä kvantisoijia ovat: yhtenäinen kvantisoija, logaritminen kvantisoija ja epätasainen kvantisoija. Kvantisointiprosessin tavoitteena on minimoida kvantisointivirhe ja minimoida kvantisoijan monimutkaisuus (nämä kaksi ovat itsessään ristiriitaisia).
(A) Yhtenäinen kvantisoija: yksinkertaisin, huonoin suorituskyky, sopii vain puhelinäänelle.
(B) Logaritminen kvantisoija: Se on monimutkaisempi kuin yhtenäinen kvantisoija ja helppo toteuttaa, ja sen suorituskyky on parempi kuin yhtenäinen kvantisoija.
(C) Epätasainen kvantisoija: Suunnittele kvantisoija signaalin jakauman mukaan. Yksityiskohtainen kvantifiointi suoritetaan paikassa, jossa signaali on tiheä, ja karkea kvantifiointi suoritetaan paikassa, jossa signaali on harvinainen.
2) Äänikooderi
Puhekoodereita on kolme tyyppiä: (a) aaltomuodon kooderi; (b) Vocoder; (c) Hybridi-kooderi.
Aaltomuodon kooderi pyrkii rakentamaan analogisen aaltomuodon, joka sisältää taustakohinalevyn. Kaikilla tulosignaaleilla se tuottaa korkealaatuisia näytteitä ja kuluttaa suurta bittinopeutta. Vokooderi ei regeneroi alkuperäistä aaltomuotoa. Tämä enkooderisarja purkaa joukon parametreja, jotka lähetetään vastaanottavaan päähän puheenmuodostusmallin johtamiseksi. Vokooderin äänenlaatu ei ole tarpeeksi hyvä. Hybridi-kooderi, joka sisältää aaltomuodon kooderin ja äänimerkin edut.
2.1 Aaltomuodon kooderi
Aaltomuodon kooderin rakenne on usein riippumaton signaalista. Joten se soveltuu erilaisten signaalien koodaamiseen eikä rajoitu puheeseen.
1) Aikaverkkotunnus
a) PCM: pulssikoodimodulaatio on yksinkertaisin koodausmenetelmä. Se on vain signaalin diskretisointi ja kvantisointi, ja logaritmointia käytetään usein.
b) DPCM: differentiaalinen pulssikoodimodulaatio, joka koodaa vain näytteiden välisen eron. Edellistä yhtä tai useampaa näytettä käytetään ennustamaan nykyinen näytearvo. Mitä enemmän näytteitä käytetään ennusteiden tekemiseen, sitä tarkempi ennustettu arvo. Todellisen arvon ja ennustetun arvon välistä eroa kutsutaan jäännökseksi, joka on koodauksen kohde.
c) ADPCM: adaptiivinen differentiaalipulssikoodimodulaatio, adaptiivinen differentiaalipulssikoodi. Toisin sanoen kvantisoija ja ennustin on DPCM: n perusteella sovitettu asianmukaisesti signaalin muutosten mukaan siten, että ennustettu arvo on lähempänä todellista signaalia, jäännös on pienempi ja puristustehokkuus on suurempi.
(2) Taajuusalueen koodaus
Taajuusalueen koodauksen on hajottaa signaali sarjaksi erilaisia taajuuselementtejä ja suorittaa itsenäinen koodaus.
a) Alikaistan koodaus: Alikaistan koodaus on yksinkertaisin taajuusalueen koodaustekniikka. Se on tekniikka, joka muuntaa alkuperäisen signaalin aikavyöhykkeestä taajuusalueeksi, jakaa sen sitten useisiin alikaistoihin ja suorittaa vastaavan digitaalisen koodauksen. Se käyttää kaistanpäästösuodatinryhmää (BPF) jakamaan alkuperäisen signaalin useisiin (esimerkiksi m) alikaistoihin (joihin viitataan alikaistoina). Ohjaa kukin alikaista modulaatioominaisuuksien läpi, jotka vastaavat yhden puolen kaistan amplitudimodulaatiota, siirrä kukin alikaista lähes nollataajuudelle tai vastaavasti kulkevat BPF: n läpi (yhteensä m) ja siirrä sitten kukin alikaista määrätyllä nopeudella ( Nyquist-nopeus) Alikaistalähtösignaali näytteistetään, ja näytteistetty arvo koodataan yleensä digitaalisesti ja asetetaan m digitaalista kooderia. Lähetä kukin digitaalinen koodattu signaali multiplekserille ja lopuksi lähetä alikaistakoodattu tietovirta.
Eri alikaistoille voidaan käyttää erilaisia kvantisointimenetelmiä ja jakaa eri bittimäärä alikaistoille ihmiskorvan havaintomallin mukaisesti.
b) muunnoskoodaus: DCT-koodaus.
5. Äänittäjä
Kanavan vokooderi: Hyödyntää ihmiskorvan tuntemattomuutta vaiheittain.
homomorfinen vokooderi: pystyy käsittelemään tehokkaasti synteettisiä signaaleja.
Formantti vokooderi: Suurin osa äänisignaalin tiedoista sijaitsee formantin sijainnissa ja kaistanleveydessä.
lineaarinen ennustava vokooderi: Yleisimmin käytetty vokooderi.
6. Hybridi-kooderi
Aaltomuodon kooderi yrittää säilyttää koodatun signaalin aaltomuodon ja voi tarjota korkealaatuista puhetta keskibittinopeudella (32 kbps), mutta sitä ei voida soveltaa matalan bittinopeuden tilanteissa. Vokooderi yrittää tuottaa signaalin, joka on äänellisesti samanlainen kuin koodattu signaali, ja voi tuottaa ymmärrettävän puheen pienellä bittinopeudella, mutta tuloksena oleva puhe kuulostaa luonnottomalta. Hybridi-kooderi yhdistää molempien edut.
RELP: Lineaarisen ennusteen perusteella jäännös koodataan. Mekanismi on: lähetä vain pieni osa jäännöksistä ja rekonstruoi kaikki jäännökset vastaanottopäässä (kopioi kantataajuuden jäännökset).
MPC: monipulssikoodaus, joka poistaa jäännösten korrelaation, ja sitä käytetään kompensoimaan vokooderin yksinkertainen äänierittely ääni- ja soinnittomiksi ilman välitilojen virheitä.
CELP: koodikirja herätti lineaarisen ennusteen, joka käyttää äänentien ennustusta ja äänenkorkeuden ennustimen kaskadia alkuperäisen signaalin lähentämiseksi paremmin.
MBE: monikaistainen herätys, tarkoituksena on välttää suuri määrä CELP-laskelmia, jotta saadaan parempi laatu kuin vokooderi.
Meidän muiden tuotteiden:
