Zvuk včetně komprese. Digitálně = lépe! Je to ale pravda? X36PZA Periferní zařízení

Transkript

1 Zvuk včetně komprese Digitálně = lépe! Je to ale pravda?

2 Obsah přednášky Digitalizace spojitého signálu. Aliasing, kvantizační chyba. Praktická realizace digitálního zvukového řetězce. Komprese zvuku. Aplikace psychoakustické komprese MPEG Audio. Digitální telefonie pro IT people.

3 Digitalizace spojitého signálu

4 Fáze digitalizace spojitých signálů: Spojitý v čase i amplitudě Diskrétní v čase i amplitudě Diskrétní v čase, spojitý v amplitudě Otázka: může být i spojitý v čase a diskrétní v amplitudě? Nakreslete!

5 Navzorkovaný spojitý signál

6 Digitálně znamená s chybou! Diskretizace/digitalizace způsobí změny ve frekvenční oblasti, tzv. aliasing, změny v amplitudě, tzv. kvantizační chybu.

7 Co je to aliasing (změny ve frekvencích) I? D iskretizace Frekvenční spektrum analogového signálu Správné vzorkování

8 Co je to aliasing (změny ve frekvencích) II? D iskretizace Frekvenční spektrum analogového signálu Nesprávné vzorkování

9 Aliasing se projeví takto

10 Shannonův vzorkovací teorém Signál, jehož spektrum je soustředěno pouze v pásmu kmitočtů <0, fmax>, lze aproximovat řadou funkcí (Fourier). Koeficienty řady jsou vzorky signálu rovnoměrně odebírané s kmitočtem vzorkování, který je větší než dvojnásobek maximálního kmitočtu v signálu obsaženém. Viz též Nyquist (1928) a Kotelnikov.

11 Digitálně znamená s chybou! Vzorkování způsobí změny ve frekvenční oblasti, tzv. aliasing, změny v amplitudě, tzv. kvantizační chybu.

12 Změny v amplitudě

13 Kvantizační chyba

14 Kvantizační chyba

15 Praktická realizace digitálního zvukového řetězce

16 Co je to zvuk? Periodické vlnění prostředí, kterým se šíří. Představují ho spojité změny akustického tlaku, které přijímáme uchem a zpracováváme sluchovým ústrojím.

17 Blokové schéma zvukového řetězce Uvidíte později, že většina technologie je digitální!

18 A/D převodníky - srovnání

19 A/D převodník delta) (sigma-

20 Sigma-delta koncepce Ideální technologie pro VLSI obvody zpracovávající spojité i diskrétní signály (Mixed signals). Posouvají kvantizační šum pomocí modulátoru do vyššího frekvenčního pásma, realizují převzorkování, digitálně filtrují signál decimátorem. Umožňují realizaci převodníků s velkým rozlišením.

21 Jak funguje modulátor?

22 1-bitový výstup modulátoru

23 Decimátor Zpracovává (oslabuje) příliš kategorické jednobitové reakce sigma-delta modulátoru na vstupní signál tím, že je průměruje, čítá po delší časový interval. Slouží tedy jako zádrž pro vysoké frekvence změn výstupu (je tedy vlastně digitálním dolnopropustným filtrem).

24 Zaujalo vás to? Podrobněji se tomuto tématu věnujeme v předmětu Analogové a číslicové systémy.

25 Komprese zvuku

26 Komprese dat Objasňovat proč komprimovat by bylo mlácením prázdné slámy. Každý přece ví, že 1 s zvuku v CD kvalitě představuje 44,1k vzorků po 2x 16 bitech (stereo), tedy B, tedy více než 172 kb. Typy komprese ztrátová, bezeztrátová.

27 Psychoakustický (PA) princip Psychoakustický princip se opírá o studium vlastností lidského ucha, snaží se vytvořit nejdokonalejší model sluchu a s tímto poznáním určuje, co bude vlastně neslyšitelné. Pak nevadí, když se příslušná data kompresí ztratí. Autorství: Fraunhoferův Institut, SRN.

28 Průměrné lidské ucho Frekvenční rozsah 20 Hz - 20 khz, dynamický rozsah (ticho - hluk) cca 96 db. Důležitá poznámka: víte, že slyšíme frekvenčně?

29 Zásady PA komprese Frekvenční závislost sluchu, neboli frekvenční maskování (frequency masking) a časové maskování (temporal masking).

30 Frekvenční závislost sluchu

31 Obrázek ukazuje ještě něco důležitějšího! Práh slyšitelnosti není frekvenčně nezávislý, absolutně nejnižší hodnotu akustického tlaku ucho rozpozná na frekvenci cca 4 khz, schopnost slyšet závisí na úrovni hlasitosti a to dokonce nejen globálně, ale i lokálně (viz dále). Slyšitelnost se měří v jednotkách sone (hlasitost 40-ti db tónu o frekvenci 1 khz).

32 Frekvenční maskování

33 Důsledky frekvenčního maskování Maskování - jeden zvuk je přehlušen jiným, silnějším. Maskování je silnější, jsou-li zvuky na blízkých frekvencích. Práh slyšitelnosti se mění podle toho, co je právě slyšet. Mluvíme o aktuální maskovací šabloně.

34 Časové maskování

35 Důsledky časového maskování Ucho má jistou setrvačnost. Důsledkem je, že po hlasitém zvuku chvíli neslyšíme. Zprvu poněkud překvapivý je jev opačný... Přehlušené je ucho déle, než zahlušené.

36 Aplikace psychoakustické komprese MPEG Audio

37 Rozdíly podrobněji Layer 1 pouze frekvenční maskování. Layer 2 pracuje se se třemi framy vzorků najednou (předch., souč., násled.) vzorků. Použito i časové maskování. Koncovka.mp2. Layer 3 nejlepší, redukce vazeb mezi stereokanály, kompresní poměr 1:6. Koncovka.mp3.

38 Důležitá poznámka: Kodér není standardem specifikován úplně, zato dekodér je definován pevně. Tato otevřená forma umožňuje budoucí vylepšení, aniž by bylo nutné měnit standard. Obměňovat je tak možné psychoakustický model, popř. algoritmus bitové alokace.

39 Layer 1/2 - princip kódování

40 Postup při kódování (Layer 1/2)

41 Layer 1 - dekodér

42 Kodér Layer 3 (MP3) Viz dále

43 Zjemnění frekvenční filtrace 32 >576 subpásem

44 Layer 3 - dekodér

45 Princip a funkce oken Hanningovo okno

46 Digitální telefonie pro IT people

47 Vývoj standardu GSM 1982 sdružení CEPT,výzkumná skupina Groupe Special M obile, Realizace panevropského komunikačního systému na celulární (buňkové) bázi v pásmu 900 MHz. Požadavek: nízká cena, masivní výroba, miniaturní zařízení, kvalitní přenos řeči, otevřenost budoucím standardům ISDN, podpora rozšířených služeb (SMS).

48 Celulární (buňková) síť Frekvence používané v jedné buňce nepoužívá žádná ze sousedních buněk. BS neboli Base Station základnová stanice

49 Časový multiplex v GSM kanál sloty Poznámka: Jeden hovor se přenáší kanálem stále ve stejném slotu.

50 Multirámec, rámec, slot 120 ms trvá multirámec (24 datových rámců) ,615 ms řídicí rámec nevyužito TDMA rámec (8 slotů) 0,577 ms 3 57 datových bitů 1 26 režijních bitů 1 57 datových bitů 3 8,25 slot

51 Kolik bitů představuje jeden hovor? V rámci slotu 2 x 57 užitečných bitů, v jednom multirámci je tomuto hovoru přidělen čas 24x, tedy 2 x 57 x 24 = 2736 b. Multirámec trvá 120 ms, tedy b/120 ms, což je b/s neboli 22,8 kbps. Připočítáme-li k tomu ještě režii sítě, která představuje 11 kbps, představuje jeden hovor zátěž 33,8 kbps.

52 Kolik z nich je ale hlasových? Začínáme s 33,8 kbps. Režie na fungování sítě GSM je cca 11 kbps, režie na vedení hovoru je cca 9,8 kbps a tedy na vlastní hovorové bity zbývá jen 13 kbps! Jak je GSM využívá? Viz dále.

53 Řečový signál v čase 4 3 x 10 detail

54 Východiska realizace Nepostupuje se, jako v digitalizaci pevných linek metodou kódování tvaru vlny. Ta vyžaduje příliš vysoký přenosový výkon (64 kbps). V GSM musíme vystačit s 13 kbps (RPELTP), nebo dokonce jen s 4,8 kbps (CELP). Jak je to vůbec možné?

55 Vložka: digitalizace tvaru vlny Pouze interval mezi dvěma vzorkováními (125 ms) máme k dispozici k vyslání 8-mi bitového kódu digitalizované hodnoty. Přenosová kapacita digitální telefonní linky je tedy 8000 vzorků/s * 8 bitů = 64 kb/s.

56 Komprese řeči - Standardy 64 kbps µ-law/a-law PCM(CCTT G.711) 64 kbps 7kHz Subband/ADPCM(CCITT G.722) 32 kbps ADPCM(CCITT G.721) 16 kbps Low Delay CELP(CCITT G.728) 13.2 kbps RPE-LTP(GSM 06.10) 13 kbps ACELP(GSM 06.60) 13 kbps QCELP(US CDMA Cellular) 8 kbps QCELP(US CDMA Cellular) 8 kbps VSELP(US TDMA Cellular) 8 kbps CS-ACELP(ITU G.729) 6.7 kbps VSELP(Japan Digital Cellular) 6.4 kbps IMBE(Immarsat Voice Coding Standard) 5.3 & 6.4 kbps True Speech Coder(ITU G.723) 4.8 kbps CELP(Fed. Standard 1016-STU-3) 2.4 kbps LPC(Fed. Standard 1015 LPC-10E)

57 Návod na účinnější kompresi Použijeme stejnou myšlenku, podle které pracují nejrůznější počítačové akcelerátory: kanálem nepřenášíme bitmapu hovoru, ale jeho vektorový popis. K tomu účelu ale potřebujeme do dekodéru (i kodéru) vestavět syntezátor řeči založený na modelu generování signálu hlasovým traktem. Tomu se říká kódování zdroje!

58 Anatomie a funkční komponenty hlasového ústrojí Acoustic Filter

59 Znělé a neznělé hlásky Znělé hlásky (n, e ) kvaziperiodický průběh signálu. Neznělé hlásky (š, č ) průběh signálu podobný šumu.

60 Generování znělých a neznělých hlásek

61 Model lidského hlasového ústrojí

62 Zásady kodéru založeného na LPC Je založen na modelu buzení + filtr (model hlasového traktu), uspokojivě generuje pouze řeč (např. hudbu neumí), pro znělé hlásky je buzen periodickými impulsy, neznělé hlásky budí generátor bílého šumu.

63 Realizace modelu Hlasivky dolní propusť 2. řádu s lomovou frekvencí kolem 100 Hz. Hlasový trakt kaskáda rezonátorů (odpovídajících jednotlivým formantům). Vyzařování zvuku horní propusť 1. řádu.

64 Komprese řeči prakticky Zpracování a předzpracování dat po 20ms blocích (160 vzorků po 13b) odstranění stejnosměrné složky, zvýraznění méně silných vyšších frekvenčních složek signálu (preemfáze), rozdělení do 4 bloků po 40 vzorcích pro RPE analýzu a LTP analýzu. LPC (koeficienty lineární predikce krátkodobá predikce) 8 koeficientů, model hlasového ústrojí 36 bitů.

65 Komprese hlasu - schéma

66 Podrobněji? Nová média.