Тема 7. Работа со звуком. MPEG-1. MPEG-2.

 

Общие сведения

При первичном кодировании в студийном тракте используется обычно равномерное квантование отсчетов звукового сигнала (ЗС) с разрешением ∆А= 16–24 бит/отсчет при частоте дискретизации f = 44,1–96 кГц. В каналах студийного качества обычно ∆А =16 бит/отсчет, f = 48 кГц, полоса частот кодируемого звукового сигнала ∆F = 20–20000 Гц. Динамический диапазон такого цифрового канала составляет около 54 дБ. Если f = 48 кГц и ∆А = 16 бит/отсчет, то скорость цифрового потока при передаче одного такого сигнала равна V = 48x16 = 768 кбит/с. Это требует суммарной пропускной способности канала связи при передаче звукового сигнала форматов 5.1 (Dolby Digital) или 3/2 плюс канал сверхнизких частот (Dolby Surround, Dolby-Pro-Logic, Dolby THX) более 3,840 Мбит/с. Но человек способен своими органами чувств сознательно обрабатывать лишь около 100 бит/с информации. Поэтому можно говорить о присущей первичным цифровым звуковым сигналам значительной избыточности.

Статистическая избыточность обусловлена наличием корреляционной связи между соседними отсчетами временной функции звукового сигнала при его дискретизации. Для ее уменьшения применяют достаточно сложные алгоритмы обработки. При их использовании потери информации нет, однако исходный сигнал оказывается представленным в более компактной форме, что требует меньшего количества бит при его кодировании. Важно, чтобы все эти алгоритмы позволяли бы при обратном преобразовании восстанавливать исходные сигналы без искажений.

Однако даже при использовании достаточно сложных процедур обработки устранение статистической избыточности звуковых сигналов позволяет в конечном итоге уменьшить требуемую пропускную способность канала связи лишь на 15–25% по сравнению с ее исходной величиной, что никак нельзя считать революционным достижением.

После устранения статистической избыточности скорость цифрового потока при передаче высококачественных ЗС и возможности человека по их обработке отличаются, по крайней мере, на несколько порядков. Это свидетельствует также о существенной психоакустической избыточности первичных цифровых ЗС и, следовательно, о возможности ее уменьшения. Наиболее перспективными с этой точки зрения оказались методы, учитывающие такие свойства слуха, как маскировка, предмаскировка и послемаскировка. Если известно, какие доли (части) звукового сигналаухо воспринимает, а какие нет вследствие маскировки, то можно вычленить и затем передать по каналу связи лишь те части сигнала, которые ухо способно воспринять, а неслышимые доли (составляющие исходного сигнала) можно отбросить (не передавать по каналу связи).Кроме того, сигналы можно квантовать с возможно меньшим разрешением по уровню так, чтобы искажения квантования, изменяясь по величине с изменением уровня самого сигнала, еще оставались бы неслышимыми, т.е. маскировались бы исходным сигналом.

 

Рисунок7.1.Обобщеннаяструктурнаясхемакодераскомпрессиейцифровыхаудиоданных

 

Однако после устранения психоакустической избыточности точное восстановление формы временной функции ЗС при декодировании оказывается уже невозможным.

К настоящему времени достаточное распространение в радиовещании получили также еще нескольких стандартов MPEG, таких, как MPEG-2 ISO/IEC 13818-3, 13818-7 и MPEG-4 ISO/IEC 14496-3.

В отличие от этого в США был разработан стандарт Dolby AC-3 (А/52) в качестве альтернативны стандартам MPEG.

Несмотря на значительное разнообразие алгоритмов компрессии цифровых аудиоданных, структура кодера, реализующего такой алгоритм обработки сигналов, может быть представлена в виде обобщенной схемы, показанной на рис. 7.1.

 

СтандартMPEG-1

MPEGрасшифровываетсякак«MovingPictureCodingExpertsGroup»,дословно–группаэкспертовпокодированиюподвижныхизображений.MPEGведетсвоюисториюсянваря1988года.Начинаяспервогособраниявмае1988года,группаначаларасти,ивыросладооченьбольшогоколлективаспециалистов.Обычно,всобранииMPEGпринимаютучастиеоколо350специалистовизболеечем200компаний.БольшаячастьучастниковMPEG–этоспециалисты,занятыевтехилииных научных и академических учреждениях.

СтандартMPEG-1(ISO/IEC11172-3)включаетвсебятриалгоритмаразличных уровней сложности:Layer (уровень) I, Layer II иLayerIII.Общаяструктурапроцессакодированияодинаковадлявсехуровней.Однако,несмотрянасхожестьуровнейвобщемподходеккодированию,уровниразличаютсяпоцелевомуиспользованиюивнутренниммеханизмам.Длякаждогоуровняопределенсвойцифровойпоток(общаяширинапотока) и свой алгоритмдекодирования.

MPEG-1предназначендлякодированиясигналов,оцифрованныхсчастотойдискретизации32,44.1и48КГц.Какбылоуказановыше,MPEG-1имееттриуровня(LayerI,IIиIII).Этиуровниимеютразличиявобеспечиваемомкоэффициентесжатияикачествезвучанияполучаемыхпотоков.

MPEG-1нормируетдлявсехтрехуровнейследующиеноминалыскоростейцифровогопотока:32,48,56,64,96,112,192,256,384и448кбит/с,числоуровнейквантованиявходногосигнала–от16до24.СтандартнымвходнымсигналомдлякодераMPEG-1принятцифровойсигналAES/EBU(двухканальныйцифровойзвуковойсигналсразрядностьюквантования20–24битанаотсчет).Предусматриваютсяследующие режимыработызвуковогокодера:

- одиночныйканал(моно);

- двойнойканал(стереоидидва моноканала);

- jointstereo(сигналсчастичнымразделениемправогоилевогоканалов).

ВажнейшимсвойствомMPEG-1являетсяполнаяобратнаясовместимостьвсехтрехуровней.Этоозначает,чтокаждыйдекодерможетдекодироватьсигналынетолькосвоего,ноинижележащихуровней.MPEG-1оказалсяпервыммеждународнымстандартомцифрового сжатиязвуковыхсигналов и этообусловило его широкоеприменениевомногихобластях:вещании,звукозаписи,связиимультимедийныхприложениях.НаиболееширокоиспользуетсяУровеньII,онвошелсоставнойчастьювевропейскиестандартыспутникового,кабельногоиназемногоцифровогоТВвещания,встандартызвуковоговещания,записинаDVD,РекомендацииМСЭBS.1115иJ.52.УровеньIII(егоещеназываютМР3)нашелширокоеприменениевцифровыхсетяхсинтегральнымобслуживанием(ISDN)ивсетиИнтернет.Подавляющеебольшинствомузыкальныхфайловвсетизаписаныименновэтомстандарте.

 

СтандартMPEG-2

MPEG-2эторасширениеMPEG-1всторонумногоканальногозвука.СледствиемсовместимостиMPEG-2сMPEG-1вчастикодированиязвукасталополноеиспользованиетрехуровневойсистемы,разработаннойвMPEG-1дляобработкизвуковыхданныхкодерамистандартаMPEG-2.Различиямеждустандартаминачинаютсяприпереходеотдвухканалъногозвука,принятогозаосновувMPEG-1,кмногоканальномузвуку,поддерживаемому в MPEG-2.

MPEG-2специфицируетразличиярежимапередачимногоканальногозвука,втомчислепятиканальныйформат,семиканальныйзвуксдвумядополнительнымигромкоговорителями,применяемымивкинотеатрахсоченьширокимэкраном,расширенияэтихформатовснизкочастотнымканалом.Соответствующеерасположениегромкоговорителейпоказановтаблице4.1.Вданномслучаевчислителе дробиуказываетсячислофронтальныхканалов,взнаменателе–числоканалов, излучаемых сзади.

Однойизразновидностеймногоканальногозвукаявляетсямногоязычноезвуковоесопровождение.Ономожетосуществлятьсялибопередачейотдельногоцифровогопотокадлякаждогоязыка,либодобавлениемнескольких(до7)языковыхканаловсоскоростью64кбит/скмногоканальномупотоку384кбит/с.Возможнапередачадополнительныхзвуковыхканаловдлялюдейсухудшениемзренияислуха.

СистемаулучшенногокодированиязвукаААС. ОднойизлучшихсовременныхсистемсжатиязвукапризнанасистемаААС(AdvancedAudioCoding–усовершенствованнаясистемакодированиязвука),специфицированнаявседьмойчастистандартаISO/IEC13818.Вотличиеотдругихметодовсжатиязвуковыхданных,принятыхвMPEG-2,онанеобладаетсвойствомобратнойсовместимости–декодерыMPEG-1немогут декодировать сигнал ААС.

Наданныймоментсуществуютпять разновидностейформатаААС:

- HomeboyAAC;

- AT&Tа2bААС;

- LiquifierPROAAC;

- Astrid/QuartexААС;

- AACPlus.

Все этимодификациинесовместимымеждусобой,имеютсобственныекодеры/декодерыи неодинаковы по качеству.

 

Таблица5.1.Иерархиямногоканальныхзвуковыхсистемсогласно рекомендацииBS.775

СтандартMPEG-4

ВкачествесредствкомпрессиизвукавMPEG-4(ISO/IEC14496-3)используетсякомплекс несколькихстандартовкодированиязвука:улучшенныйалгоритмMPEG-2ААС,алгоритмTwinVQ,атакжеалгоритмыкодированияречиHVXCиCELP.Крометого,MPEG-4предусматривает множество механизмовобеспечениямасштабируемостиипредсказания.Однаковцелом,стандартMPEG-4ААС,предусматривающийправилаиалгоритмыкодированиязвука,является,вобщем, продолжениемMPEG-2AAC.

MPEG-4–аудиопредлагаетширокийпереченьприложений,которыепокрываютобластьотпростойречидовысококачественногомногоканальногозвука,иотестественныхдосинтетическихзвуков.

МетодкодированияMPEG-4CELP. МетодкодированияMPEG-CELPпредназначендляобработкиречевыхсигналов.Напрактикеприменяютсявосновномтриосновныхклассакодеров:кодерыформы,вокодеры игибридныекодеры.

Кодерыформыхарактеризуютсяспособностьюсохранятьосновнуюформуречевогосигнала.Ккодерамформыотносятсякодерысимпульснокодовоймодуляцией(ИКМ),кодерысдифференциальнойИКМ(ДИКМ),адаптивнойдифференциальнойИКМ(АДИКМ)идр.Системыпередачисподобнымтипомкодеровобеспечиваютхорошеекачествовоспроизведенияречевыхсигналов(стандартнаяполосачастоткоторыхсоставляет300–3400Гц)иболееширокополосныхзвуковыхсигналов.Однако,этикодерымалоэффективнысточкизрениясниженияскоростейпередачи цифровыхсигналов.

Вокодеры(отанглийскихслов«voice»–голоси«coder»–кодирующееустройство)обеспечиваютзначительнобольшееснижениескоростейпередачиречевыхсигналов.Сжатиенапередающейсторонепроизводитсяванализаторе,выделяющемизречевогосигналамедленноменяющиесясоставляющие,которыепередаютсяпоканалусвязиввидекодовыхкомбинаций.Наприемнойсторонеспомощьюместныхисточниковсигналов,управляемыхсиспользованиемпринятойинформации,синтезируетсяречевой сигнал.

 

СтандартMPEG-7

АудиоMPEG-7FCDимеетпятьтехнологий:структураописаниязвука,котораявключаетвсебямасштабируемыепоследовательности,дескрипторынижнегоуровняи униформные сегментытишины;средства

описаниятембрамузыкальногоинструмента;средствараспознаваниязвука;средстваописанияголосовогоматериалаисредстваописаниямелодии.

ОписаниесистемыаудиоMPEG-7. Аудиоструктурасодержитсредстванижнегоуровня,которыеобеспечиваютосновыдляформированиязвуковыхприложенийвысокогоуровня.Предоставляяобщуюплатформуструктурыописаний,MPEG-7Audioустанавливаетбазисдлясовместимостивсехприложений,которыемогутбытьсозданыврамках данной системы.

 

МетодсжатиязвукаOggVorbis

СразупослесвоегопоявленияформатMP3приобрелогромнуюпопулярностьупользователейперсональногокомпьютера,нааудиодискразмером650Мбможнопоместитьв10разбольшезвуковойинформации,приэтомсохранивприемлемоекачество.СозданныетакимобразомфайлыможнобезпроблемпересылатьчерезИнтернет,использоватьвпереносныхустройствах,собиратьмузыкальныеколлекции.

OggVorbisпринадлежитктомужетипуформатоваудиосжатия,чтоиМР3,AAC,VQF,РАС,QDesignAIFFиWMA,т.е.кформатамсжатияспотерями.Психоакустическаямодель,используемаявOggVorbisпопринципамдействияблизкакМР3иижесними,ноитолько–математическая обработкаи практическая реализация этой модели в корнеотличается,чтопозволяетавторамобъявитьсвойформатсовершеннонезависимым от всех предшественников.

ГлавноенеоспоримоепреимуществоформатаOggVorbis–этоегополнаяоткрытостьибесплатность.WMAиAstrid/Quartexтожебесплатны,ноавторыэтих форматовнеопубликовалиисходныекодысвоихразработок,aXiphophorus именноэтоисделала.OggVorbisсоздаетсяврамкахпроектаGNUиполностьюподчиняетсяGNUGPL(генеральнаяпубличнаялицензия).Аэтоозначает,чтоформатсовершеннооткрытдлякоммерческогоинекоммерческогоиспользования,егокодыможномодифицироватьбезовсякихограничений,группаразработчиковоставляетзасобойлишьправоутверждать новыеспецификации формата.

OggVorbisиспользуетматематическуюпсихоакустическуюмодельотличнуюотМР3,иэтосказываетсяназвучании.MP3иOggVorbisтрудно сравнивать,нов целом звучание OggVorbis гораздо лучше.

ПрикодированиикодекиOggVorbisиспользуютVBR(variablebitrate),подобнонекоторымМР3кодекам,чтопозволяетсущественноуменьшить размер композиции, при незначительнойпотерекачества.

Чтожекасаетсяскоростикодирования,тотутпоканетникакихвыдающихсярезультатов.СкоростькодекаOggVorbisнебыстреекодекаМР3.Разработчикипризнают,чтокодкодекасовершеннонеоптимизирован,таккакэтапрограммабылавыпущенакакможнобыстреедлядемонстрацииспецификации,чтобынебытьголословными.Т.е.,вбудущемможноожидатьсущественногоулучшенияскоростныххарактеристик, особенно,когда подключатся сторонниепроизводители.

OggVorbis,какиМР3,изначальноразрабатывалсякаксетевойпотоковыйформат.Этосвойствоявляетсяоченьважным,особенноучитывая мультиплатформеннуюнаправленностьформата OggVorbis.Интернет-радиостанцияиспользующаянизкоскоростныеверсииOggVorbisсможетвещатьсразунавсехплатформах,тогдакактакаяжерадиостанция,использующаядляпередачиWMA(ввидеASF)будетограничена толькопользователямиWindows.

 

МетодсжатиязвукаMusePack

OggVorbisявляетсянеединственнойнекоммерческойразработкойтакогорода.Энтузиастыпродолжалиипродолжаютделатьпопыткисозданияальтернативных качественных аудиокодеков.

КодекMPEGplus(MPEG+)былпозжепереименованвMusePack(MPC)из-запроблем,которыепоявилисьуавторакодекавсвязистем,чтоназваниепоследнегосодержаловсебеаббревиатуру«MPEG».MusePack–этоещеоднаразновидностьсжатиязвукаспотерямисродниМР3.

Кодекомпредусмотренокодированиетольковрежимепеременнойскоростипотока.Скоростькомпрессииидекомпрессиив/изМРСзаметновыше скорости выполнения этихоперацийприменительно к МР3.

Всреднем,качествокодированияМРСнавысокихскоростях(160Кбит/сивыше)заметно(еслинесказать«значительно»)вышекачества,обеспечиваемогоMP3.Этосвязаносразличиямивмеханизмахкодирования.Ранеемыотмечали,чтоМР3прикодированииразбиваетсигналначастотныеподполосы,затемпроизводитразложениесигналаврядкосинусов(MDCT–частныйслучайпреобразованияФурье)изаписываетокругленные(квантованные)значенияполученныхпослепреобразованиякоэффициентов.МРСжепослеразбиениясигналаначастотныеподполосыпростопроизводитпереквантование(опираясьнапсихоакустическуюмодель)сигналавкаждойподполосеиполученныеокругленные(квантованные)значениязаписываетввыходнойпоток.Этимжефактомобъясняетсяибольшаяскоростькомпрессииидекомпрессии МРС.

ВотличиеотOggVorbis,кодекMusePakпереживаетсегоднянесамыелучшиевремена,втовремякакOggVorbisполучаетвсеболееиболееширокоераспространение,MusePakостаетсямалоизвестным,хотяинезаслуженно.