Александр Загуменнов: Компьютерная обработка звука

Чтобы представить звуковые колебания в цифровом виде, в каждый конкретный момент звучания измеряют амплитуду звукового сигнала. Так как волновая форма звука по своей природе непрерывна, то для ее точного цифрового отображения необходимо измерять амплитуду бесконечное количество раз в секунду и делить амплитудную шкалу на бесконечное количество градаций. В реальности же количество измерений в секунду (частота дискретизации) колеблется обычно от 10000 до 96000. В настоящее время наиболее употребительные частоты дискретизации – 44100 Гц (стандарт для CD-аудио) и 48000 Гц (основной стандарт для DAT). Количество же амплитудных градаций (разрешение) обычно принимается равным 28, 216 или 224 (в зависимости от количества битов, выделенных для этой информации).

Разумеется, при дискретизации непрерывного сигнала неизбежно возникают искажения. Чем меньше частота дискретизации и/или разрешение, тем сильнее волновая форма на выходе приближается к прямоугольной. При этом возникают высокочастотные искажения, которые частично подавляются с помощью фильтров, устанавливаемых на выходе ЦАП.

Оцифрованный звук требует больших объемов памяти. В самом деле, при стандартной частоте дискретизации в 44100 Гц и разрешении 16 бит звуковой материал (стерео) продолжительностью в одну минуту будет занимать 10584000 байт (приблизительно 10,09 Мбайт). Кроме того, звуковые файлы очень плохо сжимаются стандартными программами архивации (zip, arj и т. п.). Поэтому для них существуют особые алгоритмы сжатия. Например, WAV-файл, сжатый с помощью ADPCM, занимает примерно в четыре раза меньше места. Однако при этом могут появиться искажения. Следовательно, при профессиональной работе алгоритмы сжатия звука лучше не использовать.

Любой идеальный метод сжатия не должен допускать заметных потерь качества, то есть сокращение объема данных не должно приводить к потере информации. Это означает, что все изменения звукового сигнала должны быть ниже порога слышимости. Это особенно важно при записи на жесткий диск, когда необходимо гарантировать возможность многократной перезаписи фонограммы. Временная задержка, возникающая при преобразовании сигнала, должна быть минимальной для сохранения синхронности сигналов звука и изображения (менее 20 мс).

Применяемые на практике способы сжатия звукового сигнала базируются на двух основных методах: сокращении избыточности и релевантности (уместности или «существенности» деталей).

При преобразовании звукового сигнала в цифровую форму применение линейного квантования является нецелесообразным, так как не все отсчеты имеют одинаковую вероятность. Поэтому можно уменьшить объем передаваемых данных, присваивая наиболее часто встречающимся значениям более короткие кодовые слова. При этом информационное содержание сигнала не меняется. Такой метод с успехом применяется при передаче текста и изображений. В звуковом сигнале, однако, не удается получить большого коэффициента сжатия.

Более эффективным является использование физиологических свойств слухового аппарата. Так, ухо по-разному улавливает различия уровней сигнала при изменении не только его частоты, но и абсолютного уровня. В упомянутом выше методе перцептуального кодирования Audio MPEG Layer-3 производится динамическое присвоение битов каждому отсчету в соответствии с разрешающей способностью уха человека.

Разность между объемом информации, фактически воспринимаемым на слух, и объемом данных, получаемым при линейном квантовании звукового сигнала, называют иррелевантностью восприятия (субъективным «исчезновением» несущественных деталей). Для дальнейшего уменьшения потока передаваемых данных допускается усиление шума квантования. Необходимо лишь добиться того, чтобы шум квантования был всегда ниже порога слышимости.

Выигрыш в качестве дает также использование маскирования, под которым понимают психологический эффект, проявляющийся при определенных условиях как маскировка одних сигналов другими. Различают эффекты маскирования в одной и той же и в разных полосах частот, а также временное маскирование, которое может быть одновременным, опережающим и последующим.

Для создания копий, которые необходимы как для сохранения информации, так и для обмена ею между пользователями, используются различные устройства: