1. Հիմնական հասկացություններ
1) Բիթի արագություն. Ցույց է տալիս, թե վայրկյանում քանի բիթ է անհրաժեշտ ծածկագրված (սեղմված) աուդիո տվյալները ներկայացնելու համար, իսկ միավորը սովորաբար kbps է:
2) Բարձրություն և ուժգնություն. Ձայնի սուբյեկտիվ հատկանիշներ: Բարձրությունը ցույց է տալիս, թե որքան ուժեղ է հնչում ձայնը: Բարձրությունը հիմնականում տատանվում է ձայնի ինտենսիվությունից, բայց դրա վրա ազդում է նաև հաճախականությունը: Ընդհանուր առմամբ, մաքուր միջին հաճախականության հնչյուններն ավելի լավ են, քան մաքուր ցածր հաճախականության և բարձր հաճախականության հնչյունները:
3) Նմուշառման և նմուշառման արագություն. Նմուշառումը շարունակական ժամանակի ազդանշանը վերածել դիսկրետ թվային ազդանշանի: Նմուշառման մակարդակը վերաբերում է վայրկյանին քանի նմուշ հավաքվում:
Նիքիստի նմուշառման օրենք. Երբ նմուշառման արագությունը մեծ է կամ հավասար է շարունակական ազդանշանի 2 անգամ բարձրագույն հաճախականության բաղադրիչի, նմուշառված ազդանշանը կարող է օգտագործվել սկզբնական շարունակական ազդանշանը կատարելապես վերակառուցելու համար:
2. ընդհանուր աուդիո ձևաչափեր
1) WAV ձևաչափը Microsoft- ի կողմից մշակված ձայնային ֆայլի ձևաչափ է, որը կոչվում է նաև ալիքային ձայնային ֆայլ: Դա ամենավաղ թվային աուդիո ձևաչափն է, որը լայնորեն աջակցվում է Windows պլատֆորմի և դրա ծրագրերի կողմից, և ունի ցածր սեղմման արագություն:
2) MIDI- ն Musical Instrument Digital Interface- ի հապավումն է, որը հայտնի է նաև որպես Musical Instrument Digital Interface, որը թվային երաժշտության / էլեկտրոնային սինթետիկ երաժշտական գործիքների միավորված միջազգային ստանդարտ է: Այն սահմանում է համակարգչային երաժշտական ծրագրերի, թվային սինթեզատորների և այլ էլեկտրոնային սարքերի երաժշտական ազդանշանների փոխանակման ձևը և սահմանում է տվյալների փոխանցման պրոտոկոլը մալուխների և ապարատների և տարբեր արտադրողներից համակարգիչներին էլեկտրոնային երաժշտական գործիքները միացնող սարքերի միջև և կարող է մոդելավորել բազմակի երաժշտության ձայնը: գործիքներ. MIDI ֆայլը MIDI ֆորմատի ֆայլ է, և որոշ հրամաններ պահվում են MIDI ֆայլում: Ուղարկեք այս հրահանգները ձայնային քարտին, և ձայնային քարտը ձայնը սինթեզելու է ըստ հրահանգների:
3) MP3- ի լրիվ անվանումը MPEG-1 Audio Layer 3 է, որը միացվել է MPEG- ի ճշգրտման մեջ 1992 թ. MP3- ը կարող է սեղմել թվային աուդիո ֆայլեր `ձայնի բարձր որակով և նմուշառման ցածր արագությամբ: Ամենատարածված կիրառումը:
4) MP3Pro- ն մշակվել է Շվեդական Կոդավորման տեխնոլոգիական ընկերության կողմից, որը պարունակում է երկու հիմնական տեխնոլոգիա. Մեկը `ծածկագրման յուրահատուկ տեխնոլոգիա է կոդավորման տեխնոլոգիական ընկերության կողմից, իսկ մյուսը` MP3 արտոնագիր կրող ֆրանսիական Thomson մուլտիմեդիա ընկերության և գերմանական Fraunhofer A- ի համատեղ ուսումնասիրված վերծանման տեխնոլոգիա: Շրջանային ասոցիացիայի կողմից: MP3Pro- ն կարող է բարելավել բնօրինակ MP3 երաժշտության ձայնի որակը ՝ առանց ֆայլի չափը հիմնովին փոխելու: Այն կարող է առավելագույն չափով պահպանել ձայնի որակը մինչ սեղմումը, մինչդեռ աուդիո ֆայլերը ավելի քիչ բիթ արագությամբ սեղմելիս:
5) MP3Pro- ն մշակվել է Շվեդական Կոդավորման տեխնոլոգիական ընկերության կողմից, որը պարունակում է երկու հիմնական տեխնոլոգիա. Մեկը `ծածկագրման յուրահատուկ տեխնոլոգիա է կոդավորման տեխնոլոգիական ընկերության կողմից, իսկ մյուսը` MP3 արտոնագիր կրող ֆրանսիական Thomson մուլտիմեդիա ընկերության և գերմանական Fraunhofer A- ի համատեղ ուսումնասիրված վերծանման տեխնոլոգիա: Շրջանային ասոցիացիայի կողմից: MP3Pro- ն կարող է բարելավել բնօրինակ MP3 երաժշտության ձայնի որակը ՝ առանց ֆայլի չափը հիմնովին փոխելու: Այն կարող է առավելագույն չափով պահպանել ձայնի որակը մինչ սեղմումը, մինչդեռ աուդիո ֆայլերը ավելի քիչ բիթ արագությամբ սեղմելիս:
6) WMA (Windows Media Audio) - ը Microsoft- ի գլուխգործոցն է ինտերնետային աուդիոյի և վիդեոյի ոլորտում: WMA ձևաչափը սեղմման ավելի բարձր մակարդակի է հասնում ՝ տվյալների երթևեկը նվազեցնելով, բայց ձայնի որակը պահպանելով: Սեղմման արագությունը, ընդհանուր առմամբ, կարող է հասնել 1:18-ի: Բացի այդ, WMA- ն կարող է նաև պաշտպանել հեղինակային իրավունքը DRM- ի (Digital Rights Management) միջոցով:
7) RealAudio- ն Real Networks- ի կողմից գործարկված ֆայլի ձևաչափ է: Ամենամեծ առանձնահատկությունն այն է, որ այն կարող է իրական ժամանակում փոխանցել աուդիո տեղեկատվություն, հատկապես, երբ ցանցի արագությունը դանդաղ է, այն դեռ կարող է սահուն կերպով փոխանցել տվյալները, ուստի RealAudio- ն հիմնականում հարմար է ցանցում առցանց խաղալու համար: Ներկայիս RealAudio ֆայլերի ձևաչափերը հիմնականում ներառում են RA (RealAudio), RM (RealMedia, RealAudio G2), RMX (RealAudio Secured) և այլն: Այս ֆայլերի ընդհանրությունն այն է, որ ձայնի որակը փոխվում է `ցանցի թողունակության տարբերությամբ: Նախադրյալի համաձայն, որ մարդկանց մեծ մասը սահուն ձայն է լսում, ավելի լայն թողունակությամբ ունկնդիրները կարող են ավելի լավ որակի ձայն ստանալ:
8) Audible- ն ունի չորս տարբեր ձևաչափեր. Audible1, 2, 3, 4. Audible.com կայքը հիմնականում վաճառում է աուդիո գրքեր Ինտերնետում և ապահովում է ապրանքների և ֆայլերի պաշտպանություն, որոնք նրանք վաճառում են չորս Audible.com հատուկ աուդիո ձևաչափերից մեկի միջոցով: , Յուրաքանչյուր ձևաչափ հիմնականում հաշվի է առնում օգտագործվող աուդիո աղբյուրը և լսող սարքը: 1, 2 և 3 ձևաչափերն օգտագործում են ձայնի սեղմման տարբեր մակարդակներ, իսկ 4 ձևաչափում օգտագործվում է նմուշառման ավելի ցածր արագություն և վերծանման նույն մեթոդը, ինչ MP3- ն: Արդյունքում ստացված ձայնն ավելի պարզ է և հնարավոր է ավելի արդյունավետ ներբեռնել ինտերնետից: Audible- ն օգտագործում է իրենց աշխատասեղանի նվագարկման սեփական գործիքը, որը Audible Manager է: Այս նվագարկչի միջոցով դուք կարող եք նվագարկել լսելի ձևաչափի ֆայլեր, որոնք պահվում են համակարգչի վրա կամ տեղափոխվում են շարժական նվագարկիչ:
9) ՇՊԱԿ-ը իրականում առաջադեմ աուդիո կոդավորման հապավում է: AAC- ը աուդիո ձևաչափ է, որը համատեղ մշակվել է Fraunhofer IIS-A- ի, Dolby- ի և AT&T- ի կողմից: Այն MPEG-2 ճշգրտման մի մասն է: ՇՊԱԿ-ի կողմից օգտագործված ալգորիթմը տարբերվում է MP3- ից: ՇՊԱԿ-ը կոդավորման արդյունավետությունը բարելավելու համար համատեղում է այլ գործառույթներ: AAC- ի աուդիո ալգորիթմը շատ ավելի է գերազանցում սեղմման հնարավորությունները, ինչպիսիք են նախորդ կոմպրեսիոն ալգորիթմները (օրինակ `MP3 և այլն): Այն նաև աջակցում է մինչև 48 աուդիո հետքերի, 15 ցածր հաճախականությունների աուդիո հետքերի, ավելի շատ նմուշների արագությունների և բիթի արագությունների, բազմալեզու համատեղելիության և վերծանման ավելի բարձր արդյունավետության: Մի խոսքով, ՇՊԱԿ-ը կարող է ձայնի ավելի լավ որակ ապահովել, եթե այն 30% փոքր է MP3 ֆայլերից:
10) Ogg Vorbis- ը աուդիո սեղմման նոր ձևաչափ է, որը նման է առկա երաժշտական ձևաչափերին, ինչպիսիք են MP3- ը: Բայց մեկ տարբերություն այն է, որ այն ամբողջովին անվճար է, բաց և առանց արտոնագրային սահմանափակումների: Vorbis- ը աուդիո սեղմման այս մեխանիզմի անունն է, իսկ Ogg- ը `ծրագրի, որը մտադիր է նախագծել ամբողջովին բաց մուլտիմեդիա համակարգ: VORBIS- ը նաև կորուստային սեղմում է, բայց այն օգտագործում է ավելի առաջադեմ ակուստիկ մոդելներ `կորուստները նվազեցնելու համար: Հետեւաբար, նույն բիթ արագությամբ կոդավորված OGG- ն ավելի լավ է թվում, քան MP3- ն:
11) APE- ն կորուստներով սեղմված աուդիո ձևաչափ է `ձայնի որակը չնվազեցնելու նախադրյալով, չափը սեղմվում է ավանդական առանց կորուստների WAV ֆայլի կեսին:
12) FLAC- ը Free Lossless Audio Codec- ի հապավումն է `հայտնի անվճար աուդիո կորուստների սեղմման կոդերի մի շարք, որը բնութագրվում է առանց կորուստների սեղմման:
3. աուդիո կոդավորման հիմնական սկզբունքը
Խոսքի կոդավորումը նվիրված է փոխանցման համար անհրաժեշտ ալիքի թողունակության նվազեցմանը ՝ միաժամանակ պահպանելով մուտքային խոսքի բարձր որակը:
Խոսքի կոդավորման նպատակն է նախագծել ցածր բարդության ծածկագրիչ, որպեսզի հասնի բարձրորակ տվյալների փոխանցմանը հնարավոր նվազագույն բիթ արագությամբ:
1) համր շեմի կորը. Այն շեմնը, որով մարդու ականջը կարող է տարբեր հաճախականություններով ձայն լսել միայն հանգիստ միջավայրում:
2) կրիտիկական հաճախականության տիրույթ
Քանի որ մարդու ականջը տարբեր հաճախականությունների համար տարբեր լուծում ունի, MPEG1 / Audio- ը ընկալելի հաճախականության տիրույթը 22 կխ-ի սահմաններում բաժանում է 23 ~ 26 կրիտիկական հաճախականության տիրույթների `ըստ տարբեր կոդավորման շերտերի և նմուշառման տարբեր հաճախությունների: Հաջորդ նկարում նշված են իդեալական կրիտիկական հաճախականությունների տիրույթի կենտրոնի հաճախականությունն ու թողունակությունը: Ինչպես երեւում է նկարում, մարդու ականջն ունի ցածր հաճախականության ավելի լավ լուծում
3) դիմակային ազդեցություն հաճախականության տիրույթում. Ավելի մեծ ամպլիտուդայով ազդանշանը դիմակավորելու է նման հաճախականությամբ և ավելի փոքր ամպլիտուդայով ազդանշան, ինչպես ցույց է տրված ստորև նկարում.
4) Դիմակավորման էֆեկտը ժամանակի տիրույթում. Կարճ ժամանակահատվածում, եթե երկու հնչյուն է հայտնվում, ավելի մեծ SPL (ձայնային ճնշման մակարդակ) ձայնը դիմակը քողարկում է ավելի փոքր SPL- ով: Timeամանակի տիրույթի դիմակավորման էֆեկտը բաժանված է առաջ դիմակավորող (նախադիմակավորող) և հետին դիմակավորող միջոց (հետմաքսազերծող): Դիմակավորելուց հետո ժամանակը ավելի երկար կլինի ՝ մոտ 10 անգամ ավելի, քան նախադիմակավորումը:
Timeամանակի տիրույթի դիմակավորման էֆեկտը օգնում է վերացնել նախաէխոսը:
4. ծածկագրման հիմնական միջոցները
1) Քվանտիզատոր և քվանտիզատոր
Քվանտացում և քվանտացում. Քվանտացումը դիսկրետ ժամանակում շարունակական ազդանշանը վերափոխում է դիսկրետ ժամանակում դիսկրետ ազդանշանի: Ընդհանուր քվանտիզատորներն են `միատեսակ քվանտիզատոր, լոգարիթմական քվանտիզատոր և ոչ միատարր քվանտատոր: Քվանտացման գործընթացում հետապնդվող նպատակն է նվազագույնի հասցնել քվանտացման սխալը և նվազագույնի հասցնել քվանտիզատորի բարդությունը (երկուսն էլ ինքնին հակասություն են):
(Ա) Միատեսակ քվանտիզատոր. Ամենապարզը, վատագույն կատարումը, միայն հեռախոսի ձայնի համար հարմար:
(B) Լոգարիթմական քվանտիչ. Այն ավելի բարդ է, քան միատեսակ քվանտիչը և հեշտ է իրականացնել, և դրա կատարումն ավելի լավ է, քան համաչափ քվանտիչը:
(C) Ոչ միատեսակ քվանտիչ. Ըստ ազդանշանի բաշխման ՝ ձևավորեք քվանտիզատորը: Մանրամասն քանակականացումը կատարվում է այնտեղ, որտեղ ազդանշանը խիտ է, և կոպիտ քանակականացումը կատարվում է այնտեղ, որտեղ ազդանշանը նոսր է:
2) Ձայնային ծածկագրիչ
Խոսքի ծածկագրիչները երեք տեսակի են. Ա) Waveform ծածկագրիչ. բ) վոկոդեր. գ) հիբրիդային ծածկագրիչ:
Ալիքաձևի ծածկագրիչը նպատակ ունի կառուցել անալոգային ալիքաձև, ներառյալ ֆոնային աղմուկի թերթը: Գործելով բոլոր մուտքային ազդանշանների վրա ՝ այն կարտադրի բարձրորակ նմուշներ և կսպառի բարձր բիթային արագություն: Վոկոդերը չի վերականգնի բնօրինակ ալիքաձևը: Կոդավորիչների այս հավաքածուն արդյունահանելու է մի շարք պարամետրեր, որոնք ուղարկվում են ընդունող ծայր ՝ ձայնային սերնդի մոդելը ստանալու համար: Վոկոդերի ձայնային որակը բավականաչափ լավ չէ: Հիբրիդային ծածկագրիչ, որն իր մեջ ներառում է ալիքաձև ծածկագրիչի և ձայնայինի առավելությունները:
2.1 Waveform ծածկագրիչ
Ալիքաձևի ծածկագրիչի դիզայնը հաճախ անկախ է ազդանշանից: Այնպես որ, այն հարմար է տարբեր ազդանշանների կոդավորման համար և չի սահմանափակվում խոսքով:
1) Domainամանակի տիրույթի կոդավորում
ա) PCM. զարկերակային կոդի մոդուլյացիան `ամենապարզ կոդավորման մեթոդն է: Դա միայն ազդանշանի հայեցումն ու քվանտացումն է, և հաճախ օգտագործվում է լոգարիթմացում:
բ) DPCM. դիֆերենցիալ զարկերակային կոդի մոդուլյացիա, որը միայն կոդավորում է նմուշների տարբերությունը: Նախորդ մեկ կամ մի քանի նմուշներ օգտագործվում են ընթացիկ նմուշի արժեքը գուշակելու համար: Որքան շատ նմուշներ են օգտագործվում կանխատեսումներ կատարելու համար, այնքան ավելի ճշգրիտ է կանխատեսված արժեքը: Իրական արժեքի և կանխատեսված արժեքի միջև տարբերությունը կոչվում է մնացորդ, որը հանդիսանում է կոդավորման օբյեկտ:
գ) ADPCM. հարմարվողական դիֆերենցիալ զարկերակային կոդի մոդուլյացիա, հարմարվողական դիֆերենցիալ զարկերակային ծածկագիր: Այսինքն ՝ DPCM– ի հիման վրա քվանտիզատորը և կանխատեսողը համապատասխանաբար ճշգրտվում են ըստ ազդանշանի փոփոխությունների, այնպես, որ կանխատեսված արժեքն ավելի մոտ լինի իրական ազդանշանին, մնացորդն ավելի փոքր է, և սեղմման արդյունավետությունն ավելի բարձր է:
(2) Հաճախականության տիրույթի կոդավորումը
Հաճախականության տիրույթի կոդավորումը ազդանշանը քայքայելու է տարբեր հաճախականության տարրերի շարքում և կատարել անկախ կոդավորում:
ա) Ենթաշղթայի կոդավորում. Ենթաշային ծածկագրումը հաճախականության տիրույթի կոդավորման ամենապարզ տեխնիկան է: Դա տեխնոլոգիա է, որը սկզբնական ազդանշանը ժամանակի տիրույթից վերափոխում է հաճախականության տիրույթի, այնուհետև բաժանում է մի քանի ենթաշղթաների և դրանց վրա համապատասխանաբար կատարում թվային կոդավորում: Այն օգտագործում է band-pass ֆիլտրի (BPF) խումբ `սկզբնական ազդանշանը բաժանելու մի քանի (օրինակ, մ) ենթաշղթաների (որոնք կոչվում են ենթա-գոտիներ): Յուրաքանչյուր ենթաշերտ անցեք միակողմանի գոտու ամպլիտուդիայի մոդուլյացիային համարժեք մոդուլյացիայի բնութագրերով, յուրաքանչյուր ենթաշերտ տեղափոխեք մոտ զրոյական հաճախության, համապատասխանաբար անցեք BPF- ի միջով (ընդհանուր մ), և ապա փոխանցեք յուրաքանչյուր ենթախումբ սահմանված արագությամբ ( Nyquist փոխարժեքը) Ենթաշղթայի ելքային ազդանշանը նմուշառվում է, և նմուշառված արժեքը սովորաբար թվայնորեն ծածկագրվում է, և սահմանվում են m թվային ծածկագրիչներ: Յուրաքանչյուր թվային կոդավորված ազդանշան ուղարկեք մուլտիպլեքսատորին և վերջապես դուրս բերեք ենթաշղթայի ծածկագրված տվյալների հոսքը:
Տարբեր ենթաշերտերի համար կարող են օգտագործվել քվանտացման տարբեր մեթոդներ և ենթաշղթաներին կարելի է տարբեր քանակի բիտեր հատկացնել `համաձայն մարդու ականջի ընկալման մոդելի:
բ) վերափոխել ծածկագրումը. DCT կոդավորումը:
5. վոկոդեր
Ալիքի ձայնագրիչ. Օգտագործում է մարդու ականջի անզգայունությունը փուլին:
հոմոմորֆ վոկոդեր. կարող է արդյունավետորեն մշակել սինթետիկ ազդանշաններ:
Ձևավորող ձայնագրիչ. Ձայնային ազդանշանի տեղեկատվության մեծ մասը տեղակայված է ձևավորման դիրքի և թողունակության վրա:
գծային կանխատեսող վոկոդեր. Ամենատարածված օգտագործվող վոկոդերը:
6. Հիբրիդային ծածկագրիչ
Ալիքային ձևի ծածկագրիչը փորձում է պահպանել ծածկագրված ազդանշանի ալիքի ձևը և կարող է ապահովել բարձրորակ խոսք միջին բիթային արագությամբ (32 կբիթ / վրկ), բայց այն չի կարող կիրառվել ցածր բիթ արագության առիթների դեպքում: Ձայնագրիչը փորձում է առաջացնել ազդանշան, որն ականջի նման կոդավորված ազդանշանին է և կարող է ցածր բիթ արագությամբ ապահովել հասկանալի խոսք, բայց արդյունքում ելույթը հնչում է անբնական: Հիբրիդային ծածկագրիչը համատեղում է երկուսի առավելությունները:
ՕԳՆԵԼ. Գծային կանխատեսման հիման վրա մնացորդը կոդավորվում է: Մեխանիզմը հետևյալն է ՝ փոխանցել մնացորդների մի փոքր մասը և ստացված վերջում վերակառուցել բոլոր մնացորդները (պատճենել բազային գոտու մնացորդները):
MPC ՝ բազմազնմային կոդավորում, որը վերացնում է մնացորդների փոխկապակցվածությունը և օգտագործվում է փոխհատուցելու ձայնագրիչների ձայնագրման պարզ և առանց ձայնային ձայնի դասակարգումը ՝ առանց միջանկյալ պետությունների արատների:
CELP. Ծածկագրերի գրգռված գծային կանխատեսումը, որն օգտագործում է ձայնային տրակտների կանխատեսում և սկիպիդար կասկադ ՝ սկզբնական ազդանշանն ավելի լավ մոտավորելու համար:
MBE. Բազմաշերտ գրգռում. Նպատակն է խուսափել մեծ թվով CELP հաշվարկներից, վոկոդերից բարձր որակ ստանալ:
Մեր մյուս արտադրանքը:
