Przetwarzanie dźwięku

Dźwięk cyfrowy. Plik dźwiękowy

Dźwięk cyfrowy -
wprowadzenie



Dźwięk jaki dociera do naszych uszu to fala

rozchodząca się w powietrzu. Może ona mieć

różną postać, ale najprostszą możliwością jest

idealna fala sinusoidalna



Wykres fali dźwiękowej sinusoidalnej

odzwierciedla płynne zmiany ciśnienia

akustycznego pojedynczego tonu

Dźwięk cyfrowy



Dla komputera przedstawiona fala
jest czymś zupełnie abstrakcyjnym.



Całą rzeczywistość musi on
zobrazować w systemie binarnym,
czyli w postaci zer i jedynek –
przekształcenie to następuje w
procesie zwanym próbkowaniem.

Próbkowanie - definicja



Próbkowanie (dyskretyzacja,
kwantowanie w czasie) to etap
procesu przetwarzania sygnału
analogowego na cyfrowy,
polegający na przetworzeniu
sygnału ciągłego w sygnał
impulsowy, istniejący tylko w
określonych chwilach czasowych

Próbkowanie - sposób
przekształcenia



Polega ono na tym, że w ustalonych
odstępach czasu (impulsowanie)
pobierane są tzw. próbki (ang.
sample) i mierzona jest wartość
chwilowa sygnału.



Sygnał przekształcony do postaci
spróbkowanej nazywa się
sygnałem dyskretnym.

Z jaką częstotliwością
próbkować?

Okres i częstotliwość
próbkowania



Aby spróbkowany sygnał z postaci cyfrowej

dało się przekształcić, bez straty informacji, z

powrotem do postaci analogowej, musi być

spełnione twierdzenie Kotielnikowa-Shannona

o próbkowaniu. Mówi ono, że częstotliwość

próbkowania nie może być mniejsza niż

podwojona szerokość pasma sygnału.



Jeśli ten warunek nie jest spełniony, wówczas

występuje zjawisko aliasingu



Błąd aliasingu jest tym większy, im mniejsza

jest częstotliwość próbkowania.

Przykład praktycznego
wykorzystania próbkowania



Ludzkie ucho słyszy dźwięki do
częstotliwości około 20 kHz. Według
twierdzenia Kotielnikowa-Shannona,
częstotliwość zapisu cyfrowego musi być
zatem większa niż 40 kHz, aby nie dało się
usłyszeć przekłamań.



Stąd 44 100 próbek na sekundę
(44,1 kHz), dla każdego kanału, na płycie
CD-Audio przyjęto za wartość
wystarczającą.

Fala sinusoidalna próbkowanie
1-bitowe



Jeżeli komputer poświęci na
opisanie fali sinusoidalnej 1 bit
pamięci, to uzyskamy następujący
obraz

Fala sinusoidalna próbkowanie
2-bitowe



Da nam ona 4 możliwe stany (2

2

= 4)



Jeżeli komputer poświęci na opisanie fali
sinusoidalnej 2 bity pamięci, to
uzyskamy następujący obraz

Próbkowanie w praktyce



Kilkanaście lat temu standardem był

dźwięk 8-bitowy. Wzrost szybkości

procesorów i pojemności pamięci

masowych spowodował

upowszechnienie 16-bitowego

formatu zapisu dźwięku. To w

zupełności wystarcza, by ucho ludzkie nie

wykryło żadnej różnicy między dźwiękiem

analogowym (idealną falą) a cyfrowym.



Obecnie możliwe jest stosowanie 24-

bitowego dźwięku. Muzykom - amatorom

w zupełności wystarczy jednak 16 bitów

Próbkowanie - uwaga



Pracując z dźwiękiem cyfrowym
nigdy nie należy przekraczać
zakresu, jaki wyznacza nam ilość
bitów wykorzystana w samplingu.

Próbkowanie - przesterowanie



Przesterowanie to podanie na wejście
liniowego układu elektronicznego sygnału
o większym napięciu, niż może on
przetworzyć bez zniekształceń.
Przesterowanie jest zazwyczaj zjawiskiem
niepożądanym, jednak bywa też
stosowane celowo np. w elektronicznych
układach modyfikujących dźwięk (efekt
gitarowy fuzz, distortion, overdrive).

Próbkowanie - przesterowanie

Fala sinusoidalna
samplowana 16-bitowo

Przesterowana fala
sinusoidalna

Częstotliwość Nyquista



Częstotliwość Nyquista jest to

największa częstotliwość sygnału

ciągłego, przy której możliwa jest

zamiana sygnału w postać dyskretną

bez straty informacji przy danym

okresie próbkowania. Sygnał o

częstotliwości mniejszej niż

częstotliwość Nyquista może być

odtworzony z powrotem do postaci

analogowej bez przekłamań.

Częstotliwość Nyquista



Częstotliwość Nyquista wyrażona
jest wzorem:

gdzie T – okres próbkowania.



Częstotliwość Nyquista jest równa
połowie częstotliwości próbkowania.

Częstotliwość Nyquista



Częstotliwość Nyquista jest równa
częstotliwości najwyższej składowej
harmonicznej, którą chcemy odtworzyć
bez błędów podczas odtwarzania sygnału
z postaci dyskretnej (cyfrowej) do ciągłej
(analogowej).



Błąd w odtwarzaniu jednej z
harmonicznych może wpływać na
odtwarzanie innych harmonicznych.

Częstotliwość Nyquista



Składowe harmoniczne o częstotliwościach

wyższych od częstotliwości Nyquista ulegną

przy odtwarzaniu do postaci analogowej

zniekształceniu wskutek zjawiska aliasingu.



Przykładowo dla częstotliwości próbkowania

44,1 kHz stosowanej na płytach CD

częstotliwość Nyquista wynosi 22,05 kHz.

Jeśli w sygnale analogowym obecne są

składowe o częstotliwości wyższej od

częstotliwości Nyquista spowoduje to

powstanie błędów próbkowania (aliasing).

Dźwięk cyfrowy - definicja



Dźwięk cyfrowy to reprezentacja
przebiegu sygnału za pomocą ciągu
wartości liczbowych.

Częstotliwość próbkowania



W praktyce falę dźwiękową próbkuje się

ze z góry określoną częstotliwością (liczbą

razy na sekundę) i dla każdej próbki

przyporządkowuje się określoną cyfrową

wartość dźwięku.



Liczba tych próbek na sekundę jest zwana

właśnie częstotliwością próbkowania

dźwięku i mierzy się ją w

wielokrotnościach herców (kHz).



Im większa częstotliwość próbkowania,

tym dokładniejsze odwzorowanie krzywej

Częstotliwość próbkowania

Częstotliwość próbkowania



Chcąc uzyskać znośny efekt trzeba
próbkować w częstotliwością co
najmniej kilku kiloherców.



44100 Hz da nam jakość płyty CD.
To zupełnie wystarczy, by nie
poczuć różnicy między analogowymi
sposobami zapisu dźwięku.

Kwantyzacja



Sygnał analogowy (np. napięcie, prąd) może

przyjmować dowolne wartości, systemy cyfrowe

natomiast są w stanie przetwarzać tylko sygnały

reprezentowane słowami o skończonej liczbie

bitów. Taka reprezentacja wymaga ograniczenia

zbioru wartości sygnału.



Kwantyzacja to proces polegający na przypisaniu

wartości analogowych do najbliższych poziomów

reprezentacji (innymi słowy zamianą sygnału

spróbkowanego na sygnał cyfrowy), co wiąże się z

nieuniknioną i nieodwracalną utratą informacji.

Kwantyzacja

Szum kwantyzacji



Szum kwantyzacji, zwany także błędem

kwantyzacji jest zniekształceniem

sygnału powstającym w procesie

kwantyzacji.



Szum kwantyzacji powstaje w

przetwornikach analogowo-cyfrowych oraz

z powodu błędu zaokrąglenia.



Podczas konwersji ciągłego sygnału

analogowego na postać cyfrową, każda

wartość jest zaokrąglana do najbliższej

wartości dyskretnej.

Przetwornik analogowo-
cyfrowy A/C



Przetwornik analogowo-cyfrowy A/C to

układ służący do zamiany sygnału

analogowego (ciągłego) pochodzącego od

obiektów świata realnego na reprezentację

cyfrową



Dzięki temu możliwe jest przetwarzanie ich w

urządzeniach elektronicznych opartych o

architekturę zero-jedynkową oraz

gromadzenie na dostosowanych do tej

architektury nośnikach danych



Przetwarzanie A/C tworzą 3 etapy:

próbkowanie, kwantyzacja i kodowanie

Przetwornik cyfrowo-
analogowy C/A



Przetwornik cyfrowo-analogowy,
C/A przyrząd elektroniczny
przetwarzający sygnał cyfrowy
(zazwyczaj liczbę binarną w postaci
danych cyfrowych) na sygnał
analogowy w postaci prądu
elektrycznego

Źródła



http://linux-muzyka.ixion.pl/tekst.php?id=25034



http://pl.wikipedia.org



http://www.google.pl

- Grafika

Przetwarzanie dźwięku

Plik dźwiękowy

Charakterystyka pliku
dźwiękowego



Sposób uporządkowania danych w
pliku określa jego format



Każdy plik dźwiękowy powinien
posiadać nagłówek – poprzedzający
właściwy strumień danych

Charakterystyka pliku
dźwiękowego



Informacje umieszczone w
nagłówku:



Format pliku



Długość



Liczba kanałów



Rozdzielczość bitowa



Częstotliwość próbkowania



Rodzaj i stopień kompresji

Kanały



Wszystkie pliki dźwiękowe są albo

stereofoniczne (zawierają lewy i

prawy kanał stereo), albo

monofoniczne (zawierają

pojedynczy kanał).



Pliki dźwięków stereo są dwa razy

większe od plików dźwięków mono,

gdyż zawierają one dwa razy więcej

informacji.

Kanały



W większości aplikacji przeznaczonych do

przetwarzania i edycji dźwięków można

zapisać lub wyeksportować dźwięk, który

pierwotnie jest dźwiękiem

stereofonicznym, w postaci

jednokanałowego dźwięku

monofonicznego, powstającego poprzez

połączenie (zmieszanie) obu kanałów.

Możliwe jest również zapisanie tylko

prawego bądź tylko lewego kanału

dźwięku stereo jako oddzielnego pliku

Charakterystyka pliku
dźwiękowego – rozmiar w pamięci



Obliczenie przybliżonego rozmiaru
pliku o jakości CD (44 100Hz, 16bit)
– 1 minuta

44100*2bajty*2kanały*60sekund=

ok. 172 kilobajty*60sekund daje w

przybliżeniu 10336Kb czyli 10,09MB

Nagłówek pliku WAV

Adres względem

początku pliku

Rozmiar

[B]

Zawartość

 

0000

4

"RIFF"(4 znaki ASCII)

0004

4

rozmiar pliku (nie licząc pierwszych 8 bajtów)

0008

4

"WAVE"(4 znaki ASCII)

000C

4

"fmt "(4 znaki ASCII)

0010

4

rozmiar bloku formatu (równy 16)

0014

2

kod formatu (równy 1)

0016

2

liczba kanałów(1=mono,2=stereo,itd) (np:0100 - mono)

0018

4

częstotliwość próbkowania (w Hz)

001C

4

liczba bajtów przypadających na sekundę zapisu

0020

2

liczba bajtów przypadających na każdą próbkę

0022

2

rozmiar każdej próbki (w bitach) (np:0800 - 8 bitowe)

0024

4

"data"(4 znaki ASCII) 

0028

4

rozmiar danych dźwiękowych 

002C

?

dane dźwiękowe

Prędkość bitowa (bitrate)



Współczynnik określający, ile bitów danych

zostało użytych do zapisania dźwięku lub obrazu

trwającego określoną jednostkę czasu (zazwyczaj

sekundę).



Bitrate odnosi się do plików multimedialnych,

muzycznych oraz strumienia danych przesyłanych

w sieci (na przykład internetowego radia).



Im wyższa jest wartość bitrate, tym lepsza jakość

dźwięku/obrazu, ale jednocześnie większy rozmiar

pliku wynikowego. Zazwyczaj bitrate jest

wyrażony w kilobitach.

Bitrate - tabela

Prędkość bitowa

(kb/s)

Jakość

16

Radio-fale krótkie

32

Radio AM

96

Radio FM

128

Prawie CD

160-180

Naturalne słyszenie

256

Nagranie studyjne

Bitrate - tabela

Prędkość bitowa

(kb/s)

Jakość

5.5:1 (256 kbit/s)

Dźwięku po kompresji nie daje się odróżnia od oryginału

11:1 (128 kbit/s)

Efektów kompresji jeszcze nie słychać przy słuchaniu na głośnikach. W

słuchawkach czasami daje się coś zauważyć.

13:1 (112 kbit/s)

Na lepszym sprzęcie słychać pierwsze objawy kompresji (dopiero gdy

słuchacz wie na co ma zwrócić uwagę). Przeciętny słuchacz tego nie

zauważy. Przy odtwarzaniu na głośnikach w domu - jakość bardzo dobra.

16:1 (96 kbit/s)

Porównywana z kasetą. W większości przypadków nadaje się na imprezę

 Na kiepskich głośnikach - różnicy nie ma. Przy niektórych nagraniach

charakterystycznie chrypi, czy raczej brzęczy.

24:1 (64 kbit/s)

Jak radio UKF-FM (tylko ma charakterystyczne brzmienie komputera).

48:1 (16 kbit/s)

Porównywana z dobrym poł1czeniem przez cyfrowy telefon komórkowy

(GSM 900 lub 1800). Do mowy się nadaje znakomicie.

96:1 (8 kbit/s)

Jak przez telefon GSM w gorszych warunkach

Osobę trudno poznać po głosie, chociaż zrozumiałość jest dobra.