1. Konceptet themelore
1) Shkalla e bitit: tregon sa bit në sekondë duhet të paraqiten të dhënat e koduara (të kompresuara) audio, dhe njësia është zakonisht kbps.
2) Lartësia dhe intensiteti: Atributet subjektive të një tingulli. Lartësia tregon se sa i fortë tingëllon një tingull. Lartësia kryesisht ndryshon nga intensiteti i zërit, por ndikohet edhe nga frekuenca. Në përgjithësi, tingujt e pastër me frekuencë të mesme janë më të mirë se tingujt e pastër me frekuencë të ulët dhe me frekuencë të lartë.
3) Marrja e mostrave dhe marrja e mostrave: Marrja e mostrave është transformimi i një sinjali të vazhdueshëm të kohës në një sinjal dixhital diskret. Shkalla e marrjes së mostrave i referohet sesa mostra mblidhen në sekondë.
Ligji i marrjes së mostrave nyquist: Kur shkalla e marrjes së mostrave është më e madhe ose e barabartë me 2 herë përbërësi më i lartë i frekuencës së sinjalit të vazhdueshëm, sinjali i kampionuar mund të përdoret për të rindërtuar në mënyrë të përsosur sinjalin origjinal të vazhdueshëm.
2. formate të zakonshme audio
1) Formati WAV është një format skedari zanor i zhvilluar nga Microsoft, i quajtur gjithashtu skedar i zërit me valë. Formatshtë formati më i hershëm audio dixhital, i mbështetur gjerësisht nga platforma Windows dhe aplikacionet e saj, dhe ka një normë të ulët ngjeshjeje.
2) MIDI është shkurtesa e Musical Instrument Digital Interface, e njohur gjithashtu si Musical Instrument Digital Interface, e cila është një standard ndërkombëtar i unifikuar për muzikë dixhitale / instrumente elektronikë sintetikë elektronikë. Ajo përcakton mënyrën se si programet e muzikës kompjuterike, sintetizuesit dixhitalë dhe pajisjet e tjera elektronike shkëmbejnë sinjale muzikore dhe specifikon protokollin e transmetimit të të dhënave midis kabllove dhe pajisjeve dhe pajisjeve që lidhin instrumente muzikorë elektronikë nga prodhues të ndryshëm në kompjuterë dhe mund të simulojnë tingullin e shumë muzikës instrumente. Një skedar MIDI është një skedar në formatin MIDI, dhe disa komanda janë ruajtur në skedarin MIDI. Dërgoni këto udhëzime në kartën e zërit, dhe karta e tingullit do të sintetizojë tingullin sipas udhëzimeve.
3) Emri i plotë i MP3 është MPEG-1 Audio Layer 3, i cili u bashkua në specifikimin MPEG në 1992. MP3 mund të kompresojë skedarë dixhitalë audio me cilësi të lartë të zërit dhe shpejtësi të ulët të marrjes së mostrave. Aplikimi më i zakonshëm.
4) MP3Pro u zhvillua nga Kompania Suedeze e Kodimit të Teknologjisë, e cila përmban dy teknologji kryesore: njëra është teknologjia unike e dekodimit nga Kompania e Kodimit të Teknologjisë dhe tjetra është integrimi i mbajtësit të patentave MP3 Franceze Thomson Multimedia Company dhe Gjerman Fraunhofer Një teknologji e dekodimit e hulumtuar bashkërisht nga Shoqata e Qarqeve. MP3Pro mund të përmirësojë cilësinë origjinale të zërit të muzikës MP3 pa ndryshuar në thelb madhësinë e skedarit. Mund të ruajë cilësinë e zërit përpara kompresimit në masën më të madhe ndërsa kompreson skedarët audio me një shpejtësi më të ulët bit.
5) MP3Pro u zhvillua nga Kompania Suedeze e Kodimit të Teknologjisë, e cila përmban dy teknologji kryesore: njëra është teknologjia unike e dekodimit nga Kompania e Kodimit të Teknologjisë dhe tjetra është integrimi i mbajtësit të patentave MP3 Franceze Thomson Multimedia Company dhe Gjerman Fraunhofer Një teknologji e dekodimit e hulumtuar bashkërisht nga Shoqata e Qarqeve. MP3Pro mund të përmirësojë cilësinë origjinale të zërit të muzikës MP3 pa ndryshuar në thelb madhësinë e skedarit. Mund të ruajë cilësinë e zërit përpara kompresimit në masën më të madhe ndërsa kompreson skedarët audio me një shpejtësi më të ulët bit.
6) WMA (Windows Media Audio) është kryevepra e Microsoft në fushën e audios dhe videos në Internet. Formati WMA arrin një shkallë më të lartë të ngjeshjes duke zvogëluar trafikun e të dhënave, por duke ruajtur cilësinë e zërit. Shkalla e kompresimit në përgjithësi mund të arrijë në 1:18. Për më tepër, WMA mund të mbrojë gjithashtu të drejtat e autorit përmes DRM (Digital Rights Management).
7) RealAudio është një format skedari i nisur nga Real Networks. Karakteristika më e madhe është se ai mund të transmetojë informacion audio në kohë reale, veçanërisht kur shpejtësia e rrjetit është e ngadaltë, ai përsëri mund të transmetojë të dhëna pa probleme, kështu që RealAudio është kryesisht i përshtatshëm për të luajtur në internet në internet. Formatet aktuale të skedarëve RealAudio kryesisht përfshijnë RA (RealAudio), RM (RealMedia, RealAudio G2), RMX (RealAudio të Siguruar), etj. E përbashkëta e këtyre skedarëve është se cilësia e zërit ndryshon me ndryshimin në gjerësinë e rrjetit. Nën premisën që shumica e njerëzve dëgjojnë tingull të butë, dëgjuesit me një bandë më të gjerë mund të marrin cilësi më të mirë të tingullit.
8) Audible ka katër formate të ndryshme: Audible1, 2, 3, 4. Uebfaqja Audible.com kryesisht shet libra audio në internet dhe siguron mbrojtje për mallrat dhe skedarët që shesin përmes njërit prej katër formateve audio të dedikuara Audible.com . Secili format kryesisht konsideron burimin e audios dhe pajisjen dëgjuese të përdorur. Formatet 1, 2 dhe 3 përdorin nivele të ndryshme të kompresimit të zërit, ndërsa formati 4 përdor një normë më të ulët të marrjes së mostrave dhe të njëjtën metodë dekodimi si MP3. Zëri që rezulton është më i qartë dhe mund të shkarkohet në mënyrë më efikase nga interneti. Audible përdor mjetin e tyre të riprodhimit të desktopit, i cili është Audible Manager. Me këtë luajtës, mund të luani skedarë të formatit Audible të ruajtura në një PC ose të transferuara në një luajtës portabël.
9) AAC është në të vërtetë një shkurtim për Kodimin e Avancuar të Audio-s. AAC është një format audio i zhvilluar bashkërisht nga Fraunhofer IIS-A, Dolby dhe AT&T. Isshtë pjesë e specifikimit MPEG-2. Algoritmi i përdorur nga AAC është i ndryshëm nga ai i MP3. AAC kombinon funksione të tjera për të përmirësuar efikasitetin e kodimit. Algoritmi audio i AAC tejkalon shumë disa algoritme të mëparshëm të kompresimit (të tilla si MP3, etj.) Në aftësitë e kompresimit. Ai gjithashtu mbështet deri në 48 këngë audio, 15 këngë me frekuencë të ulët audio, më shumë ritme mostrash dhe shpejtësi bitësh, pajtueshmëri me shumë gjuhë dhe efikasitet më të lartë të dekodimit. Me pak fjalë, AAC mund të sigurojë cilësi më të mirë të zërit nën premisën që është 30% më e vogël se skedarët MP3.
10) Ogg Vorbis është një format i ri i kompresimit të audios, i ngjashëm me formatet ekzistuese të muzikës si MP3. Por një ndryshim është se është plotësisht falas, i hapur dhe pa kufizime të patentave. Vorbis është emri i këtij mekanizmi të kompresimit audio, dhe Ogg është emri i një projekti që synon të projektojë një sistem multimedial plotësisht të hapur. VORBIS është gjithashtu kompresim me humbje, por përdor modele akustike më të përparuara për të zvogëluar humbjen. Prandaj, OGG e koduar me të njëjtën shpejtësi bit tingëllon më mirë se MP3.
11) APE është një format audio i kompresuar pa humbje, me kusht që cilësia e zërit të mos zvogëlohet, madhësia është e ngjeshur në gjysmën e skedarit WAV me format tradicional pa humbje.
12) FLAC është shkurtesa e Kodeksit Free Lossless Audio, një grup kodesh të njohura falas të kompresimit pa humbje audio, i cili karakterizohet nga kompresimi pa humbje.
3. parimi themelor i kodimit audio
Kodimi i fjalimit është i përkushtuar në zvogëlimin e bandës së kanalit të kërkuar për transmetimin duke ruajtur cilësinë e lartë të fjalës hyrëse.
Qëllimi i kodimit të të folurit është të projektojë një kodues me kompleksitet të ulët për të arritur transmetimin e të dhënave me cilësi të lartë në shpejtësinë më të ulët të mundshme.
1) Kurba e pragut të heshtur: Pragu në të cilin veshi i njeriut mund të dëgjojë zë në frekuenca të ndryshme vetëm në një mjedis të qetë.
2) Brezi kritik i frekuencës
Për shkak se veshi i njeriut ka rezolucione të ndryshme për frekuenca të ndryshme, MPEG1 / Audio ndan diapazonin e perceptueshëm të frekuencës brenda 22 khz në brezat e frekuencës kritike 23 ~ 26 sipas shtresave të ndryshme të kodimit dhe frekuencave të ndryshme të marrjes së mostrave. Figura e mëposhtme rendit frekuencën qendrore dhe gjerësinë e brezit të brezit ideal të frekuencës kritike. Siç mund të shihet në figurë, veshi i njeriut ka një rezolucion më të mirë të frekuencës së ulët
3) Efekti i maskimit në fushën e frekuencës: Një sinjal me një amplitudë më të madhe do të maskojë një sinjal me një frekuencë të ngjashme dhe një amplitudë më të vogël, siç tregohet në figurën më poshtë:
4) Efekti i maskimit në domenin kohor: Në një periudhë të shkurtër kohe, nëse shfaqen dy tinguj, tingulli me një SPL më të madh (niveli i presionit të zërit) do të maskojë tingullin me një SPL më të vogël. Efekti i maskimit në domenin kohor ndahet në maskim përpara (para maskimit) dhe maskim prapa (pas maskimit). Koha pas maskimit do të jetë më e gjatë, rreth 10 herë më shumë se ajo e maskimit paraprak.
Efekti i maskimit në domenin kohor ndihmon në eliminimin e para-jehonës.
4. mjetet themelore të kodimit
1) Kuantizer dhe kuantizues
Kuantizimi dhe kuantizuesi: Kuantizimi shndërron një sinjal të vazhdueshëm në kohë diskrete në një sinjal diskret në kohë diskrete. Kuantizuesit e zakonshëm janë: kuantizues uniform, kuantizues logaritmik dhe kuantizues jo uniform. Qëllimi i ndjekur nga procesi i kuantizimit është minimizimi i gabimit të kuantizimit dhe minimizimi i kompleksitetit të kuantizuesit (të dyja këto në vetvete janë një kontradiktë).
(A) Kuantizuesi uniform: më i thjeshti, performanca më e keqe, i përshtatshëm vetëm për zërin telefonik.
(B) Kuantizuesi logaritmik: isshtë më i komplikuar se kuantizuesi uniform dhe i lehtë për t’u zbatuar, dhe performanca e tij është më e mirë se kuantizuesi uniform.
(C) Kuantizues jo uniform: Sipas shpërndarjes së sinjalit, dizenjoni kuantizuesin. Sasia e detajuar kryhet aty ku sinjali është i dendur, dhe sasia e përafërt kryhet aty ku sinjali është i rrallë.
2) Kodifikuesi i zërit
Ekzistojnë tre lloje të kodifikuesve të të folurit: (a) Kodifikuesi i formës valore; (b) Vokoduesi; (c) Kodifikues hibrid.
Kodifikuesi i formës valore synon të ndërtojë një formë valore analoge, përfshirë fletën e zhurmës në sfond. Duke vepruar në të gjitha sinjalet hyrëse, ai do të prodhojë mostra me cilësi të lartë dhe do të konsumojë një shpejtësi të lartë bit. Vokoderi nuk do të rigjenerojë formën origjinale të valës. Ky grup koduesish do të nxjerrë një sërë parametrash, të cilët dërgohen në skajin e marrjes për të nxjerrë modelin e gjenerimit të zërit. Cilësia e zërit të vokoduesit nuk është mjaft e mirë. Kodues hibrid, i cili përfshin avantazhet e kodifikuesit dhe zërit të formës valore.
2.1 Kodifikuesi i formës valore
Projektimi i kodifikuesit të formës valore shpesh është i pavarur nga sinjali. Pra, është i përshtatshëm për kodimin e sinjaleve të ndryshme dhe nuk kufizohet vetëm në të folur.
1) Kodimi i domenit kohor
a) PCM: modulimi i kodit të impulsit, është metoda më e thjeshtë e kodimit. Isshtë vetëm diskretizimi dhe kuantizimi i sinjalit dhe shpesh përdoret logaritmizimi.
b) DPCM: modulimi i kodit të impulsit diferencial, i cili vetëm kodon ndryshimin midis mostrave. Një ose më shumë mostra të mëparshëm përdoren për të parashikuar vlerën aktuale të mostrës. Sa më shumë mostra të përdoren për të bërë parashikime, aq më e saktë është vlera e parashikuar. Dallimi midis vlerës së vërtetë dhe vlerës së parashikuar quhet mbetje, e cila është objekt i kodifikimit.
c) ADPCM: modulimi i kodit të impulsit diferencial adaptiv, kodi i impulsit diferencial adaptiv. Kjo është, në bazë të DPCM, kuantizatori dhe parashikuesi rregullohen siç duhet në përputhje me ndryshimet e sinjalit, në mënyrë që vlera e parashikuar të jetë më afër sinjalit real, mbetja është më e vogël dhe efikasiteti i kompresimit është më i lartë.
(2) Kodimi i fushës së frekuencës
Kodimi i fushës së frekuencës është që të zbërthejë një sinjal në një seri të elementeve të ndryshme të frekuencës dhe të kryejë kodim të pavarur.
a) Kodimi i nën-bandës: Kodimi i nën-bandës është teknika më e thjeshtë e kodimit të fushës me frekuencë. Isshtë një teknologji që transformon sinjalin origjinal nga fusha e kohës në fushën e frekuencës, më pas e ndan atë në disa nën-banda dhe kryen kodimin dixhital përkatësisht në to. Ai përdor një grup filtri band-kalimi (BPF) për të ndarë sinjalin origjinal në disa nën-banda (për shembull, m) (referuar si nën-banda). Kaloni secilën nën-bandë përmes karakteristikave të modulimit ekuivalente me modulimin e amplitudës me një anë, lëvizni secilën nën-bandë në frekuencën afër zeros, përkatësisht kaloni përmes BPF (një total prej m), dhe pastaj transferoni secilën nën-bandë në një normë të përcaktuar ( Nyquist rate) Sinjali i daljes së nën-bandës është marrë në provë, dhe vlera e kampionuar zakonisht kodohet dixhitalisht, dhe vendosen m encodues dixhitalë. Dërgoni secilin sinjal të koduar dixhital te multiplekseri, dhe në fund nxjerrni rrjedhën e të dhënave të koduara nën-bandë.
Për nën banda të ndryshme, mund të përdoren metoda të ndryshme të kuantizimit dhe numra të ndryshëm bitësh mund të caktohen në nën banda sipas modelit të perceptimit të veshit njerëzor.
b) kodimi i transformimit: Kodimi DCT.
5. Vokodues
Vokoderi i kanalit: Shfrytëzon pandjeshmërinë e veshit të njeriut në fazë.
vokoder homomorfik: mund të përpunojë në mënyrë efektive sinjalet sintetike.
Vokoduesi formant: Pjesa më e madhe e informacionit të sinjalit zanor ndodhet në pozicionin dhe gjerësinë e bandës së formantit.
vokodues parashikues linear: vokoduesi më i përdorur.
6. Kodifikues hibrid
Kodifikuesi i formës valore përpiqet të ruajë formën e valës së sinjalit të koduar dhe mund të sigurojë të folurit me cilësi të lartë me një shpejtësi mesatare bit (32 kbps), por nuk mund të zbatohet në raste me shpejtësi të ulët bit. Vokoderi përpiqet të gjenerojë një sinjal që është auralisht i ngjashëm me sinjalin e koduar dhe mund të sigurojë një të folur të kuptueshëm me një shpejtësi të ulët bit, por fjalimi që rezulton tingëllon i panatyrshëm. Kodifikuesi hibrid kombinon avantazhet e të dyve.
RELP: Në bazë të parashikimit linear, mbetja është e koduar. Mekanizmi është: transmetoni vetëm një pjesë të vogël të mbetjeve dhe rindërtoni të gjitha mbetjet në fundin e marrjes (kopjoni mbetjet e brezit bazë).
MPC: kodim me shumë impuls, i cili heq korrelacionin e mbetjeve dhe përdoret për të kompensuar klasifikimin e thjeshtë të zërave të zërit në zëri dhe pa zëri pa defektet e gjendjeve të ndërmjetme.
CELP: parashikimi linear i ngacmuar i kodit, i cili përdor parashikimin e traktit vokal dhe parashikimin e kaskadës së lartësisë për të përafruar më mirë sinjalin origjinal.
MBE: ngacmim me shumë banda, qëllimi është të shmangni një numër të madh të llogaritjeve të CELP, për të marrë cilësi më të lartë se vokoderi.
Produkti ynë të tjera:
