Hangkódolás

A számítógépes hangkódolás középpontjában a levegő rezgésének elektromos áram rezgéseivé történő átalakítása és az ezt követő analóg elektromos jel mintavétele áll . A hanginformációk kódolása és lejátszása speciális programok ( hangszerkesztő ) segítségével történik. A kódolt hang lejátszásának minősége a mintavételi frekvenciától és annak felbontásától függ (a hangkódolási mélység - a szintek száma)

A hangdigitalizálás elvei

A digitális hang  egy analóg hangjel, amelyet amplitúdójának diszkrét számértékei képviselnek [1] .

A hang digitalizálása egy olyan technológia, amely egy hangjel amplitúdóját egy bizonyos időlépéssel méri, majd a kapott értékeket numerikus formában rögzíti [1] . A hangdigitalizálás másik neve az analóg-digitális hangátalakítás.

A hang digitalizálása két folyamatból áll:

• a jel időbeli diszkretizálásának (mintavételezésének) folyamata;
• amplitúdó kvantálási folyamat.

Idődiszkretizálás

Az időmintavételi folyamat a jelértékek megszerzésének folyamata, amelyeket egy bizonyos időlépéssel - mintavételezési lépéssel - konvertálnak . A jel nagyságának egységnyi idő alatt végrehajtott mérési számát mintavételezési frekvenciának vagy mintavételezési frekvenciának , vagy mintavételi frekvenciának nevezzük (az angol "sampling" - "sample" szóból). Minél kisebb a mintavételezési lépés, annál nagyobb a mintavételezési frekvencia, és annál pontosabb jelábrázolást kapunk.

Ezt erősíti meg a Kotelnyikov-tétel (a külföldi szakirodalomban Nyquist-Shannon tételként találjuk). Eszerint a korlátozott spektrumú analóg jelet pontosan leírják amplitúdójának diszkrét értéksorával, ha ezeket az értékeket olyan frekvencián veszik, amely legalább kétszerese a jelspektrum legmagasabb frekvenciájának. Vagyis egy F m -nek megfelelő spektrumfrekvenciát tartalmazó analóg jel pontosan ábrázolható diszkrét amplitúdóértékek sorozatával, ha az F d mintavételi frekvencia : F d >2F m .

Ez a gyakorlatban azt jelenti, hogy ahhoz, hogy a digitalizált jel információt tartalmazzon az eredeti analóg jel teljes hallható frekvenciájáról (20 Hz - 20 kHz), szükséges, hogy a kiválasztott mintavételezési frekvencia legalább 40 kHz legyen. A másodpercenkénti amplitúdóminták számát mintavételezési frekvenciának nevezzük ( ha a mintavételi sebesség állandó).

A digitalizálás fő nehézsége a mért jelértékek tökéletes pontosságú rögzítésének lehetetlensége (bár ez lehetséges a Shenon és Kotelnikov tétel alapján).

Lineáris (homogén) amplitúdó kvantálás

Rendeljünk N bitet a jelamplitúdó egy értékének a számítógép memóriájába való rögzítésére. Ez azt jelenti, hogy egy N bites szó segítségével 2 N különböző pozíció írható le. Legyen a digitalizált jel amplitúdója –1 és néhány hagyományos mértékegység 1 között. Ábrázoljuk ezt az amplitúdóváltozás tartományát - a jel dinamikus tartományát - 2 N −1 egyenlő intervallum formájában, 2 N szintre - kvantumokra osztva . Most az egyes amplitúdóértékek rögzítéséhez a legközelebbi kvantálási szintre kell kerekíteni. Ezt a folyamatot amplitúdó kvantálásnak nevezik. Az amplitúdó kvantálás a jelamplitúdó valós értékeinek bizonyos pontossággal közelített értékekkel való helyettesítésének folyamata. A 2 N lehetséges szint mindegyikét kvantálási szintnek, a két legközelebbi kvantálási szint közötti távolságot pedig kvantálási lépésnek nevezzük. Ha az amplitúdóskálát lineárisan szintekre osztjuk, akkor a kvantálást lineárisnak (homogénnek) nevezzük.

A kerekítési pontosság a kvantálási szintek kiválasztott számától (2 N ), amely viszont az amplitúdóérték rögzítéséhez hozzárendelt bitek számától (N) függ. Az N számot kvantálási bitmélységnek nevezzük (az egyes szavakban lévő számjegyek, azaz bitek számát jelenti), az amplitúdóértékek kerekítése eredményeként kapott számok pedig minták, vagy minták (az angol nyelvből). minta” – „mérés”). Feltételezzük, hogy a 16 bites kvantálásból származó kvantálási hibák szinte észrevehetetlenek maradnak a hallgató számára.

Ezt a jeldigitalizálási módszert - a jelek időben történő mintavételezését a homogén kvantálási módszerrel együtt - impulzuskód-modulációnak (Eng. Pulse Code Modulation - PCM) nevezik. A digitalizált jel, mint egymást követő amplitúdóértékek halmaza, már eltárolható a számítógép memóriájában. Abban az esetben, ha abszolút amplitúdóértékeket rögzítenek, ezt a rögzítési formátumot PCM-nek nevezik. Az 1980-as évek eleje óta használatos szabványos audio kompakt lemez ( CD-DA ) PCM formátumban tárolja az információkat 44,1 kHz-es mintavételezési frekvenciával és 16 bites kvantálással.

A digitalizálás egyéb módjai

• A nem egységes kvantálási módszer lehetővé teszi az amplitúdóskála szintekre osztását a logaritmikus törvény szerint. Ezt a kvantálási módszert logaritmikus kvantálásnak nevezik. A logaritmikus amplitúdóskála használatakor több kvantálási szint van a gyenge amplitúdójú tartományban, mint az erős amplitúdójú tartományban (miközben a kvantálási szintek összessége ugyanaz marad, mint a homogén kvantálásnál). A nem egységes kvantálási módszer alkalmazásán alapuló analóg-digitális átalakítást nem egységes impulzuskód modulációnak - nem egységes PCM - nek (Nonuniform PCM) nevezik.
• Az analóg-digitális átalakítás alternatív módszere a differenciális impulzuskód moduláció - differenciális PCM (eng. "Differential PCM") - a differenciális PCM esetében nem magát az amplitúdót kell kvantálni, hanem a relatív értékeket. az amplitúdó nagyságától. A PCM-mel teljes analógiaként a különbség PCM homogén és nem homogén kvantálási módszerekkel is kombinálható. A differenciális kódolásnak számos változata van [2] .

Analóg-digitális átalakítók (ADC-k)

A fenti hangdigitalizálási folyamatot analóg-digitális konverterek (ADC-k) hajtják végre . Ez az átalakítás a következő műveleteket tartalmazza:

1. A sávkorlátozást aluláteresztő szűrővel hajtják végre, hogy elnyomják azokat a spektrális összetevőket, amelyek frekvenciája meghaladja a mintavételi frekvencia felét.
2. Időbeli diszkretizálás , vagyis egy folyamatos analóg jel helyettesítése értékeinek sorozatával diszkrét időpontokban - minták. Ezt a problémát az ADC bemenetén lévő speciális áramkör segítségével oldják meg - egy minta- és tartási eszközt .
3. A szintkvantálás a jelminta értékének a fix értékek - kvantálási szintek - halmazából a legközelebbi értékkel való helyettesítése.
4. Kódolás vagy digitalizálás, melynek eredményeként minden kvantált minta értéke a kvantálási szint sorszámának megfelelő számként jelenik meg.

Ez a következőképpen történik: egy folyamatos analóg jelet szakaszokra „vágunk”, mintavételezési frekvenciával, digitális diszkrét jelet kapunk, amely bizonyos bitmélységgel megy át a kvantálási folyamaton, majd kódolódik, azaz kicserélődik. kódszimbólumok sorozatával. A 20 Hz - 20 kHz frekvenciasávban történő hang rögzítéséhez 44,1 kHz vagy magasabb mintavételi frekvencia szükséges. A jó minőségű felvétel készítéséhez elegendő 16 bites bitmélység, azonban a dinamikatartomány bővítéséhez és a hangrögzítés minőségének javításához 24 és 32 bites bitmélységet használnak.

A digitalizált hang kódolása az adathordozóra való rögzítés előtt

A digitális hang tárolásának sokféle módja van. A digitalizált hang bizonyos időközönként felvett jelamplitúdó-értékek halmaza.

• A digitalizált hanginformáció blokkja változtatás nélkül írható egy fájlba, azaz számsorozat - amplitúdóérték. Ebben az esetben az információ tárolásának két módja van.
  • Az első - PCM - a jel digitális kódolásának módszere az amplitúdók abszolút értékeinek rögzítésével.
  • A második - ADPCM (Adaptive Delta PCM - adaptív relatív impulzuskód moduláció) - a jelértékeket nem abszolút, hanem az amplitúdók relatív változásaiban (növekményben) rögzíti.
• Az adatokat tömörítheti úgy, hogy kevesebb memóriát foglaljon el, mint eredeti állapotában. Itt is két út van.
  • A veszteségmentes  adatkódolás egy hangkódolási módszer, amely 100%-os adat-helyreállítást tesz lehetővé a tömörített adatfolyamból. Olyan esetekben alkalmazzák, amikor az adatok eredeti minőségének megőrzése különösen fontos. A ma létező veszteségmentes kódolási algoritmusok 20-50%-kal tudják csökkenteni az elfoglalt adatok mennyiségét, ugyanakkor biztosítják az eredeti adatok 100%-os helyreállítását a tömörítés után kapott adatokhoz képest.
  • Elveszett adatkódolás . Itt az a cél, hogy a visszaállított jel hangjának hasonlóságát az eredetivel a lehető legkisebb tömörített fájl mellett érjük el. Ezt olyan algoritmusok alkalmazásával érik el, amelyek „leegyszerűsítik” az eredeti jelet (eltávolítják belőle az „irreleváns”, megkülönböztethetetlen részleteket). Ez azt eredményezi, hogy a dekódolt jel többé nem azonos az eredetivel, hanem csak "hasonlóan hangzik". Számos tömörítési módszer létezik, valamint az ezeket a módszereket megvalósító programok. Az ilyen kódolók által biztosított tömörítési arány átlagosan 10-14 (szeres) tartományba esik. Minden veszteséges kódoló az úgynevezett pszichoakusztikus modellen alapul. Ő az eredeti jel „egyszerűsítésével” foglalkozik. Az eredeti jel tömörítésének mértéke az "egyszerűsítés" mértékétől függ - az erős tömörítést "harcos egyszerűsítéssel" érik el (amikor a kódoló több árnyalatot figyelmen kívül hagy). Az ilyen tömörítés erős minőségromláshoz vezet, mivel nem csak az észrevehetetlen, de a hang jelentős részletei is eltávolíthatók [3] .