Кодирование звука

Звук в цифровых системах представляет собой последовательность числовых значений, которые могут быть использованы для воспроизведения звуковых сигналов. Чтобы преобразовать звук в цифровую форму, используется процесс кодирования. В этом конспекте рассматриваются основные аспекты кодирования звука, включая аналоговые и цифровые формы, методы сжатия и популярные форматы звука.

Преобразование звука в цифровую форму

Аналоговый звук

Звук — это механическая волна, которая распространяется через среду (например, воздух). Он может быть описан как колебания давления, которые воспринимаются человеческим ухом. Эти колебания являются аналоговыми, то есть непрерывными и могут иметь бесконечное количество возможных значений.

Цифровой звук

Для того чтобы компьютер мог работать с звуком, необходимо преобразовать его в цифровую форму. Это происходит в два этапа:

Дискретизация (Sampling): Аналоговый сигнал делится на отдельные отсчеты в определенные моменты времени. Частота дискретизации ( $f_{s}$ ) определяет, сколько раз в секунду будет произведен отсчет. Обычные значения — $44.1$ кГц (например, для аудио CD) или $48$ кГц (для видео).
Квантование (Quantization): Каждый отсчет аналогового сигнала преобразуется в ближайшее целое число в пределах заданного диапазона значений. Это преобразование происходит с учетом глубины квантования, которая определяет, сколько бит используется для представления одного отсчета. Например, при 16-битной глубине квантования каждый отсчет может принимать одно из $2^{16}$ значений.

Пример дискретизации и квантования

Предположим, у нас есть аналоговый сигнал с амплитудой от -1 до 1, и мы хотим преобразовать его в цифровой сигнал с частотой дискретизации $f_{s} = 10$ Гц и глубиной квантования $8$ бит.

Сначала аналоговый сигнал делится на отсчеты: сигнал будет измеряться 10 раз в секунду.
Затем каждый отсчет округляется до ближайшего целого числа в пределах 8 бит.

Это преобразует непрерывную аналоговую волну в последовательность чисел, представляющих значения сигнала в дискретные моменты времени.

Форматы цифрового звука

Существует множество форматов для кодирования звуковых данных. Они могут различаться по типу сжатия, качеству и возможностям. Рассмотрим наиболее популярные форматы.

Форматы с сжатием без потерь

WAV (Waveform Audio File Format) — это стандартный формат для хранения несжатого звука в Windows. Он использует PCM (Pulse Code Modulation), где данные хранятся в виде прямых отсчетов без потерь. Формат WAV поддерживает различные частоты дискретизации и глубины квантования.
FLAC (Free Lossless Audio Codec) — формат сжатия без потерь. Используется для сжатия аудиофайлов без потери качества, что позволяет значительно уменьшить размер файла, сохраняя исходное качество.

Форматы с сжатием с потерями

MP3 (MPEG Audio Layer 3) — один из самых популярных форматов для хранения звуковых данных с сжатием. MP3 использует психоакустическую модель, чтобы избавиться от менее заметных для слуха звуков, тем самым уменьшая размер файла, но с потерей качества.
AAC (Advanced Audio Codec) — формат с сжатием с потерями, который является улучшенной версией MP3. Используется в большинстве современных устройств и сервисов, таких как iTunes, YouTube и других.

Форматы с сжатием с переменным битрейтом

Форматы с сжатием с переменным битрейтом (VBR, Variable Bit Rate) позволяют изменять битрейт в зависимости от сложности звукового контента. Это позволяет улучшить качество в сложных участках аудио, уменьшая размер файла в простых участках.

MP3 с VBR
Ogg Vorbis — формат с открытым исходным кодом, который использует сжатие с потерями и поддерживает VBR.

Сжатие звуковых данных

Сжатие с потерями

Сжатие с потерями уменьшает размер файла за счет удаления части звуковых данных, которые, как предполагается, не будут слышны для человеческого уха. Этот метод широко используется в форматах MP3 и AAC. Основные алгоритмы сжатия с потерями:

Психоакустические модели: Эти модели анализируют аудиосигнал и определяют, какие звуки можно исключить, не влияя на восприятие качества.
Преобразования (например, FFT): Преобразуют сигнал в частотную область, где он сжимается более эффективно.

Пример:

В формате MP3 аудио кодируется с использованием модели, которая исключает из звуковых данных высокочастотные компоненты, которые часто не воспринимаются человеком.

Сжатие без потерь

Сжатие без потерь позволяет уменьшить размер файла, не теряя данных. Это сжатие идеально для профессиональных приложений, где важно сохранить оригинальное качество звука.

Примеры форматов с сжатием без потерь:

FLAC: Широко используется для сжатия аудиофайлов высокого качества.
ALAC (Apple Lossless Audio Codec): Используется в экосистеме Apple.

Преимущества и недостатки сжатия

Преимущества сжатия с потерями:

Меньший размер файлов: Сжатие с потерями может значительно уменьшить размер файла, что удобно для хранения и передачи.
Подходит для обычного прослушивания: Для большинства пользователей качество MP3 или AAC достаточно хорошее для повседневного использования.

Недостатки сжатия с потерями:

Потеря качества: При слишком сильном сжатии теряется часть звуковых данных, что может быть слышно на высококачественных аудиоустройствах.

Преимущества сжатия без потерь:

Полное сохранение качества: Все данные сохраняются, и качество не теряется.
Подходит для профессионального использования: Применяется в музыке, записи звука и других областях, где качество критично.

Недостатки сжатия без потерь:

Больший размер файлов: Файлы, сжатые без потерь, занимают гораздо больше места, чем файлы с потерями.

Применение кодирования звука

Мультимедиа: Звук используется в видеозаписях, фильмах, видеоиграх, презентациях и других мультимедийных приложениях.
Передача данных: Звук передается через различные каналы связи, включая Интернет, где используется сжатие для эффективной передачи данных.
Распознавание речи и обработка аудио: Технологии распознавания речи и аудиообработки используют алгоритмы для извлечения информации из звуковых сигналов.

Заключение

Кодирование звука является важной частью обработки и передачи аудиоданных в цифровом формате. Существуют различные подходы и форматы для сжатия и представления звука, от форматов без потерь (например, WAV и FLAC) до форматов с потерями (например, MP3 и AAC). Выбор между ними зависит от потребностей в качестве звука и размерах файлов, а также от области применения, будь то прослушивание музыки, профессиональная работа со звуком или передача данных.