1. Konsep asas
1) Kadar bit: menunjukkan berapa bit sesaat data audio yang dikodkan (dimampatkan) perlu ditunjukkan, dan unitnya biasanya kbps.
2) Keras dan intensiti: Atribut subjektif suara. Loudness menunjukkan seberapa kuat suara kedengaran. Kebisingan terutamanya berbeza dengan intensiti suara, tetapi juga dipengaruhi oleh frekuensi. Secara amnya, bunyi frekuensi tengah tulen lebih baik daripada bunyi frekuensi rendah dan frekuensi tinggi tulen.
3) Pensampelan dan kadar persampelan: Persampelan adalah untuk mengubah isyarat masa berterusan menjadi isyarat digital diskrit. Kadar pensampelan merujuk kepada berapa banyak sampel yang dikumpulkan sesaat.
Undang-undang persampelan Nyquist: Apabila kadar pensampelan lebih besar daripada atau sama dengan 2 kali komponen frekuensi tertinggi dari isyarat berterusan, isyarat sampel dapat digunakan untuk membina semula isyarat berterusan yang sempurna.
2. format audio biasa
1) Format WAV adalah format fail suara yang dikembangkan oleh Microsoft, juga disebut fail suara gelombang. Ini adalah format audio digital yang paling awal, disokong secara meluas oleh platform Windows dan aplikasinya, dan mempunyai kadar mampatan yang rendah.
2) MIDI adalah singkatan dari Musical Instrument Digital Interface, juga dikenal sebagai Musical Instrument Digital Interface, yang merupakan standard antarabangsa yang disatukan untuk muzik digital / alat muzik sintetik elektronik. Ini menentukan cara program muzik komputer, synthesizer digital, dan alat elektronik lain menukar isyarat muzik, dan menentukan protokol penghantaran data antara kabel dan perkakasan dan peranti yang menghubungkan alat muzik elektronik dari pengeluar yang berbeza ke komputer, dan dapat mensimulasikan bunyi pelbagai muzik instrumen. Fail MIDI adalah fail dalam format MIDI, dan beberapa arahan disimpan dalam fail MIDI. Hantarkan arahan ini ke kad suara, dan kad suara akan mensintesiskan suara mengikut arahan.
3) Nama penuh MP3 adalah MPEG-1 Audio Layer 3, yang digabungkan ke dalam spesifikasi MPEG pada tahun 1992. MP3 dapat memampatkan fail audio digital dengan kualiti suara yang tinggi dan kadar persampelan rendah. Aplikasi yang paling biasa.
4) MP3Pro dikembangkan oleh Syarikat Teknologi Pengekodan Sweden, yang mengandungi dua teknologi utama: satu adalah teknologi penyahkodan unik dari Syarikat Teknologi Coding, dan yang lain adalah penyatuan pemegang paten MP3 Syarikat Thomson Multimedia Perancis dan Jerman Fraunhofer oleh Persatuan Litar. MP3Pro dapat meningkatkan kualiti suara muzik MP3 asli tanpa pada dasarnya mengubah ukuran fail. Ia dapat mengekalkan kualiti suara sebelum memampatkan pada tahap maksimum sambil memampatkan fail audio pada kadar bit yang lebih rendah.
5) MP3Pro dikembangkan oleh Syarikat Teknologi Pengekodan Sweden, yang mengandungi dua teknologi utama: satu adalah teknologi penyahkodan unik dari Syarikat Teknologi Coding, dan yang lain adalah penyatuan pemegang paten MP3 Syarikat Thomson Multimedia Perancis dan Jerman Fraunhofer oleh Persatuan Litar. MP3Pro dapat meningkatkan kualiti suara muzik MP3 asli tanpa pada dasarnya mengubah ukuran fail. Ia dapat mengekalkan kualiti suara sebelum memampatkan pada tahap maksimum sambil memampatkan fail audio pada kadar bit yang lebih rendah.
6) WMA (Windows Media Audio) adalah karya Microsoft dalam bidang audio dan video Internet. Format WMA mencapai kadar pemampatan yang lebih tinggi dengan mengurangkan lalu lintas data tetapi mengekalkan kualiti suara. Kadar pemampatan secara amnya boleh mencapai 1:18. Selain itu, WMA juga dapat melindungi hak cipta melalui DRM (Digital Rights Management).
7) RealAudio adalah format fail yang dilancarkan oleh Real Networks. Ciri terbesarnya ialah ia dapat menghantar maklumat audio dalam masa nyata, terutamanya ketika kelajuan rangkaian perlahan, ia masih dapat menghantar data dengan lancar, jadi RealAudio sangat sesuai untuk jaringan Main online. Format fail RealAudio semasa terutamanya merangkumi RA (RealAudio), RM (RealMedia, RealAudio G2), RMX (RealAudio Secured), dan lain-lain. Kesamaan fail ini adalah bahawa kualiti suara berubah dengan perbezaan lebar jalur rangkaian. Dengan asas bahawa kebanyakan orang mendengar suara yang halus, pendengar dengan lebar jalur yang lebih luas dapat memperoleh kualiti suara yang lebih baik.
8) Audible mempunyai empat format yang berbeza: Audible1, 2, 3, 4. Laman web Audible.com terutama menjual buku audio di Internet, dan memberikan perlindungan untuk barang dan fail yang mereka jual melalui salah satu daripada empat format audio khusus Audible.com . Setiap format mempertimbangkan sumber audio dan alat dengar yang digunakan. Format 1, 2 dan 3 menggunakan tahap pemampatan suara yang berbeza, sementara format 4 menggunakan kadar persampelan yang lebih rendah dan kaedah penyahkodan yang sama dengan MP3. Suara yang dihasilkan lebih jelas dan boleh dimuat turun dengan lebih cekap dari Internet. Audible menggunakan alat main balik desktop mereka sendiri, iaitu Audible Manager. Dengan pemain ini, anda boleh memainkan fail format Terdengar yang disimpan di PC atau dipindahkan ke pemain mudah alih.
9) AAC sebenarnya merupakan singkatan untuk Pengekodan Audio Lanjutan. AAC adalah format audio yang dikembangkan bersama oleh Fraunhofer IIS-A, Dolby dan AT&T. Ia adalah sebahagian daripada spesifikasi MPEG-2. Algoritma yang digunakan oleh AAC berbeza dengan MP3. AAC menggabungkan fungsi lain untuk meningkatkan kecekapan pengekodan. Algoritma audio AAC jauh melebihi beberapa algoritma pemampatan sebelumnya (seperti MP3, dll.) Dalam kemampuan pemampatan. Ia juga menyokong sehingga 48 trek audio, 15 trek audio frekuensi rendah, lebih banyak kadar sampel dan kadar bit, keserasian berbahasa, dan kecekapan penyahkodan yang lebih tinggi. Ringkasnya, AAC dapat memberikan kualiti suara yang lebih baik dengan alasan bahawa ia 30% lebih kecil daripada fail MP3.
10) Ogg Vorbis adalah format pemampatan audio baru, mirip dengan format muzik yang ada seperti MP3. Tetapi satu perbezaannya adalah bahawa ia adalah percuma, terbuka dan tanpa sekatan paten. Vorbis adalah nama mekanisme pemampatan audio ini, dan Ogg adalah nama projek yang bermaksud merancang sistem multimedia yang sepenuhnya terbuka. VORBIS juga merupakan pemampatan lossy, tetapi menggunakan model akustik yang lebih maju untuk mengurangkan kerugian. Oleh itu, pengekodan OGG dengan kadar bit yang sama lebih baik daripada MP3.
11) APE adalah format audio termampat tanpa kerugian, dengan alasan premis bahawa kualiti suara tidak berkurang, ukurannya dimampatkan hingga separuh daripada fail WAV format tradisional tanpa kerugian.
12) FLAC adalah singkatan dari Free Lossless Audio Codec, satu set kod pemampatan tanpa audio percuma yang terkenal, yang dicirikan oleh pemampatan tanpa kerugian.
3. prinsip asas pengekodan audio
Pengekodan ucapan didedikasikan untuk mengurangkan lebar jalur saluran yang diperlukan untuk penghantaran sambil mengekalkan kualiti ucapan yang tinggi.
Tujuan pengekodan ucapan adalah untuk merancang pengekod kerumitan rendah untuk mencapai penghantaran data berkualiti tinggi pada kadar bit serendah mungkin.
1) Kurva ambang bisu: Ambang di mana telinga manusia dapat mendengar suara pada pelbagai frekuensi hanya di persekitaran yang tenang.
2) Jalur frekuensi kritikal
Oleh kerana telinga manusia mempunyai resolusi yang berbeza untuk frekuensi yang berbeza, MPEG1 / Audio membahagikan julat frekuensi yang dapat dilihat dalam 22khz menjadi 23 ~ 26 jalur frekuensi kritikal mengikut lapisan pengkodan yang berbeza dan frekuensi pensampelan yang berbeza. Gambar berikut menyenaraikan frekuensi tengah dan lebar jalur jalur frekuensi kritikal yang ideal. Seperti yang dapat dilihat pada gambar, telinga manusia mempunyai resolusi frekuensi rendah yang lebih baik
3) Kesan penyamaran di domain frekuensi: Isyarat dengan amplitud yang lebih besar akan menutupi isyarat dengan frekuensi yang serupa dan amplitud yang lebih kecil, seperti yang ditunjukkan dalam gambar di bawah:
4) Kesan penyamaran dalam domain waktu: Dalam jangka waktu yang singkat, jika dua suara muncul, suara dengan SPL yang lebih besar (tahap tekanan suara) akan menutupi suara dengan SPL yang lebih kecil. Kesan penyamaran domain masa dibahagikan kepada penyamaran ke hadapan (pra-penyembunyian) dan penyamaran ke belakang (pasca-pelindung). Masa pasca penyamaran akan lebih lama, kira-kira 10 kali daripada pra-penyamaran.
Kesan penyamaran domain masa membantu menghilangkan pra-gema.
4. kaedah asas pengekodan
1) Quantizer dan quantizer
Quantization dan quantizer: Quantization menukar isyarat berterusan dalam masa diskrit menjadi isyarat diskrit dalam masa diskrit. Pengkuantiti biasa ialah: quantizer seragam, quantizer logarithmic, dan quantizer tidak seragam. Matlamat yang dicapai oleh proses kuantisasi adalah untuk meminimumkan ralat kuantisasi dan meminimumkan kerumitan pengukur (keduanya sendiri bertentangan).
(A) Pengukur seragam: prestasi paling sederhana, terburuk, hanya sesuai untuk suara telefon.
(B) Pengukur logaritma: Lebih rumit daripada pengkuiser seragam dan mudah dilaksanakan, dan kinerjanya lebih baik daripada pengkuiser seragam.
(C) Kuantator tidak seragam: Mengikut sebaran isyarat, reka bentuk pengukur. Pengukuran terperinci dilakukan di mana isyaratnya padat, dan pengukuran kasar dilakukan di mana isyaratnya jarang.
2) Pengekod suara
Terdapat tiga jenis pengekod pertuturan: (a) Pengekod bentuk gelombang; (b) Vocoder; (c) Pengekod hibrid.
Pengekod bentuk gelombang bertujuan membina bentuk gelombang analog termasuk lembaran bunyi latar. Bertindak pada semua isyarat input, ia akan menghasilkan sampel berkualiti tinggi dan menggunakan kadar bit yang tinggi. Vododer tidak akan menghasilkan semula bentuk gelombang asal. Kumpulan pengekod ini akan mengekstrak sekumpulan parameter, yang dikirim ke penerima untuk mendapatkan model generasi suara. Kualiti suara vododer tidak cukup baik. Pengekod hibrid, yang menggabungkan kelebihan pengekod bentuk gelombang dan sounder.
2.1 Pengekod bentuk gelombang
Reka bentuk pengekod bentuk gelombang sering tidak bergantung pada isyarat. Jadi ia sesuai untuk pengekodan pelbagai isyarat dan tidak terhad kepada pertuturan.
1) Pengekodan domain masa
a) PCM: modulasi kod nadi, adalah kaedah pengekodan termudah. Itu hanya diskretisasi dan pengkuantuman isyarat, dan logaritmization sering digunakan.
b) DPCM: modulasi kod nadi pembezaan, yang hanya mengekod perbezaan antara sampel. Sampel sebelumnya atau lebih digunakan untuk meramalkan nilai sampel semasa. Semakin banyak sampel yang digunakan untuk membuat ramalan, semakin tepat nilai ramalannya. Perbezaan antara nilai sebenarnya dan nilai yang diramalkan disebut sisa, yang merupakan objek pengekodan.
c) ADPCM: modulasi kod denyut pembezaan adaptif, kod nadi pembezaan adaptif. Iaitu, berdasarkan DPCM, quantizer dan prediktor disesuaikan dengan tepat mengikut perubahan isyarat, sehingga nilai yang diramalkan lebih dekat dengan isyarat sebenar, baki lebih kecil, dan kecekapan mampatan lebih tinggi.
(2) Pengekodan domain frekuensi
Pengekodan domain frekuensi adalah menguraikan isyarat ke dalam rangkaian elemen frekuensi yang berbeza dan melakukan pengekodan bebas.
a) Pengekodan sub-band: Pengekodan sub-band adalah teknik pengekodan domain frekuensi termudah. Ini adalah teknologi yang mengubah isyarat asal dari domain waktu ke domain frekuensi, kemudian membaginya menjadi beberapa sub-band, dan melakukan pengekodan digital pada mereka masing-masing. Ia menggunakan kumpulan penapis jalur-jalur (BPF) untuk membahagikan isyarat asal menjadi beberapa sub-band (contohnya, m) (disebut sebagai sub-band). Lulus setiap sub-band melalui ciri modulasi yang setara dengan modulasi amplitud satu sisi, gerakkan setiap sub-band ke frekuensi sifar hampir, masing-masing melalui BPF (jumlah m), dan kemudian pindahkan setiap sub-band pada kadar yang ditentukan ( Kadar Nyquist) Isyarat output sub-band diambil sampel, dan nilai sampel biasanya dikodkan secara digital, dan pengekod digital m ditetapkan. Hantar setiap isyarat berkod digital ke multiplexer, dan akhirnya keluarkan aliran data berkod sub-band.
Untuk subbandar yang berbeza, kaedah kuantisasi yang berbeza dapat digunakan dan bilangan bit yang berlainan dapat dialokasikan ke subbandar mengikut model persepsi telinga manusia.
b) pengekodan transform: Pengekodan DCT.
5. Vokoder
Saluran vokoder: Memanfaatkan sensitif telinga manusia untuk berfasa.
vokoder homomorfik: dapat memproses isyarat sintetik dengan berkesan.
Vododer Formant: Sebilangan besar maklumat mengenai isyarat suara terletak pada kedudukan dan lebar jalur formant.
vocoder ramalan linear: Vododer yang paling biasa digunakan.
6. Pengekod hibrid
Pengekod bentuk gelombang cuba mengekalkan bentuk gelombang isyarat yang dikodkan dan dapat memberikan pertuturan berkualiti tinggi pada kadar bit sederhana (32 kbps), tetapi tidak dapat diterapkan pada kesempatan kadar bit rendah. Vododer berusaha menghasilkan isyarat yang secara aural sama dengan isyarat yang dikodkan, dan dapat memberikan ucapan yang dapat difahami pada kadar bit rendah, tetapi ucapan yang dihasilkan terdengar tidak wajar. Pengekod hibrid menggabungkan kelebihan kedua-duanya.
RELP: Berdasarkan ramalan linier, baki dikodkan. Mekanismenya adalah: hanya mengirimkan sebagian kecil residu, dan menyusun semula semua sisa di hujung penerima (salin sisa baseband).
MPC: pengekodan multi-nadi, yang menghilangkan korelasi sisa, dan digunakan untuk mengimbangi klasifikasi suara vokoder yang sederhana menjadi suara dan tidak disuarakan tanpa kecacatan keadaan perantaraan.
CELP: buku kod prediksi linear teruja, yang menggunakan ramalan saluran vokal dan lata peramal nada untuk menghampiri isyarat asal dengan lebih baik.
MBE: pengujaan multiband, tujuannya adalah untuk mengelakkan sebilangan besar pengiraan CELP, untuk mendapatkan kualiti yang lebih tinggi daripada vododer.
produk kami yang lain:
