1. Əsas anlayışlar
1) Bit sürəti: saniyədə neçə bit kodlanmış (sıxılmış) səs məlumatının təmsil olunmalı olduğunu göstərir və bölmə ümumiyyətlə kbps-dir.
2) Yüksəklik və intensivlik: Bir səsin subyektiv xüsusiyyətləri. Yüksək səs bir səsin nə qədər yüksək səsləndiyini göstərir. Səs yüksəkliyi əsasən səsin intensivliyinə görə dəyişir, eyni zamanda tezlikdən də təsirlənir. Ümumiyyətlə, təmiz orta tezlikli səslər təmiz aşağı tezlikli və yüksək tezlikli səslərdən daha yaxşıdır.
3) Nümunə götürmə və seçmə dərəcəsi: Nümunə davamlı bir zaman siqnalını ayrı bir rəqəmsal siqnala çevirməkdir. Nümunə götürmə dərəcəsi saniyədə neçə nümunə toplandığına aiddir.
Nyquist seçmə qanunu: Nümunə dərəcəsi davamlı siqnalın ən yüksək tezlikli komponentinin 2 qatından çox və ya bərabər olduqda, nümunə alınan siqnal orijinal davamlı siqnalın mükəmməl şəkildə yenidən qurulması üçün istifadə edilə bilər.
2. ümumi səs formatları
1) WAV formatı, dalğa səs faylı da deyilən Microsoft tərəfindən hazırlanmış bir səs faylı formatıdır. Windows platforması və tətbiqləri tərəfindən geniş şəkildə dəstəklənən və ən az sıxılma nisbətinə sahib olan ən erkən rəqəmsal səs formatıdır.
2) MIDI, rəqəmsal musiqi / elektron sintetik musiqi alətləri üçün vahid beynəlxalq standart olan Musical Instrument Digital Interface olaraq da bilinən Musical Instrument Digital Interface-in kısaltmasıdır. Kompüter musiqi proqramlarının, rəqəmsal sintezatorların və digər elektron cihazların musiqi siqnalları mübadiləsi yolunu müəyyənləşdirir və müxtəlif istehsalçılardan kompüterlərə elektron musiqi alətlərini birləşdirən kabellər və aparatlar və cihazlar arasında məlumat ötürmə protokolunu müəyyənləşdirir və çoxlu musiqinin səsini simulyasiya edə bilər. alətlər. MIDI faylı MIDI formatında olan bir sənəddir və bəzi əmrlər MIDI faylında saxlanılır. Bu təlimatları səs kartına göndərin və səs kartı səsləri təlimatlara uyğun olaraq sintez edəcəkdir.
3) MP3-in tam adı 1-ci ildə MPEG spesifikasiyasına birləşdirilmiş MPEG-3 Audio Layer 1992-dir. MP3 yüksək səs keyfiyyəti və aşağı seçmə dərəcəsi ilə rəqəmsal səs sənədlərini sıxa bilər. Ən ümumi tətbiq.
4) MP3Pro, iki əsas texnologiyanı özündə cəmləşdirən İsveç Kodlaşdırma Texnologiyaları Şirkəti tərəfindən hazırlanmışdır: biri Kodlaşdırma Texnologiyaları Şirkətinin bənzərsiz kod açma texnologiyası, digəri MP3 patent sahibi Fransız Thomson Multimedia Şirkəti ilə Alman Fraunhofer-in inteqrasiyasıdır. Circuit Dərnəyi tərəfindən. MP3Pro, əsasən fayl ölçüsünü dəyişdirmədən orijinal MP3 musiqi səs keyfiyyətini yaxşılaşdırır. Səslənmədən əvvəl səs keyfiyyətini, səs fayllarını daha az bit sürətində sıxarkən ən yüksək səviyyədə qoruya bilər.
5) MP3Pro, iki əsas texnologiyanı özündə cəmləşdirən İsveç Kodlaşdırma Texnologiyaları Şirkəti tərəfindən hazırlanmışdır: biri Kodlaşdırma Texnologiyaları Şirkətinin bənzərsiz kod açma texnologiyası, digəri MP3 patent sahibi Fransız Thomson Multimedia Şirkəti ilə Alman Fraunhofer-in inteqrasiyasıdır. Circuit Dərnəyi tərəfindən. MP3Pro, əsasən fayl ölçüsünü dəyişdirmədən orijinal MP3 musiqi səs keyfiyyətini yaxşılaşdırır. Səslənmədən əvvəl səs keyfiyyətini, səs fayllarını daha az bit sürətində sıxarkən ən yüksək səviyyədə qoruya bilər.
6) WMA (Windows Media Audio) İnternetin audio və video sahəsində Microsoftun şah əsəridir. WMA formatı, məlumat trafikini azaldaraq səs keyfiyyətini qoruyaraq daha yüksək bir sıxılma nisbətinə nail olur. Sıxılma nisbəti ümumiyyətlə 1: 18-ə çata bilər. Bundan əlavə, WMA müəllif hüquqlarını DRM (Rəqəmsal Hüquqlar İdarəetmə) vasitəsi ilə də qoruya bilər.
7) RealAudio, Real Networks-un başlatdığı bir fayl formatıdır. Ən böyük xüsusiyyət odur ki, səs məlumatlarını real vaxtda ötürə bilər, xüsusən də şəbəkə sürəti zəif olduqda, hələ də məlumatları problemsiz ötürə bilər, buna görə də RealAudio əsasən şəbəkə onlayn oynamaq üçün uygundur. Mövcud RealAudio fayl formatları əsasən RA (RealAudio), RM (RealMedia, RealAudio G2), RMX (RealAudio Secured) və s. Daxildir. Bu faylların ortaqlığı səs keyfiyyətinin şəbəkə bant genişliyindəki fərqlə dəyişməsidir. Bir çox insanın hamar səsi eşitməsi şərtinə əsasən, daha geniş bant genişliyi olan dinləyicilər daha yaxşı səs keyfiyyəti əldə edə bilərlər.
8) Audible dörd fərqli formata malikdir: Audible1, 2, 3, 4. Audible.com veb saytı əsasən İnternetdə səs kitabları satır və satdıqları mal və sənədlərin dörd Audible.com xüsusi səs formatından biri ilə qorunmasını təmin edir. . Hər format əsasən səs mənbəyini və istifadə olunan dinləmə cihazını nəzərə alır. Formatlar 1, 2 və 3 müxtəlif səviyyəli səs sıxılma səviyyələrindən istifadə edərkən, format 4 daha aşağı bir seçmə dərəcəsi və MP3 ilə eyni kod açma metodundan istifadə edir. Nəticədə səs daha aydın olur və İnternetdən daha səmərəli yüklənə bilər. Audible, Audible Manager olan öz masa üstü oxutma alətindən istifadə edir. Bu pleyerlə PC-də saxlanan və ya portativ pleyerə ötürülən Səsli formatlı faylları oynaya bilərsiniz.
9) AAC həqiqətən Advanced Audio Coding üçün bir kısaltmadır. AAC, Fraunhofer IIS-A, Dolby və AT&T tərəfindən birgə hazırlanmış bir səs formatdır. MPEG-2 spesifikasiyasının bir hissəsidir. AAC-nin istifadə etdiyi alqoritm MP3-dən fərqlidir. AAC kodlaşdırma səmərəliliyini artırmaq üçün digər funksiyaları birləşdirir. AAC-nin səs alqoritmi, sıxılma qabiliyyətində bəzi əvvəlki sıxılma alqoritmlərini (MP3 və s.) Çox üstələyir. Ayrıca 48-ə qədər səs parçasını, 15 aşağı tezlikli səs parçasını, daha çox nümunə dərəcəsini və bit sürətini, çox dilli uyğunluğu və daha yüksək kod açma effektivliyini dəstəkləyir. Bir sözlə, AAC, MP30 sənədlərindən 3% daha kiçik olduğu üçün daha yaxşı səs keyfiyyəti təmin edə bilər.
10) Ogg Vorbis, MP3 kimi mövcud musiqi formatlarına bənzər yeni bir səs sıxılma formatıdır. Ancaq bir fərq tamamilə pulsuz, açıq və patent məhdudiyyətləri olmadan olmasıdır. Vorbis bu səs sıxılma mexanizminin adıdır və Ogg tamamilə açıq bir multimedia sistemi dizayn etmək istəyən bir layihənin adıdır. VORBIS eyni zamanda itkisiz bir kompressiyadır, lakin itkini azaltmaq üçün daha inkişaf etmiş akustik modellərdən istifadə edir. Bu səbəbdən eyni bit hızı ilə kodlanmış OGG MP3-dən daha yaxşı səslənir.
11) APE, kayıpsız bir sıxılmış səs formatıdır, səs keyfiyyətinin azalmaması, ölçünün ənənəvi itkisiz format WAV sənədinin yarısına qədər sıxılması şərti ilə.
12) FLAC, itkisiz sıxılma ilə xarakterizə olunan, tanınmış pulsuz səs itkisiz sıxılma kodlarının bir dəsti olan Free Lossless Audio Codec-in kısaltmasıdır.
3. səs kodlaşdırmanın əsas prinsipi
Çıxış kodlaması, giriş nitqin yüksək keyfiyyətini qoruyarkən ötürülməsi üçün tələb olunan kanal bantının azaldılmasına həsr edilmişdir.
Danışıq kodlaşdırmanın məqsədi, mümkün olan ən aşağı bit sürətində yüksək keyfiyyətli məlumat ötürülməsinə nail olmaq üçün aşağı mürəkkəblikli bir kodlayıcı dizayn etməkdir.
1) Səs həddinin əyrisi: İnsan qulağının yalnız səssiz bir mühitdə müxtəlif tezliklərdə səs eşidə biləcəyi eşik.
2) Kritik tezlik diapazonu
İnsan qulağının fərqli frekanslar üçün fərqli rezolyusiyalara sahib olduğu üçün MPEG1 / Audio fərqli kodlaşdırma təbəqələrinə və fərqli seçmə frekanslarına görə 22kz içərisində hiss olunan tezlik aralığını 23 ~ 26 kritik tezlik zolağına bölür. Aşağıdakı şəkildə ideal kritik tezlik zolağının mərkəzi tezliyi və bant genişliyi verilmişdir. Şəkildə də göründüyü kimi, insan qulağı aşağı tezliyin daha yaxşı həllinə malikdir
3) Tezlik sahəsindəki maskalanma təsiri: Daha böyük bir amplituda bir siqnal oxşar şəkildə və daha kiçik bir amplitüdlü bir siqnalı aşağıdakı şəkildə göstərildiyi kimi maska edəcəkdir:
4) Zaman sahəsindəki maskalanma təsiri: Qısa bir müddətdə, iki səs görünsə, daha böyük bir SPL (səs təzyiqi səviyyəsi) olan səs, daha kiçik bir SPL ilə səsi maskalayacaqdır. Zaman məkanında maskalanma effekti irəli maskalanma (əvvəlcədən maskalanma) və geri maskalanma (sonradan maskalanma) bölünür. Maskadan sonrakı müddət daha uzun olacaq, əvvəlcədən maskadan 10 dəfə çox.
Zaman məkanında maskalanma effekti əvvəlcədən əks-sədanı aradan qaldırmağa kömək edir.
4. kodlaşdırmanın əsas vasitələri
1) Miqdarlayıcı və ölçən
Kvantlaşdırma və kvantlaşdırma: Kvantlaşdırma ayrı-ayrı vaxtda davamlı siqnalı diskret vaxtda diskret siqnala çevirir. Ümumi kvanizatorlar bunlardır: vahid kvantlaşdırıcı, loqaritmik kəmiyyət və vahid olmayan kvant. Kvantlaşdırma prosesinin həyata keçirdiyi məqsəd kvantlaşdırma səhvini minimuma endirmək və kvantlaşdırıcının mürəkkəbliyini minimuma endirməkdir (ikisi özlüyündə bir ziddiyyətdir).
(A) Uniform kvantlayıcı: ən sadə, ən pis performans, yalnız telefon səsi üçün uygundur.
(B) Logaritmik kvantlaşdırıcı: vahid kvantlaşdırıcıdan daha mürəkkəbdir və tətbiqi asandır və performansı vahid kvantlaşdırıcıdan daha yaxşıdır.
(C) Qeyri-bərabər kvantlayıcı: Siqnalın paylanmasına görə, kvantlaşdırıcı dizayn edin. Ətraflı kəmiyyət, siqnalın sıx olduğu yerdə, kobud kəmiyyət isə siqnalın seyrək olduğu yerdə aparılır.
2) Səs kodlayıcı
Danışıq kodlayıcılarının üç növü vardır: (a) Dalğa formalı kodlayıcı; (b) Vokoder; (c) Hibrid kodlayıcı.
Dalğa forması kodlayıcı, arxa plan səs-küy təbəqəsi daxil olmaqla analoq bir dalğa forması qurmağı hədəfləyir. Bütün giriş siqnallarına təsir edərək, yüksək keyfiyyətli nümunələr istehsal edəcək və yüksək bit sürəti istehlak edəcəkdir. Vokoder orijinal dalğa formasını bərpa etməyəcəkdir. Bu kodlayıcılar dəsti səs yaratma modelini əldə etmək üçün qəbul nöqtəsinə göndərilən bir sıra parametrlər toplayacaqdır. Vokoderin səs keyfiyyəti kifayət qədər yaxşı deyil. Dalğa formalı kodlayıcı və səsləndiricinin üstünlüklərini özündə birləşdirən hibrid kodlayıcı.
2.1 Dalğa formalı kodlayıcı
Dalğa formalı kodlayıcı dizaynı əksər hallarda siqnaldan asılı deyil. Beləliklə, müxtəlif siqnalların kodlaşdırılması üçün uygundur və nitqlə məhdudlaşmır.
1) Zaman domeninin kodlaşdırılması
a) PCM: pulse kodu modulyasiyası, ən sadə kodlama metodudur. Yalnız siqnalın diskretizasiyası və kvantlaşdırılmasıdır və loqaritmallaşma tez-tez istifadə olunur.
b) DPCM: yalnız nümunələr arasındakı fərqi kodlayan diferensial nəbz kodu modulyasiyası. Əvvəlki bir və ya daha çox nümunə cari nümunə dəyərini proqnozlaşdırmaq üçün istifadə olunur. Proqnoz vermək üçün nə qədər çox nümunə istifadə olunursa, proqnozlaşdırılan dəyər o qədər dəqiq olur. Həqiqi dəyərlə proqnozlaşdırılan dəyər arasındakı fərqə kodlaşdırma obyekti olan qalıq deyilir.
c) ADPCM: adaptiv diferensial nəbz kodu modulyasiyası, adaptiv diferensial nəbz kodu. Yəni DPCM əsasında kvantlaşdırıcı və proqnozlaşdırıcı siqnalın dəyişməsinə uyğun olaraq uyğun şəkildə tənzimlənir, beləliklə proqnozlaşdırılan dəyər həqiqi siqnala yaxınlaşır, qalıq daha kiçik olur və sıxılma effektivliyi daha yüksəkdir.
(2) Frekans etki kodlaşdırması
Tezlik domen kodlaşdırması bir siqnalın bir sıra fərqli tezlik elementlərinə ayrılması və müstəqil kodlaşdırmanın həyata keçirilməsidir.
a) Alt zolaqlı kodlaşdırma: Alt zolaqlı kodlaşdırma ən sadə tezlikli domen kodlaşdırma üsuludur. Orijinal siqnalı zaman domenindən tezlik domeninə çevirən, sonra bir neçə alt zolağa bölən və bunlar üzərində rəqəmsal kodlaşdırma aparan bir texnologiyadır. Orijinal siqnalı bir neçə (məsələn, m) alt zolaqlara (alt zolaqlar deyilir) bölmək üçün bir bant keçid filtri (BPF) qrupundan istifadə edir. Hər alt zolağı tək tərəfli amplitüd modulyasiyasına bərabər olan modulyasiya xüsusiyyətlərindən keçirin, hər alt zolağı sıfır tezlikə yaxınlaşdırın, müvafiq olaraq BPF-dən (cəmi m) keçin və sonra hər alt zolağı təyin olunmuş dərəcədə köçürün ( Nyquist dərəcəsi) Alt zolaqlı çıxış siqnalı götürülür və götürülən dəyər ümumiyyətlə rəqəmsal olaraq kodlanır və m rəqəmsal kodlayıcılar təyin olunur. Hər rəqəmsal kodlu siqnalı multipleksora göndərin və nəhayət alt zolaqlı kodlu məlumat axını çıxardın.
Fərqli alt bantlar üçün fərqli kantlaşdırma metodlarından istifadə edilə bilər və insan barmaq duyusu modelinə görə alt bantlara fərqli sayda bit ayrıla bilər.
b) çevirmə kodlaşdırma: DCT kodlaşdırma.
5. Vokoder
Kanal səsləndiricisi: İnsan qulağının faza olan həssaslığından istifadə edir.
homomorfik vokoder: sintetik siqnalları effektiv şəkildə işləyə bilər.
Formativ vokoder: Səs siqnalının əksər məlumatları formantın mövqeyində və bant genişliyindədir.
lineer predictive vocoder: Ən çox istifadə olunan vokoder.
6. Hibrid kodlayıcı
Dalğa formatı kodlayıcı kodlanmış siqnalın dalğa formasını qorumağa çalışır və orta bit sürətində (32 kbps) yüksək keyfiyyətli nitq təmin edə bilər, lakin aşağı bit dərəcəsi hallarında tətbiq oluna bilməz. Vokoder şifrə olaraq kodlanmış siqnala bənzər və aşağı bit sürətində anlaşılan nitq təmin edə bilən bir siqnal yaratmağa çalışır, lakin ortaya çıxan nitq qeyri-təbii səslənir. Hibrid kodlayıcı hər ikisinin üstünlüklərini birləşdirir.
RELP: Xətti proqnoz əsasında qalıq kodlaşdırılır. Mexanizm budur: qalıqların yalnız kiçik bir hissəsini ötürün və qəbuledici hissədəki bütün qalıqları yenidən qurun (baza lentinin qalıqlarını kopyalayın).
MPC: qalıqların korrelyasiyasını aradan qaldıran və vokoderin səsləri sadə və səssiz olaraq orta vəziyyət qüsurları olmadan səsləndirməsini kompensasiya etmək üçün istifadə olunan çox nəbzli kodlaşdırma.
CELP: orijinal kitabçaya daha yaxşı yaxınlaşmaq üçün vokal traktının proqnozlaşdırılması və səs səviyyəsinin proqnozlaşdırıcı kaskadından istifadə edən kod kitabı həyəcanlı xətti proqnozlaşdırma.
MBE: multiband həyəcanı, məqsədi çox sayda CELP hesablamasının qarşısını almaq, vokoderdən daha yüksək keyfiyyət əldə etməkdir.
Bizim digər məhsul:
