Основы устранения избыточности и сжатия аудиоданных с потерями
1. Метод «Частной маскировки»
Нормально слышимый звук накрывается громким звуком близкой частоты – «эффект оглушения».
Звуки B, C не будут слышны. Звук D вне критической полосы хорошо слышен.
2. Метод «Временной маскировки»
Частотная маскировка дополнена временной.
Звуки B, C не слышны из-за оглушения звуком A.
Сжатие звука с потерями.
Сжатие аудиоданных с потерями основывается на несовершенстве человеческого слуха при восприятии звуковой информации. Неспособность человека в определенных случаях различать тихие звуки в присутствии более громких, называемая эффектом маскировки, была использована в алгоритмах сокращения психоакустической избыточности. Эффекты слухового маскирования зависят от спектральных и временных характеристик маскируемого и маскирующего сигналов и могут быть разделены на две основные группы:
частотное (одновременное) маскирование
временное (неодновременное) маскирование
Первые стандарты появились в начале 90, в частности MPEG1.
MPEG1 Layer3 – MP3
В основе алгоритма сжатия – преобразование фрагментов звуковых данных, соответствующие им спектральные области (СО).
Разделение СО по полосам, уменьшение числа бит, которыми предоставлен сигнал в каждой исходной полосе из оценки порога слышимости.
ДПФ – дискретное преобразование Фурье
ПАМ – психоакустическая модель
ААНБ – адаптивные алгоритм назначение
ФВП – формирователь выходного потока
СИ – сопроводительная информация
СЖ – служебные данные
РСМ – входной поток (16 бит* 44,1 кГц) SMR – signal to Mask Ration
Вход РСМ поток фрагментируется по пачкам. По каждой из пачек вычисляется спектральный образ и разделяется по полосам. Для каждой полосы вычисляется SMR. В адаптивном алгоритме назначения битов отсекаются лишние биты, соответствующие сигналам ниже SMR.
В каждой полосе уменьшается число бит пропорционально тому, какой динамический диапазон восприятия остается данной полосе. Данная операция носит название переквантования в каждой полосе. За счет переквантования снижается объем аудиоданных более чем в 10 раз без заметной потери качества.
Далее в ФВП кодируются (сжимаются). На выходе получаются аудиоданные со сжатием в 10 – 20 раз.
Различия наиболее остро проявляются в области, где мало бит. Различия в низкочастотных областях хорошо слышимы при малых искажениях и больших АС.
Происходит маскировка сжатых аудио звуков искажениями электро-акустического тракта.
Другой негативный фактор – полосовая обработка. Приводит к частичной нормализации гистограммы USD.
Наряду с этим используется передискретизация. Все это делает звук менее живым.
В 1999 году появились первые версии улучшенного формата со сжатием ААС/mp4. Преобразование Фурье двумерное и выписывался по частотной области. Файл .aac на 30% меньше по объему, чем mp3.