Результат сравнения методов
По результатам сравнения различных кодеков для дальнейшего моделирования был выбран кодек aptX, как самый сбалансированный по характеристикам. Кодек обеспечивает достойное качество звучание при любом битрейте, при этом, в максимуме, сильно не превышая «стандартный» битрейт передачи аудио в 320 кбит/с. В дополнение к вышеописанному кодек имеет сравнительно малые задержки передачи из-за простоты вычислений.
Практическая часть исследования
Представление модели в виде структурной схемы
Рисунок 3.1.1 – Структурная схема модели
Структурная схема состоит из: входного аудиофайла, четырёх цифровых полосовых фильтров (ЦПФ), адаптивного микшера, кодера, декодера, выходного аудиофайла, качество которого определяется человеком на слух.
На вход подаётся какой-нибудь аудиофайл, в формате .wav, то есть без сжатия, который считывается моделью для дальнейшей обработки;
Далее считанный аудиофайл подаётся на четыре цифровых полосовых фильтра, каждый из которых выделяет один из частотных диапазонов из полученного аудио;
Все четыре отфильтрованных сигнала одновременно подаются на адаптивный микшер, который объединяет все фильтрованные сигналы в один, кодируя значения амплитуды полученных отсчётов сигналов разным количеством байт, в зависимости от принадлежности отсчёта тому или иному диапазону;
Микшированный сигнал подаётся на кодер, который осуществляет разностное кодирование;
Кодированный сигнал подаётся на декодер, который из разностных отсчётов восстанавливает исходный сигнал;
Декодированное аудио выводится в файл .wav, то есть без сжатия, для дальнейшего прослушивания пользователем.
Представление метода в виде функциональной схемы
Рисунок 3.2.2 – Функциональная схема модели
На функциональной схеме модели изображен алгоритм загрузки и обработки аудиофайла. На схеме отсутствуют функции, которые не влияют напрямую на функционал модели, однако делают ввод и вывод данных более дружелюбным к пользователю. Эти функции будут описаны в этом разделе ниже, после «основных».
Вначале у пользователя запрашивается путь к аудиофайлу, который он желает загрузить. При отсутствии указанного файла, программа завершит работу с указанием отсутствия запрашиваемого аудиофайла.
Далее с помощью функции «lbrs_load()» библиотеки «librosa» осуществляется загрузка указанного аудиофайла для дальнейшей работы. Функция «lbrs_load()» загружает файл в виде массива со значениями амплитуды каждого отсчёта, размерности (<колво_отсчётов>x<количество_каналов>), возвращая описанный массив, а также частоту дискретизации. В рамках модели аудиофайл загружается в стерео режиме с частотой дискретизации 44100 Гц и 8-ю байтами на хранение значения амплитуды каждого отсчёта.
После задаются необходимые диапазоны частот для цифровых фильтров, а также необходимые количества байт на хранение амплитуд отсчётов каждого диапазона. В рамках модели, это 1 Гц – 5500 Гц, 5501 Гц – 11000 Гц, 11001 Гц – 16500 Гц, 16501 – 22000 Гц и 8, 4, 2, 2 соответственно;
Фильтрация загруженного аудиофайла по заданным диапазонам осуществляется в цикле с помощью функции «filtration()», которая по заданным параметрам синтезирует цифровой полосовой фильтр и «пропускает» сигнал через синтезированный фильтр, возвращая фильтрованный сигнал. Синтез фильтра осуществляется с помощью функций «kaiserord()» – рассчитывает порядок фильтра и параметр Кайзера – «firwin()» – рассчитывает коэффициенты полосового КИХ‑фильтра с окном Кайзера по полученным параметрам – библиотеки «scipy.signal». Фильтрация осуществляется с помощью функции «lfiilter()» – применяет фильтр с указанными коэффициентами к полученному сигналу – той же библиотеки. После этого, так как фильтр не способен полностью занулить сигнал, производится зануление всех значений амплитуд отсчётов, которые меньше или равны амплитудам сигнала в области затухания. В рамках модели, помимо диапазонов частот, используются следующие параметры при синтезе фильтров: частота Найквиста равна 22050 Гц, ширина переходной зоны равна 5/22050 Гц, ослабление вне зоны пропускания равно 15 дБ.
После фильтрации четыре полученных сигнала объединяются в один с помощью функции «signal_mixing()», которая, посимвольно сравнивая все четыре сигнала, «выцепляет» из них ненулевое значение амплитуды отсчёта, ограничивает количество байт на хранение значения амплитуды найденного отсчёта в соответствии с принадлежностью отсчёта одному из диапазонов, и записывает обработанный отсчёт в новый массив, сохраняя очерёдность следования отсчётов. На выходе функции получается один массив отсчётов, значения амплитуд которых занимают разный объём памяти.
Далее микшированное аудио поступает на кодер – функцию «encoder()», которая осуществляет разностное кодирование: вместо амплитуд отсчётов, кодер сохраняет лишь разность между амплитудами текущего и предыдущего отсчётов. В качестве «опорного» отсчёта используется первый поступивший в кодер.
Кодированный сигнал поступает на кодер – функцию «decoder()», которая выполняет обратную операцию: вместо разности между амплитудами, декодер возвращает значения амплитуд отсчётов. В качестве «опорной» разности используется первая поступившая в декодер.
После этого из итогового обработанного сигнала, с помощью функции «show_waveform()», формируются графики волнового представления сигнала. Непосредственное формирование графиков осуществляется с помощью функции «waveshow()» библиотеки «librosa». Функция «show_waveform()» же позволяет пользователю указывать дополнительные параметры графика: номер графика, заголовок графика, а также формировать легенду к графикам.
В конце работы модели пользователю поступает запрос на вывод получившихся аудио в файл. По согласию, фильтрованное или итоговое аудио выводится в файл с помощью функции «sf_write()» библиотеки «soundfile». Вывод осуществляется в формате .wav способом PCM(ИКМ) c разрядностью 16 бит.
Ниже в разделе следует описание вспомогательных функцию, которые осуществляют ввод и вывод информации дружелюбным к пользователю способом.
Ввод и вывод текстовой информации осуществляется с помощью библиотеки «curses» и её встроенных функций.
Функция «init_cnvs()» переводит окно консоли в режим ввода/вывода информации, убирает отображение курсора и отображает рамку по краям окна консоли;
Функция «draw_text()» выводит в окно консоли указанный текст;
Функция «get_text()» осуществляет ввод информации, в виде строки, которой пользователь ввёл с клавиатуры;
Функция «get_char()» осуществляет ввод информации, в виде одного символа, которой пользователь ввёл с клавиатуры.
С помощью вышеописанных функций в окно консоли выводится различная информация, в том числе информация о течении процесса работы программы, а также запрашиваются у пользователя и считываются различные данные.