Компьютерное аудио

- форматы аудио-файлов и методы компрессии

1. Введение

В настоящее время в зависимости от конкретных задач и вычислительных ресурсов используется большое количество типов и систем формирования аудио-файлов. Дать их однозначную классификацию достаточно затруднительно. Тем не менее, можно предложить следующее условное разбиение на следующие группы;

1. В зависимости от содержания

• форматы общего типа, используемые независимо от содержания аудио-файла,

• форматы, связанные с музыкальной информацией,

• форматы, связанные с речевыми сообщениями

2. В зависимости от используемой системы сжатия:

• форматы без сжатия

• форматы с использованием сжатия без потерь (в данной работе не рассматриваются)

• форматы с использованием сжатия с потерями

2.1 В зависимости от скорости сжатого потока данных

• форматы сжатия с фиксированной скоростью потока (bit stream rate)

• форматы сжатия с нефиксированной скоростью потока

3. В зависимости от формы использования аудио-данных

• данные, используемые в виде файлов, хранящихся на носителе

• данные, используемые в режиме streaming, то есть поступающие по сети в реальном времени в потоковом режиме.

4. В зависимости от реального назначения

- распространение музыки через Интернет

• запись на СD чисто музыкальной информации

• запись на CD sound треков для видеофильмов

• запись цифрового звука для бытового и профессионального видео

• передача и сохранение речевой информации

Необходимо отметить, что практически все аудио- системы в настоящеее время являются мультиформатными и часто сами являются подсистемами программ более широкого назначения, включающих в себя работу с графическими и видео -данными.

Далее перечислим ряд известных форм представления аудио данных с использованием различных методов сжатия. При этом необходимо отметить , что понятие формат аудио-файла часто может включать в себя не только описание соответствующей структуры данных , но и сведения о применяемой системе сжатия.

1.1.Форматы общего типа

1 . PCM - (pulse code modulatuion) - импульсно-кодовая модуляция

2. AU

3. AIFF - (Audio Interchange File Format)

4. WAVE

5. MOD

6. MIDI

7. CCITT A - law

8. CCITT μ - law

9. ADPCM - (adaptive Differential PCM) 32,24,16 Kbit (G.726)

, включая

• IMA ADPCM

• Microsoft ADPCM

1.2. Форматы для кодирования музыкальных файлов (возможно использование речевых данных)

В основе использования большинства рассматриваемых форматов лежат психо-акустические модели восприятия аудио информации слуховой системой человека

1. MP3

2. MPEG2 BC

3. MPEG2 ACC

4. MPEG4

5. REAL AUDIO

6. DOLBY AC-3

7. QDESIGN MUSIC

8. A2B (MPEG2 ACC)

9. TWAIN VQF

10. INTERWAVE

11. MSN Audio

12. Wox Ware Meta SOUND

1.3. Форматы для кодирования речевых данных (основаны на моделировании речевого тракта)

GSM 06.10

1. TRUESPEECH

2. ToolVox for WEB

3. ASPEC

4. ACELP 5.3 Kbit (G.723.1)

5. LDCELP 16 Kbit (G.728)

6. CSACELP 8 Kbit (G729)

7. MPMLQ 6.3.Kbit (G723.1)

8. CVCELP 8 Kbit (internal Motorola algorthm)

9. CVCELP 16 Kbit (internal Motorola algorthm)

10. WoxWare Meta Sound (win 95)

2. Методы сжатия и форматы аудио-файлов

1. 2.1. PCM

PCM - pulse code modulation (импульсно -кодовая модуляция) - исходное представление сигнала с выхода линейного АЦП без преобразований. Расширение файла .wav (Microsoft) илиaiff (Unix, Mac)

поддерживаются следующие параметры сигналов:

частота дискретизации Гц	разрядность БИТ	режим	скорость потока данных Кбайт/сек	скорость потока данных Кбит/сек
8000	8	моно	8	64
8000	8	стерео	16	128
8000	16	моно	16	128
8000	16	стерео	31	248
11025	8	моно	11	88
11025	8	стерео	22	176
11025	16	моно	22	176
11025	16	стерео	43	344
22050	8	моно	22	176
22050	8	стерео	43	344
22050	16	моно	43	344
22050	16	стерео	86	688
44100	8	моно	43	344
44100	8	стерео	86	688
44100	16	моно	86	688
44100	16	стерео	172	1376
48000	8	моно	47	376
48000	8	стерео	94	752
48000	16	моно	94	752
48000	16	стерео	188	1504

2.2. Сжатие m-Law и a-Law

m-Law - является международным стандартом кодирования, ранее известным как ITU (бывший CCITT) стандарт G.711. Каждая 16- битовая выборка пакуется в 8 бит с использованием логарифмической таблицы для кодирования с 13-битовым динамическим диапазоном, теряя при этом последние значащие три бита точности. Кодирование и декодирование очень быстрое и имеется универсальная поддержка.

Имеется небольшая вариация метода , называемая A-Law , используемая в Европейских телефонных системах.

Кодирование m-Law использует следующее соотношение:

,

где m_p - максимальное значение оцифрованного звука,

m- константа (обычно 100 или 255).

Варианты сжатия m-Law поддерживаемые в WIN95/98

частота дискретизации ГЦ	разрядность БИТ	режим	скорость потока данных Кбайт/сек
8000	8	моно	8
8000	8	стерео	16
11025	8	моно	11
11025	8	стерео	22
22025	8	моно	22
22025	8	стерео	43
44100	8	моно	43
44100	8	стерео	86