1. Grunnleggende konsepter
1) Bithastighet: indikerer hvor mange biter per sekund de kodede (komprimerte) lyddataene må vises, og enheten er vanligvis kbps.
2) Lydstyrke og intensitet: De subjektive egenskapene til en lyd. Loudness indikerer hvor sterk en lyd høres ut. Lydstyrken varierer hovedsakelig med lydens intensitet, men den påvirkes også av frekvensen. Generelt sett er rene mellomfrekvenslyder bedre enn rene lavfrekvente og høyfrekvente lyder.
3) Sampling og samplingsfrekvens: Sampling er å transformere et kontinuerlig tidssignal til et diskret digitalt signal. Samplingsfrekvensen refererer til hvor mange prøver som samles per sekund.
Nyquist-samplingslov: Når samplingsfrekvensen er større enn eller lik 2 ganger den høyeste frekvenskomponenten i det kontinuerlige signalet, kan det samplede signalet brukes til å perfekt rekonstruere det originale kontinuerlige signalet.
2. vanlige lydformater
1) WAV-format er et lydfilformat utviklet av Microsoft, også kalt wave sound file. Det er det tidligste digitale lydformatet, bredt støttet av Windows-plattformen og dets applikasjoner, og har lav kompresjonshastighet.
2) MIDI er en forkortelse av Musical Instrument Digital Interface, også kjent som Musical Instrument Digital Interface, som er en enhetlig internasjonal standard for digital musikk / elektroniske syntetiske musikkinstrumenter. Den definerer måten datamusikkprogrammer, digitale synthesizere og andre elektroniske enheter utveksler musikksignaler, og spesifiserer dataoverføringsprotokollen mellom kabler og maskinvare og enheter som kobler elektroniske musikkinstrumenter fra forskjellige produsenter til datamaskiner, og kan simulere lyden til flere musikaler instrumenter. En MIDI-fil er en fil i MIDI-format, og noen kommandoer er lagret i MIDI-filen. Send disse instruksjonene til lydkortet, og lydkortet syntetiserer lyden i henhold til instruksjonene.
3) Det fulle navnet på MP3 er MPEG-1 Audio Layer 3, som ble slått sammen i MPEG-spesifikasjonen i 1992. MP3 kan komprimere digitale lydfiler med høy lydkvalitet og lav samplingsfrekvens. Den vanligste applikasjonen.
4) MP3Pro ble utviklet av svenske Coding Technology Company, som inneholder to hovedteknologier: den ene er den unike dekodingsteknologien fra Coding Technology Company, og den andre er integrasjonen av MP3-patentinnehaveren French Thomson Multimedia Company og tyske Fraunhofer. av Circuit Association. MP3Pro kan forbedre den originale MP3-musikklydkvaliteten uten å endre filstørrelsen. Det kan opprettholde lydkvaliteten før komprimering i størst grad mens du komprimerer lydfiler med lavere bithastighet.
5) MP3Pro ble utviklet av svenske Coding Technology Company, som inneholder to hovedteknologier: den ene er den unike dekodingsteknologien fra Coding Technology Company, og den andre er integrasjonen av MP3-patentinnehaveren French Thomson Multimedia Company og tyske Fraunhofer. av Circuit Association. MP3Pro kan forbedre den originale MP3-musikklydkvaliteten uten å endre filstørrelsen. Det kan opprettholde lydkvaliteten før komprimering i størst grad mens du komprimerer lydfiler med lavere bithastighet.
6) WMA (Windows Media Audio) er Microsofts mesterverk innen internettlyd og video. WMA-formatet oppnår høyere kompresjonshastighet ved å redusere datatrafikken, men opprettholde lydkvaliteten. Kompresjonshastigheten kan vanligvis nå 1:18. I tillegg kan WMA også beskytte opphavsrett gjennom DRM (Digital Rights Management).
7) RealAudio er et filformat lansert av Real Networks. Den største funksjonen er at den kan overføre lydinformasjon i sanntid, spesielt når nettverkshastigheten er treg, kan den fremdeles overføre data jevnt, så RealAudio er hovedsakelig egnet for nettverk Spill online på. De nåværende RealAudio-filformatene inkluderer hovedsakelig RA (RealAudio), RM (RealMedia, RealAudio G2), RMX (RealAudio Secured), etc. Felles for disse filene er at lydkvaliteten endres med forskjellen i nettverksbåndbredde. Under forutsetningen om at folk flest hører jevn lyd, kan lyttere med bredere båndbredde få bedre lydkvalitet.
8) Audible har fire forskjellige formater: Audible1, 2, 3, 4. Audible.com-nettstedet selger hovedsakelig lydbøker på Internett, og gir beskyttelse for varer og filer de selger gjennom et av de fire Audible.com-dedikerte lydformatene. . Hvert format tar hovedsakelig hensyn til lydkilden og lytteenheten som brukes. Format 1, 2 og 3 bruker forskjellige nivåer av stemmekomprimering, mens format 4 bruker en lavere samplingsfrekvens og samme dekodingsmetode som MP3. Den resulterende stemmen er tydeligere og kan lastes ned mer effektivt fra Internett. Audible bruker sitt eget desktopavspillingsverktøy, som er Audible Manager. Med denne spilleren kan du spille filer i hørbart format som er lagret på en PC eller overført til en bærbar spiller.
9) AAC er egentlig en forkortelse for Advanced Audio Coding. AAC er et lydformat som er utviklet av Fraunhofer IIS-A, Dolby og AT&T. Det er en del av MPEG-2-spesifikasjonen. Algoritmen som brukes av AAC er forskjellig fra MP3. AAC kombinerer andre funksjoner for å forbedre kodingseffektiviteten. AACs lydalgoritme overgår langt noen tidligere komprimeringsalgoritmer (for eksempel MP3, etc.) i komprimeringsmuligheter. Den støtter også opptil 48 lydspor, 15 lavfrekvente lydspor, flere samplingsfrekvenser og bithastigheter, flerspråklig kompatibilitet og høyere dekodingseffektivitet. Kort sagt, AAC kan gi bedre lydkvalitet under forutsetning av at den er 30% mindre enn MP3-filer.
10) Ogg Vorbis er et nytt lydkomprimeringsformat, som ligner på eksisterende musikkformater som MP3. Men en forskjell er at det er helt gratis, åpent og uten patentbegrensninger. Vorbis er navnet på denne lydkomprimeringsmekanismen, og Ogg er navnet på et prosjekt som har til hensikt å designe et helt åpent multimediasystem. VORBIS er også tapsfri komprimering, men den bruker mer avanserte akustiske modeller for å redusere tap. Derfor høres OGG kodet med samme bithastighet bedre enn MP3.
11) APE er et tapsfritt komprimert lydformat, med den forutsetning at lydkvaliteten ikke reduseres, komprimeres størrelsen til halvparten av den tradisjonelle tapsfri WAV-filen.
12) FLAC er en forkortelse av Free Lossless Audio Codec, et sett med velkjente gratis lydløs tapsfri kompresjonskoder, som er preget av tapsfri komprimering.
3. det grunnleggende prinsippet for lydkoding
Talekoding er dedikert til å redusere kanalbåndbredden som kreves for overføring, samtidig som den høye kvaliteten på inngangstalen opprettholdes.
Målet med talekoding er å designe en koding med lav kompleksitet for å oppnå dataoverføring av høy kvalitet med lavest mulig bithastighet.
1) Mute terskelkurve: Terskelen som menneskets øre kan høre lyd ved forskjellige frekvenser bare i stille omgivelser.
2) Kritisk frekvensbånd
Fordi det menneskelige øret har forskjellige oppløsninger for forskjellige frekvenser, deler MPEG1 / Audio det merkbare frekvensområdet innen 22 kHz i 23 ~ 26 kritiske frekvensbånd i henhold til forskjellige kodingslag og forskjellige samplingsfrekvenser. Figuren nedenfor viser senterfrekvensen og båndbredden til det ideelle kritiske frekvensbåndet. Som det fremgår av figuren, har det menneskelige øret en bedre oppløsning på lavfrekvente
3) Maskeringseffekt i frekvensdomenet: Et signal med større amplitude vil maskere et signal med lignende frekvens og mindre amplitude, som vist i figuren nedenfor:
4) Maskeringseffekt i tidsdomenet: Hvis det kommer to lyder på kort tid, vil lyden med et større SPL (lydtrykknivå) maskere lyden med et mindre SPL. Tidsdomene-maskeringseffekten er delt inn i fremovermaskering (pre-maskering) og bakovermaskering (post-maskering). Ettermaskeringstiden vil være lengre, omtrent 10 ganger den før maskering.
Tidsdomene-maskeringseffekten bidrar til å eliminere pre-ekkoet.
4. de grunnleggende kodingsmåtene
1) Quantizer og quantizer
Kvantisering og kvantisering: Kvantisering konverterer et kontinuerlig signal i diskret tid til et diskret signal på diskret tid. Vanlige kvantiserere er: ensartet kvantisator, logaritmisk kvantisator og ikke-ensartet kvantiserende Målet forfulgt av kvantiseringsprosessen er å minimere kvantiseringsfeilen og minimere kompleksiteten til kvantiseringsenheten (de to er i seg selv en motsetning).
(A) Uniform quantizer: den enkleste, verste ytelsen, bare egnet for telefonstemme.
(B) Logaritmisk kvantisator: Den er mer komplisert enn ensartet kvantiser og enkel å implementere, og dens ytelse er bedre enn jevn kvantiser.
(C) Ikke-ensartet kvantizer: I henhold til fordelingen av signalet, design kvantisereren. Detaljert kvantifisering utføres der signalet er tett, og grov kvantifisering utføres der signalet er sparsomt.
2) Stemmekoder
Det er tre typer talekodere: (a) Bølgeformkoder; (b) Vokoder; (c) Hybridkoder.
Bølgeformkoderen tar sikte på å konstruere en analog bølgeform inkludert bakgrunnsstøyarket. I følge alle inngangssignaler vil den produsere høykvalitetsprøver og forbruke en høy bithastighet. Vokoderen vil ikke regenerere den opprinnelige bølgeformen. Dette settet med kodere vil trekke ut et sett med parametere som sendes til mottakersiden for å utlede stemmegenereringsmodellen. Stemmekvaliteten til vokoderen er ikke god nok. Hybridkoder, som inkluderer fordelene med bølgeformkoder og ekkolodd.
2.1 Bølgeformkoder
Designet til bølgeformkoderen er ofte uavhengig av signalet. Så det er egnet for koding av forskjellige signaler og er ikke begrenset til tale.
1) Tid domene koding
a) PCM: pulskodemodulering, er den enkleste kodingsmetoden. Det er bare diskretisering og kvantisering av signalet, og logaritmisering brukes ofte.
b) DPCM: differensialpulskodemodulasjon, som bare koder for forskjellen mellom prøvene. Den forrige eller flere eksempler brukes til å forutsi gjeldende prøveverdi. Jo flere eksempler som brukes til å lage spådommer, jo mer nøyaktig er den forutsagte verdien. Forskjellen mellom den sanne verdien og den forutsagte verdien kalles rest, som er gjenstand for koding.
c) ADPCM: adaptiv differensialpulskodemodulasjon, adaptiv differensialpulskode. Det vil si, på grunnlag av DPCM, justeres kvantisereren og prediktoren hensiktsmessig i henhold til endringene i signalet, slik at den forutsagte verdien er nærmere det virkelige signalet, resten er mindre og kompresjonseffektiviteten er høyere.
(2) Frekvensdomenekoding
Frekvensdomenekoding er å spalte et signal i en serie med forskjellige frekvenselementer og utføre uavhengig koding.
a) Underbåndskoding: Underbåndskoding er den enkleste frekvensdomenekodingsteknikken. Det er en teknologi som transformerer det originale signalet fra tidsdomenet til frekvensdomenet, deretter deler det opp i flere underbånd og utfører henholdsvis digital koding på dem. Den bruker en band-pass filter (BPF) -gruppe for å dele originalsignalet i flere (for eksempel m) underbånd (referert til som underbånd). Før hvert underbånd gjennom modulasjonskarakteristikkene som tilsvarer en-sidebånds amplitudemodulasjon, flytt hvert underbånd til nær nullfrekvens, pass henholdsvis gjennom BPF (totalt m), og overfør deretter hvert underbånd med en foreskrevet hastighet ( Nyquist rate) Underbåndets utgangssignal samples, og samplet verdi blir vanligvis digitalt kodet, og m digitale kodere blir satt. Send hvert digitale kodede signal til multiplekseren, og send til slutt den underbåndskodede datastrømmen.
For forskjellige underbånd kan forskjellige kvantiseringsmetoder brukes, og forskjellige antall biter kan tildeles underbåndene i henhold til den menneskelige øreoppfattelsesmodellen.
b) transformeringskoding: DCT-koding.
5. Vokoder
Channel vocoder: Benytter det menneskelige øret ufølsomhet overfor fase.
homomorf vocoder: kan effektivt behandle syntetiske signaler.
Formant vocoder: Det meste av informasjonen til stemmesignalet ligger på posisjonen og båndbredden til formanten.
lineær prediktiv vocoder: Den mest brukte vocoderen.
6. Hybridkoder
Bølgeformkoderen prøver å bevare bølgeformen til det kodede signalet og kan gi tale av høy kvalitet med en middels bithastighet (32 kbps), men den kan ikke brukes til anledninger med lav bithastighet. Vokoderen prøver å generere et signal som er lyd som det kodede signalet, og kan gi forståelig tale med lav bithastighet, men den resulterende talen høres unaturlig ut. Hybridkoderen kombinerer fordelene med begge deler.
RELP: På basis av lineær prediksjon blir restkodet kodet. Mekanismen er: bare overføre en liten del av restene, og rekonstruere alle restene i mottakersiden (kopier restene til basebåndet).
MPC: koding med flere pulser, som fjerner korrelasjonen av residualene, og brukes til å kompensere for vocoderens enkle klassifisering av stemmer i stemmer og unvoiced uten mangler i mellomtilstander.
CELP: kodebok begeistret lineær prediksjon, som bruker prediksjon av vokalveiene og kaskaden av tonehøyde for å tilnærme det originale signalet bedre.
MBE: multiband excitation, formålet er å unngå et stort antall CELP beregninger, for å oppnå høyere kvalitet enn vocoder.
Vår andre produkt:
