1. Grundlæggende begreber
1) Bithastighed: angiver, hvor mange bits pr. Sekund de kodede (komprimerede) lyddata skal repræsenteres, og enheden er normalt kbps.
2) Loudness og intensitet: De subjektive egenskaber ved en lyd. Loudness angiver, hvor høj en lyd lyder. Loudness varierer hovedsageligt med lydens intensitet, men det påvirkes også af frekvensen. Generelt er rene mellemfrekvente lyde bedre end rene lavfrekvente og højfrekvente lyde.
3) Sampling og samplinghastighed: Sampling er at omdanne et kontinuerligt tidssignal til et diskret digitalt signal. Samplingshastigheden refererer til, hvor mange prøver der indsamles pr. Sekund.
Nyquist-samplingslov: Når samplingshastigheden er større end eller lig med 2 gange den højeste frekvenskomponent i det kontinuerlige signal, kan det samplede signal bruges til perfekt at rekonstruere det originale kontinuerlige signal.
2. almindelige lydformater
1) WAV-format er et lydfilformat udviklet af Microsoft, også kaldet wave sound-fil. Det er det tidligste digitale lydformat, der bredt understøttes af Windows-platformen og dets applikationer, og har en lav kompressionshastighed.
2) MIDI er en forkortelse af Musical Instrument Digital Interface, også kendt som Musical Instrument Digital Interface, som er en samlet international standard for digital musik / elektroniske syntetiske musikinstrumenter. Den definerer den måde, som computermusikprogrammer, digitale synthesizere og andre elektroniske enheder udveksler musiksignaler på, og specificerer datatransmissionsprotokollen mellem kabler og hardware og enheder, der forbinder elektroniske musikinstrumenter fra forskellige producenter til computere, og kan simulere lyden af flere musikalske instrumenter. En MIDI-fil er en fil i MIDI-format, og nogle kommandoer er gemt i MIDI-filen. Send disse instruktioner til lydkortet, og lydkortet syntetiserer lyden i henhold til instruktionerne.
3) Det fulde navn på MP3 er MPEG-1 Audio Layer 3, som blev flettet ind i MPEG-specifikationen i 1992. MP3 kan komprimere digitale lydfiler med høj lydkvalitet og lav samplingsfrekvens. Den mest almindelige anvendelse.
4) MP3Pro blev udviklet af svenske Coding Technology Company, som indeholder to store teknologier: den ene er den unikke afkodningsteknologi fra Coding Technology Company, og den anden er integrationen af MP3-patentindehaveren French Thomson Multimedia Company og tyske Fraunhofer En afkodningsteknologi, der er undersøgt i fællesskab. af Circuit Association. MP3Pro kan forbedre den originale MP3-lydkvalitet uden grundlæggende at ændre filstørrelsen. Det kan opretholde lydkvaliteten før komprimering i størst omfang, mens lydkomprimering komprimeres med en lavere bithastighed.
5) MP3Pro blev udviklet af svenske Coding Technology Company, som indeholder to store teknologier: den ene er den unikke afkodningsteknologi fra Coding Technology Company, og den anden er integrationen af MP3-patentindehaveren French Thomson Multimedia Company og tyske Fraunhofer En afkodningsteknologi, der er undersøgt i fællesskab. af Circuit Association. MP3Pro kan forbedre den originale MP3-lydkvalitet uden grundlæggende at ændre filstørrelsen. Det kan opretholde lydkvaliteten før komprimering i størst omfang, mens lydkomprimering komprimeres med en lavere bithastighed.
6) WMA (Windows Media Audio) er Microsofts mesterværk inden for internetlyd og -video. WMA-formatet opnår en højere komprimeringshastighed ved at reducere datatrafik, men opretholde lydkvaliteten. Kompressionshastigheden kan normalt nå 1:18. Derudover kan WMA også beskytte ophavsret gennem DRM (Digital Rights Management).
7) RealAudio er et filformat lanceret af Real Networks. Den største funktion er, at den kan overføre lydinformation i realtid, især når netværkshastigheden er langsom, kan den stadig overføre data jævnt, så RealAudio er hovedsagelig velegnet til netværk Spil online på. De aktuelle RealAudio-filformater inkluderer hovedsageligt RA (RealAudio), RM (RealMedia, RealAudio G2), RMX (RealAudio Secured) osv. Fælles for disse filer er, at lydens kvalitet ændres med forskellen i netværksbåndbredde. Under den forudsætning, at de fleste mennesker hører glat lyd, kan lyttere med en bredere båndbredde få bedre lydkvalitet.
8) Audible har fire forskellige formater: Audible1, 2, 3, 4. Audible.com-websitet sælger hovedsageligt lydbøger på Internettet og yder beskyttelse af de varer og filer, de sælger gennem et af de fire Audible.com-dedikerede lydformater . Hvert format tager hovedsageligt hensyn til lydkilden og den anvendte lytteenhed. Formaterne 1, 2 og 3 bruger forskellige niveauer af stemmekomprimering, mens format 4 bruger en lavere samplingshastighed og den samme afkodningsmetode som MP3. Den resulterende stemme er klarere og kan downloades mere effektivt fra Internettet. Audible bruger deres eget værktøj til afspilning af desktop, som er Audible Manager. Med denne afspiller kan du afspille filer i hørbart format, der er gemt på en pc eller overført til en bærbar afspiller.
9) AAC er faktisk en forkortelse for Advanced Audio Coding. AAC er et lydformat, der er udviklet i fællesskab af Fraunhofer IIS-A, Dolby og AT&T. Det er en del af MPEG-2-specifikationen. Algoritmen, der bruges af AAC, adskiller sig fra den for MP3. AAC kombinerer andre funktioner for at forbedre kodningseffektiviteten. AACs lydalgoritme overstiger langt nogle tidligere komprimeringsalgoritmer (såsom MP3 osv.) I kompressionsfunktioner. Det understøtter også op til 48 lydspor, 15 lavfrekvente lydspor, flere samplingshastigheder og bithastigheder, kompatibilitet med flere sprog og højere dekodningseffektivitet. Kort sagt, AAC kan give bedre lydkvalitet under forudsætning af, at den er 30% mindre end MP3-filer.
10) Ogg Vorbis er et nyt lydkomprimeringsformat, der ligner eksisterende musikformater såsom MP3. Men en forskel er, at det er helt gratis, åbent og uden patentbegrænsninger. Vorbis er navnet på denne lydkomprimeringsmekanisme, og Ogg er navnet på et projekt, der har til hensigt at designe et helt åbent multimediesystem. VORBIS er også tabsfri kompression, men det bruger mere avancerede akustiske modeller til at reducere tab. Derfor lyder OGG kodet med den samme bithastighed bedre end MP3.
11) APE er et tabsfrit komprimeret lydformat, forudsat at lydkvaliteten ikke reduceres, komprimeres størrelsen til halvdelen af den traditionelle tabsfri WAV-fil.
12) FLAC er forkortelsen for Free Lossless Audio Codec, et sæt velkendte gratis lydfri tabsfri kompressionskoder, som er kendetegnet ved tabsfri kompression.
3. det grundlæggende princip for lydkodning
Talekodning er dedikeret til at reducere kanalbåndbredden, der kræves til transmission, samtidig med at den høje kvalitet af inputtalen opretholdes.
Målet med talekodning er at designe en indkoder med lav kompleksitet for at opnå datatransmission af høj kvalitet med den lavest mulige bithastighed.
1) Mute tærskelkurve: Den tærskel, hvormed det menneskelige øre kun kan høre lyd ved forskellige frekvenser i et stille miljø.
2) Kritisk frekvensbånd
Fordi det menneskelige øre har forskellige opløsninger for forskellige frekvenser, opdeler MPEG1 / Audio det mærkbare frekvensområde inden for 22 kHz i 23 ~ 26 kritiske frekvensbånd i henhold til forskellige kodende lag og forskellige samplingsfrekvenser. Den følgende figur viser centerfrekvensen og båndbredden for det ideelle kritiske frekvensbånd. Som det kan ses i figuren, har det menneskelige øre en bedre opløsning på lavfrekvente
3) Maskeringseffekt i frekvensdomænet: Et signal med en større amplitude maskerer et signal med en lignende frekvens og en mindre amplitude, som vist i nedenstående figur:
4) Maskeringseffekt i tidsdomænet: Hvis der opstår to lyde i en kort periode, vil lyden med et større SPL (lydtrykniveau) maskere lyden med en mindre SPL. Tidsdomænet maskeringseffekten er opdelt i fremad maskering (præ-maskering) og bagud maskering (post-maskering). Post-maskeringstiden vil være længere, ca. 10 gange den før maskering.
Time-domain maskeringseffekten hjælper med at eliminere pre-echo.
4. det grundlæggende middel til kodning
1) Quantizer og quantizer
Kvantisering og kvantificering: Kvantisering konverterer et kontinuerligt signal i diskret tid til et diskret signal i diskret tid. Almindelige kvantisatorer er: ensartet kvantisator, logaritmisk kvantisator og ikke-ensartet kvantisator. Målet, der forfølges af kvantiseringsprocessen, er at minimere kvantiseringsfejlen og minimere kvantisatorens kompleksitet (de to er i sig selv en modsigelse).
(A) Ensartet kvantisator: den enkleste, den værste ydeevne, kun egnet til telefonstemme.
(B) Logaritmisk quantizer: Det er mere kompliceret end ensartet quantizer og let at implementere, og dets ydeevne er bedre end uniform quantizer.
(C) Ikke-ensartet kvantisator: I henhold til fordelingen af signalet, design kvantisatoren. Detaljeret kvantificering udføres, hvor signalet er tæt, og grov kvantificering udføres, hvor signalet er sparsomt.
2) Stemmekoder
Der er tre typer talekodere: (a) Waveform-indkoder; (b) Vocoder; (c) Hybrid encoder.
Bølgeformkoderen sigter mod at konstruere en analog bølgeform inklusive baggrundsstøjark. Handler på alle indgangssignaler, vil den producere prøver af høj kvalitet og forbruge en høj bithastighed. Vokoder genererer ikke den oprindelige bølgeform. Dette sæt kodere udtrækker et sæt parametre, som sendes til den modtagende ende for at udlede stemmegenereringsmodellen. Vokoderens stemmekvalitet er ikke god nok. Hybrid encoder, som inkorporerer fordelene ved bølgeform encoder og ekkolod.
2.1 Bølgeformkoder
Designet af bølgeformkoderen er ofte uafhængig af signalet. Så det er velegnet til kodning af forskellige signaler og er ikke begrænset til tale.
1) Kodning af tidsdomæne
a) PCM: pulskodemodulation er den enkleste kodningsmetode. Det er kun diskretisering og kvantisering af signalet, og logaritmisering bruges ofte.
b) DPCM: differentiel pulskodemodulation, som kun koder for forskellen mellem prøver. Den foregående eller flere prøver bruges til at forudsige den aktuelle prøveværdi. Jo flere prøver der bruges til at forudsige, jo mere nøjagtig er den forudsagte værdi. Forskellen mellem den sande værdi og den forudsagte værdi kaldes restværdien, som er genstand for kodning.
c) ADPCM: adaptiv differentiel puls-kodemodulation, adaptiv differentiel puls-kode. På basis af DPCM justeres kvantisatoren og forudsigeren passende i henhold til signalændringerne, så den forudsagte værdi er tættere på det reelle signal, den resterende er mindre, og kompressionseffektiviteten er højere.
(2) Frekvensdomænskodning
Frekvensdomænskodning er at nedbryde et signal i en række forskellige frekvenselementer og udføre uafhængig kodning.
a) Underbåndskodning: Underbåndskodning er den enkleste teknik til frekvensdomænskodning. Det er en teknologi, der omdanner det originale signal fra tidsdomænet til frekvensdomænet, derefter opdeler det i flere underbånd og udfører henholdsvis digital kodning på dem. Det bruger en båndpasfilter (BPF) -gruppe til at opdele det originale signal i flere (for eksempel m) underbånd (kaldet underbånd). Før hvert underbånd gennem moduleringskarakteristika svarende til enkeltbånds amplitudemodulation, flyt hvert underbånd til næsten nul frekvens, pass henholdsvis BPF (i alt m), og overfør derefter hvert underbånd med en foreskrevet hastighed ( Nyquist rate) Underbåndsudgangssignalet samples, og den samplede værdi er normalt digitalt kodet, og m digitale kodere indstilles. Send hvert digitalt kodede signal til multiplexeren, og send endelig den underbåndskodede datastrøm.
For forskellige underbånd kan forskellige kvantiseringsmetoder anvendes, og forskellige antal bits kan tildeles underbåndene i henhold til den menneskelige øreopfattelsesmodel.
b) transformeringskodning: DCT-kodning.
5. Stemmekoder
Channel vocoder: Udnytter det menneskelige øres ufølsomhed over for fase.
homomorf vocoder: kan effektivt behandle syntetiske signaler.
Formant vocoder: Det meste af stemmesignalets information findes på formantens position og båndbredde.
lineær forudsigelig vocoder: Den mest almindelige vocoder.
6. Hybridkoder
Bølgeformkoderen forsøger at bevare bølgeformen for det kodede signal og kan levere tale af høj kvalitet med en medium bithastighed (32 kbps), men den kan ikke anvendes til lejligheder med lav bithastighed. Vokoderen forsøger at generere et signal, der ligner det kodede signal, og som kan levere forståelig tale ved en lav bithastighed, men den resulterende tale lyder unaturlig. Hybridkoderen kombinerer fordelene ved begge dele.
RELP: På basis af lineær forudsigelse kodes det resterende. Mekanismen er: transmitterer kun en lille del af resterne og rekonstruerer alle rester i den modtagende ende (kopier resterne af basisbåndet).
MPC: multi-puls-kodning, som fjerner korrelationen af residualerne, og bruges til at kompensere for vocoderens enkle klassificering af stemmer i stemmede og ikke-stemmede uden fejl i mellemtilstande.
CELP: kodebog spændt lineær forudsigelse, som bruger forudsigelse af vokalkanalen og kaskaden af tonehøjde for at forudsige bedre det originale signal.
MBE: multiband excitation, formålet er at undgå et stort antal CELP beregninger for at opnå højere kvalitet end vocoder.
Vores andet produkt:
