1. Grunnhugtök
1) Bitahraði: gefur til kynna hversu marga hluti á sekúndu þarf að tákna dulkóðuðu (þjappuðu) hljóðgögnin og einingin er venjulega kbps.
2) Háværð og styrkur: Huglægir eiginleikar hljóðs. Háværð gefur til kynna hversu hljóð hljómar. Háværð er aðallega breytileg eftir styrk hljóðsins, en það hefur einnig áhrif á tíðni. Almennt séð eru hrein miðtíðnihljóð betri en hreint lágtíðni- og hátíðnihljóð.
3) Sýnatöku- og sýnatökuhraði: Sýnataka er að umbreyta stöðugu tímamerki í stakt stafrænt merki. Úrtakshraði vísar til þess hve mörgum sýnum er safnað á sekúndu.
Nýquist sýnatökulög: Þegar sýnatökuhraði er meiri en eða jafnt og tvöfalt hærri tíðni hluti samfellda merkisins, er hægt að nota sýnatökuborðið til að endurgera upprunalega samfellda merkið.
2. algeng hljóðsnið
1) WAV snið er hljóðskráarsnið þróað af Microsoft, einnig kallað bylgjuskjalaskrá. Það er elsta stafræna hljóðformið, stutt af Windows pallinum og forritum þess, og hefur lága þjöppunarhlutfall.
2) MIDI er skammstöfun Musical Instrument Digital Interface, einnig þekkt sem Musical Instrument Digital Interface, sem er sameinaður alþjóðlegur staðall fyrir stafræna tónlist / rafræn hljóðfæri. Það skilgreinir hvernig tölvutónlistarforrit, stafrænir hljóðgervlar og önnur raftæki skiptast á tónlistarmerkjum og tilgreinir samskiptareglur gagnanna milli kapla og vélbúnaðar og tækja sem tengja rafræn hljóðfæri frá mismunandi framleiðendum við tölvur og geta hermt hljóð margra söngleikja hljóðfæri. MIDI skrá er skrá á MIDI sniði og sumar skipanir eru geymdar í MIDI skránni. Sendu þessar leiðbeiningar á hljóðkortið og hljóðkortið myndar hljóðið samkvæmt leiðbeiningunum.
3) Fullt nafn MP3 er MPEG-1 hljóðlag 3, sem var sameinað MPEG forskriftinni árið 1992. MP3 getur þjappað saman stafrænum hljóðskrám með miklum hljóðgæðum og lágum sýnatökuhraða. Algengasta forritið.
4) MP3Pro var þróað af sænska kóðunartæknifyrirtækinu, sem inniheldur tvær helstu tækni: önnur er einstök afkóðunartækni frá kóðunartæknifyrirtækinu, og hin er samþætting MP3 einkaleyfishafa franska Thomson margmiðlunarfyrirtækisins og þýska Fraunhofer afkóðunartækni sem sameiginlega var rannsökuð af Hringrásarsamtökunum. MP3Pro getur bætt upprunalegu MP3 tónlistargæði án þess að breyta stærð skráarinnar í grundvallaratriðum. Það getur viðhaldið hljóðgæðum fyrir þjöppun að mestu leyti á meðan þjappað er hljóðskrám á lægri bitahraða.
5) MP3Pro var þróað af sænska kóðunartæknifyrirtækinu, sem inniheldur tvær helstu tækni: önnur er einstök afkóðunartækni frá kóðunartæknifyrirtækinu, og hin er samþætting MP3 einkaleyfishafa franska Thomson margmiðlunarfyrirtækisins og þýska Fraunhofer afkóðunartækni sem sameiginlega var rannsökuð af Hringrásarsamtökunum. MP3Pro getur bætt upprunalegu MP3 tónlistargæði án þess að breyta stærð skráarinnar í grundvallaratriðum. Það getur viðhaldið hljóðgæðum fyrir þjöppun að mestu leyti á meðan þjappað er hljóðskrám á lægri bitahraða.
6) WMA (Windows Media Audio) er meistaraverk Microsoft á sviði hljóð- og myndbanda á netinu. WMA sniðið nær hærri þjöppunarhraða með því að draga úr gagnaumferð en viðhalda hljóðgæðum. Þjöppunarhlutfallið getur almennt náð 1:18. Að auki getur WMA einnig verndað höfundarrétt í gegnum DRM (Digital Rights Management).
7) RealAudio er skráarsnið sem kynnt er af Real Networks. Stærsti eiginleikinn er sá að það getur sent hljóðupplýsingar í rauntíma, sérstaklega þegar nethraði er hægur, það getur samt sent gögn mjúklega, svo RealAudio hentar aðallega fyrir net Spilaðu á netinu á. Núverandi RealAudio skráarsnið fela aðallega í sér RA (RealAudio), RM (RealMedia, RealAudio G2), RMX (RealAudio Secured) o.s.frv. Algengt er að þessar skrár séu að gæði hljóðsins breytist með mismun á bandbreidd netsins. Undir þeirri forsendu að flestir heyri slétt hljóð geta hlustendur með breiðari bandbreidd fengið betri hljóðgæði.
8) Audible er með fjögur mismunandi snið: Audible1, 2, 3, 4. Audible.com vefsíðan selur aðallega hljóðbækur á Netinu og veitir vöru og skrár sem þeir selja í gegnum eitt af fjórum Audible.com hollum hljóðformum . Hvert snið tekur aðallega til hljóðgjafans og hlustunartækisins sem notað er. Snið 1, 2 og 3 nota mismunandi þjöppunarstig, en snið 4 notar lægra sýnatökuhraða og sömu afkóðunaraðferð og MP3. Röddin sem myndast er skýrari og hægt er að hlaða henni á skilvirkari hátt af netinu. Audible notar eigið skjáborðs spilunartæki, sem er Audible Manager. Með þessum spilara geturðu spilað skrár sem heyra á sniði sem eru geymdar á tölvu eða fluttar í færanlegan spilara.
9) AAC er í raun stytting fyrir Advanced Audio Coding. AAC er hljóðform sem þróað er sameiginlega af Fraunhofer IIS-A, Dolby og AT&T. Það er hluti af MPEG-2 forskriftinni. Reikniritið sem AAC notar er frábrugðið því sem er í MP3. AAC sameinar aðrar aðgerðir til að bæta skilvirkni kóðunar. Hljóðreiknirit AAC er langt umfram nokkrar þjöppunarreiknirit (svo sem MP3, osfrv.) Í þjöppunargetu. Það styður einnig allt að 48 hljóðrásir, 15 lágtíðni hljóðrásir, fleiri sýnishorn og bitahraða, fjöltyngd samhæfni og meiri afkóðunar skilvirkni. Í stuttu máli sagt, AAC getur veitt betri hljóðgæði með þeim forsendum að það sé 30% minni en MP3 skrár.
10) Ogg Vorbis er nýtt hljóðþjöppunarform, svipað og núverandi tónlistarsnið eins og MP3. En ein munurinn er sá að það er algjörlega ókeypis, opið og án einkaleyfishafta. Vorbis er heiti þessa hljóðþjöppunarbúnaðar og Ogg er nafn verkefnis sem ætlar að hanna alveg opið margmiðlunarkerfi. VORBIS er einnig taplaus þjöppun, en það notar fullkomnari hljóðlíkön til að draga úr tapi. Þess vegna hljómar OGG kóðuð með sama bitahraða betur en MP3.
11) APE er taplaust þjappað hljóðform, með þeim forsendum að hljóðgæðin minnki ekki, stærðin er þjappað niður í helming af hefðbundnu taplausu sniði WAV skránni.
12) FLAC er skammstöfun Free Lossless Audio Codec, safn af þekktum ókeypis hljóðlausum þjöppunarkóða, sem einkennist af taplausri þjöppun.
3. grunnreglan um hljóðkóðun
Talkóðun er tileinkuð því að draga úr rásarbreidd sem krafist er við sendingu en halda hágæðum innsláttarræðunnar.
Markmið talkóðunar er að hanna kóðara með litlum flækjum til að ná hágæða gagnaflutningi með lægsta mögulega bitahraða.
1) Þöggun þröskuldsferill: Viðmiðunarmörkin þar sem mannlegt eyra heyrir hljóð við mismunandi tíðni aðeins í rólegu umhverfi.
2) Gagnrýninn tíðnisvið
Vegna þess að eyra manna hefur mismunandi upplausn fyrir mismunandi tíðni, deilir MPEG1 / Audio skynjanlegu tíðnisviðinu innan 22 kHz í 23 ~ 26 mikilvæga tíðnisvið samkvæmt mismunandi kóðunarlögum og mismunandi sýnatökutíðni. Eftirfarandi mynd sýnir miðtíðni og bandbreidd kjörtíðnisviðs. Eins og sést á myndinni hefur eyrað mannsins betri upplausn á lágu tíðni
3) Grímuáhrif á tíðnisviðinu: Merki með stærri amplitude mun gríma merki með svipaða tíðni og minni amplitude, eins og sést á myndinni hér að neðan:
4) Grímuáhrif í tímaléninu: Á stuttum tíma, ef tvö hljóð koma fram, mun hljóðið með stærra SPL (hljóðþrýstingsstig) dulma hljóðið með minni SPL. Tímalén grímuáhrifin skiptast í grímu fram á við (fyrir grímu) og afturábak gríma (eftir grímu). Tími eftir grímu verður lengri, um það bil 10 sinnum lengri en fyrir grímu.
Tímalén grímuáhrifin hjálpa til við að útrýma fyrir bergmálinu.
4. grunnleiðir kóðunar
1) Magn og magn
Magn og magn: Magn magn breytir samfellt merki á stökum tíma í stakt merki á stökum tíma. Algengir magnarar eru: samræmdur magnari, lógaritmískur magnari og ekki einsleitur magnari. Markmiðið með magntaksferlinu er að lágmarka magntalsvilluna og lágmarka flækjustærðina (þau tvö eru í sjálfu sér mótsögn).
(A) Samræmdur magnari: einfaldasti, lélegasti árangur, aðeins hentugur fyrir símarödd.
(B) Logarithmic magnari: Það er flóknara en samræmt magn og auðvelt í framkvæmd og árangur þess er betri en samræmdur magnari.
(C) Ó samræmdur magnari: Samkvæmt dreifingu merkisins, hannaðu magnara. Ítarlegt magn er framkvæmt þar sem merkið er þétt og gróft magn er framkvæmt þar sem merkið er fágætt.
2) Raddkóðari
Það eru þrjár gerðir talkóðara: (a) Waveform kóðari; (b) Ræðumaður; (c) Blendingur kóðara.
Bylgjulögunarkóðarinn miðar að því að smíða hliðstæða bylgjulögun þar á meðal bakgrunnshljóðblað. Með hliðsjón af öllum inntaksmerkjum mun það framleiða hágæða sýni og neyta mikils bitahraða. Raddarinn mun ekki endurnýja upprunalega bylgjulögunina. Þessi kóðunarmengi dregur úr sér breytur sem eru sendar til móttökurendans til að fá raddmyndunarlíkanið. Rödd gæði vocoder eru ekki nógu góð. Hybrid kóðari, sem felur í sér kosti bylgjulögunarkóðara og hljóðeim.
2.1 Bylgjulögunarkóðari
Hönnun bylgjulögunarkóðarans er oft óháð merkinu. Svo það er hentugur til að kóða ýmis merki og er ekki takmarkað við tal.
1) Tímalénakóðun
a) PCM: púlskóða mótun, er einfaldasta kóðunaraðferðin. Það er aðeins ákvörðun og magnun merkisins og logarithmization er oft notuð.
b) DPCM: mismunadrif púls kóðabreyting, sem kóðar aðeins mismuninn á sýnum. Fyrra eða fleiri sýnin eru notuð til að spá fyrir um núverandi sýnishorn gildi. Því fleiri sýni sem notuð eru til að spá, því nákvæmara er spáð gildi. Munurinn á raunverulegu gildi og spáð gildi er kallað leifar, sem er kóðunin.
c) ADPCM: aðlögunarhæfður mismunadrifspúlskóðamótun, aðlagandi mismunapúlsakóði. Það er, á grundvelli DPCM, er magntæki og spá leiðrétt á viðeigandi hátt í samræmi við breytingar merkisins, þannig að spáð gildi er nær raunverulegu merki, leifarnar eru minni og þjöppun skilvirkni er hærri.
(2) Tíðni lénskóðun
Tíðni lénakóðun er að brjóta merki niður í röð mismunandi tíðniþátta og framkvæma sjálfstæða kóðun.
a) Undirbandsforritun: Undirbandsforritun er einfaldasta dulkóðunartækni fyrir tíðni. Það er tækni sem umbreytir upprunalegu merkinu frá tímaléninu í tíðnisviðið, deilir því síðan í nokkur undirbönd og framkvæmir stafræna kóðun á þeim. Það notar band-pass filter (BPF) hóp til að skipta upprunalegu merkinu í nokkra (til dæmis m) undirbönd (kölluð undirbönd). Færðu hvert undirband í gegnum mótunareiginleikana sem jafngildir einhliða amplitude mótum, færðu hvert undirband að nálægt núlltíðni, farðu í sömu röð í gegnum BPF (samtals m) og færðu síðan hvert undirband á tilskildum hraða ( Nýquist hlutfall) Útsendingarmerki undirbandsins er tekið og sýnið gildi er venjulega kóðuð og m stafrænir kóðarar eru stilltir. Sendu hvert stafrænt dulmálsmerki til margfaldarans og sendu að lokum út dulkóðaða gagnastrauminn.
Fyrir mismunandi undirbönd er hægt að nota mismunandi magnmælingaraðferðir og úthluta mismunandi fjölda bita til undirbandsins samkvæmt skynjunarlíkani mannsins.
b) umbreyta kóðun: DCT kóðun.
5. Söngvari
Rásarboðari: Nýtir ónæmi mannsins í fasa.
homomorphic vocoder: getur á áhrifaríkan hátt unnið úr tilbúnum merkjum.
Formant vocoder: Flestar upplýsingar raddmerkisins eru staðsettar á stöðu og bandbreidd formans.
línulegur forspár vocoder: Algengasti vocoder.
6. Blendingur kóðari
Bylgjulögunarkóðarinn reynir að varðveita bylgjulögun kóðaða merkisins og getur veitt hágæða tal á miðlungs bitahraða (32 kbps), en það er ekki hægt að beita það við lága bitahraða tilefni. Raddarinn reynir að mynda merki sem er svipað og hljóðritað merki og getur veitt skiljanlegt tal á lágum bitahraða, en talið sem hlýst af hljómar óeðlilegt. Blendingskóðinn sameinar kosti beggja.
RELP: Á grundvelli línulegrar spár er leifin kóðuð. Vélbúnaðurinn er: senda aðeins lítinn hluta leifanna og endurgera allar leifar við móttökuendann (afrita leifar grunnbandsins).
MPC: fjölpúlsakóðun sem fjarlægir fylgni leifanna og er notuð til að bæta fyrir einfaldan flokk raddara raddara í raddað og órödduð án galla millistigs.
CELP: kóðabók spennt línuleg spá, sem notar spá raddvega og kássu tónhæðarspá til að nálgast betur upprunalegt merki.
MBE: multiband excitation, tilgangurinn er að forðast fjölda CELP útreikninga, til að fá meiri gæði en vocoder.
önnur varan okkar:
