Audio
Vísar til hljóðbylgjna með hljóðtíðni á bilinu 20 Hz til 20 kHz sem heyrist í mannsauganum.
Ef þú bætir samsvarandi hljóðkorti við tölvuna — hljóðkortið sem við segjum oft, getum við tekið upp öll hljóð og hljóðeinkenni hljóðsins, svo sem hljóðstigið, er hægt að geyma sem skrár á harða tölvunni diskur. Hins vegar getum við líka notað ákveðið hljóðforrit til að spila geymdu hljóðskrána til að endurheimta áður hljóð.
1 Hljóðskráarsnið
Hljóðskráarsniðið vísar sérstaklega til sniðs skrárinnar sem geymir hljóðgögnin. Það eru mörg mismunandi snið.
Almenna aðferðin við að afla hljóðgagna er að taka sýnishorn (magna) hljóðspennuna á föstu tímabili og geyma niðurstöðuna við ákveðna upplausn (til dæmis er hvert sýnishorn af CDDA 16 bita eða 2 bæti). Úrtaksbilið getur haft mismunandi staðla. Til dæmis notar CDDA 44,100 sinnum á sekúndu; DVD notar 48,000 eða 96,000 sinnum á sekúndu. Þess vegna eru [sýnatökuhraði], [upplausn] og fjöldi [rása] (til dæmis 2 rásir fyrir hljómtæki) lykilbreytur hljóðskrárformsins.
1.1 Tap og taplaust
Samkvæmt framleiðsluferli stafræns hljóðs getur hljóðkóðun aðeins verið óendanlega nálægt náttúrulegum merkjum. Að minnsta kosti núverandi tækni getur aðeins gert þetta. Sérhver stafræn hljóðkóðunaráætlun er taplaus vegna þess að ekki er hægt að endurheimta hana að fullu. Í tölvuforritum er hæsta stig tryggð PCM kóðun, sem er mikið notuð til að varðveita efni og þakka tónlist. Það er notað á geisladiska, DVD og algengar WAV skrár okkar. Þess vegna er PCM orðin taplaus kóðun samkvæmt venju, vegna þess að PCM táknar besta trúnaðarstig stafræns hljóðs.
Það eru tvær megintegundir hljóðskrársniða:
Taplaus snið, svo sem WAV, PCM, TTA, FLAC, AU, APE, TAK, WavPack (WV)
Tapað snið, svo sem MP3, Windows Media Audio (WMA), Ogg Vorbis (OGG), AAC
Kynning á 2 breytum
2.1 Sýnatökuhlutfall
Vísar til fjölda hljóðsýna sem fengin eru á sekúndu. Hljóð er í raun eins konar orkubylgja, svo það hefur einnig einkenni tíðni og amplitude. Tíðnin samsvarar tímaásnum og amplitude samsvarar stigsásinni. Bylgjan er óendanlega slétt og líta má á strenginn sem samanstendur af óteljandi punktum. Vegna þess að geymslurýmið er tiltölulega takmarkað verður að taka sýnishorn af stigum strengsins meðan á stafrænu kóðunarferlinu stendur.
Sýnatökuferlið er að draga út tíðnigildi ákveðins punkts. Augljóslega, því fleiri stig eru dregin út á einni sekúndu, því meiri tíðni er aflað. Til þess að endurheimta bylgjulögun, því hærri sýnatökutíðni, þeim mun betri hljómgæði. Því raunverulegri sem endurreisnin er, en á sama tíma tekur hún meiri fjármuni. Vegna takmarkaðrar upplausnar mannsins er ekki hægt að greina of háa tíðni. Sýnatökutíðni 22050 er almennt notuð, 44100 eru nú þegar hljóðgæði geisladiska og sýnataka yfir 48,000 eða 96,000 er ekki lengur þýðingarmikil fyrir eyra manna. Þetta er svipað og 24 rammar á sekúndu í kvikmyndum. Ef það er steríó er sýnið tvöfaldað og skráin næstum tvöfölduð.
Samkvæmt Nyquist sýnatöku kenningunni, til að tryggja að hljóðið sé ekki brenglað, ætti sýnatökutíðni að vera um 40kHz. Við þurfum ekki að vita hvernig þessi setning varð til. Við þurfum aðeins að vita að þessi setning segir okkur að ef við viljum taka merki upp nákvæmlega, þá verður sýnatökutíðni okkar að vera meiri en eða jafnt og tvöfalt hámarkstíðni hljóðmerkisins. Mundu að það er hámarkstíðni.
Á sviði stafræns hljóðs eru algengir sýnatökuhraðar:
8000 Hz - sýnatökuhraðinn sem er notaður af símanum, sem dugar fyrir tal manna
11025 Hz-sýnatökuhlutfall notað af símanum
22050 Hz sýnatökuhraði sem notaður er í útvarpssendingum
32000 Hz sýnatökuhraði fyrir miniDV stafræna myndbandsupptökuvél, DAT (LP stilling)
44100 Hz-hljóð geisladiskur, einnig oft notaður sem sýnatökuhraði fyrir MPEG-1 hljóð (VCD, SVCD, MP3)
47250 Hz sýnatökuhraði notað af PCM upptökum í atvinnuskyni
48000 Hz sýnatökuhraði fyrir stafrænt hljóð notað í miniDV, stafrænu sjónvarpi, DVD, DAT, kvikmyndum og faglegu hljóði
50000 Hz sýnatökuhraði sem notaður er af stafrænum upptökutækjum
96000 Hz eða 192000 Hz - sýnatökuhraðinn sem notaður er fyrir DVD-hljóð, sum LPCM DVD hljóðspor, BD-ROM (Blu-ray Disc) hljóðspor og HD-DVD (High Definition DVD) hljóðspor
2.2 Fjöldi sýnatökubita
Fjöldi úrtaksbita er einnig kallaður sýnataksstærð eða fjöldi magnbita. Það er færibreytur sem notaður er til að mæla sveiflu hljóðsins, það er upplausn hljóðkortsins eða hægt er að skilja það sem upplausn hljóðkortsins sem unnið er með hljóðkortinu. Því stærra sem gildið er, því hærri er upplausnin og því raunsærri er hljóðið tekið upp og spilað. Bita hljóðkortsins vísar til tvöfaldra tölustafa stafræna hljóðmerkisins sem hljóðkortið notar við hljóðsöfnun og spilun. Bita hljóðkortsins endurspeglar hlutlægt nákvæmni lýsingar stafræna hljóðmerkisins á inntakshljóðmerkinu. Algeng hljóðkort eru aðallega 8 bita og 16 bita. Nú á dögum eru allar almennar vörur á markaðnum 16 bita og hærra hljóðkort.
Hvert sýnatökugögn skráir amplitude og nákvæmni sýnatöku fer eftir fjölda sýnatökubita:
1 bæti (það er 8bit) getur aðeins skráð 256 tölur, sem þýðir að amplitude er aðeins hægt að skipta í 256 stig;
2 bæti (það er, 16bit) geta verið allt að 65536, sem þegar er geisladiskastaðall;
4 bæti (það er 32bit) geta deilt amplitude í 4294967296 stig, sem er í raun óþarfi.
2.3 Fjöldi rása
Það er fjöldi hljóðrása. Common mono og stereo (dual-channel) hafa nú þróast í fjögurra hljóð umgerð (fjögurra rásir) og 5.1 rásir.
2.3.1 Mónó
Mónó er tiltölulega frumstæð mynd af hljóðgerð og snemma hljóðkort notuðu það oftar. Aðeins er hægt að heyra einhljóð með einum hátalara og sumir eru einnig unnir í tvo hátalara til að senda frá sér sömu hljóðrás. Þegar einhljóðnar upplýsingar eru spilaðar í gegnum tvo hátalara, finnum við greinilega að hljóðið er frá tveimur hátalurum. Það er ómögulegt að ákvarða tiltekna staðsetningu hljóðgjafans sem berst í eyru okkar frá miðjum hátalaranum.
2.3.2 steríó
Tvöföld sund eru tvö hljóðrásir. Meginreglan er sú að þegar fólk heyrir hljóð geti það dæmt sérstaka stöðu hljóðgjafans út frá áfangamun á vinstri og hægri eyrum. Hljóðinu er úthlutað á tvær sjálfstæðar rásir meðan á upptöku stendur, til að ná góðum staðsetningaráhrifum á hljóðinu. Þessi tækni er sérstaklega gagnleg til að meta tónlist. Hlustandinn getur greinilega greint frá hvaða átt ýmis hljóðfæri koma, sem gerir tónlistina hugmyndaríkari og nær upplifun staðarins.
Tvær raddir eru nú mest notaðar. Í karókí er annað til að spila tónlist og hitt fyrir rödd söngvara; í VCD, önnur er talsetning á mandarínu og hin er talsetning á kantónsku.
2.3.3 Fjögurra tóna umgerð
Fjögurra rása umgjörð skilgreinir fjóra hljóðpunkta, vinstra megin að framan, vinstri að aftan, og hægri að aftan og áhorfendur eru umkringdir þessum. Einnig er mælt með því að bæta við subwoofer til að styrkja spilunarvinnslu lágtíðnimerkja (þetta er ástæðan fyrir því að 4.1 rásar hátalarakerfi njóta mikilla vinsælda í dag). Hvað heildaráhrifin varðar getur fjögurra rása kerfið fært hlustendum umhverfishljóð úr mörgum mismunandi áttum, fengið áheyrnarupplifun af því að vera í margvíslegu umhverfi og veitt notendum glænýja upplifun. Nú á tímum hefur fjögurra rása tækni verið víða samþætt í hönnun ýmissa mið-til-hágæða hljóðkorta og orðið að almennri þróun framtíðarþróunar.
2.3.4 5.1 rás
5.1 rásir hafa verið mikið notaðar í ýmsum hefðbundnum leikhúsum og heimabíóum. Sum af þekktari þjöppunarformi hljóðupptöku, svo sem Dolby AC-3 (Dolby Digital), DTS osfrv., Eru byggð á 5.1 hljóðkerfinu. ".1" rásin er sérhönnuð subwoofer rás sem getur framleitt subwoofers með tíðnisviðsvið 20 til 120 Hz. Reyndar kemur 5.1 hljóðkerfið frá 4.1 umgerð, munurinn er sá að það bætir við miðjueiningu. Þessi miðjueining er ábyrg fyrir sendingu hljóðmerkisins undir 80Hz, sem er gagnlegt til að styrkja mannröddina þegar þú horfir á kvikmyndina og einbeita samræðunum á miðju öllu hljóðsvæðinu til að auka heildaráhrifin.
Sem stendur hafa margir tónlistarspilarar á netinu, svo sem QQ Music, útvegað 5.1 rásar tónlist til reynsluhlustunar og niðurhals.
2.4 Rammi
Hugtakið hljóðrammar er ekki eins skýrt og myndrammar. Næstum öll vídeó kóðun snið geta einfaldlega hugsað um ramma sem kóðaða mynd. Hins vegar er hljóðramminn tengdur við kóðunarformið, sem er útfært af hverjum kóðunarstaðli.
Til dæmis, þegar um er að ræða PCM (ókóðuð hljóðgögn), þarf það alls ekki hugmyndina um ramma og hægt er að spila í samræmi við sýnatökuhraða og nákvæmni sýnatöku. Til dæmis, fyrir tvöfalt hljóð með sýnatökuhraða 44.1 kHZ og sýnatöku nákvæmni 16 bitar, er hægt að reikna út að bitahraði er 44100162bps, og hljóðgögnin á sekúndu eru föst 44100162/8 bæti.
Amr ramminn er tiltölulega einfaldur. Þar er kveðið á um að hver 20ms hljóðs sé rammi og hver rammi hljóðs sé óháður og hægt sé að nota mismunandi kóðunaralgoritma og mismunandi kóðunarstærðir.
Mp3 ramminn er aðeins flóknari og inniheldur meiri upplýsingar, svo sem sýnatökuhraða, bitahraða og ýmsar breytur.
2.5 lotur
Fjöldi ramma sem hljóðtæki þarf til að vinna í einu og gagnaaðgangur hljóðtækisins og geymsla hljóðgagna er allt byggt á þessari einingu.
2.6 Samfléttuð ham
Geymsluaðferð stafræns hljóðmerkis. Gögnin eru geymd í samfelldum ramma, það er að segja vinstri rásarsýnin og hægri rásarsýnin af ramma 1 eru tekin upp fyrst og síðan er byrjað að taka upp ramma 2.
2.7 Ótengd ham
Fyrst skaltu taka upp vinstri rásarsýni af öllum römmum á tímabili og taka síðan upp öll rétt rásarsýni.
2.8 bitahraði (bitahraði)
Bitahraði er einnig kallað bitahraði, sem vísar til þess gagnamagns sem tónlist spilar á sekúndu. Einingin er tjáð með bita, sem er tvöfaldur hluti. bps er bitahraði. b er hluti (hluti), s er annar (annar), p er hver (á), eitt bæti jafngildir 8 tvöföldum bitum. Það er að segja, skráarstærð 4 mínútna laga 128 bps er reiknuð svona (128/8) 460 = 3840kB = 3.8MB, 1B (Bæti) = 8b (bita), almennt er mp3 gagnlegt í um það bil 128 bita hlutfall, og það er líklega Stærðin er í kringum 3-4 BM.
Í tölvuforritum er hæsta stig tryggðar PCM kóðun, sem er mikið notuð til að varðveita efni og þakka tónlist. Geisladiskar, DVD og sameiginlegar WAV skrár okkar eru allar notaðar. Þess vegna hefur PCM orðið taplaus kóðun samkvæmt venju, vegna þess að PCM táknar bestu tryggðina í stafrænu hljóði. Það þýðir ekki að PCM geti tryggt algera tryggð merkisins. PCM getur aðeins náð hámarks óendanlegri nálægð.
Að reikna út bitahraða PCM hljóðstraums er mjög auðvelt verkefni, sýnatökuhraðagildi × sýnatökustærð gildi × rásnúmer bps. WAV skrá með sýnatökuhraða 44.1KHz, sýnatöku stærð 16bit og tvírás PCM kóðun, gagnahraði hennar er 44.1K × 16 × 2 = 1411.2Kbps. Algengi geisladiskurinn okkar notar PCM kóðun og getu geisladisks getur aðeins geymt 72 mínútur af tónlistarupplýsingum.
Tvírás PCM kóðuð hljóðmerki þarf 176.4 KB pláss á einni sekúndu og um það bil 1M á einni mínútu. Þetta er óásættanlegt fyrir flesta notendur, sérstaklega þá sem vilja hlusta á tónlist í tölvunni. Diskur umráð, það eru aðeins tvær aðferðir, samdráttarvísitala eða þjöppun. Ekki er ráðlegt að draga úr sýnatökuvísitölunni og því hafa sérfræðingar þróað ýmis þjöppunarkerfi. Frumlegustu eru DPCM, ADPCM og frægust er MP10.34. Þess vegna er kóðahraðinn eftir gagnasamþjöppun miklu lægri en upphaflegur kóði.
2.9 Dæmisútreikningur
Til dæmis er skráarlengd „Windows XP startup.wav“ 424,644 bæti, sem er í formi „22050HZ / 16bit / stereo“.
Þá er flutningshraði þess á sekúndu (bitahraði, einnig kallaður bitahraði, sýnatökuhraði) 22050162 = 705600 (bps), umbreytt í bæti eining er 705600/8 = 88200 (bæti á sekúndu), spilunartími: 424644 (Samtals bæti) / 88200 (bæti á sekúndu) ≈ 4.8145578 (sekúndur).
En þetta er ekki nógu rétt. WAVE skráin (* .wav) á venjulegu PCM sniði hefur að minnsta kosti 42 bæti af hausupplýsingum, sem ætti að fjarlægja þegar spilunartími er reiknaður, svo það er: (424644-42) / (22050162/8) ≈ 4.8140816 ( sekúndur). Þetta er réttara.
3 PCM hljóðkóðun
PCM stendur fyrir Pulse Code Modulation. Í PCM aðferðinni er inntak hliðstæða merkið tekið sýni, magnt og kóðað og tvöfalt dulmál númerið táknar amplitude hliðstæða merkisins; móttakandi endurheimtir síðan þessa kóða í upprunalega hliðræna merkið. Það er, A / D umbreyting stafræns hljóðs inniheldur þrjá ferla: sýnatöku, magnun og kóðun.
Upptökuhraði radd PCM er 8kHz og fjöldi sýnatöku bita er 8bit, þannig að kóði hlutfall radd stafræna dulmáls merkisins er 8bit × 8kHz = 64kbps = 8KB / s.
3.1 Meginreglur hljóðkóðunar
Allir sem hafa ákveðinn rafrænan grunn vita að hljóðmerkið sem skynjarinn safnar er hliðstætt magn en það sem við notum í raunverulegu flutningsferlinu er stafrænt magn. Og þetta felur í sér ferlið við að breyta hliðstæðum í stafrænt. Hliðstæða merkið þarf að fara í gegnum þrjú ferli, nefnilega sýnatöku, magnun og kóðun, til að átta sig á púlskóðaaðlögun (PCM, Pulse Coding Modulation) tækni raddvæðingar.
Viðskiptaferli
3.1.1 Sýnataka
Sýnataka er ferlið við að draga úr sýnum (sýnatökuhraða) úr hliðrænu merki á tíðni sem er meira en 2 sinnum bandbreidd merkisins (Lequist Sampling Theorem) og breyta því í stakt sýnatökumerki á tímaásnum.
Sýnatökuhraði: Fjöldi sýna sem tekin eru úr samfelldu merki á sekúndu til að mynda stak merki, gefið upp í Hertz (Hz).
sýnishorn:
Til dæmis er sýnatökuhraði hljóðmerkisins 8000Hz.
Það má skilja að sýnið í myndinni hér að ofan samsvarar ferli spennubreytingarinnar með tímanum á myndinni í 1 sekúndu, þá neðri 1 2 3 ... 10, því það ættu að vera 1-8000 stig, það er 1 sekúndu er skipt í 8000 hluta, og taktu þá út aftur og aftur Spennugildið sem samsvarar þeim 8000 punkta tíma.
3.1.2 Magnun
Þrátt fyrir að merkið sem tekið er sýni sé sérstakt merki á tímaásnum er það samt hliðrænt merki og sýnishorn gildi þess getur haft óendanlegan fjölda af gildum innan ákveðins gildissviðs. Taka þarf upp „hringmyndunar“ aðferðina til að „rúnna“ upp úrtaksgildin, þannig að úrtaksgildum innan ákveðins gildissviðs er breytt úr óendanlegum fjölda gilda í endanlegan fjölda gilda. Þetta ferli kallast magnmælingu.
Sýnatökufjöldi bita: vísar til fjölda bita sem notaðir eru til að lýsa stafrænu merkinu.
8 bitar (8bit) tákna 2 til 8. afl = 256, 16 bitar (16bit) tákna 2 til 16. afl = 65536;
sýnishorn:
Til dæmis er spennusviðið sem hljóðskynjarinn safnar 0-3.3V og sýnatökunúmerið er 8bit (hluti)
Það er, við lítum á 3.3V / 2 ^ 8 = 0.0128 sem magnmælinganákvæmni.
Við skiptum 3.3v í 0.0128 sem stíga Y-ásinn, eins og sést á mynd 3, 1 2… 8 verður 0 0.0128 0.0256… 3.3 V
Til dæmis er spennugildi sýnatökustigs 1.652V (milli 1280.128 og 1290.128). Við hringjum það í 1.65V og samsvarandi magnstig er 128.
3.1.3 Kóðun
Tölumæli sýnatökumerkisins er umbreytt í röð aukastafs stafrænna kóða strauma raðað eftir sýnatöku röðinni, það er aukastaf stafræna merkisins. Einfalt og skilvirkt gagnakerfi er tvöfalt kóða kerfi. Því ætti að breyta aukastaf stafrænum kóða í tvöfaldan kóða. Samkvæmt heildarfjölda aukastafa stafrænna kóða er hægt að ákvarða fjölda bita sem þarf til tvöfaldrar kóðunar, það er að segja orðalengdin (fjöldi úrtaksbita). Þetta ferli við umbreytingu á magni sýnishornsins í tvöfalt kóðastraum með tiltekna orðalengd er kallað kóðun.
sýnishorn:
Þá samsvarar ofangreind 1.65V magntölustiginu 128. Samsvarandi tvöfalt kerfi er 10000000. Það er, niðurstaðan af kóðun sýnatökupunktsins er 10000000. Auðvitað er þetta kóðunaraðferð sem telur ekki jákvæð og neikvæð gildi , og það eru margar tegundir af kóðunaraðferðum sem krefjast sérstakrar greiningar á sérstökum málum. (PCM hljóðkóðunarkóðun er A-lög 13 fjöllínukóðun)
3.2 PCM hljóðkóðun
PCM merkið hefur ekki farið í gegnum kóðun og þjöppun (taplaus þjöppun). Í samanburði við hliðræn merki hefur það ekki auðveldlega áhrif á ringulreið og röskun flutningskerfisins. Kraftmagnið er breitt og hljóðgæðin nokkuð góð.
3.2.1 PCM kóðun
Kóðunin sem notuð er er A-lög 13 pólýlínukóðun.
Nánari upplýsingar er að finna í: PCM raddkóðun
3.2.2 Channel
Hægt er að skipta rásum í mono og stereo (dual channel).
Hvert sýnisgildi PCM er í heiltölu i og lengd i er lágmarksfjöldi bæti sem þarf til að mæta tilgreindri lengd sýnis.
Sýnishorn Stærð gagna Lágmarksgildi Hámarksgildi
8-bita PCM óundirritað 0 225
16 bita PCM int -32767 32767
Fyrir mónó hljóðskrár eru úrtaksgögnin 8 bita stutt heiltala (stutt int 00H-FFH) og úrtaksgögnin eru geymd í tímaröð.
Tveggja rása stereó hljóðskrá, hvert sýnatökugögn er 16 bita heiltala (int), efri átta bitar (vinstri rás) og neðri átta bitar (hægri rás) tákna hvor um sig tvær rásir og úrtaksgögnin eru í tímaröð Innborgun í vararöð.
Sama gildir þegar fjöldi úrtaksbita er 16 bitar og geymslan tengist bætiröðinni.
PCM gagnasnið
Allar siðareglur net nota stóru leiðina til að senda gögn. Þess vegna er stóra endian aðferðin einnig kölluð netbæti röð. Þegar tveir vélar með mismunandi bætiröð eiga samskipti verður að breyta þeim í netbæti til að senda gögn áður en þeir senda.
4 G.711
Almennt PCM fer hliðræna merkið í nokkra vinnslu (svo sem þjöppun amplitude) áður en það er gert stafrænt. Þegar PCM-merkið er orðið stafrænt er það venjulega unnið frekar (svo sem eins og stafræn gagnagjöf).
G.711 er venjulegt margmiðlunar stafrænt merki (þjöppunar / deyfðar) reiknirit sem meyrir púlskóðann frá ITU-T. Það er sýnatökutækni til að stafræna hliðræn merki, sérstaklega fyrir hljóðmerki. PCM sýni merki 8000 sinnum á sekúndu, 8KHz; hvert sýnishorn er 8 bitar, alls 64 Kbps (DS0). Það eru tveir staðlar fyrir kóðun sýnatökuþrepa. Norður-Ameríka og Japan nota Mu-Law staðalinn, en flest önnur lönd nota A-lög staðalinn.
A-lög og u-lög eru tvær kóðunaraðferðir við PCM. A-lög PCM er notað í Evrópu og landi mínu og Mu-lög er notað í Norður-Ameríku og Japan. Munurinn á þessu tvennu er magntöluaðferðin. A-lögin nota 12 bita magn og u lögin nota 13 bita magn. Sýnatökutíðni er 8KHz, og bæði eru 8bit kóðunaraðferðir.
Einfaldur skilningur: PCM er upphafleg hljóðgögn sem hljóðbúnaður safnar. G.711 og AAC eru tvö mismunandi reiknirit, sem geta þjappað PCM gögnum í ákveðið hlutfall og sparað þar með bandbreidd í netflutningi.
önnur varan okkar:
