Prijenos zvuka - FER
Prijenos zvuka - FER
Prijenos zvuka - FER
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
<strong>Prijenos</strong> <strong>zvuka</strong><br />
Redukcija toka podataka-kodiranje bez<br />
gubitaka i s gubicima
Redukcija toka podataka<br />
<br />
<br />
<br />
<br />
<br />
<br />
N bita(N=16) uz frekvenciju uzorkovanja fs=44,1kHz, daje veliki tok<br />
podataka R=705.6kb/s;<br />
prevelika brzina toka za prijenos (za pohranu može biti OK s<br />
obzirom na današnju veličinu diskova);<br />
smisao kodiranja je reprezentirati informaciju sa što manjim brojem<br />
bitova ali da se još uvijek može transparentno pohraniti, prenijeti i<br />
reproducirati;<br />
kodiranje se uglavnom temelji na korištenju svojstava kvantiziranog<br />
signala i osnova psihoakustike;<br />
filtarski nizovi koji modeliraju frekvencijsko-vremensko ponašanje<br />
ljudskog uha;<br />
transformacijsko kodiranje:koristi različite tipove transformacija<br />
(Fourierova, kosinusna) za reprezentaciju signala i kodiranje<br />
njihovih parametara (kodiranje u frekvencijskoj domeni);
Principi redukcije podataka<br />
<br />
<br />
<br />
Principi redukcije:<br />
Zalihost -razlaganje signala na frekvencijske komponente i<br />
prenosi se informacija o amplitudi, fazi, frekvenciji i trajanju,<br />
obratiti pažnju da se neke amplitude ponavljaju u<br />
vremenskoj i frekvencijskoj domeni;<br />
Entropija koristi svojstvo signala da vjerovatnost<br />
pojavljivanja amplituda nije ista, češće vrijednosti se<br />
kodiraju s manjim brojem bita i obratno;<br />
Nevažnost ili redundancija -odbacivanje komponenti<br />
nevažnih za prijamnik-uho;
Princip rada različitih kodera<br />
- svojstvo govornog signala je da ima veću vjerojatnost poprimanja manjih<br />
vrijednosti u kvantizatoru nego većih vrijednosti:<br />
– uniformna kvantizacija nije optimalna;<br />
– “isplati se” točnije kodirati manje vrijednosti od većih - nelinearna<br />
kvantizacija daje bolju kvalitetu uz jednak broj bita po uzorku;<br />
- uklanjanjem redundancije u signalu može se sažeti zapis;<br />
- na temelju poznavanja svojstava govora, tj. fizioloških<br />
karakteristika govornog trakta, može se napraviti model za reduciranje toka<br />
podataka;<br />
– parametri modela se računaju na temelju stvarnih uzoraka;<br />
– prenose se samo parametri (npr. frekvencijske komponente, a signal<br />
(govora, glazbe)) se rekonstruira (sintetizira) na temelju modela;
Osnovna svojstva kodera<br />
<br />
<br />
<br />
<br />
<br />
<br />
Audio kvaliteta: omjer signal šum i ukupno harmoničko ozobličenje<br />
nisu prikladne veličine za izražavanje kvalitete kodiranog signala;<br />
subjektivni testovi te objektivne metode mjerenja uspoređivanjem<br />
parametara orginalnog signala i kodiranog signala;<br />
Brzina protoka podataka: reprezentacija signala sa što manjim<br />
brojem bitova, interesantno je mijenjanje brzine i kvalitete ovisno o<br />
uvjetima u kanalu;<br />
Kompleksnost kodera: potrošnja energije, složenost algoritma (broj<br />
instrukcija u sekundi), procesorska snaga;<br />
Kašnjenje kodera: tolerantniji na kašnjenje su sustavi koji se koriste<br />
za ‘’audio streaming’’ (100-200ms) dok su sustavima za glasovnu<br />
komunikaciju manje tolerantniji na kašnjenja (VoIP 10-20ms);<br />
Otpornost na pogreške u kanalu (Internet prijenos, utjecaj šuma<br />
koji varira u vremenu) , bolja zaštita prioritetnijim bitovima u<br />
zaglavlju prenešene informacije;
Kompresori i ekspanderi<br />
<br />
<br />
trenutno djelovanje pojačala sa nelinearnom prijenosnom karakteristikom;<br />
kompresor se izrađuje pomoću otporno-diodne mreže<br />
x[k]<br />
kompresija kvantizator koder<br />
x'[k]<br />
dekompresija<br />
dekoder<br />
- bolja rezolucija na nižim razinama i lošija rezolucija na višim razinama;
Kompresor<br />
-različita promjena pojačanja ovisno o omjeru kompresije, primjer 4:1,<br />
4dB dinamike ulaznog signala postaje 1 dB dinamike izlaznog signala
Ekspander<br />
Ista shema kao kompresor:
Nelinearni kvantizator<br />
-već spomenut prije, interval kvantizacije se razlikuje za visoke i niske razine signala<br />
y[k]<br />
x[k]
Osnovna podjela kodera<br />
s obzirom na model signala i na tip analize i sinteze<br />
signala se koderi dijele na: linearne prediktivne (LP),<br />
transformacijske, potpojasne i sinusoidalne;<br />
dijele sa na kodere bez gubitaka (DVD Audio) i kodere<br />
s gubicima (ISO-MPEG, Dolby AC-3…);<br />
kod kodera s gubicima je omjer kompresije 1:25 dok je<br />
kod kodera bez gubitaka omjer kompresije 1:4;<br />
kod subjektivnog ocjenjivanja kodera koristi se ljestvica<br />
‘’Mean Option Score’’ koja opisuje kvalitetu sa: 1 –loše,<br />
2-slabo, -prosječno, 4-vrlo dobro, 5-odlično
Matematička pozadina za<br />
razumijevanje rada kodera<br />
osnove DSP-a (‘’Digital Signal Processing-a);<br />
spektri analognog i diskretnog signala;<br />
Uzorkovanje, preklapanje spektara,<br />
naduzorkovanje, diskretna Fourierova<br />
transformacija, z- transformacija, kosinusna<br />
transformacija, konvolucija, digitalno filtriranje,<br />
jednadžba diferencija;<br />
promjena frekvencije uzorkovanja: naduzorkovanje<br />
i poduzorkovanje (decimacija);
<strong>Prijenos</strong> informacijea o signalu<br />
u frekvencijskoj domeni
Linerno prediktivno kodiranje<br />
<br />
<br />
<br />
kvantiziranje koeficijenata P od M uzoraka signala kojima se<br />
aproksimira ulazni niz diskretnih uzoraka x(n)<br />
cilj je minimizirati snagu signala razlike<br />
d( n) = x( n) − xˆ<br />
( n)<br />
orginalni signal (diskretizirani-nekvantizirani) se propušta kroz<br />
prijenosnu funkciju P(z) da se dobije njegova aproksimacija;<br />
<br />
<br />
kvantizira i entropijski kodira se razlika signala aproksimacije i<br />
orginalnog signala d(n), cilj je da ona bude što manja;<br />
prenose se koeficijenti filtra P(z) kojime se na strani dekodera izvodi<br />
dekodiranje uz prenešeni signal razlike i ovojnicu signala<br />
aproksimacije u frekvencijskoj domeni.
Linearno prediktivno kodiranje-CELP<br />
-propuštanje signala kroz filtarske nizove koji modeliraju karakteristiku ljudskog<br />
govora i sluha;<br />
-modeliranje parametara vokalnog trakta sa digitalnim filtrom kojemu se parametri<br />
sporo mijenjaju (formanti isti (samoglasnici), a konzonantni glasovi se mijenjaju);<br />
-sinteza govora sa inverznim digitalnim filtrom;
Kodiranje na principu entropije<br />
entropija: teorijski odrediti minimalan broj bitova za kodiranje<br />
nekog uzorka audiosignala;<br />
Shannon kaže da je minimalan broj bitova koji je potreban da se<br />
kodira neka poruka X, odgovara entropiji signala;<br />
entropija je mjera kolebljivosti slučajne varijable;<br />
Primjer: Ako je ulazni tok podataka (kvantizirane vrijednosti) X=<br />
[4 5 6 6 2 5 4 4 5 4 4], N=11, simboli kojima se kodira V=[2 4 5<br />
6], ako su vjerovatnosti pojedinih simbola kojima se kodira ulazni<br />
tok podataka [1/11, 5/11, 3/11, 2/11] odrediti entropiju:<br />
<br />
K<br />
He( X ) = −∑<br />
pi ⋅log 2( pi<br />
)<br />
i=<br />
1<br />
Koje kodne riječi bi odabrali za simbole koji se kodiraju i koliki je<br />
ukupan broj bitova za X ako svaka riječ ima isti broj bitova?<br />
da li je moguće smanjiti broj bitova drukčijim odabirom kodnih<br />
riječi?
Primjer 2:<br />
Kodirati ulazni tok uzoraka X=[4 5 6 6 2 5 4 4 1<br />
4 4 ] sa nizom simbola V=[0 1 2 3 4 5 6].<br />
Odrediti vjerovatnosti pojavljivanja pojedinih<br />
uzoraka. Izračunati entropiju signala X.<br />
Predložiti mapiranje uzoraka u simbole (svakom<br />
uzorku jednaki ili nejednaki broj bitova);<br />
Koliki je broj bitova po simbolu ako se odabere<br />
jednaki ili nejednaki broj bitova po simbolu?
Huffmanovo kodiranje<br />
Signal X iz prethodnog zadatka kodirati<br />
Huffmanovim kodom, odrediti tablicu simbola<br />
prema vjerovatnostima pojavljivanja pojedinih<br />
simbola.Koliki je prosječan broj bitova po<br />
simbolu?
Osnovni princip rada kodera s gubicima<br />
<br />
<br />
<br />
koderi dijele ulazni signal u okvire (‘’frame’’) u trajanju od 2 ms do 50 ms<br />
(reakcija ljudskog uha na promjene);<br />
vremensko-frekvencijska analiza signala procijenjuje vremenske i frekvencijske<br />
komponente svakog okvira (potpojasno filtriranje);<br />
komponente koje se prenose određuje karakteristika ljudskog sluha;
Ljudski sluh- krivulja čujnosti<br />
<br />
<br />
ljudsko uho- nelinearan sustav;<br />
ljudsko uho nema jednaku osjetljivost (ni razina ni<br />
frekvencija) u cijelom području čujnih frekvencija;
Ljudsko uho<br />
efekt maskiranja u svakodnevnom životu:<br />
buka automobila maskira razgovor<br />
<br />
maskiranje je psihoakustički efekt kada snažniji zvuk, ili zvuk s nekim<br />
posebnim karakteristikama, posve prekriva neki drugi zvuk i čini ga<br />
nečujnim za slušatelja.
Maskiranje (primjer)<br />
<br />
<br />
Akustičko maskiranje je jedan od osnovnih koncepata na kojima se<br />
temelje svi psihoakustički algoritmi (MPEG).<br />
Zamislite da imate ton frekvencije 1000 Hz i u njegovoj blizini<br />
(frekvencijskoj) ton frekvencije 1100 Hz, ali 18 dB slabiji (tiši). Ovaj<br />
drugi ton nećete čuti – biti će potpuno zakriven, maskiran onim<br />
prvim tonom. Ukoliko, međutim imate ton na 2000 Hz, također 18 dB<br />
slabiji od onog na 1000 Hz – njega ćete čuti jer je frekvencijski<br />
dovoljno udaljen od prvog tona da ga ne zahvaća efekt maskiranja
Utjecaj maskiranja (nevažnost)<br />
-promjena praga čujnosti zbog pobude sinusnim<br />
tonom različitih frekvencija;<br />
-moguće je podizanje razine šuma kvantizacije u okolini glasnijih tonova<br />
(kodiranje s malim brojem bita);<br />
-veći šum kvantizacije znači manji broj bitova kvantizacije i manji tok<br />
podataka;
Vremensko maskiranje<br />
glasnim tonom<br />
maskiranje na temelju razine nekog tona i<br />
vremenske bliskosti drugih tonova s tim tonom;<br />
glasan zvuk pokriva sve obližnje tonove 5ms<br />
prije početka ili 100ms nakon završetka- ‘’pre’’ i<br />
‘’post’’ vremensko maskiranje
Vremensko maskiranje<br />
glasnijim tonom-primjer<br />
-vremensko maskiranje tonova se pojavljuje kada glasniji ton (maskirajući),<br />
frekvencije npr. 1 kHz i razine 60 dB, nalazi pokraj tišeg tona frekvencije 1,1 kHz i<br />
razine 40 dB (nije čujan).<br />
-kad prestane svirati glasniji ton, mjeri se minimalno vrijeme koje je potrebno da<br />
tiši ton postane čujan.<br />
- rezultat vremenskog maskiranja za različite razine testnog tona dok je<br />
maskirajući ton stalne razine dan je slikom (tiši ton postaje čujniji tek nakon nekog<br />
vremena prestanka emitiranja glasnog tona- vrijeme ovisi i o razini tišeg tona)
Efekt frekvencijskog i<br />
vremenskog maskiranja
Kritični pojasevi<br />
<br />
<br />
<br />
<br />
<br />
uho je frekvencijski selektivan uređaj koji dijeli područje<br />
čujnosti (20Hz-20kHz) na 24 pojasa (barka)<br />
nemogućnost uha da razlikuje ulazne signale čiji je<br />
frekvencijski razmak manji od širine kritičnog pojasa;<br />
oblik i organizacija bazilarne membrane omogućuje da se<br />
uho modelira u frekvencijskoj domeni kao niz preklapajućih<br />
filtara;<br />
ti filtri su nelinearni, oblik im ovisi o razinama signala a širina<br />
pojasa ovisi o frekvenciji (na nižim frekvencijama manja<br />
širina pojasa dok je na višim frekvencijama veća);<br />
širina kritičnog pojasa iznosi 100 Hz na niskim<br />
frekvencijama (do 500Hz) pa do više od 4 kHz na krajnjem<br />
frekvencijskom području.
Barkovi i prag čujnosti<br />
-frekvencijsko područje sluha se dijeli u više kritičnih pojaseva koji su nejednake<br />
širine;<br />
- frekvencijske komponente unutar jednog kritičnog pojasa se teško razlučuju.
Ekvivalenti filtri krit. pojaseva
Primjer utjecaja maskiranja<br />
Pojas 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16<br />
Level (dB) 0 8 12 10 6 2 10 60 35 20 15 2 3 5 3 1<br />
1. razina pobude u 8. pojasu je 60 dB<br />
2. ova pobuda podiže prag čujnosti u 7. pojasu za 12 dB, a u 9. pojasu za<br />
15 dB<br />
3. Nove razine u susjednim pojasevima su:<br />
7. pojas 10 – 12 = -2 dB < 0 (prag čujnosti) => zanemariti<br />
9. pojas 35 – 15 = 20 dB > 0 => prenjeti, ali s dinamikom od 20 dB
Maskiranje šumom i tonom<br />
šum lakše maskira čisti ton nego obratno:
Osnove percepcijskog kodiranja <strong>zvuka</strong>elementi<br />
u lancu<br />
<br />
<br />
<br />
<br />
<br />
sakriti razinu šuma kvantizacije ispod praga čujnosti tonskih<br />
komponenti u signalu;<br />
filtarska banka: dekompozira signal u komponente po frekvencijskim<br />
pojasima (i s obzirom na vrijeme);<br />
percepcijski model: koristi ili signal u vremenskoj domeni ili izlaze iz<br />
filtarskih nizova radi određivanja praga maskiranja (koji se mijenja s<br />
vremenom);<br />
Kvantizacija i kodiranje –dodavanje šuma kvantizacije;<br />
pakiranje okvira- sadrži informacije o kvantiziranim i kodiranim<br />
spektralnim koeficijentima i podatke o poziciji bitova
Filtarski nizovi<br />
niska rezolucija (32 potpojasa) i visoka rezolucija 512<br />
potpojasa;<br />
<br />
QMF filtarski nizovi i nizovi temeljeni na wavelet<br />
transformaciji;
MPEG kodiranje<br />
MPEG audio standard opisuje binarni format<br />
podataka i prijenosnu funkciju koja određuje<br />
kodiranje;<br />
MPEG audio standard definira sintaksu<br />
protoka podataka (‘’bitstream’’) i specifikaciju<br />
dekodera;<br />
otvorena arhitektura tog standarda<br />
omogućuje neprestano nadograđivanje i usku<br />
suradnju te primjenu najnovijih dostignućima<br />
iz područja psihoakustike;
Prednosti MPEG kodiranja<br />
izvrsna audio kvaliteta<br />
<br />
<br />
<br />
<br />
<br />
korisno iskorištavanje pojasa<br />
fleksibilan, ekonomičan digitalni prijenos<br />
podataka<br />
prepoznatljivost diljem svijeta<br />
otpornost na pogreške<br />
prihvatljivost u širokom stupnju aplikacija<br />
(radiodifuzija, DAB, ...)
MPEG redukcija toka podataka<br />
<br />
na ulaz u koder se dovodi signal koji se pretvara u digitalni<br />
oblik PCM, a f s se odabire iz niza propisanih standardom: 32<br />
kHz, 44,1 kHz ili 48 kHz.<br />
audio spektar digitaliziranog signala se dijeli u 32<br />
frekvencijska podpojasa tako da se spektar ulaznog signala<br />
podijeli u pojaseve s analizirajućim filtrima.<br />
<br />
širina svakog podpojasa je f s /64. Broj uzoraka koji se gleda u<br />
pojedinačnom okviru ovisi o Layeru (sloju).<br />
za Layer 1 broj uzoraka u okviru iznosi N = 384.<br />
Propuštanjem kroz filtarski niz dobije se N/32 koeficijenta po<br />
podpojasu (Za Layer 1, 12, a za Layer 2, 36 koeficijenata po<br />
podpojasu).
Reduciranje informacije kod<br />
<br />
<br />
<br />
<br />
<br />
MPEG-a<br />
reduciranje informacije se izvodi u frekvencijskoj domeni<br />
korištenjem koeficijenata određivanjem praga energije<br />
maskiranja (‘’treshold’’);<br />
percepcijski model je jezgra svakog MPEG algoritma;<br />
ako je snaga u podpojasu ispod maskirajućeg praga onda se<br />
kodiranje izostavlja jer te komponente uho ionako ne čuje.<br />
određivanje broja bitova za kodiranje koeficijenta<br />
(propuštanjem kroz filtar) se izvodi tako tako da šum<br />
uzrokovan kvantizacijom padne ispod razine maskirajućeg<br />
nivoa.<br />
komprimirana informacija je smještena u okvir u kojemu su<br />
bitovi (kodiranje koeficijenata) alocirani (svaki ima svoj<br />
položaj).
MPEG Layer I i II koder<br />
32 kritična potpojasa sa QMF filtrima (750 Hz širina pojasa, decimacija 32)<br />
<br />
Kod Layer I brzina je 192 kbit/s a kod Layer-2 128 kbit/s
MPEG Layer III<br />
bolja filterska banka i primjena modificirane<br />
kosinusne transformacije;<br />
primjena Huffmanovog kodiranja;
Primjer MPEG redukcije (Layer I)<br />
1- korak je spektralna analiza okvira (u frekvencijskoj<br />
domeni) i normalizacija (pretvaranje u dB u odnosu na<br />
referentnu razinu, usporedba s pragom čujnosti)<br />
-križići su tonske kompnente;<br />
-kružići su netonske<br />
komponente
Postupak MPEG redukcije<br />
(maskiranje)<br />
Model maskiranja<br />
koji se primjenjuje<br />
na spektar pobude
Postupak MPEG redukcije<br />
(podizanje praga čujnosti)<br />
Proračun praga čujnosti uzimajući u obzir tonalnu (harmoničku) i<br />
širokopojasnu (šum) pobudu.
Postupak MPEG redukcije<br />
(podignuti prag)<br />
Konačni prag čujnosti<br />
prema kojem se<br />
računa potreban<br />
odnos S/Š (crtkano)
Osobine pojedinih slojeva<br />
MPEG kodera<br />
<br />
<br />
<br />
Layer 1. Koristi filtarski niz s jednim okvirom i jednaku<br />
širinu po pojasu. Psihoakustički model koristi samo<br />
frekvencijsko maskiranje.<br />
Layer 2. Koriste se tri okvira u jednom filtru (3*384 uzorka<br />
= 1152 uzorka). Uz frekvencijsko maskiranje ovaj model<br />
koristi i djelomično vremensko maskiranje.<br />
Layer 3. Bolja podjela frekvencijskih pojaseva<br />
(nejednolika širina), koristi vremensko maskiranje, uzima<br />
u obzir redundantnost stereo signala, koristi Huffmanovo<br />
kodiranje.
Objektivno i subjektivno testiranje<br />
kvalitete kodera<br />
<br />
<br />
<br />
<br />
temelji se na usporedbi objektivnih parametara orginalnog<br />
signala i signala nakon dekodiranja;<br />
PESQ (Perceptual Speech Evaluation of Audio Quality),<br />
glasnoća šuma (NL), procjenjivala je percipiranu glasnoću<br />
izobličenja unesenog procesom kodiranja i dekodiranja.<br />
Izobličenje ili šum definira se kao razlika između ulaznog i<br />
izlaznog govornog signala, te se gleda za svaki vremenski<br />
okvir od cca 20ms;
Subjektivne ocjene MPEG<br />
kodera (različiti slojevi)<br />
Ocjene: 5 - savršeno, 4 - jedva primjetno izobličenje, 3 - malo iritirajuće<br />
izobličenje, 2 - iritirajuće izobličenje, 1 - vrlo iritirajuće izobličenje
Audio-koderi
MPEG 4<br />
<br />
obuhvaća različite metode kodiranja audio signala i multimedijskih<br />
informacija;<br />
kodiranje govora (CELP na principu LP do 24 kbit/s, HVXC do 4<br />
kbit/s)<br />
<br />
<br />
kodiranje glazbe ( parametarski koderi reprezentiranjem signala<br />
sinusiodama i odgovarajuće pogreške-šuma kvantizacije)<br />
reprezentacija signala u parametarskom obliku (variranje<br />
parametara s vremenom):
Blok shema bežičnog<br />
komunikacijskog sustava<br />
Izvor<br />
informacije<br />
Kvantizacija/<br />
kodiranje<br />
izvora inf.<br />
Kanalno<br />
kodiranje<br />
Modulator<br />
Demodulator<br />
RF dio:filter,<br />
pojačalo,<br />
mješalo<br />
Pojačalo<br />
Kanalno dekodiranje<br />
Dekodiranje<br />
izvorne<br />
informacije<br />
Informacija
Kanalno kodiranje<br />
<br />
<br />
<br />
bavi se načinima otkrivanja i smanjenja pogrešaka u<br />
komunikacijskom sustavu;<br />
ovakvo kodiranje dozvoljava porast toka korisnih informacija uz<br />
fiksni tok pogrešnih podataka ili reduciranje pogrešaka uz fiksni<br />
ukupni tok podataka;<br />
dva osnovna načina kontrole pogrešaka:<br />
a) Automatski zahtjev za ponovnim podacima (‘’Automatic Repeat<br />
Request’’), kada se detektira pogrešno poslana poruka;<br />
b) Kodovi za ispravljanje pogrešaka (FEC=‘’Forward Error<br />
Correction’’), poruke se šalju sa kodom koji omogućava<br />
ispravljanje pogreški;<br />
-ARRQ se koristi kada je komunikacija u ‘’duplex ‘’ (dvosmjerna)<br />
načinu rada;<br />
-FEC u slučaju jednosmjerne komunikacije i kada se zahtjeva<br />
komunikacija u realnom vremenu
Kanalno kodiranje<br />
Princip: dodavanje redundancije da se ukloni pogreška<br />
Izvor<br />
Odašiljač<br />
Prijamnik<br />
Prijam<br />
1 1 0 1<br />
1 1 0 1<br />
1 1 0 1 1 1 0 0<br />
1 0 0 1 1 1 0 1<br />
Kanalni koder<br />
Kanal<br />
Kanalni<br />
dekoder
Kanalno kodiranje<br />
dva osnovna principa kanalnog kodiranja: kodiranje<br />
blokova (‘’block coding’’) i konvolucijsko kodiranje;<br />
Kodiranje blokova: kada se k bitova koji predstavljaju<br />
informaciju proširi na n bitova sa Huffmanovim kodom<br />
ili CRC kodiranjem (‘’Cyclic Redundancy Check’’);<br />
<br />
kod konvolucijskog kodiranja sadržaj trenutne kodne<br />
riječi ovisi i o prethodno poslanom bloku;<br />
dekoder određuje da li je poslana informacija točna ili<br />
je pod utjecajem šuma;