Prijenos zvuka - FER

Prijenos zvuka
Redukcija toka podataka-kodiranje bez
gubitaka i s gubicima

Redukcija toka podataka
N bita(N=16) uz frekvenciju uzorkovanja fs=44,1kHz, daje veliki tok
podataka R=705.6kb/s;
prevelika brzina toka za prijenos (za pohranu može biti OK s
obzirom na današnju veličinu diskova);
smisao kodiranja je reprezentirati informaciju sa što manjim brojem
bitova ali da se još uvijek može transparentno pohraniti, prenijeti i
reproducirati;
kodiranje se uglavnom temelji na korištenju svojstava kvantiziranog
signala i osnova psihoakustike;
filtarski nizovi koji modeliraju frekvencijsko-vremensko ponašanje
ljudskog uha;
transformacijsko kodiranje:koristi različite tipove transformacija
(Fourierova, kosinusna) za reprezentaciju signala i kodiranje
njihovih parametara (kodiranje u frekvencijskoj domeni);

Principi redukcije podataka
Principi redukcije:
Zalihost -razlaganje signala na frekvencijske komponente i
prenosi se informacija o amplitudi, fazi, frekvenciji i trajanju,
obratiti pažnju da se neke amplitude ponavljaju u
vremenskoj i frekvencijskoj domeni;
Entropija koristi svojstvo signala da vjerovatnost
pojavljivanja amplituda nije ista, češće vrijednosti se
kodiraju s manjim brojem bita i obratno;
Nevažnost ili redundancija -odbacivanje komponenti
nevažnih za prijamnik-uho;

Princip rada različitih kodera
- svojstvo govornog signala je da ima veću vjerojatnost poprimanja manjih
vrijednosti u kvantizatoru nego većih vrijednosti:
– uniformna kvantizacija nije optimalna;
– “isplati se” točnije kodirati manje vrijednosti od većih - nelinearna
kvantizacija daje bolju kvalitetu uz jednak broj bita po uzorku;
- uklanjanjem redundancije u signalu može se sažeti zapis;
- na temelju poznavanja svojstava govora, tj. fizioloških
karakteristika govornog trakta, može se napraviti model za reduciranje toka
podataka;
– parametri modela se računaju na temelju stvarnih uzoraka;
– prenose se samo parametri (npr. frekvencijske komponente, a signal
(govora, glazbe)) se rekonstruira (sintetizira) na temelju modela;

Osnovna svojstva kodera
Audio kvaliteta: omjer signal šum i ukupno harmoničko ozobličenje
nisu prikladne veličine za izražavanje kvalitete kodiranog signala;
subjektivni testovi te objektivne metode mjerenja uspoređivanjem
parametara orginalnog signala i kodiranog signala;
Brzina protoka podataka: reprezentacija signala sa što manjim
brojem bitova, interesantno je mijenjanje brzine i kvalitete ovisno o
uvjetima u kanalu;
Kompleksnost kodera: potrošnja energije, složenost algoritma (broj
instrukcija u sekundi), procesorska snaga;
Kašnjenje kodera: tolerantniji na kašnjenje su sustavi koji se koriste
za ‘’audio streaming’’ (100-200ms) dok su sustavima za glasovnu
komunikaciju manje tolerantniji na kašnjenja (VoIP 10-20ms);
Otpornost na pogreške u kanalu (Internet prijenos, utjecaj šuma
koji varira u vremenu) , bolja zaštita prioritetnijim bitovima u
zaglavlju prenešene informacije;

Kompresori i ekspanderi
trenutno djelovanje pojačala sa nelinearnom prijenosnom karakteristikom;
kompresor se izrađuje pomoću otporno-diodne mreže
x[k]
kompresija kvantizator koder
x'[k]
dekompresija
dekoder
- bolja rezolucija na nižim razinama i lošija rezolucija na višim razinama;

Kompresor
-različita promjena pojačanja ovisno o omjeru kompresije, primjer 4:1,
4dB dinamike ulaznog signala postaje 1 dB dinamike izlaznog signala

Ekspander
Ista shema kao kompresor:

Nelinearni kvantizator
-već spomenut prije, interval kvantizacije se razlikuje za visoke i niske razine signala
y[k]
x[k]

Osnovna podjela kodera
s obzirom na model signala i na tip analize i sinteze
signala se koderi dijele na: linearne prediktivne (LP),
transformacijske, potpojasne i sinusoidalne;
dijele sa na kodere bez gubitaka (DVD Audio) i kodere
s gubicima (ISO-MPEG, Dolby AC-3…);
kod kodera s gubicima je omjer kompresije 1:25 dok je
kod kodera bez gubitaka omjer kompresije 1:4;
kod subjektivnog ocjenjivanja kodera koristi se ljestvica
‘’Mean Option Score’’ koja opisuje kvalitetu sa: 1 –loše,
2-slabo, -prosječno, 4-vrlo dobro, 5-odlično

Matematička pozadina za
razumijevanje rada kodera
osnove DSP-a (‘’Digital Signal Processing-a);
spektri analognog i diskretnog signala;
Uzorkovanje, preklapanje spektara,
naduzorkovanje, diskretna Fourierova
transformacija, z- transformacija, kosinusna
transformacija, konvolucija, digitalno filtriranje,
jednadžba diferencija;
promjena frekvencije uzorkovanja: naduzorkovanje
i poduzorkovanje (decimacija);

Prijenos informacijea o signalu
u frekvencijskoj domeni

Linerno prediktivno kodiranje
kvantiziranje koeficijenata P od M uzoraka signala kojima se
aproksimira ulazni niz diskretnih uzoraka x(n)
cilj je minimizirati snagu signala razlike
d( n) = x( n) − xˆ
( n)
orginalni signal (diskretizirani-nekvantizirani) se propušta kroz
prijenosnu funkciju P(z) da se dobije njegova aproksimacija;
kvantizira i entropijski kodira se razlika signala aproksimacije i
orginalnog signala d(n), cilj je da ona bude što manja;
prenose se koeficijenti filtra P(z) kojime se na strani dekodera izvodi
dekodiranje uz prenešeni signal razlike i ovojnicu signala
aproksimacije u frekvencijskoj domeni.

Linearno prediktivno kodiranje-CELP
-propuštanje signala kroz filtarske nizove koji modeliraju karakteristiku ljudskog
govora i sluha;
-modeliranje parametara vokalnog trakta sa digitalnim filtrom kojemu se parametri
sporo mijenjaju (formanti isti (samoglasnici), a konzonantni glasovi se mijenjaju);
-sinteza govora sa inverznim digitalnim filtrom;

Kodiranje na principu entropije
entropija: teorijski odrediti minimalan broj bitova za kodiranje
nekog uzorka audiosignala;
Shannon kaže da je minimalan broj bitova koji je potreban da se
kodira neka poruka X, odgovara entropiji signala;
entropija je mjera kolebljivosti slučajne varijable;
Primjer: Ako je ulazni tok podataka (kvantizirane vrijednosti) X=
[4 5 6 6 2 5 4 4 5 4 4], N=11, simboli kojima se kodira V=[2 4 5
6], ako su vjerovatnosti pojedinih simbola kojima se kodira ulazni
tok podataka [1/11, 5/11, 3/11, 2/11] odrediti entropiju:
K
He( X ) = −∑
pi ⋅log 2( pi
)
i=
1
Koje kodne riječi bi odabrali za simbole koji se kodiraju i koliki je
ukupan broj bitova za X ako svaka riječ ima isti broj bitova?
da li je moguće smanjiti broj bitova drukčijim odabirom kodnih
riječi?

Primjer 2:
Kodirati ulazni tok uzoraka X=[4 5 6 6 2 5 4 4 1
4 4 ] sa nizom simbola V=[0 1 2 3 4 5 6].
Odrediti vjerovatnosti pojavljivanja pojedinih
uzoraka. Izračunati entropiju signala X.
Predložiti mapiranje uzoraka u simbole (svakom
uzorku jednaki ili nejednaki broj bitova);
Koliki je broj bitova po simbolu ako se odabere
jednaki ili nejednaki broj bitova po simbolu?

Huffmanovo kodiranje
Signal X iz prethodnog zadatka kodirati
Huffmanovim kodom, odrediti tablicu simbola
prema vjerovatnostima pojavljivanja pojedinih
simbola.Koliki je prosječan broj bitova po
simbolu?

Osnovni princip rada kodera s gubicima
koderi dijele ulazni signal u okvire (‘’frame’’) u trajanju od 2 ms do 50 ms
(reakcija ljudskog uha na promjene);
vremensko-frekvencijska analiza signala procijenjuje vremenske i frekvencijske
komponente svakog okvira (potpojasno filtriranje);
komponente koje se prenose određuje karakteristika ljudskog sluha;

Ljudski sluh- krivulja čujnosti
ljudsko uho- nelinearan sustav;
ljudsko uho nema jednaku osjetljivost (ni razina ni
frekvencija) u cijelom području čujnih frekvencija;

Ljudsko uho
efekt maskiranja u svakodnevnom životu:
buka automobila maskira razgovor
maskiranje je psihoakustički efekt kada snažniji zvuk, ili zvuk s nekim
posebnim karakteristikama, posve prekriva neki drugi zvuk i čini ga
nečujnim za slušatelja.

Maskiranje (primjer)
Akustičko maskiranje je jedan od osnovnih koncepata na kojima se
temelje svi psihoakustički algoritmi (MPEG).
Zamislite da imate ton frekvencije 1000 Hz i u njegovoj blizini
(frekvencijskoj) ton frekvencije 1100 Hz, ali 18 dB slabiji (tiši). Ovaj
drugi ton nećete čuti – biti će potpuno zakriven, maskiran onim
prvim tonom. Ukoliko, međutim imate ton na 2000 Hz, također 18 dB
slabiji od onog na 1000 Hz – njega ćete čuti jer je frekvencijski
dovoljno udaljen od prvog tona da ga ne zahvaća efekt maskiranja

Utjecaj maskiranja (nevažnost)
-promjena praga čujnosti zbog pobude sinusnim
tonom različitih frekvencija;
-moguće je podizanje razine šuma kvantizacije u okolini glasnijih tonova
(kodiranje s malim brojem bita);
-veći šum kvantizacije znači manji broj bitova kvantizacije i manji tok
podataka;

Vremensko maskiranje
glasnim tonom
maskiranje na temelju razine nekog tona i
vremenske bliskosti drugih tonova s tim tonom;
glasan zvuk pokriva sve obližnje tonove 5ms
prije početka ili 100ms nakon završetka- ‘’pre’’ i
‘’post’’ vremensko maskiranje

Vremensko maskiranje
glasnijim tonom-primjer
-vremensko maskiranje tonova se pojavljuje kada glasniji ton (maskirajući),
frekvencije npr. 1 kHz i razine 60 dB, nalazi pokraj tišeg tona frekvencije 1,1 kHz i
razine 40 dB (nije čujan).
-kad prestane svirati glasniji ton, mjeri se minimalno vrijeme koje je potrebno da
tiši ton postane čujan.
- rezultat vremenskog maskiranja za različite razine testnog tona dok je
maskirajući ton stalne razine dan je slikom (tiši ton postaje čujniji tek nakon nekog
vremena prestanka emitiranja glasnog tona- vrijeme ovisi i o razini tišeg tona)

Efekt frekvencijskog i
vremenskog maskiranja

Kritični pojasevi
uho je frekvencijski selektivan uređaj koji dijeli područje
čujnosti (20Hz-20kHz) na 24 pojasa (barka)
nemogućnost uha da razlikuje ulazne signale čiji je
frekvencijski razmak manji od širine kritičnog pojasa;
oblik i organizacija bazilarne membrane omogućuje da se
uho modelira u frekvencijskoj domeni kao niz preklapajućih
filtara;
ti filtri su nelinearni, oblik im ovisi o razinama signala a širina
pojasa ovisi o frekvenciji (na nižim frekvencijama manja
širina pojasa dok je na višim frekvencijama veća);
širina kritičnog pojasa iznosi 100 Hz na niskim
frekvencijama (do 500Hz) pa do više od 4 kHz na krajnjem
frekvencijskom području.

Barkovi i prag čujnosti
-frekvencijsko područje sluha se dijeli u više kritičnih pojaseva koji su nejednake
širine;
- frekvencijske komponente unutar jednog kritičnog pojasa se teško razlučuju.

Ekvivalenti filtri krit. pojaseva

Primjer utjecaja maskiranja
Pojas 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Level (dB) 0 8 12 10 6 2 10 60 35 20 15 2 3 5 3 1
1. razina pobude u 8. pojasu je 60 dB
2. ova pobuda podiže prag čujnosti u 7. pojasu za 12 dB, a u 9. pojasu za
15 dB
3. Nove razine u susjednim pojasevima su:
7. pojas 10 – 12 = -2 dB < 0 (prag čujnosti) => zanemariti
9. pojas 35 – 15 = 20 dB > 0 => prenjeti, ali s dinamikom od 20 dB

Maskiranje šumom i tonom
šum lakše maskira čisti ton nego obratno:

Osnove percepcijskog kodiranja zvukaelementi
u lancu
sakriti razinu šuma kvantizacije ispod praga čujnosti tonskih
komponenti u signalu;
filtarska banka: dekompozira signal u komponente po frekvencijskim
pojasima (i s obzirom na vrijeme);
percepcijski model: koristi ili signal u vremenskoj domeni ili izlaze iz
filtarskih nizova radi određivanja praga maskiranja (koji se mijenja s
vremenom);
Kvantizacija i kodiranje –dodavanje šuma kvantizacije;
pakiranje okvira- sadrži informacije o kvantiziranim i kodiranim
spektralnim koeficijentima i podatke o poziciji bitova

Filtarski nizovi
niska rezolucija (32 potpojasa) i visoka rezolucija 512
potpojasa;
QMF filtarski nizovi i nizovi temeljeni na wavelet
transformaciji;

MPEG kodiranje
MPEG audio standard opisuje binarni format
podataka i prijenosnu funkciju koja određuje
kodiranje;
MPEG audio standard definira sintaksu
protoka podataka (‘’bitstream’’) i specifikaciju
dekodera;
otvorena arhitektura tog standarda
omogućuje neprestano nadograđivanje i usku
suradnju te primjenu najnovijih dostignućima
iz područja psihoakustike;

Prednosti MPEG kodiranja
izvrsna audio kvaliteta
korisno iskorištavanje pojasa
fleksibilan, ekonomičan digitalni prijenos
podataka
prepoznatljivost diljem svijeta
otpornost na pogreške
prihvatljivost u širokom stupnju aplikacija
(radiodifuzija, DAB, ...)

MPEG redukcija toka podataka
na ulaz u koder se dovodi signal koji se pretvara u digitalni
oblik PCM, a f s se odabire iz niza propisanih standardom: 32
kHz, 44,1 kHz ili 48 kHz.
audio spektar digitaliziranog signala se dijeli u 32
frekvencijska podpojasa tako da se spektar ulaznog signala
podijeli u pojaseve s analizirajućim filtrima.
širina svakog podpojasa je f s /64. Broj uzoraka koji se gleda u
pojedinačnom okviru ovisi o Layeru (sloju).
za Layer 1 broj uzoraka u okviru iznosi N = 384.
Propuštanjem kroz filtarski niz dobije se N/32 koeficijenta po
podpojasu (Za Layer 1, 12, a za Layer 2, 36 koeficijenata po
podpojasu).

Reduciranje informacije kod
MPEG-a
reduciranje informacije se izvodi u frekvencijskoj domeni
korištenjem koeficijenata određivanjem praga energije
maskiranja (‘’treshold’’);
percepcijski model je jezgra svakog MPEG algoritma;
ako je snaga u podpojasu ispod maskirajućeg praga onda se
kodiranje izostavlja jer te komponente uho ionako ne čuje.
određivanje broja bitova za kodiranje koeficijenta
(propuštanjem kroz filtar) se izvodi tako tako da šum
uzrokovan kvantizacijom padne ispod razine maskirajućeg
nivoa.
komprimirana informacija je smještena u okvir u kojemu su
bitovi (kodiranje koeficijenata) alocirani (svaki ima svoj
položaj).

MPEG Layer I i II koder
32 kritična potpojasa sa QMF filtrima (750 Hz širina pojasa, decimacija 32)
Kod Layer I brzina je 192 kbit/s a kod Layer-2 128 kbit/s

MPEG Layer III
bolja filterska banka i primjena modificirane
kosinusne transformacije;
primjena Huffmanovog kodiranja;

Primjer MPEG redukcije (Layer I)
1- korak je spektralna analiza okvira (u frekvencijskoj
domeni) i normalizacija (pretvaranje u dB u odnosu na
referentnu razinu, usporedba s pragom čujnosti)
-križići su tonske kompnente;
-kružići su netonske
komponente

Postupak MPEG redukcije
(maskiranje)
Model maskiranja
koji se primjenjuje
na spektar pobude

Postupak MPEG redukcije
(podizanje praga čujnosti)
Proračun praga čujnosti uzimajući u obzir tonalnu (harmoničku) i
širokopojasnu (šum) pobudu.

Postupak MPEG redukcije
(podignuti prag)
Konačni prag čujnosti
prema kojem se
računa potreban
odnos S/Š (crtkano)

Osobine pojedinih slojeva
MPEG kodera
Layer 1. Koristi filtarski niz s jednim okvirom i jednaku
širinu po pojasu. Psihoakustički model koristi samo
frekvencijsko maskiranje.
Layer 2. Koriste se tri okvira u jednom filtru (3*384 uzorka
= 1152 uzorka). Uz frekvencijsko maskiranje ovaj model
koristi i djelomično vremensko maskiranje.
Layer 3. Bolja podjela frekvencijskih pojaseva
(nejednolika širina), koristi vremensko maskiranje, uzima
u obzir redundantnost stereo signala, koristi Huffmanovo
kodiranje.

Objektivno i subjektivno testiranje
kvalitete kodera
temelji se na usporedbi objektivnih parametara orginalnog
signala i signala nakon dekodiranja;
PESQ (Perceptual Speech Evaluation of Audio Quality),
glasnoća šuma (NL), procjenjivala je percipiranu glasnoću
izobličenja unesenog procesom kodiranja i dekodiranja.
Izobličenje ili šum definira se kao razlika između ulaznog i
izlaznog govornog signala, te se gleda za svaki vremenski
okvir od cca 20ms;

Subjektivne ocjene MPEG
kodera (različiti slojevi)
Ocjene: 5 - savršeno, 4 - jedva primjetno izobličenje, 3 - malo iritirajuće
izobličenje, 2 - iritirajuće izobličenje, 1 - vrlo iritirajuće izobličenje

Audio-koderi

MPEG 4
obuhvaća različite metode kodiranja audio signala i multimedijskih
informacija;
kodiranje govora (CELP na principu LP do 24 kbit/s, HVXC do 4
kbit/s)
kodiranje glazbe ( parametarski koderi reprezentiranjem signala
sinusiodama i odgovarajuće pogreške-šuma kvantizacije)
reprezentacija signala u parametarskom obliku (variranje
parametara s vremenom):

Blok shema bežičnog
komunikacijskog sustava
Izvor
informacije
Kvantizacija/
kodiranje
izvora inf.
Kanalno
kodiranje
Modulator
Demodulator
RF dio:filter,
pojačalo,
mješalo
Pojačalo
Kanalno dekodiranje
Dekodiranje
izvorne
informacije
Informacija

Kanalno kodiranje
bavi se načinima otkrivanja i smanjenja pogrešaka u
komunikacijskom sustavu;
ovakvo kodiranje dozvoljava porast toka korisnih informacija uz
fiksni tok pogrešnih podataka ili reduciranje pogrešaka uz fiksni
ukupni tok podataka;
dva osnovna načina kontrole pogrešaka:
a) Automatski zahtjev za ponovnim podacima (‘’Automatic Repeat
Request’’), kada se detektira pogrešno poslana poruka;
b) Kodovi za ispravljanje pogrešaka (FEC=‘’Forward Error
Correction’’), poruke se šalju sa kodom koji omogućava
ispravljanje pogreški;
-ARRQ se koristi kada je komunikacija u ‘’duplex ‘’ (dvosmjerna)
načinu rada;
-FEC u slučaju jednosmjerne komunikacije i kada se zahtjeva
komunikacija u realnom vremenu

Kanalno kodiranje
Princip: dodavanje redundancije da se ukloni pogreška
Izvor
Odašiljač
Prijamnik
Prijam
1 1 0 1
1 1 0 1
1 1 0 1 1 1 0 0
1 0 0 1 1 1 0 1
Kanalni koder
Kanal
Kanalni
dekoder

Kanalno kodiranje
dva osnovna principa kanalnog kodiranja: kodiranje
blokova (‘’block coding’’) i konvolucijsko kodiranje;
Kodiranje blokova: kada se k bitova koji predstavljaju
informaciju proširi na n bitova sa Huffmanovim kodom
ili CRC kodiranjem (‘’Cyclic Redundancy Check’’);
kod konvolucijskog kodiranja sadržaj trenutne kodne
riječi ovisi i o prethodno poslanom bloku;
dekoder određuje da li je poslana informacija točna ili
je pod utjecajem šuma;