Статья: О цифровом звуке

О  цифровом  звуке Справочные данные В последнее время возможности  мультимедийного оборудования  значительно выросли, однако этой  области почему­то не уделяется  достаточно внимания. Рядовой  пользователь страдает от нехватки  информации и вынужден учиться лишь  на собственном опыте и ошибках. Этой  статьей мы постараемся устранить это  досадное недоразумение. Данная статья  ориентирована на рядового  пользователя и ставит своей целью  помочь ему разобраться в  теоретических и практических основах  цифрового звука, выявить возможности и основные приемы его использования.  Что именно мы знаем о звуковых  возможностях компьютера, кроме того,  что в нашем домашнем компьютере  установлена звуковая плата и две  колонки? К сожалению, вероятно из­за  недостаточности литературы или по  каким­либо другим причинам, но  пользователь, чаще всего, не знаком ни с чем, кроме встроенного в Windows  микшера аудио входов/выходов и  Recorder’а. Единственное использование звуковой карты, которое находит  простой пользователь – это вывод звука  в играх, да прослушивание коллекции  аудио. А, ведь, даже самая простая на  сегодняшний день звуковая плата,  установленная почти в каждом  компьютере, умеет намного больше ­  она открывает широчайшие  возможности для всех, кто любит и  интересуется музыкой и звуком, а для  тех, кто хочет создавать свою музыку,  звуковая карта может стать всемогущим инструментом. Для того чтобы узнать  что же умеет компьютер в области звука нужно только поинтересоваться и перед  вами откроются возможности, о которых вы, может быть, даже не  догадывались. И все это не так сложно,  как может показаться на первый взгляд.  Некоторые факты и понятия, без которых тяжело обойтись: В соответствии с теорией математика  Фурье, звуковую волну можно  представить в виде спектра входящих в  нее частот.  Частотные составляющие спектра ­  это синусоидальные колебания (так  называемые чистые тона), каждое из  которых имеет свою собственную  амплитуду и частоту. Таким образом,  любое, даже самое сложное по форме колебание (например, человеческий  голос), можно представить суммой  простейших синусоидальных колебании  определенных частот и амплитуд. И  наоборот, сгенерировав различные  колебания и наложив их друг на друга  (смикшировав, смешав), можно  получить различные звуки.  Справка: человеческий слуховой  аппарат/мозг способен различать  частотные составляющие звука в  пределах от 20 Гц до ~20 КГц (верхняя  граница может колебаться в  зависимости от возраста и других  факторов). Кроме того, нижняя граница  сильно колеблется в зависимости от  интенсивности звучания.  Оцифровка звука и его хранение на цифровом носителе «Обычный» аналоговый звук  представляется в аналоговой  аппаратуре непрерывным  электрическим сигналом. Компьютер  оперирует с данными в цифровом виде.  Это означает, что и звук в компьютере  представляется в цифровом виде. Как же происходит преобразование  аналогового сигнала в цифровой?  Цифровой звук – это способ  представления электрического сигнала  посредством дискретных численных  значений его амплитуды. Допустим, мы  имеем аналоговую звуковую дорожку  хорошего качества (говоря «хорошее  качество» будем предполагать  нешумную запись, содержащую  спектральные составляющие из всего  слышимого диапазона частот –  приблизительно от 20 Гц до 20 КГц) и  хотим «ввести» ее в компьютер (то есть  оцифровать) без потери качества. Как  этого добиться и как происходит  оцифровка? Звуковая волна – это некая  сложная функция, зависимость  амплитуды звуковой волны от времени.  Казалось бы, что раз это функция, то  можно записать ее в компьютер «как  есть», то есть описать математический  вид функции и сохранить в памяти  компьютера. Однако практически это  невозможно, поскольку звуковые  колебания нельзя представить  аналитической формулой (как y=x2,  например). Остается один путь – описать функцию путем хранения ее  дискретных значений в определенных  точках. Иными словами, в каждой точке времени можно измерить значение  амплитуды сигнала и записать в виде  чисел. Однако и в этом методе есть свои недостатки, так как значения  амплитуды сигнала мы не можем  записывать с бесконечной точностью, и  вынуждены их округлять. Говоря иначе,  мы будем приближать эту функцию по  двум координатным осям –  амплитудной и временной (приближать  в точках – значит, говоря простым  языком, брать значения функции в  точках и записывать их с конечной  точностью). Таким образом, оцифровка  сигнала включает в себя два процесса ­  процесс дискретизации (осуществление  выборки) и процесс  квантования. Процесс дискретизации ­  это процесс получения значений  величин преобразуемого сигнала в  определенные промежутки времени. Квантование ­ процесс замены  реальных значений сигнала  приближенными с определенной  точностью (рис. 3).  Таким образом, оцифровка – это фиксация амплитуды сигнала через  определенные промежутки времени и  регистрация полученных значений  амплитуды в виде округленных  цифровых значений (так как значения  амплитуды являются величиной  непрерывной, нет возможности  конечным числом записать точное  значение амплитуды сигнала, именно  поэтому прибегают к округлению).  Записанные значения амплитуды  сигнала называются отсчетами.  Очевидно, что чем чаще мы будем  делать замеры амплитуды (чем выше  частота дискретизации) и чем меньше  мы будем округлять полученные  значения (чем больше уровней  квантования), тем более точное  представление сигнала в цифровой  форме мы получим. Оцифрованный  сигнал в виде набора последовательных  значений амплитуды можно сохранить.  Теперь о практических проблемах. Во­ первых, надо иметь в виду, что память  компьютера не бесконечна, так что  каждый раз при оцифровке необходимо  находить какой­то компромисс между  качеством (напрямую зависящим от использованных при оцифровке  параметров) и занимаемым  оцифрованным сигналом объемом.  Во­вторых, согласно теореме  Котельникова частота дискретизации  устанавливает верхнюю границу частот  оцифрованного сигнала, а именно,  максимальная частота спектральных  составляющих равна половине частоты  дискретизации сигнала. Попросту  говоря, чтобы получить полную  информацию о звуке в частотной полосе до 22050 Гц, необходима дискретизация  с частотой не менее 44.1 КГц.  Существуют и другие проблемы и  нюансы, связанные с оцифровкой звука.  Не сильно углубляясь в подробности  отметим, что в «цифровом звуке» из­за  дискретности информации об  амплитуде оригинального сигнала  появляются различные шумы и  искажения (под фразой «в цифровом  звуке есть такие­то частоты и шумы»  подразумевается, что когда этот звук  будет преобразован обратно из  цифрового вида в аналоговый, то в его  звучании будут присутствовать упомянутые частоты и шумы). Так,  например, джиттер (jitter) – шум,  появляющийся в результате того, что  осуществление выборки сигнала при  дискретизации происходит не через  абсолютно равные промежутки времени, а с какими­то отклонениями. То есть,  если, скажем, дискретизация  проводится с частотой 44.1 КГц, то  отсчеты берутся не точно каждые  1/44100 секунды, а то немного раньше,  то немного позднее. А так как входной  сигнал постоянно меняется, то такая  ошибка приводит к «захвату» не совсем  верного уровня сигнала. В результате во время проигрывания оцифрованного  сигнала может ощущаться некоторое  дрожание и искажения. Появление  джиттера является результатом не  абсолютной стабильности аналогово­ цифровых преобразователей. Для  борьбы с этим явлением применяют  высокостабильные тактовые  генераторы. Еще одной неприятностью  является шум дробления. Как мы  говорили, при квантовании амплитуды  сигнала происходит ее округление до  ближайшего уровня. Такая погрешность  вызывает ощущение «грязного» звучания.  Небольшая справка: стандартные  параметры записи аудио компакт­ дисков следующие: частота  дискретизации ­ 44.1 КГц, уровень  квантования – 16 бит. Такие параметры  соответствуют 65536 (216) уровням  квантования амплитуды при взятии ее  значений 44100 раз в секунду.  На практике, процесс оцифровки  (дискретизация и квантование сигнала)  остается невидимым для пользователя ­  всю черновую работу делают  разнообразные программы, которые  дают соответствующие команды  драйверу (управляющая подпрограмма  операционной системы) звуковой карты. Любая программа (будь то встроенный в Windows Recorder или мощный звуковой редактор), способная осуществлять  запись аналогового сигнала в  компьютер, так или иначе оцифровывает сигнал с определенными параметрами,  которые могут оказаться важными в  последующей работе с записанным  звуком, и именно по этой причине важно понять как происходит процесс оцифровки и какие факторы влияют на  ее результаты.  Преобразование звука из цифрового вида в аналоговый Как после оцифровки прослушивать  звук? То есть, как преобразовывать его  обратно из цифрового вида в  аналоговый?  Для преобразования дискретизованного  сигнала в аналоговый вид, пригодный  для обработки аналоговыми  устройствами (усилителями и  фильтрами) и последующего  воспроизведения через акустические  системы, служит цифроаналоговый  преобразователь (ЦАП). Процесс  преобразования представляет собой  обратный процесс дискретизации: имея  информацию о величине отсчетов  (амплитуды сигнала) и беря  определенное количество отсчетов в  единицу времени,  путем интерполирования происходит  восстановление исходного сигнала (рис.  4). Еще совсем недавно воспроизведение  звука в домашних компьютерах было  проблемой, так как компьютеры не  оснащались специальными ЦАП.  Сначала в качестве простейшего  звукового устройства в компьютере  использовался встроенный динамик (PC  speaker). Вообще говоря, этот динамик  до сих пор имеется почти во всех PC, но никто уже не помнит как его  «раскачать», чтобы он заиграл. Если  вкратце, то этот динамик присоединен к порту на материнской плате, у которого есть два положения – 1 и 0. Так вот,  если этот порт быстро­быстро включать  и выключать, то из динамика можно  извлечь более­менее правдоподобные  звуки. Воспроизведение различных  частот достигается за счет того, что  диффузор динамика обладает конечной  реакцией и не способен мгновенно  перескакивать с места на место, таким образом он «плавно раскачивается»  вследствие скачкообразного изменения  напряжения на нем. И если колебать его с разной скоростью, то можно получить  колебания воздуха на разных частотах.  Естественной альтернативой динамику  стал так называемый Covox – это  простейший ЦАП, выполненный на  нескольких подобранных  сопротивлениях (или готовой  микросхеме), которые обеспечивают  перевод цифрового представления  сигнала в аналоговый – то есть в  реальные значения амплитуды. Covox  прост в изготовлении и поэтому он  пользовался успехом у любителей  вплоть до того времени, когда звуковая  карта стала доступной всем.  В современном компьютере звук  воспроизводится и записывается с  помощью звуковой карты,  подключаемой либо встроенной в  материнскую плату компьютера. Задача  звуковой карты в компьютере – ввод и  вывод аудио. Практически это означает, что звуковая карта является тем  преобразователем, который переводит  аналоговый звук в цифровой и обратно. Если описывать упрощенно, то работа  звуковой карты может быть пояснена  следующим образом. Предположим, что  на вход звуковой карты подан  аналоговый сигнал и карта включена  (программно) в режим записи. Сначала  входной аналоговый сигнал попадает в  аналоговый микшер, который  занимается смешением сигналов и  регулировкой громкости и баланса.  Микшер необходим, в частности, для  предоставления возможности  пользователю управлять уровнями  записи. Затем отрегулированный и  сбалансированный сигнал попадает в  аналогово­цифровой преобразователь,  где сигнал дискретизуется и квантуется, в результате чего в компьютер по шине  данных направляется бит­поток,  который и представляет собой  оцифрованный аудио сигнал. Вывод  аудио информации почти аналогичен  вводу, только происходит в обратную  сторону. Поток данных, направленный в  звуковую карту, преодолевает цифро­ аналоговый преобразователь, который  образует из чисел, описывающих  амплитуду сигнала, электрический  сигнал; полученный аналоговый сигнал может быть пропущен через любые  аналоговые тракты для дальнейших  преобразований, в том числе и для  воспроизведения. Надо отметить, что  если звуковая карта оборудована  интерфейсом для обмена цифровыми  данными, то при работе с цифровым  аудио никакие аналоговые блоки карты  не задействуются.  Способы хранения цифрового звука Для хранения цифрового звука  существует много различных способов.  Как мы говорили, оцифрованный звук  являет собой набор значений амплитуды сигнала, взятых через определенные  промежутки времени. Таким образом,  во­первых, блок оцифрованной аудио  информации можно записать в файл  «как есть», то есть  последовательностью чисел (значений  амплитуды). В этом случае существуют  два способа хранения информации. Первый ­ PCM (Pulse Code Modulation ­  импульсно­кодовая модуляция) ­ способ цифрового кодирования сигнала при  помощи записи абсолютных значений  амплитуд (бывают знаковое или  беззнаковое представления). Именно в  таком виде записаны данные на всех  аудио CD.  Второй способ ­ ADPCM (Adaptive Delta PCM ­ адаптивная относительная  импульсно­кодовая модуляция) – запись значений сигнала не в абсолютных, а в  относительных изменениях амплитуд  (приращениях). Во­вторых, можно сжать или упростить данные так, чтобы они  занимали меньший объем памяти,  нежели будучи записанными «как есть».  Тут тоже имеются два пути.  Кодирование данных без потерь  (lossless coding) ­ это способ  кодирования аудио, который позволяет  осуществлять стопроцентное  восстановление данных из сжатого  потока. К такому способу уплотнения  данных прибегают в тех случаях, когда  сохранение оригинального качества  данных критично. Например, после  сведения звука в студии звукозаписи,  данные необходимо сохранить в архиве  в оригинальном качестве для  возможного последующего  использования. Существующие сегодня  алгоритмы кодирования без потерь  (например, Monkeys Audio) позволяют  сократить занимаемый данными объем  на 20­50%, но при этом обеспечить  стопроцентное восстановление оригинальных данных из полученных  после сжатия. Подобные кодеры – это  своего рода архиваторы данных (как  ZIP, RAR и другие), только  предназначенные для сжатия именно  аудио.  Имеется и второй путь кодирования, на  котором мы остановимся чуть  подробнее, – кодирование данных с  потерями (lossy coding). Цель такого  кодирования ­ любыми способами  добиться схожести звучания  восстановленного сигнала с оригиналом  при как можно меньшем объеме  упакованных данных. Это достигается  путем использования различных  алгоритмов «упрощающих»  оригинальный сигнал (выкидывая из  него «ненужные» слабослышимые  детали), что приводит к тому, что  декодированный сигнал фактически  перестает быть идентичным оригиналу,  а лишь похоже звучит. Методов сжатия,  а также программ, реализующих эти  методы, существует много. Наиболее  известными являются MPEG­1 Layer  I,II,III (последним является всем  известный MP3), MPEG­2 AAC (advanced audio coding), Ogg Vorbis,  Windows Media Audio (WMA), TwinVQ  (VQF), MPEGPlus, TAC, и прочие. В  среднем, коэффициент сжатия,  обеспечиваемый такими кодерами,  находится в пределах 10­14 (раз). Надо  особо подчеркнуть, что в основе всех  lossy­кодеров лежит использование так  называемой психоакустической модели,  которая как раз и занимается  «упрощением» оригинального сигнала.  Говоря точнее, механизм подобных  кодеров выполняет анализ кодируемого  сигнала, в процессе которого  определяются участки сигнала, в  определенных частотных областях  которых имеются неслышные  человеческому уху нюансы  (замаскированные или неслышимые  частоты), после чего происходит их  удаление из оригинального сигнала.  Таким образом, степень сжатия  оригинального сигнала зависит от  степени его «упрощения»; сильное  сжатие достигается путем  «агрессивного упрощения» (когда кодер «считает» ненужными множественные  нюансы), такое сжатие, естественно,  приводит к сильной деградации качества, поскольку удалению могут  подлежать не только незаметные, но и  значимые детали звучания.  Как мы сказали, современных lossy­ кодеров существует достаточно много.  Наиболее распространенный формат –  MPEG­1 Layer III (всем известный  MP3). Формат завоевал свою  популярность совершенно заслуженно –  это был первый распространенный  кодек подобного рода, который достиг  столь высокого уровня компрессии при  отличном качестве звучания. Сегодня  этому кодеку имеется множество  альтернатив, выбор остается за  пользователем. К сожалению, рамки  статьи не позволяют привести здесь  тестирования и сравнения  существующих кодеков, однако авторы  статьи позволят себе привести  некоторую информацию, полезную при  выборе кодека.  Итак, преимущества MP3 – широкая  распространенность и достаточно  высокое качество кодирования, которое объективно улучшается благодаря  разработкам различных кодеров MP3 энтузиастами (например, кодер Lame).  Мощная альтернатива MP3 – кодек  Microsoft Windows Media Audio  (Файлы .WMA и .ASF). По различным  тестам этот кодек показывает себя от  «как MP3» до «заметно хуже MP3» на  средних битрейтах, и, чаще, «лучше  MP3» на низких битрейтах. Ogg Vorbis  (файлы .OGG) – совершенно свободный  от лицензирования кодек, создаваемый  независимыми разработчиками. Чаще  всего ведет себя лучше MP3,  недостатком является лишь малая  распространенность, что может стать  критическим аргументом при выборе  кодека для длительного хранения аудио. Вспомним и еще молодой кодек MP3  Pro, анонсированный в июле 2001 года  компанией Coding Technologies  совместно с Thomson Multimedia. Кодек является продолжением, или, точнее,  развитием старого MP3 – он совместим  с MP3 назад (полностью) и вперед  (частично). За счет использования новой технологии SBR (Spectral Band  Replication), кодек ведет себя заметно  лучше других форматов на низких  битрейтах, однако качество  кодирования на средних и высоких