29

Multimedia Tools (Fach) / 03 - Audiocodierung (Lektion)

Audiocodierung

Diese Lektion wurde von Renato erstellt.

Lektion lernen

zurück  |  weiter 1 / 1

Anzeige
  • Parametrische Codierung Inhalte werden strukturell / inhaltlich beschrieben.Dadurch:+ nachbearbeitbar+ unabhängig vom Ausgabemedium immer bestmöglicheAusgabequalität+ leichter Zugang zu Bedeutung / Wesen der Information- Leistungsfähige Analyse bei natürlichen Inhalten nötig- Synthese aufwendig- mäßige Qualität bei natürlichen Inhalten==>Besonders geeignet für künstliche / synthetische Inhalte
  • Wellenformcodierung Inhalte werden abgetastet / gerastert und transformiert.Dadurch:+ geringer analytischer Aufwand (mit Ausnahmen)+ kein Rendern, stattdessen Decodierung+ sehr gute Qualität möglich bei natürl. wie künstl. Inhalten- nur bedingt nachbearbeitbar- bedingt skalierbar, dann aber- festgelegte Qualität bzw. Qualitätsstufen==> Besonders geeignet für natürliche Inhalte
  • Ziele der Audiocodierung  Reduzieren des benötigten Speicherplatzes / der benötigten    Übertragungsdatenrate unter Beibehaltung einer möglichst    hohen wahrgenommenen Qualität des Audiosignals   ==> d.h. Senken der Bitrate gegenüber dem uncodierten Signal      ==>d.h. Steigern des Kompressionsverhältnisses
  • Grundsätze der Datenreduktion Unterschiedliche Arten der Reduktion:• Redundanzreduktion  ==> Verlustlose (Lossless) Codierung• zusätzlich Irrelevanzreduktion  ==> Verlustbehaftete (Lossy) Codierung
  • Verlustlose Audiocodierung Auf Audiocodierung übertragbar: es existiert eine (theoretische) Grenze für verlustlose Codierung. Je besser der Codier-Algorithmus, desto näher kommt man dieser Grenze. ABER: Grenze ist stark von Eigenschaften (u.a.Regelmäßigkeit) des Signals abhängig. Beispiele:> Shorten>WaveZip>AudioZip>WavArc>Pegasus>Sonarc>etc.
  • Psychoakustik - Aufbau des Ohrs Außenohr[Pinna>Ohrkanal>Trommelfell] ==> Mittelohr [Gehörknöchelchen]==> Innenohr[Bogengänge>eustachische Röhre>Cochlea mit dem cortischen Organ(Ovales und rundes Fenster)] Schallausbreitung bis zum Trommelfell erfolgt in Luft und ab dem ovalen Fenster in Flüssigkeit==>Impedanzanpassung durch Gehörknöchelchen (Hammer, Amboss und                                 Steigbügel) Impedanz = Widerstand der einer Schwingung entgegengesetzt wird Muskeln im Mittelohr: M. tensor tympani am Hammer verändert Trommelfellspannung ==>wahrscheinlich zur Verringerung von Klirren bei hohen Frequenzen M. stapedius kann den Steigbügel aus dem ovalen Fenster heraushebeln==> schützt Innenohr vor zu hohen Schallintensitäten
  • Querschnitt Cochlea Mensch: Ca. 3500 innere Haarzellen Ca. 12000 äußere Haarzellen Äußere Haarzellen dienen zur Dynamikanpassung und erhöhen Frequenzselektivität Innere Haarzellen sind direkt mit Nervenzellen verbunden: mechanische Bewegung führt zu Nerven „feuern“ Wanderwelle auf der Basilarmembran führt je nach Frequenz zur Auslenkung der Membran an bestimmten Orten==> Frequenzselektivität der Basilarmembran
  • Aufbau auditives Organ und auditiver Cortex Aufsteigende und absteigende Nervenfasern Cochlea Kerne: Monoaurale Merkmalsextraktion Olivenkomplex: Auswertung von binauralen Merkmalen (Laufzeitdifferenzen           und Intensitätsdifferenzen) Colliculus Inferior: Auswertung spektraler Unterschiede zwischen linkem und rechtem Ohr Höhere Verarbeitungsstufen: Ansteigende Abstraktion der Merkmalsextraktion sowie Zuordnung von Bedeutung und Überführung in eine symbolische Repräsentation
  • Eigenschaften des Gehörs - Hörvermögen • Frequenzbereich 16 Hz bis ca. 16 kHz für komplexe Töne• bei jungen Menschen bis über 20 kHz für Einzeltöne• Abstand Ruhehörschwelle - Schmerzgrenze max. 130 dB• Abstand Ruhehörschwelle – Schädigungsgrenze 90 dB und mehr (je nachSignal)• bei Anwendung der 6 dB-pro-Bit-Regel(Der darstellbare Dynamikbereich eines Signals erweitert sich mit jedemzusätzlichen Bit der Quantisierungswortlänge um 6dB.):==> 17 Bit Quantisierungstiefe ausreichend
  • Frequenzgruppe ("critical bands") Eine Methode zur Messung der Frequenzgruppe:• 2 Töne, die jeder für sich so schwach sind, dass sie unhörbar sind, können gemeinsam hörbar werden, falls sie im Frequenzbereich nah zusammenstehen• den Frequenzbereich, innerhalb dessen beide Töne gemeinsam hörbar sind, nennt man Frequenzgruppe oder „critical band“• es gibt keine feste Einteilung der Cochlea in Frequenzgruppen, jedoch kann man sagen, dass es 24 Frequenzgruppen gibt, die sich auf der Cochlea nicht überlappen
  • Anzeige
  • Frequenzgruppen • annähernd konstante Auflösung bei niedrigen Frequenzen   ==> lineare Skala• annähernd konstante relative Auflösung bei höheren Frequenzen   ==> logarithmische Skala• gemessene Frequenzauflösung des Gehörs abhängig vom Experiment   ==> Bark-Skala, Mel-Skala, ERB-Skala, …• nicht zu verwechseln mit der Frequenzauflösung des Gehörs
  • Frequenzauflösung Problem der Messung: sprunghafte Umschaltung zwischen einzelnen Frequenzen erzeugt wahrnehmbare Klicks==> kontinuierliche Veränderung der Frequenz durch Frequenzmodulationeine „reinen“ Tons mit       +/- ∆f       die Modulationsfrequenz sollte bei ca. 4 Hz liegen (hier sind wir am empfindlichsten für eine         Frequenzmodulation)
  • Maskierungseffekte – Verdeckung im Frequenzbereich Verdeckung hängt ab von:• Frequenzabstand von Maskierer und maskiertem Ton (aufgehörangepasster Skala)• Frequenzlage des Maskierers• Schalldruckpegel des Maskierers (obere Flanke)• Struktur des Maskierers (Rauschen oder Ton)• Struktur des verdeckten Schalls (Rauschen oder Ton
  • Das „13 dB Wunder“ Wenn man Musik mit weißem Rauschen überlagert, so dass der Signalrauschabstand SNR = 13 dB beträgt, ist das Rauschen deutlich hörbar. Versteckt man dieselbe Rauschleistung unter der Signalleistung (bei gleichem SNR), wird das Rauschen unhörbar.
  • Maskierungseffekte – Verdeckung im Zeitbereich Verdeckung hängt ab von: zeitliche Lage der Signale Dauer des Maskierers Struktur des Maskierers Schalldruckpegel des Maskierers Frequenzabstand und Amplitudenunterschied von Maskierer und maskiertem Ton
  • Binaurales Hören Richtungshören durch Vergleich der beiden Ohrsignale, d.h. durch Auswertung von interauralen Merkmalen: Laufzeitdifferenzen:Durch den Ohrenabstand und die Kopfform erreicht der Schall die Ohren je nach Einfallsrichtung mit verschiedener Verzögerung. Pegeldifferenzen:akustische Abschattung durch den Kopf führt zur unterschiedlichen Dämpfung des Schalls auf dem Weg zu den Ohren, abhängig u.a. von der Einfallsrichtung des Schalls  Head-Related Transfer Function (HRTF):richtungsabhängige Veränderung des Klangs an jedem Ohr Verwendung z.B. auch in der Kunstkopfstereofonie ==> Mensch lernt HRTFs suboptimal
  • Binaurales Hören - Relevanz für die Audiocodierung • Mithörschwellen binaural in der Regel niedriger als monaural - binaural masking level differences (BMLD)• siehe auch Joint Stereo Coding bei MP3, Parametric Stereo bei HE-AAC
  • Gehörangepasste Audiocodierung – Encoder und Decoder Encoder:erzeugt aus Audiosignal einen seriellen Bitstrom-Analysefilterbank-Quantisierung und Codierung-Schätzung der Mithörschwelle(Simultanverdeckung; Verdeckung im Zeitbereich; Stereo             Effekte)==> Erzeugen eines seriellen BitstromsDecoder:erzeugt aus einem seriellen Bitstrom ein Audiosignal-Dekodierung und Rekonstruktion-Synthesefilterbank==>Audiosignal
  • Filterbänke Funktion:• Unterteilung des Klangspektrums in mehrere Teilbereiche (Teilbänder)• Quantisierung + Codierung der einzelnen Teilbänder• Unterschiedliche Namen sind in Gebrauch:   Transformationscodierung und Teilbandcodierung• Teilbandfilterung:   gleich- oder ungleichförmige Aufteilung des Spektrums in wenige Bänder,   kann mit Hilfe einer Transformation berechnet werden• ==> die mathematischen Konzepte sind identisch
  • Vorecho Ein Vorecho ist eine durch den Encoder verursachte Störung im Audiosignal, die vor demauslösenden akustischen Ereignis hörbar wird Entstehung:• Audiosignal wird blockweise (in Zeitfenstern) codiert• das bei der Codierung entstehende Quantisierungsrauschen wird über das gesamte Zeitfenster verteilt• das Quantisierungsrauschen ist vor dem Audiosignal, welches das Rauschen verdecken soll, hörbar
  • MDCT und Fensterumschaltung Modifizierte Diskrete Cosinus Transformation (MDCT)• Kritische Abtastung  ==> keine Erhöhung der Koeffizientenzahl durch Überlappung• Wird erreicht durch Auslöschung von Alias-Komponenten im  ==> Zeitbereich (time domain aliasing cancellation TDAC)• Anpassung der Fensterlänge und/oder der Fensterform an die  ==> Kurzzeitstatistik des Eingangssignals (vergl. Vorecho)• Blockumschaltung bei transienten Signale Fensterumschaltung• Blockumschaltung bei transienten Signale• Erhöhung der Zeitauflösung aber Verringerung der Frequenzauflösung• Quantisierungsrauschen verteilt sich auf einen kleineren Block
  • MPEG-1 Audio Layer 1 • Einfache Komplexität• Marktname: PASC• Anwendung: z.B. Philips DCC (hat sich nicht durchgesetzt)• Polyphasenfilterbank mit 32 Frequenzbändern• bei Abtastrate 48 kHz Rahmenlänge 8 ms• gleichförmige Quantisierung (uniform quantizer)
  • MPEG-1 Audio Layer 2 • Mittlere Komplexität• Marktname: MUSICAM• Anwendungen: DVB, DAB, Astra Digital Radio, …• Filterbank wie Layer 1• bei Abtastraste 48 kHz Rahmenlänge 24 ms• gleichförmige Quantisierung (uniform quantizer)• effizientere Codierung der quantifizierten Koeffizienten als in Layer 1• Stereocodierung (joint stereo coding)
  • MPEG-1 Audio Layer 3 • Höhere Komplexität als Layer 1 und Layer 2• Marktname: MP3• Anwendungen: Musik auf Computern und portablen Geräten, Internetradio• Hybrid-Filterbank aus Polyphasenfilterbank mit 32 Bändern und MDCT mit 18 bzw. 6 Linien       Frequenzauflösung 576 Linien• bei Abtastrate 48 kHz Rahmenlänge 24 ms• nicht-gleichförmige Quantisierung• Huffman-Codierung der quantisierten Koeffizienten• zusätzliche Methoden der Stereocodierung
  • MPEG-2 Audio Funktionalität:• zusätzliche Abtastraten: 16 kHz, 22.05 kHz, 24 kHz• Mehrkanalübertragung 5.1 (wird nicht mehr eingesetzt)• Unterstützung für Mehrsprachigkeit (nicht verwendet)• später hinzugefügt:   • Advanced Audio Coding (AAC)
  • MPEG-2 AAC (Advanced Audio Coding) • MDCT mit 2048 bzw. 256 Samples Fensterlänge• gemeinsame Codierung der „kurzen“ Blöcke• Anwendung: z.B. Shops wie iTunes Store, Streaming• nicht-gleichförmige Quantisierung (wie MP3)• Huffman-Codierung der quantisierten Koeffizienten• Codierung von Skalenfaktoren mittels Huffman-Code• Zusätzliche Techniken: Temporal Noise Shaping (TNS, Reduzierung von Vorechos) bzw. optional Prädiktion (Signalschätzung aus Vorgeschichte)
  • MPEG-4 Audio Esperanto des Multimedia:Von Text-to-Speech über Sprachcoder bis High-Quality-Audio zusätzliche Funktionalitäten MPEG-4 / AAC:• Skalierbarkeit• Fehlerrobustheit• Low DelayMit der File-Endung .m4a ist MPEG-4 AAC die StandardAudiocodierungdes iTunes music shop
  • MPEG-4 HE-AAC (High Efficiency Advanced Audio Coding) Basiert auf MPEG-4 AACSynonyme: aacPlus, AAC+Anwendung v.a. für niedrige Bitraten z.B. bei Streaming und Broadcasting, z.B. in mobilen Geräten (DVB-H, DMB), für Digitalradio (DAB+, DRM)Erweiterungen gegenüber MPEG-4 / AAC:• Spectral Band Replication (SBR) – codiert hochfrequente spektrale Anteile, steigert                     Kompressionsraten• Parametric Stereo (PS; seit HE-AAC version 2, „Enhanced AAC+“) –  codiert Richtungsinformationen, erlaubt Senkung der Bitrate
  • einige Verfahren außerhalb von MPEG Dolby AC-3 (Dolby Digital)• MDCT als Filterbank, keine Entropie-Codierung• weit verbreitet: Kino-Ton, DVD• Teil des amerikanischen Fernsehstandards (ATSC) (Ogg) Vorbis: freier Open-Source CodecLucent PAC (ähnlich AAC)Microsoft Windows Media AudioSony ATRAC• in der MiniDisc verwendet• verschiedene Varianten auch für Übertragung

zurück  |  weiter 1 / 1