Codificaci£³n de audio MPEG Caracter£­sticas de la compresi£³n de...

download Codificaci£³n de audio MPEG Caracter£­sticas de la compresi£³n de audio MPEG-1 Las frecuencias de muestreo

of 23

  • date post

    26-Sep-2020
  • Category

    Documents

  • view

    0
  • download

    0

Embed Size (px)

Transcript of Codificaci£³n de audio MPEG Caracter£­sticas de la compresi£³n de...

  • Codificación de audio MPEG

    Álvaro Pardo

  • Características del sistema auditivo

    � La sensibilidad del oído es logarítmico respecto a la frecuencia � Varía con la frecuencia � La discriminación en frecuencia es de 2Hz (a 1kHz) � Cambios de intensidad por encima de 1dB son detectados � El oído humano es sensible a frecuencias entre 20 Hz y 20 kHz � Existen una conjunto de bandas críticas en frecuencia. Algunos

    fenómenos perceptivos son consistentes con las existencia de estas bandas. Por ejemplo, la percepción de una señal en presencia de otra da diferentes resultados si ambas están en una misma banda crítica o no.

  • Introducción al estándar de compresión de audio MPEG-1

    � Es un estándar genérico para la compresión de audio. – No hace ninguna hipótesis respecto a la fuente de

    audio. Puede ser: voz, música, etc. – Explota las características de sistema auditivo

    para eliminar componentes perceptualmente irrelevantes (que no son percibidas) y de esta forma reducir la cantidad de información.

    – Puede codificar cualquier señal que deba ser escuchada por el oído humano.

  • Características de la compresión de audio MPEG-1

    � Las frecuencias de muestreo son: 32, 44.1 y 48 kHz � Cuatro modos de codificación

    – Monofónico – Doble Monofónico (dos canales independientes) – Estéreo – Estéreo conjunto (usa la correlación entre los dos canales)

    � Soporta bitrates desde 32 kbps a 224 kbps que equivalen a una factor de compresión entre 24 y 2.7.

  • Características de la compresión de audio MPEG-1: Modos de compresión

    � Capa 1 (MP1) – Es la más simple. – Funciona bien con bitrates mayores 128 kbps – Ejemplo: Philips Digital Compact Cassette (DCC) 192 kbps

    � Capa 2 (MP2) – Complejidad intermedia – Pensada para 128 kbps por canal

    � Capa 3 (MP3) – La más compleja pero de mejor calidad de audio – Funciona correctamente alrededor de 64 kbps por canal

  • Estructura del codificador

    Calcula las partes perceptualmente irrelevantes del sonido de entrante

    Pasa el sonido PCM de entrada al dominio de la frecuencia

    dividiéndolo en 32 subbandas

    Aloja bits a cada subbanda de acuerdo al modelo

    psicoacústico

    Genera el bitstream de salida en formato MPEG

  • El Filtro Polifase 1

    � Es común a los tres modos de codificación � Divide a la señal de audio en 32 bandas frecuenciales

    de igual ancho � La descomposición tiene buena resolución temporal y

    razonable definición frecuencial � Se utiliza una ventana de 512 muestras para el

    procesamiento. � Se utiliza un buffer de 512 muestras y en cada ciclo de

    introducen 32 nuevas muestras

  • Ejemplo de codificación en subbandas

    SubmuestreoFiltrado

    Q

    Q

    Q

    Cuantificación Multiplexado

    16x48kHz =768 kbps 16x3x48kHz=2304 kbps

    16x3x16kHz=768 kbps

    “El truco es elegir donde gastar los bits”Aumentó del bitrate!!!

    16x16kHz + 8x16kHz + 4x16kHz =448 kbps !!!

    Modelos psicoacústicos

  • El Filtro Polifase 3

    � La salida para subanda i es:

    � Se puede escribir como:

    ∑ =

    −= 511

    0

    ][][][ n

    i nHntxiS

    ]64[]64[]][[][ 63

    0

    7

    0

    jkXjkCkiMiS k j

    ++=∑ ∑ = =

     

      

     −+= 64

    )16)(12( cos]][[

    πki kiM

    Ventana de análisis

    Muestras

    Coeficientes del

    filtro de análisis

     

      

     −+= 64

    )16)(12( cos][][

    πni nhnH i

  • El Filtro Polifase 4

    1. Se enventana la señal

    2. Cálculo parcial

    3. Se calculan las 32 subbandas

    511,...,0 ][][][ =⋅= iiXiCiZ

    63,...,0 ]64[][ 7

    0

    =+=∑ =

    ijiZiY j

    ∑ =

    ⋅= 63

    0

    ]][[][][ k

    kiMiYiS

  • El Filtro Polifase 5

  • El Filtro Polifase 6: h[n]

  • El Filtro Polifase 7: Problemas

    � El proceso no es reversible sin pérdidas � Existe solapamiento entre las diferentes bandas � Las bandas no se corresponden con las bandas críticas

    A baja frecuencia una banda crítica es cubierta por varias subbandas

  • Psicoacústica

    � La compresión se basa en la eliminación de informac ión perceptualmente irrelevante .

    � Es decir en la incapacidad del sistema auditivo para detectar los errores de cuantificación en condiciones de enmascaramiento.

    � El enmascaramiento ocurre cuando la presencia de una señal “fuerte” hace que una señal “más débil” cercana, en frecuencia o en el tiempo, no sea percibida.

    � Se sabe que la resolución del sistema auditivo es limitada y dependiente de la frecuencia. Esta dependencia con la frecuencia se puede formular en función de las bandas críticas.

    � Las bandas críticas tiene un ancho de unos 100 Hz a bajas frecuencias y 4000 Hz en altas frecuencias.

  • Psicoacústica 1

    � En función de la existencia de las bandas críticas, el umbral de detección del ruido de cuantificación depende únicamente de la potencia de la señal en un entorno de la misma.

    � El estándar MPEG divide la señal en bandas de frecuencia que se aproximan a las bandas críticas, y luego cuantifica cada subbanda en función del umbral de detección del ruido dentro de esa banda.

  • Psicoacústica 2: Enmascaramiento en frecuencia

    Umbral Absoluto : Se obtiene haciendo escuchar un tono en silencio. Se aumenta la amplitud hasta que comienza a ser audible.

    Se fija un tono enmascarador de cierta amplitud (ejemplo 1kHz 60 dB). Para cada tono de test cercano se aumenta la amplitud hasta que sea apenas audible y así se define el umbral de enmascaramiento.

  • Psicoacústica 3: Enmascaramiento en el tiempo

    Si escuchamos un sonido fuerte demoramos unos segundos en poder detectar sonidos más débiles.

    Premasking Postmasking

  • El modelo psicoacústico

    � El modelo psicoacústico analiza la señal de audio y calcula la cantidad de ruido que se puede introducir en función de la frecuencia (en cada banda de frec.).

    � Esto es equivalente a decir que calcula la “cantidad de enmascaramiento” en función de la frecuencia.

    � El codificador usa esta información para decidir la mejor manera de gastar los bits disponibles.

    � El estándar provee dos modelos psicoacústicos de diferente complejidad.

  • El modelo psicoacústico: 1) Representación frecuencial

    � Utiliza una representación frecuencial diferente al filtro polifase dado que requiere mayor resolución en frecuencia para poder calcular los umbrales de enmascarameinto. Utiliza la transformada de Fourier.

    � El modelo I utiliza 512 muestras y el modelo II utiliza 1024 muestras.

  • El modelo psicoacústico: 2) Separación tonal – no-tonal

    � Se separan las componentes espectrales en tonales y no-tonales dado que el fenómeno de enmascaramiento es diferente en cada caso.

    – El modelo I identifica los componentes tonales mediante la detección de los picos en el espectro. Luego junta todo el resto y los etiqueta como componentes no-tonales dentro de cada banda crítica.

    – El modelo II define un índice de tonalidad en función de la frecuencia. Luego se usa este índice para interpolar entre tono enmascarando ruido y ruido enmascarando tono.

  • El modelo psicoacústico: 3) Cálculo de los umbrales de enmascaramiento

    � En función de los umbrales calculados para las bandas críticas se deben extraer umbrales para cada subbanda.

    � Los modelos I y II implementan diferentes técnicas. � Esencialmente buscan el umbral mínimo en cada

    subbanda. � En función de estos umbrales se calcula la relación

    señal/enmascaramiento. – (Energía de la señal)/(umbral mínimo de la subbanda)

  • El modelo psicoacústico: Ejemplo

    Señal original en frecuencia

    Umbral de enmsacaramiento sin umbral absoluto y con umbral absoluto

    -El umbral absoluto aumenta el umbral de enmsacaramiento en altas frecuencias,

    -La sinusoide enmascara las frecuencias adyacentes.

    Relación señal/enmascaramiento

    Se puede aumentar el ruido de cuantificación

  • MPEG Layer 3: MP3

    � Mejora los resultados del filtro polifase mediante la utilización de una transformada MDCT (Modified DCT) para mejorar la precisión en frecuencia.

    � La mejorar resolución frecuencial empeora la resolución temporal (esto introduce problemas de pre-eco que son predecidos y corregidos).

    � Se utilizan códigos de Huffman para codificar las muestras cuantificadas.

    � La distribución de los bits se hace en forma iterativa para reducir la cantidad de ruido.