Công nghệ nén âm thanh dải rộng MP3

Công nghệ nén âm thanh dải rộng MP3 MỤC LỤC I.Tìm hiểu công nghệ nén âm thanh số mp3 3 I.1 Cơ bản âm thanh dải rộng 3 I.2 Công nghệ xử lý nén âm thanh MP3 3 I.2.1 Chuẩn MPEG1 3 I.1.2 Bitrate 4 I.1.3 Tần số lấy mẫu 4 I.1.4 Một số kĩ thuật nén dữ liệu 5 I.3 Công nghệ nén âm thanh MP3 6 I.2.1 Sơ đồ mã hóa MP3 6 I.2.2 Băng lọc ánh xạ (Analysis filterbank) 7 I.2.3 Modified discrete cosine transform (MDCT) 8 I.2.4 Fast Fourier Transform (FFT) 9 I.2.5 Mô hình âm thanh tri giác (Psychoacoustic Model) 9 I.2.6 Lượng tử hóa không đồng dạng (Nonuniform Quantization) 11 I.2.7 Mã hóa Huffman 13 II. So sánh sơ đồ công nghệ nén âm thanh MP3 so với sơ đồ mã hóa tiếng nói theo chuẩn G729 ITUT và giải thích sự khác nhau 14 II.1. Sơ đồ mã hóa tiếng nói theo chuẩn G729 ITUT 14 II.2. So sánh 2 sơ đồ nén và giải thích 14 III. Khảo sát các ứng dụng và thử nghiệm chất lượng âm thanh mp3 16 III.1 Những tiêu chí đánh giá chất lượng âm thanh : 16 III.2 Công cụ để đánh giá chất lượng âm thanh 16 III.3 Tiến hành đánh giá chất lượng âm thanh. 17 IV. Phân tích ảnh hưởng CODEC đến chất lượng âm thanh mp3. 21 IV.1 CODEC. 21 IV.2 CODEC ảnh hưởng đến chất lượng âm thanh mp3 . 21 V. Bổ sung kiến thức buổi báo cáo bài tập lớn và tài liệu tham khảo. 22 V.1. Bổ sung kiến thức buổi báo cáo bài tập lớn. 22 V.2. Tài liệu tham khảo 23

TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI VIỆN CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG  BÁO CÁO BÀI TẬP LỚN TRUYỀN THÔNG ĐA PHƯƠNG TIỆN Đề tài:Công nghệ nén âm thanh dải rộng MP3 Giáo viên hướng dẫn : PGS.TS NGUYỄN THỊ HOÀNG LAN Nhóm sinh viên: 1. Nguyễn Đức Mạnh 20101862 2. Cao Thanh Hoàng 20101569 3. Trịnh Công Nam 20101926 HÀ NỘI 12-2014 1 MỤC LỤC I.Tìm hiểu công nghệ nén âm thanh số mp3 I.1Cơ bản âm thanh dải rộng Bản chất của âm thanh là tín hiệu, dựa trên dải tần của tín hiệu người ta chia thành 2 loại như sau: • Âm thanh dải tần cơ sở (âm thanh tiếng nói thoại) với dải tần số từ 300Hz đến 4KHz • Âm thanh tiếng nói dải rộng (tiếng nói trình diễn, hát, âm nhạc…) với dải tần số từ 100Hz đến 20KHz. Âm thanh đầu vào của quá trình nén file mp3 là âm thanh dải rộng . I.2Công nghệ xử lý nén âm thanh MP3 I.2.1 Chuẩn MPEG-1 Tổ chức tiêu chuẩn quốc tế (ISO) là một liên đoàn quốc tế nhằm mục đích là tạo thuận lợi cho việc trao đổi hàng hóa quốc tế và các dịch vụ bằng cách đưa ra các chuẩn quốc tế. MPEG (Moving Picture Experts Group) là một chuẩn phổ biến được quy định để mã hóa/nén của hình ảnh động, âm thanh và sự kết hợp của chúng. Tiêu chuẩn này có đặc tính chung, có nghĩa là bất kỳ bộ giải mã nào sử dụng chuẩn này đều có khả năng giải mã một luồng bit được tạo ra bởi một bộ mã hóa ngẫu nhiên sử dụng cùng một chuẩn. Hơn nữa, việc đảm bảo chất lượng cho hình ảnh và âm thanh cũng là hết sức cần thiết. Quá trình phát triển bắt đầu vào năm 1988 và hoàn thành vào năm 1992 đã cho ra chuẩn MPEG-1. Chuẩn này bao gồm ba thành phần khác nhau: • Phần âm thanh • Phần hình ảnh • Phần hệ thống. Phần hệ thống là một mô tả cách thức truyền tải nhiều tín hiệu âm thanh và hình ảnh dựa trên sự sắp xếp của một phương tiện duy nhất. Việc sử dụng chuẩn MPEG-1 cho phép truyền tải hình ảnh và kết hợp với âm thanh với bitrate trong khoảng 1-2Mbits/s. Đối với phàn âm thanh, có ba mức độ nén và phức tạp được định nghĩa: Layer I, Layer II và Layer III. Tăng độ phức tạp yêu cầu bằng thông để truyền ít hơn kể từ lúc các 2 chương trình nén bắt đầu trở nên có hiệu quả hơn. Bảng 4,1 sẽ cho thấy tốc độ truyền cần thiết cho mỗi Layer : Lớp thứ ba nén một file âm thanh PCM gốc bằng thừa số của 12 mà không có bất kỳ sự giảm chất lượng đáng chú ý nào, làm cho layer này nén có hiệu quả nhất và phức tạp nhất trong ba layer. Chuẩn MPEG-1 Layer III thường được gọi là MP3. . I.1.2 Bitrate Bitrate là một tùy chọn người dùng mà đã được thiết lập trước khi mã hóa. Nó sẽ thông báo cho các bộ mã hóa về số lượng dữ liệu được phép chạy cho mỗi giây của âm thanh không nén. Điều này cho phép người dùng có cơ hội lựa chọn chất lượng của luồng dữ liệu được mã hóa. Chuẩn Layer III định ra các bitrate trong khoảng từ 8 kbit/s đến 320 kbit/s , mặc định thường là 128 kbit/s. Một thông số bitrate cao hơn có nghĩa là các mẫu sẽ được đo chính xác hơn đem đến một âm thanh có chất lượng được cải thiện hơn. I.1.3 Tần số lấy mẫu Độ phân giải âm thanh chủ yếu phụ thuộc vào tần số lấy mẫu, mà có thể được xác định bằng số lần trên một giây tín hiệu được lưu trữ. Một bitrate cao sẽ cho độ chính xác cao hơn về một giá trị lấy mẫu trong khi một tần số lấy mẫu cao cho phép có khả năng lưu trữ được nhiều hơn các giá trị, mà lần lượt đưa ra một phổ tần số rộng hơn. Các kiểu kênh Có bốn kiểu kênh khác nhau được định nghĩa: • Kênh đơn • Kênh đôi ( các kênh được mã hóa đọc lập với nhau) • Stereo • Joint Stereo 3 Chú ý: Kênh đôi được tạo ra bởi hai kênh đơn độc lập với nhau. Mỗi cái sẽ sử dụng chính xác một nửa bitrate của file. Hầu hết các bộ giải mã đều xuất chúng ra dưới dạng stereo, nhưng không phải trong tất cả các trường hợp đều thế. I.1.4 Một số kĩ thuật nén dữ liệu Các lý thuyết về nén dữ liệu lần đầu tiên được xây dựng bởi Claud E. Shannon vào năm 1949 khi ông đưa ra luận văn của mình “A Mathematical Theory of Communication”. Ông đã chứng minh được rằng, trong một giới hạn nhất định thì ta có thể nén dữ liệu mà không làm mất mát thông tin trong đó.Điều này có nghĩa là khi dữ liệu bị nén được giải nén thì luông dữ liệu bit sẽ giống hệt với luồng dữ liệu bit ban đầu. Kiểu nén dữ liệu này được gọi là “lossless” - nén không mất mát thông tin . Giới hạn này, hệ số entropy, phụ thuộc vào xác suất các chuỗi bit nhất định của dữ liệu. Có thể nén dữ liệu với hệ số nén tiến gần tới hệ số entropy. Lưu ý rằng hệ số entropy chỉ được áp dụng để nén mà không làm mất mát dữ liệu. Ngoài nén không làm mất mát dữ liệu cũng có nén nhưng làm mất mát dữ liệu. Dữ liệu được giải nén ở đây không được chính xác như dữ liệu gốc ban đầu. Thay vào đó một khối lượng thông tin bị biến dạng nhất định được phép xảy ra. Nén bị mất mát thông tin có thể được chấp nhận đối với các nguồn như là lời nói và hình ảnh mà ta không cần biết tất cả các chi tiết để hiểu được. Sau đây, ta sẽ tìm hiểu về ba kỹ thuật nén không mất mát cơ bản. Runlength Encoding (RLE) Thay cho việc ta sử dụng bốn bit cho các bit 0 đầu tiên kế tiếp nhau thì một cách đơn giản là chỉ ra có bốn bit 0 kế tiếp nhau. Điều này chỉ có ý nghĩa khi chuỗi bit là không ngẫu nhiên, và đó là một tập các bit kế tiếp nhau. Move To Front Encoding (MTF) Đây là kỹ thuật lý tưởng cho các chuỗi với thuộc tính mà sự xuất hiện của một ký tự cho cho thấy nó có nhiều khả năng xảy ran ngay sau đó. Một bảng giống như bảng trong hình 2.1 sẽ được sử dụng. Bảng ban đầu sẽ được xây dựng bởi các vị trí của các ký tự sắp được nén. Bởi vậy, bởi vậy nếu dữ liệu bắt đầu với các ký tự ‘AEHTN…’, N ban đầu sẽ được mã hóa là 5. Các thủ tục tiếp theo sẽ di chuyển N lên đầu bảng. Giả sử ký tự 4 ngay sau đó là N nó sẽ được đại diện bởi 1, giá trị thấp hơn. Đây chính là gốc rễ của mã hóa Entropy, các ký tự hay xảy ra hơn sẽ được mã hóa với giá trị nhỏ hơn. RLE và MTF thường được sử dụng như các thủ tục phụ trong các phương thức khác. Huffman Coding Khái niệm Entropy cũng được áp dụng cho Huffman, vì thế các ký tự thường xuyên xuất hiện hơn sẽ được biểu diễn bằng các mã thấp hơn. Xác suất xuất hiện của các ký tự có thể được xác định rõ trước khi nén. Một cây nhị phân được xây dựng với xác suất xuất hiện cụ thể của mỗi ký tự. Việc mã hóa cho một ký tự nhất định là chuỗi từ gốc cho tới nút là có chưa ký tự đó. Thuật toán “tham lam” được sử dụng cho việc xây dựng cây tối ưu: Tìm hai ký tự với khả năng xuất hiện thấp nhất. Tạo một ký tự mới bằng cách sát nhập hai ký tự đó và thêm xác suất tương ứng của chúng. Nó phải làm thế nào để xem các ký tự đó với một xác suất bằng nhau. Lặp lại bước 1 và bước 2 cho đến khi tất cả các ký tự được đưa vào. Khi giải mã thì bảng xác suất xuất hiện phải được truy xuất đầu tiên. Để biết khi nào sự biểu diễn của một ký tự kết thúc thì cách đơn giản là ta đi theo cây từ gốc tới khi ký tự đó được tìm thấy. I.3 Công nghệ nén âm thanh MP3 5 I.2.1 Sơ đồ mã hóa MP3 Quá trình mã hóa mp3 chia làm 2 giai đoạn : + Encoding time domain : PCM Input , Analysis polyphase Fitterbank , FFT , MDCT with Window . + Encoding frequency domain : Posycho-acoustic Model , Scale and Nonunniform Quantizer , Code of Side Information , Huffman coding , Bitstream Formatting And CRC word generation . File mp3 chia ra thành nhiều frame. Cấu trúc mỗi frame như sau: • Header: chứa thông tin về sysworld(dấu hiệu bắt đầu frame) tấn số lấy mẫu, bitrate, kênh, tầng nén(layer). • Side info: chứa thông tin về cây Huffman, hệ số hiệu chỉnh, thông số lượng tử hóa và lựa chọn cửa sổ. • Main data: chứa dữ liệu phổ đã được mã hóa bằng mã Huffman. 6 • Ancillary data: dữ liệu phụ trợ được thêm bởi người dùng, không được định nghĩa trong chuẩn. • Kích thước cũng là tùy thuộc vào tần số lấy mẫu theo công thức sau: I.2.2 Băng lọc ánh xạ (Analysis filterbank) Một băng lọc được dùng để phân tách tín hiệu vào thành các mẫu nhỏ hơn (trên miền thời gian hoặc tần số) kèm theo đó có thể là một bộ lọc đơn giản. Cùng với băng lọc tương ứng ở bộ giải mã, nó tạo thành một hệ thống phân tích và tổng hợp. Một chuỗi 1152 mẫu PCM được lọc qua 32 subband tương đương phụ thuộc vào tần số Nyquist của tín hiệu PCM. Nếu tần số lấy mẫu của tín hiệu PCM là 44.1 kHz thì tần số Nyquist sẽ là 22.05 kHz. Mỗi subband sẽ có độ rộng xấp xỉ 22050/32 = 689 Hz. Subband thấp nhất sẽ có khoảng từ 0 – 689 Hz, tiếp theo là 689 – 1378… Mỗi mẫu có thể chứa các thành phần tín hiệu từ 0 – 22.05 kHz và sẽ được lọc vào các subband thích hợp. Điều này có nghĩa là số lượng mẫu sẽ được tăng lên theo một nhân tố của 32 khi mỗi subband chứa một phổ con của mẫu. Ví dụ, lọc 100 mẫu sẽ tăng số lượng mẫu lên 3200. 100 mẫu này trong mỗi subband sau đó sẽ được chia cho 32. Số lượng mẫu bây giờ giảm từ 3200 về 100. I.2.3 Modified discrete cosine transform (MDCT) Bằng việc áp dụng một MDCT vào mỗi khung thời gian của các mẫu subband, mỗi subband sẽ được chia thành 18 subband nhỏ hơn, tạo ra 576 dòng tần số. Nhưng trước MDCT, mỗi tín hiệu subband phải được qua hàm cửa sổ. Cửa sổ được dùng để giảm sai số gây ra bởi các cạnh của đoạn tín hiệu thời gian. Có bốn loại cửa sổ khác nhau được định nghĩa trong chuẩn MPEG. Phụ thuộc vào độ của tĩnh của mô hình âm thanh tri giác sẽ quyết định loại cửa sổ nào được áp dụng và chuyển thông tin tới khối này. Nếu mô hình âm thanh tri giác quyết định rằng tín hiệu subband ở khung thời gian hiện tại thể hiện ít sự khác biệt với khung thời gian trước đó thì loại cửa sổ dài được áp dụng nhằm làm tăng cường độ phân giải phổ được đưa ra bởi MDCT. Nếu tín hiệu subband thể hiện sự khác biệt tương đối với khung thời gian trước đó, loại cửa sổ ngắn sẽ được áp dụng. Loại cửa sổ này chứa ba loại cửa sổ ngắn gối lên nhau và sẽ tăng cường độ phân giải thời gian được đưa ra bởi MDCT. Một độ phân giải thời gian cao hơn là cần 7 thiết để kiểm soát thời gian. Để nhận được một sự thích nghi tốt hơn khi chuyển tiếp các cửa sổ, hai loại cửa sổ được định nghĩa là cửa sổ bắt đầu và cửa sổ kết thúc. Một cửa sổ dài trở thành một cửa sổ bắt đầu nếu nó ngay sau nó là một cửa sổ ngắn. Tương tự, một cửa sổ dài trở thành một cửa sổ kết thúc nếu ngay trước nó là một cửa sổ ngắn. Những phần nhiễu tạo ra bởi băng lọc bây giờ được cắt bỏ để làm giảm lượng thông tin cần truyền đi. I.2.4 Fast Fourier Transform (FFT) Cùng lúc khi tín hiệu được xử lý bởi băng lọc, nó cũng được chuyển sang miền tần số bởi một FFT. Cả 1024 và 256 điểm FFT được thực hiện trên 1152 mẫu PCM tại cùng thời điểm để đạt được độ phân giải tần số cao hơn và thông tin trên phổ thay đổi theo thời gian. I.2.5 Mô hình âm thanh tri giác (Psychoacoustic Model) Khối này truy nhập dữ liệu vào từ đầu ra của FFT. Khi các mẫu ở trong miền tần số, chúng có thể áp dụng cho một tập các thuật toán. Các thuật toán này sẽ mô hình cảm giác âm thanh con người và từ đó có thể cung cấp thông tin về phần tín hiệu âm thanh nào nghe được và phần nào không. Thông tin này rất hữu ích để quyết định loại cửa sổ nào cho MDCT áp dụng và cũng là để cung cấp thông tin làm thế nào để lượng tử hóa các dòng tần số cho khối Nonuniform Quantization. 8 Để biết được loại cửa sổ nào được gửi tới khối MDCT, ta sẽ so sánh hai phổ FFT ngay sau đó và hai phổ ngay trước đó. Nếu có sự khác biệt thật sự thì sẽ yêu cầu một cửa sổ ngắn. Ngay khi không còn sự khác biệt, khối MDCT sẽ chuyển lại thành cửa sổ dài. Mô hình âm thanh tri giác cũng phân tích phổ FFT để phát hiện âm chi phối tại mỗi subband để tính toán ngưỡng che. Các thành phần tần số dưới ngưỡng che này sẽ bị lọc. Các ngưỡng giới hạn cho mỗi băng được sử dụng cho khối lượng tử hóa để giữ nhiễu lượng tử hóa dưới những giới hạn này (không bị nghe bởi con người). 9 10 [...]... ITU-T II.2 So sánh hai sơ đồ nén và giải thích Khác nhau về đối tượng: âm thanh mp3 thường là âm thanh dải rộng có tần số là 100 Hz – 20kHz Trong khi đấy âm thanh của tiêng nói nằm từ 300 Hz – 4 kHz Âm thanh mp3 sẽ cần nhiều bit để lưu trữ hơn Mặt khác, 1 phần yêu cầu về dung lượng lưu trữ nên mp3 cần thêm mã hóa để giảm dung lượng lưu trữ Khác nhau về mục đích sử dụng: âm thanh mp3 thường được sử dụng... Âm sắc là sự hòa âm, sự tương tác của những âm chính Âm sắc được biết là phẩm chất của một nốt nhạc hoặc âm thanh Âm sắc giúp phân biệt những loại nhạc cụ khác nhau Những tính chất vật lý của âm thanh ảnh hưởng đến sự nhận thức âm sắc và cường độ của người nghe, cái này được biết đến như là chất lượng âm thanh hay “màu sắc” của âm thanh Biến điệu là sự thay đổi pha và tần số của âm thanh Cao độ là... Trong quá trình nén âm thanh theo chuẩn mpeg 1 – layer3 thì có thể nén được theo nhiều bitrate hoặc tần số lấy mẫu khác nhau.Điều đó đến có rất nhiều các loại nhạc chất lượng khác nhau => Chúng ta phải đánh giá được chất lượng của các file nén .Công cụ Spek cho ta biết phổ tần và từ đó ta có thể đánh giá được chất lượng của âm thanh mp3 20 IV Phân tích ảnh hưởng CODEC đến chất lượng âm thanh mp3 IV.1 CODEC... ta có thể sắp xếp những âm thanh khác nhau thành một chuỗi những âm có mối tương quan với nhau về tần số dao động, tức là độ “cao”, “thấp” của âm thanh phụ thuộc vào tần số giao động Tần số dao động càng lớn thì âm càng cao và ngược lại Tính chân thật của âm thanh có nghĩa là khi người nghe cảm nhận thì âm thanh phát ra từ loa của thiết bị có chân thật không hay là bị méo Tỉ số nén là một thông số nói... hưởng đến chất lượng âm thanh khi mã hóa mp3 là bitrate và tần số lấy mẫu IV.2 CODEC ảnh hưởng đến chất lượng âm thanh mp3 Khi bitrate giảm và tần số lấy mẫu không đổi sẽ làm cho dung lượng file giảm theo , thành phần tần số cao thu được sẽ ít hơn , thành phần tần số thấp sẽ thu được nhiều hơn Khi đấy âm thanh sẽ nghe trầm hơn , và khó nghe do chất lượng âm thanh giảm Không có thanh phần tần số cao... liệu của một file nhạc mp3 Tỉ số nén càng cao thì chất lượng âm thanh càng tốt còn tỉ số nén thấp thì sau khi nén thì dung lượng của file nhạc đã bị cắt giảm rất nhiều nên chất lượng âm thanh kém Bitrate (tốc độ dữ liệu) là đơn vị được đo bởi dung lượng của ổ nhớ cần thiết để lưu một thời gian nhất định của file nhac Có 2 loại tốc độ dữ liệu là tốc độ dữ liệu trước nén và sau nén Tần số lấy mẫu trong... nhất định thì được lấy bao nhiêu mẫu, thì số mẫu đó là tần số lấy mẫu.Tần số này phải thỏa mãn nguyên lý lấy mẫu III.2 Công cụ để đánh giá chất lượng âm thanh Trong phần này thì em chon công cụ spek để đánh giá chất lượng âm thanh Công cụ spek là công cụ phân tích phổ tần của một file âm thanh từ đó ta có thể đánh giá được chất lượng của nó Từ những tiêu chí trên và phổ tần của spek đã cung cấp thì ta... hóa dùng các bảng khác nhau Mã Huffman là một trong những lý do chính khiến cho MP3 có được chất lượng cao tại bitrate thấp.Tất cả thông số bộ mã hóa tạo ra được thu thập để cho phép bộ giải mã tạo ra tín hiệu âm thanh Đây là những thông số trong phần thông tin bên cạnh của khung 12 II So sánh sơ đồ công nghệ nén âm thanh MP3 so với sơ đồ mã hóa tiếng nói theo chuẩn G729 - ITU-T và giải thích sự khác... tập lớn Câu 1: Thế nào là dữ liệu số của âm thanh trước khi nén( định dạng dữ liệu)? Tốc độ dòng dữ liệu? Dữ liệu số của âm thanh trước khi nén là tín hiệu số sử dụng chuẩn định dạng PCM (Pulse – Code Modulation) Âm thanh dải rộng có tốc độ 768 kbit/s còn tiếng nói là 64kbit/s Âm thanh gốc: 1 CD Audio ( định dạng WAV) được sử dụng chuẩn định dạng PCM (Pulse- Code Modulation) Trong tín hiệu, dạng sóng... hơn, chuẩn nén G729 ITU-T sử dụng để thoại nên thường yêu cầu dung lượng thấp do nhu cầu về chất lượng không cao và hạn chế băng thông đường truyền 13 Chất lượng nghe tốt hơn do có ứng dụng mô hình hệ thống thính giác của con người với ưu điểm này còn giảm được dung lượng mp3 14 III Khảo sát các ứng dụng và thử nghiệm chất lượng âm thanh mp3 III.1 Những tiêu chí đánh giá chất lượng âm thanh : Âm sắc là . Cao Thanh Hoàng 20101569 3. Trịnh Công Nam 20101926 HÀ NỘI 12-2014 1 MỤC LỤC I.Tìm hiểu công nghệ nén âm thanh số mp3 I.1Cơ bản âm thanh dải rộng Bản chất của âm thanh là tín hiệu, dựa trên dải. sau: • Âm thanh dải tần cơ sở (âm thanh tiếng nói thoại) với dải tần số từ 300Hz đến 4KHz • Âm thanh tiếng nói dải rộng (tiếng nói trình diễn, hát, âm nhạc…) với dải tần số từ 100Hz đến 20KHz. Âm. âm nhạc…) với dải tần số từ 100Hz đến 20KHz. Âm thanh đầu vào của quá trình nén file mp3 là âm thanh dải rộng . I. 2Công nghệ xử lý nén âm thanh MP3 I.2.1 Chuẩn MPEG-1 Tổ chức tiêu chuẩn quốc tế