CHƯƠNG 1 : GIỚI THIỆU VỀ ÂM THANH SỐ 1.1 Khái quát âm thanh số Dạng chung nhất của quá trình thu âm thanh số là dạng điều biến mã xung PCM (pulse code modulation). Đây là dạng mà phần lớn các đĩa compact và các tệp WAV sử dụng. Trong phần cứng thu thanh dạng PCM, một microphone chuyển dạng biến đổi áp suất không khí (các sóng âm thanh) thành dạng biến đổi điện áp. Sau đó một bộ chuyển đổi tương tự số đo (mẫu hoá) điện áp tại các quãng thời gian đều nhau.
Ví dụ như, trong một đĩa compact có 44100 mẫu được lấy mỗi giây. Mỗi điện áp mẫu hoá nhận được sẽ chuyển đổi sang dạng số nguyên 16 bit. Mỗi CD chứa kênh dữ liệu: một cho tai trái, một cho tai phải (đối với âm thanh dạng stereo). Hai kênh được thu thanh độc lập, được đặt theo cạnh trên đĩa compact (dữ liệu cho kênh trái và phải luân phiên nhau).
Dữ liệu nhận được từ quá trình thu thanh PCM là một hàm theo thời gian. Quá trình chuyển dổi âm thanh tương tự sang dạng âm thanh số cũng như việc lưu trữ âm thanh số liên quan tới 2 vấn đề: Lấy mẫu (sampling): Quá trình lấy mẫu liên quan tới việc tính toán một cách tuần hoàn tín hiệu tương tự, và sử dụng các mẫu này thay cho tín hiệu gốc trong quá trình xử lý. Lượng tử hoá (quantization): Quá trình xử lý các mẫu tương tự với độ chính xác không xác định và làm tròn chúng.2 Giới thiệu các định dạng nén âm thanh 1.1 Phân loại theo chất lượng âm thanh Trong thời đại ngày nay, người ta luôn cố gắng sang tạo ra các định dạng âm thanh khác nhau, sử dụng phương pháp khác nhau nhằm mục đích giảm thiểu dung lượng của file nhạc nhưng vẫn phải giữ được đặc trưng vốn có của file nhạc gốc. Chúng ta có thể thấy ngày nay có rất nhiều định dạng file âm nhạc khác nhau như : MP3, WMA, AAC, MPC, AMR.
Mỗi định dạng âm thanh đó lại sử dụng một thuật toán khác nhau để lấy mẫu, mã hoá và có cách riêng để giữ lại đặc trưng của file nhạc gốc. HOÀNG THU HÀ 10 SVTH: ĐẶNG DUY ÂN NGHIÊN CỨU TRUYỀN DẪN TỐI ƯU ÂM THANH SỬ DỤNG MÃ CHỐNG LỖI Như chúng ta đã biết, tai con người có khả năng cảm nhận những âm thanh có tần số nằm trong khoảng 16Hz -20KHz, âm thanh nằm ngoài dải đó coi như vô nghĩa đối với tai người. Chính vì thế mà người ta tìm cách loại bỏ thành phần tần số nằm ngoài dải đó đi, chính vì vậy giúp cho các định dạng âm thanh nén kiểu mất dữ liệu như MP3, WMA… tiết kiệm được số lần lấy mẫu cũng như tiết kiệm được rất nhiều số bit để mã hoá các mẫu đó, dẫn đến tiết kiệm được dung lượng. Phương pháp nén không tổn hao thì chất lượng âm thanh sau khi khôi phục sẽ gần giống với tín hiệu gốc nhất.
Trong khi đó các phương pháp nén có tổn hao sẽ gây ra sự suy giảm về chất lượng tín hiệu sau khi khôi phục. Một số định dạng nén có suy hao và nén không suy hao: Nén có suy hao Adaptive Differential (or Delta) pulse-code modulation (ADPCM) ADX Adaptive Rate-Distortion Optimised sound codeR (ARDOR) Adaptive Transform Acoustic Coding (ATRAC) apt-X Dolby Digital (A/52, AC3) DTS Coherent Acoustics (DTS, Digital Theatre System Coherent Acoustics) Impala FORscene audio codec MPEG audio o layer-1 (MP1) o layer-2 (MP2) (MPEG-1, MPEG-2 and non-ISO MPEG-2.5) o layer-3 (MP3) (MPEG-1, MPEG-2 and non-ISO MPEG-2.5) o Advanced Audio Coding (AAC, MPEG-2 and MPEG-4) HE-AAC o Harmonic and Individual Lines and Noise (HILN, MPEG-4 Parametric Audio Coding) Musepack Perceptual Audio Coding GVHD: TS. HOÀNG THU HÀ 11 SVTH: ĐẶNG DUY ÂN NGHIÊN CỨU TRUYỀN DẪN TỐI ƯU ÂM THANH SỬ DỤNG MÃ CHỐNG LỖI QDesign TwinVQ Vorbis Windows Media Audio (WMA) Advanced Multi-Band Excitation (AMBE) Algebraic Code Excited Linear Prediction (ACELP) Code Excited Linear Prediction (CELP) Continuously variable slope delta modulation (CVSD) Dialogic ADPCM (VOX) Digital Speech Standard (DSS) Enhanced Variable Rate Codec (EVRC) FS-1015 (LPC-10) FS-1016 (CELP) G.721(thay thế bởi G.1 Adaptive Multi-Rate (AMR) Harmonic Vector Excitation Coding (HVXC) Internet Low Bit Rate Codec (iLBC) Improved Multi-Band Excitation (IMBE) GVHD: TS. HOÀNG THU HÀ 12 SVTH: ĐẶNG DUY ÂN NGHIÊN CỨU TRUYỀN DẪN TỐI ƯU ÂM THANH SỬ DỤNG MÃ CHỐNG LỖI Internet Speech Audio Codec (iSAC) Mixed Excitation Linear Prediction (MELP) QCELP Relaxed Code Excited Linear Prediction (RCELP) RTAudio - used by Microsoft Live Communication Server Selectable Mode Vocoder (SMV) Speex SVOPC Triple Rate CODER (TRC) Vector Sum Excited Linear Prediction (VSELP) Nén không suy hao Apple Lossless Audio Codec (ALAC) Direct Stream Transfer (DST) Dolby TrueHD DTS-HD Master Audio Free Lossless Audio Codec (FLAC) Lossless Audio (LA) Lossless Predictive Audio Compression (LPAC) Lossless Transform Audio Compression (LTAC) MPEG-4 Audio Lossless Coding (MPEG-4 ALS) MPEG-4 Advanced Audio Coding - Scalable to lossless (AAC-SLS) Meridian Lossless Packing (MLP) Monkey's Audio (APE) OptimFROG (OFR) RealAudio Lossless RK Audio (RKAU) Shorten (SHN) True Audio (TTA) WavPack (WV) Windows Media Audio 9 Lossless GVHD: TS.
HOÀNG THU HÀ 13 SVTH: ĐẶNG DUY ÂN NGHIÊN CỨU TRUYỀN DẪN TỐI ƯU ÂM THANH SỬ DỤNG MÃ CHỐNG LỖI 1.2 Phân loại theo âm nhạc và giọng nói Âm nhạc là sự tổng hợp giọng nói con người ở mức âm lượng cao thấp khác nhau cùng với các loại nhạc cụ tương đối phức tạp. Còn giọng nói đơn thuần là tiếng nói con người với các mức âm lượng thay đổi không nhiều. Một số định dạng nén phân loại theo âm nhạc và giọng nói: Âm nhạc MPEG-1 Layer III (MP3) , MPEG-1 Layer II , MPEG-1 Layer I , AAC , HE-AAC, AC3 , AMR , Apple Lossless , ATRAC , DRA , FLAC , iLBC , Monkey's Audio , ì- law , Musepack , Nellymoser , OptimFROG , RealAudio , RTAudio , SHN , Siren , Speex , Vorbis , WavPack , WMA , TAK , True Audio, MIDI ….729a, AMBE, ACELP, CELP, CVSD, Dialogic ADPCM (VOX), DSS, EVRC, FS-1015 (LPC-10), FS-1016 (CELP)… 1.3 Phân loại theo các tiêu chuẩn quốc tế ISO/IEC MPEG-1 Layer III (MP3), MPEG-1 Layer II ,MPEG-1 Layer I, AAC, HE-AAC … ITU-T G.729a … Others AC3, AMR, Apple Lossless, ATRAC, DRA, FLAC, iLBC, Monkey's Audio, ì-law, Musepack, Nellymoser, OptimFROG, RealAudio, RTAudio, SHN, Siren, Speex, Vorbis, WavPack, WMA, TAK, True Audio … Bảng 1.1 _ Phân loại âm thanh theo chuẩn quốc tế GVHD: TS. HOÀNG THU HÀ 14 SVTH: ĐẶNG DUY ÂN NGHIÊN CỨU TRUYỀN DẪN TỐI ƯU ÂM THANH SỬ DỤNG MÃ CHỐNG LỖI 1.3 Kết luận Âm thanh số là kết quả của quá trình chuyển đổi âm thanh tương tự thông qua hai quá trình là lấy mẫu và lượng tử hóa.
Qua quá trình lấy mẫu và lượng tử hóa thì âm thanh tương tự đã bị biến đổi thành các mẫu và làm tròn nên sẽ gây ra sự tổn hao về chất lượng tín hiệu so với âm thanh tương tự ban đầu. Với các phương pháp nén không tổn hao thì chất lượng âm thanh sau khi khôi phục sẽ gần giống với tín hiệu gốc nhất. trong khi đó các phương pháp nén có tổn hao sẽ gây ra sự suy giảm về chất lượng tín hiệu sau khi khôi phục. Tuy nhiên hiệu quả nén của phương pháp nén có tổn hao đạt được rất cao so với phương pháp nén không tổn hao về tốc độ nén và dung lượng sau khi nén.
Âm nhạc là sự tổng hợp của nhiều loại âm thanh khác nhau với các mức cao thấp khác nhau như giọng ca và các loại nhạc cụ cho nên quá trình nén âm thanh dưới dạng âm nhạc sẽ phức tạp hơn nhiều so với chỉ nén âm thanh dưới dạng tiếng nói đơn thuần. HOÀNG THU HÀ 15 SVTH: ĐẶNG DUY ÂN NGHIÊN CỨU TRUYỀN DẪN TỐI ƯU ÂM THANH SỬ DỤNG MÃ CHỐNG LỖI CHƯƠNG 2 : CHUẨN NÉN ÂM THANH SỐ MPEG 1 LAYER III (MP3) 2.1 MPEG là gì? MPEG, viết tắt của cụm từ ‘ Moving Picture Experts Group’, là 1 nhóm chuyên nghiên cứu phát triển các tiêu chuẩn về hình ảnh số và nén âm thanh theo chuẩn ISO/IEC. Ngày nay, nhóm làm việc MPEG đã phát triển và phát hành các tiêu chuẩn MPEG-1, MPEG-2 và MPEG-4. Chuẩn MPEG-3 được kết hợp vào MPEG-2 và không còn tách riêng nữa.
Nhóm MPEG hiện nay đã phát triển đến chuẩn MPEG-7. MPEG chỉ là một tên riêng, tên chính thức của nó là : ISO/IEC JTC1 SC29 WG11. ISO : International Organization for Standardization IEC : International Electro-technical Commission JTC1 : Joint Technical Committee 1 SC29 : Sub-committee 29 WG11 : Work Group 11 (moving picture with audio).2 Chuẩn MPEG 1 MPEG-1 định nghĩa một tiêu chuẩn cho việc lưu trữ và phục hồi các hình ảnh động và âm thanh trên các thiết bị lưu trữ. Tiêu chuẩn này định nghĩa rằng hình ảnh được phát lại ở tốc độ 30 frames một giây và âm thanh được phát lại ở chất lượng như CD-audio, độ phân giải hình ảnh là 352 x 240.
Chuẩn MPEG-1 được dùng điển hình trong các phần mềm huấn luyện bằng máy tính, các game hành động trong máy tính, video chất lượng VHS, Karaoke.3 MPEG lớp III (Layer III) Lớp III còn đưa ra mức độ nén và lọc cao hơn cả lớp II và sử dụng một bộ mã hóa Huffman. HOÀNG THU HÀ 16 SVTH: ĐẶNG DUY ÂN NGHIÊN CỨU TRUYỀN DẪN TỐI ƯU ÂM THANH SỬ DỤNG MÃ CHỐNG LỖI Complexity Layer Encoder Decoder I 1.5 Trong bảng trên, độ phức tạp của bộ giải mã lớp I được dùng để so sánh với lớp II và III. Lớp I là chuẩn hiệu quả nhất và đã trở thành chuẩn trong thực tế cho việc mã hoá chất lượng âm thanh. Lập luận này dành riêng cho việc thực thi lớp III của chuẩn MPEG 1 được gọi là MP3.
Những cải thiện của lớp III so với lớp I và lớp II : - Giảm sự chồng phổ: Lớp III cung cấp phương pháp xử lý các giá trị MDCT để loại bỏ sự dư thừa do sự chồng lấp giữa các băng. - Lượng tử hóa phi tuyến: Bộ lượng tử hóa lớp III nâng các lối vào của nó lên ¾ năng lượng trước khi lượng tử hóa để cung cấp tỉ số tín hiệu trên nhiễu (SNR) cao hơn. - Mã hóa entropy các giá trị dữ liệu: Lớp III sử dụng mã Huffman để mã hóa các mẫu lượng tử hóa cho việc nén dữ liệu tốt hơn. - Sử dụng một bộ dữ trữ bit (bit reservoir): Dòng bit lớp III phù hợp hơn với độ dài thay đổi của dữ liệu được nén.
Cũng giống như lớp II, khung dữ liệu lớp III có 1152 mẫu. Lớp III không giống lớp II ở chỗ dữ liệu mã hóa không nhất thiết phải vừa vặn trong một khung cố định.