Tema 2: Codificación y compresión de audio.

Transcripción

1 Tema 2: Codificación y compresión de audio. 1. Introducción. 2. Características del audio. Digitalización. Calidad de una señal de audio. Parámetros específicos. 3. Compresión de audio. Calidad telefónica. Calidad CD. Bibliografía [FLU95] Fluckiger, Understanding networked multimedia. [SAY00] K. Sayood, Introduction to Data Compression [Pan93] Digital Audio Compression [Pan96] A Tutorial on MPEG/Audio Compression [MP3 Intro] An introduction to MP3 Arquitecturas de red para la distribución de contenidos

2 1. Introducción. Las secuencias de audio forman parte de las aplicaciones multimedia. El estudio de la codificación y compresión se puede enfocar en función de la aplicación: Aplicaciones interactivas (audio-conferencia audio) codecs simétricos. Aplicaciones de difusión y reproducción de medios (TV digital, audio Hi-Fi, DVD, etc.) codecs asimétricos Características de una señal de audio. Distintos tipos de calidad de audio. Técnicas de compresión de audio. 2

3 2. Características del audio Una señal de audio no es más que una onda acústica (variaciones de presión del aire) La señal de audio es unidimensional (tiempo) con lo que solamente podemos explotar la redundancia temporal a la hora de comprimir. El micrófono transforma las ondas acústicas que lo golpean, en señales eléctricas (niveles de voltaje) El oído es muy sensible a las variaciones de sonido de corta duración (ms) al contrarío que el ojo humano. La relación de dos sonidos A y B se mide en decibelios: db=20 log 10 (A/B). La intensidad de un sonido A se mide en decibelios tomando como referencia el menor sonido audible. 0 db: Menor sonido audible La señal de referencia (B) es una onda senoidal a 1khz que provoca una presión de dinas/cm 2 A y B son amplitudes (si fueran potencias sería 10 log 10 (A/B)) 50 db: Conversación normal. 120dB: Umbral del dolor. 3

4 Características del audio El rango de frecuencias audibles por los humanos está entre 20Hz y 20KHz. Audible No audible 4

5 2.1 Digitalización y cuantificación. La digitalización de las señales de audio se realizan mediante convertidores A/D. Muestrean la señal analógica de audio a una frecuencia determinada. Según Nyquist: Si la señal de entrada tiene una frecuencia máxima de f, la frecuencia de muestreo tiene que ser de al menos 2f (al muestrear a S f captaremos hasta la frec. S f /2) En el conversor D/A, un filtro paso bajo puede interpolar la parte de señal entre las muestras, para poder reconstruir perfectamente la señal original. 5

6 Digitalización y cuantificación. Cuantificación: Las muestras obtenidas se codifican en un número finito de bits Error de cuantificación (quantification noise). Codificación lineal o logarítmica. PCM (Pulse Code Modulation). Usado para la digitalización de señales de audio. Parámetros: S f, bits/muestra, niveles de cuantificación* 6

7 Cuantificación PCM lineal Digitalización y cuantificación. Los niveles de cuantificación están espaciados de manera equitativa. Cada bit de resolución añade 6 db de rango dinámico. Con 16 bits por muestra se cubre totalmente el rango dinámico del oído humano. Cuantificaciones no-lineales (logarítmica) Los pasos de cuantificación decrecen logarítmicamente. El oído humano es menos sensible a sonidos fuertes. 7

8 Digitalización: Interfaz MIDI MIDI (Musical Instrument Digital Interface). Utilizado para codificar música (instrumentos). Codifica los elementos básicos (notas, silencios, ritmos, etc.) en mensajes MIDI. Cada instrumento tiene su propio código (hasta 127) Un sintetizador interpreta los mensajes MIDI y produce la señal de audio correspondiente. Ventaja: Reduce mucho el ancho de banda necesario (factor de 1000!!) Inconvenientes: Necesidad de un sintetizador en ambos extremos (calidad de sonido diferente). Aplicable solo a música. 8

9 Voz (telefonía) 2.2 Calidad de una señal de audio. Se define para los servicios de telefonía digital. Estándar G.711 (ITU): Codificación logarítmica. Japón y USA: Transformación µ-law. Resto: Transformación A-law. Parámetros: Señal de audio de 3.5 KHz (BW). S f = 8 KHz 8 bits/muestra. Tasa de bits: 64Kbps (N-ISDN). Otras técnicas de codificación y compresión: DPCM y ADPCM, G.72x, GSM, LPC y CELP, etc. 9

10 CD-Digital Audio. Calidad de una señal de audio. Calidad de audio superior: Sonido Hi-Fi estereofónico. Utiliza una codificación lineal. Las diferencias de amplitud deben ser respetadas por igual. Parámetros: Señal de audio de 20 KHz (BW). S f = 41.1 KHz 16 bits/muestra. Soporta estereofonía (dos canales) Tasa de bits: Mbps. Otros estándares utilizan esta calidad de audio: DAT (32.4 y 48 KHz), MPEG (32, 44,1 y 48 KHz), DVI, etc. 10

11 Tasa de bits (throughput): Audio sin comprimir: Calidad telefónica: 64Kbps. Calidad CD: Mbps. Audio comprimido: 2.3 Parámetros específicos. Calidad telefónica: 32, 16, 4 Kbps (ADPCM, CELP) Calidad CD: 192 Kbps. (MPEG audio) Retardo de tránsito (aplicaciones interactivas) Conversación: Telefonía: < 25 ms (evitar echo). 100 a 500 ms (sensación de tiempo real). 11

12 Varianza del retardo (jitter). Parámetros específicos. Es el parámetro más crítico para los streams de audio. Solución: Técnicas de ecualización del retardo. Se suministra un tiempo adicional antes de comenzar la reproducción, almacenando los paquetes en un buffer de entrada. Consecuencias: Incrementamos el retardo total. Necesitamos recursos de memoria para el buffer de ecualización. Compromiso entre la capacidad de almacenamiento y el máximo jitter tolerable por la aplicación. Tasas de error: Calidad telefónica: < 10-2, Calidad CD: <

13 Tema 2: Codificación y compresión de audio. 1. Introducción. 2. Características del audio. Digitalización. Calidad de una señal de audio. Parámetros específicos. 3. Compresión de audio. Calidad telefónica. Calidad CD. Bibliografía [FLU95] Fluckiger, Understanding networked multimedia. [SAY00] K. Sayood, Introduction to Data Compression [Pan93] Digital Audio Compression [Pan96] A Tutorial on MPEG/Audio Compression [MP3 Intro] An introduction to MP3 Arquitecturas de red para la distribución de contenidos

14 Codificación: ITU G.711 Muestreo: 8KHz. Muestra: 16 bits. Codificación log. Cod. lineal wxyza wxyza wxyzab 00001wxyzabc 0001wxyzabcd 001wxyzabcde 01wxyzabcdef 1wxyzabcdefg A-Law 000wxyz 001wxyz 010wxyz 011wxyz 100wxyz 101wxyz 110wxyz 111wxyz 3.1 Calidad telefónica µ-law y A-law: Codifican una muestra PCM de 16 bits (14 bits) en 8 bits. Cualquier valor de 0 ó 1 8 segmentos: 0xFF, 0x1FF, 0x3FF, 0x7FF, 0xFFF, 0x1FFF, 0x3FFF, 0x7FFF Numero segmento Cod. Lineal wxyza wxyzab wxyzabc 00001wxyzabcd 0001wxyzabcde 001wxyzabcdef 01wxyzabcdefg 1wxyzabcdefgh u-law 000wxyz 001wxyz 010wxyz 011wxyz 100wxyz 101wxyz 110wxyz 111wxyz Bits + significativos valor de la muestra en ese segmento 14

15 3.1 Calidad telefónica Codificación: ITU G.711 por segmentos (16 segmentos). Fig. representa A-law y= Ax / 1+ LA --- para 0 =< x =< 1/A donde A toma el valor de 87,6 representando x e y las señales de entrada y salida al compresor 15

16 Codificación diferencial: Algoritmos de compresión (Voz) DPCM (Differential Pulse Code Modulation). Explota la redundancia temporal entre las muestras. Se transmite la diferencia entre muestras (bastante menor). Problema: Sobrecarga de gradiente (slope overload) Las diferencias en altas frec.(cercanas a Nyquist) no se pueden representar con el mismo número de bits. 16

17 Algoritmos de compresión (Voz) Codificación diferencial adaptativa: X[n] ADPCM (Adaptive Differential Pulse Code Modulation). Predice la muestra y cuantiza adaptativamente. Xp[n-1] Predicción: Codifica la diferencia entre la muestra actual y una estimación basada en las últimas n muestras - D[n] Predictor module Quantizer (adaptive) Xp[n] + Codificador C[n] Dq[n] Dequantizer (adaptive) C[n] Dequantizer (adaptive) Dq[n] Xp[n-1] + Decodificador Xp[n] Predictor module 17

18 Algoritmos de compresión (Voz) Codificación diferencial adaptativa: ADPCM (Adaptive Differential Pulse Code Modulation). Predice la muestra y cuantiza adaptativamente. Cuantización adaptativa: Usa pasos más largos para codificar diferencias entre muestras muy distintas en magnitud (de alta frecuencia) y pasos más pequeños para muestras que son similares (bajas frecuencias). 18

19 X[n] Xp[n-1] Predictor module - D[n] Delay Quantizer (adaptive) Xp[n] + Codificador Una implementación de ADPCM Algoritmo ADPCM (IMA: Interactive Multimedia Association) Algoritmo de dominio público. Calidad de audio e índice de compresión aceptables. Sencillo y capaz de trabajar en tiempo real (software). Indice de compresión: (PCMbits/4) a 1. Sólo ultima muestra reconstruida C[n] Dq[n] Dequantizer (adaptive) C[n] Dequantizer (adaptive) Dq[n] Xp[n-1] + Decodificador Xp[n] Delay 19

20 NO Tabla 1 Ajuste sobre la tabla 2 para decidir las diferencias a aplicar. Start D < 0 Bit3 =0 SI Quantizer Bit3 =1 D = -D D >= Step NO Bit2 =0 B 2 B 1 B 0 Ajuste SI Bit2 =1 D = D - Step D >= Step/2 NO Bit1 =0 NO SI Quantizer: tres últimos bits D >= Step/4 Indice Tab1 Step Bit1 =1 D = D - Step/2 Bit0 = SI Ajuste índice tabla 2 + Bit0 =1 IMA ADPCM Tabla 2 Distribuye el rango dinámico de la muestra PCM Indice Tab Retardo siguiente muestra Tab2 Step 20

21 NO Valor diferencia señal origen y la predicción Tabla 1 Ajuste sobre la tabla 2 para decidir las diferencias a aplicar. Start D < 0 Bit3 =0 SI Quantizer Bit3 =1 D = -D D >= Step NO Bit2 =0 B 2 B 1 B 0 Ajuste Bit signo SI Bit2 =1 D = D - Step D >= Step/2 NO Bit1 =0 NO SI Distribución logarítmica muestras Quantizer: tres últimos bits D >= Step/4 Indice Tab1 Step Bit1 =1 D = D - Step/2 Bit0 = SI Ajuste índice tabla 2 + Bit0 =1 IMA ADPCM Tabla 2 Distribuye el rango dinámico de la muestra PCM Indice Tab Retardo siguiente muestra Tab2 Step 21

22 Tabla 2: Distribuye el rango dinámico de la muestra PCM IMA ADPCM 22

23 IMA ADPCM: Ejemplo de funcionamiento (I) Supongamos que queremos codificar la siguiente secuencia de muestras de audio con IMA ADPCM: Estado inicial NO D=5 step=7 Start 5 < 0? Bit3 =0 5 >=7? x = { 150,155,167,163} X dif. step Result Ajuste Índice Valor reconst. Valor predicho Dif. = 7 2. x + rec NO SI Bit2 =0 5>=3.5? Bit1 =1 1.5>=1.75? NO 7 2 x1 + Bit0 =0 7 4 x0 = 3.5 = 4 23

24 IMA ADPCM: Ejemplo de funcionamiento (II) Tercera muestra: D=13 step=7 Start 13<0? X dif. step Result Ajuste Índice Valor reconst. Valor predicho NO SI Bit3 =0 13>=7? Bit2 =1 (13-7) 6>=3.5? Dif.. rec SI (6-3.5) = 7x2 + Bit1 =1 2.5>=1.75? 7 2 SI x Bit0 =1 x0 = = 13 24

25 IMA ADPCM: Ejemplo de funcionamiento (III) Cuarta muestra: D=4 step=16 Star t SI -4 < 0? Bit3 =1 NO 4 >=16? Bit2 =0 X dif. step Result Ajuste Índice Valor reconst. Valor predicho NO Bit1 =0 4>=8? Dif. =. rec 16x2 + 4>=4? 16 2 x x0 = (como Bit3=1, realmente sería -4) SI Bit0 =1 4 = 4 25

26 Calidad telefónica: Recomendaciones ITU G.701: Digitalización PCM G.711: Codificación logarítmica µ-law y A-law G.721: ADPCM Muestreo a 8 Khz, muestras de 8 bits: 64 Kbps Utiliza diferencias de 4 bits: tasa de bits final 32 Kbps G.722: Sub-Band ADPCM. Muestreo a 16 Khz, muestras de 14 bits: 224 Kbps Codifica señales de audio de hasta 7 KHz (por el muestreo) Descompone la señal en dos bandas de 4 KHz. A cada banda le aplica ADPCM. Tasas de bits finales: 48, 56 y 64 Kbps. G.723, G.726, G.727: Variantes del G.721 (ADPCM). 26

27 Calidad telefónica: Vo-coding LPC (Linear Predictive Coding) US-FS-1015 Define un modelo analítico del aparato fonador Reduce cada segmento de audio a los parámetros del modelo que más se aproximan al original. El decodificador recoge estos parámetros y sintetiza la voz correspondiente. LPC-10E puede bajar hasta 2.4 Kbps. CELP (Code Excited Linear Prediction) US-FS Es una versión mejorada del LPC. Diferencia: Utiliza un code-book con secuencias predefinidas para aplicarlas a cada frame de audio, eligiendo aquella que más se aproxima al original. Además, calcula los errores cometidos. Se envían los parámetros y la versión comprimida de los errores. Tasa de bits de hasta 4.8 Kbps (calidad similar a ADPCM G.721 a 32 Kbps) Variantes CELP: GSM, VSELP, LD-CELP, ITU G.729, QCELP, MELT, etc. 27

28 Tabla resumen de algunos codecs de audio. Año Tasa de bits Nombre MOS (Kbps) PCM (PSTN) LPC G.721 ADPCM INMARSAT GSM CELP (US 1016) G.728 (LD-CELP) VSELP QCELP G G Half-Rate GSM New LPC 3.3 Calidad telefónica 28

29 Estándares MPEG/audio (Estándar ISO) MPEG (Moving Pictures Expert Group) 3.2 Calidad CD MPEG/audio ofrece altos índices de compresión, manteniendo la calidad del audio del stream original. Son algoritmos de compresión con pérdidas*. MPEG-1 /audio Muestreos: 32, 44.1 y 48 KHz. Soportan uno o dos canales (diferentes modos de operación). Tasas de bits: 32 a 256 Kbps/canal. Indices de compresión: 2.7 a 24. MPEG-2 /audio Compatibilidad hacia atrás con MPEG-1. Diseñado para sistemas de sonido multicanal. 29

30 MPEG-1 audio. El stream comprimido puede incluir información auxiliar (acceso aleatorio, avance y retroceso rápido, CRC, etc.) Arquitectura de tres niveles MPEG-1 Nivel I: El más sencillo. Tasa de bits 192 Kbps/canal. Aplicaciones: Philips DCC MPEG-1 Nivel II: Complejidad media. Tasa de bits 128 Kbps/canal. Aplicaciones: DAB, CD-I, Vídeo CD. MPEG-1 Nivel III: El más complejo. Ofrece la mejor calidad de audio con tasas de bits sobre 64 Kbps/canal. Está preparado para N-RDSI. Existen codecs hardware de los tres niveles para aplicaciones de tiempo real. 30

31 MPEG audio: Fundamentos. Se basa en la capacidad de percepción que tiene el oído humano (modelos psico-acústicos) Enmascaramiento de señales débiles (noise masking): 31

32 Discriminación frecuencial limitada. MPEG audio: Fundamentos. La agudeza (selectividad) del oído humano en baja frecuencia es muy superior que en altas frecuencias (sub-band coding) 32

33 PCM audio Stream de bits comprimido Time-Frec Sub-band filtering Modelo psico-acúst. Desensamblado MPEG Audio: Diagrama de bloques Codificador Asig. Bits. Cuantizador Codificador Decodificador Datos auxiliares (opcional) Reconst. de bandas Formato del stream de bits Datos auxiliares (opcional) Transformación Frec-Time Stream de bits comprimido PCM audio 33

34 Nivel I: MPEG-1 audio: Niveles. Se divide la señal de audio en 32 bandas de 750 Hz. Tasa de muestreo: 48 Khz. Tamaño de trama: 384 muestras El umbral de enmascaramiento (Signal to Mask Ratio) se calcula con una FFT de 512 puntos (modelo psico-acústico). Para cada sub-banda se escoge uno de los 15 cuantizadores definidos en función del SMR y la tasa de bits requerida. Nivel II: Utiliza un tamaño de trama de 1152 muestras, una FFT de 1024 puntos (cálculo del SMR) y una cuantización más fina. Nivel III: Incrementa la resolución en frecuencia de las 32 bandas (MDCT), utiliza un modelo psico-acústico más elaborado, y añade una etapa de compresión Huffman. 34

35 Parámetros de calidad objetivos: MSE (Mean Square Error). MPEG Audio: Calidad de audio Calcula el error cuadrático medio entre la señal original y la reconstruida con el codec. SNR (Signal-to-Noise Ratio) Relación logarítmica entre dos señales. Se utilizará para comparar la señal original con el error introducido por el codec. Se expresa en decibelios (db). SNR( db) MSE = 1 N 1 N N i= 1 = 10log10 s MSE N i= 1 ( i) s( i) s( i) 2 2 PSNR =10log MSE 35

36 Parámetros de calidad subjetivos: MPEG Audio: Calidad de audio. MOS (Mean Opinion Score): MPEG define una serie de tests para determinar la calidad de audio generada por cada nivel. Resultados: Fuente: Estéreo, 16bits, 48KHz, 256 Kbps Compresión 6:1 En condiciones de escucha óptimas, expertos en audición han sido incapaces de distinguir secuencias comprimidas de sus originales. 36