Аналоговые, дискретные и цифровые сигналы

Любая физическая величина по характеру изменения ее значения может быть постоянной (если она имеет только одно фиксированное значение), дискретной (если она может иметь два или более фиксированных значений), или аналоговой (если она может иметь бесчисленное множество значений). Все эти величины могут быть преобразованы в цифровую форму.

Аналоговым называется такой сигнал, который может быть представлен непрерывной линией из множества значений, определенных в каждый момент времени относительно временной оси.

Значения аналогового сигнала произвольны в каждый момент времени, поэтому он может быть в принципе представлен как некая непрерывная функция (зависящая от времени как от переменной) либо как кусочно-непрерывная функция времени.

Аналоговым сигналом можно назвать, например, звуковой сигнал, генерируемый обмоткой электромагнитного микрофона или ламповым акустическим усилителем, поскольку такой сигнал непрерывен и его значения (напряжение или ток) сильно отличаются друг от друга в каждый момент времени.

На приведенном ниже рисунке изображен пример подобного рода аналогового сигнала.

Аналоговые величины могу иметь бесконечное множество значений в определенных пределах. Они непрерывны и их значения не могут изменяться скачками.

Пример аналогового сигнала: термопара передает в аналоговом виде значение температуры в программируемый логический контроллер, который управляет с помощью твердотельного реле температурой в электрической печи.

Если некий сигнал принимает произвольные значения лишь в отдельные моменты времени, то такой сигнал называют дискретным. Чаще всего на практике применяются дискретные сигналы, распределенные по равномерной временной решетке, шаг которой называется интервалом дискретизации.

Дискретный сигнал принимает определенные не нулевые значения лишь в моменты дискретизации, то есть он является не непрерывным в отличие от аналогового сигнала. Если из звукового сигнала вырезать небольшие кусочки определенного размера через равные интервалы, такой сигнал можно будет назвать дискретным.

Ниже приведен пример формирования подобного дискретного сигнала с интервалом дискретизации Т. Обратите внимание, что квантуется лишь интервал дискретизации, но не сами значения сигнала.

Дискретные сигналы имеют два и более фиксированных значений (количество их значений всегда выражается целыми числами).

Когда дискретный сигнал принимает только какие-то фиксированные значения (которые могут быть расположены по сетке с определенным шагом), такие что они могут быть представлены как количество квантовых величин, такой дискретный сигнал называется цифровым. То есть цифровой сигнал — это такой дискретный сигнал, который квантован не только по промежуткам времени, но и по уровню.

Практически дискретные и цифровые сигналы в ряде задач отождествляются, и могут быть легко заданы в форме отсчетов с помощью вычислительного устройства.

На рисунке приведен пример формирования цифрового сигнала на базе аналогового. Обратите внимание, что значения цифрового сигнала не могут принимать промежуточных значений, а только определенные — целое количество вертикальных шагов сетки.

Цифровой сигнал легко записывается и перезаписывается в память вычислительных устройств, просто считывается и копируется без потери точности, тогда как перезапись аналогового сигнала всегда сопряжена с утратой некоторой, пусть и незначительной, части информации.

Обработка цифровых сигналов позволяет получать устройства с очень высокими характеристиками благодаря выполнению вычислительных операций совершенно без потерь качества, либо с пренебрежимо малыми потерями.

В силу этих достоинств, именно цифровые сигналы повсеместно распространены сегодня в системах хранения и обработки данных. Вся современная память — цифровая. Аналоговые носители информации (такие как пленочные кассеты и т.д.) давно ушли в прошлое.

Аналоговый и цифровой приборы для измерения напряжения:

Но даже у цифровых сигналов есть свои недостатки. Их невозможно передать напрямую как есть, ибо передача обычно реализуется посредством непрерывных электромагнитных волн. Поэтому при передаче и приеме цифровых сигналов необходимо прибегать к дополнительной модуляции и аналого-цифровому преобразованию. Меньший динамический диапазон цифровых сигналов (отношение наибольшего значения к наименьшему), обусловленный квантованностью значений по сетке, является еще одним их недостатком.

Существуют и такие области, где аналоговые сигналы незаменимы. Например аналоговый звук никогда не сравнится с цифровым, поэтому ламповые усилители и пластинки до сих пор не выходят из моды, несмотря на обилие цифровых форматов записи звука с самой высокой частотой дискретизации.

Если Вам понравилась эта статья, поделитесь ссылкой на неё в социальных сетях. Это сильно поможет развитию нашего сайта!

Подписывайтесь на наш канал в Telegram!

Просто пройдите по ссылке и подключитесь к каналу.

Не пропустите обновления, подпишитесь на наши соцсети:

Источник

Тема 7. Дискретизация сигналов

СИГНАЛЫ и ЛИНЕЙНЫЕ СИСТЕМЫ

Signals and linear systems. Sampling of signal

Тема 7. ДИСКРЕТИЗАЦИЯ СИГНАЛОВ

Публий Теренций. Римский драматург, II в. д.н. э.

Студентом не раз пытался равномерно дискретизировать палку ливерной колбасы. Никогда не получалось. Свой кусок всегда был на рубль длиннее и на полтинник толще.

Александр Кудрявцев. Уральский геофизик и конструктор, XX в.

1. Задачи дискретизации функций. Сигналы и системы дискретного времени. Принципы дискретизации. Воспроизведение сигнала.

2. Равномерная дискретизация. Спектр дискретного сигнала. Интерполяционный ряд Котельникова-Шеннона. Дискретизация с усреднением. Дискретизация спектров. Информационная тождественность динамической и спектральной формы сигнала. Дискретизация усеченных сигналов. Соотношение спектров одиночного и периодического сигналов.

3. Дискретизация по критерию наибольшего отклонения.

4. Адаптивная дискретизация.

5. Квантование сигналов.

6. Децимация и интерполяция данных.

В первой половине ХХ века при регистрации и обработке информации использовались, в основном, измерительные приборы и устройства аналогового типа, работающие в реальном масштабе времени, при этом даже для величин, дискретных в силу своей природы, применялось преобразование дискретных сигналов в аналоговую форму. Положение изменилось с распространением микропроцессорной техники и ЭВМ. Цифровая регистрация и обработка информации оказалась более совершенной и точной, более универсальной, многофункциональной и гибкой. Мощь и простота цифровой обработки сигналов настолько преобладают над аналоговой, что преобразование аналоговых по природе сигналов в цифровую форму стало производственным стандартом.

Под дискретизацией сигналов понимают преобразование функций непрерывных переменных в функции дискретных переменных, по которым исходные непрерывные функции могут быть восстановлены с заданной точностью. Роль дискретных отсчетов выполняют, как правило, квантованные значения функций в дискретной шкале координат. Под квантованием понимают преобразование непрерывной по значениям величины в величину с дискретной шкалой значений из конечного множества разрешенных, которые называют уровнями квантования. Если уровни квантования нумерованы, то результатом преобразования является число, которое может быть выражено в любой числовой системе. Округление с определенной разрядностью мгновенных значений непрерывной аналоговой величины с равномерным шагом по аргументу является простейшим случаем дискретизации и квантования сигналов при их преобразовании в цифровые сигналы.

Как правило, для производственных задач обработки данных обычно требуется значительно меньше информации, чем ее поступает от измерительных датчиков в виде непрерывного аналогового сигнала. При статистических флюктуациях измеряемых величин и конечной погрешности средств измерений точность регистрируемой информация также всегда ограничена определенными значениями. При этом рациональное выполнение дискретизации и квантования исходных данных дает возможность снизить затраты на хранение и обработку информации. Кроме того, использование цифровых сигналов позволяет применять методы кодирования информации с возможностью последующего обнаружения и исправления ошибок при обращении информации, а цифровая форма сигналов облегчает унификацию операций преобразования информации на всех этапах ее обращения.

7.1. Задачи дискретизации функций [10, 21].

Сигналы и системы дискретного времени. Значения дискретного сигнала определены только при дискретных значениях времени или любой другой независимой переменной. Обычно его представляют в виде последовательности чисел: s(k) ≡ s(kΔt) ≡ sk, k = 0, 1, 2, …, K, где значениями чисел отображают значения сигнала в дискретные моменты времени. Значения интервала дискретизации обычно принято опускать, т. е. принимать равным Δt = 1, поскольку он является не более чем масштабным множителем по независимой переменной и при постоянном значении во всех параметрах и атрибутах обработки сигналов, включая сопряженные величины (например, масштаб частоты f=1/|Δt|), его физическая величина может вводиться в результаты на заключительной стадии обработки данных. По существу, при Δt=1 осуществляется нормирование сигналов и систем их обработки по независимой переменной.

Система дискретного времени – это алгоритм с входной последовательностью s(k) и выходной последовательностью y(k), которая может быть линейной или нелинейной, инвариантной или изменяющейся во времени. Система дискретного времени линейна и инвариантна во времени (ЛИВ-система), если она подчиняется принципу суперпозиции (отклик на несколько входов равен сумме откликов на каждый вход в отдельности), а задержка (сдвиг) входного сигнала вызывает такую же задержку выходного сигнала. Вход и выход ЛИВ-систем связывает сверточная сумма:

y(k) =h(n) x(k-n),

где h(n) – дискретная импульсная характеристика (импульсный отклик) системы. Система устойчива, если выполняется условие:

|h(n)| > fmax сигнала. Информация высокочастотной части сигнала может быть ненужной, если основная энергия полезной части сигнала заключена в низкочастотной области. Децимация может потребоваться и в том случае, если массивы данных представлены с разным шагом дискретизации.

Децимации должна предшествовать низкочастотная фильтрация данных. Это связано с тем, что в процессе децимации шаг дискретизации Δt заменяется на новый шаг Δt’ = pΔt, где p>1, с соответствующим сжатием главного частотного диапазона, при этом появляется опасность отражения отбрасываемых частотных составляющих и высокочастотных шумов в главный диапазон (как и при неправильном выборе шага дискретизации). Точка отсечки низкочастотного фильтра устанавливается по новой частоте Найквиста: fN’=1/(2pΔt).

Значение коэффициента р при децимации может быть произвольным, но, как правило, используются целочисленные значения, и децимация выливается в простое прореживание данных. При нецелочисленном значении р децимация может проводиться с использованием интерполяционного ряда Котельникова-Шеннона (равно как и любого другого интерполяционного многочлена) или преобразования Фурье. Последнее выполняется путем перевода сигнала в частотную форму и возвращением в координатную форму с новым шагом Δt’ = pΔt, при этом низкочастотная фильтрация может производиться непосредственно в частотном диапазоне. Возможно также и прямое усечение главного частотного диапазона с N точек до N’ = N/p с возвратом из нового частотного диапазона в координатную форму с количеством точек N’, но при этом следует учитывать последствия усечения спектральной функции (умножения на прямоугольное селектирующее окно) на форму восстанавливаемого по ней сигнала (свертка исходного сигнала с фурье-образом прямоугольного селектирующего окна).

Интерполяция данных отличается от децимации только значением коэффициента р

Источник

Дискретизация сигналов

На рисунке 1 приведены основные требования к устройствам дискретизации аналогового сигнала. Дискретизация непрерывных аналоговых данных должна осуществляться с интервалом времени t_д = 1/f_д. При разработке цифрового устройства этот период должен тщательно выбираться для реализации точного представления первоначального аналогового сигнала в цифровой форме.

Очевидно, что чем больше будет взято отсчетов аналогового сигнала на интервале времени (больше выбранная частота дискретизации), тем более точным будет представление этого сигнала в цифровом виде. При уменьшении количества отсчетов в единицу времени (уменьшении частоты дискретизации) можно достигнуть предела, после которого преобразованный в цифровую форму сигнал будет искажен до такой степени, что будет невозможно восстановить его в первоначальном виде.

Иными словами, в соответствии с теоремой Котельникова требуется, чтобы частота дискретизации аналогового сигнала была, по крайней мере, вдвое больше полосы полезного сигнала, иначе информация об исходном виде аналогового сигнала будет потеряна. Если выбрать частоту дискретизации меньше (а в большинстве практических устройства и равной) удвоенной полосы частот преобразуемого аналогового сигнала, то возникает эффект, известный как наложение (заворот) спектра (aliasing).

Обычно анализ аналоговых цепей производится при помощи синусоидального сигнала. На нем проще понять физический смысл явлений, возникающих в исследуемом блоке. Так как дискретизатор является аналоговым устройством, то воспользуемся этим методом и мы. Для понимания физического смысла наложения спектра, рассмотрим эффекты, возникающие при дискретизации синусоидального сигнала. Эти эффекты мы проанализируем, как во временном, так и в частотном представлении исследуемого сигнала.

В качестве примера, иллюстрирующего эффект наложения спектра (заворота спектра), на рисунке 2 приведена временная диаграмма синусоидального сигнала, дискретизированного по времени идеальным дискретизатором.

Рисунок 2. Влияние стробоскопического эффекта во временной области, приводящее к наложению спектров входного сигнала

В приведенном на этом рисунке примере, частота дискретизации f_д выбрана лишь ненамного выше частоты входного аналогового сигнала f_в. То есть мы нарушили теорему Котельникова! Обратите внимание, что в результате дискретизации, мы получили отсчеты сигнала, частота которого равна разности частот дискретизации и исходного сигнала f_д – f_a. То есть мы наблюдаем низкочастотный образ реального сигнала. Этот эффект известен в технике как стробоскопический эффект.

На рисунке 3 приведено частотное представление той же самой ситуации. На этом рисунке четко видно, что на выходе идеального дискретизатора появляется не только низкочастотная составляющая с частотой f_д – f_a, но и f_д + f_a, 2×f_д – f_a, 2×f_д + f_a и т.д.

Рисунок 3. Спектр дискретизированного аналогового сигнала

Полоса сигнала по Котельникову определяется как спектр от постоянного тока до f_д/2. Частотный спектр на входе дискретизатора разделяется на бесконечное число зон. Полоса частот каждой зоны составляет 0,5f_д. На практике, идеальный дискретизатор перемещает все высокочастотные образы сигнала в полосу частот от 0 до f_д/2, и накладывает их на сигнал, присутствующий в первой зоне частот Котельникова.

Теперь рассмотрим случай, когда частота полезного сигнала выходит за пределы первой зоны Котельникова. При частоте сигнала, немного ниже частоты дискретизации, временная диаграмма приведена на рисунке 2. Этот случай тоже можно проиллюстрировать рисунком 3, однако на этот раз в качестве входного сигнала следует рассматривать сигнал во второй зоне Котельникова, а компонента сигнала в первой зоне возникает после процесса дискретизации.

Обратите внимание, что, несмотря на то, что сигнал находится вне первой зоны Найквиста, его продукт преобразования f_д – f_a попадает внутрь этой зоны. Возвращаясь к рисунку 3, становится ясно, что, если мешающий сигнал появляется на любом из образов частоты f_a, то он тут же переносится на частоту f_a, приводя, таким образом, к появлению мешающего частотного компонента в первой зоне Котельникова.

Такой процесс подобен работе аналогового смесителя. Это означает, что перед устройством дискретизации сигнала обязательно требуется аналоговая фильтрация, подавляющая компоненты этого сигнала, частоты которых находятся вне полосы первой зоны Котельникова и после дискретизации попадают в ее пределы. Требования к амплитудно-частотной характеристике аналогового фильтра на входе дискретизатора будут зависеть от того,как близко частота внеполосного сигнала отстоит от f_д/2, а также величиной требуемого подавления. Эти вопросы мы рассмотрим позднее в главе, посвященной фильтрам, предназначенным для устранения эффекта наложения спектров.

Математическое описание дискретного сигнала

В дискретных системах сигналы представляют собой последовательности отсчетов, взятые через равные промежутки времени Δt. Для того, чтобы выделить одиночный момент времени в математическом представлении применяется дельта-функция δ(t). Как известно, эта функция равна нулю на всем протяжении времени и только в нулевой момент времени становится бесконечной. Так как площадь под дельта-функцией равна единице, то при умножении любой функции (в том числе и входного сигнала) на дельта-функцию мы получим значение входного сигнала в нулевой момент времени.

Для выделения функции в определенные моменты времени, взятые с равными интервалами придется использовать уже сумму дельта-функций. Тогда функцию дискретизации D, представляющую собой сумму дельта-импульсов, отстоящих друг от друга на интервал времени Δt можно записать следующим образом:

График функции дискретизации приведен на рисунке 1.

Рисунок 1. График функции дискретизации

Теперь для того, чтобы получить дискретизированный сигнал, достаточно умножить функцию дискретизации на исходный непрерывный сигнал x(t). Учитывая, что площать дельта-функции равна единице, в моменты времени, кратные Δt, дискретизированный сигнал будет равен исходному сигналу x(t), а в остальное время дискретизированный сигнал будет равен нулю. В качестве примера на рисунке 2 приведены графики исходного непрерывного сигнала x(t) и дискретизированного сигнала x_д(t).

Рисунок 2. Графики непрерывного и дискретизированного сигналов

Математическое представление дискретного сигнала x_д(t) можно записать в следующем виде:

Понравился материал? Поделись с друзьями!

Вместе со статьей «Дискретизация сигналов» читают:

Источник

Цифровое представление аналогового аудиосигнала. Краткий ликбез

Дорогие читатели, меня зовут Феликс Арутюнян. Я студент, профессиональный скрипач. В этой статье хочу поделиться с Вами отрывком из моей презентации, которую я представил в университете музыки и театра Граца по предмету прикладная акустика.

Рассмотрим теоретические аспекты преобразования аналогового (аудио) сигнала в цифровой.
Статья не будет всеохватывающей, но в тексте будут гиперссылки для дальнейшего изучения темы.

Чем отличается цифровой аудиосигнал от аналогового?

Аналоговый (или континуальный) сигнал описывается непрерывной функцией времени, т.е. имеет непрерывную линию с непрерывным множеством возможных значений (рис. 1).

Цифровой сигнал — это сигнал, который можно представить как последовательность определенных цифровых значений. В любой момент времени он может принимать только одно определенное конечное значение (рис. 2).

Аналоговый сигнал в динамическом диапазоне может принимать любые значения. Аналоговый сигнал преобразуется в цифровой с помощью двух процессов — дискретизация и квантование. Очередь процессов не важна.

Дискретизацией называется процесс регистрации (измерения) значения сигнала через определенные промежутки (обычно равные) времени (рис. 3).

Квантование — это процесс разбиения диапазона амплитуды сигнала на определенное количество уровней и округление значений, измеренных во время дискретизации, до ближайшего уровня (рис. 4).

Дискретизация разбивает сигнал по временной составляющей (по вертикали, рис. 5, слева).
Квантование приводит сигнал к заданным значениям, то есть округляет сигнал до ближайших к нему уровней (по горизонтали, рис. 5, справа).

Эти два процесса создают как бы координатную систему, которая позволяет описывать аудиосигнал определенным значением в любой момент времени.
Цифровым называется сигнал, к которому применены дискретизация и квантование. Оцифровка происходит в аналого-цифровом преобразователе (АЦП). Чем больше число уровней квантования и чем выше частота дискретизации, тем точнее цифровой сигнал соответствует аналоговому (рис. 6).

Уровни квантования нумеруются и каждому уровню присваивается двоичный код. (рис. 7)

Количество битов, которые присваиваются каждому уровню квантования называют разрядностью или глубиной квантования (eng. bit depth). Чем выше разрядность, тем больше уровней можно представить двоичным кодом (рис. 8).

Данная формула позволяет вычислить количество уровней квантования:

Если N — количество уровней квантования,
n — разрядность, то

Обычно используют разрядности в 8, 12, 16 и 24 бит. Несложно вычислить, что при n=24 количество уровней N = 16,777,216.

При n = 1 аудиосигнал превратится в азбуку Морзе: либо есть «стук», либо нету. Существует также разрядность 32 бит с плавающей запятой. Обычный компактный Аудио-CD имеет разрядность 16 бит. Чем ниже разрядность, тем больше округляются значения и тем больше ошибка квантования.

Ошибкой квантований называют отклонение квантованного сигнала от аналогового, т.е. разница между входным значением и квантованным значением ()

Большие ошибки квантования приводят к сильным искажениям аудиосигнала (шум квантования).

Чем выше разрядность, тем незначительнее ошибки квантования и тем лучше отношение сигнал/шум (Signal-to-noise ratio, SNR), и наоборот: при низкой разрядности вырастает шум (рис. 9).

Разрядность также определяет динамический диапазон сигнала, то есть соотношение максимального и минимального значений. С каждым битом динамический диапазон вырастает примерно на 6dB (Децибел) (6dB это в 2 раза; то есть координатная сетка становиться плотнее, возрастает градация).

Ошибки квантования (округления) из-за недостаточного количество уровней не могут быть исправлены.

50dB SNR
примечание: если аудиофайлы не воспроизводятся онлайн, пожалуйста, скачивайте их.

Теперь о дискретизации.

Как уже говорили ранее, это разбиение сигнала по вертикали и измерение величины значения через определенный промежуток времени. Этот промежуток называется периодом дискретизации или интервалом выборок. Частотой выборок, или частотой дискретизации (всеми известный sample rate) называется величина, обратная периоду дискретизации и измеряется в герцах. Если
T — период дискретизации,
F — частота дискретизации, то

Чтобы аналоговый сигнал можно было преобразовать обратно из цифрового сигнала (точно реконструировать непрерывную и плавную функцию из дискретных, «точечных» значении), нужно следовать теореме Котельникова (теорема Найквиста — Шеннона).

Теорема Котельникова гласит:

Если аналоговый сигнал имеет финитный (ограниченной по ширине) спектр, то он может быть восстановлен однозначно и без потерь по своим дискретным отсчетам, взятым с частотой, строго большей удвоенной верхней частоты.

Вам знакомо число 44.1kHz? Это один из стандартов частоты дискретизации, и это число выбрали именно потому, что человеческое ухо слышит только сигналы до 20kHz. Число 44.1 более чем в два раза больше чем 20, поэтому все частоты в цифровом сигнале, доступные человеческому уху, могут быть преобразованы в аналоговом виде без искажении.

Но ведь 20*2=40, почему 44.1? Все дело в совместимости с стандартами PAL и NTSC. Но сегодня не будем рассматривать этот момент. Что будет, если не следовать теореме Котельникова?

Когда в аудиосигнале встречается частота, которая выше чем 1/2 частоты дискретизации, тогда возникает алиасинг — эффект, приводящий к наложению, неразличимости различных непрерывных сигналов при их дискретизации.

Как видно из предыдущей картинки, точки дискретизации расположены так далеко друг от друга, что при интерполировании (т.е. преобразовании дискретных точек обратно в аналоговый сигнал) по ошибке восстанавливается совершенно другая частота.

Аудиопример 4: Линейно возрастающая частота от

100 до 8000Hz. Частота дискретизации — 16000Hz. Нет алиасинга.

Аудиопример 5: Тот же файл. Частота дискретизации — 8000Hz. Присутствует алиасинг

Пример:
Имеется аудиоматериал, где пиковая частота — 2500Hz. Значит, частоту дискретизации нужно выбрать как минимум 5000Hz.

Следующая характеристика цифрового аудио это битрейт. Битрейт (bitrate) — это объем данных, передаваемых в единицу времени. Битрейт обычно измеряют в битах в секунду (Bit/s или bps). Битрейт может быть переменным, постоянным или усреднённым.

Следующая формула позволяет вычислить битрейт (действительна только для несжатых потоков данных):

Битрейт = Частота дискретизации * Разрядность * Количество каналов

Например, битрейт Audio-CD можно рассчитать так:
44100 (частота дискретизации) * 16 (разрядность) * 2 (количество каналов, stereo)= 1411200 bps = 1411.2 kbit/s

При постоянном битрейте (constant bitrate, CBR) передача объема потока данных в единицу времени не изменяется на протяжении всей передачи. Главное преимущество — возможность довольно точно предсказать размер конечного файла. Из минусов — не оптимальное соотношение размер/качество, так как «плотность» аудиоматериала в течении музыкального произведения динамично изменяется.

При кодировании переменным битрейтом (VBR), кодек выбирает битрейт исходя из задаваемого желаемого качества. Как видно из названия, битрейт варьируется в течение кодируемого аудиофайла. Данный метод даёт наилучшее соотношение качество/размер выходного файла. Из минусов: точный размер конечного файла очень плохо предсказуем.

Усреднённый битрейт (ABR) является частным случаем VBR и занимает промежуточное место между постоянным и переменным битрейтом. Конкретный битрейт задаётся пользователем. Программа все же варьирует его в определенном диапазоне, но не выходит за заданную среднюю величину.

При заданном битрейте качество VBR обычно выше чем ABR. Качество ABR в свою очередь выше чем CBR: VBR > ABR > CBR.

ABR подходит для пользователей, которым нужны преимущества кодирования VBR, но с относительно предсказуемым размером файла. Для ABR обычно требуется кодирование в 2 прохода, так как на первом проходе кодек не знает какие части аудиоматериала должны кодироваться с максимальным битрейтом.

Существуют 3 метода хранения цифрового аудиоматериала:

Несжатый (RAW) формат данных

Другой формат хранения несжатого аудиопотока это WAV. В отличие от RAW, WAV содержит заголовок файла.

Аудиоформаты с сжатием без потерь

Принцип сжатия схож с архиваторами (Winrar, Winzip и т.д.). Данные могут быть сжаты и снова распакованы любое количество раз без потери информации.

Как доказать, что при сжатии без потерь, информация действительно остаётся не тронутой? Это можно доказать методом деструктивной интерференции. Берем две аудиодорожки. В первой дорожке импортируем оригинальный, несжатый wav файл. Во второй дорожке импортируем тот же аудиофайл, сжатый без потерь. Инвертируем фазу одного из дорожек (зеркальное отображение). При проигрывании одновременно обеих дорожек выходной сигнал будет тишиной.

Это доказывает, что оба файла содержат абсолютно идентичные информации (рис. 11).

Кодеки сжатия без потерь: flac, WavPack, Monkey’s Audio…

При сжатии с потерями

акцент делается не на избежание потерь информации, а на спекуляцию с субъективными восприятиями (Психоакустика). Например, ухо взрослого человек обычно не воспринимает частоты выше 16kHz. Используя этот факт, кодек сжатия с потерями может просто жестко срезать все частоты выше 16kHz, так как «все равно никто не услышит разницу».

Другой пример — эффект маскировки. Слабые амплитуды, которые перекрываются сильными амплитудами, могут быть воспроизведены с меньшим качеством. При громких низких частотах тихие средние частоты не улавливаются ухом. Например, если присутствует звук в 1kHz с уровнем громкости в 80dB, то 2kHz-звук с громкостью 40dB больше не слышим.

Этим и пользуется кодек: 2kHz-звук можно убрать.

Кодеки сжатия с потерям: mp3, aac, ogg, wma, Musepack…

Источник