Kompresja dynamiki

Z Wikipedii, wolnej encyklopedii
Skocz do: nawigacji, wyszukiwania
Istota kompresji dynamiki – konwersja sygnału o szerszym zakresie poziomów napięć (60 dB) do sygnału o mniejszym zakresie poziomów napięć (30 dB)

Kompresja dynamiki – proces polegający na zmniejszeniu dynamiki sygnału. Polega na konwersji sygnału elektrycznego tak, by każdemu poziomowi sygnału z zakresu dynamiki sygnału wejściowego przyporządkować poziom sygnału z zakresu dynamiki sygnału wyjściowego (docelowego). Działaniem odwrotnym jest ekspansja dynamiki.

Proces kompresji sygnału[edytuj | edytuj kod]

Kompresja analogowa[edytuj | edytuj kod]

Proces kompresji analogowego sygnału elektrycznego[1] polega na zastosowaniu układu elektronicznego realizującego względem sygnału następującą funkcję matematyczną:


U_{wyj}=\sgn U_{wej} * \frac {A * \begin{vmatrix} U_{wej} \end{vmatrix} } {1+ \log {A} }
, dla  0 \leqslant \begin{vmatrix} U_{wej} \end{vmatrix} \leqslant \frac {1}{A}
oraz:

U_{wyj}=\sgn U_{wej} * \frac {1+ \log {(A * \begin{vmatrix} U_{wej} \end{vmatrix} )} } {1+ \log {A} }
, dla  \frac {1}{A} \leqslant \begin{vmatrix} U_{wej} \end{vmatrix} \leqslant 1.

Tego rodzaju kompresja nazwana jest kompresją według krzywej typu A (ze względu na współczynnik A), a jej teoretyczne podstawy służą do kompresji sygnałów mowy w telekomunikacji (współczynnik A przyjmowany jest na poziomie A=87,6).

Istnieje również inny sposób przedstawienia zagadnienia kompresji dynamiki za pomocą wzoru:


U_{wyj}=\frac {\log { (1+ \mu * U_{wej}) } } { \log { ( 1+ \mu ) } }
, dla  0 \leqslant U_{wej} \leqslant 1
nazywany kompresją według krzywej typu μ (współczynnik μ przyjmowany jest w telekomunikacji na poziomie μ=255).

Kompresja cyfrowa[edytuj | edytuj kod]

Proces kompresji dynamiki sygnału analogowego zakodowanego cyfrowo polega na przekształceniu sygnału cyfrowego o większej liczbie stopni kwantowania na sygnał cyfrowy o mniejszej liczbie stopni kwantowania przy zastosowaniu algorytmu kompresowania dynamiki. Podstawy teoretyczne opierają się na ustaleniu większej liczby poziomów kodowania sygnału w zakresie niskich wartości sygnału i mniejszej liczby poziomów przy sygnale o wyższej wartości, a co za tym idzie na podziale na segmenty o większej lub mniejszej liczbie poziomów kwantyzacji. Przykładowy sposób kompresji dynamiki sygnału wymagającego zakodowania w 12 bitach na sygnał 8-bitowy przedstawia tabelka:

Przykładowa krzywa kompresji cyfrowej zgodna z algorytmem przedstawionym w tabelce
segment kod przed kompresją kod po kompresji
7 S1WXYZ000000 S111WXYZ
6 S01WXYZ00000 S110WXYZ
5 S001WXYZ0000 S101WXYZ
4 S0001WXYZ000 S100WXYZ
3 S00001WXYZ00 S011WXYZ
2 S000001WXYZ0 S010WXYZ
1 S0000001WXYZ S001WXYZ

Oznaczenia:

  • S – bit określający znak +(1) lub -(0) zakodowanego sygnału,
  • WXYZ – bity danych.

Ośmiobitowy kod wyjściowy ma postać:

  • 1 bit (S) – znak sygnału,
  • 3 bity – zakodowany numer segmentu 1-7,
  • 4 bity (WXYZ) – bity danych (w zakresie segmentu).

Szczegółowe zalecenia w zakresie kompresji dynamiki sygnałów występujących w telekomunikacji określa rekomendacja G.711 wydana przez ITU-T[2].

Przykład z samochodem[edytuj | edytuj kod]

Kompresja ma sens tam, gdzie duża dynamika sygnału utrudniałaby odbiór, np. w samochodzie. Silnik samochodu jest stosunkowo głośny, co utrudnia ustalenie komfortowej głośności dźwięku. Gdyby muzyka miała dużą dynamikę (czyli była momentami bardzo głośna, a momentami bardzo cicha), to albo byłoby słychać jedynie głośne momenty a poza tym muzyka ginęłaby w huku silnika, albo byłaby słyszalna, ale wtedy głośne momenty byłyby za głośne. Kompresja dynamiki powoduje, że muzyka ma cały czas mniej więcej tę samą głośność i to umożliwia słuchanie jej w samochodzie. Nie tłumaczy to jednak dlaczego poddawane temu procesowi są praktycznie wszystkie dostępne obecnie w sklepach płyty muzyczne. Z nadużywaniem kompresji dynamiki wiąże się problem wojny głośności[3].

Kompresja dynamiki na płytach CD w powszechnym mniemaniu wynika z parametrów urządzeń domowego audio oraz z typowych warunków odsłuchowych. Wynika też niestety ze swoistej mody (rozwiniętej do przesady przez wytwórnie muzyczne i stacje radiowe) na coraz głośniejszą w odbiorze muzykę (im głośniej zagramy od konkurencji, tym lepiej). Argument, że większość sprzętu (wzmacniacze i głośniki) nie zapewnia dynamiki na poziomie płyty CD (ponad 96 dB) nie jest tu najważniejszy. Jeśli chodzi o warunki odsłuchowe to musimy wziąć pod uwagę, że większość użytkowników nie słucha muzyki z naturalnym poziomem głośności (lecz ciszej), a samemu dźwiękowi towarzyszą odgłosy otoczenia (np. pracująca pralka czy sokowirówka, przy których obsłudze słuchający postanowił włączyć muzykę). Brak kompresji uniemożliwiałby poprawny odbiór dźwięku w niesprzyjających warunkach lub na sprzęcie niższej jakości. Czyli mamy tu do czynienia z sytuacją, gdzie teoretyczne możliwości nośnika CD (dynamika) celowo nie zostają wykorzystane (obniżono walory jakościowe nagrań w celu dopasowania się do przeciętnych warunków odsłuchowych i sprzętu najniższej jakości, np. przenośnych radioodbiorników). Stacje radiowe skompresowaną muzykę z CD, jeszcze bardziej kompresują, aby dostosować się również do technicznych aspektów transmisji FM (im głośniejsza muzyka, tym mniej słyszalne zakłócenia)[4].

Głównie to (oraz brak ostrego ograniczenia pasma przenoszenia częstotliwości od góry) powoduje, że płyty winylowe w porównaniu z CD brzmią bardziej naturalnie lub mówiąc wprost: lepiej. Materiału muzycznego na płytę gramofonową, gdzie zapis i odczyt jest procesem czysto mechanicznym, nie można w dowolny sposób modyfikować elektronicznie, kompresować dynamiki (tak bardzo jak na CD), nagrania są więc bardziej naturalne w odsłuchu pod tym względem (muzyka z winyli nie męczy tak szybko słuchu jak z CD).[potrzebne źródło]

Różnice między kompresją dynamiki a normalizacją

Parametry kompresji[edytuj | edytuj kod]

Istnieje wiele urządzeń i programów komputerowych umożliwiających kompresję na różne sposoby. Najczęstsze parametry kompresji, które można dostosować to:

  • Threshold – próg głośności powyżej którego ograniczana jest dynamika dźwięku. Sygnał o mniejszej głośności jest pozostawiany bez zmian.
  • Ratio – poziom kompresji, wyrażany stosunkiem n:1. Jeżeli sygnał wejściowy ma głośność o x decybeli wyższą od poziomu threshold, sygnał wyjściowy będzie miał głośność o x/n wyższą od threshold. Kompresory o ratio 10:1 lub większym nazywane są limiterami.
  • Attack – minimalny czas trwania dźwięku powyżej poziomu threshold, który powoduje zadziałanie kompresji (stłumienie głośności).
  • Release – czas po opadnięciu głośności poniżej poziomu threshold, po którym dźwięk przestaje być kompresowany[5].

Typowe nieporozumienie[edytuj | edytuj kod]

Kompresja dynamiki jest czymś zupełnie innym niż kompresja dźwięku (danych) taka jak np. mp3. Kompresja dynamiki odnosi się do dynamiki (miejsc cichych i głośnych) w sygnale, natomiast cyfrowa kompresja dźwięku (danych) jest bezstratną lub stratną kompresją zgodną z definicją kompresji danych.

Przypisy

  1. Opis kompresji według A-law i μ-law
  2. Rekomendacja G.711 na stronach ITU
  3. Sarah Jones: The Big Squeeze (ang.). Mix Magazine, 2005-12-01. [dostęp 2012-01-06].
  4. Frank Foti, Robert Orban: What Happens to My Recording When it’s Played on the Radio? (ang.). Omnia Audio, 2001-06. [dostęp 2012-01-06].
  5. Kompresja w Masteringu, Część 1 (pol.). Zakamarki audio, 2011-07-25. [dostęp 2012-01-06].