1

CODIFICACIÓN DE AUDIO

Codificaciones Clásicas Redundancia

Escalar, Vectorial

En Tiempo PCM, logPCM, APCM, DPCM

En Frecuencia SBC, TC

Con Modelos Análisis (por) Síntesis

Codificaciones Perceptuales Relevancia

Modelos Psicoacústicos

Parámetros

Cuantificación y Codificación

ΠΘΜ

2

CODIFICACIÓN DE AUDIO

Codificación de alta calidad , PCM

Telefónica, Fs=8KHz, B=8bits, 64

Voz de banda ancha , Fs=16KHz, B=8bits, 128

Audio banda media , Fs=24KHz, B=16bits, 384

Audio banda ancha, Fs=48KHz, B=16bits, 768

CD , Fs=44.1KHz, B=16 bits, estéreo, 1410

Overheads de 49-bits/16-bit, 4320

Analógico , Fs>55KHz, B>20 bitsΠΘΜ

3

CODIFICACIÓN PERCEPTUAL

Principios Psicoacústicos

Estructura General

Modelo Psicoacústico

Análisis Tiempo-Frecuencia

Cuantificación y Codificación

Estándares ΠΘΜ

4

PRINCIPIOS PSICOACÚSTICOS

Nivel de Presión Sonora (dB)

Umbral Absoluto de Audición

Bandas Críticas

Banco de Filtros Paso Banda

Solapados y No Uniformes

Enmascaramiento

Simultáneo

TMN, NMT, NMN

Temporal

Pre, Post

ΠΘΜ

5

PRINCIPIOS PSICOACÚSTICOS

Nivel de Presión Sonora (dB)

Lspl = 20 log10 (P/Po) dB

Po = 20 µPa = 2*10e-5 N/m2

Normalización, Fondo de escala = 90 dB SPL

21(2 / )

100

1

( ) 90.302 10log ( ) ( )

1 2 ( )( ) 1 cos , ( )2 2

Nj kn N

n

b

P k w n x n e

n s nw n x nN N

π

π

−−

=

−

= +

= − =

∑ΠΘΜ

6

AUDICIÓN

Umbral Absoluto de Audición

20.8 40.6 3.331000( ) 3.64 6.5 10 ( )

1000 1000

ff fTq f e dB SPL− − − − = − +

102

103

104

0

20

40

60

80

100

ΠΘΜ

7

BANDAS CRÍTICAS

Bandas Críticas Aproximaciones

0.692

( ) 25 7 1 1.4 ( )1000fBWc f Hz

= + +

Escala Bark (Bark = 1 banda crítica)

2

( ) 13arctan(0.00076 ) 3.5arctan ( )1000fz f f Bark

= +

Ancho de Banda

ΠΘΜ

8

BANDAS CRÍTICAS

Tabla de Bandas Críticas

2000-23202320-27002700-31503150-37003700-44004400-53005300-64006400-77007700-95009500-1200012000-1550015500-20000

21502002900340040004800580070008500105001350019500

141516171819202122232425

0-100100-200200-300300-400400-510510-630630-770770-920920-10801080-12701270-14801480-17201720-2000

5015025035045057070084010001175137016001850

12345678910111213

Bwi (Hz)Fi (Hz)Nº BBwi (Hz)Fi (Hz)Nº B.

ΠΘΜ

9

ENMASCARAMIENTO

Enmascaramiento Simultáneo

Nivel del Enmascarador

Umbral de EnmascaramientoRelación Señal a Máscara (SMR)

EnmascaradorSPL (dB)

BandaCrítica

Señales Enmascaradas

ΠΘΜ

10

ENMASCARAMIENTO

Enmascaramiento Simultáneo

Ruido Enmascara Tono

SMR ∈ [-5, 5] dB

Tono Enmascara Ruido

SMR ∈ [21, 28] dB

Ruido Enmascara Ruido

SMR ≈ 26 dB

Dispersión fuera de BandaΠΘΜ

11

ENMASCARAMIENTO

Enmascaramiento Temporal

Enmascarador

Post-EnmascaramientoPre-Enmascaramiento

SPL (dB)

Tiempo (ms)1-2 50-300

SMR ≈ SMR(sim)-25 dB

ΠΘΜ

12

ENMASCARAMIENTO

Aplicaciones

No transmisión de lo Inaudible

Mantener el ruido bajo lo audible

ΠΘΜ

13

ESTRUCTURA GENERAL

Codificador Perceptual de Audio

Análisis

Tiempo-frecuencia

Análisis

Psico-Acústico

Cuantificación

Codificación

Distribución

De Bits

Codificación

Sin Pérdidas

M

U

X

Voz Bit

streamΠΘΜ

14

ANÁLISIS PSICOACÚSTICO

Análisis Psico-Acústico

Análisis de Frecuencia

Bancos de filtros, Transformaciones

Umbral Global de Enmascaramiento

Umbrales Fijos, Dependientes

Detección de Tonos, de Ruidos

Efectos dentro, fuera de banda

Combinación

Ejemplo básico

ΠΘΜ

15

ANÁLISIS PSICOACÚSTICO

Modelo 1, MPEG 1 Layer 1

Análisis FFT-512 con hanning (12ms)

Resolución de 86.13Hz a 44.1KHz

Escala Bark por transformación

Dispersión fuera de Banda limitada

Estimación Tono por máximo local de 7dBentre ±2, ±3 y ±6 en >63, >127 y >256

Estimación Ruido por BandaΠΘΜ

16

ANÁLISIS PSICOACÚSTICO

Modelo 1

Enmascaradores1

0.1 ( )10

1

( ) 10log 10 ( )P k jTM

j

P k dB+

=−

= ∑

Diezmado de Enmascaradores

Descarte bajo el umbral absoluto

Sustitución en 0.5 Bark por el mayor

Diezmado por 2 y 4 en <18 y <22

{ }0.1 ( )10( ) 10log 10 ( ) , ( ) ( )P j

NM TM kj

P k dB P j P k= ∀ ∉ ± ∆∑

1( 1)l uu

j l

k j− +

=

= ∏

ΠΘΜ

17

ANÁLISIS PSICOACÚSTICO

Modelo 1

Umbrales por tipo

( , ) ( ) 0.275 ( ) ( , ) 6.025 ( )TM TMT i j P j z j SF i j dB SPL= − + −

( , ) ( ) 0.175 ( ) ( , ) 2.025 ( )NM NMT i j P j z j SF i j dB SPL= − + −

17 0.4 ( ) 11 3 1(0.4 ( ) 6) 1 0

( , ) ( )17 0 1

(0.15 ( ) 17) 0.15 ( ) 3 1

z XM z

XM z z

z z

XM z XM z

P jP j

SF i j dB SPL

P j P j

∆ − + − ≤ ∆ < − + ∆ − ≤ ∆ <= − ∆ ≤ ∆ < − ∆ − − ≤ ∆ < −

Umbral Global

0.1 ( ) 0.1 ( , )0.1 ( , )10

1 1( ) 10log 10 10 10 ( )q NMTM

L MT i T i mT i l

gl m

T i dB SPL= =

= + +

∑ ∑

ΠΘΜ

18

ANÁLISIS PSICOACÚSTICO

Modelo de Entropía Perceptual (Modelo 2, MP3)

Análisis FFT-2048, con hanning

Espectro Bark por suma espectral en BC

Dispersión por convolución

Estimación Tono/Ruido por AplanamientoEspectral en cada Banda, SFM=µg/µa

Coeficiente de tonalidad para Umbrales

min ,160dBSFMα = −

ΠΘΜ

19

ANÁLISIS PSICOACÚSTICO

Modelo de Entropía Perceptual

Ponderación de los umbrales por tipo

14.5 ,THn Et B B BandaCritica= − − =[ ], 3, 5THt En K K dB= − ∈

(14.5 ) (1 )5.5iO i dBα α= + + −

Umbrales por banda10log ( ) ( /10)10 i iC O

iT−=

Umbral Global

max( , ( ))i i qT T T i=ΠΘΜ

20

ANÁLISIS TIEMPO-FRECUENCIA

Análisis Tiempo-Frecuencia

Bancos de Filtros (baja resolución)

Transformadas Unitarias (alta resolución)

Esquemas Híbridos

Modelos Fuente-SistemaΠΘΜ

21

BANCOS DE FILTROS

Propiedades

M filtros paso banda

Contiguos en frecuencia

Diezmado crítico en análisis

Interpolación en síntesis

Aliasing por solapamiento

Reconstrucción perfecta sin cuantificación

Error de cuantificación a enmascararΠΘΜ

22

BANCOS DE FILTROS

Propiedades

Reduce redundancias estadísticas

Diseño adecuado para evitar Aliasing

Uniformes, No Uniformes

Resolución frecuencia

Resolución tiempo (tipo, adaptación)

FIR, IIRΠΘΜ

23

BANCOS DE FILTROS

Pseudo-QMF

M-Modulaciones en coseno de un PPB

No alcanza la reconstrucción perfecta

Prototipo paso bajo FIR (Fase lineal)

Posibilidad de hacerlo con FFT

Uniforme

Complejidad baja (filtro+modulación)

Muestreo críticoΠΘΜ

24

BANCOS DE FILTROS

Pseudo-QMF

Eliminación de la distorsión de fase

Cancelación del aliasing, (w(n), L), ¿?

( ) ( 1 )k kg n h L n= − −

1( ) 2 ( )cos ( 0.5)2k kLh n w n k n

Mπ θ − = + − +

1( ) 2 ( ) cos ( 0.5)2k kLg n w n k n

Mπ θ − = + − −

( 1)4

kk

πθ = −

ΠΘΜ

25

BANCOS DE FILTROS

Polifase

Diseño fácil

Complejidad computacional baja

Uniforme

ΠΘΜ

26

TRANSFORMACIONES

Propiedades

Transformación lineal

Coeficientes incorrelados

Reconstrucción perfecta sin cuantificación

Algoritmos basados en FFT

Efectos de borde de los bloquesΠΘΜ

27

TRANSFORMACIONES

DCT, DFT

Diseño fácil

Complejidad computacional baja

Evita errores de bloque ???

ΠΘΜ

28

TRANSFORMACIONES

MDCT

Banco de filtros modulado en coseno

L = 2M y w(n) con restricciones

Alcanza la reconstrucción perfecta

Implementación con transformaciones

Solape 50%, Elimina ruido bloque

Algoritmos basados en FFT

Muestreo crítico (2M muest a M coeff)

Ventanas variantes en tiempo

ΠΘΜ

29

TRANSFORMACIONES

MDCT

Eliminación de la distorsión de fase

Cancelación del aliasing,

( ) (2 1 )k kg n h M n= − −

2 (2 1)(2 1)( ) ( ) cos4k

n M kh n w nM M

π+ + + =

ΠΘΜ

30

TRANSFORMACIONES

MDCT

Análisis

Síntesis

2 1

0

( ) ( ) ( )M

kn

X k x n h n−

=

= ∑

1

0( ) [ ( ) ( ) ( ) ( )]

MP

k kk

x n X k h n X k h n M−

=

= + +∑ ΠΘΜ

31

TRANSFORMACIONES

MDCT

Ventana lineal y condición de Nyquist

Ventana seno (MLT de Malvar), óptima

(2 1 ) ( )w M n w n− − =

1( ) sin , 0 12 2

w n n n MMπ = + ≤ ≤ −

2 2( ) ( ) 1, 0 1w n w n M n M+ + = ≤ ≤ −

ΠΘΜ

32

HÍBRIDOS

Propiedades

Combinan Bancos con Transformadas

Estructura en cascada

Flexibles en resolución de frecuencia

Permiten adaptación

Complejidad computacional media

No alcanza reconstrucción perfecta

Ejemplos: QMF+MDCT, PF+MDCTΠΘΜ

33

ECOS

Pre-eco

Señales abruptas en entornos silenciosos

Señales muy pitcheadas

Dispersión del error de cuantificación

Control de pre-ecos

Reserva de bits

Cambio de tamaño de ventana (64,1024)

Enmascaramiento temporal

Modificación de la ganancia

Modificación temporal del ruido (LP)

ΠΘΜ

34

CODIFICACIÓN

Asignación dinámica de bits

Enmascaramiento

Velocidad

Cuantificador

Uniforme/No Uniforme

Codificador

Con/Sin Pérdidas

Control ???

Directo/Indirecto

ΠΘΜ

35

CODIFICADORES

Transformación

ASPEC

Subbandas

MASCAM

Sinusoidales

Predicción linealΠΘΜ

36

ESTÁNDARES

MPEG 1 (1992)

Capa I, II y III

MPEG 2 (1994, 1997) extensión multicanal

Compatibilidad Backward

Incompotibilidad Barkward, AAC

MPEG 4 (1998)

Amplio campo de aplicaciones

MPEG 7

Descripción estandarizada deinformación multimedia (no coding)

ΠΘΜ

37

ESTÁNDARES

Normativa

Decodificador

Bitstream

Informativa

Ejemplos de modelos psicoacústicosΠΘΜ

38

MPEG 1

Características

Modos: mono, estéreo, dual, conjunto y M/S

Fs= 32 Kb/s, 44.1 Kb/s y 48 Kb/s

Capa I, 192 Kb/s (estéreo a 384 Kb/s)

Capa II, 128 Kb/s (estéreo a 192 Kb/s)

Capa III (MP3), 64 kB/s (estéreo a 128 Kb/s)ΠΘΜ

39

MPEG 1

Capa I

Banco de filtros PseudoQMF con 32 filtros

Polifase Uniforme, 750Hz de BW a 48 kHz

Filtros FIR de orden 512 (con DCT)

ΠΘΜ

40

MPEG 1

Capa I

Modelo psicoacústico con FFT-512

Ponderación Hanning

Modelo 1

SMR = Nivel max de señal en la subbanday el Nivel min de enmascaramiento en ella

Modelo 2

ΠΘΜ

41

MPEG 1

Capa I

Análisis de 12 muestras por banda (384)

Asignación dinámica de bits por modelopsicoacústico

Incrementa 1 bit el Q con mayor NMR

Factor de escala igual a la muestra mayor

Información por banda

Bits/banda (4), f. escala (6), muestra

Síntesis por bloques de 32 muestras

ΠΘΜ

42

MPEG 1

Capa II

Modelo psicoacústico con FFT-1024

Análisis de 12x3 muestras por banda (1152)

Factor de escala por bloque de 12 muestras

Envía 1, 2 o 3 según cambia

Q disponibles

3,5,7,9,15,31, ..., 65535 para baja fr

3,5, 65535 para alta (nada para [28,32]

Palabra común para Q seguidos de 3,5 y 9

ΠΘΜ

43

MPEG 1

Capa III

Banco de filtros híbrido

Resolución de bandas críticas

Polifase de 32 + MDCT de 6 o 18 p

Bloques de 12 o 36 muestras

BW mínimo de 41.67 Hz a 48 kHz

MDCT de 18 para resolución en fr

MDCT de 6 para prevenir preecos, 4ms

Ventanas de comienzo y fin

ΠΘΜ

44

MPEG 1

Capa III

Cuantificación No Uniforme

Codificación Huffman

Reserva de bits (velocidad variable)

ΠΘΜ

45

MPEG 1

Capa III

Modelo psicoacústico con FFT-1024

Ponderación Hanning

Modelo 2

Tonalidad por predicción

Asignación de bits, análisis-por-síntesisΠΘΜ

46

MPEG 1

Estructura de trama, capa I y II

Encabezamiento

12 syncr, 20 infosys y 16 cycred

Bits/banda, factor de escala

Información principal (muestras)

Datos auxiliares

Características

Autónomas

Tamaño Variable

Empaquetamiento en 188 Byte (4B header)

ΠΘΜ

47

MPEG 2

Características

Multicanal

Fs= 16 Kb/s, 22.05 Kb/s y 24 Kb/s

Mayor resolución y mayor ganancia

MPEG-2 por debajo de 64kb/s/canalΠΘΜ

48

MPEG 2

Multicanal, configuraciones

Mono, 1/0

Derecho (R), izquierdo (L), 2/0

+ Central adicional (C), 3/0

+ Mono surround, 3/1

+ Surround derecho (RS), izquierdo (SL), 3/2

+ Subwoofer [15,120]Hz, 5.1

Explotación de dependencias entre canalesΠΘΜ

49

MPEG 2

Compatibilidad

Forward, Acepta MPEG 1 mono y estéreo

Backward, MPEG 1 acepta MPEG 2 1/0 y 2/0

T1=L0=α(L+βC+δLS), α=1/(1+√2)T2=R0= α(R+βC+δRS), β=δ=√2 T3=C,T4=LS y T5=RS

T3, T4 y T5 en el campo auxiliar MPEG 1

Problemas con enmascaramiento entrecanales en el desmatriciado

No compatible, MPEG-2 AAC

ΠΘΜ

50

MPEG-2 AAC

Módulos, modelos de referencia por interfaces

Preprocesado

Banco de filtros, MDCT-1024

Modelo perceptual, MPEG-1 modelo 2

Modificación temporal de ruido (preeco)

Codificación multicanal

Predicción adaptativa backward, 2º, <16kHz

Estéreo M/S

Cuantificador,Codificador sin pérdidas

Multiplexor bitstream

ΠΘΜ

51

MPEG-2 AAC

Módulos

Asignación de bits

MPEG-1 modelo 2

Proceso de análisis-por-síntesis

49 bandas imitan la resolución del oido

Reserva de bits para bit-rate variableΠΘΜ

52

MPEG-2 AAC

Perfiles

Alta calidad

MDCT 1024 (2048m) = 8x128 (256m)

Resolución de 23.43Hz a 48kHz

Resolución de 2.6 ms a 48 kHz

Ventana senoidal para Banda estrech

Ventana KBD para fuerte atenuaciónΠΘΜ

53

MPEG-2 AAC

Perfiles

Baja complejidad

Sin predicción

Sin modificación temporal de ruido

Mínima complejidad

Banco de filtros híbridoΠΘΜ

54

MPEG-4

Características

Aplicaciones desde alta calidad audio-voz acalidad sintética audio-voz

Módulos de audio-voz de 2 a 64 kb/s

Paramétrica, 2 a 10 kb/s

Análisis-por-síntesis, 6 a 16 y 24 kb/s

Ej, CELP

Frecuencia, menor que 64 kb/s

Ej, AAC, Sust. de ruido perceptual

ΠΘΜ

55

MPEG-4

Características

Aplicaciones desde alta calidad audio-voz acalidad sintética audio-voz

Módulos de audio-voz de 2 a 64 kb/s

Paramétrica 2 a 10 kb/s

Análisis-por-síntesis, 6 a 16 kb/s

Frecuencia, menor que 64 kb/s

Módulo de sustitución de ruido perceptual

Representación paramétrica de energía

ΠΘΜ

56

APLICACIONES

Velocidad

Alta fidelidad a menos de 16kb/s/canal

WWW, de facto con MP3

Transmisión

ISDN (64kb/s)

Almacenamiento

DCC de philips usa MPEG-1 L1 (384 kb/s)

DVD (PAL y NTSC) (384 kb/s)ΠΘΜ

57

APLICACIONES

Radiodifusión radio

DAB, DVB, usan MPEG-1 LII (LIII baja vel)

Gran overhead

FM (88-108MHz)

Radiodifusión TV satélite

Huges DirectTV, ADR usan MPEG-1 LII

Eutelsat SaRa usa MPEG-1 LIII

Radiodifusión TV digital terrestre

European DVB usa MPEG-2

ΠΘΜ