1

Compresión de Audio

2

Existen básicamente dos tipos de compresión.

LosslessLossy

3

La compresión lossless produce una representación digital del audio que luego puede ser expandida a una réplica exacta.

Para los esquemas lossy, los cambios sobre el original son irreversibles.

4

En ambos casos se busca eliminar la redundancia, sin embargo los codec con pérdidas buscan reducir también la información irrelevante.

5

Irrelevante llamaremos a aquella información que sea perceptualmente inaudible.

Los criterios para evaluar la percepción se basarán en la psicoacústica.

6

Escala Bark

Eberhard Zwicker en 1961 propuso una escala de frecuencias con bandas críticas (Barks).

Esta escala se originó a partir de la escala Mel.

7

Bandas Críticas

8

Bandas Críticas

Como se ha visto, esta modelización tiene una fuerte correlación con el comportamiento de la cóclea.

Desde el punto de vista de la percepción, las bandas críticas pueden ser analizadas individualmente.

9

Volumen

La noción de volumen fue estudiada en primer lugar por Fletcher y Munson en 1933.

Hicieron mediciones trazando curvas para igual volumen percibido a distintas frecuencias.

10

Curvas Equal-Loudness

11

El oído es mas sensible en el rango 1-5kHz. Esto se explica en gran medida por la resonancia del canal auditivo y la función transferencia de los huesos del oído medio.

Obsérvese que el umbral de audición varía desde 0 hasta 80dB SPL (!)

Ver http://www.phys.unsw.edu.au/jw/hearing.html

12

Enmascaramiento

Enmascaramiento Simultaneo En presencia de un tono, el umbral de audición

a su alrededor varía. De esta manera, se “tapan” frecuencias que de

lo contrario serían audibles.Enmascaramiento Temporal Si dos tonos cercanos son presentados

secuencialmente. El primero es capaz de volver inaudible al segundo .

13

Enmascaramiento simultaneo Como ya vimos…

14

Enmascaramiento simultaneo

15

Enmascaramiento temporal

Cualquier sonido dentro del área sombreada será enmascarado.

Las colas exponenciales variarán su largo (no linealmente) en función de la duración del tono.

16

¿Como podemos aprovechar esto?

17

Lo que hace es adaptar la cantidad de bits, para que el ruido de cuantización quede justo por debajo del enmascaramiento.

Para esto, es conveniente el análisis del audio en bandas de frecuencia.

18

Compresor Lossy

19

MPEG - 1

20

MPEG - 1

MPEG-1 es un standard de compresión lossy para video y audio.

Fue publicado en 1993 por el grupo “Moving Picture Expert Group“.

Trabaja con frecuencias de sampleo de 32, 44.1 , y 48 kHz.

Bitrates desde 32 hasta 448kbit/s (Layer 1 Stereo).

21

MPEG - 1

Tiene 4 modos posibles: mono, stereo, dual (ideal para SAP) y joint stereo.

Tiene definidas 3 capas. Cada una con algoritmos de complejidad progresiva.

Las capas son inclusivas. Con el codec para Layer III es posible decodificar también Layer I y II.

22

Estructura de Codificador/Decodificador MPEG - 1 Layer I y II

23

Análisis multibanda

El codec subdivide el espectro en 32 bandas de filtros equiespaciados.

La implementación de los pasabandas se hace por filtros polifásicos.

24

Filtros polifásicos

Consisten en una serie N (2k) de filtros equiespaciados.

Se construyen con un filtro pasabajos base con fc=fs/4N, modulado por N senoidales.

Se los usa porque requieren baja complejidad computacional.

25

Masking Thresholds

Para fijar los umbrales, el codec MPEG-1 utilizaThreshold in quiet (Equal Loudness)Intra-band masking

• Simultaneous masking• Non-simultaneous masking

26

Modelos Matemáticos

Tanto para el enmascaramiento simultáneo como para el temporal. Se utilizan modelos matemáticos. Ambos propuestos por Ernst Terhardt.

Con estos, se traza un umbral a partir del mínimo valor de la “máscara inaudible”. Uno por cada banda (JND).

27

Just Noticeable Distortion (JND)

28

Compresión Lossless

Para la compresión lossless, el enfoque es totalmente distinto.

Se busca codificar la redundancia como lo haría un zip, pero con algoritmos específicos para audio.

29

Esquema básico

30

Framing

Para la división en frames, se evalúaQue el frame no sea excesivamente corto.

Overhead en decodificación.Tampoco que sea demasiado largo. Baja

adaptabilidad. En los algoritmos mas populares, el largo

del frame va desde 13 a 26ms.

31

Intrachannel decorrelation

La mayoría de los algoritmos remueven redundancia de los samples utilizando predictores lineales.

De esta manera, la señal que se envía son los parámetros del predictor y la señal de error.

32

Intrachannel decorrelation

Existen otros métodos (menos comunes), donde se calculan versiones de bajo bit-rate de la señal.

Luego se envía sin pérdidas la diferencia entre esta y la señal original.

33

Modelo Predictor (Predicción)

Feedforward Feedback

34

Modelo Predictor (Reconstrucción)

35

Filtros adaptativos

Para reducir los tiempos de cálculo, en general, los compresores trabajan con listas de set de coeficientes.

Se trabaja con punto fijoFacilita aritméticaEs standard

36

Entropy coding

Se usan fundamentalmente 3 métodosRun Length CodingHuffmanRice Coding

37

Rice Coding

Los números a codificar se dividen en 3 partes.Bit de signom números de la parte menos significativa.N ceros. Con N igual al número binario que

quedó en la parte mas significativa.Un ‘1’ al final.

38

Rice Coding

39

Rice Coding

La codificación Rice es un subset de la codificación Golomb.

Es utilizado en esquemas adaptativos, porque sus parámetros se pueden ajustar.

Se utiliza tanto en audio como en imagen.

40

Rice Coding

El parámetro m es la clave para la compresión. Frame a frame, se lo recalcula

Tiene la propiedad de adaptarse según la magnitud del error, siendo óptimo para señales que estadísticamente se mueven dentro de un rango.