Codierungssysteme mit Audiodatenreduktion

Die Substitution von t zu Startzeit des Rahmens gibt die Offsets und und die entsprechenden Frequenzparameter und :


Basierend auf und werden Amplitude und Phase der Spektrallinie berechnet. Dies wird durch Berechnung eines komplexen Korrelationskoeffizienten des restlichen Fehlersignals und eines harmonischen Signals mit linearer Frequenzänderung von zu innerhalb des Rahmens realisiert. Den absoluten Wert des Korrellationskoeffizienten gibt der Amplitudenparameter , das Argument gibt den Phasenparameter . Wenn die Voranalyse die Hüllenparameter erzeugt hat, wird ein zweiter Satz von Parametern und berechnet, zusammenhängend mit dem Restfehlersignal und dem komplexen harmonischen Signal , welches zusätzlich mit der entsprechenden Hülle multipliziert wird. Die Startfrequenz und die Endfrequenz werden in der folgenden Synthesestufe genutzt, um den Restfehler zu minimieren. Außerdem werden diese Parameter zur Entscheidung genutzt, ob es sich um fortlaufenden Linien handelt, von einem Rahmen zum nächsten. Jedoch nur der arithmetische Ausdruck


welcher gleich der Frequenzbewertung in der Mitte des Rahmens ist, wird quantisiert und codiert. Die Syntheseeinheit erzeugt ein Sinussignal entsprechend , , und . Sind die Hüllenparameter verfügbar, so wird ein zweites Sinussignal aus den Parametern , , und synthetisiert und mit der Hüllenfunktion multipliziert, geliefert durch die Voranalyse. In der Separationseinheit wird ein neues Restfehlersignal durch Subtraktion des synthetisierten Signals erzeugt. Ist ein zweites synthetisiertes Signal verfügbar, so wird ein zweites Restfehlersignal berechnet. In diesem Fall wird der Parametersatz, der zur geringsten Restfehlervarianz führt, gewählt und entsprechend dem Restfehlersignal in den weiteren Analyseschritten genutzt. Um den Bitstrom zu decodieren, welcher durch den Analyse/Synthese-Codierer erzeugt wurde, sind zwei verschiedene Decodierer verfügbar. Der Hauptdecodierer nutzt nur den Hauptbitstrom, um die quantisierten Frequenzen- und Amplitudenparameter der Spektrallinie zu erhalten. Die Phasenverhältnisse werden nicht bestimmt. Der verbesserte Decodierer nutzt den Haupt- und den erweiterten Bitstrom, um ein Ausgabesignal zu rekonsturieren. Um die erforderliche Bitrate weiter zu reduzieren, gibt es ein neues Konzept zur Codierung von Parametern, welche harmonische Töne beschreiben. Dieses Konzept basiert auf der Technik der FM (Frequenzmodulation) –Synthese, welche gut bekannt ist in der Musik-Synthesizertechnik (10).


1.5.1.2 FM-basierter Analyse/Synthese-Audiocodierer

Die erste Implementation dieser Audiocodierungstechnik wurde für harmonische Tonsignale von Solo-Instrumenten erstellt.

 

Eine FM-Syntheseprozedur wurde erstellt, um ein komplexes Audiosignal zu erzeugen. Die Hauptanwendung war die Musiksoundsynthese. Die FM-Synthese bietet den Vorteil, derartige Audiosignale mit relativ wenigen Parametern zu modellieren.In der einfachsten FM-Synthese wird die Frequenz einer Sinuskurve (Transporteur) moduliert durch eine andere Sinuskurve (Modulierer), um eine komplexe Wellenform zu erzeugen. Das FM-Signal x(n) ist dargestellt durch:


Die Fourierreihen-Darstellung ist folgende:


wobei die Amplitude einer jeden harmonischen Komponente des FM-Spektrums von den Koeffizienten der Bessel-Funktion der ersten Art abhängt, wobei das Argument der Modulationsindex ist. Ein einziger FM-Synthese-Prozeß, welcher einen FM-Parametersatz (Modulationsfrequenz, Transportfrequenz, Modulationsindex und Amplitude) einbezieht, wird FM-Operator genannt. Verschiedene FM-Operatoren können parallel oder in Serie geschaltet werden, um ein komplexeres Schema zu erzeugen. Da es verschiedene Möglichkeiten für die FM-Parameteranpassung gibt, taucht das Problem der korrekten Anpassung der FM-Parameter für ein gegebenes Spektrum auf. Ohne Annahmen über die Eigenschaften der gegebenen Signale ist die Anpassung für eine optimale Parameterkombination sehr schwierig und komplex. Um dieses nicht lineare Problem der Parameteranpassung zu bewältigen, gibt es eine numerische FM-Analyse zur Schätzung der FM-Parameter. Das Hauptprinzip dieser Codierung besteht aus drei Schritten. Der erste Schritt ist die Ermittlung der Spektralinformationen des Eingangssignals mit Hilfe einer Voranalyse. Dann folgt die Durchführung der FM-Analyse-Prozedur für die gewonnenen FM-Parametersätze aus den geschätzten harmonischen Spektrallinien. Der dritte Schritt ist die Quantisierung und Codierung der geschätzten FM-Parameter. Bekanntlich haben Musiksignale eine harmonische Struktur. Ihre Spektren zeichnen sich durch diskrete Frequenzen aus, welche aus ganzen mehrfachen Grundfrequenzen bestehen. Diese Informationen werden durch die Voranalyse in harmonische Spektrallinienformate gepackt, als vereinfachtes Signalmodell, dessen Parameter durch die FM-Analyse gewonnen werden können. Die Voranalyse schätzt die harmonischen Spektrallinien vom gegebenen Eingangssignal. Sie beginnt mit der Berechnung der relevanten Spektrallinien G(f) mit Hilfe einer hochauflösenden Frequenzbewertungstechnik. Eine iterative Suchprozedur mit einem erforderlichen Kriterium [13] wird zur Identifizierung der Grundfrequenz genutzt. Die harmonischen Muster der ganzen Vielfachen von sollten die meisten relevanten Spektrallinien verdecken


D ist der Schwellwert. Als ein Schätzungswert wird die Grundfrequenz gewählt, so daß maximal wird. Anschließend werden die einzelnen Teile zugewiesen. In dieser Implementation ist die Grundfrequenz auf mindestes 50Hz begrenzt. Die Aufgabe der FM-Analyse besteht in der Bewertung der FM-Parameter eines gegebenen harmonischen Spektrums. Das Hauptprinzip unserer FM-Analyse ist die Gewinnung von FM-Parametern durch Bewertung der eingehenden Spektrallinien und Minimierung des Fehlers. Die geschätzten Spektrallinien sind synthetisch im Sinne von FM-Operatoren, welche in einer parallelen Struktur kombiniert sind. Die FM-Parametersätze werden numerisch optimiert, nacheinander für jeden FM-Operator. Eine detailierte Beschreibung der Bestandteile der FM-Analyse folgt nun. Das psychoakustische Modell berechnet eine maskierende Schwelle aus einem gegeben Eingangsspektrum. Es wurde vereinfacht von einem Modell hochqualitativer Transformations/Teilband-basierter Audiocodierung übernommen. Die Effekte der Vor- und Nachverdeckung werden in dieser Implementation nicht beachtet. Die Berechnung der Maskierungsschwelle beginnt mit der Synthetisierung eines Audiosignals aus den eingehenden Spektrallinien. Der nächste Schritt ist die Einteilung (Mapping) der komplexen Frequenzkomponenten eines synthetischen Audiosignals. Die Maskierungsschwelle entscheidet, ob ein Spektrum, welches aus den gewonnenen FM-Parametern synthetisiert wurde, das Eingangsspektrum ausreichend annähert. Wird das Differenzspektrum maskiert, wird die FM-Parameterbewertung gestoppt. Die FM-Syntheseschleife besteht aus einem FM-Parameter-Generator und einem FM-Spektrums-Synthetisierer. Die erste Einheit erzeugt iterativ die FM Parameter in allen ihren möglichen Kombinationen (FM-Operatoren). Basierend auf diesen FM-Parametern (Frequenzen, Modulationsindex) synthetisiert die zweite Einheit das FM-Spektrum. Die Bandbreite eines FM-Spektrums hängt vom Modulationsindex ab, welcher im Bereich von 0 bis 15.5 (Schrittgroesse 0.5) liegt. Dieser Komparator hat zwei Aufgaben. Die erste Aufgabe ist die Bewertung eines jeden FM-Operators mit der optimalen FM-Parameterkombination, welche iterativ durch den vorhergehenden FM-Parameter-Generator erzeugt werden. Ist der optimale Parametersatz erreicht, so wird die Optimierung der FM-Parameter gestoppt und die aktuellen Parameter als optimaler FM-Parametersatz gewählt. Die zweite Aufgabe ist die Bestimmung, ob die Differenzspektrallinien unter der Maskierungsschwelle liegen. Wenn ein oder mehrere Komponenten die Maskierungsschwelle überschreiten, muß die erste Aufgabe des Komparators wiederholt werden. Akkumulator und Vorhersager erzeugen das Spektrum, aus dem später mit den neuen Spektrallinien das Differenzspektrum erzeugt wird. Der Akkumulator sammelt FM-Spektren, deren Parameter akzeptiert wurden und berechnet daraus immer wieder “den” optimalen Parametersatz. Ein Vorhersager wird benutzt, wenn die Voranalyse erkennt, daß der aktuelle Rahmen die gleiche Grundfrequenz wie der letzte Rahmen hat. Dies führt zu einer Vervielfachung des geschätzten Spektrums des letzten Rahmens. Ein Koeffizient gibt diese Information an die Codierungseinheit weiter. Die Anzahl der FM-Parametersätze, welche übertragen werden muß, wird durch den Vorhersager deutlich reduziert. Nach der Parameterbewertung für jeden Rahmen folgt die Parametercodierung. Während die Amplitude und die Grundfrequenz mit einer logarithmischen Skale quantisiert werden, werden die anderen Parameter mit einer linearen Skale quantisiert. Alle Parameter werden mit einer festen Wortlänge codiert und übertragen (11).


1.5.2 Hybrides Verfahren (nach Levin)

Dieses hybride System stellt alle Eingangssignale als eine Kombination von Sinus, Attacken und Rauschen dar. Anfangs segmentiert der Attacken-Detektor das Originalsignal (im Zeitbereich) in Attacken- und Nicht-Attacken-Regionen (2). Die Nicht-Attacken-Regionen von 0 bis 5kHz werden modelliert als eine Summe von zeitlich variierenden Sinuskurven. Die Analyse wendet durchgehend eine Oktavenraum-Filterbank zum Erhalt der Parameter an. Die Parameter der tiefsten Oktave erhält man mit hoher Frequenz- und geringer Zeitauflösung. Die höchste Oktave hat eine hohe Zeit- aber geringe Frequenzauflösung. Sinusmodellierung zeigt sich als unzureichend bei der Modellierung von Signalen mit plötzlichen Attacken. Die meisten Attacken sind Breitbandsignale, also keine tonalen Spitzen. Man könnte eine Attacke mit hunderten von Sinuskurven + Phaseninformation modellieren, aber dies würde zu viele Bits verbrauchen. Aus diesem Grund wird über diesen Kurzzeitregionen (ca.66ms) des Attackenansatzes Transformationscodierung angewendet. Der Transformationscodierer nutzt eine vereinfachte Version von MPEG-AAC. Die MDCT-Filterbank nutzt nur kurze Fenster (256Abtasungen). Im Gegensatz zu MPEG-AAC ist kei-ne angepaßte Fensterlängen-Schaltung notwendig, weil die Transformationscodierung nur während diesen kurzlebigen Signalen aktiv ist. Während der kurzlebigen Anteile des Signals werden zwischen 0 und 5kHz 66ms, zwischen 5 und 16kHz aber nur 29ms zur Transfor-mationscodierung genutzt. Der Rest der 66ms (5-16kHz) wird durch Rauschmodellierung codiert. Durch Reduktion der Zeit-Frequenz-Region wird die Bitrate deutlich reduziert.



Wegen der schwankenden Anzahl der Attacken innerhalb der Eingangssignale varriert die resultierend Bitrate sehr stark. Daher wird eine dynamische Bitratensteuerung zur Transformationscodierung kurzlebiger Signale angewendet. Die Bitratensteuerung kommt in zwei Arten vor: fein und grob abgestimmt. Die Feinabstimmung wird durch Änderung des erlaubten Signal-Masken-Verhältnis (SMR) erreicht. Die Grobabstimmung ändert die Empfindlichkeit des Kurzzeitdetektors, was die Anzahl solcher Signale reduziert. Der Attacken-Detektor arbeitet fogendermaßen. Er kombiniert zwei Methoden, um die An-satzzeit für transiente Bereiche zu finden. Die erste Methode schaut auf die steigenden Flan-ken der Eingangssignale. Der Steigungsflanken-Detektor ist ein einfacher Vorhersager, der die derzeitigen Energielevel im Rahmen mit vorhergehenden Rahmenenergien vergleicht. Ist die derzeitige Energie wesentlich größer, also der Durchschnitt der vorausgegangenen Kurzzeitenergien, dann ist dieser Rahmen ein Kandidat für eine transiente Region. Die zweite Methode schaut auf das Energieverhältnis zwischen Originalsignal und seiner späteren synthetisierten Version unter Nutzung der Sinusmodellierung. Wenn das Verhältnis nahe 0 ist, war die Sinusmodellierung eine angemessene Darstellung des Originalsignals in diesem Rahmen. Da die Sinusmodellierung das Signal gut darstellt, kommt kein Attacken-ähnliches Signal in diesem Rahmen vor. Ist das Verhältnis nahe 1, kann die Sinusmodellierung das Original nicht annähern und macht diesen Rahmen zum Kandidaten für eine transienten Region.


1.6 Qualitaet der Codierungsalgorithmen ^

Die Entscheidung, ob sich ein System unter verschiedenen Codierungsalgorithmen durchsetzt, hängt hauptsächlich davon ab, ob es sich (zumindest auf einem bestimmten Anwendungsgebiet) von den anderen qualitiv abhebt. Um verhältnismäßige Aussagen machen zu können, sind direkte Vergleiche notwendig. Jedoch ein Vergleich eines breiten Bereiches von Audio-Kompressionsalgorithmen ist ein langer und aufwendiger Prozeß. Der vielleicht beste und neustens publizierte Vergleich ist der von Soulodre (5). Der Autor vergleicht mehrere Codierer bei verschiedenen Bitraten. Es handelt sich dabei um die Codierer MPEG-Layer 2, MPEG-Layer 3, MPEG AAC und Dolby AC-3. Für ein allgemeines Qualitätslevel werden die Algorithmen sortiert vom besten zum schlechtesten: MPEG AAC, Layer 3, AC-3, Layer 2. Beim Test des AAC wurde das Hauptprofil benutzt. Diese Festlegung wurde über verschiedene Bitraten hinweg festgelegt, ausgenommen Layer 3, welcher nur bei 128kbit-Stereo getestet wurde. Sieht man die folgende Tabelle zum Vergleich der einzelnen Algorithmen bei verschiedenen Bitraten, zeigen sich ihre Differenzgrade.


Ein Differenzgrad von 0 heißt, daß keine Differenzen zu hören sind, -1 heißt hörbar aber nicht gestört, -2 bedeutet, das Material ist leicht gestört, -3 gestört, -4 stark gestört. Die Gesamtbitraten sind für Stereosignale gezeigt. Der Testfehler für die Differenzgrade liegt bei +/- 0.111. In der oberen Tabelle ist zu sehen, daß MPEG AAC @ 128kbps ungefähr gleich zu AC-3 @ 192kbps ist, also bei 50%ig höherer Bitrate. Außerdem ist MPEG AAC @ 96kbps ungefähr gleichwertig zu MPEG Layer 2 @ 192kbps, also bei 100%ig höherer Bitrate. Desweiteren ist MPEG Layer 3 @ 128kbps gleichwertig zu MPEG Layer 2 @ 160kbps. Keine öffentlich verfügbaren publizierten Vergleich konnten über die detailierte Qualität von ATRAC bei diesen Bitraten gefunden werden. Da ATRAC gegenüber den anderen Standards einen verhältnismäßig geringen Stellenwert einnimmt, sollen die in Tab.1 genannten Codierungstechniken hier genügen. MPEG-4 wird aufgrund seiner Sonderstellung bezüglich der Anwendung nicht in den direkten Vergleich einbezogen, sondern nur kurz bei der Aufzählung zukünftiger Anwendungen erwähnt. Ein weiterer Test, durchgeführt am Forschungszentrum für Telekommunikation in Ottawa, Kanada, bestätigt die Ergebnisse von Soulodre. Dabei wurden die einzelnen Codierer jeweils mit 8 speziellen Musikstücken getestet, bei jeder verfügbarer Bitrate. Die Auswahl zeigt folgende Tabelle (5) (18).



Die folgenden Abbildungen zeigen die Testresultate der einzelnen Algoritmen für die Musikstücke in Tab.3.



Die einzelnen Testresultate zeigen noch einmal deutlich, wie sich die einzelnen Codierer qualitativ unterscheiden. Abb.16 zeigt die Testresultate von MPEG AAC und MPEG Layer 3, welche aufgrund der wenigen verfügbaren Bitraten in einem Diagramm dargestellt wurden. Dolby AC-3 in Abb.17 und MPEG-Layer 2 in Abb.18 sind mit jeweils drei verfügbaren Bitraten vertreten. Betrachtet man alle drei Diagramme, so stellt man fest, daß alle Codierer in der Lage sind, sehr gute Qualität zu liefern. Die Abstufungen, die zu der gegebenen Rangfolge in Tab.2 geführt haben, ergaben sich hauptsächlich aus den Differenzen in den Bitraten, wobei es auch dort interessante Überschneidungen gibt, wie beispielsweise beim Audiomaterial der Pitch Pipes (Pipi) bei Dolby AC-3 in Abb.17. In neuen Anwendungen wird entweder MPEG-1 Layer 1, 2 oder 3 oder AC-3 genutzt. MPEG-1 Layer 2 wird solange als System gewählt werden, wie derzeitige MPEG-1-Anwendungen (CD, CD-Video, usw.) gebraucht werden. MPEG-1 und MPEG-2 Layer 3 wird einige Zeit für Satellitenradio- und Internetübertragung von hochqualitiven Audio, ISDN-Übertragung, usw. verwendet werden. AC-3 wird für HDTV, DVD und digitales Kabelfernsehen weitere Anwendung finden. Die MPEG-2 AAC – Audioentwicklung kennzeichnet den Übergang zur neuen Annäherung in der Standardisierungsarbeit. Man erwartet vom MPEG-2 AAC (der “Layer 4” von MPEG-Audio) – Standard, daß er das zukünftige System hochqualitativer Audiocodierung bei geringen Bitraten und Bandbreiten von 15 bis 20Hz (Abtastfrequenzen von 32 bis 48kHz) sein wird. Entsprechend des derzeitigen Fahrplans von ISO/MPEG, wird AAC als der letzte hochqualitative Audiocodierungs-Standard für die vorhersehbare Zukunft vermutet. AAC wird für neue hochqualitative (20kHz) Soundspeicher- und Übertragungsanwendungen gewählt werden, in professioneller sowie in Verbraucherhinsicht. MPEG-4 – Audio wird der zukünftige Multimediastandard sein. Wenn er seine Versprechungen erfüllt, wird dies das einigermaßen komplexe “do-it-all”-System zur Speicherung von Audio oder audiovisuellen Daten sein. Da MPEG-4 als erweiterbarer und offener Standard geplant ist, wird dies der Platz sein, wo zukünftige kluge Ideen zur Audiocodierung ihr zu Hause finden werden. Da die Wirtschaftlichkeit der Systeme haptsächlich von der Interoperabilität abhängt, wird sich der Trend zu Standardlösungen fortsetzen. Außerdem wird man mehr Systeme vorfinden, bei denen die Daten über mehrere Schritte der Erzeugung und Verteilung im codierten Zustand verbleiben. Definitiv ist die Audiocodierung weit entfernt von der Vollendung. Wir werden bessere Codierer für derzeitige Audiokompressionsschemen erleben. Bei der evolutionären Arbeit (ohne realen Durchbruch innerhalb der letzten fünf Jahre) wird vermutet, daß die theoretischen Grenzen der Leistung psychoakustischer Audiocodierungssysteme nicht annähernd erreicht sind (9).


1.7 Zielstellung der Diploarbeit-^

Die bisherigen Ausführungen gaben einen breiten Einblick in die Welt der verschiedenen Codierungssysteme. Ein vollständiger Überblick zu allen Ideen und Algorithmen auf dem Gebiet der Kompressionssysteme für Audiosignale ist jedoch im Rahmen dieser Arbeit nicht möglich. Ziel dieser Arbeit soll es sein, eine detailierte Beschreibung des Standards ISO/IEC MPEG-1 Layer 3 sowie eine Erläuterung des Demonstrationsmodelles zu diesem Standard zu liefern. Das Demonstationsmodell selbst soll auf Abfrage die Berechnungsresultate der Bearbeitungsetappen im Codierer grafisch darstellen. Nacheinander sollen alle Blöcke abgearbeitet und dargestellt werden, einschließlich Filterbank, MDCT, Zeit-Frequenz-Segmentierung, nichtlineare Quantisierung der MDCT-Koeffizienten, Huffman-Codierer, psychoakustisches Modell, Codierung der Seiteninformation und die Bitstromformatierung. Das Demonstrationsmodell soll über ein selbsterklärendes Menü zu steuern sein. Die folgenden Abschnitte sind folgendermaßen aufgebaut. Zunächst wird auf die Besonderheiten psychoakustischer Modelle eingegangen. Dabei werden Grundlagen, wie Redundanz, Irrelevanz und psychoakustische Entropie beschrieben, und die Modelle für die Standards MPEG-1 ISO/IEC 11172-3 Layer 3 und Dolby AC-3 vorgestellt. Danach folgt eine detailierte und ausführliche Beschreibung zum Codierungsalgorithmus von MPEG-1 ISO/IEC 11172-3 Layer 3. Der praktische Teil (Abschnitt 3) dieser Arbeit beschäftigt sich mit dem Demonstrations-modell für die MP3-Codierung. Dabei sollen die einzelnen Berechnungsetappen der Signalverarbeitung grafisch dargestellt werden und über ein Benutzermenü abzufragen sein. Dabei sollen folgende Blöcke berücksichtigt werden.

- Block der Filterbank und MDCT, sowie Zeit/Frequenz-Segmentierung der Tonsignale
- Block für die nicht lineare Quantisierung der Koeffizienten der MDCT
- Block zur Huffman-Codierung
- Block zur Codierung der Seiteninformation
- Block zur Formatierung des Datenstroms (Bitstromformatierung)

Das Programm wird anschließend getestet und dokumentiert. Letztendlich folgt eine abschließende Zusammenfassung der Diplomarbeit.

---

*** LAYOUT WIRD DEMNAECHST VOLLSTAENDIG ANGEPASST !!! ***

2 Der Standard ISO/IEC 11172-3 Layer 3- ^

2.1 Besonderheiten der psychoakustischen Modelle

2.1.1 Redundanz, Irrelevanz und psychoakustische Entropie
2.1.2 Psychoakustisches Modell fuer MPEG
2.1.3 Psychoakustisches Modell des AC-3 Systems

2.2 Beschreibung des Kompressionsalgorithmus

2.2.1 Der Codierer
2.2.2 Der Decodierer

---

2.1 Besonderheiten der psychoakustischen Modelle-^

2.1.1 Redundanz, Irrelevanz und psychoakustische Entropie

Hochpräzise technische Modelle für hochzuverlässiges Audio existieren momentan noch nicht. Daher müssen Algorithmen zur Audiocodierung auf vorhandene Empfangsmodelle bauen, um die Codiereffizienz zu verbessern. Im Falle von Audio ist der Empfänger letztendlich das menschliche Ohr, dessen Wahrnehmung von Verdeckungsmerkmalen beeinflußt wird. Die Anwendung von Wahrnehmungsregeln auf die Audiocodierung ist jedoch keine neue Idee, und die meisten aktuellen Audiocodierer erzielen eine Kompression durch Ausnutzung der Tatsache, daß “irrelevante” Informationen nicht wahrnehmbar sind, selbst von einem empfindlichen Hörer.



Irrelevante Informationen werden - unter Einfluß psychoakustischer Prinzipien im Codierer - während der Signalanalyse identifiziert, einschließlich der absoluten Hörschwelle, der Frequenzanalyse kritischer Bänder, gleichzeitiger Maskierung, die Verteilung der Maskierung über die Membrane, sowie der zeitlichen Verdeckung. Die Kombination dieser psychoakustischen Gedanken mit den grundlegenden Eigentschaften der Signaleinteilung führt zu einer Schätzung des grundlegenden Limits transparenter Audiosignal-komprimierung. Dieser Teilabschnitt gibt einen Überblick zu psychoakustischen Grundlagen und psychoakustischer Entropie. Eine besondere Bedeutung liegt also auf der Verringerung der statistischen Redundanz sowie der Befreiung von den für den Empfänger irrelevanten, also nicht wahrnehmbaren Anteilen. Daher wird nun kurz auf die Eigenschaften des Gehörs bei der Wahrnehmung von Tonsignalen eingegangen.



Das menschliche Gehör kann verschiedene Signale bekanntlich erst ab einer bestimmten Lautstärke wahrnehmen. Eine Absoluthörschwelle (AHS) kennzeichnet die Grenze der Wahrnehmbarkeit für Schallereignisse, sozusagen die minimale Größe des Schalldrucks, die das menschliche Gehör in ruhiger Umgebung wahrnimmt. Das Empfindlichkeitsmaximum liegt im Sprachbereich bei etwa 4kHz, wie in Abb.20 zu sehen ist. Die Spektralkomponenten unterhalb der AHS können vom Gehör nicht wahrgenommen werden. Dies trifft für die beiden äußeren Signale in Abb.20 zu. Die Hörschwelle eines Signals wird in Anwesenheit eines anderen Signals verändert. Daher gibt es neben der AHS noch die Mithörschwelle (MHS). Die Abbildung zeigt die Mit-hörschwelle eines sinusförmigen Signals mit der Grundfrequenz F=1kHz bei einem Schalldruckpegeln von über 70dB, welche die frequenznahen Signale verdeckt. Die Verdeckung (Maskierung) hängt von der Frequenz und dem Pegel dieses Maskierungssignals ab.Wie schon die Spektralkomponenten unterhalb der AHS sind auch jene unterhalb der MHS für das menschliche Gehör nicht wahrnehmbar. Das menschliche Ohr hat außerdem die Eigenschaft, Schallereignisse in Frequenzgruppen zusammenzufassen. Angenommen, wir bieten einer Versuchsperson ein Bandpaßrauschen an. Die Intensität dieses Rauschsignals wird konstant gehalten. Die Bandbreite wird im Verlauf des Versuchs vergrößert. Die wahrgenommene Lautstärke bleibt dabei jedoch so lange unverändert, wie eine sogenannte Frequenzgruppenbreite nicht überschritten wird. Steigert man dann die Bandbreite weiter, so erhöht sich auch der Lautstärkepegel des Signals. Dabei ergibt sich ein nichtlinearer Zusammenhang dieser beiden Größen. Die Grenzen der Frequenzgruppen (kritische Bänder) zeigt folgende Tabelle (1).



Unter Berücksichtigung der genannten Eigenschaften kann die zu übertragene Datenrate stark reduziert werden. Ideal wäre ein Reduktion der Datenmenge auf die reine psychoakustische Entropie, also die geringste Menge, welche zur Übertragung der benötigten Informationen ausreicht. Um diese bestmöglich anzunähern, werden in den Codierungssystemen Psychoakustische Modelle genutzt. Johnston bei Bell Labs hat Gedanken psychakustischer Maskierung mit Signaleinteilungs-prinzipien kombiniert, um eine sogenannte Psychoakustische Entropie (PE – perceptual entropy) zu definieren, eine Messung wahrnehmbarer relevanter Informationen in jeder Audioaufnahme. Ausgedrückt in bits pro Abtastung, stellt PE eine theoretische Grenze für die Komprimierbarkeit eines bestimmten Signals dar. PE-Messungen suggerieren, daß eine große Vielfalt von Audiomaterial in CD-Qualität zu ungefähr 2.1bits pro Abtastung komprimiert werden kann. Der PE-Schätzungsprozeß wird folgendermaßen verständlich. Das Signal wird erst in Rahmen eingeteilt und dann in den Frequenzbereich transformiert. Eine Maskierungsschwelle nutzt dann die Wahrnehmungsregeln. Die PE-Messung wird erlangt durch die Konstruktion eines PE-Histogramms über mehrere Rahmen und die Wahl des schlechtesten Falles als eigentliche Messung. Die Frequenzbereichstransformation wird mit einem sogenannten Hann-Fenster durchgeführt, gefolgt von einer FFT (Fast Fourier Transformation). Die Maskierungsschwelle wird erzeugt durch eine Analyse des kritischen Bandes. Die Entscheidung, ob das Signal von Rausch- oder tonaler Natur ist, wird durch Anwendung der Schwelle auf die Signalqualität gefällt. Dann wird die absolute Hörschwelle berechnet. Als erstes werden die realen und imaginären Transformationskomponenten in die Hauptspektralkomponenten gewandelt.



Dann wird ein diskretes Barkspektrum erzeugt, durch Summierung der “Energie” in jedem kritischen Band (siehe Tabelle 4), wo die Summenlimits die Grenzen der kritischen Bänder sind.



Der Bereich des Indexes i ist von der Abtastungsrate abhängig, z.B.i=1,25 für CD-Qualität. Eine Basilar-Verteilungsfunktion wird dann verbunden mit einem diskreten Barkspektrum zur Ermittlung der Inter-Band-Maskierung.



Eine Schätzung der ton- oder rauschartigen Qualität wird durch eine Spektralflachheits-messung (SFM – spectral flatness measure) erzielt, wobei g und a dem geometrischen und arithmetischen Mittelwert der Komponenten in jedem Band entsprechen.



Die SFM hat die Eigenschaft, daß sie von 0 bis 1 beschränkt ist. Werte nahe der 1 treten auf, wenn das Spektrum in einem bestimmten Band flach ist, Anzeichen für ein “Rauschband”. Werte nahe der 0 deuten darauf hin, daß ein Band im Spektrum nahezu sinusförmig ist. Ein Tonalitätskoeffizient leitet sich aus der SFM (in dB) her und fließt wie folgt in das Schwellengesetz (Formel 19 mit K=5.5) ein, und wird somit zur Erzeugung eines Offsets genutzt.



Diese Schätzungen werden durch einen Korrekturfaktor bewertet, um die Verwicklung der Streuungsfunktion zu simulieren, wobei jedes Ti gegenüber der Absoluthürschwelle kontrolliert und durch max T,T(i) ersetzt wird. Die Absoluthörschwelle bezieht sich auf das Niveau des Sinussignals von 4kHz (Amplitude +/-1bit). Bei Anwendung der gleichmäßigen Einteilungsprinzipien auf das Signal und dem damit verbundenen Satz an JND-Schätzungen, ist es möglich, die untere Grenze der Bitanzahl zu schätzen, die zur trans-parenten Codierung notwendig ist. Im Grunde kann die Psychoakustische Entropie (in bps) folgendermaßen dargestellte werden:

i - Index des kritischen Bandes,
bli bhi - obere und untere Grenze des Bandes,
k - Anzahl der Transformationskomponenten im Band,
T - ist die Maskierungsschwelle in Band,
nint - Rundung zum nächsten Integerwert.

Anzumerken ist, daß, wenn 0 im Logarithmus steht, das Ergebnis auch 0 wird. Die Maskierungsschwelle wird auch bei der Berechnung der oberen PE genutzt und formt dort die Grundlage für die Transformationscodierung. Zum besseren Verständnis soll nun noch einmal kurz eine andere Beschreibung zur Psychoakustischen Entropie gegeben werden. Der Sinn der PE-Messung liegt darin, ein Codierungskriterium festzulegen. Johnston schlug eine einfache Prozedur zur Berechnung der PE vor. Sie basiert auf einer kurzzeitigen diskreten Zeit/Frequenz-Transformation durch eine gleichförmige Filterbank, ein vereinfachtes psychoakustisches Modell, und einen gleichförmigen skalaren Quantisierer. Über einem Quantisierungsinterval der Breite wird die erlaubte Rauschenergie THR(k) an der Maskierungsschwelle vom psychoakustischem Modell für jeden Koeffizienten k vorhergesagt: bezieht sich auf die Quantisierungsschrittgroesse für die Koeffizienten . Die benötigte Bitanzahl zur Darstellung der quantisierten Version ist , wobei die Funktion  den nächsten Integerwert des Arguments zurückgibt. Der Kurz-Term PE kann daher folgendermaßen dargestellt werden:

Jedoch, auch wenn die PE für ein gegebenes Audiosignal exakt bestimmt werden kann, kann dies niemals durch einen praktischen Codierer erreicht werden, weil weder eine praktische Analyse/Synthese-Filterbank in der Lage wäre, das komplexe Zeit- und Frequenzsignal so nachzuahmen, wie das menschliche Ohr, noch irgendeine Quantisierungsstrategie die nichtlinearen Eigenschaften des menschlichen Gehörs wiederspiegeln kann. Dies trifft besonders bei Audiosignalen mit großer Dynamik (über 100 dB) und hohen Spektralbandbreiten (20kHz und mehr bei scharfen Attacken) zu. Aus praktischen Gründen nutzen psychoakustische Audiocodierer vereinfachte psychoakustische Modelle, einfache Quantisierungsschemen und effizient rechnende Analyse/Synthese-Filterbänke (7).

2.1.2 Psychoakustisches Modell 2 fuer MPEG

In jedem Codierungssystem zur Audiodatenreduktion bestimmen die Prozeduren zur Erfassung der psychoakustischen Gesetzmäßigkeiten die Qualität eines Kompression-salgorithmus. Innerhalb des MPEG-Standards werden derzeit drei verschiedene psycho-akustische Modelle genutzt. Die Psychoakustischen Modelle 1 und 2 werden von den MPEG-Standards ISO/IEC 11172-3 und 13818-3 für Layer 1 und 2 verwendet. Für das Modell 2 existiert noch eine modifizierte Version, welche für die MPEG-Standards ISO/IEC 11172-3 und 13818-7 Layer 3  verwendet wird und später mit dem Codierer für MPEG Layer 3 unter 2.2.1.2 beschrieben werden soll. An dieser Stelle folgt die Beschreibung des Psychoakustischen Modells 2, welches folgende Schritte beinhaltet:

Berechnung des komplexen Spektrums der Schaltlänge des Eingangssignals

Berechnung der vorhersagenden Werte (Amplitude und Phase) für den aktuellen Block von Abtastwerten

Berechnung des Faktors der Unvorhersagbarkeit

Berechnung des Tonalitätsindexes im schmalen Teilband der Analyse

Berechnung der allgemeinen Maskierungsschwelle für das schmale Teilband der Analyse

Berechnung des Signal-Maske-Verhälnis im breiten Teilband der Signalcodierung

 

Berechnung des komplexen Spektrums der Schaltlänge des Eingangssignals

Die psychoakustischen Effekte werden hier ausschließlich im Frequenzbereich modelliert. Daher ist zunächst eine Umsetzung in den Frequenzbreich notwendig. Dafür wird eine diskrete Fouriertransformation (DFT) angewendet. Diese wird direkt aus dem Block des PCM-Eingangssignales berechnet. Um eine Verwaschung des Spektrums zu vermeiden, wird eine Fensterfunktion verwendet. Die Fensterlänge berechnet sich wie folgt:

Es wird also eine DFT über 1024 Abtastwerten durchgeführt, mit einer Abtastfrequenz von 48kHz. Für die Berechnung der Fensterlänge kann jedoch auch eine andere Fensterlänge genutzt werden, da die DFT nur im Codierer erforderlich ist. Im Decodierer erfolgt diese Umsetzung nicht. Layer 3 arbeitet mit N=1024 Abtastwerten für die lange und mit 256 Abtastwerten für die kurze DFT. Außerdem sind drei verschiedene Fensterlängen möglich, wodurch sich verschiedene Auflösungen nach Zeit und Frequenz ergeben. Die einzelnen Auflösungen sind in Tab.5 aufgezeigt.

Die Berechnung der Spektralkomponenten der DFT erfolgt mit folgender Formel:

Bei einer Schaltlänge von 1024 Abtastwerten haben wir somit 512 komplexe SpektralkomponentenX(k)=a(k)+jb(k). Die Koeffizientendes Hann-Fensters (siehe Abb.21) gehen als Faktor ein, um Fehler der Transformation zu verkleinern. Sie berechnen sich wie folgt:

Als nächstes wird für jede Spektralkomponente die Betrag-Phase-Darstellung, alsor(k)und j(k) berechnet.

Nach dieser Berechnung werden die Spektralanteile bei Bedarf so normiert, daß der höchste DFT-Wert der Spektralkomponenten dem Pegel von 96dB entspricht.

 

 

Berechnung der vorhersagenden Werte (Amplitude, Phase) für den aktuellen Block

Im Speicher des Codierers sollen die Betrags- und Phasenwerte der zwei vorausgegangenen Spektralkomponenten erhalten werden. Mit Hilfe dieser Spektraldaten werden die entsprechenden Werte für die neue Spektralkomponente des aktuellen Blocks sozusagen vorausberechnet. Dies geschieht durch folgende Formel:

Dabei sollent-1 undt-2die Werte der vorausgegangen Spektralkomponenten kennzeichnen.

 

Berechnung des Faktors der Unvorhersagbarkeit

Mit Hilfe der vorhergesagten Spektralwerte soll nun der Faktor zur Unvorhersagbarkeit  c(k)berechnet werden. Dies geschieht wie folgt:

Diese Formel gilt für alle Spektralkomponenten der kurzen DFT (N=256). Bei der langen DFT wirdc(k) nur für die ersten sechs Spektralkomponenten berechnet. Für die übrigen Blöcke gilt das Minimum aus allenc(k) der kurzen DFT. Der Faktor zur Unvorhersagbarkeit berücksichtigt den Zusammenhang zwischen den aktuellen und den zwei vorhergehenden Abtastwerten. Durch ihn kann eine Aussage über den Rauschgehalt des Signals innerhalb eines Teilbandes der Analyse gemacht werden. Ist der Wert nahe 0, so war die Vorhersage gut. Bei schlechter Vorhersage liefert dieser Faktor Werte um 0.5 bis 1. Man bezeichnet diesen Faktor auch als Chaosmaß (MOC-measure of chaos). Durch die Berechnung vonc(k)lassen sich noch weitere Besonderheiten des Signalspektrums erkennen. Bei der DFT-Berechnung treten Fehler auf, welche mit dem Effekt von Gibbs verbunden sind. Dieser wirkt sich so auf die Phasen so aus, daß beispielsweise bei drei Blöcken das Eingangssignal gleich ist. Dabei istc(k) natürlich genau Null.Die Gewichtung bzw. Bedeutung dieses Faktors für jedes Teilband der Vorhersage ergibt sich aus folgender Formel:

Die Werte der spektralen Grenzen sind in entsprechenden Tabellen(nach MPEG 11172-3) für jede Abtastfrequenz angegeben. Der Wertc(k)wird für die gesamte Bandbreite des Signals (0..20kHz) berechnet, um das bestmögliche Ergebnis zu gewinnen. Auf Kosten der Qualität läßt sich diese Berechnung aber auch auf die Frequenzen bis 7 oder gar 3kHz reduzieren. Dabei wird der Wert vonc(k) überall auf 0.3 eingestellt. 

 

Berechnung des Tonalitätsindexes im schmalen Teilband der Analyse

Diese Etappe unterteilt sich wiederum in 5 Schritte (a-e):

a)      Berechnung der Intensität in jedem schmalen Teilband der Analyse

In diesem Schritt werden die vorläufigen Intensitätene(b) des Signals wie folgt berechnet:

b)      Berechnung der sogenannten “Streuungsfunktion”

 

Als Beispiel sei in Abb.22 die Streuungsfunktion mit dem mittleren Frequenzwert von 12Bark dargestellt. Eindeutig erkennbar ist, daß die Streuungsfunktion ihren Maximalwert hat, wenn aktueller Frequenzwert i und der Mittelwert j übereinstimmen. Die Graf fällt zu beiden Seiten hin ab, so daß man von einer filtrierenden Eigenschaft der Funktion sprechen kann.

c)      Erfassung von Intensität und Unvorhersagbarkeitsmaß in den benachbarten Teilbändern

Der Einfluß der Spektralkomponenten in den benachbarten schmalen Teilbändern auf die Berechnungsresultate der derzeitigen Teilbandanalyse b zeigt sich bei der Neuberechnung der Signalintensitäte´(b) und des Unvorhersagbarkeitsfaktorsc´(b):

(fehlende Formel)

d)  Berechnung der normierten Intensitätswerte und Unvorhersagbarkeitsmaße

Da der Unvorhersagbarkeitsfaktorc´(b) von der Signalintensität beeinflußt wird, muß er durche´(b) renormiert werden. Der neue Chaosfaktor ergibt sich aus folgender Formel:

Aufgrund der nicht normierten Natur der Streuungsfunktion solltee´(b) ebenfalls renormiert und somit die normierte Intensität des Signalsen(b) berechnet werden.

Dabei ist der erste Faktor der Normierungskoeffizient.

 

e)    Berechnung des Tonalitäsindexes

Wie bereits erwähnt, war die Vorhersage für die Spektralwerte gut, wenn das Chaosmaßcb(b) Werte um Null beinhaltet. Bei Werten um 0,5 bis 1 war die Vorhersage schlecht. Johnston entwickelte eine logarithmische Operation, mit der er aus dem Chaosmaß den Tonalitätsindexa(b) erhält.

Dieser Wert bestimmt die Näherung des Signals im schmalen Teilband der Analyse b an ein tonales [a(b)=1] oder rauschartiges [a(b)=0] Signal. Der Tonalitätsindex liegt ausschließlich zwischen 0 und 1.

 

Berechnung der allgemeinen Maskierungsschwelle für das schmale Teilband der Analyse

 Zunächst wird das Signal-Rausch-Verhältnis (SNR) für jedes Teilband der Analyse b berechnet. Dieses Verhältnis stellt den verallgemeinerten Wert des Maskierungsmaßes dar und gibt den im Teilband erlaubten Quantisierungsfehler an. Die Berechnung sieht folgendermaßen aus:

Das Ergebnis dieser Gleichung liefert also im Prinzip den Wert des zulässigen Quantisie-rungsrauschens. Die Größe des Verdeckungsmaßes berechnet sich wie folgt:

Das allgemeine Verdeckungsmaß berechnet sich also aus zwei anderen, eines für den Fall, daß der Ton das Rauschen maskiert (M1), ein anderes, falls das Rauschen den Ton mit der FrequenzF maskiert (M2).

Von der GrößeSNR(b) kann man relativ einfach zu analogen Verhältnissen bei linearen Maßeinheiten übergehen. Die folgende Formel errechnet das Leistungsverhältnis von Tonalität und Rauschen der Analyse b des Teilbandes.

 

Damit kann nun für jede Spektralkomponente der zulässige Wert des Quantisierungs-rauschens berechnet werden, bei dem das Rauschen durch das nützliche tonale Signal maskiert wird. Die aktuelle Schwellenintensität für jede Komponente k innerhalb der spektralen Grenzen berechnet sich wie folgt:

Für die endgültige Hörschwelle des maximal zulässigen Quantisierungsrauschens kann man für jede Spektralkomponente noch die Absoluthörschwelle  berücksichtigen. Die Größen sind in speziellen Tabellen des MPEG-Standards (in dB) erfaßt. Die letztendliche Hörschwelle bildet sich aus den Maxima dieser beiden ermittelten Schwellen.

 

Berechnung des Signal-Maske-Verhälnis im breiten Teilband der Signalcodierung

Diese Etappe besteht wiederum aus 3 Schritten:

a.       Berechnung der maximal zulässigen Rauschleistung im Teilband

In diesem Schritt werden aus den 57 schmalen Teilbändern der Analyse b die 32 breiten Teilbänder n für die Codierung gebildet. Die Breite eines solchen Teilbandes beträgt 750 Hz. Der minimale Wert der Rauschleistung im breiten Teilband n entsprechend der Hörschwelle berechnet sich folgendermaßen:

b.    Berechnung der Leistung des tonalen Signalanteils im Teilband

c.    Berechnung des Signal-Maske-Verhältnis

Das Signal-Maske-VerhältnisSMR(n) wird für jedes Teilband n berechnet und gibt jeweils den erlaubten Quantisierungsfehler an.

 

2.1.3 Psychoakustisches Modell des AC-3-Systems

Bei diesem System ist das Psychoakustische Modell mit in die Bitzuweisungseinheit integriert. Die Bitzuweisungsprozedur analysiert die Spektralhülle des Audiosignals (Exponentensatz) und liefert die Bitanzahl für jede Mantisse von Transformations-koeffizienten. Diese Prozedur basiert auf psychoakustischen Maskierungseffekten. Die Maskierung bezieht sich also auf den Fakt, daß das menschliche Ohr leisere Töne in Frequenznähe lauterer Töne nicht oder nur sehr schwach wahrnimmt. In diesem Fall ist es möglich, die sehr stark hörbaren Töne mit maximaler und die weniger hörbaren Töne mit geringeren Bitraten darzustellen. Das Psychoakustische System des AC-3-Systems arbeitet ausschließlich mit einem Satz von Exponenten, welche die Eingangssignale der Bitzuweisungseinheit darstellen. Die Ausgabe dieser Prozedur ist ein Feld von Bitzuweisungszeigern, welche Informationen über die Bitanzahl für jede Mantisse von Transformationskoeffizientenk enthält.Der erste Schritt dieses Algorithmus ist die Berechnung der SpektraldichtePSD(power-spectral density). Dies geschieht durch Exponentenmapping nach folgender Formel:

Der dynamische Bereich der PSD-Werte von 0 bis 3072 stellt den Bereich von 0 bis 144dB dar. Alle weiteren Berechnungen beziehen sich auf diese Skale (0 bis 3072). Damit liegt die Auflösung bei 144dB/3072=0,046875dB. Die Nutzung ganzzahliger Werte ist nützlich für die technische Implementation des Algorithmus. Die AC-3-Bitzuweisung beinhaltet keine komplizierten mathematischen Operationen, sondern nutzt stattdessen die “look up table”-Technik. Dies erlaubt eine geringe Komplexität der Berechnungen und erhöht somit die Geschwindigkeit dieser. Der nächste Schritt der Bitzuweisungsprozedur ist die Konvertierung des Blocks mit den PSD-Werten in ein Barkspektrum. Dies geschieht durch Unterteilung des “Energie”-Spektrums in mehrere Frequenzbänder und die Integrierung der Werte in jedem Band. Die Bänder sind ungleichförmig, entsprechend der kritischen Bandbreiten nach E.Zwicker (1). Die AC-3-Bänder werden definiert durch die zentrale Frequenz eines kritischen Bandes, bei einer unteren Grenze von 94Hz. Durch die jeweilige Betrachtung der halben Bandbreite wird eine genauere Annäherung erreicht. Die Bänder oberhalb von 2440Hz (ab dem 26 kritischen Band) variieren zwischen ¼ und ¾ der Bandbreite. Die PSD-Werte werden auf einer linearen Frequenzskale berechnet. Durch diese Festlegung befinden sich ab dem 26.Frequenzband mehr als nur ein PSD-Wert pro Band.

Die Summierung zu einem repräsentativen PSD[k]-Wert in jedem Band erfolgt durch logarithmische Addition, nach folgender Formel:

Wie schon erwähnt, werden mögliche Ergebnisse nicht ausgerechnet, sondern aus entsprechenden Tabellen bezogen.Als nächstes folgt die Berechnung der sogenannten “Reizungsfunktion”. Dazu wird der Prototyp der Streuungsfunktion nach Schroeder genutzt. Diese Funktion modelliert die Maskierungseffekte und wird durch einen Satz von Parametern definiert. Dabei werden experimentelle Maskierungsdaten von Fielder und Ethmer kombiniert. Man erhält dadurch Maskierungskurven, welche relativ zu festen Maskierungsleveln (40-100dB SPL) normiert werden müssen. Die Maskierungskurven werden relativ zum Level des Maskierungssignals normiert und auf der Frequenzskale ausgedrückt, entsprechend der AC-3-Bandstruktur (Abb. 23). Die daraus resultierende Maskierungskurve charakterisiert dann die Streuungsfunktion und den Variationsbereich der Parameterwerte.

Die Abbildungen 24 und 25 stellen die Ergebnisse eines Maskierungsversuches bei 1 und 2 kHz dar. Das Experiment nutzt zur Maskierung ein Sinussignal und bestimmt die JND-Level der berechneten kritschen Bandbreite des Rauschsignals.Die Normierung zur relativen Maskierungsschwelle kann durch folgende Prozedur vollzogen werden:

Das Resultat der Normierung der 2kHz-Maskierungskurve zeigt Abb.26. Eine “zusammen-gesetzte Maskierungskurve” wurde konstruiert aus den Minima von den vier relativen Maskierungsschwellen. Dieselbe Prozedur wurde für andere Maskierungsfrequenzen angewendet (0.02, 0.05, 0.1, 0.2, 0.25, 0.5, 1,2, 4, 8 kHz), woraus sich ein Satz von zehn zusammengesetzten Kurven ergibt.

Letztendlich werden die Kurven für  alle Frequenzen mit Maskierungsdaten zu einer einzigen “worst case”-Streuungsfunktion zusammengefaßt. Dies geschieht mit Hilfe des Entwurfs der Maskierungskurven auf der Frequenzskale der relativen AC-3-Bandangaben.Das Audiospektrum von 0 bis 700Hz wird in zwei Regionen unterteilt. Unterhalb 200Hz nimmt AC-3 keine Nachmaskierung an. Zwischen 200 und 700Hz wird dies nur nach signifikanten Komponenten oberhalb 200Hz angenommen. Für Frequenzen oberhalb von 700 Hz wird immer Aufwärtsmaskierung angenommen.Die Variation der Form von vier zusammengesetzten Maskierungskurven für Töne mit 0.5, 1, 2 und 4 kHz zeigt Abb.27.

(fehlende Abbildung)

Die Hülle der Maskierung für jede gebildete Kurve kann durch zwei Segmente angenähert werden. Die Streuungsfunktion ist definiert als Punkt-zu-Punkt-Maximum zweier Segmente über die Frequenz. Diese Technik entspricht nicht der traditionellen Darstellung der Streuungsfunkton, in der nur einzelne lineare Segmente mit erhöhter Frequenz benutzt werden. Die Zwei-Segment-Annäherung erreicht eine genauere Modellierung bei starken angrenzenden Maskierern, aber weniger, jedoch ausreichende, bei frequenzmäßig weiter entfernten Maskierern. Vormaskierung ist weniger bedeutend und wird daher im AC-3-Maskierungsmodell nicht betrachtet.
Die AC-3-Funktion kann also durch zwei Segmente angenähert werden (schnelle und langsame Nachmaskierung). Diese beiden Segmente seien in der folgenden Abbildung veranschaulicht.

Das erste Segment (schnelle Maskierung)  beginnt am Frequenzband der maskierenden Komponente und fällt mit steigender Frequenz ziemlich steil ab, jedoch ist der Offset vom maximalen Signallevel verhältnismäßig gering. Das zweite Segment (langsame Maskierung) beginnt ebenfalls am Frequenzband der maskierenden Komponente, jedoch mit einem größeren Offset und einer nicht so steilen Flanke.Der Codierer wählt einen Prototyp der Streuungsfunktion aus, welcher besser in den Bitstrom der vorläufigen Bitzuweisung paßt. Für die Berechnung der Reizungsfunktion kann ein Modell verwendet werden, welches zwei lineare Filter beinhaltet, welche parallel miteinander verbunden sind. Jeder Filter entspricht der Charakteristik eines Segments. Der letztendliche “Reizungs”-WertE(k) des Bandesk ist der größere der zwei Filterergebnisse. Dies drückt folgende Gleichungskombination aus:

P(k) – logarithmisches Amplituden-Spektrum

  - Auflösungswerte (dB) des ersten oder zweiten Segments der Streuungsfunktion

  - Offsets (dB) der beiden Segmente der Streuungsfunktion

  - logarithmische Addition

  - vorherberechnete Werte

Im AC-3 Algorithmus wird  also diese Addition durch den maximalen  Operator ersetzt. Der letzte Schritt in diesem Algorithmus ist der Maskierungsvergleich. Dies geschieht durch die Subtraktion der globalen Maskierungsschwelle vom originalen Spektralfeld, um daß SNR-Verhältnis (signal-to-noise-ratio) für jeden einzelnen Transformationskoeffizienten zu erhalten. Das Feld der SNR-Werte wird in ein Feld von Bitzuweisungszeigern konvertiert, wieder unter Nutzung einer entsprechenden Tabelle. An dieser Stelle erfolgt die eigentliche Bitzuweisung, wobei die Anzahl der verfügbaren Bits für die Quantisierung der Mantissen von der vorgegebenen Bitrate, der Exponentenstrategie und der Anzahl der für die Seiteninformation notwendigen Bits abhängen. Die Bits werden alle global von einem sogenannten Bitpool an alle Kanäle zugewiesen. Damit sollen die Erläuterungen zum AC-3-Modell in dieser Arbeit reichen.

2.2 Beschreibung des Kompressionsalgorithmus ^

Die MPEG-1-Struktur enthält drei Layer hin zur verbesserten Komplexität, Verzögerung und Ausgabequalität. Jeder Layer enthält die Funktionsblöcke des jeweils tieferen Layers. Layer 1 und 2 wurden im ersten Abschnitt kurz beschrieben, eine ausführliche Beschreibung von Layer 3 soll dieser Abschnitt liefern und somit in die Themenspezialisierung dieser Diplomarbeit münden. Der Layer 3 erreicht Leistungsverbesserungen durch verschiedene zusätzliche wichtige Mechanismen, welche auf das Layer 1/2-Fundament aufgesetzt wurden, wie beispielsweise eine Hybridfilterbank zur besseren Frequenzauflösung sowie einer besseren Annäherung an das Verhalten der kritischen Bänder und eine verfeinerte Bitzuweisungs- und Quantisierungsstrategie, welche auf ungleichförmiger Quantisierung, Analyse durch Synthese und Entropiecodierung beruht. Diese neuen Merkmale ermöglichen eine reduzierte Bitrate bei verbesserter Qualität gegenüber den Vorentwicklungen.Es werden nun ausführlich Codierer und Decodierer des Codierungsalgorithmus zum MPEG-Standard ISO/IEC 11172-3 Layer 3 beschrieben und anschaulich erklärt.

2.2.1 Der Codierer

Hier noch einmal das Blockdiagramm in seinen Bestandteilen, die in der gegebenen Reihen-folge beschrieben werden sollen.

Um bei der nun folgenden sehr detaillierten Beschreibung der einzelnen Bestandteile nicht den Überblick zu verlieren, sei hier noch einmal ein knapper Überblick gegeben.Das Signal wird zunächst durch die Filterbank in 32 Teilbänder zerlegt. Jedes Teilband wird dann mit 18 Koeffizienten dargestellt. Dies geschieht durch Zuführung dieser 32 Teilbänder an eine MDCT, woraus sich dann jeweils 18 Transformationskoeffizienten ergeben. Durch adaptive Fensterumschaltung in der MDCT können die Spektralkoeffizienten eines Teilbands bis auf 6 reduziert werden (höhere zeitliche Auflösung). Mit Hilfe der Analyse-durch-Synthese Technik werden die Spektralkoeffizienten, gesteuert durch das psychoakustische Modell, codiert. Dabei wird der Quantisierungsfehler mit der Maskierungsschwelle verglichen und die Quantisierung entsprechend angepaßt. Die quantisierten Spektralkoeffizienten werden nun einer Huffman-Codierung und einer Lauflängencodierung unterzogen. Bei diesen Entropiecodierungen werden statistische Effekte ausgenutzt, also häufig vorkommende Werte mit Codeworten geringerer Länge codiert. Zur Vermeidung von Artefakten verwendet Layer-3 Kurzzeitbuffer. Nicht benötigte Bits werden aufgehoben und an kritischen Stellen verwendet (kurzzeitig höhere Datenrate). Die Größe der Buffer hängt davon ab, wie kritisch die Verzögerungszeit ist. Die Übertragung der Daten erfolgt nach der Codierung und Formatierung von Spektralkoeffizienten und Seiteninformation.

2.2.1.1 Hybrid-Filterbank

Die Filterbank wurde mit dem Ziel entwickelt, Kompatibilität zu Layer 2 bei verbesserten Merkmalen zu bieten. Die Ausgabewerte eines jeden der 32 Kanäle der Polyphasenfilterbank, welche auch von Layer 2 genutzt wird, durchlaufen eine MDCT mit jeweils einerAusgabe von 18 Kanälen. Somit beträgt die maximale Anzahl der Filterbank-Ausgabewerte 32x18=576. Aufgrund dieser geringen Anzahl kann eine direkte Implementation der Filterbank genutzt werden, ohne wesentliche Strapazierung der Komplexität. Diese liefert unterschiedliche Zeit/Frequenz-Auflösungen bei verschiedenen Frequenzen zur Simulierung des menschlichen Gehörs. Dies führt zum maximalen Transformationsgewinn für die eingesetzten Signale.Die Fensterlänge beträgt 36 bei langen Fenstern und 12 bei kurzen Fenstern. Zur Teilbandanalyse wird eine Hybrid-PQMF-Filterbank (PQMF – Polyphase Quadrature Mirror Filter) genutzt, um die Breitbandsignale mit der Abtastfrequenz  in 32 gleichgroße Teilbänder zu zerlegen, jeweils mit der Abtastfrequenz /32. Das Flußdiagramm mit den entsprechenden Formeln zeigt die nächste Abbildung.

Die Teilbandanalyse beinhaltet folgende Schritte (1):

-          Eingangssignal von 32 Abtastungen

-          Bildung eines Eingangs-Abtastungs-VektorX für die 512 Elemente. Die 32 Audio-Abtastwerte werden auf die Postionen 0 bis 31 gesetzt, der neuste auf Position 0, der letzte auf Position 31.

-          FenstervektorX von VektorC. Die Koeffizienten werden gefunden in [1, pp.68-69]

-          Berechnung der 64 Werte  entsprechend der gegebenen Formeln im Flußdiagramm

-          Berechnung der 32 Teilband-Abtastwerte  durch Matrixing. Die Koeffizienten der Matrix können durch folgende Formel berechnet werden: ,für i=0 bis 31 und k=0 bis 63

Die Ausgabe der Polyphasen-Filterbank ist die Eingabe zur Unterteilung durch die MDCT, entsprechend der Ausgabe des psychoakustischen Modells (Fensterschaltungs-Flag und Blocktyp) werden Fenster und Transformationstypennormal,kurz, Start oderStop gewählt. Eine Fensterlänge von 1152 Abtastwerten entspricht 24ms bei einer Abtastfrequenz von 48kHz. Alle Quantisierungsfehler im Frequenzbereich sind über diese zeitliche Ausdehnung verteilt. Signale, welche Attacken oder ähnliche Ereignisse (Triangel, Kastagnette) im Zeitbereich enthalten, resultieren in hörbaren Pre-Echos. Aus diesem Grund gibt es die Möglichkeit der dynamischen Veränderung der Fensterform. Diese Technik basiert auf dem Effekt, daß Terme, welche durch Teilbandabtastung erzeugt wurden, im Frequenzbereich der MDCT auf die Hälfte des Fensters reduziert werden.

Die 18 Ausgabewerte einer Granule und die 18 Ausgabewerte der vorhergehenden Granule werden zusammengefaßt zu einem Block von 36 Abtastwerten. Hier die Berechnung des Blocktyps “normal” für die 36-Punkt-MDCT:

Die Werte des Blocktyps “kurz” für die 12-Punkt-MDCT berechnen sich wie folgt:

Die Grafen der beiden MDCT-Funktionen für lange und kurze Fenster zeigt Abb.32. Um zwischen dem normalen und kurzen Blocktyp umschalten zu können, wird dieses hybride “Start”-Fenster ...

und dieses “Stop”-Fenster genutzt:

Die Grafen dieser beiden MDCT-Funktionen für das Start- und Stopfenster zeigt Abb.33.

Der analytische Ausdruck der MDCT ist folgender:

Die MDCT bietet offensichtlich den Vorteil überlappender Zeitfenster (50%), bei Erhaltung der kritischen Abtastungen. Dank der überlappenden Eigenschaft ist eine gute Voraussetzung für die spätere Quantisierung gegeben. Artefakte zwischen den Transformationsblöcken können so leicht erkannt und entfernt werden.

2.2.1.2 Psychoakustisches Modell 2

Für die Berechnung der psychoakustischen Parameter kann entwederdas Psychoakustische Modell 1 oder das Psychoakustische Modell 2 angewendet werden. Layer 3 nutzt das psychoakustische Modell 2, inklusive einiger Modifikationen. Eine Beschreibung des Psychoakustischen Modells 2 wurde bereits unter Punkt 2.1.2. gegeben. Dieser Abschnitt soll lediglich die Modifizierungen dieses Modells liefern, wie sie in den MPEG-Standards für Layer 3 und AAC genutzt werden. Man spricht auch vom modifizierten Psychoakustischen Modell 2. Hier zunächst noch mal ein Überblick in Form eines Blockdiagramms:

Sämtliche Punkte, welche in diesem Abschnitt nicht angesprochen werden, entsprechen denen im herkömmlichen Psychoakustischen Modell 2. Es wird nur auf Modifikationen dieses Modells eingeganden. Das Modell wird zweimal parallel berechnet. Eine Berechnung wird mit einer Länge von 192 Abtastungen (angewendet bei kurzen Blöcken) durchgeführt, die andere mit einer Schaltlänge von 576 Abtastungen. Für die Schaltlänge von 192 Abtastungen müssen die Blocklänge der FFT auf 256 geändert und die Parameter entsprechend geändert werden.Ein wesentlicher Unterschied besteht in der Wahl der Streuungsfunktion, welche in folgender Formel dargestellt ist (nur Werte über werden genutzt, alle anderen werden 0 gesetzt.):

Als Beispiel sei in Abb.37 die Streuungsfunktion mit dem mittleren Frequenzwert von 12Bark dargestellt. Eindeutig erkennbar ist, daß die Streuungsfunktion ihren Maximalwert hat, wenn aktueller Frequenzwert i und der Mittelwert j übereinstimmen. Die Graf fällt zu beiden Seiten hin ab, so daß man wieder von einer filtrierenden Eigenschaft der Funktion sprechen kann.

Als Vergleich sei in Abb.38 die Streuungsfunktionen des einfachen Psychoakustischen Modells 2 dargestellt, ebenfalls mit einem mittleren Frequenzwert von 12 Bark. Es ist deutlich erkennbar, daß bei dem modifizierten Psychoakustischen Modell eine feinere Filtrierung durchgeführt wird. Dies wird durch die Alternative für tmpx im ersten Schritt der Formel zur Streuungsfunktion [58] erreicht. Beim herkömmlichen Psychoakustischen Modell 2 ist tmpx immer 1,5(j-i).Die Größe des Verdeckungsmaßes berechnet sich auch beim modifizierten Psychoakustischen Modell 2 wie folgt:

Das allgemeine Verdeckungsmaß berechnet sich also aus zwei anderen Verdeckungsmaßen, eines für den Fall, daß der Ton das Rauschen maskiert (M1), ein anderes, falls das Rauschen den Ton maskiert (M2). Diese Werte werden in diesem modifizierten psychoakustischen Modell einfach auf 18 und 6 dB gesetzt. Bei der Unvorhersagbarkeitsberechnung gibt es folgende weiteren Abänderungen:

Die Berechnung der metrischen Unvorhersagbarkeit :

Die Psychoakustische Entropie wird durch das Verhältnis thr/eb berechnet, wobei thr die Schwelle und eb die Energie ist:

Die Schwelle wird nicht über die FFT-Linien verteilt. Die Schwellenberechnungs-partitionen werden direkt zu Skalenfaktorbänder konvertiert. Die erste Partition, welche zum Skalenfaktorband addiert wird, wird mit w1 bezeichnet, die letzte mit w2 (siehe Tabelle 7 für Abtastrate 48kHz). Die Tabelle beinhaltet ebenfalls die Partitionsnummer cbw, konvertiert zu einem Skalenfaktorband (ausgenommen die erste und letzte Partition). bo und bu werden ebenfalls für die Konvertierung zu Skalenfaktorbändern genutzt. Für kurze Blöcke wird eine vereinfachte Version der Schwellenberechnung (konstantes Signal-Rausch-Verhältnis) angewendet. Die Konstanten sind in Tabelle 8 zu finden (SNR ).

Das Psychoakustische Modell ist im Prinzip ein Werkzeug zur Codierung eines digitalen Signals und kann daher niemals nur für sich selbst betrachtet werden. Der direkte Einfluß auf andere Abschnitte des Codierers lassen gewisse Berechnungsabschnitte als Bestandteil des Psychoakustischen Modells erscheinen, wie beispielsweise FFT und MDCT. Die eigentliche Codierung erfolgt jedoch erst in der Bitzuweisungsschleife, deren Beschreibung nun folgt.

2.2.1.3 Bitzuweisungsschleife

Zur Kennzeichnung des Quantisierungsrauschens werden die Skalenfaktoren genutzt. Anders als bei Layer 1 und 2 sagen die Skalenfaktoren in Layer 3 nichts über das lokale Maximum des quantisierten Signals aus. In Layer 3 werden die Skalenfaktoren im Decodierer genutzt, um die Einteilungsfaktoren der Gruppen von Werten zu erhalten. Diese Gruppen ziehen sich über mehrere Frequenzlinien hin. Diese Gruppen werden Skalenfaktorbänder genannt und gewählt, um die kritischen Bänder so dicht wie möglich anzunähern. Die Unterteilung des Spektrums in Skalenfaktorbänder ist für jede Blocklänge und Abtastfrequenz festgelegt und in speziellen Tabellen gespeichert. Tab.9 und Tab.10 zeigen diese Festlegungen bei der Abtastfrequenz von 48kHz.

 

Die Skalenfaktoren werden logarithmisch quantisiert.

Die Bitzuweisungsschleife ist in drei Ebenen unterteilt. Die Hauptebene wird als “Schleifen-Rahmenprogramm” bezeichnet. Dieses Rahmenprogramm enthält eine innere und eine äußere Schleife. Die folgenden Flußdiagramme in Abb.39 bis Abb.41 stellen diese drei Ebenen dar.

Die Schleifenmodule quantisieren einen Vektor von Spektraldaten in einem iterativen Prozeß entsprechend der verschiedenen Anforderungen. Die innere Schleife quantisiert den Eingangsvektor und erhöht die Quantisierungsschrittgroesse, bis der Ausgabevektor mit der verfügbaren Anzahl an Bits codiert werden kann. Nach der Vollendung der inneren Schleife kontrolliert eine äußere Schleife die Verzerrung eines jeden Skalenfaktorbandes. Überschreitet ein Skalenfaktorband die erlaubte Verzerrung, so wird dieses Band verstärkt und die innere Schleife erneut aufgerufen.

( fehlender Text Diplomarbeit S.67-71)

( fehlender Text Diplomarbeit S.72-73)

( fehlender Text Diplomarbeit S.75)

( fehlender Text Diplomarbeit S.75-76)

 

2.2.1.4 Bitstromformatierung

( fehlender Text Diplomarbeit S.78)

( fehlender Text Diplomarbeit S.78-80)

( fehlender Text Diplomarbeit S.80-81)

( fehlender Text Diplomarbeit S.81-83)

2.2.2 Der Decodierer

( fehlender Text Diplomarbeit S.84-85)

( fehlender Text Diplomarbeit S.85-87)

( fehlender Text Diplomarbeit S.87)

 

---

3 Das Demonstrationsmodell zum MP3-Standard- ^

3.1 Dokumentation des Programms

3.2 Testung des Programms

 

---

3.1 Dokumentation des Programms- ^

3.2 Testung des Programms

---

4 Abschluss- ^

Mit ein paar Sätzen soll diese Arbeit nun ihren Abschluß finden. In umfassender Weise wurden Beschreibungen verschiedener Algorithmen zur digitalen Codierung von Tonsignalen geliefert. Dabei wurde neben tiefgreifenden Erläuterungen, speziell des MPEG-Standards ISO/IEC 11172-3 Layer 3, auch auf Grundlagen der Psychoakustik eingegangen. Das Psychoakustische Modell 2 wurde sowohl in seiner ursprünglichen Form, wie in Layer 1 und 2 verwendet, sowie auch als Modifikation, genutzt in Layer 3, behandelt. Das zur Demonstration des Codierungsvorganges entwickelte Programm ermöglicht durch eine selbsterklärende Benutzeroberfläche eine verständliche Darstellung der einzelnen Codierungsetappen. Dabei können die zu codierenden Wav-Signale (PCM) frei gewählt werden. Eine ausführliche Dokumentation zum Programm und zur Testung desselben runden diese Arbeit ab. Die Ausarbeitungen sind mit dieser Arbeit nicht abgeschlossen, sondern sollen auch in Zukunft ergänzt und erweitert werden.

---

5 Anhang- ^

5.1 Literaturverzeichnis

5.2 Glossar

---

5.1 Literaturverzeichnis- ^

(1) Publikation: Coding of Moving Pictures and Associated Audio – ISO/IEC 11172-3, 1993 ISO/IEC Copyright-Office Switzerland

(2) Scott Nathan Levin: Audio Representations for Data Compression and Compressed Domain Processing, Dissertation, 1999 Stanford University

(3) ISO/IEC MPEG-2 Advanced Audio Coding, Journal of the Audio Engineering Society (AES), Volume 45 Number 10, 1997, S.789ff.

(4) K. H. Brandenburg: Overview of MPEG-Audio – Current and Future Standards for Low-Bit-Rate Audio Coding, Journal of the Audio Engineering Society (AES), Volume 45 Number ½, 1997, S.4ff.

(5) Subjective Evaluation of State-of-the-Art Two-Channel Audio Codecs, Journal of the Audio Engineering Society (AES), Volume 46, Number 3, 1998, S.164ff.

(6) Carstens, Matthias: Musik kompakt – Audiokompression mit MPEG Layer-3, c’t-Magazin, Heft 21, 1998, S.242 ff.

(7) Hompage des Fraunhofer-Instituts für integrierte Schaltungen: http://www.iisfhg.de

(8) Freyer, Ulrich: DAB – Digitaler Hörfunk, 1997 Verlag Technik GmbH Berlin

(9) Ted Painter, Andreas Spanias: A Review of Algorithms for Perceptual Coding of Digital Audio Signals, Paper, 1997 Arizona State University

(10) Bernd Edler, Heiko Purnhagen, Charalampos Ferekidis: ASAC - Analysis/Synthesis Audio Codec for Very Low Bit Rates, Institut für Theoretische Nachrichtentechnik und Informationsverarbeitung, 1996 Universität Hannover

(11) Bondhan Winduratna: FM Analysis/Synthesis Based Audio Coding, Laboratorium für Informationstechnologie, 1997 Universität Hannover

(12) James D.Johnston: Estimation of Perceptual Entropy Using Noise Masking Criteria, AT&T Bell Laboratories, © 1988 IEEE

(13) Aníbal Joao de Sousa Ferreira: Spectral Coding and Post-Processing of High Quality Audio, 1998 Porto, France

(14) Publikation International Standard: Information technology – Generic coding o moving pictures associated audio information – Part 7: Advanced Audio Coding (AAC), © 1997 ISO/IEC

(15) A.V. & G.V. Frolow: Multimedia für Windows (Russische Ausgabe), 1994 “Dialog-Mifi”-Verlag Moskau

(16) Redaktion Toolbox: Visual C++ 6.0 – Professionelle Programmierung, 1999 C&L-Verlag Vaterstetten

(17) Hans Jürgen Scheibl: Visual C++ 6.0 – für Einsteiger und Fortgeschrittene, 1999 Carl Hanser Verlag München Wien

(18) Swedish Broadcasting Corporation, "ISO MPEG/Audio Test Report", Stokholm, Jul, 1990.

(19) IEC/JTC1/SC29, "Description of MPEG-4", Document N1410, Oct.1996.

(20) Y.F.Dehery, G.Stoll, and L.v.d.Kerkof, "MUSICAM Source Coding for Digital Sound", in Symp. Rec. "Broadcast Sessions" of the 17th Int. Television Symp.(Montreux, Switzerland, 1991 June), pp. 612-617.

5.2 Glossar- ^

dB: Abk. für Dezibel. Logarithmische Maßeinheit, z.B. eines Spannungsverhältnisses.
FFT: Abkürzung für "Fast Fourier Transformation": Analyseverfahren zur Berechnung einer Fourierdarstellung aus einem Schallereignis, nach dem Fouriergesetz, welches besagt, daß sich jede komplexe, periodische Funktion aus der Summe einer spezifischen Anzahl von harmonischen Sinus-schwingungen zusammensetzt.
Filter: Gerät oder Gerätekomponente, zur Verstärkung oder Abschwächung von bestimmten Frequenzen.
FM: Abkürzung für "Frequenzmodulation".
FM-Synthese: Erzeugung von Klängen durch Frequenzmodulation mehrerer Schwingungen.
IEC: Abkürzung für "International Electronical Commission": Organisation mit der Aufgabe, bestimmte Normen zu definieren.
IRT: Institut für Rundfunktechnik
ISDN: Abkürzung für "Integrated Services Digital Network": International standardisiertes, universelles Fernmeldenetz für verschiedenste telekommunikative Dienstleistungen, das sich durch hohe Datenübertragungsraten (64 Kbit/s) auszeichnet.
ISO: Abkürzung für "International Standards Organization". Organisation mit der Aufgabe, bestimmte Normen zu definieren.
JND: Abkürzung für "Just Noticeable Difference": Unterscheidungsschwelle für ein (z.B. akustischen) Vergleichspaar. (z.B. nach dem Weber-Fechner’schen Gesetz: Das Verhältnis zwischen Reiz und Reizzuwachs zur Erzielung eines feststellbaren Unterschiedes ist konstant) Kanal: Übertragungsweg, z.B.
MIDI-Kanal: MIDI kann bis zu 16 Kanäle verwalten, jeder Kanal kann gezielt ein Instrument oder eine Stimme eines Instruments ansteuern.
kB: Abkürzung für "Kilobyte". Einheit der Speicherkapazität, die 1024 Bytes entspricht.
Mantisse: Die Zahl, mit der eine Potenz bei wissenschaftlicher Notation multipliziert wird, um den Wert des Ausdrucks zu erhalten. Beispiel: 1,83*10**4; 1,83 ist die Mantisse, 10 die Basis und 4 der Exponent der Zahl 18.300 in wissenschaftlicher Notation.
Maskierung: Verdeckung (Maskierung) ist der Prozeß, durch den die Schwelle der Hörbarkeit eines akustischen Signals durch das Vorhandensein eines zweiten (maskierenden) akustischen Signals angehoben wird. Verdeckung ist der Betrag, um den die Schwelle der Hörbarkeit eines akustischen Signals durch das Vorhandensein eines zweiten akustischen Signals angehoben wird. Die Einheit der Verdeckung ist üblicherweise das Dezibel.
MDCT: Modifizierte Diskrete Fouriertransformation OCF: Optimum Coding in the Frequency Domain – Transformationscodierer entwickelt von Brandenburg
PCM: Abk. Puls Code Modulation, Verfahren zur Digitalisierung und Mehrkanalübertragung analoger Quellsignale, insbesondere von Telefonsignalen. Verfahrensschritte: Abtastung, Quantisierung und Codierung. Das im öffentlichen Netz eingesetzte PCM-Verfahren überführt Telefonsignale in ein synchrones Digitalsignal mit der Übertragungsgeschwindigkeit 64-kbit/s.
PXFM: Perceptual Transform Coder- - Transformationscodierer entwickelt von Johnston QMF-Filterbank: Bei QMF-Filtern wird das Signal in der Mitte des Frequenzbereiches geteilt, die Filter haben einen Betragsgang symmetrisch zum Viertel der Abtastfrequenz. Danach erfolgt eine Unterabtastung, welche die Abtastfrequenz halbiert.
Quantisierung: Korrekturfunktion, die es ermöglicht, rhythmisch ungenau gespielte MIDI-Noten einem justierbaren, zeitlichen Raster punktgenau anzupassen. Sample: Ausschnitt (Muster, Probe) eines Klanges oder Schallereignisses, der in digitaler Form vorliegt.
SNR: Signal to Noise Ratio – Verhältnis von tonalem und rauschartigem Anteil in einem Signal
SPL: Abkürzung für "Sound Pressure Level": Physikalisches Maß zur Angabe der Schallintensität in dB.

---

26.10.2000 - - Diplomauszug Andi Schimmelpfenng

---

Diplomarbeit im Netz seit 01.03.2001