Università degli studi di Messina Facoltà di Scienze MM.FF.NN. Corso di laurea in Informatica “U.Bonino” Tecniche di compressione segnali audio: modello psicoacustico per Mpeg 1 Layer III mediante MatLab Tesi di laurea di: Alberto Pagano Relatrice: Prof.ssa Luigia PUCCIO Anno Accademico 1999/2000 Tecnologia digitale Il recente sviluppo delle tecnologie digitali ha reso fondamentale l’utilizzo di compressione audio/video nel campo delle telecomunicazioni – Es. teleconferenze, videotelefonia, ecc. ISO (International Standards Organization) MPEG (Moving Pictures Expert Group) Sviluppare codifiche standard internazionali per la digitalizzazione, la compressione e la decompressione audio/video MPEG Il primo lavoro è conosciuto come MPEG 1 “codifica di fotogrammi in movimento con audio associato per l’archiviazione su memorie di massa digitali con una occupazione di 1.5 Mbits al secondo” il progetto è suddiviso in 5 parti: system; video; audio; conformance testing; software simulation. MPEG 1 12:1 12 In MPEG 1 sono presenti 3 layer di compressione Dal primo al terzo troviamo un incremento nella complessità dell’algoritmo e nelle performance, con un miglioramento della qualità audio. 10 8:1 8 Layer II 6 4 Layer I 4:1 2 0 Rapporti di compressione Layer III Conversione analogico/digitale Frequenza di campionamento Risoluzione dei campioni Musica digitale Un normale CD audio viene campionato ad una frequenza di 44100 Hz, quantizzazione di 16 bit Spazio occupato su disco da un minuto di musica stereo: Campioni per secondo 44100 x Canali (stereo) 2 x Byte 2 x secondi 60 = ______________ 10.584.000 byte 10 Mbyte Algoritmo di compressione MP3 È l’abbreviazione di MPEG 1 layer III – formato di audio compresso nato con l’intento di consentirne la trasmissione ad alta qualità attraverso le linee di telecomunicazione, limitando il più possibile l’occupazione di spazio e quindi di banda passante Come funziona la compressione Lossy: – algoritmi di compressione che si basano su delle osservazioni inerenti la percezione umana. Audio percettivi: – non hanno lo scopo di restituire il segnale d’ingresso intatto dopo la decodifica, ma quello di assicurare che il segnale di uscita sia il più possibile uguale all’originale Ci si è basati sulle ricerche nel campo della Psicoacustica Psicoacustica Scienza che studia il comportamento del cervello di fronte a stimoli sonori contemporanei Soglia di udibilità Mascheramento In frequenza Temporale Soglia di udibilità L’orecchio umano è in grado di percepire suoni contenuti in uno spettro di frequenza che va dai 20 hz ai 20 khz (spettro dell’udibile) Mascheramento in frequenza Emettendo un suono ad una determinata frequenza, l’udito non sarà capace di percepire le frequenze immediatamente prossime anche se hanno volume (energia) appena inferiori Mascheramento temporale Suoni normalmente percepibili possono non esserlo più se immediatamente preceduti da suoni più intensi. Implementazione del modello psicoacustico Input audio Banco di filtri (32 bande) Modello psicoacustico Quantizzazione e codifica Packing dei dati Output audio SMR Schema di principio di un Encoder Mpeg Layer III SMR = Signal to Mask Ratio Prova sperimentale Applicazione del modello psicoacustico 1 descritto nello standard ISO/IEC 111172-3: – “Information technology - Coding of moving pictures and associated audio for digital storage media at up to 1.5 Mbits/s - part 3: Audio” L’algoritmo è stato implementato tramite linguaggio MatLab™ ver. 5.2 su sistema Win 98™ Modello psicoacustisco Determinazione dei massimi locali; 1/6 2/6 Modello psicoacustico Divisione in componenti tonali e non-tonali – tonali: sinusoidale, cioè generato da una sola frequenza (suono puro) – non-tonali : suono complesso, generato da più frequenze * tonali * non-tonali 3/6 Modello psicoacustico Decimazione delle maschere Soglia sonora in condizioni di quiete 4/6 Modello psicoacustico Calcolo delle soglie di mascheramento per ogni componente tonale e non-tonale rimasto dopo la decimazione 5/6 Modello psicoacustico Le soglie di percettibilità delle maschere tonali e nontonali vengono combinate insieme per generare una soglia di mascheramento globale. dB frequenza Modello psicoacustico La soglia di mascheramento globale viene rapportata al livello del massimo segnale rilevato nelle sottobande, ottenendo così il rapporto segnale/mascheramento tra l’energia del segnale e la soglia di mascheramento per ogni sottobanda 6/6 Mpeg/Audio - prestazioni La compressione Mpeg/Audio dà compressione “trasparente” Test effettuati dal comitato MPEG dimostrano che esperti ascoltatori statisticamente non riuscivano a distinguere il brano originale da quello codificato Confronto wav - mp3 File originale – 22 sec, formato WAV, 16 bit 44100 Hz, stereo, 21 sec. File compresso – 22 sec, formato MP3, 16 bit, 44100 Hz, stereo, 21 sec. Spazio occupato su disco: 3,71 Mbyte 346 Kbyte Rapporto di compressione: 11:1 Confronto tra spettri sonori Spettro della trasformata di Fourier del segnale originale (formato WAV) 14000 Hz Spettro della trasformata di Fourier del segnale compresso (formato MP3) Occupazione su supporto digitale per i file ai diversi campionamenti 10:1 3:1 4 3,5 3 16 bit, 44 kHz 16 bit, 32 kz 8 bit, 32 kHz 16 bit, 22 kHz 8 bit, 22 kHz 8 bit, 11 kz 2,5 2 1,5 1 0,5 0 file WAV file MP3 Conclusioni Il compressore Mpeg/Audio è un ottimo compressore audio per segnali digitali ad alta risoluzione. (Come i normalissimi CD Audio)