Uvod u organizaciju računara

vežbe - čas 7: Predstavljanje zvuka

Zvučni signali

 Zvučni signal predstavlja promenu

pritiska vazduha kroz vreme
 Ilustracija ovoga je moguća npr.
pomoću programa Sound Recorder

Uvod u organizaciju računara 2

Amplituda i frekvencija

 Razliku izmedju maksimalne i

minimalne vrednosti nazivamo
amplitudom.
 Što je amplituda zvučnog signala
veća, zvuk je glasniji

Uvod u organizaciju računara 3

Frekvencija

 Broj promena signala, npr. od svoje

najveće vrednosti do najmanje i nazad u
jednoj sekundi nazivamo frekvencijom
zvuka. Frekvencija se meri u Hercima
(1Hz= jednom u sekundi).
 Što brže zvučni signal menja svoju
vrednost to nam se zvuk čini piskaviji.

Uvod u organizaciju računara 4

Čujni raspon
 U proseku, ljudsko uho može da čuje
zvukove čija je frekvencija između 5Hz i 20
kHz medjutim precizni raspon je osobina
svakog pojedinca. U principu, već
frekvencije iznad 10kHz većina ljudi
veoma loše čuje.
 Jačina zvuka koju ljudsko uho može da
registruje se kreće od skoro 0dB (prag
šuma) do 120dB (prag bola)
Uvod u organizaciju računara 5
Digitalizacija zvuka
 Prema Nyqist-ovoj teoremi, prilikom
digitalizacije je dovoljno uzimati
uzorke vrednosti zvučnog signala
(semplirati) dva puta češće od
njegove najveće frekvencije.
 Za verno zapisivanje frekvencija do
20kHz potrebno je da frekvencija
uzoraka bude 40kHz
Uvod u organizaciju računara 6
Uobičajene frekvencije uzoraka

 Opšte prihvaćen CD audio standard

se zasniva na učestalosti uzoraka od
44.1kHz.
 DAT kasete, poznate muzičkim
profesionalcima koriste učestalost
od 48kHz
 Većina zvukova u video igrama je sa
uzorcima na 11 ili 22 kHz.
Uvod u organizaciju računara 7
Dubina zvuka (dinamički raspon)

 Ranije se za digitalizaciju koristilo 8 bita

(jedan bajt).
 Danas je uobičajeno da se za zapis svakog
uzorka koristi 16 bitova (dva bajta).
 Ovo omogućuje zapisivanje 65536 nivoa
jačine zvuka, što daje dinamički raspon od
oko 96dB, što se smatra prilično
zadovoljavajućim.

Uvod u organizaciju računara 8

Mono i stereo zvuci

 Da bi se bolje dočarao prostorni

raspored zvuka, koristi se stereo
tehnika.
 Uzimanje uzoraka u mono tehnici se
vrši pomoću jednog mikrofona.
 Za digitalizaciju stereo zvuka
potrebno je najmanje 2 mikrofona
(dva kanala).
Uvod u organizaciju računara 9
Nekomprimovani zapis zvuka
 Nposrednim zapisivanjem niza
brojeva dobijenih digitalizacijom
zvuka dobijamo tzv. sirovi zapis
(PCM – Pulse Code Modulation).
 Za sirovi zapis jednog minuta zvuka
u stereo tehnici, potrebno je:
60sekundi * 44100 * 2 bajta * 2 kanala
= 10,5 Mb
Uvod u organizaciju računara 10
RIFF formati

 RIFF je grupa formata za zapis

mnogih tipova podataka, pre svega
multimedijalnih (zvuka i videa).
 Najpoznatiji RIFF formati su WAVE,
AVI, DIVX...

Uvod u organizaciju računara 11

Parčići (chunks)
 Svi RIFF formati se sastoje od parčića
(chunks). Svako parče ima svoj tip, koji se
zapisuje pomoću 4 karaktera, za čim slede
4 bajta koji označavaju veličinu parčeta i
zatim sam sadržaj.
 Sama RIFF datoteka je sama za sebe jedno
parče čiji sadržaj počinje oznakom tipa
RIFF datoteke, a zatim sledi niz drugih
parčića.
Uvod u organizaciju računara 12
Format RIFF datoteke

 Adresa Sadržaj(hex)
 0000 'R', 'I', 'F', 'F'
 0004 Dužina datoteke – 32 bitni
neoznačeni broj
 0008 tip datoteke (4 karaktera)
 000C tip prvog parčeta (4 character)
 0010 dužina prvog parčeta
 0014 Sadržaj prvog parčeta ...
Uvod u organizaciju računara 13
WAVE format
 WAVE spada u grupu RIFF formata i
namenjen je isključivo za zapis zvuka.
 Zapis u WAVE formatu se sastoji od
parčeta (chunk) sa oznakom “fmt” i
parčeta sa oznakom “data”
 WAVE format omogućava i nekoliko tipova
kompresije, mada se najčešće koristi za
zapis nekomprimovanog zvuka, tj. parče
“data” sadrži PCM zapis.
Uvod u organizaciju računara 14
Kanonski izgled WAV datoteke

Offset Sadržaj
0 ‘R’ ‘I’ ‘F’ ‘F’
4 veličina datoteke
8 ‘W’ ‘A’ ‘V’ ‘E’

Uvod u organizaciju računara 15

Kanonski izgled WAV datoteke
12 ‘f’ ‘m’ ‘t’ ‘ ’
16 00 00 00 10
20 tip kompresije (1 PCM)
22 broj kanala (1 mono, 2 stereo)
24 Sample rate (najčešće 44100)
28 Broj bajtova u sekundi = Sample rate * Poravnanje
32 Poravnanje = broj kanala * bajtova po uzorku
34 Broj bitova po uzorku (8 ili 16)
36 ‘d’ ‘a’ ‘t’ ‘a’
40 dužina data bloka
44 Zapis uzoraka

Uvod u organizaciju računara 16

Kanonski zapis WAV datoteke
 Ukoliko se radi radi o 8 bitnim
uzorcima vrednosti se zapisuju kao
neoznačeni brojeve, dok se 16 bitni
uzorci zapisuju u poptpunom
komplementu.
 Stereo (i drugi višekanalni zapisi) se
zapisuju isprepletano (po uzorak za
svaki kanal)
Uvod u organizaciju računara 17
Kompresija

 Jedan od problema sa WAV zapisom

je, naravno, to što zauzima previše
memorijskog prostora.
 Zbog toga se zvučni zapis obično
komprimuje na neki način.

Uvod u organizaciju računara 18

Pristup problemu komprimovanja
 Pošto je zvuk signal koji se veoma
nepredvidivo menja, većina algoritama
kompresije koji se zasnivaju na
ponavljanjima podataka (kao npr. algoritmi
korišćeni u ARJ, ZIP) pokazuju loše
rezultate.
 Zbog toga se pristupa primeni tzv.
psihoakustičkih algoritama koji uglavnom
spadaju u grupu Loosy algoritama.
Uvod u organizaciju računara 19
Maskiranje

 U toku dana ne vidimo zvezde.

Razlog tome je to što je svetlost
zvezda maskirana jakom svetlošću
sunca.
 Većina algoritama za kompresiju
zvuka se zasnivaju na sličnim
osobinama ljudskog čula sluha.
Uvod u organizaciju računara 20
Maskiranje tihih zvukova
 Na primer, tih zvuk u blizini (u vremenu)
mnogo glasnijeg se ne percipira, pa se na
njegovo kodiranje ne isplati trošiti bajtove.
 Slično, ako u bliskom trenutku postoje
zvuci bliske frekvencije, jači zvuk može da
maskira drugi.
 Koji su zvuci dovoljno tihi? Ovaj podatak
se najčešće dobija eksperimentima i to sa
živim ljudima koji slušaju zvuke i daju svoj
sud.
Uvod u organizaciju računara 21
Lokalnost maskiranja
 Na primer:
– Ukoliko imamo zvuk frekvencije 1000Hz i u
njegovoj blizini zvuk od 1100Hz, ali 18 dB tiši,
čovek prosečnog sluha neće čuti drugi zvuk.
– Ako bi drugi zvuk bio frekvencije 2000Hz i iste
glasnoće, on bi se čuo, zbog toga što je
frekvencijski prilično udaljen od prvog.
Pokazuje se da bi ovaj ton morao biti 45dB
slabiji da bi bio nečujan.
 Zaključujemo da je maskiranje značajnije
u slučaju bliskih frekvencija.
Uvod u organizaciju računara 22
Maskiranje jakih zvukova

 Posledica maskiranja je da je
dopušteno podizanje nivoa šuma u
blizini jakih zvukova.
 Zaključujemo da zbog većeg nivoa
dopuštenog šuma nije potrebna
visoka preciznost zapisa, pa se može
upotrebljavati manje bitova za zapis.
Uvod u organizaciju računara 23
Pre i post maskiranje

 Ljudsko čulo sluha ima ograničenje da ne

registruje dobro vremenski bliske
zvukove:
– ne registruje tihi ton koji se javi do 5
milisekundi pre glasnog (premaskiranje).
– ne registruje tihi ton koji se javi do 100
milisekundi posle završetka glasnog
(postmaskiranje)
– tačna vremena zavise od razlike intenziteta.

Uvod u organizaciju računara 24

MPEG formati

 MPEG – Moving pictures experts

group
 Ekspertska organizacija koja je pod
pokroviteljstvom ISO napravila
nekoliko standardnih formata za
zapisivanje zvuka, filma i drugih
multimedijalnih sadržaja
Uvod u organizaciju računara 25
 Najpoznatiji MPEG standardni

 MPEG 1 – standard na kome su zasnovani

formati kao su VideoCD i MP3
 MPEG 2 – standard na kome se zasnivaju
digitalna televizija i DVD format
 MPEG 4 – standard multimedije za fiksni i
mobilni web
 MPEG 7 – standard za opisivanje i
pretragu audio i vizuelnog sadržaja
Uvod u organizaciju računara 26
Audio Layer-i
 Layeri unutar MPEG standarda čine
oznake podstandarda koji se odnose
samo na zapisivanje audio signala
 Jedan od najpoznatijih MPEG-ovih audio
layera je audio MPEG layer 3, ili pod
drugim, čuvenijim imenom MP3.
 Dok je MP3 najčuveniji, MP1 je skoro
zaboravljen, dok je MP2 imao neki uticaj
dok nije potisnut layerom MP3.
Uvod u organizaciju računara 27
Audio Layer-i (2)

 Audio layeri su međusobno

kompatibilni naniže, što znači da
programi koji mogu da tumače MP3
mogu da tumače i novije layere.

Uvod u organizaciju računara 28

Kratko o algoritmu
 Audio MPEG deli celokupni zvučni
frekventni opseg na 32 podpojasa
(subbands).
 Ovi pojasi su kod layera 1 i 2 bili po
625Hz, dok se kod layera 3 uvode
pojasevi različite širine.
– Naime, uho jasno razlikuje 1kHz od
3kHz, dok veoma teško razlikuje 15kHz
od 18kHz (ako se uopšte nešto čuje).
Uvod u organizaciju računara 29
Kratko o algoritmu (2)

 Ako npr. imamo ton od 1kHz jačine

60dB, on spada u 8. pojas:
– Koder izračunava da je maskirajući
efekat ovog tona 35dB, što daje odnos
signal/šum od 25 dB, što znači da je za
zapis ovog zvuka dovoljno 4 bita.
– Dodatno, ovaj maskirajući efekat se
proteže od pojasa 5 do 13, naravno sa
umanjenim uticajem.
Uvod u organizaciju računara 30
Kratko o algoritmu (3)

 Poslednji korak algoritma je primena

Huffmanovog kodiranja na rezultat
dobijen primenom maskiranja.
 Sve ovo čini proces MP3 kodiranja
prilično računski zahtevnim. Proces
dekodiranja je nešto jednostavniji, ali
je i on svakako komplikovan.
Uvod u organizaciju računara 31
Statičko Huffman-ovo kodiranje
 Osnovna ideja je da se karakteri koji se
češće javljaju kodiraju kraćim
sekvencama, dok je kod karaktera koji se
ređe pojavljuju dozvoljeno koristiti i duže
kodove.
 Na početku je potrebno izgraditi sortiranu
tabelu frekvencija pojavljivanja svih
znakova koje želimo da kodiramo. Neka su
to npr. karakteri
Uvod u organizaciju računara 32
Izgradjna Huffmanovog drveta

 Pronadju se dva karaktera koja se najređe

pojavljuju i ona se zamene novim
“karakterom” čija je frekvencija zbir
frekvencija polazna dva karaktera.
 Novouvedeni “karakter” predstavlja čvor
drveta iz koga izniču polazni karakteri.
Postupak se ponavlja sve dok se ne
izgradi kompletno drvo.

Uvod u organizaciju računara 33

Odredjivanje kodova

 Sve grane drveta koje vode “na levo”

se označe nulom, dok se sve grane
koje vode “na desno” označe
jedinicom. Kôd svakog karaktera se
odredjuje prikupljanjem oznaka
grana putanje koja vodi do njega.

Uvod u organizaciju računara 34

Huffmanovo drvo - primer
32
0 1
A(13) 19
0 1
11 8
0 1 0 1
B(6) 5 E(4) F(4)
0 1

C(3) D(2)

 Kodovi su:
A 0 B 100 C 1010
D 1011 E 110 F 111

Uvod u organizaciju računara 35

Format MP3 datoteke

 Svaka MP3 datoteka se sastoji od

više delova koji se nazivaju okviri
(frames)
 Svaki okvir se sastoji od 32 bitnog
zaglavlja (header) i sadržaja.
 Jedan okvir služi za zapis 1152 uzorka
kod Layer-a 2 i 3
Uvod u organizaciju računara 36
Zaglavlje MP3 okvira
 Zaglavlje se sastoji od 32bita:
AAAAAAAA AAABBCCD EEEEFFGH IIJJKLMM
 A - 11 bitova za sinhronizaciju – svi moraju
imati vrednost 1
 B – oznaka verzije MPEG standarda
– 00 – MPEG 2.5
– 01 – rezervisano
– 10 – MPEG 2
– 11 – MPEG 1
Uvod u organizaciju računara 37
Zaglavlje MP3 okvira (2)

 C – Oznaka layer-a
– 00-rezervisano
– 01 – Layer 3
– 10 – Layer 2
– 11 – Layer 1
 D – Oznaka kontrole
– 0 – CRC
– 1 – kontrola isključena

Uvod u organizaciju računara 38

Zaglavlje MP3 okvira (3)
 E – bit rate. Izražava se u kbps. Svakom
layer-u odgovaraju različite kombinacije.
– Npr. za MPEG 1 layer 3, 1001 znači 128kbps.
 F - Sampling rate. Npr. Za MPEG1
standard, i sve layere
– 00 označava 44100 Hz
– 01 – 48000 Hz
– 10 – 32000 Hz
 G – Padding – dodatni bit koji kaže da li
postoje dodatni bitovi za poravnavanje
Uvod u organizaciju računara 39
Zaglavlje MP3 okvira (4)

 H – Rezervisani bit
 I – Broj kanala
– 00, 01, 10 Stereo,
– 11 Mono
 J – dodatna oznaka načina zapisa
(samo kod stereo sistema)

Uvod u organizaciju računara 40

Zaglavlje MP3 okvira (5)

 K – Copyright
– 0 nema
– 1 ima
 L – originalnost zapisa
– 0 kopija originala
– 1 original
 M – Oznaka pojačanja
Uvod u organizaciju računara 41
Izračunavanje dužine okvira

 Iako u zaglavlju svakog okvira nije

eksplicitno zapisana njegova dužina,
ona se može rekonstruisati na
osnovu ostalih podataka i to kod
Layera 3 po formuli:
Dužina =
144 * bitrate / samplerate + padding
Uvod u organizaciju računara 42
ID3 v2
 MP3 format se može proširiti dodatnim
informacijama o muzici, izvođaču, tekstu
pesme i slično.
 Standard koji ovo opisuje se zove ID3 i
trenutno nosi oznaku verzije 2.4.0.
– Pošto se ovaj standard pojavio posle
standardizacije MP3, ovakve dodatne oznake
su se pisale na kraju MP3 datoteke.
– Tek od verzije 2, su oznake premeštene na
početak.

Uvod u organizaciju računara 43

ID3 v2,
primer

Uvod u organizaciju računara 44