Cours nCours n°°22 Codage et stockage de l’audiojaniszek/_media/enseignement/conception... ·...

Cours nCours n°° 22

Codage et stockage de l’audioCodage et stockage de l’audio

Sommaire1. Codage de l’audio

1. PCM (Pulse Coded Modulation)2. Codage psycho-acoustique

1. MP32. Spatialisation

3. Formats de signaux audio3. Formats de signaux audio

2. Stockage de l’audio1. CD (Compact Disk)

� CD-DA� CD-ROM

2. DVD (Digital Versatil Disk)

Année 2008 - 2009 2M1 – Conception Audio – Marie-José Caraty / David Janiszek

1. Codage de l’audio

Année 2008 - 2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 3

Codec (codeur-décodeur)� Matériel capable de convertir des signaux audio ou vidéo de leurs formes

analogique à numérique et vice-versa

� Matériel ou logiciel capable de compresser ou de décompresser des données audio ou vidéo.

� Nom générique donné aux algorithmes de compression et de décompression

1.1. CODAGE DE L’AUDIO CODAGE DE L’AUDIO

GénéralitésGénéralités (1/7)(1/7)

� Nom générique donné aux algorithmes de compression et de décompression

Exemples de codec : MP3 pour l'audio DivX pour la vidéo

Mesure du taux de compressionDébit en bits/s (bps ou b/s) à soutenir pour :� le stockage� la transmission (téléphone, internet)� l’application temps-réel (streaming : Web radio/télévision, voix sur IP)


Objectifs des codecs des signaux audio� Optimiser le débit (recherche des faibles débits)

� Optimiser les coûts de calcul de la compression et de la décompression

� Qualité de la restitution (signal restitué après codage et décodage)

Compromis, pour une application donnée, entre ces différents facteurs



Critères de qualité et applications� Communication téléphonique

Le critère est l’intelligibilité de la parole transmise

� Ecoute musicale

Le critère est lié à l’audition :le signal restitué après décodage doit être, idéalement, indiscernable à l’audition du signal original


Estimation des coûts de calculs en MIPS requis pour le DSP (Digital Signal Processing)

Ordre de grandeur du retard introduit par la compression : du dizième de ms (0,125 ms) à quelques dizaine de ms (30 ms)


GénéralitésGénéralités (3/7) (3/7)

Estimation de la qualité de restitutionen MOS (Mean Opinion Score)

• 5 : excellent • 4 : bon (dégradation à peine perceptible) • 3 : passable (dégradation perceptible, mais on reconnaît son interlocuteur)• 2 : médiocre (dégradation considérable, voix synthétique) • 1 : mauvais (problèmes d'intelligibilité).


Codage réversible/sans perteCodage et décodage : fonction identitéPas de perte dans le contenu informationnel Méthodes de compression entropiques/statistiques

Fanno-Shannon, Lempel-Zipf, Huffman, …Taux de compression 1:2 au plus



Codage irréversible/avec perteCodage : fonction non injective (même codage pour deux sons différents)Elimination d’information (transparentes à l’audition)Pas de retour possible à l’originalMéthodes

Echelle logarithmiqueMasque de bandePrédiction linéaire

Taux de compression visé > 1:2


Ecoute binauriculaire humainePermet de localiser spatialement les sources sonoresdans un espace tridimensionnel (verticalité , horizontalité , profondeur )

Grande différence dans les phénomènes de perception• notre perception du champ de pression• notre perception à l’écoute d’un enregistrement


Généralités Généralités –– L’écoute humaineL’écoute humaine (5/7)(5/7)

• notre perception à l’écoute d’un enregistrement

Système de prise de son et diffusion modifient la perception du relief sonoreDe plus, l’image peut « modifier » notre perception

Paramètres de restructuration de la profondeur sono reliés à notre acquis auditif

� Intensité Notion de proximité liée à l’intensité plus forte, plus faible � Fréquence Près (loin) d’une source, bonne perception de l’aigu (grave) � Réverbération Notion d’espace et d’éloignement


Système de prise de son par un/des microphones et de diffusion via un/des canaux sur une/des enceintes

Monophonie (19??)� Prise de son par 1 micro diffusé via 1 canal sur 1 ou 2 enceintes

Dans le cas de 2 enceintes, c’est le même canal (information) qui est diffusé

� Perception de profondeur (demie)


Généralités Généralités –– L’audiophonieL’audiophonie (6/7)(6/7)

� Perception de profondeur (demie)

Stéréophonie (1960)Objectif : restituer un relief sonore supérieur à la monophonie

� Prise de son par 2 micros diffusée sur 2 canaux affectés à 2 enceintes

� Perception de profondeur (demie) et d’horizontalité

Monophonie dirigéeConsiste à placer 1 micro par sourcepuis à mixer le son, à gauche , à droite ou au milieu (équilibrage gauche et droit)


Production de disquesStéréophonie (10%)Enregistrement dans les salles concerts pour une acoustique naturelle par positionnement (crucial) des 2 micros. Pas de post-production

Monophonie dirigée (90%)

Radio


Généralités Généralités –– Utilisation de l’audiophonieUtilisation de l’audiophonie (7/7)(7/7)

Radio Stéréophonie (10% : France Musique, France Culture)

CinémaSystème Surround (Dolby) issu de la quadriphonie/tétraphonie (1970) : 2 microphones , 4 pistes pour la perception de la profondeur, 4 enceintes (dont deux placés à l’arrière)

Ambiophonie : plusieurs micro à la prise de son et mixage sur plusieurs canaux/pistes diffusés en pentaphonie appelée 5.1 (années 90), 7.1


PCM (Pulse Coded Modulation)Codage audio constitué de la séquence des échantillons mesurés suivant :• une fréquence d’échantillonnage• une loi de quantification sur B bits

Quantification linéaireSur B bits : 2B valeurs dans [-2B-1..2B-1 –1]

1.1.1.1. CODAGE PCM (Pulse Coded Modulation) CODAGE PCM (Pulse Coded Modulation)

Quantification linéaire Quantification linéaire

Sur B bits : 2B valeurs dans [-2B-1..2B-1 –1] avec un pas de quantification constant de 1/2B

Codage non-compressif réversible

Débit et poidsDébit (b/s) = NbCanaux x B (bit) x fe (Hz) Monophonie : 1 canalStéréophonie : 2 canaux

Poids (octets) = Débit / 8 (bits)Taille du fichier en octets


Codage de référence de la musiqueQualité HiFi (CD audio) - support de référence CD-DA44,1kHz, 16 bits, stéréophonique

La référence pour comparer/évaluer les codecs « musi caux »entre autres les taux de compression, la qualité de restitution


Exploitation commerciale Exploitation commerciale (PCM (PCM –– Quantification linéaire) Quantification linéaire)

Stockage d’une minute prend 10 M-octets (1411 kb/s)Pour télécharger 1 minute de musique, qualité CD audio, stéréo,16 bits par canal, 44,1kHz, 1) Quelle est la taille attendue du fichier PCM à télécharger ?

Taille = 60x44100x16x2 /8 = 10 584 000 octets ≈ 10,1 Mo2) Combien de minutes peut-on enregistrer sur un CD de 650 Mo ?

NbMinutes = 650/10,1 ≈ 64 minutes3) La durée de son téléchargement sur une ligne téléphonique grand public?4) Le taux de compression à atteindre pour télécharger et jouer en temps réel ?


Prise en compte de la perception• La sonie (intensité perçue) est liée au volume

mais pas de façon linéaire : entre 500 Hz et 5000 Hz• Plus grande sensibilité de l’oreille aux erreurs de quantification

dans les zones de faible intensité (silence)


Quantification non linéaireQuantification non linéaire

Echelle logarithmique de quantification

� Convertisseur analogique-numérique non linéaire

� Une table de conversion d’échelles (linéaire et logarithmique) pour le codeur et le décodeur

� Codage compressif non-réversible


Codage de référence de la téléphonie (norme G.711)Support de la voix parléeMIC (Modulation par Impulsion Codée) loi A 8 kHz, 8 bits, monophonie

La référence pour comparer/évaluer les codecs en té léphonieentre autres les taux de compression, la qualité de restitution


Exploitation commerciale Exploitation commerciale (PCM (PCM –– Quantification non linéaire) Quantification non linéaire)

entre autres les taux de compression, la qualité de restitution

Loi de quantification� Loi A en Europe� Loi mu aux Etats-Unis, JaponIntégration dans les composants électroniques 127204717100

79100010505050000

MICLinMICLin

Table de conversionCodage linéaire 12 bits (-2047…+2048) transformé en MIC 8 bits (-128…+127)

96kb/s -> 64 kb/s


Principe du codage différentielCode la différence entre deux échantillons consécutifs� Delta

Code sur un bit, par échantillon, le signe de la différence entre l’échantillon et son prédécesseur

� DPCM Differential Pulse Code ModulationCode sur quelques bits l’amplitude de la différence des échantillons


Codages différentiels et adaptatifsCodages différentiels et adaptatifs

Code sur quelques bits l’amplitude de la différence des échantillons

Principe du codage adaptatif/prédictifExtrapoler la valeur du signal à partir des N échantillons précédents pour adapter l’amplitude du pas de quantification à la variation prédite du signal

� Delta adaptatif� ADPCM Adaptative Differential Pulse Code Modulation

Application commerciale en téléphonie (norme G.721)Support de la voix parléeADPCM [8 kHz – 4 bits – 32 kb/s] Taux de compression 1:2 (MIC)


1.2.1.2. CODAGE PSYCHOCODAGE PSYCHO--ACOUSTIQUE ACOUSTIQUE

Standard MPEG de l’audioStandard MPEG de l’audio--vidéo vidéo

MPEG (Motion Picture Experts Group)

Prévoit, pour l’audio, 3 couches/layers (1, 2, 3) de complexité croissante d’algorithme de compression

MPEG1Inclut la vidéo à basse définition et, paradoxalement, le son HiFi Inclut la vidéo à basse définition et, paradoxalement, le son HiFi MP3 correspond au format MPEGMPEG--1 Audio Layer 31 Audio Layer 3

MPEG2Reprend les 3 couches audio , II et III de MPEG1avec des possibilités de fréquences d'échantillonnage plus basses, des débits plus faibles et un nombre de canaux augmentéL’effort porte sur le codec vidéo


Effet de masque fréquentiel caractéristique des codages psycho-acoustiques


Effet de masque Effet de masque (1/2) (1/2)

Déc

ibel

s

a) Courbe seuil d’auditionb) Modification de la courbe par la présence d’un son pur

de 500Hz de 70dB

Fréquence en Hz

Déc

ibel

s


dB


Effet de masque Effet de masque (2/2) (2/2)

Fréquence (kHz)

Exemple d'interprétation de la courbeUn son pur à 8 kHz masque un autre son pur à 7 kHz si ce dernier son à une intensité inférieure à 40dB


Codage d’une trame (26ms)� Analyse spectrale de la trame préemphasée (d'une élévation à la puissance ¾)

� Suppression des fréquences inaudibles (<20 Hz, > 20 kHz)� Découpage du spectre en 32 bandes� Par bande : élimination des sons masqués et quantification adaptée

a) au rapport signal/masque

1.2.1.1.2.1. MP3 (MPEGMP3 (MPEG--1 AUDIO LAYER 3) 1 AUDIO LAYER 3)

Principe du codagePrincipe du codage

a) au rapport signal/masqueb) au débit souhaité

� Compression de Huffmann (des valeurs spectrales quantifiées)

Pour chaque frame, le débit après compression doit avoir une des valeurs prévues par la norme

• CBR (Constant Bit Rate) : débit constant des trames codées• VBR (Variable Bit Rate) : les frames constituées peuvent être de débits différents,

optimisés en fonction du contenu sonore



Entête des trames MP3Entête des trames MP3 (1/2)(1/2)

Chaque trame comporte une entête de 32 bits donnant les paramètres nécessaires pour son décodage

Sync : 12 bits de synchronisation

ID : 1bit (0 =MPEG-2, 1=MPEG-1)

Layer : 2 bits (00=pas défini, 01=layer 3, 10=layer 2, 11=layer 1)

Bitrate (débit) : 4 bits (cf. transp.20)Bitrate (débit) : 4 bits (cf. transp.20)

Frequency (fe) : 2 bits(cf. transp.21)

Priv . bit, Copy bit, Home bit : 3 bits de copyright

Mode : 2 bits (type du codage mono/stéréo) (cf. transp.21)

Emphasis : 2 bits (emphase du signal) (cf. transp.21)

Prot . bit : bit de protection

(0=pas de checksum, 1=16 bits de checksum avant les données)

Pad. bit (padding) (1=8 bits ajoutés, 0=pas d’ajout à la protection)



Positionnement de MP3Positionnement de MP3

Comparé avec la qualité CD audioMP3 est réputé indiscernable de l'original avec un débit >= 256 kbit/ssoit un taux de compression de 5.5

A 128 kbit/s , taux de compression de 11Poids d’une minute d'enregistrement qualité CD audio ≈ 1 MoLa qualité reste très bonneLa qualité reste très bonne

Enjeux commerciauxMP3 est connu comme la référence freeware de la musique en ligne

MP3 a fait l'objet d’un dépôt de brevet (Fraunhoffer, Thalès), les droits envisagés pour des applications commercialestelles le DVD audio-vidéo ont conduit à l'adoption du codec concurrent Dolby AC3


SpatialisationPar exploitation de plusieurs canaux5.1 : 6 canaux7.1 : 8 canaux

1.2.2.1.2.2. SPATIALISATION SPATIALISATION

Codeurs psychoCodeurs psycho--acoustiques avec spatialisationacoustiques avec spatialisation

Principe� Compression basée sur le masquage fréquentiel� Compression par artifices techniques :

un son à émettre sur les six enceintes à la fois, est stocké une seule fois et marqué « global »

� Découpage en fragments d’environ 5 ms, répartis sur les différentes pistes


Support DVD numérique – qualité home cinémaDolby – Digital AC3 (5.1, 7.1)Taux de compression 1:10Actuellement, le signal le plus compressé pour la reproduction du son au cinéma

Studios Universal - DTS (Dolby Theater Sound)Performances audio supérieures au Dolby Digital


Exploitation commercialeExploitation commerciale

Performances audio supérieures au Dolby DigitalNécessite un lecteur plus performant (puissance du décodeur)

La concurrenceMP3 (Fraunhoffer& Thalès)Atrac (Sony)Ogg Vorbis (freeware)AC2, AC3, AAC, DTS (Dolby)



Evolution des marchés et des codecsEvolution des marchés et des codecs

Audio des audioAudio des audio--vidéovidéoMP2MP2MPEG1MPEG1CDCD--VidéoVidéo

HomeHome--cinemacinemaAC3AC3DTSDTSMPEG2MPEG2DVDDVD--VidéoVidéo

Films en ligneFilms en ligneAACAACMPEG4MPEG4

MusiqueMusiqueCDCD--DADA

Musique en ligneMusique en ligneMP3MP3MPEG1MPEG1

Musique T HiFiMusique T HiFiDVDDVD--AudioAudioSASA--CDCD

–– ApplicationApplication–– CodecCodec–– StandardStandard–– Support physiqueSupport physique


1.2.3.1.2.3. FORMAT DES SIGNAUX AUDIOFORMAT DES SIGNAUX AUDIO

Les classiquesLes classiques

Concepteur Compression Multicanal

AIFFMacintosh PCM linéaire, MIC, ADPCM,

RT24, RT29, QuickTimeOui

AUSUN/SGI PCM linéaire 8-16-24-32 bits,

MICNon

OGG, AAC, WMA


MP3MPEG MPEG Couche 3 Mono/Stéréo

VOCSoundblaster PCM linéaire 2-4-6-8-16 bits Mono/Stéréo

WAVMicrosoft PCM linéaire, MIC, ADPCM,

GSM, MPEG, Dolby AC-2

Oui

1.2.4.1.2.4. TESTS D’ECOUTE TESTS D’ECOUTE

Principes Principes

Paradigmes de discrimination perceptuelle

Recommandations internationales de l'UIT-R (anc. CC IR)BS.1116 (évaluation de signaux légèrement dégradés)BS.1534 (évaluation de signaux modérément ou très dégradés)

Méthode MUSHRA MUlti Stimulus test with Hidden Reference and AnchorsTest d’écoute en double aveugle, stimulus multiples, avec référence et repères Test d’écoute en double aveugle, stimulus multiples, avec référence et repères dissimulés,mesure absolue de la qualité audio d’un codec,

Signal de référenceSignal original en largeur de bande totale

Signaux repèreSignal original dégradé dans des conditions similaires aux systèmes testés(limitation de la largeur de bande, image stéréo réduite)



Test d’écoute à un débit donné Test d’écoute à un débit donné

Création d’un ou de plusieurs signaux repères

Création de N (e.g. 5) ensembles de stimuliSignal de référence + signaux d’un débit donné + signaux repère,Ordre aléatoire et anonymisation des signaux (hors référence)

Notation des N ensembles de stimuliNotation des N ensembles de stimuliEcoute en aveugle par un tiers

Equipe de deux étudiants1er étudiant Construction des stimuli et analyse des notations2ème étudiant Notation des stimuli



NotationsNotations

Echelle de qualité continue à cinq niveauxExcellent, bon, moyen, médiocre, mauvais20 graduations par niveau


2. Stockage de l’audio

Année 2008 - 2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 31

� 1982 : Lancement du Compact Disc (CD-DA)� Développé à partir du Laser Disc� Brevet Philips

� Caractéristique physiques� Diamètre (12 cm), épaisseur (1,2 mm), � Trous (largeur 0.5 microns, longueur 0.8 à 3 microns, épaisseur 0.15 microns),

2.1.2.1. STOCKAGE DE L’AUDIO STOCKAGE DE L’AUDIO –– COMPACT DISK (CD) COMPACT DISK (CD)

HistoriqueHistorique

� Trous (largeur 0.5 microns, longueur 0.8 à 3 microns, épaisseur 0.15 microns),� Spirale unique de 5829 m (distance inter-piste 1.6 microns),� Vitesse linéaire constante (1,3 m/s)

� 1984 : Lancement du CD-ROM� Extension de la technologie CD-DA


� Livre rouge (1980)� Format physique des CD-DA, système de correction d’erreur, subcode channel

� Livre jaune (1983)� Format des CD-ROM, système de fichier ISO9660, spécification des CD-ROM XA

� Livre vert (1986)� Format des CD-I (CD-interactive), synchronisation audio et vidéo, système temps-réel


NormesNormes

� Livre orange (1990)� Format physiques des disques inscriptibles (CD-MO, CD-WO, CD-RW)

� Livre beige (1991)� Format des Photo CD, Portfolio CD (Kodak)

� Livre blanc (1993)� VideoCD, gestion des données vidéo, capture d’image

� Livre bleu (1995)� Format des CD extra (audio + données)


� Division en trames

� Organisation d’une trame (588 bits, 136 micro-secondes)

� Bit Contenu0-23 Synchronisation24-26 Bits de redondance


Format physique du CDFormat physique du CD--DADA

27-40 Subcode Channel (8 canaux) P,Q,R,S,T,U,V,W41-43 Bits de redondance44-247 Voie audio 1 (6 échantillons sur 16 bits)248-315 Détection et Correction d’erreur 316-519 Voie audio 2 (6 échantillons sur 16 bits)520-587 Détection et Correction d’erreur

� Redondance importante (< 33% de données audio)


� Division en secteurs

� Organisation d’un secteur (2352 octets) = 4 trames

� Octet Contenu� 0 0000 0000� 1- 10 1111 1111


Format physique du CDFormat physique du CD--ROMROM

� 1- 10 1111 1111� 11 0000 0000� 12 Minutes (+ hex A)� 13 Secondes� 14 Numéro de bloc (mise à zéro à chaque seconde)� 15 Mode (0 bloc nul, 1, 2)� 16-2063 Données utilisateur (2048 octets)� 2064-2351 Correction d’erreur + subcode channel (mod e 1)

� Pas de correction d’erreur en mode 2 (14% de données en plus)


� 1994 : Spécifications du film numérique� (Hollywood) - MPEG2

� 1995 : Deux formats de supports en concurrence� MMCD (Philips/Sony), SD (Toshiba/Warner)

� 1996 : Accord sur un format unique� DVD-Vidéo 1.0 et DVD-ROM

� 1997 : Création du DVD-forum (organisme de

2.2.2.2. STOCKAGE DE L’AUDIO STOCKAGE DE L’AUDIO –– DIGITAL VERSATIL DISC (DVD)DIGITAL VERSATIL DISC (DVD)

HistoriqueHistorique

� 1997 : Création du DVD-forum (organisme de normalisation)� Sortie des premiers lecteurs

� Caractéristique physiques� Diamètre (12 cm), épaisseur (0,6 mm), � Trous (largeur 0.4 microns, longueur 0.4 à 1.87 microns, épaisseur 0.15 microns),� Spirale unique de 28269 m (distance inter-piste 0.74 microns),� Vitesse linéaire constante (3,49 m/s),� Possibilité de double face, double couche


� Livre A (1996)� Spécifications du DVD-ROM (4.5 GB 8.5 GB)

� Livre B (1996)� Spécifications du DVD-Vidéo (4.5 GB 8.5 GB 9.4 GB 17.1 GB)� Codage image (720x576), son 3D (jusqu’à 8 pistes audio)

� Livre C (1998)

2. 2.2. 2. STOCKAGE DE L’AUDIO STOCKAGE DE L’AUDIO –– DIGITAL VERSATIL DISC (DVD) DIGITAL VERSATIL DISC (DVD)

NormesNormes

� Livre C (1998)� Spécifications du DVD-Audio (Audio + image fixe + texte) et du DVD-AudioV (+ vidéo)

� Livre D (1999)� Spécifications du DVD-R (3.9 GB normalisé)

� Livre E (2000)� Spécifications du DVD-RW (4.7 GB) - plusieurs formats en concurrence

� Caractéristiques physiques et système de fichiers identique


� Norme proposée par le DVD forum� Pas de royalties à payer (-> Sony, Philips)


DVDDVD--Audio (DVDAudio (DVD--A)A)

CD-audio DVD-audio

Capacité 640 Mo 4,7 Go

Nombre de canaux 2 (stéréo) 2 à 6

Durée d’enregistrement

74 minutes 74 min en 6 canaux

Nature du signal audio PCM PCM et MLP

Fréquence d'échantillonnage

44, 1 kHzJusqu’à 192 kHz(suivant nb de canaux )

Taux de transfert 1,4 Mbps 9,6 Mbps


� Norme propriétaire (Sony, Philips)� Brevet sur la méthode d’acquisition (Direct Stream Digital),

� Conversion analogique-numérique Delta-Sigma (Intégration des différences)

� Fréquence d’échantillonnage 2.8224MHz sur un bit,

� Qualité équivalente au DVD-audio,


Super Audio Compact Disc (SACD)Super Audio Compact Disc (SACD)

�


Qualité Fréquence d'échantillonnage

Bande spectrale

Applications

Téléphonique 8 kHz [300 – 3 400 Hz] Téléphonie

Bande élargie16 kHz

22 kHz[50 – 7 000 Hz]

PC, audio-conférence (ADPCM)

2. 3.2. 3. QUALITE AUDIO ET APPLICATIONSQUALITE AUDIO ET APPLICATIONS

RécapitulatifRécapitulatif

22 kHzconférence (ADPCM)

Radiodiffusion 32 kHz [50 – 15 000 Hz] NICAM

Hi-Fi44.1 kHz

48 kHz[20 – 20 000 Hz]

CD Audio, Studio numérique, DAT

Très hautefidélité

96 kHz [20 – 48 000 Hz]DVD Audio, SACD


Cours nCours n°°22 Codage et stockage de l’audiojaniszek/_media/enseignement/conception... ·...

Documents

Transcript of Cours nCours n°°22 Codage et stockage de l’audiojaniszek/_media/enseignement/conception... ·...