Đề tài Nén âm thanh file *.wav theo chuẩn mpeg - Đỗ Văn Tuấn

Mục lục 1 Lời nói đầu 3 PHẦN I . LÝ THUYẾT 4 CHƯƠNG 1. CÁC KIẾN THỨC CƠ BẢN VỀ ÂM THANH 5 I. NHỮNG KHÁI NIỆM CƠ BẢN - SÓNG CƠ 6 1.1. Sự hình thành sóng trong môi trường đàn hồi 6 1.2. Các đặc trưng của sóng. 7 1.3. Phương trình sóng. 8 II. SÓNG ÂM VÀ ĐẶC TÍNH ÂM THANH. 8 2.1 Dao động âm và sự truyền dao động. 8 2.2 Đơn vị vật lý của âm thanh. 9 2.3. Đặc tính sinh lý về sự cảm thụ âm. 12 CHƯƠNG 2. WAVE FILE. 16 I. MULTIMEDIA WINDOWS. 16 II. CẤU TRÚC WAVE FILE. 17 2.1 RIFF file. 17 2.2 Cấu trúc File Wave. 17 III. ĐỌC RIFF FILES 21 CHƯƠNG 3. LÝ THUYẾT XỬ LÝ TÍN HIỆU SỐ 25 I. TÍN HIỆU VÀ HỆ THỐNG RỜI RẠC 25 1. Giới thiệu 25 2. Đáp ứng xung trong hệ TTBB 25 3. Tính chất của tổng chập của hệ TTBB 26 4. Hệ nhân quả 27 5. Tính ổn định 27 6. Phương trình sai phân tuyến tính hệ số hằng 28 7. Biểu diễn các hệ rời rạc trong miền tần số 28 8. Định lý lấy mẫu Shannon 30 II. PHÉP BIẾN ĐỔI FOURIER RỜI RẠC 30 1. Chuỗi Fourier rời rạc của tín hiệu rời rạc tuần hoàn 30 2. Biến đổi Fourier rời rạc của tín hiệu có độ dài hữu hạn 31 3. Phép biến đổi nhanh Fourier (FFT) 32 CHƯƠNG 4. GIỚI THIỆU VỀ MPEG. 33 I. GIỚI THIỆU. 33 1. MPEG là gì? 33 2. So sánh các chuẩn MPEG 33 3. Aâm thanh MPEG 34 4. Các khái niệm cơ bản 35 5. Hoạt động 38 II. CÁC KHÁI NIỆM TRONG ÂM THANH MPEG 40 1. Lược đồ mã hóa Perceptual Sub-band 40 2. Giải thích hiệu qủa che (masking efficiency) 41 3. Các lớp của âm thanh MPEG 43 III. CÁC THÔNG SỐ. 45 CHƯƠNG 5. CÁC GIẢI THUẬT NÉN ÂM THANH 50 I. LÝ THUYẾT THÔNG TIN 50 II. CÁC GIẢI THUẬT NÉN KHÔNG CÓ TỔN THẤT 51 1. Mã hóa Huffman 51 2. Mã hóa Huffman sửa đổi 53 3. Mã hóa số học 54 4. Giải thuật Lempel-Ziv-Welch (LZW) 55 III. CÁC GIẢI THUẬT NÉN CÓ TỔN THẤT 57 1. Các phương pháp nén âm thanh đơn giản 57 2. Nén âm thanh dùng mô hình âm tâm lý 57 3. Nén âm thanh theo chuẩn MPEG 58 PHẦN II. THIẾT KẾ CHƯƠNG TRÌNH 60 CHƯƠNG 6. LƯU ĐỒ GIẢI THUẬT VÀ CẤU TRÚC DỮ LIỆU 61 I. SƠ ĐỒ KHỐI. 61 II. CẤU TRÚC DỮ LIỆU VÀ ĐỊNH NGHĨA 62 CẤU TRÚC DỮ LIỆU 62 Các cấu trúc về file 62 Các cấu trúc về dòng bít dữ liệu 63 Các cấu trúc để định dạng dòng bít dữ liệu 63 Các cấu trúc huffmancodetab. 67 Các cấu trúc tính MDCT 67 Các cấu trúc scalefac_struct 67 B. CÁC ĐỊNH NGHĨA 68 Các định nghĩa dùng trong truy xuất dữ liệu 68 Các định nghĩa dùng trong tính toán FFT 68 Các định nghĩa dùng trong định dạng dòng dữ liệu 68 Các định nghĩa dùng trong bộ mã hoá Huffman 68 Các định nghĩa dùng trong phân tích dữ liệu 69 Các định nghĩa dùng trong mô hình âm tâm lý 69 Các định nghĩa dùng trong truy xuất nhập dữ liệu 69 Các định nghĩa dùng trong cấu trúc file Wave và file Mpeg 69 III. LƯU ĐỒ 71 CHƯƠNG 7: GIAO DIỆN VÀ THUYẾT MINH CHƯƠNG TRÌNH 75 GIỚI THIỆU 75 GIAO DIỆN 75 III.CHƯƠNG TRÌNH 77 TÀI LIỆU THAM KHẢO 87 Lời nói đầu Công nghệ thông tin là ngành công nghiệp mũi nhọn của thế giới nói chung và của việt nam nói riêng, nó đã phát triển mạnh mẽ không ngừng trong những năm gần đây. Khi đời sống được nâng lên khoa học kỹ thuật phát triển nhu cầu về giải trí cũng đa dạng lên, các loại hình giải trí không ngừng gia tăng và ngày càng phong phú, đa dạng các loại hình giải trí như: trò chơi điện tử, nghe nhạc xem phim, xem ca nhạc(video), và đặc biệt là những trong chơi dạng không gian ba chiều. Sự phát triển ồ ạt này đã dẫn tới ngành công nghệ phần cứng đã không thể đáp ứng được những đòi hỏi về lưu trữ, đồng hành với sự phát triển này là mạng máy tính đó chính là Internet ngày càng phát triển số lượng người tham gia truy cập ngày càng lớn và nhu cầu của họ thì ngày càng phong phú và đa dạng về tất cả các loại hình nói trên. Do đó tốc độ truy cập, tốc độ truyền tải trên mạng được quan tâm hơn để cho người dùng không phải sốt ruột ngồi chờ những trang web mà mình truy cập, họ không phải bực mình khi download những file âm thanh và những bài hát mà họ ưa thích vì đường truyền quá chậm trong khi công nghệ phần cứng đã phát triển mạnh. Chính vì vậy các nhà nghiên cứu phần mềm đã chú ý đến việc phát triển phần mềm để hỗ trợ phần cứng. Họ đã tạo ra những chương trình phần mềm hỗ trợ tích cực phần cứng, từ đó đã ra đời những phần mềm nén âm thanh, hình ảnh, nén video, tách âm thanh từ những file video…để tạo ra những dạng âm thanh, hình ảnh, video như mindi, mpeg, mp3, mp4… những file ảnh dạng gif, jpeg…với dung lượng lưu trữ vô cùng nhỏ mặc dù chất lượng có giảm đi đôi chút nhưng không đáng kể so với những gì nó đạt được để truyền tải, truy cập nhanh hơn. Sự tồn tại của chuẩn JPEG (Joint Photographic Experts Group) chỉ để giảm tốc độ bit và chủ yếu phục vụ cho hình ảnh, rõ ràng là không đủ đáp ứng cho hình ảnh động có kèm âm thanh. Để đáp ứng nhu cầu của thị trường, một nhóm các chuyên gia về hình ảnh động (Moving Picture Experts Group), gọi tắt là MPEG, được thành lập để nghiên cứu đưa ra những lược đồ mã hóa phù hợp cho việc truyền hình ảnh động và ghi lại chúng theo tiêu chuẩn trong các thiết bị lưu trữ số như CD-ROM, Video CD.. Phần trình bày của luận văn chỉ nằm trong khuôn khổ "Aâm thanh". Do đó mọi vấn đề liên quan tới hình ảnh sẽ không được đề cập tới, dù chuẩn MPEG là dùng cho cả âm thanh và hình ảnh. Mục tiêu của đề tài chủ yếu chỉ để tìm hiểu về các phương pháp mã hoá và nén âm thanh theo chuẩn Mpeg, từ đó dựa trên một số source code (viết bằng C) đã có trên mạng Internet viết lại bằng ngôn ngữ Visual C++, nhằm hiểu sâu hơn về giải thuật, đồng thời tạo ra một giao diện thân thiện hơn. Do trình độ và kiến thức có hạn nên không tránh khỏi những thiếu sót, em kính mong thầy tham gia và giúp đỡ em để em hoàn thành được tốt hơn. Em xin chân thành cám ơn thầy đã tạo điều kiện thuân lợi nhất giúp em hoàn thành báo cáo này. PHẦN I LÝ THUYẾT CƠ BẢN CHUƠNG 1. CÁC KIẾN THỨC CƠ BẢN VỀ ÂM THANH. I. NHỮNG KHÁI NIỆM CƠ BẢN - SÓNG CƠ 1.1. Sự hình thành sóng trong môi trường đàn hồi. a. Định nghĩa: Các môi trường chất khí, chất lỏng, chất rắn là môi trường đàn hồi. Môi trường đàn hồi có thể coi là những môi trường liên tục gồm những phân tử liên kết chặt chẽ với nhau, lúc bình thường mỗi phân tử có một vị trí cân bằng bền. b. Sự hình thành sóng trong môi trường đàn hồi: Do tính chất của môi trường đàn hồi, cho nên nếu tác dụng lên phân tử nào đó của môi trường thì phân tử này rời khỏi vị trí cân bằng bền. Do tương tác, các phân tử lân cận một mặt kéo phân tử A về vị trí cân bằng, mặt khác nhận một phần năng lượng do phân tử A truyền sang, do đó cũng dao động theo, hiện tượng này xảy ra liên tiếp tạo thành sóng. Sóng đàn hồi (sóng cơ) là sự lan truyền dao động trong môi trường đàn hồi. Sóng cơ không thể truyền được trong chân không, vì chân không không phải là môi trường đàn hồi. Cần lưu ý trong khi truyền dao động, các phân tử của môi trường không di chuyển theo các dao động được lan truyền mà chỉ dao động quanh vị trí cân bằng của nó. c. Một số khái niệm về sóng: Nguồn sóng: là ngoại vật gây ra kích động sóng. Tia sóng: là phương truyền sóng. Môi trường sóng: là không gian mà sóng truyền qua. Mặt sóng: là mặt chứa những điểm (phân tử) có cùng trạng thái dao động tại một thời điểm nào đó. Tia sóng luôn vuông góc với mặt sóng. Sóng cầu: mặt sóng là những mặt cầu phân bố đều trong không gian, tâm là nguồn sóng. Trong môi trường đồng chất và đẳng hướng sẽ có sóng cầu. Đối với sóng cầu tia sóng trùng với bán kính của mặt cầu. Sóng phẳng: mặt sóng là những mặt phẳng song song nhau, tia sóng vuông góc với mặt sóng. Nếu nguồn sóng ở rất xa môi trường đang xét thì mặt sóng có thể coi là những mặt phẳng song song. Sóng dọc: là sóng trong đó các phân tử của môi trường dao động quanh vị trí cân bằng trên phương trùng với tia sóng. Khi có sóng dọc, trên phương của tia sóng các phân tử của môi trường khi thì bị nén chặt, khi thì giãn ra làm cho các phân tử của môi trường có chỗ dày chỗ thưa. Sóng ngang: là sóng trong đó các phân tử của môi trường dao động quanh vị trí cân bằng trên phương vuông góc với tia sóng. d. Nguyên nhân gây ra sóng ngang và sóng dọc: Tùy tính chất của môi trường đàn hồi mà trong đó có thể xuất hiện sóng ngang hay sóng dọc. - Khi một lớp của môi trường bị lệch đối với lớp khác làm xuất hiện các lực đàn hồi có xu hướng kéo lớp bị lệch về vị trí cân bằng thì trong môi trường đó có thể truyền được sóng ngang. Vậy vật rắn là một môi trường có tính chất đó. - Nếu trong môi trường không có các lực đàn hồi khi các lớp song song bị lệch đối với nhau thì sóng ngang không thể hình thành được. Chất lỏng và chất khí là những môi trường đó. - Khi bị biến dạng nén hay căng mà trong môi trường có các lực đàn hồi xuất hiện thì trong môi trường đó có thể truyền được sóng dọc. Chẳng hạn khi bị nén, chất lỏng hay chất khí sẽ tăng áp suất, lực nén giữ vai trò lực đàn hồi. Như vậy trong chất lỏng và chất khí chỉ có sóng dọc truyền được, còn trong chất rắn có thể truyền được cả hai loại sóng. 1.2. Các đặc trưng của sóng. a. Vận tốc truyền sóng (C) : Là quãng đường mà sóng truyền được trong một đơn vị thời gian. b. Bước sóng l: Là quãng đường mà sóng truyền được sau một thời gian bằng 1 chu kỳ T. Như vậy l là khoảng cách bé nhất giữa các phân tử dao động cùng pha. Theo định nghĩa ta có : l = CT. c. Chu kỳ và tần số: Chu kỳ T là thời gian cần thiết để sóng truyền được 1 bước sóng l. Tần số f là số chu kỳ thực hiện được trong 1 giây : F = 1/T (Hz) 1.3. Phương trình sóng. · Sóng phẳng truyền dọc theo phương OY với vận tốc C thì phương trình sóng biểu thị mối quan hệ giữa độ chuyển dời X của phân tử dao động kể từ vị trí cân bằng với thời gian t và khoảng cách y đến các vị trí cân bằng các phân tử dao động trên phương truyền sóng như sau : X = asinw(t – y/c) Nếu sóng phẳng truyền theo hướng ngược với hướng tính khoảng cách y thì : X = asinw(t + y/c) Đối với sóng cầu thì biên độ a của dao động sóng tại vị trí cách nguồn bằng bán kính r, tỉ lệ nghịch với r, phương trình sóng có dạng: X = a/r sinw(t – r/c) II. SÓNG ÂM. 2.1. Dao động âm và sự truyền dao động. · Sóng âm là một loại sóng cơ có biên độ dao động nhỏ mà thính giác nhận biết được. Thí dụ dao động phát ra từ dây đàn, mặt trống.. đang rung động. Sóng âm là một loại sóng cơ nên mọi khái niệm và hiện tượng về dao động và sóng cơ trên đây đều áp dụng cho sóng âm. Trong không khí cũng như trong mọi chất khí khác, những dao động truyền đi dưới dạng sóng dọc, khi đến tai người những dao động có tần số từ 16 đến 20000 Hz sẽ gây cảm giác đặc biệt về âm. Các dao động đàn hồi có tần số f>20.000 Hz là sóng siêu âm. Các dao động đàn hồi có tần số f<16 Hz là sóng hạ âm Mỗi âm có một tần số riêng, đơn vị của tần số là héc (Hz) với định nghĩa:”Héc là tần số của một qúa trình dao động âm trong đó mỗi giây thực hiện được một dao động”. 1 Héc (Hz) = 1 dao động / 1 giây Việc phân chia sóng hạ âm, sóng siêu âm và sóng âm (âm thanh) liên quan tới khả năng sinh lý của thính giác 2.2. Đơn vị vật lý của âm thanh. Âm thanh hay tiếng động mà con người nhận biết được do tác động của sóng âm lên màng nhĩ tai. Các dao động âm phát ra từ nguồn lan truyền trong môi trường đàn hồi như không khí.. dưới dạng sóng đàn hồi gọi là sóng âm. Sóng âm đến kích động màng nhĩ tai gây cảm giác về âm, do đó cần phân biệt hai loại đại lượng về âm: - Đại lượng âm khách quan: những đại lượng thuần túy vật lý, không phụ thuộc vào tai người. - Đại lượng âm chủ quan: những đại lượng tâm lý vật lý phụ thuộc vào tai người. 2.2.1. Đơn vị âm khách quan: a. Aùp suất âm: Khi sóng âm tới một mặt nào đó, do các phân tử môi trường dao động tác dụng lên mặt đó một lực gây ra áp suất. Aùp suất ở đây là áp suất dư do sóng âm gây ra ngoài áp suất khí quyển. Trong phạm vi nghe được, áp suất âm trong khoảng từ 2.10-4 đến 2.102 mbar, chênh lệch 106 lần, đó là một phạm vi rất rộng. b. Cường độ âm (I): - Cường độ âm ở một điểm nào đó trên phương đã cho trong trường âm là số năng lượng âm đi qua đơn vị diện tích của mặt S vuông góc với phương truyền âm, tại điểm đó trong đơn vị thời gian. - Một vài cường độ âm đáng chú ý: Người nói thường I = 2.10-3 W/m2 Còi ô-tô I = 5 W/m2 Còi báo động I = 3.000 W/m2 - Trong điều kiện chuẩn (to = 20oC, áp suất 760mmHg): Vận tốc âm trong không khí : C = 340 m/s r = 0,00121 gr/cm3. g = Cp/Cv = 1,4 - Trong tính toán người ta quy ước lấy âm đơn tần số f = 1000 Hz làm chuẩn để so sánh (gọi là âm chuẩn). - Đối với âm chuẩn, trong phạm vi nghe được Áp suất âm nhỏ nhất Pmin = 2.10-4 mbar Cường độ âm nhỏ nhất Imin = 10-16 W/cm2. - Aùp suất âm và cường độ âm lớn nhất mà tai người có thể chịu được là: Pmax = 2.102 mbar Imax = 10-4 W/cm2. - Công suất âm nhỏ nhất có thể nghe thấy được Wmin = 10-12 Watt. 2.2.2. Đơn vị âm chủ quan: Tai người trung bình có thể nhận được những sóng âm có tần số từ 16 đến 20000 Hz, hiệu qủa này có liên quan tới khả năng sinh lý của tai người. Như vậy, âm thanh là một hiện tượng tâm lý vật lý, không phải bất cứ sóng âm nào tới tai cũng gây ra cảm giác âm thanh như nhau. Aâm có tần số khác nhau gây ra cảm giác khác nhau. Cường độ âm nhỏ nhất của một sóng âm xác định mà tai người nghe thấy được gọi là “Ngưỡng nghe”. Aâm có tần số khác nhau giá trị ngưỡng nghe cũng khác nhau. Tai người thính nhất với âm có tần số trong khoảng từ 1000 đến 3000 Hz, trong phạm vi này cường độ âm ngưỡng nghe nhỏ nhất. Những tần số khác, tai kém thính hơn, ngưỡng nghe có giá trị lớn hơn. Đối với âm chuẩn, cường độ và áp suất ở ngưỡng nghe bằng: Po = 2.10-5 N/ m2. Io = 10-12 W/m2. Do cảm giác âm thanh phụ thuộc vào đặc tính sinh lý của tai người, cho nên phải có một số đại lượng đặc trưng cho cảm giác âm thanh phụ thuộc vào tai người, những đại lượng như vậy gọi là đại lượng âm chủ quan. a. Bel và decibel (db): Theo định lý sinh lý của Vebe-Fécne, cảm giác nghe to đối với một âm không tỉ lệ thuận với cường độ âm của âm đó. Khi cường độ âm tăng từ Io tới I thì cảm giác nghe to tăng tỉ lệ với lg(I/Io). Do đó người ta dùng thang lô-ga-rít cơ số 10 để đo mức cảm giác so với mức ngưỡng. Mức ngưỡng gọi là mức zero qui ước : lg(I/Io) = lg(10-12/ 10-12) = 0 bel. Đơn vị là Bel hay db. 10db = 1 bel. b. Mức cường độ âm (LI): Nếu gọi I là cường độ âm của âm đang xét và Io là cường độ âm của mức zero qui ước của âm chuẩn thì mức cường độ âm LI bằng : LI = 10lg(I/Io) db I tính bằng W/m2. c. Mức áp suất âm (Lp): Mức áp suất âm suy dẫn từ mức cường độ âm Lp = 20lg(P/Po) db. Trong đó: P :áp suất âm có ích của âm đang xét (N/m2) Po:áp suất âm của âm chuẩn ở ngưỡng nghe. Thực tế áp suất âm là đại lượng cơ bản hơn cường độ âm, nên thường dùng mức áp suất âm sau đó suy ra mức cường độ âm. Đơn vị chung là bel hay db. Đơn vị này cũng dùng để đo mức công suất, mức năng lượng âm. Vài mức áp suất âm đáng chú ý : Nói chuyện thường : 30db. Nói chuyện to : 70db. 2.2.3. Quãng độ cao (quãng tần số): · Quãng tần số của hai âm là khoảng cách tần số của hai âm đó. Nếu một âm tần số là f1, một âm khác tần số là f2 (f2 > f1) thì f2 / f1 = 2x. Khi x=1 tức f2 / f1 = 2 gọi là 1 quãng tần số (hay 1 ốc-ta). Khi x=1/2 tức f2 / f1 = 1.41 gọi là nửa ốc-ta. Khi x=1/3 tức f2 / f1 = 1.26 gọi là 1/3 ốc-ta. - Mức áp suất âm của 1 ốc-ta bằng mức áp suất âm của 1/2 ốc-ta cộng thêm 3db. - Mức áp suất âm của 1 ốc-ta bằng mức áp suất âm của 1/3 ốc-ta cộng thêm 5db. Vì quãng tần số của một âm qui định độ cao của âm đó nên còn gọi là quãng độ cao. Theo tập quán âm nhạc thì quãng độ cao gọi là quãng 8 (bát độ). Chẳng hạn âm LA, tần số f=440 Hz tăng 1 bát độ là tăng gấp đôi tần số, tức là 880 Hz. Trong thực tế thường gặp những âm phức tạp bao gồm nhiều tần số. Tập hợp tất cả những tần số cấu tạo trong một âm thanh gọi là “tần phổ” của âm đó, tần phổ có thể gián đoạn hay liên tục. Một âm có tần phổ liên tục được đặc trưng bằng “Mức tần phổ B” với định nghĩa: - Mức tần phổ là mức áp suất âm trong chiều rộng của dải tần số bằng 1. - Một âm có mức tần phổ B không đổi với mọi tần số gọi là tiếng ồn trắng. - Một âm có tần phổ gián đoạn được đặc trưng bằng “mức dải tần số” với định nghĩa: mức dải tần số là mức áp suất âm trong chiều rộng của dải tần số lớn hơn 1 Hz. 2.3. Đặc tính sinh lý về sự cảm thụ âm thanh. 2.3.1. Mức to, độ to, mức âm cảm giác: Mức áp suất âm, mức cường độ âm trên đây vừa mang tính chất chủ quan vừa mang tính chất khách quan vì những đại lượng này xác định từ những đại lượng thuần túy vật lý. Vấn đề có ý nghĩa to lớn trong thực tế là cần biết được sức mạnh của âm thanh đo bằng tai người. Mức to, độ to của một âm là sức mạnh cảm giác do âm thanh gây nên trong tai người, nó không những phụ thuộc vào áp suất âm mà còn phụ thuộc vào tần số của âm đó. Thí dụ 2 âm có tần số 100 Hz và 1000 Hz áp suất âm đều bằng 0,02 mbar nhưng nghe to nhỏ khác nhau, âm 1000 Hz nghe to hơn âm 100 Hz. Muốn nghe to bằng âm 1000 Hz thì âm 100 Hz phải có áp suất bằng 0,25 mbar. Như vậy tai người không nhạy đối với âm 100 Hz bằng âm 1000 Hz. Tần số càng thấp tai người càng kém nhạy. a. Mức to: - Để biểu thị mức to trên cảm giác chủ quan, ta dùng đại lượng “mức to”, đơn vị là “Fôn” với định nghĩa như sau : Fôn là mức to của âm chuẩn, về giá trị bằng mức áp suất âm của âm chuẩn tức là : L = 20lg P/Po (Fôn). - Vậy mức to của một âm bất kỳ đo bằng Fôn, về giá trị bằng mức áp suất âm của âm chuẩn đo bằng db có cùng mức to với âm đó. Thí dụ: âm có tần số 500 Hz mức áp suất âm bằng 25 db và âm có tần số 50 Hz mức áp suất âm bằng 64 db sẽ có cùng mức to bằng 20 Fôn, bằng mức to của âm 1000 Hz mức áp suất bằng