Compress

1

• Compressão de áudio
• Márcio Dahia e Geber Ramalho

2
(No Transcript)
3
O que é compressão de dados?

• Processo de codificação de mensagens a fim de
  reduzir o espaço necessário para representá-las
  (armazená-las, transmití-las)
• 2 tipos de compressão
• Sem perdas
• Não há eliminação de informação na mensagem.
• Compressão implica codificação eficiente
• Com perdas
• Informações redundantes, pouco importantes ou
  irrelevantes sob algum critério são descartadas
• Não dispensa a codificação eficiente
• Grau de compressão x Distorção na mensagem

4
Por que uma codificação para áudio?

• Porque custa caro armazenar e enviar
• 44.1 x 16 x 2 1.4Mbps códigos de erro
  cabeçalhos etc.

5
Por que faz sentido uma codificação específica
pra áudio?

• Teoria da Informação Quanto maior o conhecimento
  sobre a mensagem, emissor e/ou receptor, melhor a
  compressão
• Mp3 usa a modelagem psicoacústica para remover
  informações da irrelevantes
• Conhecimento sobre o receptor e a mensagem
• FLAC usa a correlação entre os canais (E/D) e o
  comportamento do sinal para aumentar a compressão
• Conhecimento sobre o emissor e a mensagem

6
Exemplo

• Taxa de Compressão(TC) 1- (tamanho
  comprimido/tamanho original )

7
Codificação de áudio Histórico

• 1988 Criação Motion Pictures Expert Group
  (MPEG)
• Padronização da codificação para transmissão e
  gravação de filmes
• Imagem, seqüência de imagens (vídeo) e áudio
• Surgimento de novos conceitos e vocabulário
• Frame, Codec, Bitrate
• Padronização do processo de decodificação
• Apenas sugestão de compressão

8
Codificação de áudio Histórico

• 1992 MPEG-1.
• O padrão de codificação de áudio consistia em 3
  modos de operação de acordo com o taxa de
  compressão (complexidade do processo de
  codificação)?
• As principais idéias foram sugeridas pela
  Fraunhofer Institut für Integrierte Schaltungen
  (IS 11172-3 e IS 13818-3).

9
Codificação de áudio Histórico

• 1994 Surge Xiph.org padrões aberto para
  transmissão e armazenamento de áudio e vídeo.
• 1996 Surge o ID3 Padrão de fato para de
  metadados no mp3
• 1997 MPEG-2
• Advanced Audio Coding (AAC)? Estado da arte em
  compressão de áudio (melhorado em Mpeg-4)?
• 2003 Surge FLAC

10
Conceitos importantes

• Codec (COderDECoder)?
• Frames
• Estrutura de dados correspondente à unidade
  mínima de tempo em arquivos de áudio
• Mp3 gt 1152 amostras PCM
• Bitrate (taxa de bits) Número de bits p/
  codificar um frame
• Medida em kbps
• CBR (constant bitrate) - A mesma quantidade de
  bits para representar qualquer frame (WAV)?
• ABR (average bitrate) - Frames menos complexos
  deixam bits para os próximos (MP3)?
• VBR (variable bitrate) - O número de bits para
  cada frame deve garantir a qualidade definida no
  início da codificação (MP3, AAC, VORBIS)?

11
Dados

• Frequências de amostragem previstas
• 32, 44.1 and 48 kHz
• Bitrates previstos
• 32, 40, 48, 56, 64, 80, 96, 112, 128, 160, 192,
  224, 256 and 320 kbit/s

12
Compressão com perdas

• MP3

13
Processo de Compressão MP3

• Entrada no formato PCM
• Processa 1152 amostras por vez por canal
• Frames são codificados independentemente

14
Modelo Perceptivo

• Objetivo
• Analisar o que pode ser considerado redundante ou
  irrelevante
• Critérios
• Limiar de audibilidade
• Mascaramento de sons
• Simultâneo
• Temporal
• Boa parte dos critérios são avaliados no domínio
  da freqüência
• Transformada de Fourier

15
Limiar de audibilidade

• Um codificador perceptual compara o sinal de
  entrada com o limiar de audição e descarta os
  sinais que estão abaixo ou acima

16
Mascaramento

• Quando dois sons ocorrem, o mais intenso pode
  ocultar o menos intenso
• Se estão próximos no espectro
• Baixas freqüências mascaram as altas mais
  facilmente

17
Mascaramento

• E se Se estão próximos no tempo (quase
  simultâneos)
• O mascaramento antes é menor do que o depois

18
Mascaramento Temporal e Espectral
19
Processo de Compressão MP3
20
Análise de banco de filtros

• Objetivo
• transformar o sinal para o domínio da freqüência
  para evidenciar as redundâncias
• Composto por 2 fases
• Filtragem em sub-bandas
• Transformada Discreta Modificada do Cosseno
  (MDCT)?

21
Filtragem de sub-banda

• Supostamente baseado no conceito de banda-critica
• regiões da membrana basilar que estabelecem
  limites na percepção de freqüências
• Porém
• 32 subbandas de mesma largura
• Sem justificativa psicoacústica
• 36 amostras em cada sub-banda

22
Filtragem de sub-banda
23
Transforma Discreta Modificada do Cosseno

• As 36 amostras de cada banda são transformadas do
  domínio do tempo para o domínio da freqüência?
• Esta transformada, agrupa nos primeiros elementos
  muita informação e depois vão ficando com valores
  pequenos...
• Segundo o bitrate escolhido a codificação, as
  informações vão sendo descartadas pela ordem de
  relevância

24
Processo de Compressão MP3
25
Quantização e Codificação

• Quantização
• As informações irrelevantes (detectadas na fase
  de modelagem perceptual) são efetivamente
  retiradas
• O número de bits para cada banda é determinado
• Codificação (joint stereo)
• Dissociação inter-canais (caso estéreo)?
• Os Canais E e D são transformados em média
  (ED)/2 e lado (E-D)/2?, no domínio da frequência
• Média lado E
• Média lado D
• Codificação de Huffmann

26
Codificação de Huffman

• Mensagem
• aaaaaabbbcdee
• 104 bits (ASCII)?
• Mensagem comprimida
• 00000010101011101111110110
• 26 bits. TC 75

27
Codificação de Huffman

• É preciso conhecer a tabela (codebook) para
  decodificar
• Os decocers MP3 já tem um codebook prédefinido

28
Processo de Compressão MP3
29
Encoding

• http//upload.wikimedia.org/wikipedia/commons/0/01
  /Mp3filestructure.svg
• http//www.mp3-tech.org/programmer/frame_header.ht
  ml

30
Metadados ID3

• Padrão não prevê metadados
• Solução Usar 128 bytes antes do primeiro frame
  (v1.0)?

31
AAC (Advanced Audio Coding)

• Evolução do mp3
• Fim da retro-compatibilidade com Layer I e II
• Codificação para até 48 canais
• De 576 para 1024 amostras por canal por frame
• De 36 para 48 sub-bandas
• Padrão para iPhone, iPod, iPad, Nintendo DSi,
  iTunes, DivX Plus Web Player and PlayStation 3
• Uso de codebooks
• Tem um dicionário mais amplo, sequencias muito
  mais longas de eventos que podem uma subbanda,
  várias, etc.
• Dissociação inter-frames
• Predição
• Surgimento dos modos

32
AAC curiosidade

• Diversos modos com complexidade variável
• MPEG-2 AAC LC / Low Complexity
• MPEG-2 AAC Main
• MPEG-2 AAC SSR / Scalable Sampling Rate
• MPEG-4 AAC LC / Low Complexity
• MPEG-4 AAC Main
• MPEG-4 AAC SSR / Scalable Sampling Rate
• MPEG-4 AAC LTP / Long Term Prediction
• MPEG-4 AAC HE / High Efficiency
• MPEG-4 AAC LD / Low Delay

33
Compressão sem perdas

• FLAC

34
Compressão sem perdas

• Os compressores sem perdas, em geral possuem os
  seguintes passos
• Exemplo FLAC

35
Blocking

• Separação do conteúdo em partes contíguas
• Tamanho pode variar de 16 a 64k amostras
• valor fixo dependente da frequencia de amostragem
  e número de canais
• Blocos possuem Sub-bloco
• Informações sobre um canal específico
• Blocos são codificados em Frames
• Cabeçalho
• taxa de amostragem, resolução, CRC do frame etc.
• Os frames são independente entre si.
• Sub-frame contém o dado codificado e um header
  que indica a predição usada na compressão

36
Dissociação inter-canais

• Remoção redundância de informação causada pela
  correlação entre os canais
• Executa transformações e usa a melhor delas.
• Canais codificados independentemente
• Média-Lado (mid-side) Os Canais são
  transformados em média (média dos 2 canais) e
  lado (canal esquerdo menos direito)?
• Esquerda-Lado/Direita-Lado Codifica um canal
  (esquerda ou direita) e a diferença entre este e
  o canal não codificado. Geralmente, os melhores
  resultados

37
Predição

• Função matemática para tentar descrever o sinal
• 4 funções existentes
• Zero prediz sempre zero. Resíduo Entrada
• Constante Usado quando todas as amostras de uma
  canal possuem o mesmo valor, e.g., valor médio.
• Preditor Linear Fixo função linear com
  coeficientes fixos que prediz no máximo 4
  amostras subseqüentes
• Predição FIR Linear filtro de até 32 estágios.
• Acha a solução para o sistema de 32 equações 32
  variáveis
• Algoritmo O(n2)?

38
Codificação Residual

• Codificação da diferença (resíduo) entre o que
  foi predito e a entrada
• Utiliza o código Rice para codificar os resíduos
  de predição (passo anterior)?
• Dados um número N (de k bits) a ser codificado e
  um número M (potencia de 2, numero mágico) que
  divide N, a codificação Rice (R) é representada
  por
• A parte inteira é o número de uns e zero é
  separado e o resto é binário
• ltUnário(N div M)gtltBinário(N mod M)gt
• Ex. N23 (10111) , m16 ? R 10111

39
Codificação Residual

• Por que Rice?
• É ótimo para distribuições geométricas
• Huffman também é ótimo nessa distribuição, mas
  difícil de decodificar (encontrar onde começa e
  termina cada código)?
• Para escolher M, FLAC utiliza 2 métodos
• Método 1 Baseando-se na variância do sinal
  residual. O bloco inteiro é codificado com esse
  M.
• Método 2 Um bloco é dividido em várias partes de
  tamanhos distintos. M é escolhido baseado na
  média do resíduo daquela parte específica

40
fim