بررسي علم سايکوآکوستيک و بيت ريت ها در فرمت هاي صوتي

MP?3 که از عبارت MPEG-1 Audio Layer 3 گرفته شده در سال 1987 توسط انستيتو فرانهوفر آلمان متولد شد و به واقع يکي از مشهورترين فرمت هاي کدگذاري (Encoding) بر روي اصوات ديجيتالي است. گفتني است که اين فرمت با حذف مقداري اطلاعات از فايل اصلي توسط تکنيکي پيچيده و استفاده از يک سري الگوريتم هاي خاص، بدون صدمه زدن به آن، عمل فشرده سازي را انجام مي دهد (مانند Jpeg در زمينه تصوير). ضمناً انواع تکنيک هايي که در اين عمل استفاده مي شود، از عملي به نام سايکوآکوستيک (Psychoacoustic) استخراج شده که مطالعه روان شناسي در مورد قدرت شنوايي انسان است. در اين مقاله علاوه بر بررسي ساختار دروني فايل هاي صوتي، به بررسي اجمالي ساختار MP3 پرداخته و در نهايت آن را با فرمت هاي گوناگون مقايسه مي کنيم.

مختصري راجع به علم سايکوآکوستيک

در اين علم محدوده شنوايي انسان از 20 هرتز تا 22 کيلوهرتز تعيين شده که با افزايش سن، اين بازه کمتر خواهد شد. لازم به اشاره است که فرکانس هاي کمتر از 20 هرتز (مانند صداي پاي مورچه) و بيشتر از 22 کيلوهرتز (مانند انفجارهاي عظيم سطح خورشيد) توسط گوش انسان قابل شنيدن نيست. از آنجايي که صدا از طريق فشار لايه هاي هوا منتقل گشته و در تئوري قادر به انتقال حجم بينهايتي از اطلاعات است، تنها فرکانس هاي بالاي 22 کيلوهرتز در صورت نزديکي منبع صوت، از طريق پوست حس مي شود. نکته قابل توجه ديگر اينکه هر آنچه که انسان مي شنود، بيشتر از آنکه به فيزيولوژي گوش او مربوط باشد، موضوعي رواني است. با توجه به اين که اين علم اکتشافات زيادي در مورد موسيقي داشته است بسياري از موزيسين هاي معروف از جمله بنجامين بورتز (Benjamin Boretz) در اجراهاي خود از نتايج تحقيقات اين علم بهره برده اند.

بيت ريت (Bit Rate)

بيت ريت به تعداد بيت هاي کدگذاري شده اي گفته مي شود که براي ايجاد هر ثانيه از صدا نياز بوده و واحد آن
Kibibits per second) Kbps) است.
بايد دانست که هرگاه آهنگي با بيت ريت بالاتري ضبط شده باشد، کيفيت بالاتري خواهد داشت، البته در ادامه مقاله در مورد ارتباط بين بيت ريت و کيفيت صدا بيشتر توضيح مي دهيم. همان طور که مي دانيد فرمت MP3 قادر به فشرده سازي در Bit-rate هاي مختلفي است. شايد پيش آمده باشد که قصد ارسال آهنگي را از طريق اينترنت داشته ايد و نرم افزارهاي فشرده سازي مختلفي مانند WinZip را امتحان کرده و البته به هيچ نتيجه مثبتي نرسيده ايد. ولي فرمت MP3 با تغيير بيت ريت قادر است که حتي يک آهنگ را به حجمي در حدود چند کيلوبايت برساند که مسلماً در کيفيت آن تأثيرزيادي خواهد داشت.

کيفيت فرمت MP3

فرمت MP3 نهايتاً تا 320 kbps قادر به فشرده سازي بوده و اين در حالي است که فايل هاي صوتي فشرده نشده، بيت ريتي در حدود 1378 kbps را دارا هستند که از اين گونه فايل ها، بر روي يک CD فقط تا 80 دقيقه مي توان ضبط کرد. همچنين کيفيت اصوات و به خصوص آهنگ هايي با فرمت MP3 به بيت ريت، نحوه کدگذاري و ميزان دشواري سيگنال هاي آنها بستگي دارد که با وجود نبود استانداردي در اين زمينه، گاهي يک فايل صوتي با 128 kbps و کدگذاري عالي، خيلي بهتر از صوتي ديگر حتي با بيت ريت بالاتر خواهد بود. ولي به طور کلي هرچه بيت ريت پايين تر باشد، کيفيت نيز به همان ميزان پايين خواهد آمد. به طوري که شنيدن صوتي کمتر از 48 kbps در حالت مونو و کمتر از 80 kbps در حالت استريو عذاب آور خواهد بود. اگرچه براي بسياري از شنوندگان، آهنگي با 128 kbps (البته در صورت کدگذاري مناسب و سيگنال هاي متوسط) قابل قبول است. نتيجه تحقيقات دانشمندان بر روي تعداد زيادي از افراد نشان داده که بسياري از آنها به راحتي موزيک اصلي را از نوع MP3 آن در همين بيت ريت تشخيص داده اند که البته اين تفاوت در محيط هاي پر از نويز (مانند درون اتومبيل و يا در يک مهماني) قابل تشخيص نخواهد بود.
همان طور که در ابتداي مقاله اشاره شد، MP3 از لايه ي سوم (Layer 3) استفاده مي کند که تفاوت در لايه ها به تفاوت در الگوريتمي که از علم سايکوآکستيک براي حذف قسمت هايي از صوت اصلي استخراج مي شود، بستگي دارد. ناگفته نماند که بهترين کيفيت در لايه اول با 384 kbps، در لايه دوم با 256 kbps و در لايه سوم با 224 kbps تامين خواهد شد.البته بايد توجه داشت که کيفيت يا عدم کيفيت يک صوت ديجيتال، بيشتر به خود فرد ضبط کننده آن بستگي دارد.

بررسي ساير فرمت هاي موجود

از جمله فرمت هايي که به روش حذف قسمت هايي از صوت اصلي، اقدام به فشرده سازي مي کنند عبارتند از:
* MPEG-1/2 Audio Layer 2: همان فرمت MP2 مي باشد.
* Mp3PRO: ترکيبي از MP3 و SBR است.
* 3-AC: در فناوري دالبي ديجيتال و DVD استفاده مي شود.
* ATRAC: مخصوص ديسک هاي کوچک سوني.
* MPEG-4 AAC: مخصوص برخي وسايل صوتي کمپاني اپل مانند ipod.
* Windows Media Audio: همان WMA محصول ارزشمند مايکروسافت.
* QDesign: مورد استفاده در QuickTime و در بيت ريت هاي پايين (مخصوص اينترنت).
* Mp3 surround: گونه اي از فرمت MP3 است که قابليت پشتيباني از 5 کانال براي توليد صداي فراگير را دارد که در دسامبر 2004 معرفي شده و از نظر حجم، تفاوت چنداني با MP3 ندارد.
همچنين فرمت هاي فشرده سازي ديگري از جمله
Monkeys ,FLAC ,Wavpack ,TTA ,SHN ,Audioنيز وجود دارند که با تکنيک هايي متفاوت و بدون استفاده از روش حذفي، حجم را کاهش مي دهند.

نتيجه گيري کلي

با توجه به تست هاي متعدد شنيداري به عمل آمده، محققان اعلام کرده اند که فرمت هايي نظير
RealAudio،Ogg vorbis،Mp3pro،Ac-3،WMA،MPc ازعملکرد بهتري نسبت به MP3 برخوردار هستند، بدين ترتيب، 128 kbps براي MP3 برابر با 80 kbps براي فرمت هاي ذکر شده فوق خواهد بود. لازم به اشاره است که صاحبان فرمت هاي جديدتري از جمله ، ،WMA،RealAudio با تکيه بر الگوريتم هاي منحصر به فرد خود اثبات کرده اند که در 64 kbps، به کيفيت 128 kbps فرمت MP3 رسيده اند. نکته قابل ذکر ديگر اينکه لغت CD Quality که احتمالاً در برخي نرم افزارها با آن روبرو شده ايد، کاملاً امري شخصي است و بر اساس تحقيقات به عمل آمده، براي بعضي افراد، 128 kbps و براي برخي ديگر 192 kbps مورد قبول خواهد بود. ضمناً فرمت هايي نظير 4-MPEG و WMA به عنوان جانشينان MP3 محسوب مي شوند، با توجه به شهرت و محبوبيت فوق العاده MP3 وتطابق بسياري دستگاه هاي پخش CD و بسياري از MP3 Player ها با اين فرمت، مطمئناً اين جانشيني نيازمند زمان وپشتيباني مالي بيشتري خواهد بود.
در پايان مي بايست متذکر شويم که مطابق با پيشرفت هاي علمي، به تدريج فرمت هاي جديد صوتي با قابليت هاي بالاتري به وجود خواهند آمد.
اميدوارم که اين مقاله اطلاعات مفيدي در اختيارتان قرار داده باشد.
منبع:دانش و کامپيوتر، شماره 85 /س