Kompresja dynamiki

Istota kompresji dynamiki – konwersja sygnału o szerszym zakresie poziomów napięć (60 dB) do sygnału o mniejszym zakresie poziomów napięć (30 dB)

Kompresja dynamiki – proces polegający na zmniejszeniu dynamiki sygnału. Polega na konwersji sygnału elektrycznego tak, by każdemu poziomowi sygnału z zakresu dynamiki sygnału wejściowego przyporządkować poziom sygnału z zakresu dynamiki sygnału wyjściowego (docelowego). Działaniem odwrotnym jest ekspansja dynamiki.

Proces kompresji sygnału

Kompresja analogowa

Proces kompresji analogowego sygnału elektrycznego polega na zastosowaniu układu elektronicznego realizującego względem sygnału następującą funkcję matematyczną:

$U_{wyj}=\mathrm{sgn}{U}_{wej}*\frac{A*|U_{wej}|}{1+\log A},$

dla

$0⩽|U_{wej}|⩽\frac{1}{A}$

oraz

$U_{wyj}=\mathrm{sgn}{U}_{wej}*\frac{1+\log (A*|U_{wej}|)}{1+\log A},$

dla

$\frac{1}{A}⩽|U_{wej}|⩽1.$

Tego rodzaju kompresja nazwana jest kompresją według krzywej typu A (ze względu na współczynnik A), a jej teoretyczne podstawy służą do kompresji sygnałów mowy w telekomunikacji (współczynnik A przyjmowany jest na poziomie A=87,6).

Istnieje również inny sposób przedstawienia zagadnienia kompresji dynamiki za pomocą wzoru:

$U_{wyj}=\frac{\log (1+\mu *U_{wej})}{\log (1+\mu )},$

dla

$0⩽U_{wej}⩽1$

nazywany kompresją według krzywej typu μ (współczynnik μ przyjmowany jest w telekomunikacji na poziomie μ=255).

Kompresja cyfrowa

Proces kompresji dynamiki sygnału analogowego zakodowanego cyfrowo polega na przekształceniu sygnału cyfrowego o większej liczbie stopni kwantowania na sygnał cyfrowy o mniejszej liczbie stopni kwantowania przy zastosowaniu algorytmu kompresowania dynamiki. Podstawy teoretyczne opierają się na ustaleniu większej liczby poziomów kodowania sygnału w zakresie niskich wartości sygnału i mniejszej liczby poziomów przy sygnale o wyższej wartości, a co za tym idzie na podziale na segmenty o większej lub mniejszej liczbie poziomów kwantyzacji. Przykładowy sposób kompresji dynamiki sygnału wymagającego zakodowania w 12 bitach na sygnał 8-bitowy przedstawia tabelka:

Przykładowa krzywa kompresji cyfrowej zgodna z algorytmem przedstawionym w tabelce

Segment	Kod przed kompresją	Kod po kompresji
7	S1WXYZ000000	S111WXYZ
6	S01WXYZ00000	S110WXYZ
5	S001WXYZ0000	S101WXYZ
4	S0001WXYZ000	S100WXYZ
3	S00001WXYZ00	S011WXYZ
2	S000001WXYZ0	S010WXYZ
1	S0000001WXYZ	S001WXYZ

Oznaczenia:

• S – bit określający znak +(1) lub – (0) zakodowanego sygnału,
• WXYZ – bity danych.

Ośmiobitowy kod wyjściowy ma postać:

• 1 bit (S) – znak sygnału,
• 3 bity – zakodowany numer segmentu 1-7,
• 4 bity (WXYZ) – bity danych (w zakresie segmentu).

Szczegółowe zalecenia w zakresie kompresji dynamiki sygnałów występujących w telekomunikacji określa rekomendacja G.711 wydana przez ITU-T.

Przykład z samochodem

Kompresja ma sens tam, gdzie duża dynamika sygnału utrudniałaby odbiór, np. w samochodzie. Silnik samochodu jest stosunkowo głośny, co utrudnia ustalenie komfortowej głośności dźwięku. Gdyby muzyka miała dużą dynamikę (czyli była momentami bardzo głośna, a momentami bardzo cicha), to albo byłoby słychać jedynie głośne momenty a poza tym muzyka ginęłaby w huku silnika, albo byłaby słyszalna, ale wtedy głośne momenty byłyby za głośne. Kompresja dynamiki powoduje, że muzyka ma cały czas mniej więcej tę samą głośność i to umożliwia słuchanie jej w samochodzie. Nie tłumaczy to jednak dlaczego poddawane temu procesowi są praktycznie wszystkie dostępne obecnie w sklepach płyty muzyczne. Z nadużywaniem kompresji dynamiki wiąże się problem wojny głośności.

Kompresja dynamiki na płytach CD w powszechnym mniemaniu wynika z parametrów urządzeń domowego audio oraz z typowych warunków odsłuchowych. Wynika też niestety ze swoistej mody (rozwiniętej do przesady przez wytwórnie muzyczne i stacje radiowe) na coraz głośniejszą w odbiorze muzykę (im głośniej zagramy od konkurencji, tym lepiej). Argument, że większość sprzętu (wzmacniacze i głośniki) nie zapewnia dynamiki na poziomie płyty CD (ponad 96 dB) nie jest tu najważniejszy. Jeśli chodzi o warunki odsłuchowe to musimy wziąć pod uwagę, że większość użytkowników nie słucha muzyki z naturalnym poziomem głośności (lecz ciszej), a samemu dźwiękowi towarzyszą odgłosy otoczenia (np. pracująca pralka czy sokowirówka, przy których obsłudze słuchający postanowił włączyć muzykę). Brak kompresji uniemożliwiałby poprawny odbiór dźwięku w niesprzyjających warunkach lub na sprzęcie niższej jakości. Czyli mamy tu do czynienia z sytuacją, gdzie teoretyczne możliwości nośnika CD (dynamika) celowo nie zostają wykorzystane (obniżono walory jakościowe nagrań w celu dopasowania się do przeciętnych warunków odsłuchowych i sprzętu najniższej jakości, np. przenośnych radioodbiorników). Stacje radiowe skompresowaną muzykę z CD, jeszcze bardziej kompresują, aby dostosować się również do technicznych aspektów transmisji FM (im głośniejsza muzyka, tym mniej słyszalne zakłócenia).

Parametry kompresji

Istnieje wiele urządzeń i programów komputerowych umożliwiających kompresję na różne sposoby. Najczęstsze parametry kompresji, które można dostosować to:

• Threshold – próg głośności powyżej którego ograniczana jest dynamika dźwięku. Sygnał o mniejszej głośności jest pozostawiany bez zmian.
• Ratio – poziom kompresji, wyrażany stosunkiem n:1. Jeżeli sygnał wejściowy ma głośność o x decybeli wyższą od poziomu threshold, sygnał wyjściowy będzie miał głośność o x/n wyższą od threshold. Kompresory o ratio 10:1 lub większym nazywane są limiterami.
• Attack – minimalny czas trwania dźwięku powyżej poziomu threshold, który powoduje zadziałanie kompresji (stłumienie głośności).
• Release – czas po opadnięciu głośności poniżej poziomu threshold, po którym dźwięk przestaje być kompresowany.

Typowe nieporozumienie

Kompresja dynamiki jest czymś zupełnie innym niż kompresja dźwięku (danych) taka jak np. mp3. Kompresja dynamiki odnosi się do dynamiki (miejsc cichych i głośnych) w sygnale, natomiast cyfrowa kompresja dźwięku (danych) jest bezstratną lub stratną kompresją zgodną z definicją kompresji danych.