|
|
CODIFICADOR MP3 EN MATLAB Este sitio está dedicado al formato de audio MPEG-1 Capa III |
|
Psicoacústica Grupo MPEG Codificación MP3 |
ASPECTOS RELEVANTES Hay cuatro aspectos que son los más interesantes y útiles para el desarrollo de un codificador MP3.
Este umbral, también
conocido como umbral absoluto, corresponde al sonido de
intensidad más débil que se puede escuchar en un
ambiente silencioso. El mínimo umbral auditivo no tiene
un comportamiento lineal; se representa por una curva de
Intensidad (dB) contra Frecuencia (Hz), que posee niveles
mínimos entre 2 y 5 KHz, los cuales corresponden a la
parte más sensitiva del oído humano. Por lo tanto, en
los sistemas de compresión de audio que sacan provecho
de la psicoacústica, no es necesario codificar los
sonidos situados bajo este umbral (el área por debajo de
la curva), ya que éstos no serán percibidos.
El efecto de
enmascaramiento se basa en las limitantes del oído
humano para responder a todas las componentes de un
sonido complejo. Durante los sonidos fuertes, no se
pueden oír los sonidos más débiles. Por ejemplo,
cuando un músico organista no está tocando, se puede
escuchar el resoplido de los tubos; y cuando el músico
toca, se pierde el sonido de éstos porque ha sido
enmascarado. Funciona de manera que un sonido en determinada frecuencia puede enmascarar o disminuir el nivel de otro sonido en las frecuencias adyacentes, siempre y cuando el nivel del sonido enmascarante sea más alto (un sonido más intenso, más fuerte) que el nivel del sonido adyacente.
Se presenta cuando un tono suave está muy cercano en el dominio del tiempo (unos cuantos milisegundos) a un tono fuerte. Si se está escuchando un tono suave y aparece un tono fuerte, el tono suave será enmascarado por el tono fuerte, antes de que el tono fuerte efectivamente aparezca (preenmascaramiento). Posteriormente, cuando el tono fuerte desaparece, el oído necesita un pequeño intervalo de tiempo (entre 50 y 300 ms) para que se pueda seguir escuchando el tono suave (post-enmascaramiento).
1) El cerebro integra el sonido sobre un período de tiempo, y procesa la información por ráfagas en la corteza auditiva, o 2) Simplemente, el cerebro procesa los sonidos fuertes más rápido que los sonidos suaves. Sin importar el
mecanismo, el caso es que el preenmascaramiento temporal
en verdad existe, así sea exageradamente pequeño (se ha
calculado con un valor aproximado de 30 ms).
Si una señal de audio
es estereofónica se puede lograr comprimirla, con base
en la irrelevancia o redundancia entre ambos canales. Por
ejemplo, en muchas locaciones de alta fidelidad, existe
un único y potente altavoz denominado "BOOMER".
Sin embargo, se tiene la impresión de que el sonido
proviene de diferentes fuentes como si existieran
parlantes en todas las direcciones. En la realidad, por
debajo de una frecuencia determinada, el oído ya no es
capaz de localizar el origen espacial de los sonidos. De
esta manera, algunas frecuencias se pueden grabar como
señal monofónica seguida por un pequeño código para
lograr restaurar un pequeño porcentaje de
espacialización en la decodificación. Estudios de la discriminación en frecuencia del oído han demostrado que en las bajas frecuencias, tonos con unos cuantos Hertz de separación pueden ser distinguidos; sin embargo, en las altas frecuencias para poder discriminar los tonos se necesita que estén separados por cientos de Hertz. En cualquier caso, el oído responde al estimulo más fuerte que se presente en sus diferentes regiones de frecuencia; a este comportamiento se le da el nombre de bandas críticas. Los estudios muestran que las bandas críticas son mucho más estrechas en las bajas frecuencias que en las altas; el 75% de las bandas críticas están por debajo de los 5 KHz, lo que implica que el oído recibe más información en las bajas que en las altas frecuencias. Las bandas críticas tienen un ancho de aproximadamente 100 Hz para las frecuencias de 20 a 400 Hz; este ancho aumenta de manera logarítmica a medida que aumenta la frecuencia. Se ha comprobado que el ancho de las bandas críticas se puede aproximar con la fórmula: Ancho de la banda crítica (Hz) = 24.7 (4.37F + 1) F es la frecuencia
central en KHz. El bark (en honor al físico alemán Georg Heinrich Barkhausen) es la unidad de frecuencia perceptual; específicamente, un bark mide la tasa de banda crítica, o sea, una banda crítica tiene un ancho de un bark. La escala bark relaciona la frecuencia absoluta (en Hz) con las frecuencias medidas perceptualmente (el caso de las bandas críticas). Usando el bark, un sonido en el dominio de la frecuencia puede ser convertido a sonido en el dominio psicoacústico. De esta manera, un tono puro (representado por una componente en el dominio de la frecuencia) puede ser representado como una curva de enmascaramiento psicoacústico. Eberhard Zwicker modeló el oído con 24 bandas críticas arbitrarias para frecuencias por debajo de 15 KHz, con una banda adicional que ocupa la región entre 15 y 20 KHz. El bark (ancho de una banda crítica) puede calcularse con las siguientes fórmulas:
f = frecuencia.
Y teniendo en cuenta las bandas críticas:
[ Principal ] |
