Programa Interdisciplinar de Pós-Graduação em Computação ...biblioteca.asav.org.br/vinculos/000007/000007CF.pdf · MAURÍCIO HARFF Aplicação de Metaheurísticas no Desenvolvimento

Programa Interdisciplinar de Ps-Graduao em

Computao Aplicada

Mestrado Acadmico

Maurcio Harff

Aplicao de Metaheursticas no Desenvolvimento de um

Modelo de Otimizao para o Processo de Codificao de

udio do Sistema Brasileiro de Televiso Digital

So Leopoldo, 2013

MAURCIO HARFF

Aplicao de Metaheursticas no Desenvolvimento

de um modelo de Otimizao para o Processo de

Codificao de udio do Sistema Brasileiro de

Televiso Digital

Orientador: Prof. Dr. Arthur Trgo Gmez

So Leopoldo

2013

Dissertao apresentada como requisito parcial

para a obteno do ttulo de Mestre pelo Programa

Interdisciplinar de Ps-Graduao em Computao

Aplicada da Universidade do Vale do Rio dos Sinos.

Ficha catalogrfica

Catalogao na Fonte:

Bibliotecria Vanessa Borges Nunes - CRB 10/1556

H278a Harff, Maurcio Aplicao de metaheursticas no desenvolvimento de um

modelo de otimizao para o processo de codificao de udio do Sistema Brasileiro de Televiso Digital / por Maurcio Harff. 2013.

193 f. : il., 30cm.

Dissertao (mestrado) Universidade do Vale do Rio dos Sinos, Programa de Ps-Graduao em Computao Aplicada, 2013.

Orientao: Prof. Dr. Arthur Trgo Gmez.

1. Sistema Brasileiro de Televiso Digital - SBTVD. 2. Compresso de udio. 3. MPEG-4 AAC. 4. Metaheursticas. 5. Busca tabu. 6. Algoritmo gentico. I. Ttulo.

CDU 004.421

AGRADECIMENTOS

Ao meu professor orientador Dr. Arthur Trgo Gmez pela ateno dedicada,

colaborando com ideias, sugestes e norteamento para o desenvolvimento do

trabalho, alm do constante incentivo.

minha esposa que est sempre ao meu lado em todos os momentos, pela

pacincia, compreenso e companheirismo.

Ao meu colega de mestrado Roberto Gomes, pelas boas conversas e trocas

de ideias a respeito do trabalho.

RESUMO

A qualidade perceptual alcanada pelos codificadores de udio depende diretamente da escolha de seus parmetros. O codificador MPEG-4 AAC (Advanced Audio Coding), utilizado no Sistema Brasileiro de Televiso Digital (SBTVD), possui em sua estrutura uma etapa composta por um lao de iterao para escolher os parmetros do codificador, de maneira dinmica durante o processo de codificao. Este processo de escolha pode ser definido como um problema de Pesquisa Operacional, sendo um problema de Seleo de Partes, denominado como o Problema de Codificao AAC. A estrutura existente no codificador de referncia, no resolve este problema de maneira tima. Desta forma, este trabalho prope o desenvolvimento e implementao de um modelo de uma estrutura de simulao, para encontrar os parmetros do codificador de udio MPEG-4 AAC, de maneira a otimizar a qualidade perceptual do udio, para uma determinada taxa de bits (bit rate). A implementao da estrutura de otimizao foi desenvolvida em linguagem C, utilizando as metaheursticas Busca Tabu e Algoritmo Gentico em uma estrutura hbrida. Atravs da minimizao da mtrica ANMR (Average Noise-to-Mask Ratio), o algoritmo procura identificar a melhor configurao dos parmetros internos do codificador MPEG-4 AAC, de maneira que possa garantir uma qualidade perceptual para o sinal udio. Os resultados obtidos utilizando a estrutura hbrida de otimizao apresentaram valores menores para a mtrica ANMR, ou seja, uma melhor qualidade perceptual de udio, quando comparados com os resultados obtidos com o codificador de referncia MPEG-4 AAC.

Palavras chave : Sistema Brasileiro de Televiso Digital (SBTVD), compresso de

udio, MPEG-4 AAC (Advanced Audio Coding), metaheursticas, Busca Tabu,

Algoritmo Gentico.

ABSTRACT

The perceptual quality achieved by audio encoders depends directly on the

choice of its parameters. The MPEG-4 AAC (Advanced Audio Coding), used in the

Brazilian Digital Television System (BDTS), has a step in its structure that consists in

iteration loop to choose the parameters of the encoder dynamically during the

encoding process. This selection process can be defined as a problem of Operational

Research, being a Part Selection Problem, termed as AAC Encoding Problem. The

structure in the reference encoder not solves this problem optimally. Thus, this paper

proposes the development and implementation of a model simulation of a structure,

to find the internal parameters of the MPEG-4 AAC audio encoder, so as to optimize

the perceptual audio quality for a given bit rate. The implementation of the

optimization framework was developed in ANSI C programming language, using the

Tabu Search and Genetic Algorithm metaheuristics in a hybrid structure. Through the

minimization of the ANMR (Average Noise-to-Mask Ratio) metric, the algorithm tries

to identify the best configuration of internal parameters of the MPEG-4 AAC. The

results obtained using the optimization hybrid structure achieve lower values for the

ANMR metric, i.e., an better perceptual audio quality, compared with the obtained

with the reference encoder MPEG-4 AAC.

Keywords: Brazilian Digital Television System (SBTVD), audio compression, MPEG-

4 AAC (Advanced Audio Coding), metaheuristics, Tabu Search, Genetic Algorithm.

LISTA DE ABREVIATURAS

AAC Advanced Audio Coding

AG Algoritmo Gentico

ANMR Average Noise-to-Mask Ratio

ATSC Advanced Television Systems Committee

AVC Advanced Video Coding

BT Busca Tabu

CODEC Codificao e decodificao de sinais fonte

CD Compact Disk

DCT Transformada Discreta do Cosseno

DAB Difuso de udio Digital

ESC Special Codebook

FLAC Free Lossless Audio Codec

FO Funo Objetivo

HCB Huffman Code Book

HE High Efficiency

ISDB-Tb Integrated Services Digital Broadcasting Terrestrial

ISO / IEC International Standards Organization / International Electrotechnical

Commission

ITU International Telecommunication Union

KBD Kaiser-Bessel Derived

LAV Largest Absolute Value

LC Low Complexity

MDCT Transformada Discreta do Cosseno Modificada

MILP Mixed Integer Linear Program

MNMR Maximum Average Noise-to-Mask Ratio

NMR Noise-to-Mask Ratio

MPEG Moving Picture Expert Group

PCM Pulse Code Modulation

PCU Processor Complexity Units

PS Parametric Stereo

RAM Random Access Memory

RCU RAM Complexity Units

SBR Spectral Band Replication

SBTVD Sistema Brasileiro de Televiso Digital

SF Scale Factor (Fator de Escala)

SFB Scale Factor Band (Banda do Fator de Escala)

SMR Signal-to-Mask Ratio

SNR Signal-to-Noise Ratio

SPL Sound Pressure Level

TLS Two Loop Search

TNS Temporal Noise Shaping

WiFi Wireless Fidelity

WiMAX Worldwide Interoperability for Microwave Access

UNISINOS Universidade do Vale do Rio dos Sinos

LISTA DE FIGURAS

Figura 1 Sinal contnuo e sinal amostrado ............................................................. 19

Figura 2 Faixa de frequncia do sinal xc(t) ............................................................. 21

Figura 3 Espectro da funo de amostragem ......................................................... 21

Figura 4 Espectro do sinal amostrado com s>20 ............................................... 21

Figura 5 Espectro do sinal amostrado com s

Figura 24 Pseudocdigo do algoritmo Busca Tabu para um problema de

minimizao .............................................................................................................. 63

Figura 25 Operador de cruzamento de ponto nico do AG .................................... 66

Figura 26 Operador de cruzamento aritmtico do AG ............................................ 67

Figura 27 Operador de mutao do AG ................................................................. 67

Figura 28 Pseudocdigo do Algoritmo Gentico .................................................... 68

Figura 29 Dinmica do processo de codificao de udio MPEG-4-AAC .............. 74

Figura 30 Simulao do codificador AAC com estrutura de otimizao proposta .. 77

Figura 31 Arquitetura do modelo proposto ............................................................. 78

Figura 32 Representao da modelagem da mtrica ANMR ................................. 80

Figura 33 Codificao do agrupamento de short blocks ........................................ 84

Figura 34 Codificao da soluo .......................................................................... 94

Figura 35 Codificao do agrupamento das sees .............................................. 94

Figura 36 Gerao da populao inicial para o Algoritmo Gentico ....................... 95

Figura 37 Fluxograma do processo de cruzamento ............................................... 98

Figura 38 Fluxograma do Mtodo de Cruzamento 1 .............................................. 99

Figura 39 Fluxograma do Mtodo de Cruzamento 2 ............................................ 100

Figura 40 Primeira rodada do Mtodo de Cruzamento 2 ..................................... 100

Figura 41 Segunda rodada do Mtodo de Cruzamento 2 .................................... 101

Figura 42 Filhos resultantes do Mtodo de Cruzamento 2 ................................... 101

Figura 43 Fluxograma de Mutao do Algoritmo Gentico .................................. 102

Figura 44 Fluxograma do Mtodo de Mutao 1 .................................................. 103

Figura 45 Fluxograma do Mtodo de Mutao 2 .................................................. 104

Figura 46 Fluxograma de gerao de vizinhana ................................................. 106

Figura 47 Fluxograma do Mtodo de Gerao 3 de Vizinhana .......................... 108

Figura 48 Estrutura de otimizao hbrida para o modelo computacional ............ 111

Figura 49 Comportamento dos scalefactors vs ANMR e taxa de bits .................. 118

Figura 50 Comportamento dos Cdigos de Huffman vs ANMR e taxa de bits ..... 121

Figura 51 Configuraes de sees para o experimento de validao ................ 122

Figura 52 Comportamento do agrupamento dos blocos vs ANMR e taxa de bits 124

Figura 53 Dinmica entre scalefactors e scalefactor bands obtida com o codificador

de referncia (TLS) ................................................................................................. 132

Figura 54 Dinmica entre scalefactors e scalefactor bands obtida com o primeiro

experimento do Algoritmo Gentico ........................................................................ 134

Figura 55 Dinmica entre scalefactors e scalefactor bands obtida com o segundo


Figura 56 Relao entre BT_Max e Lista Tabu para a taxa de 48kbps ................ 145

Figura 57 Relao entre BT_Max e Lista Tabu para a taxa de 116kbps .............. 147



Figura 60 Evoluo do Algoritmo Hbrido em um frame para a taxa de 48kbps... 156

Figura 61 Evoluo do Algoritmo Hbrido em um frame para a taxa de 116kbps. 158



LISTA DE TABELAS

Tabela 1 Bandas Crticas ....................................................................................... 38

Tabela 2 Scalefactors bands para um frame short block para frequncia de

amostragem de 48kHz .............................................................................................. 46

Tabela 3 Parmetros dos cdigos de Huffman para scalefactors .......................... 53

Tabela 4 Parmetros dos cdigos de Huffman para o espectro de frequncias .... 53

Tabela 5 Nveis para o perfil HE-AAC .................................................................... 56

Tabela 6 Comparativo trabalhos relacionados ....................................................... 72

Tabela 7 Interpretao do agrupamento dos short blocks em sees ................... 84

Tabela 8 Arquivos WAV utilizados nos experimentos .......................................... 115

Tabela 9 Anlise dos scalefactors vs ANMR ........................................................ 117

Tabela 10 Anlise dos scalefactors vs taxa de bits .............................................. 118

Tabela 11 Anlise dos Cdigos de Huffman vs ANMR ........................................ 119

Tabela 12 Anlise dos Cdigos de Huffman vs taxa de bits................................. 120

Tabela 13 Anlise do agrupamento dos blocos vs ANMR ................................... 123

Tabela 14 Anlise do agrupamento dos blocos vs taxa de bits ............................ 124

Tabela 15 Codificao do arquivo de udio 9 utilizando Two Loop Search ......... 127

Tabela 16 Relao dos percentuais para a taxa de mutao............................... 127

Tabela 17 Relao dos valores para o Nmero de Geraes .............................. 127

Tabela 18 Resultados do primeiro experimento do AG para a taxa de bits de

48kbps ..................................................................................................................... 128


116kbps ................................................................................................................... 129


184kbps ................................................................................................................... 130


250kbps ................................................................................................................... 131

Tabela 22 Mdia e desvio padro dos scalefactors obtidos com o codificador de

referncia (TLS) ...................................................................................................... 133

Tabela 23 Mdia e desvio padro dos scalefactors obtidos com o primeiro


Tabela 24 Mdia e desvio padro dos scalefactors obtidos com o segundo


Tabela 25 Resultados do segundo experimento do AG para a taxa de bits de

48kbps ..................................................................................................................... 137


116kbps ................................................................................................................... 138


184kbps ................................................................................................................... 139


250kbps ................................................................................................................... 140

Tabela 29 Algoritmo Gentico vs Two Loop Search ............................................ 142

Tabela 30 Relao dos valores de BT_Max ......................................................... 143

Tabela 31 Relao dos valores de tamanho da Lista Tabu ................................. 143

Tabela 32 - Resultados da Busca Tabu para a taxa de 48kbps .............................. 144

Tabela 33 - Resultados da Busca Tabu para a taxa de 116kbps ............................ 146

Tabela 34 Resultados da Busca Tabu para a taxa de 184kbps ........................... 148

Tabela 35 Resultados da Busca Tabu para a taxa de 250kbps ........................... 150

Tabela 36 Busca Tabu vs Two Loop Search ........................................................ 152

Tabela 37 Relao dos valores de BT_Max para o Algoritmo Hbrido ................. 153

Tabela 38 Relao dos valores de Lista Tabu para o Algoritmo Hbrido .............. 153

Tabela 39 Relao do Nmero de Geraes para o Algoritmo Hbrido ............... 153

Tabela 40 Resultados do Algoritmo Hbrido para a taxa de 48kbps ..................... 154

Tabela 41 Resultados do Algoritmo Hbrido para a taxa de 116kbps ................... 157



Tabela 44 Comparao entre o Algoritmo Hbrido e demais mtodos ................. 163

Tabela 45 Resultados do Algoritmo Hbrido Invertido para a taxa de 48kbps ...... 164

Tabela 46 Resultados do Algoritmo Hbrido Invertido para a taxa de 116kbps .... 165



Tabela 49 - Comparao entre o Algoritmo Hbrido Invertido e demais mtodos ... 168

Tabela 50 Tamanho dos arquivos de udio teste para cada taxa de bits ............ 169

Tabela 51 Resultados da codificao para a taxa de 48kbps .............................. 170

Tabela 52 Resultados da codificao para a taxa de 116kbps ............................ 172



Tabela 55 Comparao em dB entre as metaheursticas e a tcnica TLS para o

Problema de Codificao AAC ................................................................................ 177

Tabela 56 Comparao percentual entre as metaheursticas e a tcnica TLS para

o Problema de Codificao AAC ............................................................................. 178

SUMRIO

1 INTRODUO ..................................................................................................... 15

1.1 OBJETIVO DO TRABALHO .............................................................................. 15

1.2 METODOLOGIA ............................................................................................... 16

1.3 ORGANIZAO DO TRABALHO ..................................................................... 17

2 UDIO DIGITAL ..................................... ............................................................. 18

2.1 AMOSTRAGEM DO SINAL .............................................................................. 18

2.2 QUANTIZAO ................................................................................................ 23

3 CODIFICAO DE UDIO .............................. ................................................... 26

3.1 HISTRICO DA CODIFICAO DE UDIO .................................................... 26

3.2 PADRO MPEG-4 AAC .................................................................................... 28

3.2.1 Modelo Psicoacstico .............................. ................................................... 31

3.2.1.1 Mascaramento ............................................................................................ 33

3.2.1.2 Bandas Crticas ........................................................................................... 35

3.2.1.3 Entropia Perceptual ..................................................................................... 38

3.2.2 Definies dos Blocos ............................. .................................................... 40

3.2.3 MDCT Modified Discrete Cosine Transform ........................................... 41

3.2.4 Quantizao ....................................... ........................................................... 45

3.2.5 ScaleFactors ................................................................................................. 45

3.2.6 Lao Iterativo AAC ................................ ....................................................... 48

3.2.7 Codificador de Entropia............................ ................................................... 51

3.2.8 Predio .......................................... .............................................................. 54

3.2.9 Perfis e Nveis do MPEG-4 AAC ..................... ............................................. 55

3.3 QUALIDADE PERCEPTUAL DO UDIO .......................................................... 57

4 METAHEURSTICAS ................................... ........................................................ 60

4.1 BUSCA TABU ................................................................................................... 60

4.2 ALGORITMO GENTICO ................................................................................. 64

4.2.1 Codificao do Cromossomo ......................... ............................................ 64

4.2.2 Funo Objetivo ................................... ........................................................ 65

4.2.3 Operadores de Seleo ............................. .................................................. 65

4.2.4 Operadores de Cruzamento e Mutao ................ ...................................... 65

5 TRABALHOS RELACIONADOS ............................ ............................................. 69

6 MODELO DE SIMULAO DO CODIFICADOR MPEG-4 AAC ..... .................... 74

6.1 ARQUITETURA DO MODELO.......................................................................... 77

6.2 FORMULAO DO PROBLEMA DE CODIFICAO AAC ............................. 79

6.2.1 Formulao Matemtica ............................. ................................................. 83

6.3 ESTRUTURA DE SIMULAO DO CODIFICADOR MPEG-4 AAC ................. 93

6.3.1 Algoritmo Gentico para o Problema de Codificao A AC ...................... 93

6.3.1.1 Codificao do Cromossomo ...................................................................... 93

6.3.1.2 Populao Inicial ......................................................................................... 95

6.3.1.3 Operador de Seleo .................................................................................. 96

6.3.1.4 Operadores de Cruzamento ........................................................................ 97

6.3.1.5 Operadores de Mutao ........................................................................... 102

6.3.1.6 Critrio de Parada ..................................................................................... 104

6.3.2 Algoritmo Busca Tabu para o Problema de Codificao AAC ............... 105

6.3.2.1 Codificao da Soluo ............................................................................ 105

6.3.2.2 Soluo Inicial ........................................................................................... 105

6.3.2.3 Estruturas de Vizinhana .......................................................................... 105

6.3.2.4 Funo Objetivo ........................................................................................ 109

6.3.2.5 Lista Tabu ................................................................................................. 109

6.3.2.6 Critrio de Aspirao ................................................................................. 109

6.3.2.7 Critrio de Parada ..................................................................................... 110

6.3.3 Algoritmo Hbrido ................................. ...................................................... 110

7 VALIDAAO E EXPERIMENTOS .......................... ........................................... 114

7.1 BIBLIOTECA DE ARQUIVOS DE UDIO TESTE .......................................... 114

7.2 VALIDAO.................................................................................................... 116

7.3 EXPERIMENTOS ............................................................................................ 125

7.3.1 Parametrizao das Metaheursticas ................ ....................................... 126

7.3.1.1 Algoritmo Gentico .................................................................................... 126

7.3.1.2 Busca Tabu ............................................................................................... 142

7.3.1.3 Algoritmo Hbrido ...................................................................................... 152

7.3.2 Resultados ........................................ .......................................................... 168

8 CONCLUSO ......................................... ........................................................... 179

REFERNCIAS BIBLIOGRFICAS ........................ ............................................... 184

15

1 INTRODUO

A possibilidade de troca e acesso ao contedo multimdia que hoje nos

rodeia, est diretamente relacionada ao avano das telecomunicaes, e tambm de

forma muito intensa, ao avano dos codificadores de udio e vdeo. Dados de

novembro de 2012 (SANDVINE, 2012), mostram que aproximadamente 58% de todo

trfego da internet fixa nos Estados Unidos composto de contedo multimdia.

Para dispositivos mveis este valor de aproximadamente 38%. No Brasil, estes

valores no so to elevados, mas demonstram a tendncia apresentada pelos

americanos. Dados de outubro de 2011 (SANDVINE, 2011), mostram que o

contedo multimdia no Brasil responsvel por aproximadamente 30% do trfego

da internet fixa do pas. Desta forma, a eficincia dos codificadores de udio e vdeo

tem uma relao direta em subsidiar e atender este cenrio. Assim, atravs destas

ferramentas (CODECs) possvel transportar udio e vdeo na rede, com uma

grande quantidade de informao, de uma maneira mais eficiente, transportando

apenas as informaes que so fundamentais para distino do contedo.

Para Bauer e Vinton (2006), o contedo multimdia tem se destacado

ultimamente, principalmente em redes sem fio como WiMAX, Wifi, e telefonia celular

(3G/4G), com a utilizao de dispositivos mveis. O sucesso destas tecnologias

depende da disponibilidade de uma baixa taxa de bits para transportar os contedos

de udio e vdeo, objetivo que pode ser alcanado atravs dos CODECs.

1.1 Objetivo do Trabalho

O codificador de udio MPEG4-AAC, durante o processo de codificao, deve

escolher dinamicamente os parmetros que determinam a melhor qualidade

perceptual do udio. Este processo de busca dos melhores parmetros do

codificador foi definido como o Problema de Codificao AAC (BAUER e VINTON,

2006). Durante esta etapa, o codificador utiliza um mtodo iterativo conhecido como

TLS (Two Loop Search) (AGGARWAL, REGUNATHAN e ROSE, 2001), para

encontrar os parmetros para um determinado frame de udio. Porm, este mtodo

de busca dos parmetros utilizado pelo codificador MPEG-4 AAC, no resolve o

Problema de Codificao AAC de maneira tima (BAUER, 2005). Desta forma, este

16

trabalho prope um modelo de otimizao do codificador AAC baseado em uma

soluo hbrida de metaheursticas, de maneira que atravs de experimentos

exaustivos possa se avaliar sua eficincia em relao ao codificador AAC padro.

Desta maneira, o modelo de otimizao do codificador AAC ser o responsvel pela

definio dinmica dos parmetros de configurao do codificador. Assim, espera-se

que a qualidade perceptual do udio, obtida atravs do emprego do modelo de

otimizao proposto, para uma determinada taxa de bits, seja superior quando

comparada qualidade perceptual do codificador AAC em sua estrutura de

referncia. Alm disso, importante que a estrutura de otimizao proposta consiga

resolver o problema de codificao AAC, em um tempo computacional considerado

aceitvel, e ainda avaliar se so permitidas codificaes de udio em tempo real.

A principal contribuio cientfica deste trabalho o estudo e desenvolvimento

de uma estrutura de otimizao para os parmetros do codificador MPEG-4 AAC,

utilizando uma arquitetura hbrida de metaheursticas. Atravs desta arquitetura

hbrida, busca-se uma qualidade perceptual de udio superior em relao soluo

do codificador de referncia, em um tempo computacional adequado para aplicaes

off-line, e se possvel aplicaes em tempo real.

1.2 Metodologia

O modelo de otimizao do codificador MPEG-4 AAC foi desenvolvido

utilizando a linguagem de programao C ANSI. Desta forma, esta estrutura de

otimizao foi inserida no cdigo, tambm em C, do codificador de referncia AAC

desenvolvido pelo projeto de software livre FFmpeg (BELLARD), substituindo o

mtodo de iterao padro TLS durante a execuo dos experimentos de avaliao.

Assim, os resultados produzidos pelo codificador com a estrutura proposta puderam

ser comparados com os resultados obtidos do codificador com sua estrutura de

referncia. Estes resultados foram gerados a partir de arquivos de udio, com

diferentes tipos de sons e msicas, de maneira que se pudesse comparar a

qualidade perceptual entre as duas estruturas de codificao.

17

1.3 Organizao do Trabalho

Nos captulos 2 e 3 so abordados o estado da arte, apresentando os

conceitos e a forma de operao de um codificador MPEG-4 AAC, como tambm

uma abordagem sobre udio digital. No captulo 4 so apresentadas e detalhadas,

as metaheursticas que so utilizadas no desenvolvimento do algoritmo hbrido. No

captulo 5, so descritos alguns trabalhos relacionados, a fim de contextualizar o

cenrio de otimizao do codificador AAC no mbito da pesquisa operacional. No

captulo 6 apresentado o modelo do codificador AAC, abordando detalhadamente

a modelagem do Problema de Codificao AAC. No captulo 7 so apresentados os

experimentos realizados para a etapa de validao do modelo computacional, para a

etapa de parametrizao das metaheursticas, e para os ensaios de avaliao do

desempenho do Algoritmo Hbrido, sendo realizada uma anlise dos resultados

obtidos. Por fim, no captulo 8 so apresentadas as consideraes finais.

18

2 UDIO DIGITAL

Para que um sinal de udio possa ser codificado e comprimido por um

determinado CODEC de udio, ele deve estar no formato digital. Entretanto, quando

um sinal de udio gerado e captado ele est no formato analgico. Desta forma,

deve existir um processo de transformao do sinal de udio analgico, em um sinal

de udio digital.

interessante observar que para um sinal de udio no formato analgico, o

processo de determinao da quantidade de informao contida, apresenta uma

considervel complexidade. Porm, quando o sinal representado no formato

digital, sempre existe uma taxa de bits (bit rate) associada ele, o que permite

identificar a quantidade de informao contida no sinal (WATKINSON, 2001).

Algumas etapas devem ser realizadas para que o udio no formato analgico

possa ser representado como um sinal digital. Estes processos em ordem de

execuo so: amostragem e quantizao do sinal (POHLMAN, 1995).

2.1 Amostragem do Sinal

Para que um sinal sonoro seja processado de forma digital ele deve ser

adequado aos padres de trabalho de um sistema digital. Um sinal de udio quando

captado, est na forma analgica ou contnua. Assim neste formato, antes de ser

entregue a um processador de sinais ou CODEC por exemplo, necessrio que o

sinal passe por uma etapa denominada de discretizao, ou amostragem do sinal

(HAYES, 2006). Este processo consiste em representar o sinal atravs de sua

amplitude capturada, a partir de um intervalo de tempo fixo, de forma instantnea.

Para ilustrar esta ideia, pode-se observar na Figura 1 que apresenta o

comportamento de um sinal contnuo e um sinal amostrado.

19

Figura 1 Sinal contnuo e sinal amostrado

O processo de obteno de um sinal discreto a partir de um sinal contnuo

realizado atravs da amostragem peridica, na qual uma sequncia de amostras x[n]

obtida a partir de um sinal contnuo xc(t), conforme a equao (1) (OPPENHEIM e

SCHAFER, 1989):

= () , < < (1) onde, T = perodo de amostragem, na qual a frequncia de amostragem definida

por = . Inicialmente, o sinal contnuo no tempo xc(t) multiplicado por uma sequncia

peridica de impulsos s(t) (OPPENHEIM e SCHAFER, 1989) e definido pela

equao (2):

() = ( ) (2)

20 Desta forma:

() = () () = () ( ) (3) Aps, o sinal amostrado convertido em um sinal de tempo discreto, no qual

os impulsos separados entre si pelo intervalo de amostragem T, so transformados

em uma sequncia x[n]. As amostras assim so indexadas pela varivel n, e ento

representadas pela equao (1).

A fim de representar a equao (3) no domnio da frequncia, os sinais xc(t) e

s(t) podem ser representados por Xc(j) e S(j), respectivamente. Assim, pode-se

definir S(j) (OPPENHEIM e SCHAFER, 1989) conforme a equao (4):

() = 2 ( )

! (4)

onde = "# a frequncia de amostragem em radianos por segundo. Pelo teorema da convoluo, uma multiplicao entre duas funes no

domnio do tempo, equivale a convoluo entre as mesmas duas funes no

domnio da frequncia (HAYES, 2006). Assim a equao (3) pode ser expressa no

domnio da frequncia atravs da equao (5):

$() = 12 $() () = 1 $( )

! (5) na qual o smbolo denota a operao de convoluo.

Considerando que o sinal xc(t) limitado em frequncia, ento Xc(j)=0 para

> 0. Esta considerao pode ser visualizada na Figura 2.

21

Figura 2 Faixa de frequncia do sinal xc(t)

Fonte: (HAYES, 2006)

Supondo que a sequncia de pulsos gerada pela funo de amostragem s(t)

possua s 20. Assim, se s(t) for expresso no domnio da frequncia como S(j),

ento se obter a Figura 3.

Figura 3 Espectro da funo de amostragem


Ao convoluir a funo de amostragem S(j), com a funo do sinal Xc(j), no

domnio da frequncia, gerado o sinal amostrado Xs(j) (HAYES, 2006) (Figura 4).

Figura 4 Espectro do sinal amostrado com s>20


22 Entretanto, se Xc(j) amostrado com s < 20, os espectros deslocados

Xc(j-jks) so sobrepostos e somados, gerando uma funo Xs(j) que apresenta

uma deformao (Figura 5).

Figura 5 Espectro do sinal amostrado com s 2B (CARTINHOUR, 2000). Assim, sendo 0 a mxima frequncia que se deseja representar aps um

processo de discretizao, a frequncia de amostragem s deve ser:

= 2 2( (6) onde T = perodo de amostragem.

O teorema de amostragem, equao (6), conhecido tambm como teorema

de Nyquist, pois foi introduzido por Harry Nyquist. Por este motivo, tambm se

chama a mnima frequncia de amostragem necessria para representar um

determinado sinal, de frequncia de Nyquist. Desta forma, a definio da frequncia

23

de amostragem determinante no projeto de um sistema de udio ou

comunicaes, pois neste ponto que inicia o tratamento do sinal no mundo digital.

2.2 Quantizao

Dentro do processo de digitalizao de um sinal, depois de realizada a

amostragem necessrio efetuar a quantizao do sinal. Isso significa que para

cada ponto do sinal amostrado, se dever atribuir um valor binrio, para que sua

amplitude possa ser representada no formato digital.

A ideia dividir o eixo de amplitude em regies (Figura 6), sendo que cada

regio seja representada por um valor binrio. Assim, cada ponto amostrado

enquadrado dentro da regio que mais se aproxima do seu valor de amplitude.

Deve-se observar que quanto maior a quantidade de regies, mais resoluo

inserida etapa de quantizao, e mais fidedignos estaro os valores quantizados.

Assim, os valores quantizados so somente uma aproximao dos valores reais

(POHLMAN, 1995).

Na Figura 6 representado um sinal analgico devidamente amostrado,

atendendo ao teorema de Nyquist, e o mesmo sinal quantizado. Observa-se que

existem oito valores possveis para se representar a amplitude, pois neste exemplo

foram utilizados trs bits (23 = 8 valores distintos de amplitude). Assim, para cada

ponto amostrado atribudo o valor binrio que melhor representa este valor de

amplitude.

interessante observar que a etapa de amostragem j insere uma perda de

informao ao sinal analgico, e de maneira anloga quando quantizado, o sinal

mais uma vez tem a sua informao reduzida (POHLMAN, 1995). Isso se deve ao

fato de que a quantidade de pontos, ou informao, contida em um sinal analgico

infinita. Desta forma, quando aplicadas as etapas de amostragem e quantizao ao

sinal, elas por utilizarem processos com uma quantidade finita de valores, acabam

tornando finita tambm, a quantidade de informao contida no sinal digital. Essa

diferena de informao entre o sinal analgico e digital representa a insero de um

determinado erro sobre o sinal digital. Esse erro denominado como erro de

quantizao.

24

Amplitude

t

t

Sinal

Quantizado

Sinal

Amostrado

000

001

010

011

100

101

110

111

Figura 6 Sinal Quantizado

O erro de quantizao medido atravs do SRE (Signal-to-Error Ratio)

atravs dos nveis de tenso do Sinal (S) e do Erro (E) (POHLMAN, 1995). Assim,

considerando N o nmero de intervalos do processo de quantizao e n o nmero

de bits, tem-se a equao (7):

) = 2 (7) Uma metade dos N valores disponveis para o processo de quantizao

utilizada para valores maiores que zero da forma de onda, e a outra metade para

valores menores que zero. Sendo Q o intervalo de quantizao, o mximo valor de

pico que o nvel de sinal pode excursionar de +2. Assumindo um sinal senoidal como entrada, o valor mximo em rms (root mean square) ,-, expresso pela equao (8) (POHLMAN, 1995):

,- = +22 (8) De forma anloga, a energia do erro de quantizao tambm pode ser

modelada matematicamente.

25 A quantizao pode ser dita uniforme e no uniforme. O erro de quantizao

independente e identicamente e uniformemente distribudo entre os limites ++/2 e +/2, onde Q um intervalo de quantizao. Assim, a funo densidade de probabilidade que representa estes eventos, uma funo uniforme com amplitude

de 1/Q. Desta forma, o erro de quantizao rms (2,-), pode ser encontrado integrando o produto do erro e sua probabilidade, conforme a equao (9)

(POHLMAN, 1995):

2,- = 34 5" 6(5)75 = 81+4 5"759:":" ;

" = ,-2,-?

" = +22+12 =

32 (2") (10) Expressando esta relao em decibis, obtm-se a equao (11):

2 (7A) = 10 log >32 (2")? = 20 log 8F32G

" (2); = 6.02 + 1.76 (11) A partir desta relao, pode-se verificar que para cada bit que se adiciona no

processo de quantizao, a relao /2 aumenta, o que provoca tambm um aumento na quantidade de informao, um decrscimo de 6dB no erro de

quantizao, e consequentemente uma melhoria na qualidade do udio. Para 16 bits

de quantizao por exemplo, a relao /2 aproximadamente 98dB, enquanto que para 15 bits de quantizao a relao de 92dB.

A relao /2 que foi modelada matematicamente tambm conhecida como rudo de quantizao (POHLMAN, 1995). Desta forma, correto afirmar que o

aumento do rudo de quantizao ocorre com o decrscimo da quantidade de bits

empregada no processo de quantizao.

26

3 CODIFICAO DE UDIO

O processo de codificao de udio uma transformao aplicada ao sinal de

udio digital, a fim de represent-lo de uma nova maneira, facilitando a sua

manipulao num processo de transmisso, armazenamento, criptografia, etc.

(POHLMAN, 1995).

Associado ao processo de codificao est o mecanismo de compresso do

sinal. A compresso de um sinal de udio pode ser classificada como uma

compresso com perdas ou sem perdas (POHLMAN, 1995). Ao se optar por uma

compresso sem perdas, o sinal de udio ser compactado, diminuindo a

quantidade de bits necessrios em sua representao, e poder ser recuperado

obtendo a forma do sinal original. Porm se a compresso for com perdas, ao se

diminuir a quantidade de bits em sua representao, o sinal no poder mais atingir

sua forma original anterior codificao (WATKINSON, 2001).

Desta forma, nesta seo abordado o processo de codificao de udio,

fazendo um breve histrico deste cenrio e, na sequncia, um detalhamento

profundo sobre o funcionamento e as caractersticas do codificador de udio MPEG-

4 AAC. So abordadas as diversas estratgias utilizadas no processo de

codificao, que permitem com que o codificador AAC consiga uma boa compresso

e ao mesmo tempo mantenha a qualidade perceptual.

3.1 Histrico da Codificao de udio

A codificao de udio teve seus primeiros estudos em 1988 com o

codificador MASCAM, desenvolvido pelo instituto de tecnologia alemo Institut fr

Rundfunktechnik (IRT), para o sistema de Difuso de udio Digital (DAB). A partir

deste formato o codificador MUSICAM (Masking pattern adapted Universal Subband

Integrated Coding And Multiplexing), em 1989, foi desenvolvido pelo IRT em

conjunto com o CCETT (Centre Commun d'tudes de Tlvision et

Tlcommunications), Philips e Matsushita Electric Industrial. Estes dois

codificadores tm como principal caracterstica a diviso do sinal em um grande

nmero de sub-bandas. Assim, cada banda tratada e codificada de uma maneira

diferente, de acordo com sua relevncia perceptual (FISCHER, 2010).

27 Ao mesmo tempo em que os mtodos citados eram estudados, foi

desenvolvido o ASPEC (Adaptive Spectral Perceptual Entropy Coding) pela parceria

das empresas Fraunhofer Gesellschaft e Thomson. Este mtodo utiliza a DCT

(Discrete Cosine Transform) para obter o sinal no domnio da frequncia, e elimina

as componentes que so irrelevantes (FISCHER, 2010).

Em 1991, o padro MPEG-1 (ISO/IEC 11172-3) de compresso de udio

incorporou os dois mtodos de codificadores MUSICAM e ASPEC, criando um novo

codificador. O MPEG-1 compreende trs camadas (layers):

Layer I Baixa complexidade na estrutura do codificador e baixa compresso;

Layer II Mdia complexidade na estrutura do codificador;

Layer III Alta complexidade na estrutura do codificador e alta compresso,

sendo baseado na codificao em sub-bandas e transformada;

O MPEG-1 Layer III, conhecido popularmente como o MP3, e at o

desenvolvimento do AAC, foi o codificador mais amplamente utilizado

(BRANDENBURG, 1999). interessante observar que a estrutura do codificador

MP3, baseia-se na unio das melhores caractersticas do MUSICAM e ASPEC.

Em 1994 foi criado o codificador de udio MPEG 2 (ISO/IEC 13818-3), em

que apenas o Layer II foi estendido com a insero da codificao de udio

multicanal (5.1).

Paralelamente aos codificadores de udio do grupo MPEG, a Dolby Labs

desenvolveu em 1990, o padro de codificao Dolby Digital Audio, que tambm

ficou conhecido como AC-3 Audio. Este padro foi muito difundido no cinema, e hoje

em dia adotado como padro em muitos filmes, como tambm no formato de TV

Digital americano (ATSC). Do ponto de vista de qualidade de udio, praticamente

no h diferena entre MPEG Audio e Dolby Digital (FISCHER, 2010).

O codificador AAC surgiu em sua primeira verso, ainda no MPEG-2 Audio

em 1997, sob a norma ISO/IEC 13818-7, trazendo muitas melhorias sobre seu

antecessor MP3. Devido utilizar uma estrutura mais flexvel e modular, e

implementar novas estratgias de codificao, o codificador conseguiu obter

melhores resultados de compresso.

28 Na sequncia em 1999, ele foi incorporado ao MPEG-4 Audio com o ttulo de

AAC plus (ISO/IEC 14496-3), trazendo novamente novas estratgias e algoritmos de

codificao, melhorando ainda mais a sua performance de compresso. Em 2003 e

2004, o codificador apresentou a implementao de novas funcionalidades, e ento

foi chamado de HE-AACv1 e HE-AACv2 (High Efficiency Advanced Audio Coding).

O ltimo padro de 2004 se mantm at hoje, e este formato tem sido muito

utilizado em diversos dispositivos. Alguns exemplos so: iPhone, Playstation 3, Xbox

360. Em 2003 este padro foi o adotado pelo sistema de TV Digital do Japo ISDB-

T. Consequentemente em 2007 o padro de TV Digital brasileiro (ISDB-Tb), que

totalmente baseado no sistema japons, tambm passou a utilizar o codificador de

udio MPEG-4 HE-AAC.

O processo de codificao de udio padronizado por dois grupos

internacionais de normatizao, ISO/IEC MPEG Audio (Moving Pictures Experts

Group) e ITU (International Telecommunication Union). O primeiro efetivamente atua

mais na normatizao de codificadores de udio e vdeo, enquanto que o segundo,

alm de codificadores, atua na recomendao e normatizao de sistemas de

telecomunicaes (FISCHER, 2010).

3.2 Padro MPEG-4 AAC

O padro MPEG4 AAC especifica um codificador que considerado como um

codificador de udio perceptual. Isso significa que uma de suas principais

estratgias de compresso procurar eliminar elementos de redundncias e

informaes irrelevantes, que no so perceptveis ao ouvido humano (PAINTER e

SPAN, 2000). Na Figura 7 apresentado o diagrama em blocos do codificador de

udio MPEG-4 AAC, de maneira que cada bloco detalhado a seguir (ISO/IEC,

2005):

Sinal de Entrada: deve ser um sinal de udio sem compresso, codificado

apenas em PCM, formato utilizado nos arquivos WAV e nos CDs;

Controle de Ganho: correo realizada sobre o sinal de udio de entrada,

aplicando-se diferentes ganhos para diferentes bandas de frequncia do

sinal. Este processo efetuado para que as amplitudes do sinal de entrada

29

sejam niveladas antes da converso do sinal do domnio do tempo para o

domnio da frequncia;

MDCT: atravs da tcnica da transformada discreta do cosseno

modificado, o sinal de entrada convertido para o domnio da frequncia;

TNS (Temporal Noise Shaping): esta tcnica modela o rudo presente no

sinal de udio de alguns frames escolhidos, dinamicamente no tempo.

Desta forma, o codificador consegue determinar em quais faixas de

frequncia a relao sinal rudo baixa, e compensar este efeito atravs de

ganho nesta faixa;

M/S Estreo e Intensity Coupling: ambas so tcnicas de compresso para

sinal de udio estreo. O mtodo Middle/Side (M/S Estreo) para diminuir a

quantidade de informao, trabalha com a soma e subtrao dos canais R

e L, formando respectivamente os canais M e S. A tcnica Intensity

Coupling utilizada apenas nas bandas de frequncia mais elevadas,

acima de 6kHz (ISO/IEC, 2004). Este mtodo, para determinadas faixas de

frequncia, prope a representao do sinal estreo atravs da soma da

energia dos canais L e R. As bandas so definidas baseadas na

informao do modelo psicoacstico;

Predio: tcnica que procura prever o sinal de udio a partir de seu

comportamento e dinmica atual;

ScaleFactor: ganho aplicado s componentes de frequncia, de maneira

que define a importncia de cada coeficiente para a qualidade perceptual

do sinal de udio;

Quantizao: etapa que efetivamente determina a quantidade de bits

alocada para cada componente espectral a ser codificada;

Codificador de Entropia: bloco que determina a correlao entre os

coeficientes quantizados e realiza uma codificao para diminuir a

quantidade de dados na transmisso e armazenamento;

Controle da taxa de bits e distoro: lao de iterao que procura

determinar a melhor combinao entre os parmetros do codificador, de

maneira que obtenha uma qualidade perceptual para o udio com a taxa de

bits especificada;

30 Modelo Psicoacstico: modelo matemtico que representa o

comportamento do ouvido humano e permite que o codificador possa

avaliar sua codificao baseada na qualidade perceptual obtida do sinal de

udio;

Formatao do fluxo de dados: nesta etapa o fluxo de dados do udio

codificado multiplexado junto com as informaes auxiliares necessrias

para a decodificao do sinal;

Sinal de Sada: sinal de udio comprimido no formato AAC.

Figura 7 Diagrama do Codificador MPEG-4 AAC

Fonte: (ISO/IEC, 2005) Traduo do prprio autor

Pode-se observar que o codificador utiliza diversas estratgias em conjunto,

para que ao final do processo seja obtido um sinal de udio comprimido, com uma

baixa taxa de bits. Entretanto, se o udio codificado no apresentar uma qualidade

perceptual, o codificador no obteve xito na tarefa que lhe foi designada. Desta

forma, deve existir um compromisso intrnseco estrutura do codificador, de diminuir

a taxa de bits mantendo a qualidade perceptual do udio.

O processo de codificao de udio utilizando o padro MPEG-4 AAC pode

ser categorizado como uma compresso de dados com perdas. Isso significa que

depois de submetido compresso, o sinal jamais ser o mesmo, pois parte da

informao contida no sinal foi descartada. Porm, existem processos de codificao

31

de sinais de udio caracterizados pela compresso sem perdas. Assim o sinal de

udio aps ser codificado, diminui a quantidade necessria de bits para sua

representao. Porm no processo de decodificao, o sinal recuperado de forma

ntegra, ou seja, o sinal decodificado ser exatamente igual ao sinal fonte utilizado

no codificador. Um exemplo de codificador de udio sem perdas que pode ser citado

o FLAC (Free Lossless Audio Codec) (MORIYA e IWAKAMI, 2000).

3.2.1 Modelo Psicoacstico

Para que os codificadores de udio pudessem cada vez mais melhorar seu

desempenho, ou seja, aumentar a compresso de dados mantendo uma qualidade

adequada de udio, foi necessrio integrar cada vez mais tcnicas e estratgias ao

codificador. Uma destas tcnicas foi a insero de um modelo psicoacstico dentro

do codificador (FASTL e ZWICKER, 2007). Este modelo tem o objetivo de trazer ao

codificador, informaes sobre como o ouvido humano responde aos sons,

relacionando as propriedades fsicas dos mesmos (que podem ser medidas

cientificamente de forma objetiva), com as respostas fisiolgicas e psicolgicas por

elas provocadas. Desta forma, a psicoacstica essencialmente o estudo da

percepo do som, e procura traduzir ao algoritmo do codificador, a maneira como o

ouvido humano funciona, permitindo um controle sobre a experincia auditiva das

pessoas.

Conhecendo o comportamento do ouvido humano, o codificador ento

capaz de determinar quais informaes contidas no sinal de udio tem mais

relevncia em proporcionar uma qualidade perceptual sonora para as pessoas. A

partir desta definio, o codificador determina quais informaes do sinal sonoro

podem ser desprezadas e quais devem ser mantidas. Esta anlise dos sons

proposta pela psicoacstica realizada no domnio do tempo e tambm no domnio

da frequncia.

O ouvido capaz de identificar frequncias pertencentes faixa de 20Hz a

20kHz (POHLMAN, 1995). Desta forma, caso o codificador utilizasse apenas esta

informao do modelo psicoacstico, eliminaria do sinal de udio todas as

frequncias fora da banda especificada. De forma anloga, em relao ao nvel ou

32

amplitude do sinal de udio, existe um nvel mnimo de presso sonora, 20Pa, que

necessrio para que os seres humanos consigam diferenci-lo do silncio (FASTL

e ZWICKER, 2007). Quanto ao limite mximo, em acstica se trabalha com o nvel

de presso sonora na faixa do limiar doloroso do ouvido, que aproximadamente

100 Pa. Uma maneira de representar o nvel de presso sonora de um sinal de udio

atravs da relao SPL (Sound Pressure Level), expressa em decibis (dB). Esta

medida calculada sempre em relao ao menor nvel de presso sonora que os

seres humanos so capazes de ouvir e possui um comportamento logartmico,

conforme a equao (12) (PAINTER e SPAN, 2000).

KL = 10 log F K2 10MG(7A) (12)

onde P a presso sonora de um determinado sinal que se deseja obter o valor da

relao SPL.

A equao (12) descreve o nvel de presso sonora em relao ao mnimo

nvel de presso necessrio para um ouvido humano ser capaz de identific-lo,

porm no descreve o comportamento do ouvido. Para isso, necessria uma

expresso que relacione a presso sonora SPL do sinal de udio, com a sua

frequncia. Assim, considerando o ouvido de uma pessoa jovem com uma audio

apurada, a curva do limiar de audio humana pode ser expressa pela equao (13)

(PAINTER e SPAN, 2000):

N() = 3,64 F 1000G(,Q 6,55(,ST U(((V,VWX

+ 10V F 1000GY (13)

Assim, N() representa o limiar absoluto de audio do ouvido humano. Quando aplicado compresso de sinais de udio, N() pode ser interpretado como o mximo nvel de energia permitido de distoro, que o processo de

33

codificao pode introduzir no domnio da frequncia de maneira que mantenha a

qualidade perceptual do udio (PAINTER e SPAN, 2000).

Figura 8 Limiar absoluto de audio do ouvido humano

Fonte: (PAINTER e SPAN, 2000) Traduo do prprio autor

A Figura 8 representa a curva de N(), e desta forma possvel verificar esta relao entre o nvel mnimo de presso sonora necessrio para o ouvido humano

distinguir um sinal sonoro, e a sua frequncia.

3.2.1.1 Mascaramento

Mascaramento um fenmeno que ocorre de um sinal de udio sobre outro.

Ele pode ser identificado no domnio da frequncia e no domnio do tempo (FASTL e

ZWICKER, 2007). Assim, a curva de resposta do ouvido humano (Figura 8)

alterada dinamicamente em funo dos sinais de udio presentes.

Na Figura 9 existem duas componentes representadas no domnio da

frequncia, A e B, com frequncias de 500Hz e 200Hz respectivamente. A amplitude

do sinal B superior amplitude de A, e desta forma, causa uma distoro na curva

34

de sensibilidade do ouvido humano, mascarando o sinal A. Sem a presena do sinal

B, o sinal A seria ouvido normalmente, porm devido ao sinal B, o sinal A

mascarado e desta maneira no possvel ouvi-lo.

Figura 9 Efeito de mascaramento no domnio da frequncia

Fonte: (POHLMAN, 1995) Traduo do prprio autor

Na seo 3.2.3 ser abordado o tema MDCT, um mtodo matemtico

baseado nos conceitos de Fourier que permite representar um sinal no domnio da

frequncia a partir de um sinal no domnio do tempo. Desta forma, a magnitude das

componentes de frequncia que compem o sinal de udio em anlise pode ser

determinada. De posse destas magnitudes das componentes de frequncia

possvel identificar quais frequncias sero mascaradas, e no precisam ser

codificadas ou transmitidas pelo codificador (POHLMAN, 1995). Assim, so

codificadas apenas as componentes de frequncia que esto acima da curva do

limiar absoluto do ouvido humano visto na Figura 8.

De forma semelhante, no domnio do tempo o efeito de mascaramento

tambm verificado. Quando um som com um nvel mais elevado emitido, o

ouvido demora alguns milissegundos (aproximadamente 50ms) para ouvir outro som

novamente (POHLMAN, 1995). Este retardo de tempo, apresentado pelo ouvido,

provoca um mascaramento temporal nos sons que sucedem o sinal principal. Na

Figura 10, este mascaramento demarcado pela regio abaixo da curva. Desta

forma, os sinais no tempo, que acontecerem dentro desta regio, no so

35

codificados e portanto desprezados pelo codificador de udio (PAINTER e SPAN,

2000).

Figura 10 Efeito de mascaramento no domnio do tempo

Fonte: (POHLMAN, 1995) Traduo do prprio autor

Atravs do mascaramento espectral e temporal operando de maneira

conjunta, o modelo psicoacstico que existe dentro da estrutura do codificador,

funciona auxiliando outras etapas e estratgias do mesmo, no sentido de avaliar

quais informaes do sinal de udio devem ser mantidas, e quais devem ser

eliminadas (POHLMAN, 1995). Desta forma, codificadores que so caracterizados

como perceptuais, como o caso do MPEG-4 AAC, devem possuir dentro de sua

estrutura um modelo psicoacstico (KANDADAI, 2007).

3.2.1.2 Bandas Crticas

Utilizar o limiar absoluto de audio (Figura 8) para moldar o espectro de

distores no processo de codificao, representa o primeiro passo para a

codificao perceptual. Novos elementos so incorporados ao modelo psicoacstico

no momento em se estuda como o ouvido humano faz uma anlise espectral

(PAINTER e SPAN, 2000).

Um sinal sonoro ao entrar no canal do ouvido conduzido at o ouvido

interno, onde a membrana basilar detecta a amplitude e frequncia do som. Essas

36

vibraes so convertidas em impulsos eltricos, e conduzidas at o crebro como

informaes de udio, pelas fibras nervosas (POHLMAN, 1995). A membrana basilar

possui aproximadamente 30.000 clulas ciliares, que so responsveis pela

identificao e reconhecimento de frequncia. Porm elas respondem a estmulos

mais fortes em sua regio local, e para cada frequncia, h um ponto da membrana

basilar em que a vibrao mxima. O tamanho desta regio proporcional ao

logaritmo da frequncia do som, e ao seu redor haver uma faixa, de cerca de 1,5

mm, onde a vibrao estar presente e ser atenuada conforme se afasta da regio.

O conceito das bandas crticas ento surge, com a identificao destas regies,

devido haver comportamentos distintos para distintas regies da membrana basilar.

Uma maneira de determinar uma banda crtica apresentada na Figura 11.

So usados dois sinais de udio de diferentes frequncias (S1 e S2) e uma pequena

banda de rudo, inserida exatamente ao centro dos sinais. Os sinais S1 e S2

mascaram o rudo, de maneira que no possvel escut-lo. Porm, os sinais S1 e

S2 tm suas frequncias afastadas pela diferena f, que incrementada

suavemente. Mantido sempre ao centro dos sinais S1 e S2, haver uma distncia f

em que ser possvel ouvir o rudo. Neste ponto, para a frequncia central do rudo,

a distncia f ser igual largura de banda da banda crtica (FASTL e ZWICKER,

2007).

Figura 11 Anlise de banda crtica

Fonte: (PAINTER e SPAN, 2000) Traduo do prprio autor

37 Deve-se observar que, quando dois sinais se situam dentro de uma banda

crtica, o de maior energia poder dominar a percepo e mascarar o outro estmulo

sonoro. Portanto, dependendo dos nveis, dois tons distintos somente sero

distinguidos um do outro, quando estiverem em bandas crticas diferentes (FASTL e

ZWICKER, 2007).

Assim uma banda crtica define uma faixa em torno de uma frequncia

central, a qual est associada a uma regio da membrana basilar. Desta forma, para

cada regio da membrana possvel definir uma banda crtica (POHLMAN, 1995).

A largura da faixa das bandas crticas corresponde a um espaamento

uniforme de 1,5 mm ao longo da membrana basilar, o que corresponde a

aproximadamente 100 Hz para frequncias abaixo de 500 Hz, e de

aproximadamente 20% da frequncia central da banda para frequncias acima de

500Hz. Portanto, a resposta de amplitude em frequncia, para cada banda crtica,

pode ser modelada como um filtro passa-faixas com largura de faixa crescente com

a frequncia (PAINTER e SPAN, 2000).

A distncia de uma banda crtica referenciada na literatura como um Bark.

Assim a faixa de frequncias de udio dividida em 25 bandas crticas e

representada em uma nova escala. A equao (14) define a relao entre frequncia

e a escala Bark:

AZ[ = 13Z[\Z F0,761000G + 3,5Z[\Z F 7500G" (14)

Os valores das frequncias centrais e os limites superiores e inferiores de

cada banda crtica so apresentados na Tabela 1:

38

N Banda Crtica

(Bark)

Frequncia

Central (Hz)

Banda Crtica

(Hz)

Limite Inferior

(Hz)

Limite Superior

(Hz)

0 50 - - 100

1 150 100 100 200

2 250 100 200 300

3 350 100 300 400

4 450 110 400 510

5 570 120 510 630

6 700 140 630 770

7 840 150 770 920

8 1000 160 920 1080

9 1170 190 1080 1270

10 1370 210 1270 1480

11 1600 240 1480 1720

12 1850 280 1720 2000

13 2150 320 2000 2320

14 2500 380 2320 2700

15 2900 450 2700 3150

16 3400 550 3150 3700

17 4000 700 3700 4400

18 4800 900 4400 5300

19 5800 1100 5300 6400

20 7000 1300 6400 7700

21 8500 1800 7700 9500

22 10500 2500 9500 12000

23 13500 3500 12000 15500

24 18775 6550 15500 22050

Tabela 1 Bandas Crticas

Fonte: (FASTL e ZWICKER, 2007) Traduo do prprio autor

3.2.1.3 Entropia Perceptual

Johnston dos Laboratrios Bell, em 1988, uniu os conceitos de mascaramento

psicoacstico com os princpios de quantizao de sinais, e definiu a Entropia

Perceptual (PE) (JOHNSTON, 1988). PE definida como a medida de informao

perceptual relevante contida em um sinal de udio. Expressa em bits por amostra,

PE representa o limite terico de compressibilidade de um sinal de udio (BAUER,

2005). Em outras palavras, a mtrica PE estima o limiar que representa o nvel

mximo de rudo, que pode ser gerado pelo processo de codificao, de forma que

seja inaudvel quando adicionado ao sinal de udio de entrada (JOHNSTON, 1988).

Para calcular PE, inicialmente o sinal de udio dividido no tempo em frames,

e cada um destes convertido para domnio da frequncia. Os limiares de

mascaramento so ento calculados com base nas regras do modelo psicoacstico

39

descrito nas sees anteriores deste captulo. Esta anlise realizada unindo-se o

conceito de bandas crticas e mascaramento espectral/temporal. Finalmente, a PE

calculada como o nmero de bits necessrios para reconstruir o udio sem insero

de rudo perceptvel (KANDADAI, 2007).

Na equao (15) possvel verificar a definio matemtica da Entropia

Perceptual (JOHNSTON, 1988):

K2 = 1] __log"ab2 __c5defgh 6ij j kl

lm + 1noepf

efeqfrj

+log"ab2 __stdefgh 6ij j kl

lm + 1nokllm (uv/Ztw[Z)

(15)

onde:

v = ndice da banda crtica, uj = limite superior da banda v, uyj = limite inferior da banda v, j = nmero de componentes da transformada da banda v, uj = ndice de componentes da transformada da v-sima banda crtica, ij = o inverso da mscara do limite de audio dos seres humanos, st(ej), c5(ej) = parte imaginria e real, respectivamente, dos coeficientes da transformada dav-sima banda crtica, ] = nmero de coeficientes quantizados.

Desta forma, possvel verificar que sinais de udio de baixa Entropia

Perceptual quando codificados, podem ser reduzidos de forma mais eficiente. Porm

os sinais de alta entropia necessitam de uma quantidade maior de informao a ser

transportada, que no deve ser reduzida (POHLMAN, 1995). Na verdade a ideia dos

codificadores perceptuais justamente tentar manter constante a Entropia

Perceptual do sinal de udio codificado.

40

3.2.2 Definies dos Blocos

O codificador de udio MPEG-4 AAC, como outros codificadores perceptuais,

divide o sinal no tempo em fatias denominadas de frames. Assim cada frame

composto por um determinado nmero de amostras, que determinam o seu

tamanho. Esta diviso realizada para que cada frame possa ter um tratamento

individual dentro do processo de codificao. Essa manipulao do sinal em partes

se faz necessria, devido ao sinal de udio variar intensamente no tempo, de

maneira que suas caractersticas possam ser mais bem representadas e analisadas

atravs de uma sequncia de frames (BRANDENBURG, 1999). A Figura 12 ilustra

um sinal de udio dividido em partes iguais no tempo (frames):

Figura 12 - Diviso de um sinal de udio dinmico em frames

Os frames podem ser divididos em blocos. Os blocos do codificador AAC

podem conter 256 ou 2048 amostras, sendo caracterizados como short blocks e long

blocks respectivamente. Para uma frequncia de amostragem de 48 kHz, um short

block, representa o sinal de udio durante um tempo de 5,3 ms, enquanto que um

long block representa 42,7 ms cada bloco.

A deciso do codificador sobre qual bloco utilizar, short ou long, baseada no

modelo psicoacstico, mais precisamente na mtrica Entropia Perceptual (PE).

Assim, para um frame do sinal de udio de baixa entropia, ou seja, um pequeno

valor para PE, o frame codificado utilizando um long block. Neste caso, PE est

indicando que no existem muitas variaes dentro do frame, e assim no h

necessidade de utilizar uma quantidade expressiva de bits em sua representao

(BAUER, 2005). Porm, se outro frame do sinal de udio indicado pelo ndice PE

como de entropia elevada, ento ele dever ser codificado utilizando uma sequncia

41

de 8 short blocks. Assim, devido alta variao do sinal de udio dentro do frame,

para melhor represent-lo, deve-se utilizar blocos menores do sinal a fim de

representar seus detalhes de maneira mais rica. Deve-se observar que o tamanho

do conjunto dos 8 short blocks, equivalem ao tamanho de um long block. Assim, os 8

short blocks possuem a mesma durao de tempo que um long block, porm a

quantidade de bits utilizada para representar os 8 short blocks maior do que a

quantidade de bits utilizada em um long block.

3.2.3 MDCT Modified Discrete Cosine Transform

Depois do sinal de udio ter sido dividido no tempo em frames, estes so

convertidos do domnio do tempo para o domnio da frequncia. Isso se faz

necessrio, pois uma anlise espectral permite diferenciar e interpretar melhor as

caractersticas dinmicas e estticas do sinal de udio (POHLMAN, 1995). O mtodo

matemtico utilizado para isso a MDCT (Modified Discrete Cosine Transform), que

uma variao da DCT (Discrete Cosine Transform) que por sua vez baseia-se nos

conceitos de Fourier (OPPENHEIM e SCHAFER, 1989).

A fim de evitar descontinuidades no sinal de udio, a MDCT baseia-se em

uma utilizao de frames sobrepostos no tempo. Este processo conhecido como a

tcnica de overlapping, e intrnseca a ela esta associada outra tcnica chamada de

janelamento dos frames (NIAMUT, 2006).

O processo de janelamento de sinais no domnio do tempo realizado

multiplicando-se a funo que descreve a janela que se deseja utilizar, pelo frame do

sinal de udio desejado. Existem diversas funes de janelamento, porm no

codificador MPEG-4 AAC so utilizadas, a janela do Seno representada pela

equao (16) e a janela de KBD (Kaiser-Bessel Derived) representada pelas

equaes (17) e (18) (ISO/IEC, 2005).

iz() = sin > 2) F + 12G? , 6Z[Z0 2) 1 (16)

42

i!() = s( h1 T22) 1W"s(() 6Z[Z0 2) 1 (17)

s(() = T2W!

! "

q( (18)

onde:

= determina o molde da janela, valores maiores produzem uma janela mais estreita.

Desta forma, o sinal de udio j, contido no frame v, aps aplicada a funo de janelamento i(), pode ser expresso por j,, conforme a equao (19) (OPPENHEIM e SCHAFER, 1989):

j, = i() j, (19) A Figura 13 apresenta a janela Seno gerada atravs do MATLAB, de maneira

que permite visualizar a forma que o sinal de udio ser submetido depois de

realizada a etapa de janelamento.

Figura 13 Funo de janelamento Seno

O efeito provocado sobre o sinal j, pelo janelamento da funo i(), detalhado na Figura 13, pode ser visualizado na Figura 14. interessante observar,

que o sinal do frame que foi submetido ao janelamento, sofreu atenuaes em suas

43

amplitudes iniciais e finais. Assim, o processo de sobreposio dos frames

adjacentes tem suas emendas suavizadas.

Figura 14 Sinal amostrado e o mesmo multiplicado pela janela Seno

O percentual de sobreposio de frames que padronizado no MPEG-4 AAC

de 50% (ISO/IEC, 2005). Isso significa, que das 2048 amostras contidas nos long

blocks, e das 256 contidas nos short blocks vistos na seo anterior, apenas metade

destes valores so novas amostras. As demais amostras so do bloco adjacente

anterior, com o qual as amostras so sobrepostas.

Durante o processo de codificao, os blocos podem ser alternados

dinamicamente entre long blocks e short blocks, de acordo com a mtrica da

Entropia Perceptual. Para que seja feita uma alterao de long blocks para short

blocks e vice versa, so necessrios outros dois tipos de blocos, denominados de

blocos de transies (ISO/IEC, 2005). O bloco de transio entre um long block e um

short block, o long start block. De maneira anloga, o bloco de transio entre um

short block e um long block, o long stop block (ISO/IEC, 2005). Estes blocos de

transio so necessrios para adequar a sobreposio, j que no possvel

efetuar este procedimento entre um long e short block diretamente (Figura 15).

Depois de efetuado o processo de janelamento, possvel determinar os

coeficientes $! da MDCT do sinal j, utilizando a equao (20): $! = "r( cos >

) F + 12 + )2G F + 12G? (20)

44

onde:

= so as amostras do sinal de udio de um frame devidamente janelado pela funo Seno ou KBD;

= o ndice das amostras no domnio da frequncia; = o ndice das amostras no domnio do tempo; ) = quantidade de amostras em um long block ou 8 short blocks (2048);

Atravs da equao (19), verifica-se que no domnio do tempo so utilizadas

2048 amostras, para gerar 1024 coeficientes no domnio da frequncia. Desta forma,

as 2048 amostras de um frame so utilizadas apenas como entrada para a

transformada MDCT, que entrega ao final do processo 1024 componentes de

frequncia. Deve-se ressaltar que esta quantidade de coeficientes representam,

para a faixa de frequncias de udio, uma resoluo de aproximadamente 20Hz

(WATKINSON, 2001).

Figura 15 Estrutura dos blocos no MPEG-4 AAC

Fonte: (WATKINSON, 2001) Traduo do prprio autor

45

3.2.4 Quantizao

Depois de obtidas as componentes de frequncia de um bloco, utilizando a

MDCT, necessrio realizar o processo de quantizao. Na seo 2.2 este

processo foi abordado, mas no domnio tempo, quantizando cada ponto amostrado

da forma da onda do sinal de udio. Nesta etapa, o objetivo conseguir uma

representao das componentes espectrais da maneira mais compacta possvel, e

ao mesmo tempo introduzir a menor distoro perceptvel ao sinal de udio

(HERRE, 1999). Desta forma, deseja-se uma baixa taxa de bits e ao mesmo tempo

uma qualidade perceptual do sinal sonoro.

3.2.5 ScaleFactors

O processo de definio que determina a quantidade de bits necessrios para

cada componente espectral definida utilizando o modelo psicoacstico. O mtodo

bsico para ajustar o rudo de quantizao no domnio da frequncia modelar o

rudo (Noise Shaping) utilizando fatores de escala (scalefactors) (BAUER, 2005).

Assim, um scalefactor representa um valor de ganho que usado para alterar a

amplitude de um conjunto de coeficientes espectrais adjacentes. Este conjunto

formado por coeficientes denominado de scalefactor bands, ou seja, uma banda

inteira de frequncia que escalonada por um scalefactor. Desta maneira, a efetiva

resoluo do processo de quantizao controlada pelo scalefactor (ISO/IEC,

2005).

A largura das scalefactor bands construda baseada nas bandas crticas do

sistema auditivo humano, visto na seo 3.2.1.2. Por esse motivo a quantidade de

scalefactor bands em um espectro, como tambm a sua largura, depende do

tamanho do bloco analisado pela MDCT e da frequncia de amostragem (ISO/IEC,

2004). Desta forma, cada scalefactor band possui um scalefactor associado, que

representa um determinado ganho, que deve ser aplicado para todos os coeficientes

espectrais contidos na scalefactor band. Na Tabela 2 possvel visualizar a diviso

de um short block em scalefactors bands para uma frequncia de amostragem de

48kHz.

46

ScaleFactors BandDeslocamento das componentes

de frequncia (MDCT)

0 0

1 4

2 8

3 12

4 16

5 20

6 28

7 36

8 44

9 56

10 68

11 80

12 96

13 112

14 128

Tabela 2 Scalefactors bands para um frame short block para frequncia de amostragem de 48kHz


Com o intuito de aumentar a compresso, os scalefactors associados

scalefactors band que possuem somente valores zerados, so ignorados no

processo de codificao e consequentemente no so transmitidos. Cada intervalo

ou passo do scalefactor durante a quantizao representa um salto de 1.5dB, o que

representa 1.41 vezes (ISO/IEC, 2004).

A informao do ganho que o scalefactor aplica aos coeficientes de uma

determinada scalefactor band, tambm deve ser transmitida junto com os dados

codificados para o decodificador. Estes dados so denominados dados auxiliares e

servem para auxiliar o decodificador no processo de remontagem do sinal de udio

(BAUER, 2005). Assim cada scalefactor representa uma informao adicional, que

deve ser inserida ao feixe de dados do codificador AAC (HERRE, 1999). Desta

forma, a taxa total de bits do sinal codificado formada pela soma dos bits

necessrios para representar os coeficientes espectrais quantizados, com os bits

necessrios para representar os dados auxiliares.

Um caso particular para as scalefactor bands quando o frame manipulado

do tipo short block. Como este bloco sempre utilizado em conjunto, num total de 8

47

blocos, as scalefactor bands destes blocos, podem ser agrupadas em sees por

semelhana (ISO/IEC, 2004). A ideia por trs do agrupamento que os frames

adjacentes de um grupo de 8 short blocks, possam compartilhar os mesmos

scalefactors, para todas as scalefactor bands de uma mesma seo. Com esta

operao, se reduz a quantidade de scalefactors que devem ser transmitidos pelo

codificador, e assim, tambm a quantidade de dados auxiliares necessrios. Com a

diminuio das informaes auxiliares, a taxa total de bits reduzida, e assim o

codificador consegue obter uma melhoria em seu desempenho (ISO/IEC, 2004).

Figura 16 Exemplo de agrupamento de 8 short blocks


A Figura 16 apresenta um exemplo de agrupamento para os 8 short blocks.

Identifica-se que os 8 blocos so codificados como 4 grupos ou sees. Na seo 0

existem 3 blocos, na seo 1 apenas um bloco, e nas sees 2 e 3, existem 2 blocos

para cada. Desta forma, os scalefactors dos short blocks 0, 1 e 2, pertencentes ao

grupo zero, so os mesmos para cada uma das scalefactors bands. Isso ocorre

tambm para os demais grupos. interessante observar que existem 27 = 128

possibilidades de agrupamento das sees (BAUER, FELLERS e DAVIDSON,

2006).

Os valores de todos os scalefactors so definidos dentro dos laos de

quantizao. Depois disso, os scalefactors so codificados como dados auxiliares. A

codificao dos scalefactors realizada de maneira diferencial, ou seja, apenas

codificado o valor da diferena entre o scalefactor atual e o seu adjacente anterior.

Por exemplo, se o scalefactor sf(2) possui o valor 17, e o sf(3) o valor 19, ento o

48

valor do scalefactor sf(3) que ser codificado, representar a diferena entre eles, -2

(menos dois) (ISO/IEC, 2005).

3.2.6 Lao Iterativo AAC

Para que a taxa de bits do sinal de sada do codificador, no ultrapasse o

valor estipulado, e no seja inserido qualquer rudo perceptivo, existe um controle

iterativo dentro do codificador (HOFFMANN, 2002). Este processo possui dois loops,

um denominado de iterao do lao externo, responsvel por controlar a distoro

produzida pela quantizao, e o outro de iterao do lao interno que controla a taxa

de bits da quantizao (PAINTER e SPAN, 2000). Na literatura este mtodo tambm

conhecido como Two Loop Search (TLS). Na Figura 17 apresentada a estrutura

de iterao que controla a taxa de bits e a quantidade de distoro do codificador

MPEG-4 AAC.

Figura 17 Lao de Iterao AAC


49 Efetivamente, os laos responsveis pelo controle do codificador so os laos

de interao interno e externo, e so detalhados a seguir:

- Iterao do lao Interno : Esta iterao efetivamente realiza a quantizao

das componentes de frequncia, e chama o processo de codificao do sem rudo

(Noiseless Coding). Aps, o lao conta a quantidade de bits utilizados na codificao

dos coeficientes e dos scalefactors. Se a quantidade de bits contabilizada for

superior ao mximo valor pr-estabelecido de bit rate (taxa de bits), o processo de

quantizao refeito. Este lao se repete at que o valor obtido para a taxa de bits,

no exceda o mximo valor (HOFFMANN, 2002). O fluxograma do lao interno

apresentado na Figura 18.

Figura 18 Iterao do lao interno


- Iterao do lao Externo : A iterao inicia executando o lao interno.

Assim os valores de distoro so calculados para cada scalefactors band (ISO/IEC,

2004). Se algum valor de distoro for superior ao mximo permitido pelo modelo

psicoacstico para alguma scalefactor band, os valores dos scalefactors so

50

ajustados e a iterao do lao interno chamada novamente (ISO/IEC, 2004). Na

Figura 19 detalhado o fluxograma do lao externo.

Figura 19 Iterao do lao externo


Com o objetivo de evitar laos infinitos necessrio definir uma condio de

sada para o lao externo. Isso se faz necessrio, pois enquanto o lao interno reduz

a quantidade de bits no processo de quantizao, para no exceder a taxa mxima,

o lao externo aumenta a quantidade de bits, pois a distoro est elevada. Esta

dinmica entre os laos, se no h um ponto de parada, conduz o algoritmo para

infinitas iteraes (HOFFMANN, 2002). Desta forma, o lao repetido uma

51

determinada quantidade de vezes, limitando a quantidade de ajustes dos

scalefactors. Este critrio de parada aceita alguma quantidade de distoro

adicionada ao sinal codificado, de maneira que este problema no resolvido de

maneira tima (BAUER, 2005).

3.2.7 Codificador de Entropia

Aps os coeficientes espectrais terem sido quantizados, utilizando um

determinado scalefactor, ambos so associados em um nico dado, e passam a

constituir um smbolo (STOLFI, 2008). Assim, este smbolo codificado por um

codificador de entropia antes de ser inserido no fluxo de dados de sada do

codificador. Um codificador de entropia explora a no uniformidade da distribuio

de probabilidade dos dados quantizados (smbolos), para gerar a menor taxa de bits

que representa uma dada sequncia de smbolos (DUTOIT e MARQUS, 2009).

Este processo realizado atribuindo uma quantidade maior de bits para smbolos

menos provveis, e para smbolos mais provveis, uma quantidade reduzida de bits.

A base terica que envolve este estudo denominada de Teoria da Informao

(COVER e THOMAS, 2006).

A entropia mede a incerteza de um determinado evento, ou seja, quanto

maior a entropia, mais incerteza est associada ao evento e, portanto, mais

informaes so necessrias para represent-lo em um processo de transmisso.

Pode ser provado que, para uma fonte de smbolos equiprovveis a entropia

mxima, isto , se todos os smbolos tm a mesma probabilidade de ocorrncia, a

incerteza sobre qual smbolo ser produzido pela fonte mxima (COVER e

THOMAS, 2006).

No codificador de udio MPEG-4 AAC, este processo de anlise da entropia

dos dados realizada utilizando os Cdigos de Huffman (Huffman Code Book -

HCB) (ISO/IEC, 2005). Para gerar os Cdigos de Huffman, necessrio um

conhecimento prvio da funo densidade de probabilidade, da entidade fonte dos

eventos a serem codificados. No caso do codificador de udio, estes eventos so os

dados dos coeficientes espectrais quantizados e dos valores dos scalefactors. O

algoritmo que gera os cdigos utiliza um processo iterativo, unindo os eventos de

52

menor probabilidade a cada iterao, at que todos os eventos estejam conectados

uns aos outros. A Figura 20 apresenta um exemplo de um processo de construo

dos Cdigos de Huffman:

Figura 20 Exemplo de um processo de construo dos Cdigos de Huffman

Fonte: (DUTOIT e MARQUS, 2009) Traduo do prprio autor

Atravs da Figura 20, verifica-se o potencial de um codificador de entropia. O

dado de entrada a1, que tem maior probabilidade de ocorrer, representado apenas

com um bit. J o dado a8 representado por seis bits, devido sua probabilidade de

ocorrncia ser baixa.

Desta forma, o codificador MPEG-4 AAC conta com 12 tabelas dos cdigos

de Huffman para os coeficientes espectrais, e uma tabela com os Cdigos de

Huffman para os valores dos scalefactors (ISO/IEC, 2004). Durante o processo de

codificao, uma das 12 tabelas dos cdigos de Huffman deve ser escolhida para

melhor representar os coeficientes espectrais em cada scalefactor band. Na Tabela

3 e Tabela 4 so apresentados os parmetros dos Cdigos de Huffman para os

scalefactors e para os coeficientes espectrais.

53

Tabela 3 Parmetros dos cdigos de Huffman para scalefactors


Nmero do CdigoSem sinal

(unsigned )

Dimenso do

CdigoLAV para o Cdigo

0 - - 0

1 0 4 1

2 0 4 1

3 1 4 2

4 1 4 2

5 0 2 4

6 0 2 4

7 1 2 7

8 1 2 7

9 1 2 12

10 1 2 12

11 1 2 (16) ESC

Tabela 4 Parmetros dos cdigos de Huffman para o espectro de frequncias


Na Tabela 3 e 4, a 1 coluna determina o nmero do cdigo, ou a quantidade

de cdigos disponveis no codificador para cada tipo de dado (scalefactors ou

componentes espectrais). A dimenso do cdigo representa a quantidade de dados

da fonte que sero utilizados na codificao. No caso de scalefactors, os dados so

utilizados sozinhos, sem qualquer agrupamento. Porm, para os cdigos de

Huffman, os dados so agrupados em duas-duplas e quatro-duplas, de acordo com

nmero do cdigo (ISO/IEC, 2004).

Os valores de scalefactors que podem ser codificados pelo cdigo de

Huffman, so valores compreendidos entre -60 e 60. Para a representao dos

coeficientes espectrais, este limite definido pela 4 coluna da Tabela 4. Assim LAV

(Largest Absolute Value) significa o maior valor absoluto permitido pelo cdigo de

Huffman dos coeficientes espectrais quantizados. O caso especial (ESC Special

Nmero do Cdigo Dimenso do Cdigo Faixa de Valores

0 1 -60 a 60

54

Codebook) para o cdigo 11, que permite codificar coeficientes quantizados com

valores maiores do que 16 (ISO/IEC, 2004). Alguns cdigos de Huffman permitem a

utilizao de valores com sinal e outros sem sinal, este parmetro definido na 2

coluna da Tabela 4. O parmetro para valores sem sinal definido como 1, e para

com sinal definido como 0 (ISO/IEC, 2004).

3.2.8 Predio

Predio uma tcnica usada pelo codificador, que procura prever o sinal de

udio a partir de sua dinmica atual. Isso permite uma melhora considervel em seu

desempenho em relao reduo de redundncia temporal de um sinal de udio

(ISO/IEC, 2004). Assim este processo explora a correlao entre as componentes

espectrais de frames consecutivos. Devido os frames short blocks em sua prpria

definio, j serem definidos por caractersticas no estacionrias de sinal, a

predio somente utilizada em frames long blocks, long start blocks e long end

blocks (ISO/IEC, 2005).

Os valores preditos so calculados para cada scalefactor band de cada frame

long block, a partir dos valores dos coeficientes espectrais atuais. Desta forma,

calculado o erro residual entre as componentes espectrais estimadas e as

componentes reais conforme a equao (21) (ISO/IEC, 2004):

5() = () () (21) onde:

5() = erro residual; () = componente espectral atual; () = componente espectral estimada;

Depois de calculado o erro residual, o codificador avalia se melhor quantizar

e transmitir apenas o erro residual, ou o coeficiente espectral, verificando qual das

duas situaes necessitam de uma quantidade menor de bits em sua representao

(ISO/IEC, 2004). Deve-se observar que ao optar pela transmisso do erro residual, o

codificador deve informar esta situao ao decodificador. Isso implica, em transmitir

55

junto com o erro residual, informaes auxiliares, que incrementam a quantidade de

bits necessrios na taxa total do codificador. Para momentos do sinal de udio

estacionrios, a etapa de predio contribui efetivamente na reduo da quantidade

de bits (WATKINSON, 2001).

3.2.9 Perfis e Nveis do MPEG-4 AAC

O codificador MPEG-4 AAC tem como algumas de suas principais

caractersticas suportar at 48 canais de udio, permitindo os formatos padres:

mono (1 canal), estreo (2 canais) e 5.1 (6 canais). A mxima frequncia de

amostragem possvel em que o codificador pode operar 96kHz.

Figura 21 Perfis do codificador de udio AAC

Fonte: (MELTZER e MOSER, 2006) Traduo do prprio autor

Com o objetivo de permitir uma estrutura modular, com diferentes ferramentas

e estratgias incorporadas ao codificador, foram criados perfis e nveis que

englobam diferentes caractersticas de codificao. Diante de diversas alteraes e

56

Documents

Programa Interdisciplinar de Pós-Graduação em Computação ...biblioteca.asav.org.br/vinculos/000007/000007CF.pdf · MAURÍCIO HARFF Aplicação de Metaheurísticas no Desenvolvimento