MP2 аудио кодегі: Тарихы мен дамуы

Кіріспе

Жоғалтулы аудионы сығыстыру форматы

MPEG 1 Audio Layer II немесе MPEG 2 Audio Layer II (MP2, кейде Musicam немесе MUSICAM деп қате аталады) – ISO/IEC 11172-3 стандартымен MPEG 1 Audio Layer I және MPEG 1 Audio Layer III (MP3) қатар анықталған жоғалтулы аудионы сығыстыру форматы. MP3 компьютерлік және интернеттік қолданбаларда көп танымал болғанымен, MP2 аудио хабар тарату саласында басым стандарт болып табылады.

МУЗЫКА

MPEG 1 аудио 2-қабатты кодтамасы MUSICAM (Masking pattern adapted Universal Subband Integrated Coding And Multiplexing) аудио кодегінен туындады, ол 1989 жылы CCETT, Philips және Institut für Rundfunktechnik (IRT) тарапынан EUREKA 147 жалқы еуропалық үкіметаралық ғылыми-зерттеу және дамыту бастамасы аясында аудио және деректерді тұрақты, портативті немесе мобильді қабылдағыштарға тарату жүйесін әзірлеу мақсатымен құрылған (1987 жылы құрылған). Ол Германиядағы Deutsche Forschungs und Versuchsanstalt für Luft und Raumfahrt (кейін Deutsches Zentrum für Luft und Raumfahrt, Германия ғарыш орталығы) компаниясының Egon Meier Engelen басқаратын Digital Audio Broadcast (DAB) жобасы ретінде басталды. Еуропалық қауымдастық бұл жобаны, көбінесе EU 147 деп аталатын, 1987 жылдан 1994 жылға дейін EUREKA ғылыми-зерттеу бағдарламасының бөлігі ретінде қаржыландырды. Eureka 147 жүйесі үш негізгі элементтен тұрады: MUSICAM аудио кодегі (маскалық үлгіге бейімделген универсалды субдиапазондық интеграцияланған кодегі және мультиплекстеу), тарату кодегі және мультиплекстеу, COFDM модуляциясы. MUSICAM монофониялық канал үшін 64-192 кбит/с диапазонында биттік жылдамдықпен жоғары аудио сапасына қол жеткізе алатын сирек кодектердің бірі болды. Ол көптеген қолданбалардың (радио хабарларын тарату, телекоммуникация және цифрлық сақтау құралдарында жазу саласындағы) техникалық талаптарын қанағаттандыру үшін жасалған: төмен кешігу, төмен күрделілік, қателерге төзімділік, қысқа кіру бөлімдері және т.б. MP3 форматы мен технологиясының алдын бағдарламасы ретінде MUSICAM перцепциялық кодегі психоакустикалық модельмен басқарылатын бүтін сандық арифметикалық 32 субдиапазондық түрлендіруге негізделген. Ол негізінен Digital Audio Broadcasting және Digital TV үшін жасалған және CCETT (Франция) және IRT (Германия) тарапынан IEEE ICASSP конференциясы кезінде Атлантада жарияланды. Бұл COFDM модуляциясын пайдаланатын хабар тарату жүйесіне енгізілген кодек 1991 жылы NAB көрмесінде (Лас-Вегас) Radio Canada және CRC Canada компанияларымен бірге эфирде және далада көрсетілді. Бұл хабар тарату жүйесінің аудио бөлігінің іске асырылуы екі чиптік кодектеуге негізделген (біреуі субдиапазондық түрлендіру үшін, екіншісі Г. Столл тобы (IRT Германия) жасаған психоакустикалық модель үшін, кейін ISO MPEG аудио стандартында I психоакустикалық модельі деп аталды) және Y. F. Dehery тобы (CCETT, Франция) жасаған бүтін сандық арифметикалық бағдарламалық жасақтаманы қолданатын нақты уақыт декодеріне негізделген. Тиісті декодердің қарапайымдылығы және осы кодекпен 48 кГц үлгі алу жиілігін, 20 бит/үлгі енгізу форматын (1991 жылғы ең жоғары үлгі алу стандарты, AES/EBU кәсіби цифрлық кіріс студия стандартына сәйкес келеді) қолдану арқасында жоғары аудио сапасы MP3 сияқты озық цифрлық музыканы сығыстыру кодегінің негізгі ерекшеліктері ретінде MUSICAM сипаттамаларын қабылдаудың маңызды себептері болды. Eureka 147 Digital Audio Broadcasting (DAB) жүйесінде қолданылатын аудио коделеу алгоритмі 1989-1994 жылдары ISO/Moving Pictures Expert Group (MPEG) аясындағы стандарттау процесіне түсті. MUSICAM аудио кодегі MPEG 1 және MPEG 2 Audio кейбір коделеу схемаларының негізі ретінде пайдаланылды. MPEG 1 Audio-ның көптеген негізгі ерекшеліктері тікелей MUSICAM-нан мұрагерлік алды, соның ішінде сүзгі банкі, уақыт доменін өңдеу, аудио кадрлар өлшемі және т.б. Алайда, жақсартулар енгізілді және нақты MUSICAM алгоритмі MPEG 1 Audio Layer II стандартында қолданылмады. MPEG 1 Audio және MPEG 2 Audio (1992 және 1994 жылдары) аяқталғаннан бері бастапқы MUSICAM алгоритмі енді қолданылмайды. MPEG 1 Audio Layer II туралы айтқанда, MUSICAM атауы жиі қате қолданылады. Бұл шатасуға әкелуі мүмкін, өйткені MUSICAM атауы әлемнің әртүрлі аймақтарындағы әртүрлі компаниялардың тауарлық белгісі болып табылады. (Musicam - бұл Astra Digital Radio-ның кейбір ерекшеліктерінде, сондай-ақ BBC-нің DAB құжаттарында MP2 үшін қолданылатын атау.) Eureka Project 147 1995 жылы DAB үшін еуропалық стандартты, ETS 300 401 жариялауға әкелді, ол қазір бүкіл әлемде қабылданады. DAB стандарты 48 кГц үлгі алу жиілігі үшін MPEG 1 Audio Layer II (ISO/IEC 11172 3) және 24 кГц үлгі алу жиілігі үшін MPEG 2 Audio Layer II (ISO/IEC 13818 3) қолданады.

MPEG 1 Audio Layer 2 encoding was derived from the MUSICAM (Masking pattern adapted Universal Subband Integrated Coding And Multiplexing) audio codec, developed by Centre commun d'études de télévision et télécommunications (CCETT), Philips, and the Institut für Rundfunktechnik (IRT) in 1989 as part of the EUREKA 147 pan European inter governmental research and development initiative for the development of a system for the broadcasting of audio and data to fixed, portable or mobile receivers (established in 1987). It began as the Digital Audio Broadcast (DAB) project managed by Egon Meier Engelen of the Deutsche Forschungs und Versuchsanstalt für Luft und Raumfahrt (later on called Deutsches Zentrum für Luft und Raumfahrt, German Aerospace Center) in Germany. The European Community financed this project, commonly known as EU 147, from 1987 to 1994 as a part of the EUREKA research program. The Eureka 147 System comprised three main elements: MUSICAM Audio Coding (Masking pattern Universal Sub band Integrated Coding And Multiplexing), Transmission Coding & Multiplexing and COFDM Modulation. MUSICAM was one of the few codecs able to achieve high audio quality at bit rates in the range of 64 to 192 kbit/s per monophonic channel. It has been designed to meet the technical requirements of most applications (in the field of broadcasting, telecommunication and recording on digital storage media) — low delay, low complexity, error robustness, short access units, etc. As a predecessor of the MP3 format and technology, the perceptual codec MUSICAM is based on integer arithmetics 32 subbands transform, driven by a psychoacoustic model. It was primarily designed for Digital Audio Broadcasting and digital TV, and disclosed by CCETT(France) and IRT (Germany) in Atlanta during an IEEE ICASSP conference. This codec incorporated into a broadcasting system using COFDM modulation was demonstrated on air and on the field together with Radio Canada and CRC Canada during the NAB show (Las Vegas) in 1991. The implementation of the audio part of this broadcasting system was based on a two chips encoder (one for the subband transform, one for the psychoacoustic model designed by the team of G. Stoll (IRT Germany), later known as Psychoacoustic model I in the ISO MPEG audio standard) and a real time decoder using one Motorola 56001 DSP chip running an integer arithmetics software designed by Y. F. Dehery's team (CCETT, France). The simplicity of the corresponding decoder together with the high audio quality of this codec using for the first time a 48 kHz sampling frequency, a 20 bits/sample input format (the highest available sampling standard in 1991, compatible with the AES/EBU professional digital input studio standard) were the main reasons to later adopt the characteristics of MUSICAM as the basic features for an advanced digital music compression codec such as MP3. The audio coding algorithm used by the Eureka 147 Digital Audio Broadcasting (DAB) system has been subject to the standardization process within the ISO/Moving Pictures Expert Group (MPEG) in 1989–94. MUSICAM audio coding was used as a basis for some coding schemes of MPEG 1 and MPEG 2 Audio. Most key features of MPEG 1 Audio were directly inherited from MUSICAM, including the filter bank, time domain processing, audio frame sizes, etc. However, improvements were made, and the actual MUSICAM algorithm was not used in the final MPEG 1 Audio Layer II standard. Since the finalisation of MPEG 1 Audio and MPEG 2 Audio (in 1992 and 1994), the original MUSICAM algorithm is not used anymore. The name MUSICAM is often mistakenly used when MPEG 1 Audio Layer II is meant. This can lead to some confusion, because the name MUSICAM is trademarked by different companies in different regions of the world. (Musicam is the name used for MP2 in some specifications for Astra Digital Radio as well as in the BBC's DAB documents.) The Eureka Project 147 resulted in the publication of European Standard, ETS 300 401 in 1995, for DAB which now has worldwide acceptance. The DAB standard uses the MPEG 1 Audio Layer II (ISO/IEC 11172 3) for 48 kHz sampling frequency and the MPEG 2 Audio Layer II (ISO/IEC 13818 3) for 24 kHz sampling frequency.

MPEG аудио

1980 жылдардың соңында ISO-ның Moving Picture Experts Group (MPEG) тобы цифрлық аудио және бейне кодтауды стандарттау жөніндегі жұмысты бастады, бұл цифрлық радио және теледидар хабарларын таратуда (кейін DAB, DMB, DVB) және CD ROM-да (кейін Video CD) кең қолданылуы күтілді. MUSICAM аудио кодтау 1989 жылы ISO-ға ұсынылған MPEG 1 Аудио стандартына арналған 14 ұсыныстың бірі болды. MPEG 1 Аудио стандартына қазір I қабат (MP1), II қабат (MP2) және III қабат (MP3) деп аталатын үш аудио "қабаттар" (кодтау техникалары) кірді. MPEG 1 Аудио қабаттары I, II және III үшін барлық алгоритмдер 1991 жылы ISO 11172 комитетінің жобасы ретінде бекітілді және 1992 жылы MPEG 1-дің бөлігі ретінде аяқталды, бұл MPEG-тің алғашқы стандарттар жиынтығы болып табылады, 1993 жылы жарияланған халықаралық стандарт ISO/IEC 11172-3 (ә.к. MPEG 1 Аудио немесе MPEG 1 3-бөлік). 1994 жылы MPEG стандарттарының екінші жиынтығының бөлігі ретінде аяқталды, MPEG 2, ресми түрде халықаралық стандарт ISO/IEC 13818-3 (ә.к. MPEG 2 3-бөлік немесе кері үйлесімді MPEG 2 Аудио немесе MPEG 2 Аудио BC), алғаш рет 1995 жылы жарияланды. MPEG 2 3-бөлігі (ISO/IEC 13818-3) MPEG 1 Аудио қабаттары I, II және III үшін қосымша бит жылдамдықтары мен дискретизация жылдамдықтарын анықтады. Жаңа дискретизация жиілігі MPEG 1 Аудио үшін бастапқыда анықталғаннан жартысына тең. MPEG 2 3-бөлігі сонымен қатар MPEG 1-дің аудиосын екі каналдан астам, 5.1 көп каналды аудио бағдарламаларды кодтауға мүмкіндік беру арқылы жақсартты.

Біт жылдамдығы өзгермелі

MPEG аудиосы өзгермелі бит жылдамдығына (VBR) ие болуы мүмкін, бірақ ол кеңінен қолдау көрсетілмейді. Екінші қабат бит жылдамдығын ауыстыру деп аталатын әдіс қолдана алады. Әрбір кадр әртүрлі бит жылдамдығымен жасалуы мүмкін. ISO/IEC 11172-3:1993 стандартының 2.4.2.3-бөлімінде көрсетілгендей: ең аз кешігу мен күрделілікті қамтамасыз ету мақсатында (MPEG аудио) декодері бірінші немесе екінші қабатта үздіксіз өзгермелі бит жылдамдығын қолдауға міндетті емес.

MP2 форматы қалай жұмыс істейді

MP2 – суббайтақтық аудио кодектелгіш, яғни сығу 32 жиілік домен компонентін құрайтын төмен кешігулі сүзгілер жинағы арқылы уақыт доменінде жүзеге асырылады. MP3 керісінше, гибридтік сүзгілер жинағы бар трансформациялық аудио кодектелгіш, яғни сығу уақыт доменінен гибридтік (қос) трансформациядан кейін жиілік доменінде жүзеге асырылады. MPEG Audio Layer II – MP3 стандарттарының негізгі алгоритмі. MP3 форматының барлық психоакустикалық ерекшеліктері мен кадр форматының құрылымы MP2 негізгі алгоритмі мен форматынан туындайды. MP2 кодектелгіші қосымша "joint stereo" интенсивтілік кодилеуін пайдаланып, арналар арасындағы артық ақпаратты пайдалана алады. MP3 сияқты, MP2 де қабылдауға бағытталған кодилеу форматы, яғни ол адамның есту жүйесі оңай қабылдамайтын ақпаратты жояды. Қай ақпаратты жою керектігін анықтау үшін аудио сигнал адам есту жүйесінің параметрлерін ескеретін психоакустикалық модельге сәйкес талданады. Психоакустиканы зерттеулер көрсеткендей, егер белгілі бір жиілікте күшті сигнал болса, онда сол сигналға жақын жиіліктегі әлсіз сигналдарды адамның есту жүйесі сезе алмайды. Бұл жиілік маскилеуі деп аталады. Перцептивтік аудио кодектер осы жиілік маскилеуінің артықшылықтарын пайдаланады, сезілмейтін жиіліктердегі ақпаратты елемейді, соның арқасында сезілетін жиіліктерді жақсырақ көшіру үшін көбірек деректерді бөлуге болады. MP2 кіріс аудио сигналын 32 суб-диапазонға бөледі және егер суб-диапазондағы аудио сезілмейтін болса, онда ол суб-диапазон жіберілмейді. MP3 керісінше, кіріс аудио сигналын 576 жиілік компонентінен тұратын жиілік доменіне түрлендіреді. Сондықтан MP3, MP2-ге қарағанда жоғары жиілік ажыратымдылығына ие, бұл психоакустикалық модельді MP2-ге қарағанда таңдамалы түрде қолдануға мүмкіндік береді. Осылайша, MP3 біт жылдамдығын азайтуға көбірек мүмкіндік алады. Қосымша энтропиялық кодилеу құралын пайдалану және жоғары жиілік дәлдігі (MP3 қолданатын жиілік суб-диапазондарының саны көп болғандықтан) MP3-тің аудио сапасын алу үшін MP2-ге қарағанда жоғары біт жылдамдығының қажеттілігін түсіндіреді. Керісінше, MP2 төменгі жиілік ажыратымдылығының арқасында уақыт доменінде MP3-ке қарағанда тұрақтырақ мінез-құлық көрсетеді. Бұл кодектеудің уақыттық кешігуін азайтады, бұл аудионы өңдеуді жеңілдетеді, сондай-ақ "беріктігін" және цифрлық жазу процесінде немесе тарату кезінде туындауы мүмкін қателерге төзімділікті арттырады. MP2 суб-диапазонды сүзгілер жинағы өзінің негізгі сүзгісінің ерекше уақыт маскилеуінің әсерінен "өткінші жасыру" мүмкіндігін де қамтамасыз етеді. MPEG 1 Audio отбасының бұл ерекшелігі, перкуссиялық дыбыстар сияқты жылдам энергия өзгерістері бар аудио сигналдары үшін өте жақсы дыбыс сапасын қамтамасыз етеді. MP2 және MP3 форматтары бірдей негізгі суб-диапазонды сүзгілер жинағын пайдаланатындықтан, екеуі де осы ерекшеліктен пайда алады.

MP2 is a sub band audio encoder, which means that compression takes place in the time domain with a low delay filter bank producing 32 frequency domain components. By comparison, MP3 is a transform audio encoder with hybrid filter bank, which means that compression takes place in the frequency domain after a hybrid (double) transformation from the time domain. MPEG Audio Layer II is the core algorithm of the MP3 standards. All psychoacoustical characteristics and frame format structures of the MP3 format are derived from the basic MP2 algorithm and format. The MP2 encoder may exploit inter channel redundancies using optional "joint stereo" intensity encoding. Like MP3, MP2 is a perceptual coding format, which means that it removes information that the human auditory system will not be able to easily perceive. To choose which information to remove, the audio signal is analyzed according to a psychoacoustic model, which takes into account the parameters of the human auditory system. Research into psychoacoustics has shown that if there is a strong signal on a certain frequency, then weaker signals at frequencies close to the strong signal's frequency cannot be perceived by the human auditory system. This is called frequency masking. Perceptual audio codecs take advantage of this frequency masking by ignoring information at frequencies that are deemed to be imperceptible, thus allowing more data to be allocated to the reproduction of perceptible frequencies. MP2 splits the input audio signal into 32 sub bands, and if the audio in a sub band is deemed to be imperceptible then that sub band is not transmitted. MP3, on the other hand, transforms the input audio signal to the frequency domain in 576 frequency components. Therefore, MP3 has a higher frequency resolution than MP2, which allows the psychoacoustic model to be applied more selectively than for MP2. So MP3 has greater scope to reduce the bit rate. The use of an additional entropy coding tool, and higher frequency accuracy (due to the larger number of frequency sub bands used by MP3) explains why MP3 does not need as high a bit rate as MP2 to get an acceptable audio quality. Conversely, MP2 shows a better behavior than MP3 in the time domain, due to its lower frequency resolution. This implies less codec time delay — which can make editing audio simpler — as well as "ruggedness" and resistance to errors which may occur during the digital recording process, or during transmission errors. The MP2 sub band filter bank also provides an inherent "transient concealment" feature, due to the specific temporal masking effect of its mother filter. This unique characteristic of the MPEG 1 Audio family implies a very good sound quality on audio signals with rapid energy changes, such as percussive sounds. Because both the MP2 and MP3 formats use the same basic sub band filter bank, both benefit from this characteristic.

MP2 қолдануы

DAB цифрлық радиосы және DVB цифрлық теледидар стандарттарының бөлігі. II қабат телерадио хабарларын тарату саласында спутниктік, ISDN және IP желілік қосылымдар арқылы тікелей эфирдегі аудионы тарату үшін, сондай-ақ аудионы цифрлық ойнату жүйелерінде сақтау үшін жиі қолданылады. Мысалы, NPR-дің PRSS Content Depot бағдарламалық тарату жүйесі. Content Depot MPEG 1 L2 аудиосын Broadcast Wave File қаптамасында таратады. MPEG2 RIFF басқартпаларымен (wav-те қолданылады) RIFF/WAV стандарттарында сипатталған. Осының нәтижесінде, Windows Media Player тікелей Content Depot файлдарын ойнатады, бірақ қарапайым wav ойнатқыштары көбінесе олай істемейді. Кодтау және декодтау процесі эфирлік ойнату жүйелерінің алғашқы нұсқаларында процессор ресурстарын көп қажет еткендіктен, кәсіби эфирлік ойнату жүйелері әдетте кодекті аппараттық құралдарда іске асырады, мысалы, кодтау және декодтау міндетін жүйелік процессорға емес, үйлесімді дыбыс картасына жүктейді. PAL елдеріндегі барлық DVD-видео ойнатқыштарда стерео MP2 декодерлері бар, бұл MP2-ні осы нарықтарда Dolby Digital-ге басты бәсекелес етеді. NTSC елдеріндегі DVD-видео ойнатқыштар MP2 аудиосын декодтауды міндетті түрде талап етпейді, бірақ көпшілігі оны жасайды. Кейбір DVD жазғыштар аудионы MP2 форматында сақтайды және көптеген тұтынушылар жасаған DVD-лер осы форматты қолданады, бірақ MP2 саундтректері бар коммерциялық DVD-лер сирек кездеседі. MPEG 1 Audio Layer II – Video CD және Super Video CD форматтарында қолданылатын стандартты аудио формат (VCD және SVCD сонымен қатар өзгермелі бит жылдамдығын және MPEG 2-де қосылған MPEG Multichannel-ды қолдайды). MPEG 1 Audio Layer II – MHP стандартындағы приставкалар үшін қолданылатын стандартты аудио формат. MPEG 1 Audio Layer II – HDV видеокамераларында қолданылатын аудио формат. MP2 файлдары кейбір портативті аудио ойнатқыштармен үйлесімді.

Атау және кеңейтулер

MP2 термині және mp2 файлдық кеңейтімі көбінесе MPEG 1 Audio Layer II деректерін білдіреді, бірақ MPEG 2 Audio Layer II-ге де сілтеме жасай алады, бұл негізінен кері үйлесімді кеңейту болып табылады және көп арналы дыбысты, өзгермелі бит жылдамдығымен кодтауды және ISO/IEC 13818-3 стандартында анықталған қосымша дискретизация жылдамдықтарын қолдайды. MP2 аббревиатурасы кейде жаңылыс түрде MPEG 2 бейнесіне немесе MPEG 2 AAC аудиосына қолданылады.