Кодирование цифрового аудио в видеосигнал с помощью PCM-адаптера.

Введение

Кодирует цифровое аудио в виде видео.

Адаптер PCM — это устройство, которое кодирует цифровое аудио в видеосигнал для записи на видеомагнитофон. Адаптер также способен декодировать видеосигнал обратно в цифровое аудио для воспроизведения. Эта цифровая аудиосистема использовалась при мастеринге первых компакт-дисков.

Операция

Высококачественное импульсно-кодовое модулирование (PCM) требует значительно большей полосы пропускания, чем обычный аналоговый аудиосигнал. Например, 16-битному PCM-сигналу требуется аналоговая полоса пропускания около 1,5 МГц, по сравнению с примерно 15-20 кГц аналоговой полосы пропускания, необходимой для аналогового аудиосигнала. Стандартный аналоговый аудиомагнитофон не может соответствовать этому требованию. Одним из решений, появившихся в начале 1980-х годов, было использование видеомагнитофона, способного записывать сигналы с большей полосой пропускания. Для этого потребовалось разработать способ преобразования цифрового аудио в видеоформат. Такая система звукозаписи включает в себя два устройства: PCM-адаптер, который преобразует аудио в псевдовидео, и видеомагнитофон. PCM-адаптер выполняет аналого-цифровое преобразование, создавая последовательность двоичных цифр, которая, в свою очередь, кодируется и модулируется в черно-белый видеосигнал, отображаемый в виде вибрирующего шахматного узора, который затем может быть записан как видеосигнал. Большинство видео-PCM-адаптеров записывают аудио с разрядностью 14 или 16 бит на сэмпл, с частотой дискретизации 44,1 кГц для PAL или монохромного NTSC, или 44,056 кГц для цветного NTSC. Некоторые из ранних моделей, такие как Sony PCM 100, записывали 16 бит на сэмпл, но использовали только 14 бит для аудио, а оставшиеся 2 бита использовались для коррекции ошибок в случае выпадения или других аномалий на видеокассете.

Частота отбора проб

Использование видео для PCM-адаптера помогает объяснить выбор частоты дискретизации для компакт-диска, поскольку количество видеолиний, частота кадров и битов на линию в конечном итоге определяют достижимую частоту дискретизации. Таким образом, для компакт-диска была принята частота дискретизации 44,1 кГц, поскольку в то время не существовало другого практического способа хранения цифрового аудио, кроме как с использованием комбинации PCM-адаптера и видеомагнитофона. Наиболее просто, если в каждом поле используется одинаковое количество линий, и, что критически важно, было решено принять частоту дискретизации, которая могла бы использоваться как с PAL, так и с монохромным оборудованием NTSC. Поскольку монохромный NTSC имеет частоту поля 60 Гц, а PAL – 50 Гц, их наименьшее общее кратное составляет 300 Гц, а при 3 отсчетах на строку получается частота дискретизации, кратная 900 Гц. Для монохромного NTSC частота дискретизации составляет 5m × 60 × 3, где 5m – количество активных строк в поле, которое должно быть кратно 5 (остальные используются для синхронизации), а для PAL частота дискретизации составляет 6n × 50 × 3, где 6n – количество активных строк в поле, которое должно быть кратно 6. Частоты дискретизации, удовлетворяющие этим требованиям – не менее 40 кГц (для кодирования звуков до 20 кГц), не более 46,875 кГц (не более 3 отсчетов на строку в PAL) и кратные 900 Гц (для кодирования как в NTSC, так и в PAL) – составляют 40,5, 41,4, 42,3, 43,2, 44,1, 45, 45,9 и 46,8 кГц. Более низкие значения были исключены из-за необходимости в полосе затухания фильтров нижних частот, а более высокие – из-за необходимости в строках для интервала обратного хода; 44,1 кГц была наивысшей пригодной частотой и в конечном итоге была выбрана. Таким образом, частоты дискретизации 44,1 и 44,056 кГц стали результатом необходимости совместимости с 25-кадровым (страны PAL) и 30-кадровым черно-белым (страны NTSC) видеоформатами, использовавшимися в то время для хранения аудио.

Формат видео

Аудиообразцы записываются так, как если бы они располагались на линиях растрового сканирования видео, следующим образом: аналоговые видеостандарты представляют видео с частотой поля 60 Гц (NTSC, Северная Америка – или 60/1.001 Гц ≈ 59.94 Гц для цветного NTSC) или 50 Гц (PAL, Европа), что соответствует частоте кадров 30 кадров в секунду (кадров/с) или 25 кадров/с. Каждое поле составляет половину линий переплетенного изображения (чередование нечетных и четных линий). Каждое из этих полей, в свою очередь, состоит из линий – кадр из 625 линий для PAL и 525 линий для NTSC, хотя некоторые из линий фактически используются для синхронизации сигнала, а поле включает в себя половину видимых линий при одном вертикальном сканировании. Цифровые аудиообразцы затем кодируются вдоль каждой линии, что позволяет повторно использовать существующую схему синхронизации. В результате, полученные изображения выглядят как линии из бинарных чёрно-белых (точнее, серых) точек вдоль каждой линии сканирования. Частота строк (строк в секунду) составляла 15 625 Гц для PAL (625 × 50/2), 15 750 Гц для 60 Гц (монохромного) NTSC (525 × 60/2) и 15 750/1.001 Гц (приблизительно 15 734.26 Гц) для 59.94 (цветного) NTSC. Таким образом, для записи звука на требуемом уровне свыше 40 кГц требовалось кодирование нескольких образцов на линию, при этом 3 образца на линию было достаточно, обеспечивая до 15 625 × 3 = 46 875 для PAL и 15 750 × 3 = 47 250 для NTSC. Желательно минимизировать количество образцов на строку, чтобы каждому образцу было выделено больше места, что упрощало бы достижение большей битовой глубины (16 бит вместо 14 или 12 бит, например) и лучшей устойчивости к ошибкам. На практике сигнал был стерео, что требовало 3 × 2 = 6 образцов на строку. Однако некоторые из этих строк используются для (вертикальной) синхронизации: в частности, строки во время интервала подавления обратного хода (VBI) не могли быть использованы, поэтому максимум 490 строк на кадр (245 строк на поле) можно было использовать в NTSC и около 588 строк на кадр (294 строки на поле) в PAL (стоит отметить, что в видео PAL имеет (до) 575 видимых строк, а NTSC – до 485).

Audio samples are recorded as if they were on the lines of a raster scan of video, as follows: analog video standards represent video at a field rate of 60 Hz (NTSC, North America – or 60/1.001 Hz ≈ 59.94 Hz for color NTSC) or 50 Hz (PAL, Europe), which corresponds to a frame rate of 30 frames per second (frame/s) or 25 frame/s – each field is half the lines of an interlaced image (alternating the odd lines and the even lines). Each of these fields is in turn composed of lines – a frame of 625 lines for PAL and 525 lines for NTSC, though some of the lines are actually for synchronizing the signal, and a field comprises half the visible lines in one vertical scan. Digital audio samples are then encoded along each line, thus allowing reuse of the existing synchronization circuitry – as video, the resulting images look like lines of binary black and white (rather, gray) dots along each scan line. The line frequency (lines per second) was 15,625 Hz for PAL (625 × 50/2), 15,750 Hz for 60 Hz (monochrome) NTSC (525 × 60/2), and 15,750/1.001 Hz (approximately 15,734.26 Hz) for 59.94 (color) NTSC, and thus to record audio at the required over 40 kHz required encoding multiple samples per line, with 3 samples per line being sufficient, yielding up to 15,625 × 3 = 46,875 for PAL and 15,750 × 3 = 47,250 for NTSC. It is desirable to minimize the number of samples per line, so that each sample can have more space devoted to it, thus making it easier to have a higher bit depth (16 bits, rather than 14 or 12 bits, say) and better error tolerance, and in practice, the signal was stereo, requiring 3 × 2 = 6 samples per line. However, some of these lines are devoted to (vertical) synchronization: specifically, the lines during the vertical blanking interval (VBI) could not be used, so a maximum of 490 lines per frame (245 lines per field) could be used in NTSC, and about 588 lines per frame (294 lines per field) on PAL (Note that, in video, PAL has (up to) 575 visible lines while NTSC has up to 485).

Устаревание

В 1987 году, спустя несколько лет после появления адаптера PCM, компания Sony представила новый кассетный формат для цифровой аудиозаписи, получивший название Digital Audio Tape (DAT). Поскольку DAT не требовал отдельного видеомагнитофона, он был значительно более портативным и удобным в использовании, чем система на основе адаптера PCM. DAT-рекордеры имели встроенный механизм, использующий небольшую кассету, уникальную для этого формата. DAT использовал ленту шириной, размещенную в кассете размером 73 мм × 54 мм × 10,5 мм (2,87 дюйма x 2,12 дюйма x 0,41 дюйма). Аудиоданные записывались на ленту методом спиральной развертки, аналогично тому, как видеомагнитофон, подключенный к адаптеру PCM, записывал на видеокассету. По сути, DAT являлся модернизированной, интегрированной и миниатюрной версией системы на основе адаптера PCM. Как и адаптер PCM, DAT мог записывать только два аудиоканала одновременно, но меньшие размеры оборудования и носителей, а также возможность работы с различными частотами дискретизации и повышенная гибкость давали DAT значительные преимущества перед системами на основе адаптера PCM. Примерно в то же время, что и адаптеры PCM, на профессиональном аудиорынке появились цифровые рекордеры, способные к многодорожечной записи, такие как формат ProDigi от Mitsubishi и формат DASH от Sony. Другие системы цифровой аудиозаписи на магнитной ленте решали проблемы, из-за которых обычные аналоговые рекордеры не могли обеспечить необходимую полосу пропускания (частотный диапазон) для цифровой записи, за счет сочетания более высокой скорости ленты, более узких зазоров между головками в сочетании с металлизированными лентами и распределения данных по нескольким параллельным дорожкам. Несмотря на устаревание, энтузиасты по-прежнему могут использовать современные DVD или Blu-ray диски в качестве носителя для видеокодирования цифровых аудиопотоков.