Báo cáo truyền thông đa phương tiện Nén âm thanh dải rộng MP3

TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI
VIỆN CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG

─────── * ───────

BÁO CÁO BÀI TẬP LỚN
HỌC PHẦN: TRUYỀN THÔNG ĐA PHƯƠNG TIỆN IT4681

ĐỀ TÀI: 9
NÉN ÂM THANH DẢI RỘNG MP3
Giảng viên hướng dẫn: PGS.TS Nguyễn Thị Hoàng lan
Nhóm sinh viên thực hiện:
Trần Văn Tùng

20122760

Ngô Hồng Hải

20121638

Nguyễn Tú Chi

20121301

Chu Văn Huy

20121786


Truyền thông đa phương tiện – IT4681

Mục lục

2


Truyền thông đa phương tiện – IT4681

Danh mục hình vẽ

3


Truyền thông đa phương tiện – IT4681

Phần 1. Giới thiệu âm thanh số theo chuẩn MPEG
1.1. Giới thiệu chuẩn MPEG-1
MPEG (The Moving Picture Experts Group Phase) là chuẩn mã hóa dữ liệu đa
phương tiện, bao gồm chuẩn mã hóa hình ảnh, âm thanh, dữ liệu truyền hình, truyền
hình HD…
Tiêu chuẩn MPEG-1 ( ISO/IEC 11172) là định dạng âm thanh, phim ảnh của
nhóm chuyên gia ảnh động là một tiêu chuẩn cho định dạng âm thanh, phim ảnh của tổ
chức ISO/IEC phát triển nhằm hỗ trợ các thiết bị trình chiếu âm thanh, phim ảnh. Mã
hóa ảnh động và âm thanh kết hợp cho phương tiện lưu trữ thông tin số 1,5Mbit/s, bao
gồm 05 phần:
-

ISO/IEC-11172-1- Hệ thống (lưu trữ và đồng bộ\ âm thanh, phim ảnh và các dữ

-

liệu khác)
ISO/IEC-11172-2 - Phim ảnh (chứa nội dung của phim ảnh nén)
ISO/IEC-11172-3 - Âm thanh (chứa nội dụng của âm thanh nén)
ISO/IEC-11172-4 - Kiểm thử khả năng tương thích (kiểm tra việc triển khai tiêu

-

chuẩn)
ISO/IEC-11172-5 - Phần mềm tham chiếu (phần mềm mẫu thực hiện việc mã
hóa và giải mã như thế nào)
MPEG-1 phần Âm thanh (ISO/IEC-11172-3) được chia làm 03 lớp: MPEG-1

phần Âm thanh Lớp I có tỉ lệ bitrate từ 32 – 448 kbit/s (32, 64, 96… 416, 448 kbit/s),
Lớp II có tỉ lệ bitrate từ 32-384 kbit/s (32, 48, 56, 64, 80…256, 320, 384 kbit/s), Lớp
III có tỉ lệ bitrate từ 32-320 kbit/s (32, 40, 48, 56, 64, 80…224, 256, 320 kbit/s). Việc
mã hóa/giải mã sẽ phức tạp hơn trong lớp cao hơn và sử dụng hiệu quả ở tỉ lệ bitrate
thấp hơn.
MPEG-1 phần Âm thanh Lớp I có định dạng tệp tin là (.mp1) và định dạng tệp
tin của Lớp II là (.mp2), chủ yếu được sử dụng trong phát sóng truyền thanh, truyền
hình. MPEG-I phần Âm thanh Lớp III, thường được gọi là MP3, có định dạng tệp tin là
4


Truyền thông đa phương tiện – IT4681
(.mp3), là định dạng âm thanh phổ biến trong ngành công nghiệp âm nhạc, giải trí trên
Internet do kích thước nhỏ gọn và chất lượng âm thanh của tệp tin.mp3

1.2. Các khác niệm
1.2.1.

Âm thanh dải rộng

Dựa trên dải tần của tín hiệu âm thanh, người ta chia thành 2 loại như sau:
•

Âm thanh dải tần cơ sở: được dùng trong tiếng nói thoại, với dải tần số từ

•

300Hz đến 4KHz
Âm thanh tiếng nói dải rộng: được dùng trong trình diễn, hát, âm nhạc, giải
trí…, với dải tần số từ 100Hz đến 20KHz.

Âm thanh đầu vào của quá trình nén file mp3 là âm thanh dải rộng.

1.2.2.
•
•
•
•

Bitrate

Đơn vị kbit/s (kbps)
Được thiết lập bởi người dùng trước khi mã hóa.
Là số lượng dữ liệu được phép chạy cho mỗi giây của âm thanh không nén.
Với chuẩn MP3, có giá trị trong khoảng 8 kbit/s – 320 kbit/s. (mặc định thường

là 128 kbit/s).
• Bitrate càng cao:

 Dung lượng file mp3 càng cao.
 Các mẫu sẽ được đo chính xác hơn.
 Chất lượng âm thanh tốt hơn.

1.2.3.
•
•
•

Tần số lấy mẫu

Số mẫu lấy trong 1 giây, là đại diện cho độ phân giải âm thanh.
Đơn vị Hz
Với chuẩn MP3, có giá trị 8000Hz – 48000Hz. Giá trị thường gặp 44100 Hz (lấy

44100 mẫu trong 1 giây).
• Tần số lấy mẫu càng cao:
 Dung lượng file mp3 càng cao.
 Chất lượng âm thanh tốt hơn.
 Khả năng lưu trữ được nhiều hơn các giá trị.

5


Truyền thông đa phương tiện – IT4681
1.2.4.

Ngưỡng nghe, ngưỡng che

a. Ngưỡng nghe.

Là mức mà dưới nó âm thanh không thể nghe được.
Thay đổi theo tần số âm thanh.
Có tính thích nghi.
b. Ngưỡng che
• Là ngưỡng mà tại đó âm thanh lớn át đi âm thanh bé, ngay trước hoặc sau nó.
•
•
•

1.2.5.

Các kiểu kênh

Có bốn kiểu kênh khác nhau được định nghĩa:
• Kênh đơn
• Kênh đôi ( các kênh được mã hóa đọc lập với nhau)
• Stereo
• Joint Stereo
Chú ý: Kênh đôi được tạo ra bởi hai kênh đơn độc lập với nhau. Mỗi cái sẽ sử
dụng chính xác một nửa bitrate của file. Hầu hết các bộ giải mã đều xuất chúng ra
dưới dạng stereo, nhưng không phải trong tất cả các trường hợp đều thế.
•

6


Truyền thông đa phương tiện – IT4681

Phần 2. Công nghệ nén âm thanh dải rộng MP3

2.1. Tổng quan MP3
Các thuật toán mã hóa MP3 làm việc dựa trên các quy tắc về mức độ cảm nhận
âm thanh của tai người. Tai con người chỉ có khả năng cảm nhận được những âm thanh
nằm trong khoảng tần số từ 16 Hz - 20 KHz, âm thanh nằm ngoài dải tần số đó coi như
vô nghĩa. Hơn nữa tại cùng một thời điểm, khi nghe những âm thanh với âm lượng lớn,
người dùng sẽ khó có thể cảm nhận được những âm thanh có âm lượng rất nhỏ. Bằng
cách sử dụng các thuật toán riêng giúp MP3 có thể phân biệt được các đoạn âm thanh
có tần số quá cao hay quá thấp, và loại bỏ những tạp âm không cần thiết.
Nói một cách đơn giản hơn đó là chuẩn MP3 có thể nén các tập tin bằng cách
loại bỏ đi những âm thanh dư thừa bao gồm cả tiếng ồn, âm tầng quá cao hoặc quá thấp
và âm nhiễu của sóng điện do dụng cụ thu âm gây ra. Đây cũng là những âm thanh
chiếm khá nhiều dung lượng của bản nhạc.
Ngoài ra còn có 1 thông số ảnh hưởng đến khả năng nén dữ liệu là bit rate của
file Mp3, nó có giá trị 128Kbps, 192Kbps, 256Kbps và 320Kbps nhỏ hơn rất nhiều so
với 1411Kbps của âm thanh chuẩn, việc giảm bit rate này không ảnh hưởng nhiều đến
chất lượng âm thanh do MP3 vẫn có một số thuật toán để bù đắp lại những chỗ mất
mát mà nó đã lược bỏ bằng cách tạo ra những âm thanh méo mó so với âm gốc, mà vẫn
không làm giảm chất lượng cảm nhận của tai người khi so sánh với các tập tin chưa
qua nén MP3.

2.2. Cấu trúc file MP3
File MP3 được chia thành nhiều khối dữ liệu nhỏ, mỗi khối chứa dữ liệu âm
thanh của 0.026s, kích thước mỗi khối dựa trên giá trị bit rate của file.
[TAG]

Block1 Block2 Block3 …

…

Block

n

[TAG]
7


Truyền thông đa phương tiện – IT4681
Mỗi khối có 4 bytes đầu quy định các thông số dữ liệu
Block n
Header
(4bytes)

Data

Bits 0-10: đồng bộ hóa các khối, đều được quy định là 1, giúp máy tính phát hiện ra bit
bắt đầu của mỗi khối
Bits 11-12: ID phiên bản MPEG (file MP3 là ‘11’ )
Bits 13-14: Layer (MP3 là ‘01’)
Bits 15: mã kiểm thử CRC (file MP3 không có nên bit này có giá trị ‘1’)
Bits 16-19: Giá trị bit rate của file MP3
00
00
FR
EE

00
01
32

00

10
40

00
11
48

01
00
56

01
01
64

01
10
80

01
11
96

10
00
11
2

10
01

12
8

10
10
16
0

10
11
19
2

11
00
22
4

11
01
25
6

11
10
32
0

11
11

ba
d

Bits 20-21: Tần số lấy mẫu (file MP3 có giá trị ‘00’, tần số lấy mẫu 44100 nghĩa là mỗi
1/44100 giây của file audio được giải mã ra tín hiệu âm thanh)
Bits 22: Đệm bù dữ liệu (có/không)
Bits 23: Không rõ
Bits 24-25: Kênh (MP3 thường dùng kênh ‘joint stereo’ giá trị là ’01’)
Bits 26-27: Chế độ mở rộng (hiển thị chế độ Joint stereo đang dùng)
Bits 28: Bản quyền (có/không)
Bits 29: Bản gốc (có/không)
Bits 30-31: Không rõ
Ở trước và sau các khối dữ liệu audio trên có 2 thẻ quy định thông tin về tác giả, năm
sx, tên ….

8


Truyền thông đa phương tiện – IT4681
2.3. Công nghệ nén âm thanh MP3

Hình 1 Sơ đồ nén âm thanh dải rộng MP3

2.3.1.

Bộ lọc (Filterbank)

Bộ lọc được sử dụng trong MP3 là một bộ lọc lai, trong đó bao gồm một bộ lọc
nhiều pha và một biến đổi cosin rời rạc hiệu chỉnh (Modified Discrete Cosine
Transform – MDCT, một thuật toán nén ảnh). Hình thức lai này đã được chọn vì có thể

cho các kích thước khung hình tương tự như ở Lớp 1 và Lớp 2.

1

Mô hình thụ cảm (Perceptual Model)

Các mô hình thụ cảm chủ yếu là xác định chất lượng của một quá trình mã hóa
nhất định. Nó sử dụng một bộ lọc riêng biệt hoặc kết hợp tính toán các giá trị năng
lượng (energy values) (tạo ra các tính toán che - masking calculations) và các bộ lọc
chính. Đầu ra của mô hình thụ cảm bao gồm các giá trị cho ngưỡng che hoặc nhiễu cho
phép đối với mỗi phân vùng mã hóa. Nếu nhiễu rút gọn có thể giữ dưới ngưỡng che thì
kết quả nén không thể phân biệt các tín hiệu ban đầu.

1

Âm thanh nổi kết hợp (Joint Stereo)

Mã hóa âm thanh nổi tận dụng ưu điểm của cả hai kênh của một cặp kênh âm
thanh nổi chứa các thông tin tương tự phía xa. Những bất cập và dư thừa âm thanh nổi
được khai thác để giảm tổng số tốc độ bít. Âm thanh nổi kết hợp được sử dụng trong
9


Truyền thông đa phương tiện – IT4681
trường hợp chỉ có tốc độ bít thấp có sẵn nhưng các tín hiệu âm thanh nổi được thỏa
mãn.

1

Rút gọn và mã hóa (Quantization and Coding)

Một hệ thống hai vòng lặp lồng nhau là giải pháp phổ biến để làm tròn và mã
hóa trong một bộ mã hóa MP3. Quá trình làm tròn được thực hiện thông qua một hệ số
nén dạng lũy thừa. Bằng cách này, các giá trị lớn hơn sẽ được tự động mã hóa với độ
chính xác kém hơn và một vài dạng nhiễu (noise shaping) đã được tạo trong quá trình
rút gọn. Các giá trị rút gọn được mã hóa bởi mã hóa Huffman và được gọi là mã hóa
không nhiễu âm (noiseless coding) vì nhiễu âm không được thêm vào tín hiệu âm
thanh.
Quá trình để tìm lợi ích tối ưu và hệ số cho một khối nhất định, tốc độ bít và đầu
ra từ mô hình thụ cảm thường được thực hiện bởi hai vòng lặp lồng nhau theo phương
pháp phân tích tổng hợp như sau:
•

Vòng lặp bên trong (vòng lặp tốc độ)
Các bảng mã hóa Huffman gán những mã ngắn hơn (thường xuyên hơn) cho

những giá trị hệ số nhỏ hơn. Nếu số lượng các bít kết quả từ hoạt động mã hóa vượt
quá số lượng bít có sẵn để mã hóa một khối dữ liệu nhất định, việc này có thể thay đổi
bằng cách điều chỉnh lợi ích tổng thể cho phép kích thước bước nhảy rút gọn lớn hơn,
dẫn đến giá trị rút gọn nhỏ hơn. Hoạt động này được lặp đi lặp lại với các kích thước
bước nhảy rút gọn khác nhau cho đến khi bít yêu cầu cho mã hóa Huffman là đủ nhỏ.
Vòng lặp được gọi là vòng lặp tốc độ vì nó thay đổi tốc độ bít của bộ mã hóa cho đến
khi nó thuộc vào phạm vi cho phép.
•

Vòng lặp bên ngoài (kiểm soát nhiễu/biến dạng vòng lặp)
Để tạo nhiễu rút gọn cho ngưỡng che, các hệ số được áp dụng cho mỗi băng tần

hệ số. Các hệ thống bắt đầu với một hệ số mặc định là 1,0 cho mỗi băng tần. Nếu phát
hiện nhiễu rút gọn trong một băng tần cho trước vượt quá ngưỡng che (nhiễu cho phép)

được cung cấp bởi mô hình thụ cảm, hệ số cho băng tần này được điều chỉnh để giảm
nhiễu rút gọn. Để thu được một nhiễu rút gọn nhỏ hơn, đòi hỏi số các bước nhảy rút
10


Truyền thông đa phương tiện – IT4681
gọn lớn hơn và tốc độ bít cao hơn, tốc độ điều chỉnh vòng lặp phải được lặp đi lặp lại
mỗi khi các hệ số mới được sử dụng. Nói cách khác, tốc độ vòng lặp được lồng trong
vòng lặp kiểm soát nhiễu. Vòng lặp bên ngoài (kiểm soát nhiễu) được thực hiện cho
đến khi nhiễu thực tế (tính từ các giá trị phổ ban đầu trừ đi các giá trị phổ rút gọn khác
nhau) dưới ngưỡng che cho mỗi băng tần hệ số (tức là băng tần quan trọng).

2.4. Các kỹ thuật liên quan
2

Mô hình thụ cảm (Mô hình âm thanh tri giác)

Là một kỹ thuật dựa vào cảm giác nghe của tai người, chỉ ra những tín hiệu có thể xóa
bỏ mà không ảnh hưởng chất lượng âm thanh
Bao gồm 3 kỹ thuật chính là ngưỡng nghe, mặt nạ tần số và mặt nạ thời gian
•

Ngưỡng nghe theo tần số

Độ nhạy của tai thay đổi theo mỗi thành phần tần số khác nhau nên ta lượng tử hóa tín
hiệu audio với số bit khác nhau để giảm kích thước dữ liệu

Hình 2 ngưỡng nghe theo tần số

•

Mặt nạ tần số

Hiệu ứng này xảy ra khi nghe hai âm thanh mạnh yếu khác nhau với tần số khác nhau
xảy ra cùng lúc, âm mạnh hơn có thể“che khuất” khiến tai không nghe được âm yếu
hơn.
11


Truyền thông đa phương tiện – IT4681

Hình 3 Mặt nạ tần số

•

Mặt nạ thời gian

Là hiệu ứng xảy ra nếu âm yếu hơn được phát ra ngay trước hoặc ngay sau âm mạnh
hơn thì cũng bị “che khuất”.

Hình 4 Mặt nạ thời gian

12


Truyền thông đa phương tiện – IT4681
Nén Huffman
Huffman là một thuật toán nén không tổn hao, nó dựa trên bảng tần suất xuất hiện
các kí tự cần mã hóa để xây dựng một bộ mã nhị phân cho các kí tự đó sao cho dung
lượng (số bít) sau khi mã hóa là nhỏ nhất.

Thuật toán được đề xuất bởi David A. Huffman khi ông còn là sinh viên Ph.D. tại
MIT, và công bố năm 1952.
Dữ liệu đầu vào:
Tập n ký tự
Tập các trọng số (tần số xuất hiện)
Dữ liệu đầu ra:
Bộ mã là tập hợp các từ mã (codeword) nhị phân với ci là từ mã của ký tự ai 1 < i
< n.
Yêu cầu
Với là trọng số của bộ mã C. Điểu kiện là với mọi bộ mã .
Giải thuật tham lam
Trong giải thuật tham lam giải bài toán xây dựng cây mã tiền tố tối ưu của
Huffman, ở mỗi bước ta chọn hai chữ cái có tần số thấp nhất để mã hóa bằng từ mã dài
nhất. Giả sử có tập A gồm n ký hiệu và hàm trọng số tương ứng
Khởi tạo: Tạo một rừng gồm n cây, mỗi cây chỉ có một nút gốc, mỗi nút gốc
tương ứng với một kí tự và có trọng số là tần số/tần suát của kí tự đó W(i).
Lăp:
Mỗi bước sau thực hiện cho đến khi rừng chỉ còn một cây:
Chọn hai cây có trọng số ở gốc nhỏ nhất hợp thành một cây bằng cách thêm một
gốc mới nối với hai gốc đã chọn. Trọng số của gốc mới bằng tổng trọng số của hai gốc
tạo thành nó.
Như vậy ở mỗi bước số cây bớt đi một. Khi rừng chỉ còn một cây thì cây đó biểu
diễn mã tiền tố tối ưu với các ký tự đặt ở các lá tương ứng.

13


Truyền thông đa phương tiện – IT4681

Phần 3. Phân tích, so sánh với phương pháp nén

tiếng nói thoại chuẩn ITU
3.1. Phương pháp mã âm thanh theo các chuẩn ITU
3.1.1.

Các phương pháp mã hóa tiếng nói

Mã hóa tiếng nói gồm 3 phương pháp chính:
a. Phương pháp mã hóa tín hiệu dạng sóng (waveform)

Bao gồm 2 loại chính:
 Mã hóa trong miền thời gian:

Bao gồm các chuẩn từ G.710 đến G.719
• Mã hóa điều xung mã Pulse Code Modulation – PCM – lương tử hóa đã được
chuẩn hóa với chuẩn G.711: mã hóa trực tiếp tín hiệu lấy mẫu tiếng nói, âm
thanh dùng các luật lượng tử hóa µ-law, a-law
• Mã hóa dự đoán – điều xung mã sai phân Differential Pulse Code Modulation DPCM.
 Mã hóa dự đoán thích nghi – điều xung mã sai phân thích nghi
Adaptive Differential Pulse Code Modulation - ADPCM với
chuẩn G.726.
 Mã hóa trong miền tần số

•

Mã hóa các dải tần con Subband Coding – SBC với chuẩn G.722

•

Mã hóa dựa trên phép biến đổi Transform Coding.

b. Phương pháp mã hóa nguồn

•

Nguyên lý mã hóa nguồn dựa trên bộ mô phỏng hệ thống phát âm con người
Vocoder, tạo ra âm thanh tiếng nói từ tập các tham số. Vocoder thanh và nguồn
nhiễu trắng tạo ra âm vô thanh. Từ đó, nó mô phỏng hệ thống phát âm bằng hệ
thống lọc dự đoán tuyến tính PLC được kích thích bằng hai trạng thái nguồn.

14


Truyền thông đa phương tiện – IT4681
•

Ưu điểm của phương pháp này là đạt được tốc độ dòng bit thấp, phân tích được các
tham số nguồn kích thích, có thể sửa đổi nội dung tiếng nói theo ý muốn. Tuy nhiên,
nhược điểm của nó là tiếng nói nhận được là tiếng nói tổng hợp không phải là giọng
nói con người.
c. Phương pháp mã hóa lai

•

Phổ biến là mã hóa dựa trên kết hợp phân tích bằng cách tổng hợp Analysis-bySynthesis AbS. Phương pháp này sử dụng mô hình phát âm của người của mã hóa
nguồn, nhưng mặt khác, tín hiệu kích thích đạt được từ bộ phân tích tín hiệu tiếng
nói của chính người nói và được chọn sao cho dạng sóng tiếng nói tái tạo giống với
dạng sóng tiếng nói ban đầu nhất. Thuật toán tìm ra sóng kích thích này quyết định
độ phức tạp của bộ mã hóa.

•

Các loại mã hóa lai khác nhau theo kỹ thuật phân tích tạo ra tín hiệu kích thích
CELP, RPE-LTP, MPE…

 Đánh giá chung về 3 phương pháp: Mã hóa dạng sóng nói chung không cho phép

đạt chất lượng tiếng nói tốt ở tốc độ bit dưới 16Kbps. Mã hóa Vocoder có thể đạt
được tốc độ bit rất thấp nhưng nhược điểm là rất khó nhận diện được người nói. Còn
mã hóa lai thường được dùng theo chuẩn GSM.

3.1.2.

Kiến trúc của hệ thống mã hóa âm thanh thoại

Hình 1 mô tả sơ đồ khối của hệ thống mã hóa âm thoại. Tín hiệu âm thoại tương
tự liên tục có từ nguồn cho trước – Speech source sẽ được số hóa bởi bộ một bộ lọc
chuẩn - Filter, bộ lấy mẫu (bộ chuyển đổi thời gian rời rạc, lượng tử hóa - Sampler),
và bộ chuyển tín hiệu tương tự sang tín hiệu số - A/D converter. Tín hiệu ngõ ra là
tín hiệu âm thoại thời gian rời rạc với các giá trị lấy mẫu cũng rời rạc hóa. Tín hiệu
này được xem là tín hiệu âm thoại số.

15


Truyền thông đa phương tiện – IT4681

Hình 5 Sơ đồ khối của hệ thống xử lý tín hiệu thoại

Thông thường, hầu hết các hệ thống mã hóa âm thoại được thiết kế để hỗ trợ các
ứng dụng viễn thông, với tần số giới hạn giữa 300 và 3400Hz. Tần số lấy mẫu tối thiểu

phải lớn hơn hai lần băng thông của tín hiệu liên tục thời gian. Giá trị 8kHz thường
được lựa chọn là tần số lấy mẫu chuẩn cho tín hiệu thoại. Bộ mã hóa kênh – Channel
encoder thực hiện việc mã hóa hiệu chỉnh lỗi của chuỗi bit truyền trước khi tín hiệu
được truyền trên kênh truyền - Channel, nơi mà tín hiệu sẽ bị thay đổi do nhiễu cũng
như giao thoa tín hiệu… Bộ giải mã Channel decoder thực hiện việc hiệu chỉnh lỗi để
có được tín hiệu đã mã hóa, sau đó tín hiệu được đưa vào bộ giải mã Source decoder
để có được tín hiệu âm thoại số có cùng tốc độ với tín hiệu ban đầu. Lúc này, tín hiệu
số sẽ được chuyển sang dạng tương tự thời gian liên tục nhờ D/A converter. Như vậy,
bộ phận thực hiện việc xử lý tín hiệu thoại chủ yếu của mô hình hệ thống xử lý thoại là
bộ mã hóa và giải mã.
Liên hệ với các mô hình thực tế, các khối Filter, Sampler và A/D converter nằm
trên các thiết bị thu âm thanh như micro, có nhiệm vụ thu và số hóa âm thanh chuyển
cho bộ mã hóa – giải mã CODEC. Tương tự, ở nên người nhận, các khối D/A
Converter và Filter là một phần của hệ thống phát âm như tai nghe, loa. Bộ CODEC
chỉ có thể làm việc với tín hiệu số. Bộ CODEC ở bên gửi có nhiệm vụ mã hóa, làm
giảm dung lượng của âm thanh, sau đó đóng gói vào các chunk để đặt vào các gói dữ
liệu chuyển đi trên mạng IP. CODEC ở bên người nhận sẽ nhận, giải mã các gói tin,
16


Truyền thông đa phương tiện – IT4681
lấy ra các mẫu, tiếp tục đưa vào khối Source decoder để có được âm thanh số, chuyển
cho bộ phát âm. Việc điều phối và quản lý các kênh được thực hiện thông qua một hệ
thống máy chủ chuyển mạch. Hệ thống máy chủ có thể là một phần mềm cài trên máy
chủ như Asterisk.

Thông thường, khi xử lý các bài toán về truyền thoại, mô hình được đơn giản
hóa như Hình 6.

Hình 6 Sơ đồ khối đơn giản hóa của bộ mã hóa âm thoại

17


Truyền thông đa phương tiện – IT4681

Phần 4. Thử nghiệm ứng dụng MP3
4.1. Các tiêu chí Đánh giá chất lượng âm thanh
Tính chân thật của âm thanh: có nghĩa là khi người nghe cảm nhận thì âm
thanh phát ra từ loa của thiết bị có chân thật không hay là bị méo.
Âm sắc: là sự hòa âm, sự tương tác của những âm chính. Âm sắc được biết là
phẩm chất của một nốt nhạc hoặc âm thanh. Âm sắc giúp phân biệt những loại nhạc cụ
khác nhau.
Tỉ số nén là một thông số nói lên sự chênh lệnh về dung lượng và tốc độ dữ liệu
của một file nhạc mp3. Tỉ số nén càng cao thì chất lượng âm thanh càng tốt. còn tỉ số
nén thấp thì sau khi nén thì dung lượng của file nhạc đã bị cắt giảm rất nhiều nên chất
lượng âm thanh kém.
Biến điệu: là sự thay đổi pha và tần số của âm thanh.
Cao độ: là một đặc tính của tri giác cho phép chúng ta có thể sắp xếp những âm
thanh khác nhau thành một chuỗi những âm có mối tương quan với nhau về tần số dao
động, tức là độ “cao”, “thấp” của âm thanh phụ thuộc vào tần số giao động. Tần số dao
động càng lớn thì âm càng cao và ngược lại.

4.2. Công cụ và quy trình thực hiện.
4.2.1.

Công cụ

Gồm 3 công cụ
•

spek-0.8.2: dùng để phân tích phổ tần của âm thanh, theo dõi được các thông số
gồm bitrate, tần số tố đa, cường độ âm thanh…
Download: />
•

mp3-quality-modifier_253 : dùng để convert, thay đổi các thông số bitrate, tần
số lấy mẫu, loại kênh, mục đích để cung cấp đầu vào cho công cụ spek.
Download: />
18


Truyền thông đa phương tiện – IT4681
•

window media player : là phần mềm nghe nhạc tích hợp sẵn trên window, mục
đích để nghe trực tiếp âm thanh, cho Đánh giá chủ quan từ tai người nghe.

4.2.2.

Quy trình thực hiện

Bước 1. Download một bản nhạc chất lượng losslesss trên mạng.
Bước 2. Sử dụng công cụ mp3-quality-modifier để thay đổi các thông số, sau đó export
ra bản nhạc mới.
Bước 3. Sử dụng công cụ spek để phân tích Đánh giá phổ tần của âm thanh.
Bước 4. Sử dụng trình nghe nhạc window-media-player, để Đánh giá chủ quan âm
thanh từ loa tới tai người nghe.

4.3. Thực nghiệm Đánh giá chất lượng âm thanh

•

Âm thanh lossless và âm thanh MP3 thông dụng

Hình 7 Âm thanh lossless và âm thanh MP3 thông dụng

Đánh giá: Với file MP3 thông thường thì số mẫu trên một giây ít hơn, và thành
phần tần số cao thu được cũng ít hơn so với Losslesss.

19


Truyền thông đa phương tiện – IT4681
•

Cùng tần số lấy mẫu nhưng bitrate khác nhau

Hình 8 Cùng tần số lấy mẫu nhưng bitrate khác nhau

Đánh giá: Khi bitrate giảm, mà tần số lấy mẫu không đổi thì thành phần tần số
cao thu được ít hơn. Tỉ số nén và dung lượng file giảm mạnh.
•

Cùng bitrate nhưng tần số lấy mẫu khác nhau

Hình 9 Cùng bitrate nhưng tần số lấy mẫu khác nhau

Đánh giá: Khi bitrate không đổi, mà tần số lấy mẫu giảm thì thành phần tần số
cao giảm mạnh, tuy nhiên tỉ số nén và dung lượng file giảm không đáng kể.

20


Truyền thông đa phương tiện – IT4681
•

MP3 thông dụng (128 KBps -44100Hz) với âm thanh tiếng nói thoại chuẩn
G711

Hình 10 MP3 thông dụng (128 KBps -44100Hz) với âm thanh tiếng nói thoại chuẩn G711

•

Tỷ số nén

Hình 11 Tỷ số nén của file nhạc lossless thực nghiệm, sau khi nén với các thông số khác nhau.

Đánh giá: MP3 có thể nén dữ liệu CD âm thanh chất lượng cao theo hệ số 12 trong khi
vẫn có chất lượng âm thanh cao.

4.4. So sánh mã âm thanh MP3 với mã hóa âm thanh theo chuẩn
ITU
Chuẩn MP3
Bitrate: 8kbps – 320kbps
Tần số lấy mẫu: 16kHz-48kHz
Dải tần: 100Hz-20kHz

Chuẩn

Các chuẩn ITU

Tốc độ bit (Kbit/s)

G.711
64
G.722
48/56/64
G.723.1
6.3/5.3
G726
32
Dải tần: 300Hz ~4kHz

21


Truyền thông đa phương tiện – IT4681

Phần 5. Ảnh hưởng codec đến chất lượng âm thanh
5.1. Giải thích sơ đồ xử lý nén âm thanh số MP3

Hình 12 Giải thích sơ đồ xử lý nén âm thanh số MP3

5.1.1.

Giàn lọc (Filterbank) - MDCT

Dữ liệu âm thanh đầu vào là tín hiệu số định dạng PCM(không nén). Phân tích
tín hiệu vào thành 32 băng con, đầu ra của các bộ lọc băng con được nối với bộ biến
đổi Cosin rời rạc MDCT. Trước MDCT,s mỗi tín hiệu subband phải được qua hàm cửa
sổ để loại bỏ phần nhiễu gây ra bởi các cạnh của đoạn tín hiệu thời gian. MDCT chia

tiếp các đầu ra của giàn lọc thành 576 băng con nhằm đạt độ phân giải tốt hơn trong
miền tần số. Việc phân chia băng con là nhằm lợi dụng đặc điểm độ nhạy của tai thay
đổi đối với các thành phần tần số khác nhau.

5.1.2 FFT-Mô hình cảm quan(Psychoacoustic model)
Khâu này quyết định chất lượng của tín hiệu MP3. Bộ mã hóa MP3 tiến hành
ánh xạ từ miền thời gian sang miền tần số bằng phép biến đổi Fourier nhanh FFT
(Fast Fourier Trasform) 1024 điểm, để giúp phân giải tần số tốt hơn nhằm ước lượng
ngưỡng mặt nạ chính xác hơn.
22


Truyền thông đa phương tiện – IT4681
Khối này truy nhập dữ liệu vào từ đầu ra của FFT. Khi các mẫu ở trong miền tần
số, chúng có thể áp dụng cho một tập các thuật toán. Các thuật toán này sẽ mô hình
cảm giác âm thanh con người và từ đó có thể cung cấp thông tin về phần tín hiệu âm
thanh nào nghe được và phần nào không. Thông tin này rất hữu ích để quyết định loại
cửa sổ nào cho MDCT áp dụng và cũng là để cung cấp thông tin làm thế nào để lượng
tử hóa các dòng tần số cho khối Nonuniform Quantization.

5.1.3 Lượng tử hóa và mã hóa (Quantization and Coding)
Thực hiện lượng tử hóa và mã hóa các thành phần phổ với yêu cầu nhiễu lượng
tử hóa thấp hơn ngưỡng mặt nạ. Các giá trị lượng tử hóa được mã hóa Huffman với
bảng mã thay đổi đối với những dải tần số khác nhau, để thích nghi tốt hơn với tín
hiệu. Vì mã Huffman là mã có độ dài từ mã thay đổi và cần giữ cho nhiễu thấp hơn
ngưỡng mặt nạ nên phải tính độ lợi và các hệ số tỷ lệ trước khi lượng tử hóa. Để tìm
được độ lợi và các hệ số tỷ lệ tối ưu đối với một khối cho trước, MP3 dùng hai vòng
lặp lồng vào nhau.
a. Vòng lặp trong hay vòng lặp điều khiển tốc độ (rate control loop):

Hiệu chỉnh độ lợi để tăng dần kích thước bước lượng tử hóa, giảm dần số mức
lượng tử hóa cho đến khi số bit yêu cầu cho mã hóa Huffman đủ nhỏ, dẫn đến bit tốc
độ bit của tín hiệu MP3 đủ nhỏ.
b. Vòng lặp ngoài hay vòng lặp điều khiển nhiễu (distortion control loop):

Hiệu chỉnh hệ số tỷ lệ để giảm dần nhiễu lượng tử hóa, lúc đó số mức lượng tử
hóa tăng dần lên, làm tốc độ bit tăng dần lên, dẫn đến vòng lặp trong phải hiệu chỉnh
độ lợi. Nếu không đồng thời thỏa mãn được yêu cầu về tốc độ bit và chất lượng audio
thì hai vòng lặp sẽ không có điểm hội tụ. Để tránh trường hợp này, phải hiệu chỉnh các
thông số mã hóa khi bộ mã hóa hoạt động ở các tốc độ bit khác nhau.

5.1.4 Định dạng dòng bit (bitstream formatting)
Dòng bit MP3 được định dạng theo từng khung, gồm các hệ số phổ đã được mã
hóa, đầu khung là header gồm: từ mã đồng bộ, tốc độ bit, tần số lấy mẫu, lớp, mode mã
23


Truyền thông đa phương tiện – IT4681
hóa. Do các thông tin trên được lặp lại trong tất cả các khung nên ta có thể giải mã vào
bất cứ lúc nào.

5.2. Phân tích ảnh hưởng của nén đến chất lượng âm thanh
Quá trình nén sẽ giảm dung lượng cũng như chất lượng âm thanh. Khi bitate
giảm, thành phần tần số cao thu được sẽ ít hơn, thành phần tần số thấp sẽ thu được
nhiều hơn. Khi đấy âm thanh sẽ nghe trầm hơn và khó nghe do chất lượng âm thanh
giảm. Không có thanh phần tần số cao sẽ làm không phân biệt được một số âm sắc.
Chất lượng của âm thanh tăng theo giá trị của bitrate, tuy nhiên đến một giá trị nào đó,
tai người khó cảm nhận được sự khác biệt của âm thanh ở 2 bitrate khác nhau.

24

Truyền thông đa phương tiện – IT4681

Phần 6. Đánh giá hoạt động nhóm
6.1. Phân chia công việc.
•

Nguyễn Tú Chi: tìm hiểu âm thanh số theo chuẩn MPEG, và phương pháp nén

âm thanh theo chuẩn MPEG-1.
• Ngô Hồng Hải: Phân tích so sánh với phương pháp nén âm thanh MPEG-1 với
phương pháp nén tiếng nói thoại theo chuẩn ITU.
• Trần Văn Tùng: So sánh thử nghiệm ứng dụng MP3, và so sánh mã âm thanh
•

MP3 với mã hóa âm thanh theo chuẩn ITU.
Chu Văn Huy: Giải thích sơ đồ xử lý nén âm thanh số MP3, ảnh hưởng của nén
đến chất lượng âm thanh.

6.2. Mức độ đóng góp và hoàn thành công việc.
•
•
•
•

Nguyễn Tú Chi: 25%
Ngô Hồng Hải: 25%
Trần Văn Tùng: 25%
Chu Văn Huy: 25%

6.3. Tổng kết.
Về cơ bản nhóm đã thực hiện đủ các yêu cầu đề ra của đề tài. Tuy nhóm đã cố
gắng hết sức, xong không thể tránh khỏi sai sót, mong nhận được sự phê bình, đánh giá
của cô, để nhóm rút kinh nghiệm, và tiếp thu kiến thức.

25