Codificadores perceptuales

Esquema de un codificador perceptual de audio.

Esquema de un decodificador perceptual de audio.

Los codificadores perceptuales aprovechan las limitaciones en la percepción del
sistema auditivo humano (umbral de audición, enmascaramiento temporal y/o
frecuencial) para codificar el flujo de datos.

Para codificar las muestras en formato PCM (audio digital sin comprimir) se realiza
una transformada al dominio frecuencial y se cuantifican y codifican a partir de un
conjunto de datos obtenidos en un modelo psicoacústico. La implementación de este
modelo psicoacústico es lo que determina la calidad final y es donde se aprovecha
el enmascaramiento temporal o frecuencial, siendo el umbral de enmascaramiento el
que controla la cuantificación.

En la cuantificación de audio se utilizan distintos tipos de cuantificadores:

uniforme, no-uniforme, logarítmico (ley-mu o ley-A), diferencial o vectorial.
Generalmente se utiliza cuantificación no-uniforme para música, cuantificación
diferencial o logarítmica para señales de voz y cuantificación vectorial para
procesado avanzado del señal de voz.

En la salida de este bloque se puede incorporar un codificador entrópico que

comprime sin pérdidas para reducir el tamaño de la trama binaria. Esta trama se
empaqueta junto con información adicional que contiene datos imprescindibles para
la decodificación como el tamaño de la trama, el número de bits de codificación, el
margen dinámico... También se puede añadir corrección de errores.

El decodificador desempaqueta la señal codificada para obtener las muestras y la

información auxiliar. Seguidamente, decodifica las muestras y las convierte en el
dominio temporal para obtener audio en formato PCM, aunque éste no será igual al
inicial, puesto que es un proceso de codificación con pérdidas.

Las distintas versiones de MPEG-1, siendo MP3 (MPEG-1 layer3) la más conocida,
utilizan este método de codificación.

Codificadores paramétricos

Codificador paramétrico de audio.

Los codificadores paramétricos se basan en que el audio y la voz se pueden
representar y sintetizar con tonos aislados, patrones armónicos (representados con
sinusoides) y componentes ruidosas. Estos se representan con parámetros como la
amplitud, la frecuencia fundamental o los componentes espectrales y requieren pocos
bits para representarlos.

Durante el proceso de codificación se extrae información de las muestras de entrada

aplicando una transformada de fourier para luego realizar la estimación de
parámetros. Seguidamente se codifican basándose con un modelo de la percepción
humana, y se multiplexan para formar la trama binaria.

En el proceso de decodificación, a través de un bloque de síntesis y con los

parámetros codificados, se reproduce una señal con las características análogas a
la señal original.

Un ejemplo de este tipo de codificación es HVXC para voz y HILN para música, ambos
dentro del estándar MPEG-4

Vocoders (codificación de voz)

Esquema de un sistema de codificación-decodificación paramétrica.
Los vocoders son codificadores paramétricos específicos para la codificación de la
voz. Estos analizan la señal de voz correspondiente a un segmento temporal
considerado estacionario para extraer los parámetros del modelo y la excitación.
Esta información es la que se codifica. En el proceso de decodificación, el
decodificador sintetiza los parámetros a través de un modelo de producción de voz.

Existen dos tipos de vocoders:

vocoder por predicción lineal
LPC-10
Codificadores de forma de onda
Los codificadores de forma de onda se basan en el estudio de la señal, de forma que
intentan reproducir la forma del señal de entrada. Generalmente se diseñan para ser
independientes de la señal, de manera que se utilizan para codificar una gran
variedad de señales. Estos codificadores aprovechan la redundancia de la señal y, a
partir de una predicción lineal, permiten codificar la señal auditiva. De esta
forma se consiguen tasas de compresión elevadas cuando las señales son redundantes
y prácticamente nulas cuando no es así.

La codificación de la señal se puede llevar a cabo tanto en el dominio temporal

como frecuencial:

Codificadores en el dominio temporal:

Modulación por codificación de pulsos (PCM, Pulse Code Modulation)
Modulación por codificación de impulsos diferenciales (DPCM, Differential PCM)
Modulación por codificación de impulsos diferenciales adaptativos(ADPCM, Adaptative
PCM)
Codificadores en el dominio frecuencial:
Codificación en subbandas
Codificación por transformada
Codificadores híbridos (codificación de voz)

Esquema de un codificador híbrido para señales de voz.

Los codificadores híbridos, también conocidos como codificadores de análisis-por-
síntesis combinan las técnicas de los codificadores de forma de onda con los
vocoders. El objetivo de estos es obtener voz de alta cualidad a tasas de bit bajas
(inferiores a 8kHz). Su funcionamiento se basa en analizar un conjunto de muestras
como si se tratase de una sola para obtener los parámetros de la señal. Al
decodificar la trama, se sintetizan los parámetros para conseguir que se parezca al
original.

Algunos codificadores híbridos son:

Codificador RELP
Codificador multipulso MPC
Codificador CELP
Codificador VSELP
Codificador RPE-LTP
Tipo de códecs de audio
Si obviamos las pérdidas producidas por el error de cuantificación, que en muchos
casos son inapreciables, los códecs pueden ser, según el tipo de compresión, con
pérdidas (lossy) o sin pérdidas (lossless):

Códecs de audio con pérdidas

En audio se aprovechan las limitaciones del sistema auditivo humano (margen
frecuencial, umbral de audición, enmascaramiento temporal y/o enmascaramiento
frecuencial) para comprimir los datos de audio. Se usan diferentes métodos para
eliminar los datos inaudibles:
Transformada en el dominio frecuencial y eliminación de las frecuencia inaudibles
(inferiores a 20 Hz y superiores a 20kHz, u enmascaradas por otras frecuencias de
mayor potencia).
División del señal en subbandas de frecuencia que se aproximan a las bandas
críticas y cuantificar cada subbanda en función de un umbral de detección del ruido
dentro de la subbanda. De esta forma se analiza el señal de audio y se calcula la
cantidad de ruido (pérdidas inapreciables) que se pueden introducir a cada rango de
frecuencias, es decir, el umbral de enmascaramiento.
Predicción de datos.
Caracterización de la voz a partir de una parametrización.
El nivel de compresión se puede controlar y depende de la calidad que se quiera
obtener, el tamaño del fichero, el ancho de banda de la red, el tiempo de
compresión...

Usualmente se utilizan compresiones máximas para transmisiones, especialmente

cuando son servicios en directo como telefonía (telefonía IP o celular) o
reproducciones en directo como podcasting (radio por internet o programas de audio
por internet).

Códecs de audio sin pérdidas

Estos códecs utilizan una compresión sin pérdidas para minimizar el tamaño del
flujo de datos. Para realizar esta codificación se utilizan algoritmos basados en
la eliminación de la redundancia de la señal de audio, y por lo tanto en el grado
de predictibilidad de la información. Si la señal tiene patrones repetitivos, éste
es redundante y por lo tanto fácil de predecir.

Usualmente los patrones repetitivos de señal son más evidentes en otro dominio
(temporal, frecuencial...), es por esto que la transformación de la señal en
función de estos patrones permitirá reducir o eliminar la redundancia.

En audio, igual que en vídeo, imagen o datos, la eliminación de la redundancia se

implementa:

Transformaciones en otro dominio donde los patrones repetitivos sean más evidentes.
Predicción.
Codificación entrópica: codificación de Huffman, codificación aritmética, Run
Length Coding (RLE).
Parámetros
Los códecs de audio se caracterizan por los siguientes parámetros:

Número de canales: depende del número de señales de audio simultáneos que contiene
el flujo de datos. Puede ser mono (1 canal), estéreo (2 canales) o multicanal como
5.1 (seis canales) o 7.1 (ocho canales).
Frecuencia de muestreo: determina la calidad percibida, por lo tanto cuanto más
alto sea mayor será la fidelidad del sonido obtenido respecto al original. Puesto
que el sistema auditivo humano no es capaz de percibir frecuencias superiores a
20kHz y que la frecuencia de muestreo debe cumplir el criterio de Nyquist, para
obtener calidad CD nunca se utiliza frecuencias de muestreo superiores a 44.1kHz,
puesto que no suponen ninguna ganancia de calidad.
Número de bits por muestra. Determina la precisión con la que se reproduce la señal
original y el rango dinámico de la misma. Se suelen utilizar 8 (para un rango
dinámico de hasta 45 dB), 16 (para un rango dinámico de hasta 90 dB como el formato
CD) o 24 bits por muestra (para 109 a 120 dB de rango dinámico). El más común es 16
bits.
Tipo de compresión: distingue entre compresión con pérdidas (lossy) y sin pérdidas
(lossless).
Tasa de bits: determina el número de bits de información necesarios por unidad de
tiempo. La tasa de bits no se puede deducir de los parámetros anteriores puesto que
la compresión puede ser con pérdidas o sin pérdidas. Además, puede ser constante
(CBR), variable (VBR) o en media (ABR). En audio se utiliza tasa de bits variable
(VBR), puesto que es más eficiente que CBR cuando hay silencios o segmentos donde
la complejidad es baja y se pueden almacenar con menos bits.
Aplicaciones
El objetivo principal de los códecs de audio es reducir la cantidad de datos
digitales necesarios para reproducir una señal auditiva. Resulta especialmente útil
comprimir los datos para que ocupen el mínimo tamaño posible a la hora de
almacenarlo y si se tiene que transmitir por la red se pueda enviar con la mayor
rapidez posible. Así, las aplicaciones principales son:

Almacenamiento: útil en dispositivos de reproducción multimedia o de audio

almacenado, puesto que a mejor codificación mayor será la compresión y por lo tanto
también el espacio requerido para almacenarlo. Se utiliza en reproductores de audio
digital como reproductores de CD-MP3, reproductores basados en Flash o
reproductores basados en disco duro (iPod de Apple, Creative Zen, Commodore
eVIC...).
Transmisión: útil cuando se debe enviar la información por cualquier tipo de red,
puesto que a menor tasa de bits más rápido será el envío. Se utiliza para
podcasting (radio o programas por internet]]), radio digital, audio para televisión
digital y especialmente para videoconferencia y telefonía (IP o celular).
Estandarización
Hay dos organizaciones que dominan la estandarización de los codificadores de
audio:

ITU-T (Unión Internacional de las Telecomunicaciones) dentro del conjunto de normas

H.320 y H.323 donde se definen los estándards para videoconferencia y telefonía IP
G.7xx.
ISO/IEC (Organización Internacional de la Estandarización y Comisión Electrotécnica
Internacional).
Dispositivos
Mientras que los códecs de audio se utilizan principalmente en computadoras
personales, hay un número de otros dispositivos que los necesita para mantenerse al
día con la tecnología actual. Básicamente, cualquier dispositivo capaz de
reproducir audio que también tiene una computadora utiliza los códecs. Ahora todo,
desde automóviles hasta teléfonos móviles y los equipos de radiodifusión, utiliza
códecs.

Compatibilidad
Los principales problemas con los los códecs de audio es el gran número existente.
Encontrar los códecs adecuados puede ser difícil a veces, ya que por lo general
vienen en paquetes. Como todos ellos son diseñados específicamente para trabajar
con un determinado tipo de archivo y el formato, por ejemplo, el códec "A" podría
funcionar con el reproductor de MP3, mientras que el codec "B" podría ofrecer
ningún sonido debido a problemas de compatibilidad.