32, 48, 56, 64, 80, 96, 112, 128, 160, 192, 224, 256, 320, 384 kbps.
32, 48, 56, 80 kbps chỉ có thể ở chế độ Mono; 64, 96, 112, 128, 160, 192 kbps có
thể ở cả hai chế độ Mono và Stereo;224, 256, 320, 384 kbps chỉ có thể ở chế độ
Stereo.
• MPEG 2 : 16 kHz, 22.05 kHz và 24 kHz
- Layer I :
32, 48, 56, 64, 80, 96, 112, 128, 144, 160, 176, 192, 224, 256 kbps
Những tốc độ này là có thể ở chế độ Mono hay stereo..
- Layer II :
8, 16, 24, 32, 40, 48, 56, 64, 80, 96, 112, 128, 144, 160 kbps.
Những tốc độ này là có thể ở chế độ Mono hay stereo.
d. Layers.
Chuẩn MPEG có ba layer.
Khi chọn lựa tốc độ bit cần xem xét các vấn đề:
• Ở cùng tốc độ bit, Layer II mang lại chất lượng âm thanh tốt hơn Layer I.
Kết luận này là chủ quan, vì sự chênh lệch là rất khó phân biệt ở tốc độ bit 128 kbps
và lớn hơn.
• Dùng Layer I thì việc chọn lọc chính xác hơn Layer II bởi vì độ phân giải
của Layer I gấp ba lần Layer II.
Resolution Table
Sampling
frequency Layer I
(384 samples) Layer II
(1152 samples)
32 kHz 12 ms 36 ms
44.1 kHz # 8.71 ms # 26.12 ms
48 kHz 8 ms 24 ms
16 kHz 24 ms 72 ms
22.05 kHz # 17.42 ms # 52.24 ms
24 kHz 16 ms 48 ms
Các điểm kỹ thuật mấu chốt.
Chuẩn mã hóa âm thanh MPEG chỉ định việc ghi một số cố định các mẫu (384 cho
Layer I và 1152 cho Layer II) để tạo ra một chuỗi các bytes gọi là “frame”.
“Frame” là thực thể nhỏ nhất được điều khiển bởi một ứng dụng. Việc chọn tốc độ
bit(kbps) thiết lập nên kích thước của frame đó theo byte.
Ví dụ:
Ở 48 kHz, 128 kbps, chế độ Mono, Layer II:
• 48,000 mẫu, tương ứng 1000 ms hay 1s, 1152 mẫu tương ứng 24 ms.
• Ở tốc độ bit 128,000 bits/s, 3072 bits (384 bytes) cần cho 24 ms.
• Chiều dài frame vì thế là 384 byte.
• Để lưu 1 phút, cần 960,000 byte (hay khoảng 1 Megabyte) đĩa trống.
CHƯƠNG 5. CÁC GIẢI THUẬT NÉN ÂM THANH.
I. NỀN TẢNG LÝ THUYẾT THÔNG TIN.
Theo Shannon, entropy của một nguồn thông tin S được định nghĩa:
H(S) =ipilog2(1/pi)
Trong đó: - pi là xác suất mà ký hiệu Si xuất hiện trong S.
- log2(1/pi) chỉ ra số lượng thông tin chứa đựng trong Si, nghĩa là
số bit cần thiết để mã hóa Si.
• Ví dụ: một hình ảnh được tô đều với cùng một cường độ màu xám, tức là
pi=1/256, thì số bit cần thiết để mã hóa cho mỗi mức xám là 8 bits. Entropy của
hình này là 8.
Giải thuật Shannon - Fano:
Ta dùng một ví dụ đơn giản để mô tả giải thuật:
Ký hiệu A B C D E
---------------------------------------------------
Số lần 15 7 6 6 5
Mã hóa cho giải thuật Shannon - Fano:
Dùng cách tiếp cận từ trên xuống.
• Sắp thứ tự các ký hiệu theo tần số xuất hiện của nó, nghĩa là: ABCDE.
• Chia thành hai phần, mỗi phần tương đương với cùng số lần đếm.
Hình 5.1
Ký hiệu Số lần log(1/p) Mã Cộng(số bit)
---------- -------- ---------- ----- ---------------
A 15 1.38 00 30
B 7 2.48 01 14
C 6 2.70 10 12
D 6 2.70 110 18
E 5 2.96 111 15
Tổng cộng(số bit) : 89
II. CÁC GIẢI THUẬT NÉN KHÔNG CÓ TỔN THẤT.
1. Mã hóa Huffman.
• Khởi tạo: đưa tất cả các node vào danh sách OPEN theo thứ tự tại mọi thời
điểm. Ví dụ: ABCDE.
• Lặp lại cho đến khi danh sách OPEN chỉ còn một node bên trái như sau:
- Từ danh sách OPEN, chọn hai node có xác suất thấp nhất, tạo node cha cho
chúng.
- Gán tổng các xác suất cho node cha và đưa node cha vào danh sách OPEN.
- Gán các mã 0, 1 vào các nhánh của cây, xóa các node con khỏi danh sách OPEN.
Hình 5.2
Ký hiệu Số lần log(1/p) Mã Cộng(số bit)
---------- --------- ---------- ----- ---------------
A 15 1.38 0 30
B 7 2.48 100 14
C 6 2.70 101 12
D 6 2.70 110 18
E 5 2.96 111 15
Tổng cộng (số bit) : 87
• Việc giải mã cho cả hai giải thuật trên là tầm thường chừng nào mà bảng mã
(thống kê) được gửi trước dữ liệu. Có một bit bên trên công việc truyền này, nhưng
không đáng kể nếu file dữ liệu lớn.
• Tính chất tiền tố duy nhất: không có mã nào là tiền tố cho một mã khác (tất
cả các ký hiệu đều là node lá) rõ ràng là lớn đối với bộ giải mã.
• Nếu việc thống kê có thể tiến hành được trước đó và với độ chính xác cao,
thì mã Huffman là rất tốt.
Trong ví dụ trên:Entropy=(15x1.38+7x2.48+ 6x2.7 + 6x2.7 + 5x2.96)/39
= 85.26 / 39 = 2.19.
Số bit cần thiết cho mã hóa Huffman là : 87 / 39 = 2.23
2. Mã Huffman sửa đổi.
(a) Các giải thuật trên đây yêu cầu kiến thức về thống kê là điều mà khó có thể
thực hiện (ví dụ âm thanh, hình ảnh sống..).
(b) Ngay cả khi nếu điều đó là có thể làm được thì chi phí cho nó khá nặng, đặc biệt
khi có nhiều bảng phải được truyền mà mô hình non-order() được sử dụng, nghĩa là
việc đưa vào tính toán sự ảnh hưởng của các ký hiệu trước đó với xác suất của ký
hiệu hiện hành (ví dụ: “qu” thường đi với nhau,..).
Giải pháp đưa ra là dùng giải thuật sửa đổi cho thích hợp. Như ví dụ, việc mã hóa
Huffman sửa đổi được khảo sát sau đây với ý tưởng là làm thế nào có thể áp dụng
vào các giải thuật nén thích hợp khác.
• Mấu chốt ở đây là cả hai bộ mã hóa và giải mã đều dùng cùng các hàm
Initialize_model và update_model .
• Hàm update_model có hai lưu ý: (a) Tăng biến đếm.
(b) Cập nhật cây Huffman.
- Trong suốt qúa trình cập nhật, cây Huffman sẽ được duy trì tính kế thừa, các
nodes (node trong và lá) được sắp xếp theo thứ tự tăng dần của trọng lượng .
- Khi cần thiết trao đổi (swapping), node xa nhất với trọng lượng W được trao đổi
với node mà trọng lượng của nó tăng lên 1 đơn vị W+1.
Lưu ý: nếu node trọng lượng W có cây con bên dưới nó thì cây con đó cũng phải
dời cùng với nó.
Cây Huffman có thể nhìn rất khác so với trước khi trao đổi, ví dụ trong cây thứ 3 ,
node A được trao đổi và trở thành node 5. Bây giờ nó được mã hóa chi bằng 2 bit.
3. Mã hóa số học.
Mã hóa Huffman sử dụng một số nguyên k các bit cho mỗi ký hiệu, vì thế k không
bao giờ nhỏ hơn 1. Đôi khi, ví dụ phải truyền một hình ảnh 1 bit, thì không thể nén
được.
Ý tưởng: giả sử mẫu tự là [X,Y] và P(X) = 2/3
P(Y) = 1/3.
Nếu ta chỉ quan tâm với chiều dài mã hóa là 2 thông điệp, thì ta có thể ánh •
xạ tất cả thông điệp có thể có vào những đoạn trong phạm vi [0..1]
Để mã hóa thông điệp, chỉ dùng vừa đủ số bit cần thiết cho mỗi đoạn. •
Tương tự, ta có thể ánh xạ tất cả chiều dài 3 thông điệp vào các đoạn trong •
[0..1].
• Nói chung, số bit được xác định bằng kích thước của đoạn.
Ví dụ: Đoạn đầu tiên là 8/27, cần 2 bit 2/3 bit cho mỗi ký tự.
Đoạn cuối là 1/27, cần 5 bit.
Tóm lại, cần -[logp] bit để biểu diễn cho đoạn có kích thước p. •
Vấn đề đặt ra là làm thế nào để xác định được xác suất? •
Ý tưởng đơn giản là dùng mô phỏng: bắt đầu bằng việc đoán tần số của một
ký hiệu. Cập nhật tần số cho mỗi ký hiệu mới.
4. Giải thuật Lempel-Ziv-Welch(LZW).
Giả sử chúng ta muốn mã hóa cho một cuốn tự điển Tiếng Anh 159,000 từ. Như
vậy mỗi từ cần 18 bit để mã hóa.
Nhược: - Dùng qúa nhiều bit.
- Chỉ làm việc cho ký tự tiếng Anh.
Giải pháp: - Cần phải tìm một cách mã hóa cuốn từ điển cho thích hợp.
- Các phương pháp ban đầu được đề xuất bởi Ziv và Lempel vào năm 1978 và
1979. Terry Welch phát triển lược đồ vào năm 1981 và trở thành giải thuật LZW.
Giải thuật:
w = NIL;
while (read a character k)
{ if wk exists in the dictionary
w = wk;
else
add wk to the dictionary;
output the code for w;
w = k; }
LZW nguyên gốc sử dụng từ điển với 4K mục từ, 256 từ đầu tiên là mã ASCII.
Ví dụ: chuỗi ký tự là “^WED^WE^WEE^WEB^WET”.
w k output index symbol
------------------------------------------------------------------
NIL ^
^ W ^ 256 ^W
W E W 257 WE
E D E 258 ED
D ^ D 259 D^
^ W
^W E 256 260 ^WE
E ^ E 261 E^
^ W
^W E
^WE E 260 262 ^WEE
E ^
E^ W 261 263 E^W
W E
WE B 257 264 WEB
B ^ B 265 B^
^ W
^W E
^WE T 260 266 ^WET
T EOF T
19 ký hiệu nhập được giảm xuống 7 ký tự và 5 mã. Mỗi mã/ký hiệu sẽ cần nhiều
hơn 8 bit, ta lấy 9 bit.
Thông thường, công việc nén chỉ được bắt đầu khi có một số lớn byte được đọc vào
(ví dụ >100).
Giải thuật giải nén LZW:
read a character k;
output k;
w = k;
while ( read a character k ) /* k could be a character or a code. */
{entry = dictionary entry for k;
output entry;
add w + entry[0] to dictionary;
w = entry;}
III. CÁC GIẢI THUẬT NÉN CÓ TỔN THẤT.
1. Các phương pháp nén âm thanh đơn giản:
• Các phương pháp nén khảo sát ở trên không hiệu quả trong việc nén âm
thanh.
• Sau đây là các phương pháp nén có tổn thất:
- Nén “silence” : dò các khoảng “yên lặng”, giống như mã hoá run-length.
- LPC (Linear Predictive Coding).
- CELP (Code Excited Linear Predictor).
2. Nén âm thanh dùng mô hình ââm - tâm lý.
a. Hệ thống nghe và phát âm của con người.
Phạm vi nghe được từ 20 Hz đến 20 kHz, nhạy cảm ở 2 - 5kHz. •
Phạm vi phát âm bình thường từ 500 Hz đến 2 kHz. •
b. Che tần số (Frequency masking)
“Ngưỡng che” (Threshold masking): sinh ra từ hiệu ứng che, mỗi âm với một tần số
và mức to (dB) xác định sẽ có một “ngưỡng che” (xem hình 4.3 và 4.4)
c. Băng giới hạn.
• Thước đo tần số đồng bộ không tương xứng với độ rộng của đường cong
che.
• Băng giới hạn có độ rộng là 100Hz đối với các tần số che < 500Hz, và càng
tăng lên đối với các tần số >500Hz.
Định nghĩa một đơn vị mới cho tần số là bark ( Barkhausen) •
1 Bark = bề rộng của băng giới hạn:
- Tần số <500Hz : 1 bark = freq/100.
- Tần số >500Hz : 1 bark = 9 + 4log(freq/1000).
Ngưỡng che trên thước đo băng giới hạn: •
Hình 5.3
d. Che nhất thời (Temporal masking): che theo thời gian.
Tai người cũng có đặc tính lưu âm.
Nếu có một âm thanh lớn, rồi ngưng nó lại, mãi một lúc sau ta mới có thể nghe
được một âm lân cận nhỏ hơn (xem hình 4.5 và 4.6).
3. Nén âm thanh MPEG.
Vài thông số:
MPEG-1 : 1.5Mbits/s cho âm thanh và hình ảnh. •
Khoảng 1.2 Mbits cho hình ảnh và 0.3Mbits/s cho âm thanh.
Aâm thanh CD không nén dùng: (44,100 mẫu/s * 16bit/mẫu * 2 kênh) > 1.4
Mbits/s
Aâm thanh MPEG cung cấp các tần số lấy mẫu là 32, 44.1 và 48 kHz. •
Giải thuật: •
1. Dùng bộ lọc thông để chia tín hiệu âm thanh thành các sub-band theo tần số,
tương ứng với 32 băng giới hạn lọc sub-band.
2. Xác định số lượng che của mỗi band gây bởi các band lân cận bằng các kết
qủa bước 1 mô hình âm - tâm lý.
Nếu mức to của một băng mà nhỏ hơn ngưỡng che thì không mã hóa nó. 3.
Ngược lại, xác định số bit cần thiết để mã hóa sao cho nhiễu sinh ra bởi việc 4.
lượng tử hóa này thấp hơn đường cong che.
5. Định dạng dòng dữ liệu bit :
Hình 5.4
Ví dụ:
Sau khi phân tích, 16 band đầu tiên trong số 32 band như sau:
_________________________________________________________
Band 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Level(dB) 0 8 12 10 6 2 10 60 35 20 15 2 3 5 3 1
_________________________________________________________
• Nếu mức to của âm thứ 8 là 60dB, nó sẽ che band thứ 7 ở mức 12dB và band
thứ 9 ở mức 15dB.
Mức to ở band 7 là 10dB (<12dB) nên bị bỏ qua, không mã hóa.
Mức to band 9 là 35 (> 15dB) nên được tiếp tục xử lý.
• Layer I: bộ lọc loại DCT với 1 frame và độ rộng tần số như nhau trên mỗi
sub-band. Mô hình âm-tâm lý chỉ sử dụng hiệu quả che tần số (Frequency
masking).
• Layer II: sử dụng 3 frame trong bộ lọc (trước, hiện tại và kế tiếp, tổng cộng
1152 mẫu). Mô hình âm-tâm lý có sử dụng hiệu quả che nhất thời (Temporal
masking).
• Layer III: dùng bộ lọc băng giới hạn tốt hơn, mô hình âm-tâm lý có sử dụng
hiệu quả che nhất thời, và có dùng bộ mã hoá Huffman.
Phần II THIẾT KẾ CHƯƠNG TRÌNH
CHƯƠNG 6. LƯU ĐỒ GIẢI THUẬT VÀ CẤU TRÚC DỮ LIỆU.
I. SƠ ĐỒ KHỐI.
II. CẤU TRÚC DỮ LIỆU VÀ ĐỊNH NGHĨA.
A. Cấu trúc dữ liệu.
1. Các cấu trúc về file:
- Tập tin tiêu đề :
- Sử dụng : truy xuất các tập tin dạng *.wav và *.mp3. Trong chương trình, các cấu
trúc này sử dụng ở các giai đoạn mở file, đọc cấu hình file, truy xuất các thông tin
về cấu hình file.
a. Cấu trúc FILE WAVE :
typedef struct {
FILE *file;
int type;
int channels;
int bits;
long samplerate;
long total_samples;
long length;
} wave_t;
b. Cấu trúc FILE MPEG:
typedef struct {
FILE *file;
int type;
int layr;
int mode;
int bitr;
int psyc;
int emph;
int padding;
long samples_per_frame;
long bits_per_frame;
long bits_per_slot;
long total_frames;
int bitrate_index;
int samplerate_index;
int crc;
int ext;
int mode_ext;
int copyright;
int original;
int mode_gr;
} mpeg_t;
c. Cấu trúc config_t :
typedef struct {
time_t start_time;
char* infile;
wave_t wave;
char* outfile;
mpeg_t mpeg;
} config_t;
2. Cấu trúc dòng bit dữ liệu: bitstream_t
- Tập tin tiêu đề :
- Sử dụng: dùng trong quá trình đọc hoặc ghi dữ liệu từ file lên vùng đệm và ngược
lại.
typedef struct bit_stream_struc {
FILE *pt; /* con trỏ đến file bit dữ liệu */
unsigned char *buf; /* vùng đệm cho dòng bit dữ liệu */
int buf_size; /* kích thước vùng đệm tính theo số byte */
long totbit; /* đếm bit */
int buf_byte_idx; /* chỉ byte trên cùng trong vùng đệm */
int buf_bit_idx; /* bit trên cùng của byte trên cùng trong vùng đệm */
int mode; /* mở dòng bit ở chế độ đọc hay ghi */
int eob; /* chỉ đến cuối vùng đệm */
int eobs; /* đầu cuối của cờ dòng bit */
char format; /* định dạng file ở chế độ đọc (BINARY/ASCII) */
} bitstream_t;
3. Các cấu trúc để định dạng dòng bit dữ liệu:
- Tập tin tiêu đề :
a. Kiểu số nguyên:
typedef unsigned int uint32; /* định nghĩa số nguyên không dấu 32 bit */
typedef unsigned short uint16; /* định nghĩa số nguyên không dấu 16 bit */
b. Con trỏ hàm (*BitsFcnPtr):
Đây là một nguyên mẫu hàm con trỏ cần phải có để ghi các bit vào dòng dữ liệu.
Nó ghi “length” bits từ “value” bits, theo cách ghi msb-first. Các bit trong value giả
định là right-justified.
typedef void (*BitsFcnPtr)( uint32 value, uint16 length );
c. Cấu trúc BF_BitstreamElement:
Một BitstreamElement chứa đựng dữ liệu đã mã hoá sẽ được ghi vào dòng bit.
“length” bit trong số “value” sẽ được ghi vào dòng bit theo msb-first.
typedef struct
{ uint32 value;
uint16 length;
} BF_BitstreamElement;
d. Cấu trúc BF_BitstreamPart:
Một BitstreamPart bao gồm một nhóm các “nrEntries” của BitstreamElements. Mỗi
BitstreamElement sẽ được ghi vào dòng bit theo thứ tự mà nó xuất hiện trong dãy
'element'.
typedef struct
{
uint32 nrEntries;
BF_BitstreamElement *element;
} BF_BitstreamPart;
e. Cấu trúc BF_FrameData
Cấu trúc này chứa đựng tất cả những thông tin cần thiết cho bộ định dạng dòng bit
để mã hoá một frame dữ liệu. Ta phải điền đầy nó và trỏ tới khi định dạng.
typedef struct BF_FrameData
{
BitsFcnPtr putbits; /* your low-level bitstream function */
int frameLength;
int nGranules;
int nChannels;
BF_BitstreamPart *header;
BF_BitstreamPart *frameSI;
BF_BitstreamPart *channelSI[MAX_CHANNELS];
BF_BitstreamPart *spectrumSI[MAX_GRANULES][MAX_CHANNELS];
BF_BitstreamPart *scaleFactors[MAX_GRANULES][MAX_CHANNELS];
BF_BitstreamPart *codedData[MAX_GRANULES][MAX_CHANNELS];
BF_BitstreamPart *userSpectrum[MAX_GRANULES][MAX_CHANNELS];
BF_BitstreamPart *userFrameData;
} BF_FrameData;
f. Các cấu trúc liên quan dến bộ định dạng:
Cấu trúc này chứa đựng thông tin được cung cấp bởi bộ định dạng dòng bit. Ta có
thể sử dụng nó để kiểm tra và xem thử bộ mã của ta có chấp nhận các kết quả của
việc gọi bộ định dạng hay không.
typedef struct BF_FrameResults
{ int SILength;
int mainDataLength;
int nextBackPtr;
} BF_FrameResults;
typedef struct BF_PartHolder
{ int max_elements;
BF_BitstreamPart *part;
} BF_PartHolder;
typedef struct
{ int frameLength;
int SILength;
int nGranules;
int nChannels;
BF_PartHolder *headerPH;
BF_PartHolder *frameSIPH;
BF_PartHolder *channelSIPH[MAX_CHANNELS];
BF_PartHolder *spectrumSIPH[MAX_GRANULES][MAX_CHANNELS];
} MYSideInfo;
4. Cấu trúc huffcodetab:
- Tập tin tiêu đề :
- Sử dụng : dùng trong quá trình mã hoá dữ liệu theo thuật toán Huffman.
struct huffcodetab {
unsigned int xlen; /*max. x-index+ */
unsigned int ylen; /*max. y-index+ */
unsigned int linbits; /*number of linbits */
unsigned int linmax; /*max number to be stored in linbits */
HUFFBITS *table; /*pointer to array[xlen][ylen] */
unsigned char *hlen; /*pointer to array[xlen][ylen] */
};
5. Các cấu trúc tính MDCT.
- Tập tin tiêu đề :
- Sử dụng : trong tính toán MDCT, định dạng dòng bit, tính toán mô hình tâm lý,
mã hoá dữ liệu..
typedef struct {
unsigned part2_3_length;
unsigned big_values;
unsigned count1;
unsigned global_gain;
unsigned scalefac_compress;
unsigned window_switching_flag;
unsigned block_type;
unsigned mixed_block_flag;
unsigned table_select[3];
int /* unsigned */ subblock_gain[3];
unsigned region0_count;
unsigned region1_count;
unsigned preflag;
unsigned scalefac_scale;
unsigned count1table_select;
unsigned part2_length;
unsigned sfb_lmax;
unsigned sfb_smax;
unsigned address1;
unsigned address2;
unsigned address3;
double quantizerStepSize;
/* added for LSF */
unsigned *sfb_partition_table;
unsigned slen[4];
} gr_info;
typedef struct {
int main_data_begin; /* unsigned -> int */
unsigned private_bits;
int resvDrain;
unsigned scfsi[2][4];
struct {
struct {
gr_info tt;
} ch[2];
} gr[2];
} L3_side_info_t;
typedef struct {
double l[2][2][21];
double s[2][2][12][3];
} L3_psy_ratio_t;
typedef struct {
double l[2][2][21];
double s[2][2][12][3];
} L3_psy_xmin_t;
typedef struct {
int l[2][2][22]; /* [cb] */
int s[2][2][13][3]; /* [window][cb] */
} L3_scalefac_t;
6. Cấu trúc scalefac_struct:
- Tập tin tiêu đề :
struct scalefac_struct
{ int l[23];
int s[14]; };
B. Các định nghĩa.
1. Các định nghĩa dùng trong truy xuất dòng bit dữ liệu:
- Tập tin tiêu đề :
#define MINIMUM 4 /* Minimum size of the buffer in bytes */
#define MAX_LENGTH 32 /* Maximum length of word written or read
from bit
stream */
#define READ_MODE 0
#define WRITE_MODE 1
#define ALIGNING 8
#define BINARY 0
#define ASCII 1
#define TRUE 1
#define FALSE 0
#ifndef BS_FORMAT
#define BS_FORMAT ASCII /* BINARY or ASCII = 2x bytes
*/
#endif
#define BUFFER_SIZE 4096
#define MIN(A, B) ((A) < (B) ? (A) : (B))
#define MAX(A, B) ((A) > (B) ? (A) : (B))
2. Các định nghĩa dùng trong tính toán FFT:
- Tập tin tiêu đề :
#define BLKSIZE_S 256
#define LOGBLKSIZE_S 8
3. Các định nghĩa dùng trong định dạng dòng dữ liệu:
- Tập tin tiêu đề:
#define MAX_CHANNELS 2
#define MAX_GRANULES 2
4. Các định nghĩa dùng trong bộ mã hoá Huffman:
- Tập tin tiêu đề:
#define HUFFBITS unsigned long int
#define HTN 34
#define MXOFF 250
5. Các định nghĩa dùng trong phân tích dữ liệu :
- Tập tin tiêu đề: < L3loop.h>
#define e 2.71828182845
#define CBLIMIT 21
#define SFB_LMAX 22
#define SFB_SMAX 13
#define PRECALC_SIZE 1024 /* WAS 256 !!! */
6. Các định nghĩa dùng trong mô hình âm tâm lý:
- Tập tin tiêu đề:
#define HBLKSIZE 513
#define CBANDS 63
#define CBANDS_s 42
#define BLKSIZE_s 256
#define HBLKSIZE_s 129
#define TCBMAX_l 63
#define TCBMAX_s 42
#define SBMAX_l 21
#define SBMAX_s 12
/* #define switch_pe 1800 */
#define NORM_TYPE 0
#define START_TYPE 1
#define SHORT_TYPE 2
#define STOP_TYPE 3
#define maximum(x,y) ( (x>y) ? x : y )
#define minimum(x,y) ( (x 7. Các định nghĩa dùng trong truy xuất dữ liệu nhâp: - Tập tin tiêu đề: #define Read32BitsLowHigh(f) Read32Bits(f) #define WriteString(f,s) fwrite(s,strlen(s),sizeof(char),f) #define Read32BitsLowHigh(f) Read32Bits(f) 8. Các định nghĩa dùng trong cấu trúc file wave và file mpeg: #define PI 3.14159265358979 #define PI4 PI/4 #define PI64 PI/64 #define SQRT2 1.41421356237 #define LOGBLKSIZE 10 #define LN_TO_LOG10 0.2302585093 #define BLKSIZE 1024 #define HAN_SIZE 512 #define SCALE_BLOCK 12 #define SCALE_RANGE 64 #define SCALE 32768 #define SBLIMIT 32 #define WAVE_RIFF_PCM 0 #define WAVE_PCM_LOHI 1 #define WAVE_PCM_HILO 2 #define WAVE_PCM_AIFF 3 #define TYPE_MPEG_I 1 #define LAYR_III 2 #define MODE_STEREO 0 #define MODE_JSTEREO 1 #define MODE_DUAL 2 #define MODE_MONO 3 #define PSY_NONE 0 #define PSYC_MUSICAM 1 2 #define PSYC_ATT I. LƯU ĐỒ CHƯƠNG 7. GIAO DIỆN VÀ THUYẾT MINH CHƯƠNG TRÌNH I. Giới thiệu. Giao diện là công cụ trợ giúp đắc lực cho người sử dụng. Những phần mềm có giao diện tốt luôn được ưa chuộng. Đó cũng chính là ưu điểm tuyệt vời của Windows. Lập trình trong Windows hỗ trợ những công cụ cho phép ta tạo ra những giao diện rất dễ dàng và thân thiện. Tuy nhiên, thiết kế giao diện để cho ai cũng có thể sử dụng được và không bị nhầm lẫn không phải là chuyện dễ dàng. Nó đòi hỏi ta phải có một cái nhìn bao quát, thậm chí phải hiểu sâu về giải thuật của chương trình thì mới có thể loại trừ những sai lầm khi sử dụng. Lập trình trong Windows là lập trình theo tình huống. Mọi nút nhấn, ô đối thoại trên giao diện đều có thể được truy cập tới bất kỳ lúc nào mà không theo một trình tự nhất định. Do đó người lập trình cần phải dự trù đến mọi tình huống và cần phải đưa ra một số đề nghị dưới dạng những thông số định sẵn cho người sử dụng theo đó mà vận hành. Ngoài ra, giao diện cần có phần trợ giúp để hướng dẫn cho người sử dụng ở bất kỳ lúc nào. II. Giao diện. Dựa trên sơ đồ khối và lưu đồ giải thuật. Giao diện bao gồm các phần như hình vẽ sau: 1. Input group. Nhóm các thông tin cấu hình và lệnh về tập tin nguồn ( *.wav). Bao gồm các thông tin như : bitrates, samplerates, mode, File path name.. 2. Open button. Mở hộp thoại File Open của Windows để chọn file cần nén. Phần mở rộng mặc định là .wav 3. Text Edit box. Dùng gõ file nguồn bằng tay. Mặc định là *.wav. 4. Bitrates. Cho biết chỉ số tốc độ bit của tập tin nguồn .wav đã chọn trên mục 2 hoặc 3. Chỉ số mặc định là 128. Không sửa bằng tay được. 5. Samplerates. Cho biết tần số lấy mẫu của tập tin nguồn .wav đã chọn trên mục 2 hoặc 3. Tần số mặc định là 44100 Hz. Không sửa bằng tay được. Các tần số có thể bao gồm : 32000, 44100 và 48000 Hz. 6. Output. Nhóm các thông tin cấu hình và lệnh về tập tin đích ( *.mp3). Bao gồm các thông tin như : bitrates, samplerates, mode, File path name.. 7. Save button. Mở hộp thoại File Save của Windows để ghi đường dẫn và tên file nén. Phần mở rộng mặc định là .mp3. 8. Text Edit box. Dùng gõ đường dẫn à tên tập tin đích bằng tay. Mặc định là *.mp3. Khi đã chọn được tập tin nguồn trong phần 2 hoặc 3 thì trong ô này sẽ tự động xuất hiện đường dẫn và tên tập tin đích. 9. Bitrates. Định chỉ số tốc độ bit của tập tin đích đã chọn trên mục 7 hoặc 8. Chỉ số mặc định là 128. Có thể chọn các chỉ số khác trong ô kéo xuống, bao gồm các giá trị : 16, 32, 40, 48, 56, 64, 80, 96, 112, 128, 156, 160, 192, 224, 256, 320. 10. Samplerates. Cho biết tần số lấy mẫu của tập tin đích, phụ thuộc và bằng với tần số lấy mẫu của tập tin nguồn. Tần số mặc định là 44100 Hz. Không sửa bằng tay được. 11. Mode group. Nhóm các chế độ Stereo hay Mono. Mặc định là Stereo. 12. Progress bar. Thanh tiến trình, xuất hiện trong quá trình nén từ tập tin nguồn .wav sang tập tin đích .mp3 . 13. Compress button. Nút nhấn này chỉ có thể sau khi đã chọn và định cấu hình đầy đủ cho các tập tin nguồn và đích. Nghĩa là chỉ có thể nhấn được nút này sau khi đã nhấn nút Update. Khi nhấn nút này, quá trình nén từ tập tin nguồn sang tập tin đích mới thực sự bắt đầu. Đồng thời thanh tiến trình mới bắt đầu hoạt động. Kết thúc quá trình nén sẽ có thông điệp báo cho biết đã hoàn tất công việc 14. Update button. Phím này được nhấn sau khi đã chọn các tập tin nguồn và đích để cập nhật các thông số chuẩn bị cho quá trình nén và kích hoạt phím Compress. III. Chương trình. Chương trình có nền là hộp thoại MP3 COMPRESSOR hiển thị các phím nhấn cho người sử dụng lựa chọn và chạy ứng dụng. Do đó, tất cả các hàm chính đều được đặt trong lớp CMp3Dlg. Sau đây ta sẽ lần lược khảo sát một số hàm quan trọng. 1. OnInitDialog( ) : Hàm này khởi tạo một số giá trị mặc định cho hộp thoại, nhằm giúp cho người sử dụng có một cái nhìn toàn cục và hiểu được ngay ứng dụng, để từ đó có thể chọn lựa các thông số thích hợp cho ứng dụng. Đồng thời, cũng cài đặt sẵn một số giá trị ban đầu cho các đối tượng được dùng cho chương trình. BOOL CMp3Dlg::OnInitDialog() { CDialog::OnInitDialog(); ... // Khởi tạo giá trị ban đầu cho hộp thoại m_stereo_in = 0; m_stereo_out = 0; m_file_in = "*.wav"; m_file_out = "*.mp3"; m_samplerates_in = "44100"; m_samplerates_out = "44100"; m_bitrates_in = "128"; m_bitrates_out.AddString("32"); m_bitrates_out.AddString("40"); m_bitrates_out.AddString("48"); m_bitrates_out.AddString("56"); m_bitrates_out.AddString("64"); m_bitrates_out.AddString("80"); m_bitrates_out.AddString("96"); m_bitrates_out.AddString("112"); m_bitrates_out.AddString("128"); m_bitrates_out.AddString("160"); m_bitrates_out.AddString("192"); m_bitrates_out.AddString("224"); m_bitrates_out.AddString("256"); m_bitrates_out.AddString("320"); m_bitrates_out.SetCurSel(8); UpdateData(FALSE); bOpen = FALSE; bSave = FALSE; // Gán các hằng cho các đối tượng config.mpeg.type = TYPE_MPEG_I; config.mpeg.layr = LAYR_III; config.mpeg.mode = MODE_STEREO; config.mpeg.bitr = 128; config.mpeg.psyc = PSYC_ATT; config.mpeg.emph = EMPH_NONE; config.mpeg.crc = 0; config.mpeg.ext = 0; config.mpeg.mode_ext = 0; config.mpeg.copyright = 0; config.mpeg.original = 0; GetDlgItem(IDC_COMPRESS)->EnableWindow(FALSE); m_pbar.SetRange(0, 10000); ... return TRUE; // return TRUE unless you set the focus to a control} 2. OnFileOpen( ) : Hàm mở hộp thoại Open của Windows để chọn file nguồn có phần mở rộng mặc định là .wav, gán cho biến m_file_in đường dẫn và tên file đã chọn. Đồng thời cũng tạo đường dẫn và tên file mặc định cho tập tin đích có phần mở rộng .mp3 và gán cho biến m_file_out. void CMp3Dlg::OnFileOpen() { // Mở hộp thoại File Open của Windows bằng hàm thành viên dlgOpen của // lớp CFileDialog trong thư viện MFC. CFileDialog dlgOpen(TRUE, "wav", "*.wav"); if (dlgOpen.DoModal() == IDOK) { m_file_in = dlgOpen.GetPathName(); // gán đường dẫn file nguồn // cho đối tượng m_file_in int len; str1 = m_file_in; len = str1.GetLength(); str2 = str1.Left(len - 3); str2 += "mp3"; m_file_out = str2; // gán đường dẫn file đích // cho đối tượng m_file_out bOpen = TRUE; UpdateData(FALSE);}} 3. OnFileWrite( ) : Hàm mở hộp thoại Save của Windows để chọn đường dẫn và tên tập tin đích trong trường hợp không muốn đường dẫn và tên file mặc định do hàm OnFileOpen( ) tạo ra, và gán nó cho biến m_file_out. void CMp3Dlg::OnFileWrite() { CFileDialog dlgWrite(FALSE, "mp3", str2); if (dlgWrite.DoModal() == IDOK) { m_file_out = dlgWrite.GetPathName(); // gán đường dẫn file đích // cho đối tượng m_file_out UpdateData(FALSE); bSave = TRUE;}} 4. OnUpdate( ) : Hàm cập nhật tất cả các thông số đã chọn trên hộp thoại, đưa vào các đối tượng được dùng trong chương trình. Đồng thời kích hoạt phím nhấn COMPRESS cho phép phím này đã có thể bắt đầu được sử dụng. Nếu các thông số nhập không hợp lệ sẽ cho hiện ra các thông báo để nhập lại. void CMp3Dlg::OnUpdate( ) { UpdateData(TRUE); if (!m_file_in.Compare("*.wav")) MessageBox("Enter the Input file, please!"); else if (!m_file_out.Compare("*.mp3")) { int len; str1 = m_file_in; len = str1.GetLength(); str2 = str1.Left(len - 3); str2 += "mp3"; m_file_out = str2; } config.infile = m_file_in.GetBuffer(5); // Chuyển giao con trỏ chỉ // đến file nguồn if (!wave_open()) { MessageBox("Unable to open input file..."); bWaveOpen = FALSE; } else bWaveOpen = TRUE; // Gán giá trị cấu hình bitrates cho biến config.mpeg.bitr tuỳ theo giá trị đã // chọn trên hộp thoại. if (m_bitrates_out.GetCurSel()==0) config.mpeg.bitr = 32; if (m_bitrates_out.GetCurSel()==1) config.mpeg.bitr = 40; if (m_bitrates_out.GetCurSel()==2) config.mpeg.bitr = 48; if (m_bitrates_out.GetCurSel()==3) config.mpeg.bitr = 56; if (m_bitrates_out.GetCurSel()==4) config.mpeg.bitr = 64; if (m_bitrates_out.GetCurSel()==5) config.mpeg.bitr = 80; if (m_bitrates_out.GetCurSel()==6) config.mpeg.bitr = 96; if (m_bitrates_out.GetCurSel()==7) config.mpeg.bitr = 112; if (m_bitrates_out.GetCurSel()==8) config.mpeg.bitr = 128; if (m_bitrates_out.GetCurSel()==9) config .mpeg.bitr= 160; if (m_bitrates_out.GetCurSel()==10) config.mpeg.bitr = 192; if (m_bitrates_out.GetCurSel()==11) config.mpeg.bitr = 224; if (m_bitrates_out.GetCurSel()==12) config.mpeg.bitr = 256; if (m_bitrates_out.GetCurSel()==13) config.mpeg.bitr = 320; config.mpeg.bitrate_index = find_bitrate_index(config.mpeg.bitr); bOpen = FALSE; bSave = FALSE; // Hàm GetDlgItem(IDC_ ) cho phép phím nhấn có IDC_ làm thông số có thể // hoạt động được if (bWaveOpen) GetDlgItem(IDC_COMPRESS)->EnableWindow(); UpdateData(FALSE);} 5. OnCompress( ) : Khi gọi hàm này, quá trình nén từ tập tin nguồn .wav sang tập tin đích .mp3 sẽ bắt đầu thực hiện. Kết thúc quá trình nén sẽ có hộp thoại xuất hiện thông báo đã hoàn tất. void CMp3Dlg::OnCompress() { CCompressDlg compDlg; config.outfile = m_file_out.GetBuffer(5); L3_compress(); wave_close(); compDlg.DoModal(); // Cho hiển thị hộp thoại thông báo // công việc nén đã hoàn tất m_pbar.SetPos(0); // Trả trạng thái thanh tiến trình về vị trí đầu GetDlgItem(IDC_COMPRESS)->EnableWindow(FALSE);} 6. Wave_open( ) : Hàm mở file nguồn và kiểm tra xem định dạng file có hợp lệ không, nếu không thì sẽ hiện thông bào và chọn lại file khác. bool CMp3Dlg::wave_open() { static char *channel_mappings[] = {NULL,"mono","stereo"}; unsigned short wFormatTag; unsigned long dAvgBytesPerSec; unsigned short wBlockAlign; long filesize; long header_size; if((config.wave.file = fopen(config.infile,"rb")) == NULL) { MessageBox("Unable to open file"); return false; } if(!checkString(config.wave.file,"RIFF")) { MessageBox("Input not a MS-RIFF file"); return false; } filesize = Read32BitsLowHigh(config.wave.file); // complete wave chunk size if(!checkString(config.wave.file,"WAVE")) { MessageBox("Input not WAVE audio"); return false;} /* WAVE FMT format chunk */ if(!checkString(config.wave.file,"fmt ")) { MessageBox("Can't find format chunk"); return false; } /* my total header size calculations don't work, so this is bogus... */ header_size = Read32BitsLowHigh(config.wave.file); /* chunk size */ wFormatTag = Read16BitsLowHigh(config.wave.file); if(wFormatTag!=0x0001) { MessageBox("Unknown WAVE format"); return false; } config.wave.type = WAVE_RIFF_PCM; config.wave.channels = Read16BitsLowHigh(config.wave.file); config.wave.samplerate = Read32BitsLowHigh(config.wave.file); dAvgBytesPerSec = Read32BitsLowHigh(config.wave.file); wBlockAlign = Read16BitsLowHigh(config.wave.file); /* PCM specific */ if(config.wave.channels>2) { MessageBox("More than 2 channels\n"); return false; } if(config.wave.channels>1) { m_stereo_in = 0; m_stereo_out = 0; config.mpeg.mode = MODE_STEREO; MessageBox("WAVE audio, mode stereo"); } else { m_stereo_in = 1; m_stereo_out = 1; config.mpeg.mode = MODE_MONO; MessageBox("Microsoft RIFF , WAVE audio, mode mono"); } switch (config.wave.samplerate) { case 32000: m_samplerates_in = "32000"; m_samplerates_out = "32000"; config.mpeg.samplerate_index = 2; break; case 44100: m_samplerates_in = "44100"; m_samplerates_out = "44100"; config.mpeg.samplerate_index = 0; break; case 48000: m_samplerates_in = "48000"; m_samplerates_out = "48000"; config.mpeg.samplerate_index = 1; break; default: MessageBox("Samplerate not supported !!"); exit(-1); } config.wave.bits = Read16BitsLowHigh(config.wave.file); if(config.wave.bits!=16) { MessageBox("NOT 16 Bit !!!"); return false; } if(!checkString(config.wave.file,"data")) { MessageBox("Can't find data chunk"); return false;} header_size = ftell(config.wave.file); fseek(config.wave.file, 0, SEEK_END); filesize = ftell(config.wave.file); fseek(config.wave.file, header_size, SEEK_SET); config.wave.total_samples =(filesize-header_size)/(2*config.wave.channels); config.wave.length = config.wave.total_samples/config.wave.samplerate; return true;} 7. L3_compress( ) : Đây là hàm quan trọng nhất trong chương trình, nó mô tả toàn bộ giải thuật của ứng dụng. Vòng lặp nén cũng nằm trong hàm này. Mỗi vòng lặp thực hiện công việc nén cho một frame dữ liệu đọc từ file nguồn. Cũng từ vòng lặp này, ta cho thanh tiến trình hoạt động nhờ vào kích thước biết trước của file đọc vào. Vòng lặp kết thúc cũng là lúc thanh tiến trình được điền đầy và thông báo “Compress complete !” xuất hiện. void CMp3Dlg::L3_compress() { int frames_processed; int m_step; int total_frames; static short buffer[2][1152]; int channel; int i; int gr; short sam[2][1344]; double snr32[32]; L3_psy_ratio_t ratio; double pe[2][2]; L3_side_info_t side_info; short *buffer_window[2]; double win_que[2][HAN_SIZE]; double l3_sb_sample[2][3][18][SBLIMIT]; double mdct_freq[2][2][576]; int l3_enc[2][2][576]; L3_scalefac_t scalefactor; bitstream_t bs; double vg_slots_per_frame; ouble rac_slots_per_frame; ong hole_slots_per_frame; ouble lot_lag; nt mean_bits; unsigned long sent_bits = 0; unsigned long frame_bits = 0; int sideinfo_len; // Mở thiết bị để ghi vào open_bit_stream_w(&bs, config.outfile, BUFFER_SIZE); memset((char*)snr32,0,sizeof(snr32)); memset((char *)sam,0,sizeof(sam)); memset((char *)&side_info,0,sizeof(L3_side_info_t)); L3_psycho_initialise(); L3_subband_initialise(); L3_mdct_initialise(); L3_loop_initialise(); config.mpeg.mode_gr = 2; config.mpeg.samples_per_frame = 1152; config.mpeg.total_frames = config.wave.total_samples/config.mpeg.samples_per_frame; total_frames = config.mpeg.total_frames; config.mpeg.bits_per_slot = 8; frames_processed = 0; sideinfo_len = 32; if(config.wave.channels==1) sideinfo_len += 136; else sideinfo_len += 256; if(config.mpeg.crc) sideinfo_len += 16; /* Figure average number of 'slots' per frame. */ avg_slots_per_frame = ((double)config.mpeg.samples_per_frame / ((double)config.wave.samplerate/1000)) * ((double)config.mpeg.bitr / (double)config.mpeg.bits_per_slot); whole_slots_per_frame = (int)avg_slots_per_frame; frac_slots_per_frame = avg_slots_per_frame - (double)whole_slots_per_frame; slot_lag = -frac_slots_per_frame; if(frac_slots_per_frame==0) config.mpeg.padding = 0; while(wave_get(buffer)) { frames_processed++; m_step = (int)(10000 * frames_processed / total_frames); m_pbar.SetPos(m_step); buffer_window[0] = buffer[0]; buffer_window[1] = buffer[1]; if(frac_slots_per_frame!=0) if(slot_lag>(frac_slots_per_frame-1.0)) { /* No padding for this frame */ slot_lag -= frac_slots_per_frame; config.mpeg.padding = 0; } else { /* Padding for this frame */ slot_lag += (1-frac_slots_per_frame); config.mpeg.padding = 1; } config.mpeg.bits_per_frame = 8*(whole_slots_per_frame + config.mpeg.padding); mean_bits = (config.mpeg.bits_per_frame - sideinfo_len) / config.mpeg.mode_gr; /* psychoacousic model */ for(gr=0;gr for(channel=0;channel L3_psycho_analize(channel, &buffer[channel][gr*576], &sam[channel][0], &snr32[0], &ratio.l[gr][channel][0], &ratio.s[gr][channel][0], &pe[gr][channel], &side_info.gr[gr].ch[channel].tt); /* polyphase filtering */ for(gr=0;gr for(channel=0;channel for(i=0;i<18;i++) { L3_window_subband(&buffer_window[channel], &win_que[channel][0], channel); L3_filter_subband(&win_que[channel][0], &l3_sb_sample[channel][gr+1][i][0]);} /* apply mdct to the polyphase output */ L3_mdct_sub(l3_sb_sample, mdct_freq, &side_info, &config); /* bit and noise allocation */ L3_iteration_loop(pe,mdct_freq,&ratio,&side_info, l3_enc, mean_bits,&scalefactor, &config); /* write the frame to the bitstream */ L3_format_bitstream(l3_enc, &side_info, &scalefactor, &bs, mdct_freq, NULL , 0, &config); frame_bits = sstell(&bs) - sent_bits; sent_bits += frame_bits;} L3_FlushBitstream(); close_bit_stream_w(&bs);} Tài liệu tham khảo 1. Giáo trình âm học Kiến trúc. KTS. Việt Hà - Nguyễn Ngọc Giả Trường Đại học kiến trúc – 1993 2. Kỹ năng lập trình Windows bằng Visual C++6. Lê Minh Trí Nhà xuất bản thanh niên – 2001 (Tập 1&2) 3. Xử lý tín hiệu số. Quách Tuấn Ngọc Nhà xuất bản Giáo dục – 1997 4. Digital Signal Processing John G.Proakis - Dimitris G.Manolakis Prentice Hall 5. C Language Algorithms for Digital Signal Processing Paul M.Embree - Bruce Kimble Prentice Hall 6. Địa chỉ Internet : http://www.mpeg.org
