Korektor liniowofazowy i minimalnofazowy: porównanie opóźnienia, dzwonienia wstępnego i tłumienia

Fruity Parametric EQ 2 oferuje tryb fazy liniowej. Składowe częstotliwościowe są wtedy opóźniane o ten sam czas. Możliwą wadą są oscylacje przed opóźnionym impulsem głównym, zwłaszcza przy krótkich atakach. Zjawisko nosi nazwę dzwonienia wstępnego, czyli pre-ringing. Słyszalność i znaczenie tego efektu zależą od filtru oraz materiału.

Porównanie obejmuje biquad, czyli prosty rekurencyjny filtr cyfrowy, oraz dwa filtry FIR: liniowofazowy i minimalnofazowy. FIR oznacza skończony czas trwania odpowiedzi impulsowej. Wszystkie warianty otrzymują tę samą krzywą docelową, ale osiągają różną głębokość tłumienia. Próba nie oddziela więc samego wpływu fazy od pozostałych różnic.

Impuls to tutaj sygnał testowy z jedną próbką różną od zera. Odpowiedź impulsowa jest wynikiem działania filtru na ten krótki sygnał. Pokazuje, jak długo trwa jego wpływ i gdzie występuje największy szczyt.

Jak wykonano pomiar

• Cel to tłumienie o 12 dB przy 200 Hz. Bezwymiarowa dobroć Q = 4 oznacza tutaj stosunkowo wąskie pasmo. Punktem wyjścia jest filtr FFmpeg equalizer=f=200:t=q:w=4:g=-12. Charakterystykę odczytano dla 60 częstotliwości rozmieszczonych logarytmicznie od 20 Hz do 20 kHz i przekazano jako wzorzec do firequalizer.
• Badane warianty to biquad, liniowofazowe filtry FIR z delay od 5 do 200 ms oraz minimalnofazowy filtr FIR. Parametr określa opóźnienie filtru, a nie pełny czas trwania odpowiedzi impulsowej. Użyto FFmpeg 7.1.5, próbkowania 44,1 kHz i plików WAV zapisanych zmiennoprzecinkowo na Raspberry Pi 4. Ustawienie accuracy=5 pozostaje stałe.
• Pojedynczy impuls wejściowy przypada na 0,5 s. Przesunięcie największego szczytu na wyjściu daje odstęp czasowy podany w tabeli. Jest to pomiar zapisanego sygnału, a nie pełne opóźnienie programu DAW pracującego w czasie rzeczywistym wraz z buforami audio.
• Do pomiaru oscylacji od wyjścia odjęto odpowiednio opóźniony impuls wejściowy. Powstały sygnał różnicowy opisuje zmianę przebiegu. Podniesienie do kwadratu oznacza pomnożenie liczby przez samą siebie; dodatnie i ujemne wychylenia nie znoszą się wtedy przy sumowaniu. Czas trwania wyznaczają pierwszy i ostatni punkt powyżej −60 dB względem największej wartości bezwzględnej tej różnicy. Udział energii przed impulsem głównym to suma kwadratów wcześniejszych wartości różnicowych podzielona przez sumę dla całego sygnału różnicowego. Nie oznacza dodatkowej energii fizycznej ani udziału w całkowitej energii wyjścia.
• Przez te same warianty przechodzi również syntetyczna stopa. Poziom przed atakiem to największa wartość bezwzględna próbki w ciągu 20 ms przed wyrównanym czasowo początkiem, względem szczytu danego wyjścia. Wyprzedzenie zaczyna się od pierwszej rzeczywistej próbki powyżej −60 dB względem tego szczytu. Pierwotna analiza używała okna maksimum sięgającego po 1 ms w obie strony. Przyspieszało to pozorny początek o około 0,98 ms; ten błąd został skorygowany.

Odpowiedź impulsowa: oscylacje przed impulsem głównym i po nim

Sygnał różnicowy biquadu sięga 21,09 ms za impuls, a minimalnofazowego FIR — 11,97 ms. W obu przypadkach przed impulsem nie ma składowej przekraczającej próg pomiaru. Warianty liniowofazowe oscylują symetrycznie wokół opóźnionego impulsu głównego. Około 49,3% energii różnicowej leży wcześniej, a niewielka część przypada na sam środek. Równocześnie różni się głębokość tłumienia, więc nie jest to porównanie przy identycznej charakterystyce częstotliwościowej.

Większe opóźnienie: głębsze tłumienie i dłuższe dzwonienie wstępne

W tej serii większe delay przybliża tłumienie do celu. Przy 5 ms uzyskano tylko 3,27 dB z zadanych 12 dB, a przy 50 ms — 9,70 dB. Jednocześnie dzwonienie wstępne sięga dalej. Około 49% nadal dotyczy wyłącznie sygnału różnicowego w tych próbach; nie jest ogólnym udziałem energii dla muzyki.

Dlaczego pierwotny opis krzywej nie daje zadanego tłumienia

Przy 60 punktach nawet 200 ms daje tylko −9,86 dB zamiast −12 dB. Szersze pasmo z Q = 1 osiąga −11,78 dB już przy 50 ms. Dla wąskiego pasma odchylenie wynosi 2,30 dB przy 50 ms oraz około 2,14 dB przy 100 i 200 ms. Nie pozostaje więc jednakowe dla każdego opóźnienia.

Dodatkowa kontrola pokazuje wpływ rozmieszczenia punktów. W pierwotnej siatce między 185 a 208 Hz brakuje punktu dokładnie przy 200 Hz. Dodanie tego punktu poprawia wynik przy 200 ms z około −9,86 do −11,69 dB. Przy 84 punktach zagęszczonych wokół wąskiego pasma wynik wynosi −11,82 dB. Kontrola zapisuje poziomy punktów z sześcioma miejscami po przecinku zamiast dwóch. Pierwotne próby ze 150 i 377 punktami kończą się błędem, ale nie dowodzi to ogólnej granicy 100 punktów ani braku pamięci RAM. Dokładność zależy łącznie od opóźnienia, rozmieszczenia punktów i konstrukcji filtru.

Syntetyczna stopa: poziom przed atakiem około 19 dB poniżej szczytu

W wariantach liniowofazowych największa wartość przed wyrównanym początkiem leży około 19 dB poniżej odpowiedniego szczytu wyjściowego. Poprawiona analiza daje wyprzedzenie 6,96 oraz 13,90 ms. Potwierdza to dzwonienie wstępne w sygnale, ale jeszcze nie słyszalne echo przed atakiem. Do takiego wniosku potrzebna byłaby próba odsłuchowa. Bardzo małe wartości wariantu minimalnofazowego leżą daleko poniżej progu −60 dB.

Znaczenie przy wyborze korektora

Faza liniowa może pomóc przy łączeniu toru przetworzonego z nieprzetworzonym, gdy dodatkowe przesunięcia fazy zależne od częstotliwości są niepożądane. Warunkiem jest właściwe wyrównanie czasowe. Przy ostrych atakach lub odsłuchu na żywo korzystniejszy może być tryb o małym opóźnieniu. Pojedynczy pomiar nie ustala ogólnej kolejności zalet dla masteringu, basu ani nagrań wielomikrofonowych. Między wariantami warto najpierw uzyskać możliwie podobną charakterystykę częstotliwościową, a następnie przeprowadzić odsłuch.

Dodatkowe 50 ms opóźnienia filtru występuje niezależnie od bufora audio. Podlinkowany kalkulator opóźnienia i bufora pozwala porównać takie czasy; artykuł o vocal chain w FL Studio omawia położenie korektorów w torze sygnału.

Zakres i ograniczenia

• Pomiar dotyczy filtrów FFmpeg, a nie Fruity Parametric EQ 2. Menu kontekstowe trybu LIN udostępnia kilka poziomów Precision; według instrukcji większa precyzja zwiększa opóźnienie. Wyniki FFmpeg nie są pomiarem tych poziomów.
• W tym układzie osiągnięte tłumienie zależy zarówno od rozciągłości filtru w czasie, jak i od opisu krzywej docelowej. Pierwotne odchylenie nie stanowi podstawowej granicy korektorów liniowofazowych. Dodatkowa kontrola poprawia opis celu; pozostałe tabele celowo zachowują pierwotny układ z 60 punktami.
• Stopa jest sztucznie wygenerowanym krótkim atakiem. Inne nagrania mogą dać inne dzwonienie wstępne i inną słyszalność. Łagodniejszy początek nie gwarantuje określonego spadku w decybelach.
• Symetria dotyczy badanych tutaj liniowofazowych odpowiedzi impulsowych. Około 49% nie jest stałym udziałem dla dowolnych obniżeń lub podbić. Podbicia nie zmierzono, a odpowiadający mu sygnał różnicowy nie powstaje ogólnie przez samo odwrócenie znaku.

Źródła

• Image-Line: Fruity Parametric EQ 2: informacje producenta o trybach Standard i LIN, poziomach Precision, opóźnieniu i opcjach HQ.
• FFmpeg 7.1.5: dokumentacja filtrów: definicje delay, accuracy, gain_entry i min_phase. Liczby w artykule pochodzą z odtworzonych skryptów pomiarowych i opisanej dodatkowej kontroli.
• Tabele podają szczyty próbek oraz wyniki dla sygnału różnicowego, a nie pomiary LUFS lub true peak. dBFS odnosi się do pełnej skali cyfrowej przy 0 dBFS; wartości ujemne leżą poniżej tego poziomu.