Odszumianie w afftdn i anlmdn: który regulator działa i od jakiego poziomu szumu się opłaca, pomiar

ffmpeg przynosi dwa filtry odszumiające. afftdn pracuje przez szybką transformatę Fouriera i ma dwa regulatory: redukcję szumu, domyślnie 12, oraz poziom szumu, domyślnie −50 dBFS. anlmdn pracuje metodą nielokalnych średnich i ma jeden regulator siły.

Zwykła próba, posłuchać raz przed i raz po, nie odpowiada na najważniejsze pytanie: w zaszumionym materiale sygnał użyteczny i szum leżą jeden na drugim, a tego, co znika, nie da się rozdzielić. Ten pomiar rozdziela oba, przepuszczając filtr przez czysty materiał, w którym nie ma czego usuwać.

Jak wyglądał pomiar

• Materiał: 32 s muzyki ze stopy, werbla, hi-hatów, basu, płaszczyzny i leadu przy −19,62 dBFS, na końcu 0,3 s ciszy. Biały szum został domieszany na znanym poziomie, żeby błąd dał się policzyć.
• Miara: wszędzie odstęp od znanego czystego oryginału, czyli wartość skuteczna różnicy między wynikiem a oryginałem, odniesiona do wartości skutecznej oryginału. Przed odszumianiem jest to dokładnie odstęp od szumu. Gdy maleje, filtr pomógł; gdy rośnie, zniszczył więcej, niż usunął.
• Szkoda: ten sam filtr przechodzi dodatkowo przez czysty materiał. Tam nie ma czego usuwać, więc wszystko, czego brakuje na wyjściu, jest szkodą.
• Wyrównanie: oba filtry wydają wynik z opóźnieniem, afftdn o 1102 próbki, czyli 24,99 ms, a anlmdn o 353, czyli 8,00 ms. Przed każdym porównaniem następuje wyrównanie przez korelację wzajemną.
• Próba kontrolna: oba filtry potrafią wydać to, co usunęły, przez output_mode=noise. Ta wartość zgadza się ze zmierzoną różnicą co do 0,00 dB, w obu filtrach.

Co znika, gdy nie ma czego usuwać

Poziom się nie zmienia, substancja owszem. W ustawieniu domyślnym afftdn zabiera z nienagannego materiału coś, co leży 42,19 dB pod sygnałem. Przy nf −40 jest to 26,16 dB pod nim, a taki rząd wielkości już słychać. anlmdn przy małych siłach zostaje na −105 dB i niżej, czyli praktycznie nie działa.

Który z dwóch regulatorów działa

Obie serie biegną po tym samym materiale z szumem 40 dB pod sygnałem, czyli po rzeczywistym poziomie szumu −59,6 dBFS. Wartość dodatnia w trzeciej kolumnie oznacza, że odstęp od czystego oryginału urósł.

Redukcja szumu zmienia w całym swoim zakresie 1,13 dB i od nr 48 wchodzi w nasycenie. Poziom szumu zmienia 20,91 dB. Kręcenie pierwszym regulatorem jest kręceniem niczym.

Uwagę zwraca druga część tabeli: od nf −45 skutek i szkoda rosną niemal równo. Od −45 do −30 zmiana rośnie o 14,49 dB, a szkoda o 14,92 dB. Przy nf −30 szum znika bez reszty, a to, co zostaje z błędu, czyli −18,78 dB, to dokładnie własna szkoda filtru.

Od jakiego odstępu się opłaca

W każdym wierszu przebadano 23 ustawienia i wpisano najlepsze. Rzucają się w oczy dwie rzeczy.

Po pierwsze, najlepsze ustawienie idzie za rzeczywistym poziomem szumu. W czterech wierszach, w których odszumianie cokolwiek daje, najlepsze nf leży między 0,4 dB pod nim a 1,6 dB nad nim. Regulator nazywa się tak, jak to, czego chce: poziomu szumu, a nie upodobania. Domyślne −50 dBFS pasuje do materiału, którego szum leży przy −50 dBFS, i do żadnego innego.

Po drugie, przy czystym materiale nie ma czego zyskiwać. Przy odstępie 50 dB najlepsze ze wszystkich ustawień daje 0,04 dB, przy 40 dB jest to 0,15 dB, a w obu przypadkach wynik pochodzi od anlmdn przy sile, która praktycznie nic nie robi. Dopiero od 30 dB robi się z tego 1,03 dB, a nawet przy 6 dB, czyli przy wyraźnie słyszalnym szumie, jest to 7,42 dB.

Gdzie filtr sięga

Liczby mówią, jak głęboko pod sygnałem tego samego pasma leży ingerencja w tym paśmie, mierzona na czystym materiale. Poniżej 500 Hz afftdn nie rusza niczego, stoją tam wartości od 115 do 130 dB. Od 2 kHz robi się poważnie, a najmocniej filtr sięga przy 10 kHz, 23,26 dB pod sygnałem. Odszumianie to sprawa wysokich tonów.

Wybrzmienie w ustawieniu domyślnym zostaje oszczędzone. Pojedyncze uderzenie hi-hatu traci 50, 100 i 200 ms po szczycie po 0,00 dB, a po 400 ms 0,35 dB. Przy nf −40 i nr 48 jest to po 200 ms 0,27 dB, a po 400 ms 7,71 dB. Ogon zostaje więc skrócony, ale dopiero przy mocnym ustawieniu.

I jest jeszcze pauza. W ciszy na końcu afftdn w ustawieniu domyślnym obniża poziom szumu o 10,52 dB, przy nr 48 o 19,98 dB, a anlmdn o 26,06 do 28,02 dB. Kto słucha tylko tam, uzna anlmdn za najlepszego z kandydatów. W samej muzyce zmienia on 0,04 dB. Pauza to jedyne miejsce, w którym szum leży odsłonięty, i właśnie dlatego nic nie mówi o tym, co stało się z resztą.

Co z tego wynika

Poziom szumu należy zmierzyć, a nie zgadnąć. Fragment bez sygnału użytecznego, którego poziom zostaje odczytany w dBFS, daje wartość dla nf; miernik szumu tła wyszukuje takie miejsce i podaje wartość razem z poleceniem. Audacity idzie tą drogą z własnej woli i przed odszumianiem żąda profilu szumu z miejsca, w którym stoi sam szum. ffmpeg żąda zamiast tego liczby, a zła liczba to cała różnica.

Potem redukcja szumu zostaje tam, gdzie stoi. Daje ona w całym swoim zakresie 1,13 dB, podczas gdy regulator poziomu daje 20,91 dB, a od pewnego punktu każdy z tych decybeli jest opłacony decybelem szkody.

Przy porządnie nagranym materiale sięganie po to narzędzie w ogóle się nie opłaca. Od 40 dB odstępu wzwyż najlepszy możliwy zysk to najwyżej 0,15 dB, a nastawianie na to narzędzia, które w wysokich tonach sięga 23 dB pod sygnał, to kiepska wymiana. Tam, gdzie poziom szumu przeszkadza, nie będąc głośnym, tematem bywa nie szum, lecz rozdzielczość bitowa; co naprawdę dzieje się przy eksporcie do 16 bitów, opisuje artykuł o ditherze przy eksporcie.

Zakres i granice

• Pomiar powstał na białym szumie. Przydźwięk, szum taśmy i tło pomieszczenia rozkładają się inaczej; afftdn ma własne nastawy dla winylu i szelaku, których tu nie badano.
• Miarą jest odstęp od czystego oryginału, a nie wrażenie słuchowe. Filtr może ten odstęp pogorszyć i mimo to brzmieć przyjemniej, bo równomierny szum przeszkadza mniej niż równie duży, ale nierównomierny błąd.
• Najlepsze nf szukano w siatce dziesięciu wartości co 5 dB. Zgodność z rzeczywistym poziomem jest więc dokładna co do tego kroku.
• Przy odstępach 50 i 60 dB rzeczywisty poziom leży poniżej najmniejszego badanego nf. Ponieważ i tak nie ma tam czego zyskiwać, nie zmienia to wyniku.

Źródła

• ffmpeg: Filters Documentation: rozdziały o afftdn z noise_reduction, noise_floor, noise_type i output_mode oraz o anlmdn z strength, patch i research; wartości domyślne pochodzą z wbudowanej pomocy ffmpeg 7.1.5.
• Audacity: Noise Reduction: profil szumu jako pierwszy krok, rada, by brać najmniejszą wystarczającą wartość, bo wyższe uszkadzają pozostały materiał, oraz odsłuch usuniętej części jako sposób oceny tej szkody.
• ITU-R BS.1770: Algorithms to measure audio programme loudness and true-peak audio level: podstawa danych o poziomach w tej serii.