Entrauschen mit afftdn und anlmdn: Regler, Signalveränderungen und Grenzen der Messung

Zu den Entrauschern in FFmpeg gehören afftdn und anlmdn. afftdn zerlegt kurze Audioabschnitte in Frequenzanteile und schwächt Anteile ab, die zum angenommenen Rauschen passen. Hier stehen zwei Einstellungen im Mittelpunkt: nr begrenzt die Rauschminderung in dB, nf beschreibt den angenommenen Rauschboden. Die Vorgaben sind 12 und −50. anlmdn vergleicht ähnliche kurze Signalabschnitte; hier wird vor allem die Stärke s untersucht. Beide Filter besitzen weitere Einstellungen.

Der Versuch vergleicht gefiltertes Audio mit einem bekannten, sauberen Original. Eine zusätzliche Probe zeigt, wie stark jeder Filter auch dieses saubere Material verändert. Diese Probe trennt die Ursachen im verrauschten Ausgang jedoch nicht exakt: Ein Entrauscher kann auf sauberes und verrauschtes Material unterschiedlich reagieren. Gemessen wird, wie stark sich das gefilterte Signal vom zeitlich ausgerichteten Original unterscheidet. Diese Wellenformabweichung ist kein Qualitätsurteil aus einem Hörtest.

Wie gemessen wurde

• Material: 32 s synthetische Musik aus Kick, Snare, Hi-Hats, Bass, Fläche und Lead, zu Mono gemittelt und auf eine Spitze von 0,5 (halbe digitale Vollaussteuerung) normiert. Am Ende folgen 0,3 s Stille. Der RMS-Pegel beträgt −19,62 dBFS; weißes Rauschen wird mit bekanntem Pegel zugemischt. RMS ist der Effektivwert, also ein Maß für die mittlere Signalstärke. 0 dBFS bezeichnet digitale Vollaussteuerung; negative Werte liegen darunter.
• Maßstab: 20 × log10(RMS(Ausgang − Original) / RMS(Original)). Dazu werden die beiden Wellenformen zeitlich ausgerichtet und voneinander abgezogen. Rauschen 40 dB unter dem Original ergibt vor der Bearbeitung −40 dB Abweichung, also einen positiven Signal-Rausch-Abstand von 40 dB. Eine negative Änderung der Abweichung bedeutet: Das Ergebnis liegt nach diesem Maß näher am Original. Hörbarkeit und Klangqualität folgen daraus nicht unmittelbar.
• Probe ohne zugesetztes Rauschen: Der Filter bearbeitet zusätzlich das saubere Signal. Der Unterschied zeigt Veränderungen durch den Filter, nicht zwingend fehlende Musik oder hörbaren Schaden. Diese Werte lassen sich nicht einfach vom Fehler der verrauschten Probe abziehen.
• Ausrichtung: Bei 44,1 kHz lag das Ausgangssignal von afftdn in diesem Aufbau 1102 Abtastwerte beziehungsweise 24,99 ms später; bei anlmdn waren es 353 beziehungsweise 8,00 ms. Die Kreuzkorrelation sucht die zeitliche Verschiebung mit der besten Übereinstimmung. Verglichen wird anschließend nur die gemeinsame Länge. Dadurch entfällt ein kurzes Stück am Ende.
• Gegenprobe: afftdn kann den entfernten Anteil mit output_mode=noise ausgeben, anlmdn mit output=n. Dessen RMS-Pegel und der Pegel des berechneten Unterschieds stimmen hier auf zwei Nachkommastellen überein. Das stützt die Differenzmessung, belegt aber keine hörbare Unbedenklichkeit.

Veränderungen am sauberen Signal

Der Gesamtpegel bleibt nahezu gleich, obwohl sich die Wellenform verändert. Bei afftdn mit nr 12 und nf −50 liegt die Abweichung 42,19 dB unter dem Signal, bei nr 48 und nf −40 nur 26,16 dB darunter. In der zweiten Einstellung wurden zwei Regler geändert; der Unterschied lässt sich deshalb keinem einzelnen Regler zuordnen. anlmdn verändert dieses Material bei s 0,001 und 0,01 nur sehr wenig. Ob die Veränderungen hörbar sind, wurde nicht getestet.

Wie nr und nf in diesem Versuch wirken

Beide Reihen laufen über dasselbe Material mit Rauschen 40 dB unter dem Signal, also über einen wirklichen Rauschteppich von −59,6 dBFS. Ein positiver Wert in der dritten Spalte heißt, dass der Abstand zum sauberen Original größer geworden ist.

Bei festem nf −50 liegen zwischen dem kleinsten und größten Ergebnis der getesteten nr-Werte rund 1,13 dB. Zwischen nr 48 und nr 90 ändert sich der Wert kaum noch. Die geprüften nf-Werte bewirken bei festem nr 12 eine Spanne von 20,91 dB. Damit wirkt nf in diesem Versuch stärker; nr ist deshalb weder wirkungslos noch generell unwichtig.

Von nf −45 bis −30 wächst die Änderung der Abweichung um 14,49 dB, die Abweichung am sauberen Signal um 14,92 dB. Die ähnlich großen Werte zeigen eine starke Bearbeitung des Nutzsignals. Daraus folgt nicht, dass sämtliches Rauschen entfernt wurde: Verbleibendes Rauschen und Veränderungen der Musik sind in der Ausgangsdifferenz gemeinsam enthalten.

Ergebnisse bei sieben Rauschabständen

Je Zeile wurden 20 afftdn-Kombinationen aus nr 12 oder 48 und zehn nf-Werten sowie drei anlmdn-Stärken geprüft. Die Tabelle nennt die tatsächlich beste Kombination dieses begrenzten Rasters. Ein kleinerer positiver Signal-Rausch-Abstand bedeutet mehr Rauschen.

Bei den vier stärker verrauschten Proben lag das beste getestete afftdn-nf zwischen 0,4 dB unter und 1,6 dB über dem breitbandigen RMS-Rauschpegel. Das ist eine Beobachtung an diesem Signal. Eine allgemeine Einstellgenauigkeit oder die ausschließliche Eignung der Vorgabe −50 für genau −50 dBFS folgt daraus nicht.

Bei 60 und 50 dB Signal-Rausch-Abstand verbessert anlmdn mit s 0,01 den Messwert um rund 0,04 dB; bei 40 dB erreicht s 1,0 rund 0,15 dB. Bei 30 dB liegt die Verbesserung durch afftdn bei 1,03 dB, bei 6 dB bei 7,42 dB. Diese Werte beschreiben das Raster und die Wellenformabweichung. Die Frage, ab wann Entrauschen hörbar nützt, bleibt offen.

Welche Frequenzen und Ausklänge sich verändern

Ein Terzband umfasst einen begrenzten Frequenzbereich; drei solcher Bänder ergeben eine Oktave. Die Tabelle vergleicht die Energie des Unterschieds mit der Energie des sauberen Signals im selben Band. Dafür verwendet das Skript eine schnelle Fourier-Transformation (FFT) zur Zerlegung in Frequenzen. Analysiert werden jeweils 32.768 Abtastwerte in überlappenden Abschnitten. Ein Hann-Fenster schwächt die Abschnittsränder ab, um künstliche Frequenzanteile an den Schnittstellen zu verringern. Das ist keine normgeprüfte Terzfilterbank. Die relativen Unterschiede von afftdn sind bei diesem Material in den Höhen größer als im Bass, besonders bei 10 kHz. Das ist keine allgemeine Aussage über alle Entrauscher oder alle Aufnahmen.

Für einen einzelnen Hi-Hat-Schlag wurden jeweils 20 ms lange Abschnitte ab 50, 100, 200 und 400 ms nach der Spitze gemessen. Bei afftdn in der Vorgabe beträgt die Pegelabnahme gerundet 0,00, 0,00, 0,00 und 0,35 dB. Mit nf −40 und nr 48 sinkt der Pegel im Abschnitt ab 200 ms um 0,27 dB, ab 400 ms um 7,71 dB. Das belegt eine stärkere Absenkung des späten Ausklangs in dieser Probe, keine allgemein gültige Grenze.

In der Pause am Ende sinkt der Rauschpegel mit afftdn in der Vorgabe um 10,52 dB und mit nr 48, nf −40 um 19,98 dB. anlmdn erreicht mit den hier geprüften Stärken 26,06 bis 28,02 dB. Eine leisere Pause belegt die Wirkung auf Rauschen ohne Musik. Für die Qualität während der Musik sind zusätzlich deren Ausklänge und die Veränderungen des Nutzsignals zu beurteilen.

Was daraus folgt

Eine Passage ohne Musik oder Sprache hilft, den Rauschpegel und dessen Frequenzverteilung zu bestimmen. Ein breitbandiger RMS-Wert ist ein Ausgangspunkt für nf, kein garantiert optimaler Wert. Der verlinkte Rauschteppich-Messer unterstützt diese Abschätzung. afftdn bietet außerdem ein aufgenommenes Rauschprofil, eigene Bandwerte und automatische Nachführung des Rauschbodens. Auch Audacity verwendet ein Rauschprofil; die Verfahren und Regler sind deshalb noch nicht gleichwertig.

Für einen vorsichtigen Abgleich werden nf und nr schrittweise verändert. Musikpassagen, Ausklänge und der ausgegebene entfernte Anteil ergänzen den Vergleich der Pausen. Erkennbar entfernte Stimme oder Instrumente sprechen für einen zu starken Eingriff. Die Zahlen aus diesem Versuch rechtfertigen nicht, nr grundsätzlich unverändert zu lassen.

Bei den leisesten Rauschproben war die Verbesserung der geprüften Einstellungen klein. Daraus folgt kein allgemeines Verbot für saubere Aufnahmen und keine Diagnose der Bittiefe als Rauschursache. Aufnahmegeräusche und Quantisierungsfehler sind verschiedene Probleme. Der ergänzende Artikel über Dither beim Export behandelt die Verringerung der Bittiefe.

Reichweite und Grenzen

• Gemessen wurde mit weißem Rauschen. Brummen, Bandrauschen und Raumgeräusch sind anders verteilt; afftdn hat für Vinyl und Schellack eigene Voreinstellungen, die hier nicht geprüft wurden.
• Die Wellenformabweichung bewertet weder die Hörbarkeit noch die Art des Fehlers. Gleichmäßiges Rauschen und kurze tonale Artefakte können bei gleichem RMS-Wert unterschiedlich auffallen. Ein besserer Messwert garantiert keinen angenehmeren Klang; ein schlechterer schließt einen subjektiven Nutzen nicht aus.
• Das nf-Raster lautet −70, −60, −55, −50, −45, −40, −35, −30, −25 und −20. Die erste Lücke beträgt 10 dB, die übrigen 5 dB. Andere Werte und weitere Filteroptionen wurden nicht optimiert.
• Nur bei 60 dB Signal-Rausch-Abstand liegt der tatsächliche Rauschpegel von −79,6 dBFS unter dem kleinsten getesteten nf −70. Bei 50 dB beträgt der Pegel −69,6 dBFS und liegt darüber. FFmpeg 7.1.5 erlaubt nf bis −80; dieser untere Bereich fehlt im Raster. Eine vollständige Aussage über das erreichbare Optimum ist deshalb nicht möglich.

Quellen

• FFmpeg 7.1.5: Filterdokumentation: Funktionsweise, zusätzliche Regler, nf-Bereich −80 bis −20, Rauschprofil, Nachführung und unterschiedliche Ausgabemodi.
• Audacity: Rauschminderung: Rauschprofil, vorsichtige Einstellung und Kontrolle des entfernten Anteils.
• Eigene Messskripte: dn_messung.py, dn_regler.py und dn_grenze.py. Die Tabellen verwenden RMS-Differenzen und FFT-Bandenergien, keine Lautheitsmessung nach ITU-R BS.1770.