Odszumianie w afftdn i anlmdn: regulatory, zmiany sygnału i ograniczenia pomiaru

FFmpeg zawiera między innymi filtry odszumiające afftdn i anlmdn. afftdn dzieli krótkie fragmenty audio na składowe częstotliwościowe i tłumi składowe pasujące do przyjętego szumu. Ten test skupia się na dwóch ustawieniach: nr ogranicza redukcję szumu w dB, a nf określa zakładany poziom szumu. Wartości domyślne to 12 i −50. anlmdn porównuje podobne krótkie fragmenty sygnału; tutaj badana jest głównie siła s. Oba filtry mają także inne ustawienia.

Eksperyment porównuje przefiltrowane audio ze znanym czystym oryginałem. Osobna próba pokazuje, jak mocno filtr zmienia również czysty materiał. Nie rozdziela to jednak dokładnie przyczyn różnicy w zaszumionym wyniku: odszumiacz może inaczej reagować na czysty i zaszumiony sygnał. Pomiar pokazuje, jak bardzo przefiltrowany sygnał różni się od oryginału po wyrównaniu obu w czasie. Ta różnica przebiegu nie jest oceną jakości z testu odsłuchowego.

Jak wyglądał pomiar

• Materiał: 32 s syntetycznej muzyki ze stopą, werblem, hi-hatami, basem, padem i leadem, uśrednione do mono i znormalizowane do szczytu 0,5 (połowy pełnej skali cyfrowej). Na końcu dodano 0,3 s ciszy. Poziom RMS wynosi −19,62 dBFS; biały szum jest dodawany ze znanym poziomem. RMS, czyli wartość skuteczna, opisuje średnią siłę sygnału. 0 dBFS oznacza pełną skalę cyfrową; wartości ujemne leżą poniżej.
• Miara: 20 × log10(RMS(wyjście − oryginał) / RMS(oryginał)). Przebiegi są wyrównywane w czasie i odejmowane. Szum 40 dB poniżej oryginału daje przed obróbką różnicę −40 dB, czyli dodatni stosunek sygnału do szumu równy 40 dB. Ujemna zmiana różnicy oznacza, że wynik jest według tej miary bliższy oryginałowi. Nie wynika z tego bezpośrednio słyszalność ani jakość brzmienia.
• Próba bez dodanego szumu: filtr przetwarza także czysty sygnał. Różnica opisuje zmiany wywołane obróbką, niekoniecznie brakującą muzykę lub słyszalne uszkodzenie. Tej wartości nie można po prostu odjąć od różnicy w zaszumionej próbie.
• Wyrównanie: przy 44,1 kHz wyjście afftdn w tym układzie było opóźnione o 1102 próbki, czyli 24,99 ms; anlmdn o 353 próbki, czyli 8,00 ms. Korelacja wzajemna szuka przesunięcia z największą zgodnością przebiegów. Następnie porównywana jest tylko wspólna długość, z pominięciem krótkiego fragmentu na końcu.
• Próba kontrolna: afftdn udostępnia usunięty składnik przez output_mode=noise, a anlmdn przez output=n. Jego poziom RMS i poziom obliczonej różnicy zgadzają się tutaj do dwóch miejsc po przecinku. Potwierdza to pomiar różnicowy, ale nie dowodzi niesłyszalności obróbki.

Zmiany czystego sygnału

Poziom całości zmienia się bardzo mało, choć przebieg jest inny. Dla afftdn z nr 12 i nf −50 różnica leży 42,19 dB poniżej sygnału; z nr 48 i nf −40 tylko 26,16 dB poniżej. W drugim przypadku zmieniono dwa regulatory, więc wyniku nie można przypisać jednemu z nich. anlmdn przy s 0,001 i 0,01 zmienia ten materiał bardzo nieznacznie. Słyszalność nie była badana.

Działanie nr i nf w tym teście

Obie serie wykorzystują ten sam materiał z szumem 40 dB poniżej sygnału, czyli z poziomem RMS szumu −59,6 dBFS. Wartość dodatnia w trzeciej kolumnie oznacza, że odstęp od czystego oryginału urósł.

Przy stałym nf −50 najmniejszy i największy wynik dla badanych wartości nr dzieli około 1,13 dB. Między nr 48 a nr 90 wynik prawie się nie zmienia. Badane wartości nf przy stałym nr 12 dają rozpiętość 20,91 dB. W tym eksperymencie nf ma więc większy wpływ; nie oznacza to, że nr jest bezskuteczne lub ogólnie nieistotne.

Od nf −45 do −30 zmiana różnicy rośnie o 14,49 dB, a różnica na czystym materiale o 14,92 dB. Podobne wartości wskazują na silną obróbkę sygnału użytecznego. Nie dowodzą usunięcia całego szumu: pozostały szum i zmiany muzyki wspólnie składają się na różnicę wyjściową.

Wyniki dla siedmiu stosunków sygnału do szumu

Każdy wiersz obejmuje 20 kombinacji afftdn: nr 12 lub 48 i dziesięć wartości nf, oraz trzy siły anlmdn. Tabela wskazuje rzeczywiście najlepszą kombinację z tego ograniczonego zestawu. Mniejszy dodatni stosunek sygnału do szumu oznacza więcej szumu.

W czterech mocniej zaszumionych próbach najlepsze badane nf dla afftdn leżało od 0,4 dB poniżej do 1,6 dB powyżej szerokopasmowego poziomu RMS szumu. To obserwacja dla tego sygnału. Nie określa uniwersalnej dokładności ustawienia ani nie oznacza, że domyślne −50 pasuje wyłącznie do szumu o poziomie dokładnie −50 dBFS.

Przy stosunku sygnału do szumu 60 i 50 dB anlmdn z s 0,01 poprawia wynik o około 0,04 dB; przy 40 dB ustawienie s 1,0 daje około 0,15 dB. Przy 30 dB afftdn poprawia wynik o 1,03 dB, a przy 6 dB o 7,42 dB. Wartości opisują badany zestaw i różnicę przebiegu. Granica słyszalnej korzyści z odszumiania pozostaje nieustalona.

Które częstotliwości i wybrzmienia się zmieniają

Pasmo tercjowe obejmuje ograniczony zakres częstotliwości; trzy takie pasma tworzą oktawę. Tabela porównuje energię różnicy z energią czystego sygnału w tym samym paśmie. Skrypt używa szybkiej transformaty Fouriera (FFT) do rozdzielenia częstotliwości. Analizuje nakładające się fragmenty po 32 768 próbek. Okno Hanna tłumi ich brzegi, ograniczając sztuczne składowe częstotliwościowe na granicach. Nie jest to bank filtrów tercjowych o sprawdzonej zgodności z normą. Dla tego materiału względne różnice afftdn są większe w wysokich tonach niż w basie, szczególnie przy 10 kHz. Nie jest to zasada dla wszystkich odszumiaczy i nagrań.

Dla pojedynczego uderzenia hi-hatu każdy pomiar obejmuje fragment o długości 20 ms, zaczynający się 50, 100, 200 lub 400 ms po szczycie. Domyślne afftdn zmniejsza poziomy po zaokrągleniu o 0,00, 0,00, 0,00 i 0,35 dB. Przy nf −40 i nr 48 fragment od 200 ms traci 0,27 dB, a od 400 ms 7,71 dB. Potwierdza to silniejsze tłumienie późnego wybrzmienia w tej próbie, a nie uniwersalną granicę.

W końcowej pauzie afftdn w ustawieniu domyślnym obniża szum o 10,52 dB; nr 48 z nf −40 obniża go o 19,98 dB. anlmdn osiąga od 26,06 do 28,02 dB dla badanych tutaj sił. Cichsza pauza potwierdza działanie na szum bez muzyki. Ocena jakości podczas muzyki wymaga także sprawdzenia wybrzmień i zmian sygnału użytecznego.

Co z tego wynika

Fragment bez muzyki i mowy pomaga oszacować poziom szumu oraz jego rozkład częstotliwościowy. Szerokopasmowy odczyt RMS jest punktem wyjścia dla nf, a nie gwarantowanym optimum. Powiązany miernik szumu tła wspiera takie oszacowanie. afftdn oferuje również pobieranie profilu szumu, własne wartości dla pasm i automatyczne śledzenie poziomu szumu. Audacity także używa profilu; nie oznacza to równoważności algorytmów i regulatorów.

Ostrożne porównanie polega na stopniowej zmianie nf i nr. Fragmenty muzyczne, wybrzmienia oraz odsłuch usuniętego składnika uzupełniają porównanie pauz. Rozpoznawalny głos lub instrumenty w usuniętym składniku wskazują na nadmierną obróbkę. Ten eksperyment nie uzasadnia pozostawiania nr bez zmian w każdej sytuacji.

W najcichszych próbach szumu badane ustawienia dawały małą poprawę. Nie jest to ogólny argument przeciw obróbce czystych nagrań ani dowód, że przyczyną szumu jest rozdzielczość bitowa. Szum nagrania i błędy kwantyzacji to różne problemy. Uzupełniający artykuł o ditherze przy eksporcie omawia zmniejszanie liczby bitów.

Zakres i granice

• Pomiar wykonano z białym szumem. Przydźwięk, szum taśmy i tło pomieszczenia rozkładają się inaczej; afftdn ma własne nastawy dla winylu i szelaku, których tu nie badano.
• Różnica przebiegu nie ocenia słyszalności ani rodzaju błędu. Stały szum i krótkie artefakty tonalne mogą przy tym samym RMS zwracać uwagę w różnym stopniu. Lepszy wynik nie gwarantuje przyjemniejszego brzmienia, a gorszy nie wyklucza subiektywnej korzyści.
• Zestaw nf to −70, −60, −55, −50, −45, −40, −35, −30, −25 i −20. Pierwsza przerwa wynosi 10 dB, pozostałe 5 dB. Inne wartości i dodatkowe opcje filtrów nie były optymalizowane.
• Tylko przy stosunku sygnału do szumu 60 dB rzeczywisty poziom −79,6 dBFS leży poniżej najmniejszego badanego nf −70. Przy 50 dB poziom wynosi −69,6 dBFS i leży powyżej. FFmpeg 7.1.5 pozwala ustawić nf do −80; tego dolnego zakresu zabrakło w badaniu. Pełne określenie osiągalnego optimum nie jest więc możliwe.

Źródła

• FFmpeg 7.1.5: dokumentacja filtrów: algorytmy, dodatkowe regulatory, zakres nf od −80 do −20, profile szumu, śledzenie poziomu i różne tryby wyjścia.
• Audacity: redukcja szumu: profil szumu, ostrożne ustawienia i kontrola usuniętego składnika.
• Własne skrypty pomiarowe: dn_messung.py, dn_regler.py i dn_grenze.py. Tabele korzystają z różnic RMS oraz energii pasm FFT, a nie z pomiaru głośności według ITU-R BS.1770.