Как соотносятся сложность музыкальной композиции и сложность кодирования с потерями?

Как соотносятся сложность музыкальной композиции и сложность кодирования с потерями?


Сложность композиции имеет мало общего со сложностью ее кодирования. В Интернете давным-давно получил распространение миф (до сих пор любимый многими "меломанами") о том, что для сжатия классической музыки принципиально нужен больший битрейт, чем для современной рок и поп-музыки. О наивности подобных утверждений говорит хотя бы тот факт, что при использовании режима VBR кодек зачастую отводит на классику значительно меньшее число бит, чем на, скажем, хард-рок композиции. Впрочем, есть интересные исключения. Звуки некоторых нструментов, которые вполне могут встретиться в произведениях классиков, достаточно сложны для компрессии. Так, звук скрипки или клавесина может потребовать большего количества бит, чем электрогитара. Однако в целом ситуацию это обстоятельство практически не меняет. Также нельзя говорить о пригодности того или иного кодировщика для сжатия музыки определенного стиля. Это как минимум неразумно. И хотя компрессия некоторых звуков (так называемые проблемные сэмплы) может происходить не так гладко, как хотелось бы, в целом будет корректнее говорить не о жанре произведения, а об используемых инструментах, характере музыки и т.д. Ведь кодеру совершенно неважно исполняет кто-то Моцарта на баяне или же пытается исполнять песенки Бритни Спирс под аккомпанемент клавесина.

В отличие от классики, обычно без серьезных проблем ужимаемой любым современным кодеком (если речь опять же не идет о произведениях, использующих некоторые из вышеупомянутых инструментов), некоторые произведения, написанные с использованием синтезированных инструментов (электроника, транс и т.д.), с трудом поддаются компрессии даже с использованием максимально возможных битрейтов и настроек кодировщика. Примером может служить Karl Bartos со своей The Camera, решительно не желающей кодироваться без искажений. Впрочем, данное произведение, не содержащее ни одного живого звука можно скорее рассматривать в качестве исключения.
Отношение человека к качеству звука - это отдельный вопрос. И если мало кто из поклонников джаза или классики позволит себе архивирование любимой композиции в Xing MP3 128kbps, то, скажем, любитель творчества незабвенной группы Руки Вверх /* с течение времени название группы можно заменить на другое модное */ вряд ли с подобным трепетом отнесется к новому хиту кумира (да и навряд ли этот хит сильно пострадает от подобных действий).

Что такое "эффект пустышки"?

Что такое "эффект пустышки"?

Во многих случаях люди, не принимающие психоакустическую компрессию, имеют дело с так называемым "эффектом пустышки" (от англ. placebo effect), когда личные предпочтения испытуемого в значительной степени влияют на результат исследования. Например, человек, уверенный в своих ушах, при прослушивании компакт диска на своей "навороченной" домашней стереосистеме может быть уверен в том, что он звучит идеально. Достаточно поставить тот же диск, сказав, что он записан из набора MP3 файлов, скачанных из Интернета, как в записи обнаружится множество "недочетов". Для устранения "эффекта пустышки" чаще всего прибегают к слепому или ABX тесту. Применительно к звуковым кодекам суть теста состоит в следующем: берутся два различных файла (обычно это короткие фрагменты записи, длительностью 5-30 секунд), представляющих из себя две версии одного произведения, кодированные с разными параметрами, или же референсный и декодированный файл. Уровни громкости файлов выравниваются (незначительное повышение громкости часто воспринимается как улучшение качества) и запускается программа-тестер. Пользователю дают возможность прослушать два файла, "A" (воспроизводится нажатием на кнопку A) и "B" (соответственно, кнопка B). Прослушивать файлы можно сколь угодно долго. После этого предлагается прослушать звуковой фрагмент X, случайно выбранный из A/B и попробовать определить его: X=A или X=B. После того, как решение принято, цикл повторяется... Для того, чтобы определить, действительно ли заметна на слух разница, обычно бывает достаточно десятка-двух таких циклов. По окончании работы программа в виде числа выводит вероятность того, что пользователь выдавал ответы, случайно нажимая на кнопки. Понятно, что если она составляет доли процента, то человек действительно слышит разницу. Схема действия программ может меняться, однако принцип остается неизменным: пользователь до конца эксперимента не должен знать, какой именно фрагмент воспроизводится.

Название же наблюдаемого эффекта, произошло из медицинской практики, когда больной поправлялся только за счет уверенности в том, что прописанная ему пилюля (состоящая из крахмала и других безвредных веществ) явлется новейшим эффективным препаратом, о чем ему сообщалось заранее. Самовнушение - великая штука... Так что не удивляйтесь, "узнав", что специальный гель, нанесенный на DVD диск, улучшает контрастность изображения или кабель стоимостью в $10 000 способен преобразить звучание любой акустической системы (а, будучи подключенным к лампе, превращает ее в источник солнечного света).

Можно ли осуществить преобразование из одного потокового формата аудио данных в другой?

Можно ли осуществить преобразование из одного потокового формата аудио данных в другой?


Да, такое преобразование возможно. Если речь идет о цифровых потоках, сжатых специальными lossy-алгоритмами (такими как MPEG, WMA, TwinVQ и проч.), то преобразование из одного типа в другой неизбежно влечет за собой потерю качества, так как для преобразования необходимо сначала декодировать исходный поток (качество которого заведомо отличается от оригинала), а затем снова сжать, используя необходимый компрессор (или просто записать в виде абсолютно кодированном виде, иначе говоря, не сжатом). Таким образом, при осуществлении "перекодирования" в новый формат (не в случае простого декодирования в .WAV) происходит фактически двойная потеря качества (относительно качества оригинального сигнала). Под потерей качества следует понимать не только потерю частотных составляющих в некоторых областях спектра сигнала, но и появление различных дополнительных шумов, помех, а также, потерю информации о сигнале в каналах (потерю оригинального стерео).

Если же речь идет об преобразовании формата хранения абсолютно кодированных данных, то существует большое количество программ-конверторов, позволяющих выполнять такое преобразование. Однако следует учитывать, что, например, конвертирование из PCM в ADPCM по своей сути приводит к ощутимым потерям качества, а при конвертировании данных с понижением разрядности сигнала происходит не только потеря оригинального качества, но и появление шумов. С уровнем шумов можно бороться (например, с помощью дизеринга - добавления псевдослучайного белого шума), однако совсем избавиться от них не удается. Поэтому, лучше по возможности не прибегать к таким преобразованиям. В случаях же, когда конвертирование неизбежно, следует быть предусмотрительным и стараться заранее сохранять звуковые данные в абсолютном виде с максимальным качеством (при максимально возможных параметрах), чтобы процесс конвертирования происходил с минимальными потерями.

Можно ли осуществить преобразование WAV в MIDI, WAV в трекерный модуль?

Другими словами, можно ли преобразовать цифровой поток (будь то .WAV или .SND файл) в файл формата MIDI или трекерный модуль (например, .XM или .IT)? На этот вопрос есть почти однозначный ответ: эта задача не решаема принципиально.

Оцифрованное аудио представляет собой, фактически, набор чисел, описывающих значение амплитуды сигнала в каждый момент времени. MIDI-файл - это принципиально иная структура, где хранятся команды, управляющие генераторами и прочими органами звукового синтезирующего устройства. Трекерный модуль представляет собой набор инструментов (оцифрованных звуков), используемых в данной конкретной музыкальной композиции, и набор команд для управления трекером (то есть набор команд, указывающих последовательность воспроизведения инструментов, а также устанавливающих параметры воспроизведения последних).

Таким образом, для того, чтобы, скажем, преобразовать оцифрованную музыку в формат MIDI необходимо качественно проанализировать весь исходный цифровой поток и однозначно определить, звучание каких инструментов необходимо будет задействовать в выходном MIDI-файле. То есть, фактически необходимо точно идентифицировать инструменты, входящие в композицию. Однако эта проблема, по крайней мере на сегодняшний день, почти не решаема. Посудите сами: для того, чтобы правильно определить звучание какого инструмента происходит в данный момент, нужно, грубо говоря, однозначно знать спектры всех возможных инструментов. И затем, сравнивая спектр звучащего инструмента с набором спектров известных инструментов, определить звучание какого инструмента мы слышим. Но в тоже время мы знаем, что спектр одного и того же инструмента может сильно измениться даже при небольшом изменении силы воздействия на него, а это в свою очередь означает, что однозначно получить спектр мы не можем. Но все сказанное касалось звучания только одного инструмента. А что же будет со спектром сигнала, если в него входит звучание сразу нескольких инструментов? Спектр изменится коренным образом! Вы скажете, что можно, наверное, определить звучание по формантным областям. Да, это возможно, однако говорить все же о точности определения не приходится. Да и проблема-то не заканчивается точной идентификацией инструментов. В дальнейшем придется точно определять тональности звучания, расстановку во времени и тому подобное. По этой причине можно сделать однозначный вывод: качественное преобразование цифровых потоков в MIDI невозможно в принципе.

Справедливости ради нужно сказать, что существует некоторое количество программ, которые позволяют переводить простые одноголосые композиции в MIDI-партитуру.

Можно ли перевести цифровой поток в трекерный модуль? Нет, нельзя по приведенным выше причинам. Более того, так как в трекерных модулях (в отличие от MIDI) хранятся кроме команд и сами используемые в композиции инструменты, то для того, чтобы перевести поток в трекерный модуль, из него нужно вычленить звучание отдельных инструментов. А эта задача равносильна вычленению, например, голоса из песни (караоке). То есть, это возможно в какой-то мере, но вычленение несомненно будет крайне некачественным, так как спектры инструментов чаще всего наложены друг на друга.

Можно ли выделить из аудио потока звучание конкретного инструмента или голоса?

Можно ли выделить из аудио потока звучание конкретного инструмента или голоса?

Такая процедура невозможна принципиально. В целом, существует, конечно, способ выделения голоса (т. н. Karaoke), однако он работает не всегда, и уж тем более не стоит ожидать от него качества. Обычно, голос исполнителя "находится" посредине стерео панорамы. Основываясь на этом, можно попробовать вычесть один канал из другого, удалив таким образом звучащее посредине - на этом механизме основана реализация караоке. Очевидно, что такой способ не дает качественного результата, если дает вообще какой-то результат.

Что же касается вычленения звучания каких-то инструментов, то этот вопрос аналогичен предыдущему (точнее, третий абзац предыдущего вопроса).

Какие существуют способы преобразования MIDI в WAV?

Какие существуют способы преобразования MIDI в WAV?


Таких способов много. Попробуем их перечислить.

Если речь идет о переводе в WAV-файл MIDI-композиции с какого-нибудь аппаратного концертного синтезатора, то существует несколько вариантов. Самый простой, вероятно, просто подключить выход синтезатора ко входу звуковой карты компьютера и оцифровать необходимую композицию стандартными методами с помощью какого-нибудь звукового редактора.. Однако этот способ хорош в том случае, если у подключаемого аппарата имеется цифровой выход, а у звуковой карты цифровой вход, так как в этом случае фактически просто произойдет запись цифрового потока с синтезатора в память компьютера, что не повлечет за собой абсолютно никакой потери качества звучания. Если же речь идет об аналоговом соединении аппаратуры, то в таком случае вышеописанный вариант не является удачным, так как внутренние шумы аналоговой части аппаратуры, а также внешние наводки со стороны других устройств могут сильно исказить сигнал и в результате полученный оцифрованный сигнал (.WAV) будет шуметь. Таким образом, если нет возможности осуществить цифровую передачу, можно или удовлетвориться аналоговым соединением или поступить иначе: "перегнать" необходимую MIDI-композицию с синтезатора в компьютер в MIDI-файл и уже MIDI-файл в компьютере доступными средствами оцифровать в .WAV. Однако здесь тоже существуют несколько вариантов.

Для того, чтобы "перегнать" .MID (или файл в ином формате, содержащий MIDI-данные) в .WAV необходимо располагать или звуковой картой со встроенным аппаратным MIDI-синтезатором, или воспользоваться каким-то программным MIDI-синтезатором. Из наиболее распространенных программных синтезаторов можно выделить следующие три: WaveSynth фирмы Creative Labs (поддерживает стандарт GM - General MIDI), Virtual Sound Canvas VSC-88 фирмы Roland (GS - General Synth) и S-YXG100 или S-YXG50 фирмы Yamaha. Следует отметить, что последний качественно отличается от остальных поддержкой стандарта XG (eXtended General). Хотя это тема отдельного обсуждения, следует оговориться все же, что если вы перенесли MIDI-композицию с одного синтезатора и попытаетесь воспроизвести ее на другом (отличном от оригинального), то звучание на нем перенесенной композиции наверняка будет иным (если не абсолютно иным). Эта оговорка особенно касается переноса композиции с концертного синтезатора на компьютер для последующего "перегона" в .WAV, о чем мы говорили выше.

А теперь, собственно, способы преобразования .MID - .WAV.
Самый простой и самый "лобовой" - это соединить выход звуковой карты с ее входом, запустить программу для записи (предварительно выбрав устройством записи соответствующего вход) и включить воспроизведение .MID используя аппаратный или программный синтезатор (следует заметить, что такой вариант подключения имеет смысл только если карта полнодуплексная, то есть умеет одновременно воспроизводить и записывать; если нет, то можно установить вторую дополнительную звуковую карту). Однако, если мы говорим об аналоговых входе и выходе, то такой способ просто испортит оригинальное звучание помехами и шумами, так как фактически сигнал претерпит два лишних взаимообратных преобразования (цифро-аналоговое и аналогово-цифровое) и в придачу наводки на соединительный кабель внесут свои погрешности.

Второй способ аналогичен первому в подходе. Дело в том, что, например, звуковая карта Creative SB Live! позволяет безо всяких физических подключений в качестве устройства записи (входа) использовать, грубо говоря, слышимое в колонках. Иначе говоря, в стандартном микшере Windows в списке устройств записи есть устройство "What U hear" ("То, что ты слышишь"). Самое приятное, что при записи через это устройство сигнал не подвергается цифро-аналоговому и аналогово-цифровому преобразованиям, что исключает влияние наводок и вообще появление каких либо помех, связанных с аналоговым соединением. Таким образом, использование этого устройства записи как нельзя лучше подходит для осуществления перехвата цифровых аудио потоков, в том числе, потоков от программных MIDI-синтезаторов. Для владельцев звуковых плат, отличных от SB Live!, можно порекомендовать воспользоваться, например, такой программой, как Total Recorder. Идея программы аналогична идее устройства "What U Hear" в SB Live!. Эта программа создает в списке устройств для воспроизведения новое виртуальное устройство "Playback through Total Recorder", а также имеет собственную программу записи. Для осуществления преобразования необходимо выбрать это виртуальное устройство как устройство "по умолчанию" для воспроизведения аудио (в Sounds and Multimedia в контрольной панели Windows), запустить программу записи Total Recorder и включить воспроизведение необходимого .MID-файла. Вся прелесть такого способа заключается в том, что сигнал вообще не попадает в аналоговый тракт звуковой карты. Вообще говоря, сигнал даже не попадает на звуковую карту - Total Recorder перехватывает поток идущий на виртуальное устройство "Playback through Total Recorder" и записывает его в файл. Таким образом, с помощью Total Recorder можно произвести оцифровку MIDI-файла абсолютно без потерь качества.

Вариант третий. Как можно заметить, для осуществления оцифровки в предыдущих способах мы предусматривали наличие синтезатора (аппаратного или программного) и звуковой карты. Однако существуют программы специально предназначенные для перевода MIDI в .WAV. Фактически такая программа представляет собой программный MIDI-синтезатор, который подает синтезируемую информацию не на выход звуковой карты, а прямо в файл. Одна из таких программ называется WAVMaker. При использовании для преобразования такой программы наличие какой-либо звуковой аппаратуры теоретически не является необходимостью.

Таким образом, из всех перечисленных методов наиболее подходящий выбирается в зависимости от стоящей задачи. Если преобразование MIDI - .WAV необходимо осуществить максимально качественно, то следует либо воспользоваться цифровым подключением аппаратуры, либо попытаться осуществить преобразование программным путем, не затрагивающим аналоговую часть аппаратуры. Если же требования к качеству преобразования не столь высоки, то можно воспользоваться одним из способов, реализующих конвертирование с помощью аналогового соединения.

Какой метод сравнения двух аудио сигналов можно признать наиболее точным?

Сначала договоримся, что речь идет о сравнении двух сложных непериодических сигналов, представленных в цифровом виде. Далее все зависит от стоящей перед экспериментатором задачи. Вероятно, все сводится к двум вариантам: физическое сравнение двух сигналов (то есть сравнение точности совпадения форм сигналов) и субъективное сравнение, когда целью является оценка "похожести" звучания двух сигналов.

Первый вариант употребим больше при необходимости оценить, например, степень искаженности сигнала, прошедшего какую-либо обработку или передачу по цепям, вносящим помехи. В таком случае сравнение оригинального и искаженного сигналов можно производить, например, путем вычитания одного сигнала из другого (это возможно только в том случае, когда начало и протяженность сигналов во времени точно совпадают) - по результату (результирующему сигналу, полученному путем поотсчетного вычитания одного сигнала из другого) можно приблизительно оценить уровень потерянной информации (на слух либо проследив изменение спектрального состава сигнала). Также недавно автором одной из статей был предложен иной метод. Берутся два сравниваемых сигнала (в цифровом виде, естественно) и записываются не в абсолютном виде (то есть абсолютные значения амплитуд, PCM - ИКМ - импульсно-кодовая модуляция), а в виде относительного изменения значений амплитуд сигнала (как в ADPCM - АОИКМ - адаптивная относительная импульсно-кодовая модуляция). Другими словами, сигнал записывается значениями, характеризующими изменение значения каждого отсчета относительно предыдущего. Таким образом, в результате проделанной операции получаются, грубо говоря, данные об углах наклона амплитудной огибающей в каждой точке или, что то же самое, информация о виде (форме) сигнала. После такой обработки проводится вычитание одного сигнала из другого (оригинального) и усреднение значении амплитуды полученной разницы. По усредненной величине амплитуды можно судить о потерях, которые сопутствовали сжатию сигнала.

Второй вариант, целью которого является субъективное сравнение разницы в звучании двух сигналов, очень часто применим при оценке качества алгоритмов компрессии аудио. Вообще, целью большинства аудио кодеков (за исключением специализированных, например, вокодеров, кодеков для передачи ограниченного спектра частот и lossless кодеков) является в максимально меньшем объеме данных сохранить аудио информацию как можно более приближенную по качеству к оригинальному звучанию. Другими словами, задача сводится к обеспечению субъективно сходного с оригиналом качества звучания и никак не объективного физического сходства форм (огибающих) оригинального и декодированного сжатого сигналов. В этом случае, применимость описанных выше методов сравнения может быть очень спорна, так как форма сигналов может совпадать очень слабо, а субъективное качество звучания оригинального и восстановленного сжатого сигналов при этом почти не изменится. Тогда для сравнения сигналов можно воспользоваться несколькими разновидностями спектрального анализа, каждый из которых, тем не менее, имеет массу недостатков.
Первый заключается в графическом сравнении результирующих АЧХ оригинального и восстановленного сжатого сигналов за какой-то промежуток времени. Под понятием "результирующая АЧХ" подразумевается график зафиксированных пиковых значений амплитуд частотных составляющих сигнала за некоторый промежуток времени. Таким образом, взяв два одинаковых промежутка сравниваемых сигналов и построив их результирующие АЧХ, по совпадению (не совпадению) графиков АЧХ можно приблизительно оценить уровень потерянных частотных составляющих в сжатом сигнале, а также увидеть полосы частот, где эти потери наиболее выражены. Однако этот метод является статичным, то есть он абсолютно не учитывает изменение сигналов в динамике, что является очень важным, так как часто встречаются случаи, когда результирующие АЧХ сигналов почти совпадают, однако звучание сравниваемых промежутков сигналов отличается коренным образом даже на слух.
Вторая разновидность спектрального анализа - сравнение сонограмм сигналов (сонограмма - это диаграмма, на которой по оси абсцисс откладывается время, по оси ординат - частота, а амплитуда соответствующей частотной составляющей отмечается интенсивностью цвета в данной точке графика). Сонограмма является более информативной характеристикой, так как позволяет учесть при сравнении изменение сигналов в динамике. Однако этот метод, в отличие от предыдущего, является "слишком графическим", то есть, если при сравнении статических АЧХ имеется возможность оценить "на глаз" разницу графиков, то в случае с сонограммами эта возможность затруднена, так как сравнивать приходится не кривые графиков, а интенсивность цветов на диаграммах. Есть и еще один немаловажный недостаток сонограмм - размытость сигнала во времени, то есть неточное совпадение (отставание либо опережение) спектральной картины с реальным спектральным составом сигнала в каждый конкретный момент времени. Такой феномен обусловлен принципом неопределенности сопутствующим использованию Быстрого Преобразования Фурье (БПФ): чем больше временнОе разрешение спектра, тем меньше спектральное разрешение, и наоборот. При построении сонограммы берутся относительно большие окна для БПФ (промежутки времени, в которых анализируется спектр) и именно это и обуславливает эффект размазывания сигнала. Конечно, появление этого эффекта можно в какой-то мере избежать применяя анализ с перекрывающимися окнами в несколько проходов, однако объем вычислений при этом крайне возрастет и достичь одновременно высоких спектрального и временного разрешений не удастся.
Третий метод представляет собой более конкретизированный предыдущий, он заключается в построении АЧХ для каждого сканируемого окна БПФ. Однако эта задача не лишена тех же проблем, что и предыдущий метод, и, кроме того, производить сравнение графически крайне неудобно, даже если представить всю обсчитанную спектральную картину сигнала в трехмерном виде.

Как разновидность методов сравнения аудио сигналов существует и еще один, принципиально отличный от предыдущих способ - метод тестирования на слух. Такой метод очень широко применяется при тестировании качества компрессии lossy аудио кодеров. Метод заключается в следующем (техника проведения тестирования может быть немного отличной от описываемой, однако смысл остается неизменным). Берется музыкальная композиция в двух вариантах: оригинал и сжатый сигнал. Пользователь внимательно слушает оригинальный сигнал один раз. Далее пользователь вслепую прослушивает в неизвестном ему порядке (либо с помощью ассистента, либо с помощью какой-то программы) N раз оригинальный сигнал и N раз сжатый. Во время каждого отдельного прослушивания пользователь старается определить слушает он оригинал или нет. Свою оценку он записывает. По окончании результаты его оценок сравнивают с действительностью: в каком числе из 2*N прослушиваний пользователь правильно определил звучание оригинального и сжатого сигнала. Если отношение числа правильных оценок к неправильным <= 1 - значит пользователь не в состоянии отличить оригинал от сжатого сигнала. Если же это отношение > 1, значит пользователь в состоянии с большей или меньшей достоверностью отличить оригинал от не оригинала. Точнее, достоверность тем выше, чем полученное соотношение оценок выше единицы. Конечно, вариаций такого способа тестирования может быть много, но основная идея остается неизменной (также см. обуждение "Что такое эффект пустышки?").

Очевидно, что идеального метода сравнения сигналов не существует. Поэтому в каждом конкретном случае пользуются наиболее подходящим по точности и удобству методом сравнения, руководствуясь только соображениями целесообразности.

Что такое стеганография?

Что такое стеганография?


Стеганография - способ сокрытия секретной информации. Cтеганография известна уже много лет, даже сотни и тысячи лет. Идея ее остается неизменной, модифицируются лишь способы и задачи. До недавнего времени постановка задачи описывалась на простом примере: двое заключенных Алиса и Боб хотят переписываться между собой. При этом они хотят избежать вмешательства в процесс переписки охранника Вилли. Описанная задача имеет некоторые допущения и модификации. Так, например, можно условиться, что Алиса и Боб могут разделать передаваемое сообщение при помощи условного знака. Однако при этом, охранник Вилли имеет право читать сообщение и модифицировать его. Очень забавно написано о стеганографии здесь: http://www.cesser6.ru/stegano.htm. Вот цитата:

Стеганография - метод, с помощью которого скрывают сам факт передачи сообщения, и такой метод известен:
Берете раба и наголо обриваете ему голову.
Пишете на голове раба свое сообщение.
Ждете, пока у раба не отрастет шевелюра (раба желательно не купать).
Посылаете раба к получателю сообщения.
Получатель наголо обривает голову раба и читает ваше сообщение.

// оказывается, этот способ действительно был применен тираном Гистием, находившимся в V в до н.э. под надзором царя Дария в Сузах //

Имеющие исключительно лысых рабов могут читать дальше. Современная стеганография работает с электронными документами:

Берется документ - сообщение, факт передачи которого необходимо скрыть ("волк").
Берется документ с невинным содержанием, передача которого не вызывает подозрений ("овечья шкура").
Первый документ шифруется и некоторым образом вставляется во второй так, что внешне второй документ практически не меняется ("волк надевает овечью шкуру").
Второй документ отсылается в электронном виде получателю.
Получатель некоторым образом извлекает из полученного невинного документа истинное сообщение, расшифровывает его и читает ("волк снимает овечью шкуру").

Все это дает целых три рубежа защиты от любопытных глаз:
Первый рубеж - ваша переписка не вызывает подозрений в ее истинном содержании.
Если же такие подозрения возникли по каким-то иным причинам, то обладатель любопытных глаз должен еще найти способ, с помощью которого настоящее сообщение извлекается из мнимого.
Если такой способ все же найден - перед любопытными глазами зашифрованный документ, ключ к которому знаете вы и получатель.

Думаю, смысл стеганографии вам стал ясен. В 1996 году была выработана точная терминология и схемы, описывающие основные задачи стеганографии.
Итак, стеганографическая система - это совокупность средств и методов, которые используются для формирования скрытого канала передачи информации. Основная задача - создать такую стеганосистему (стегосистему), которая не позволит никому (кроме получателя и отправителя) извлечь и расшифровать данные из скрытого канала передачи. При этом создаваемая стеганосистема должна должна обладать следующим свойством: даже если противник сможет получить точное представление о структуре стеганосистемы, то в таком случае препятствием на пути противника к расшифровке данных должен стать ключ (открытый или закрытый), с помощью которого зашифрованы передаваемые данные. В идеале же, противник даже не должен догадываться о наличии в информации скрытого канала данных. Таким образом, можно говорить о "контейнере" и о "сообщении". "Контейнер" - любая информация, предназначенная для сокрытия в ней тайных данных (в качестве контейнера может выступать любая подходящая по структуре информация, например, графическая, звуковая или исполняемый машинный код). В то же время "сообщение" - есть передаваемые тайные данные, которые также могут иметь любую структуру. "Пустой контейнер" - контейнер, не содержащий тайных данных, "заполненный контейнер" или "стегоконтейнер" - контейнер, несущий в себе стего (сообщение). "Стегоканал" - часть стегоконтейнера предназначенная для переноса стего. Одной из наиболее трудных задач стеганографии является создание стегосистемы, устойчивой к модификациям (даже умышленным). Очевидно, что сокрытие достаточно объемных стегоданных накладывает очень жесткие ограничения на стегоконтейнер.

Можно различать три способа встраивания стегоканала в контейнер и организации контейнера: деструктивный, не деструктивный и конструирующая. Деструктивный способ подразумевает малозаметное, но все же искажение оригинальных данных, использующихся в качестве контейнера (например, встраивание стего в аудио файл может вызвать незаметные на слух искажения оригинального звучания). Не деструктивный способ подразумевает сокрытие стегоканала в стегоконтейнере таким образом, чтобы целостность данных, использующихся в качестве стегоконтейнера. не была нарушена (например, дописывание данных к концу файла, либо использование особенностей структуры контейнера с тем, чтобы внести в него дополнительные данные, не нарушая при этом оригинальных). Конструирующий способ подразумевает создание для транспортировки стего фиктивного контейнера, не несущего осмысленные данные (например, встраивание тайных данных в фиктивный графический файл, специально сгенерированный для этой цели); иными словами, контейнер создается "для отвода глаз".

В качестве контейнера может выступать как непрерывный поток данных, так и ограниченный в объеме. Во втором случае (когда в качестве контейнера используется, например, файл определенной структуры), стегосистема может опираться на известный фиксированный размер контейнера, а также на особенности его структуры. В потоковом контейнере основной проблемой является невозможность определения получателем "начала" и "конца" стего, что накладывает множество требований на организацию передатчика. С другой стороны, использование потокового контейнера избавляет передатчик от трудностей, связанных с ограниченностью объема контейнера фиксированной длины.

Существуют три различных типа приложения стеганографии: сокрытие данных, маркировка "водяными знаками" (watermarks) и нанесение пометок (заголовков). Маркировка водяными знаками применяется для сокрытия в данных информации о правах и идентификаторов авторства. Подобная маркировка должна жестко выполнять следующие требования: скрытые данные (водяные знаки) должны не вносить хоть сколько-нибудь заметные изменения в оригинальные данные и при этом быть очень устойчивыми к модификации последних. Водяные знаки имеют незначительный объем в сравнении с объемом оригинальных данных. Нанесение пометок - это, можно сказать, облегченная разновидность водяных знаков. Пометки используются для хранения индивидуальной информации, кроме того, пометки не обязаны так жестко отвечать требованиям устойчивости.

Дополнительную информацию о стеганографии можно почитать, например, здесь: http://privacy.yo.lv/stegano.htm, http://abc.nn.ru/secure/stega/.

Как оцифровать материалы со множества аудио кассет и отреставрировать.

Задача: оцифровать материалы со множества аудио кассет и отреставрировать. Как?


Для решения поставленной задачи нужно серьёзно подготовиться. Начните с магнитофона. При помощи цифровой обработки многое можно, но далеко не всё. Чем лучше сигнал, который вы оцифровываете, тем потом легче и тем лучше результаты. Оцифровывать, конечно же, следует с линейного выхода. Это первое. Далее, если уж браться за такую работу, то нужно чтобы головка магнитофона была в хорошем состоянии. "Запиленная" головка может испортить все дело. Каналы будут воспроизводиться не с одинаковым качеством (как правило, левый будет хуже), ухудшится частотная характеристика и т. д. Будете вы ставить новую головку, либо рискнете воспользоваться старой - в любом случае головку желательно размагнитить перед началом работы (вместе с головой также желательно размагнитить и экран внутри самой кассеты - для этого кассету нужно аккуратно разобрать). Итак, предположим, что качество воспроизведения вас устраивает. Не спешите включать запись (оцифровку). Очень желательно, чтобы у вас был коммутационный предусилитель с возможностью переключения выхода на моно. Включаете воспроизведение и переключаете выход со стерео на моно и обратно, слушая при этом звук (лучше всего в наушниках). Если запись соответствует положению зазора головки, то при включении моно режима характер звука никак не меняется, разумеется, за исключением того, что он становится монофоническим. Если же вы слышите, что в области верхних частот появляются неприятные эффекты, то положение головки нужно отрегулировать. Необходимо маленькой размагниченной отверткой поворачивать регулировочный винт возле головки, слушая при этом звук. Регулировка довольно "острая". Добейтесь максимально хорошего воспроизедения верхних частот. В идеале, при переключении режимов с моно на стерео и обратно характер звука никак не должен изменяться (за исключением стерео<->моно). Если же вы слышите флуктуации в моно режиме на верхних частотах, то дело хуже - это значит, что либо при записи, либо при воспроизведении лента при движении испытывала вертикальные колебания в районе зазора головки, что приводит к переменному сдвигу фаз. Если это произошло при записи, то сделать уже ничего нельзя. Если при воспроизведении, то теоретически можно, - проблема заключается лишь в трудности настройки механики магнитофона. Без переключения в моно режим эти настройки сделать нельзя. Тогда нужна специальная аппаратура. Если описанная настройка не произведена и зазор головки перекошен относительно записи, то ухудшается частотная характеристика сигнала, так как при этом фактически увеличивается эффетивная ширина зазора. Кроме этого, появляется очень существенный на высоких частотах фазовый сдвиг между каналами. Проверять положение головки следует для каждой стороны кассеты. Настройка положения зазора головки весьма проста. После небольшой практики (возьмите какую-нибудь музыкальную кассету) вы сможете сделать это за пару минут.

Если при воспроизведении с кассеты в режиме моно слышны флуктуации на высоких частотах и избавиться от них не удается, то следует оставить головку в том положении, в котором качество звука наилучшее; при сжатии оцифрованного с нее материала не следует пользоваться режимом Joint Stereo - в этом режиме для сжатия формируется разностный сигнал и после сжатия вы будете слышать эффекты, подобные тем, которые слышны в моно режиме.

Если у вас нет предварительного усилителя с коммутационными возможностями - это не беда. Его можно заменить программно, с помощью компьютера. Вот один из вариантов. По всей вероятности, у вас есть проигрыватель Winamp. Скачайте line-in plugin к нему (http://home.hccnet.nl/th.v.d.gronde/). Там же есть и документация. После установки сделайте следующее. Запустите микшер записи и выберите Line-in, установите желаемый уровень (пока он вас ни к чему не обязывает).

Запустите Winamp, нажмите Ctrl+L. В открывшемся окне введите line://nch=2,bps=16,srate=44100. Нажмите Ok. Снова вызовите это окно и введите line://nch=1,bps=16,srate=44100, нажмите Ok. Здесь: nch - number of channels, bps - bits per sample, srate - sample rate. Таким образом, активация 1-й строки даст вам стерео звук, а второй - моно. Если теперь вы подключите магнитофон к линейному входу, включите на нем воспроизведение и нажмете "play" на панели управления Winamp'а, то услышите звук соответствующий активной строке в play list'е. При переходе на другую строку (кнопки "Next Track" и "Previous Track" на панели управления Winamp) звук тут же поменяется. Возьмите какую-нибудь кассету для экспериментов. Запустите программу для записи, например, в Sound Forge. Включите воспроизведение и установите уровень записи так, чтобы максимум находился между -3 и -2db. Остановите воспроизведение. Вероятно, вы сможете найти кассету, из которой можно вытащить ленту. Оставьте в корпусе только пермаллоевую пластинку. Она нужна для экранирования головки. Без нее сильно возрастает фон. Вставьте этот пустой корпус в магнитофон и включите воспроизведение. По индикатору уровня вы можете видеть суммарную величину всего, что дает усилитель воспроизведения магнитофона, а в наушниках можете услышать характер этого звука. В зависимости от конструкции магнитофона уровень помех может зависеть от скорости вращения приемного узла (при отсутствии ленты он вращается с максимально возможной скоростью).
Можете придержать его рукой, чтобы определить, имеет ли это место. Ваша задача сделать уровень помех (в основном фона) минимальным. Он может зависеть от взаимной ориентации магнитофона и компьютера, от положения соединительного кабеля (особенно, если он низкого качества) и т. д. Если уровень фона чрезмерный, то в последствии при шумопонижении придется либо жертвовать нижней частью диапазона, либо оставлять какой-то фон.

Предположим, что регулировка окончена и запись сделана. Что дальше?
Запись с микрофона на магнитную ленту не характеризуется наличием большого количества щелчков (импульсных помех), которые характерны, например, для виниловой пластинки. Если же на вашей записи имеются щелчки, то разумно попытаться сразу от них избавиться. Для того, чтобы ясно понять причину этого, нужно привлечь теорию сигналов и соответствующую математику. Однако, попытаемся прояснить ситуацию, не прибегая к сложным выкладкам. Проделайте следующий опыт (для этого вам понадобится Sound Forge и Sonic Foundry Noise Reducnion DX Plugin, лучше 2-й версии). Вам потребуется буквально пара минут, но это многое прояснит. Запустите SF, создайте новый файл (File->New) с параметрами 44.1 кгц и 16 бит. Затем - Process->Insert Silence. Длительность задайте 10 сек. Установите линию-курсор примерно посередине файла и установите масштаб так, чтобы видеть отдельные точки-сэмплы. Инструментом "карандаш" поднимите до конца 8 точек в левом канале. Измените теперь масштаб так, чтобы можно было отметить участок с нарисованным импульсом длительностью примерно 1/2 секунды (отмечайте оба канала). Отметьте такой участок и выберите Noise Reduction из списка. Включите его для создания образца шума. График, который вы увидите, может слегка удивить, но именно таким он и должен быть. Выберите теперь все 10 сек. и опять создайте образец шума. Посмотрите, как поменялся график и попытайтесь объяснить, почему так произошло. В непосредственной близости от этого импулься нарисуйте импульс в правом канале, но поднимите уже 30 точек. Снова создайте образец шума и посмотрите график. Любопытно, не правда ли? Ну и, наконец, нарисуйте в любом канале импульс, поднимая 2 точки и посмотрите еще и этот график. Теперь подытожим. Из теории известно, что импульсный сигнал имеет широкий спектр, который зависит от его формы и длительности. Если в участке звука, который вы хотите использовать для создания образца шума, присутствуют импульсные помехи, то это сильно отразится на полученном спектре и полученный образец может мало соответствовать тому, что нужно. Кроме этого, как показывают графики, иногда полезно снижать уровень шума отдельно в каналах. Именно из-за этого обычно (не вдаваясь в подробности) рекомендуют сначала избавиться от импульсных помех. Можно, разумеется, поступать и иначе, но тогда требуется хорошее понимание процессов обработки сигнала.

После удаления импульсных помех следует взяться за шум. Для образца шума выберите сигнал стертой ленты с нулевым уровнем записи. Это, правда, может оказаться затруднительным, Все зависит от того, как включалась запись и какой использовался магнитофон - с АРУЗ или без него. Если в начале ленты такого участка нет, то придется поискать удобное место по файлу. Убрав шум ленты, вы получите примерно то, что вы записывали. Разумеется, есть еще много тонкостей, но мы их здесь опустим. SF дает очень хорошие результаты, так что упомянем здесь рекомендации именно для него. Не вырезайте сразу много шума (в db). Обычно на зашумленных записях работа в несколько проходов дает лучшие результаты. Понятно, что для каждого следующего прохода требуется новый образец шума и новые настройки. Начните децибел с 10-ти. Краткие описания настроек. Reduce noise by - задает, на сколько уменьшить уровень шума. Noise bias - смещение шума по уровню относительно сигнала. Если на закладке Noiseprint вы будете нажимать на маленькие кнопки, расположенные внизу с левой стороны, то увидите, что весь график смещается по вертикали в ту или иную стороны. Если спектральная составляющая превосходит по уровню соответствующую точку на графике, то, грубо говоря, она не считается шумом. Модификации алгоритмов - mode. Они все используют заданный образец, шума. Больше всего шума вырезается в Mode1. Дело, однако, не только в количестве шума. Лучше всего можно услышать разницу между модификациями снижая шум на тихом зашумленном участке с легкими! ударами по тарелкам. В Mode1 сильно срезается послезвучие - тарелка неестественно быстро затихает. Эффект убывает с возрастанием номера. Attack и Release speed задают время срабатывания и отпускания. Подбираются на слух, чтобы свести к минимуму слышимость срабатывания шумопонижения. Во многих случаях установки по умолчанию работают неплохо. Сильное влияние на характер шумопонижения оказывает FFT Size. Верхняя часть звукового диапазона срезается меньше при уменьшении FFT Size, но могут появиться неприятные артефакты. Как всегда, нужен компромисс. Интересных результатов можно добиться работая с графиком. Вы можете задать частотный диапазон, в котором производить шумопонижение, изменить характер шумопонижения на разных участках и т. д.

Что такое оконная функция в анализе Фурье, какие типы оконных функций существуют?

Что такое оконная функция в анализе Фурье, какие типы оконных функций существуют?


Коротоко: Если вкратце, то смысл таков. Как известно, спектральное разложение проводится не для всего сигнала целиком, а кусками (почему? - ясно: либо мы имеем точный спектр, но не знаем в какой момент времени какая спектральная составляющая возникла, либо наоборот, режем сигнал на отрезки и в каждом отрезке знаем менее точный спектр, но зато имеем представление о том, когда и какое изменение спектра произошло). Спектральный анализ, в теории, предназначен для анализа неприрывных периодических сигналов. При обрезании сигнала, в спектре появляются несуществовавшие в сигнале высокочастотные составляющие. Чтобы бороться с их появлением и прибегают к использованию т.н. оконных функций, изменяющих оригинальный сигнал в каждом анализируемом окне (отрезке).

Более развернуто: Анализ спектра опирается на весьма непростой математический аппарат и детально его объяснить без применения математики вряд ли возможно. Имеются различные методы этого анализа. Для работы со звуком наиболее часто применяются методы, основанные на преобразованиях Фурье (ПФ). БПФ - быстрое преобразование Фурье - модифицированнный алгоритм, преследующий цель значительно уменьшить количество арифметических операций, выполняемых во время ПФ. На английском - "FFT" - "fast Fourier transform".

При открытии звукового файла в редакторе мы видим волновую форму сигнала - по оси Y показаны значения отсчетов, а по оси X - время. При помощи БПФ мы можем перейти к частотной форме: по оси Y мы будем иметь амплитуду, а по оси X - частоту. Вычисления производятся для заданного отрезка сигнала. Для вычислений необходимо задать FFT size - так называемый интервал наблюдения (длина отрезков, на которые "нарезается" анализируемый сигнал) и коэффициент перекрытия (коэффициент наложения анализируемых участков сигнала друг на друга; наиболее употребительные его зачения: 0,5 и 0,75). Перед выполнением преобразования Фурье интервал наблюдения обрабатывается специальной оконной функцией (значения отсчетов в анализируемом окне умножаются на значения оконной функции). Выбор оконной функции влияет на точность полученного спектра. Названия этих функций мы и видим в установках спектроанализатора: прямоугольная, треугольная, Блэкменна, Хэмминга, Бесселя-Кайзера и т. д. Самая простая - прямоугольная. Все ее значения равны 1 . Значения треугольной функции для n=6 следующие: p(0)=0, p(1)=1/3, p(2)=2/3, p(3)=1, p(4)=2/3, p(5)=1/3. Если интервал наблюдения равен 1024, то, соответственно, мы должны брать и оконную функцию для 1024 точек. Другие функции определяются довольно сложными математическими формулами. Выбор наиболее предпочтительной оконной функции требует детального анализа сигнала и в случае обработки звука в основном не требуется. Общеупотребительные оконные функции для этих целей - Блэкменна, Хэмминга и Хэннинга. В конечном счете выбор зависит от поставленной задачи. Если, например, предполагается, что в спектре имеется некоторый тон с большой амплитудой, частоту которого нужно определить, то можно просто сравнить результаты применения разных оконных функций. Острота пика этого тона будет разной и это может помочь более точному определению частоты.

Увеличение интервала наблюдения увеличивает точность и время вычислений. При определении спектра сигнала интервал наблюдений "скользит" от начала промежутка к концу с заданным коэффициентом перекрытия. Если он равен 0,5, а длина интервала наблюдений равна 1024, то в следующем его положении будет 512 "старых" точек и 512 новых.

(ответами послужили два сообщения на форуме WebSound.Ru).

Каковы принципы работы динамического и компандерного шумоподавителей для магнитофонов?

Каковы принципы работы динамического и компандерного шумоподавителей для магнитофонов?

1. Динамический шумоподавитель.

Принцип его работы заключается в том, что при снижении уровня высокочастотных составляющих в воспроизводимом сигнале динамический фильтр уменьшает полосу пропускания канала воспроизведения. Обычно регулировка начинается в районе 5-ти кгц. Нижняя часть частотной полосы передается без изменений. Фильтр управляется сигналом, который вырабатывается специальной схемой, уровень его зависит от уровня воспроизводимого сигнала выше частоты среза. В свою очередь от уровня управляющего сигнала зависит частотная характеристика канала воспроизведения. Как следствие этого, при высоком уровне сигнала в полосе выше 5 кгц полоса пропускания канала воспроизведения полная, но в этом случае высокие частоты маскируют шум ленты. Если высоких мало, то уменьшается полоса пропускания и уменьшается слышимый шум ленты. Таким образом, при воспроизведении через ДШП частотная характеристика канала воспроизведения все время изменяется в зависимости от сигнала. К сожалению, характеристика регулировки далеко не всегда дает желаемый результат. В одних случаях неоправданно снижается уровень передачи высоких частот и они срезаются, в других недостаточно подавляется шум. Очень характерная ситуация - образование шумовых хвостов за короткими резкими звуками. Они имеют довольно широкий спектр, что приводит к расширению полосы пропускания и пока фильтр ее опять не уменьшит слышен этот самый шумовой хвост. Работают динамические шумоподавители только при воспроизведении.

2. Компандерный шумоподавитель.

Компандерные шумоподавители затрагивает и процесс записи. Идея заключается в том, чтобы при снижении уровня высокочастотных составляющих во входном сигнале возрастал уровень записи на этих частотах по отношению к стандартному усилителю записи. Для наших рассуждений будем считать шум ленты постоянным. Это шум, который мы можем слышать, воспроизводя стертую (в магнитофоне, а не внешним размагничивающим устройством) ленту. Понятно, что чем меньше уровень записанного сигнала, тем явственней мы будем этот шум слышать. В компандерном шумоподавителе эффект шумопонижения достигается за счет того, что во время записи уровень записи высокочастотных составляющих увеличивается при уменьшении их уровня. При воспроизведении должно обеспечиваться восстановление сигнала. Цифры, приводимые ниже, имеют чисто иллюстративное назначение. Пусть 0 db максимальный уровень записи. Если в текущий момент уровень сигнала на входе (мы рассматриваем верхнюю часть звукового диапазона) равен -10 db, т.е. уменьшился на 10 db, то в магнитофоне без шумопонижения уровень записи также уменьшится на эту же величину. В магнитофоне с шумопонижением это падение будет меньше. Пусть, для определенности, это будет 8 db. Следовательно уровень записи будет на 2 db выше, чем в предыдущем случае. С пониженим уровня эта разница возрастает. Скажем при снижении уровня входного сигнала на 60 db уровень записи упадет только на 40 db, т.е. по отношению к обычному магнитофону разница уже 20 db. Правильное воспроизведение такой записи требует, чтобы тракт воспроизведения имел зеркальную характеристику. Т.е., если воспроизодимый с ленты сигнал имеет уровень -40 db, то его нужно уменьшить на 20 db, если 0 db, то и оставить 0 и т.д. Таким образом, получается, что при записи высокие "приподнимаются" (тем больше, чем они слабее), а при воспроизведении характеристика восстанавливается. Т.к. шум ленты практически не меняется, то это и приводит к слышимому снижению уровня шума. Это только принцип, детали в данном случае нам не важны. Теперь без труда можно представить, что будет если записанную без шумопонижения ленту воспроизводить с шумопонижением. Воспроизведение будет совершенно неправильным. Совершенно неправильно будут воспроизводиться и ленты, записанные с шумопонижением без его включения. Все это происходит потому, что при записи с шумопонижением уровень записи на высоких частотах постоянно изменяется в зависимости от входного сигнала и для правильного воспроизведения нужно, чтобы при воспроизведении динамическая частотная характеристика была строго обратной. Еще пара штрихов. При компандерном шумопонижении понижения шума собственно в сигнале не происходит: если на вход идет шум, то он будет прекрасно записываться и потом воспроизводиться. Имеются трудности для правильного воспроизведения даже на одном и том же аппарате. С износом рабочей поверхности головки происходит увеличение эффективной ширины зазора и, как следствие, ухудшается частотная характеристика. Это в свою очередь препятствует правильному восстановлению. Отсюда следует, что:
- записи, сделанные без шумопонижения следует без него и воспроизводить,
- правильное воспроизведение записей, сделанных с шумопонижением без применения шумоподавителя невозможно.
В заключение можно сказать, что при наличии компьютера со звуковым трактом приемлемого качества динамический шумоподавитель можно эффективно заменить не только при оцифровке для последующей записи на компакт-диск, но и просто при прослушивании. Для этого можно воспользоваться проигрывателем Winamp. Дополнительно потребуются подмодули Line In и Adapt-X и некоторый DX модуль для снижения шума.. Line In позволяет прослушивать сигнал, поступающий на звуковую карту, Adapt-X обеспечивает подключение DX модулей к проигрывателю. Для прослушивания остается подключить скажем Sonic Foundry Noise Reduction Plugin (если он имеется) и настроить его.

Что Мы слышим?

Что мы слышим?

В ответ на вопрос о том, какой диапазон частот способно услышать человеческое ухо нередко можно получить "классический" ответ: от 20 герц до 20 килогерц. Думаю, подобному слуху могли позавидовать бы многие музыканты и "аудиофилы", даже не подозревающие, насколько ниже их реальные возможности. В действительности человеческое ухо наиболее чувствительно к звукам, находящимся в пределах 1-4 килогерца, что соответствует области человеческой речи. С повышением частоты чувствительность снижается и уже далеко не все люди будут четко слышать 16 килогерцовый тон (с возрастом чувствительность к высоким частотам снижается). 18 килогерц обычно является порогом, за которым человеческое ухо перестает воспринимать высокочастотные сигналы, и хотя редкие обладатели "золотых ушей" (к которым любят причислять себя аудиофилы) способны слышать 19 и даже 20 килогерные тона, на практике даже эти люди неспособны отличить на слух от оригинала композицию с использованием среза на 18 килогерц. Случаи, когда человек может слышать еще более высокие частоты известны науке, но это уже уникальные результаты, не имеющие отношения к музыке. Аналогично дело обстоит и в области низких частот. Периодически появляются сообщения о том, что человек способен слышать звуки ниже 20 герц, однако в этих случаях звуки скорее ощущаются, а не слышатся (низкие частоты человек воспринимает не ушами, а телом, ощущая вибрации). Так что не стоит отчаиваться, если вы окажетесь неспособным услышать звуки выше 18 Кгц. Скорее всего, находящийся рядом меломан, гордящийся идеальным слухом, также их не услышит.