Podstawy dźwięku cyfrowego

Aby zrozumieć ideę dźwięku cyfrowego, musimy wyjść od jego źródła – dźwięku analogowego. Fale akustyczne to zmiany ciśnienia powietrza, które docierają do naszego ucha i wprawiają w drgania błonę bębenkową. Podobnie działa mikrofon – membrana porusza się zgodnie ze zmianami ciśnienia, a jej ruch zamienia się w zmiany napięcia elektrycznego. Tak powstaje sygnał analogowy, czyli ciągła krzywa odpowiadająca rzeczywistym lokalnym zmianom ciśnienia powietrza.

Konwersja na dźwięk w postaci cyfrowej polega na tym, że sygnał ciągły zostaje opisany w postaci liczb – zer i jedynek. Proces ten składa się z dwóch głównych etapów: próbkowania i kwantyzacji.

2.1. Rozdzielczość czasowa – próbkowanie

Wyobraźmy sobie, że zamiast rysować całą falę dźwiękową ciągłą linią, zapisujemy tylko kolejne punkty co określony odstęp czasu. Tak właśnie działa próbkowanie – sygnał jest mierzony w równych odstępach, np. 44 100 razy na sekundę (standard CD).

Im więcej próbek na sekundę, tym dokładniej odtworzymy kształt fali. Kluczowe znaczenie ma tutaj twierdzenie Nyquista–Shannona [2.3], które mówi, że aby wiernie odwzorować sygnał, częstotliwość próbkowania musi być co najmniej dwa razy wyższa niż najwyższa częstotliwość obecna w dźwięku. Dlatego 44,1 kHz pozwala odwzorować pasmo do ok. 22 kHz – czyli zakres słyszalny dla człowieka[4].

Jeśli próbkowanie jest zbyt rzadkie, pojawia się zjawisko aliasingu [2] – fale o wyższych częstotliwościach są nieprawdziwie interpretowane jako niższe, co prowadzi do zniekształceń sygnału. Standardowe częstotliwości próbkowania wykorzystywane w inżynierii dźwięku są przedstawione w tabeli poniżej.

Typowe częstotliwości próbkowania w audio

2.2. Rozdzielczość amplitudowa – kwantyzacja

Każda próbka musi mieć przypisaną wartość liczbową. Ten proces nazywa się kwantyzacją. Ponieważ komputer nie zapisuje wartości „ciągłych”, amplituda sygnału zostaje zaokrąglona do najbliższego dostępnego poziomu.

Liczba dostępnych poziomów zależy od głębi bitowej (bit depth) [5], typowe zastosowania w realizacji dźwięku jest przedstawiona w tabelce poniżej.

Typowe wartości głębi bitowej w audio

*Zakres w 32-bit float jest teoretycznie gigantyczny, ale w praktyce ogranicza go sprzęt nagraniowy i odsłuchowy.

Większa głębia bitowa oznacza mniejszy szum kwantyzacji [5,6] i szerszy zakres dynamiczny – czyli lepsze odwzorowanie różnic między cichymi a głośnymi dźwiękami.