🤟🏽 👩‍👦‍👦 🐲 डिजीटल ऑडियो डेटा के संपीड़न पर GOST मसौदे की सार्वजनिक चर्चा 👩‍🏭 ☝️ 🖍️

प्रिय Habrausers!

तकनीकी मानकीकरण समिति TK-234 "अलार्म सिस्टम और एंटी-क्रिमिनल प्रोटेक्शन" की गतिविधियों के हिस्से के रूप में हमारी कंपनी द्वारा विकसित प्रकाशन मानकों के हाल ही में शुरू की गई परंपरा को जारी रखते हुए, हम आपके ध्यान में मानक "सुरक्षा टेलीविजन सिस्टम" प्रस्तुत करते हैं। डिजीटल ऑडियो डेटा का संपीड़न। एल्गोरिदम के मूल्यांकन के लिए सामान्य तकनीकी आवश्यकताएं और तरीके। "

हम परियोजना की रचनात्मक आलोचना के लिए बेहद आभारी होंगे, और सभी मूल्यवान टिप्पणियों और सुझावों को मानक के अगले संस्करण में शामिल किया जाएगा। कटौती के तहत मानक का पाठ।

इस मानक की संरचना और सामान्य दृष्टिकोण की बेहतर समझ के लिए, हम अनुशंसा करते हैं कि आप पहले खुद को डिजिटाइज्ड वीडियो डेटा को संपीड़ित करने के लिए पहले से ही अपनाए गए मानक से परिचित कराएं जिसे हमने 2011 में वापस विकसित किया।

रूसी संघ का राष्ट्रीय स्तर

सुरक्षा टेलीविजन सिस्टम। डिजीटल ऑडियो डेटा का संपीड़न।

वर्गीकरण। एल्गोरिदम के मूल्यांकन के लिए सामान्य तकनीकी आवश्यकताएं और तरीके

परिचय
मल्टीमीडिया टेलीविजन अनुप्रयोगों से उधार लिए गए डिजीटल ऑडियो डेटा के लिए संपीड़न विधियों के टेलीविज़न सुरक्षा प्रणालियों (एसओटी) के सक्रिय उपयोग ने सबसे मौजूदा एसओटी का उपयोग करते हुए, जांच उपायों के साथ-साथ परिचालन कार्यों को करना असंभव बना दिया है।
सीओटी के लिए डिजीटल ऑडियो डेटा के संपीड़न विधियों की एक महत्वपूर्ण विशिष्ट सुविधा बहाल ऑडियो डेटा में उच्च गुणवत्ता वाली ध्वनि सुनिश्चित करने की आवश्यकता है। यह मानक आपको डिजीटल ऑडियो डेटा के संपीड़न के मौजूदा और विकासशील तरीकों को कारगर बनाने की अनुमति देता है, जिसका उद्देश्य आपराधिक-विरोधी सुरक्षा प्रणालियों के हिस्से के रूप में उपयोग करना है।
डिजीटल ऑडियो डेटा के संपीड़न एल्गोरिदम के वर्गीकरण के लिए एक मानदंड के रूप में, यह मानक गुणवत्ता मीट्रिक के मूल्यों को स्थापित करता है जो मूल और इसी बहाल डिजीटल ऑडियो डेटा के विचलन की डिग्री की विशेषता है ।
इस मानक को GOST R 51558-2008 "सुरक्षा टेलीविजन उपकरण और प्रणालियों के साथ संयोजन में लागू किया जाना चाहिए। वर्गीकरण। सामान्य तकनीकी आवश्यकताएं। टेस्ट के तरीके। "

1 स्कोप
यह मानक डिजिटल टेलीविजन सुरक्षा प्रणालियों (इसके बाद सीसीटी के रूप में संदर्भित) पर लागू होता है और सीसीटी में डिजिटल डेटा के लिए संपीड़न एल्गोरिदम के मूल्यांकन के लिए सामान्य तकनीकी आवश्यकताओं और विधियों को स्थापित करता है।
यह अंतर्राष्ट्रीय मानक हार्डवेयर स्तर पर उनके कार्यान्वयन की परवाह किए बिना संपीड़न (अपघटन) एल्गोरिदम पर लागू होता है।
यह अंतर्राष्ट्रीय मानक डिजीटल ऑडियो डेटा के लिए संपीड़न (विघटन) एल्गोरिदम के वर्गीकरण को निर्दिष्ट करता है।
यह अंतर्राष्ट्रीय मानक डिजीटल ऑडियो डेटा के लिए विभिन्न संपीड़न और विघटन एल्गोरिदम की तुलना करने के लिए एक पद्धति स्थापित करता है।
इस मानक का उपयोग GOST R IEC 60065, GOST R 51558, GOST 13699, GOST 15971, GOST R 52633.5-2011 मानकों के साथ किया जाता है।

2 सामान्य संदर्भ
यह मानक निम्नलिखित मानकों के लिए मानक संदर्भ का उपयोग करता है:
GOST R 51558-2008 टेलीविजन सुरक्षा के लिए साधन और प्रणाली। सामान्य तकनीकी आवश्यकताएं और परीक्षण विधियां
GOST R IEC 60065-2009 ऑडियो, वीडियो और इसी तरह के इलेक्ट्रॉनिक उपकरण। सुरक्षा आवश्यकताओं
GOST 13699-91 रिकॉर्डिंग और जानकारी का पुनरुत्पादन। नियम और परिभाषाएँ
GOST 15971-90 सूचना संसाधन प्रणाली। नियम और परिभाषाएँ
GOST R 52633.5-2011 सूचना सुरक्षा। सूचना सुरक्षा तकनीक। तंत्रिका नेटवर्क कन्वर्टर्स बायोमेट्रिक्स-एक्सेस कोड का स्वचालित प्रशिक्षण

3 नियम और परिभाषाएँ
इस मानक में, GOST 15971-90, GOST 13699, GOST R 51558, GOST R 52633.5-2011, GOST R IEC 60065-2009, के साथ-साथ निम्नलिखित परिभाषाओं के अनुसार उपयोग की जाने वाली शर्तें:
1. ऑडियो डेटा (ऑडियो डेटा), ऑडियो सिग्नल (ऑडियो सिग्नल), मोनो-चैनल ऑडियो सिग्नल (मोनोफोनिक ऑडियो): एक एनालॉग सिग्नल जो ध्वनि के आयाम के समय में परिवर्तन के बारे में जानकारी देता है।
2. मल्टी-चैनल ऑडियो: एक ऑडियो सिग्नल जिसमें एक निश्चित संख्या में ऑडियो सिग्नल (चैनल) के संयोजन होते हैं जो एक ही ध्वनि के बारे में जानकारी ले जाते हैं; स्थानिक अभिविन्यास को ध्यान में रखते हुए बेहतर ध्वनि संचरण के लिए डिज़ाइन किया गया।
3. स्टीरियो दो-चैनल ऑडियो सिग्नल (स्टीरियोफोनिक ऑडियो सिग्नल), स्टीरियो ऑडियो सिग्नल (स्टीरियो ऑडियो सिग्नल), दो-चैनल ऑडियो सिग्नल (स्टीरियो ऑडियो सिग्नल): मल्टी-चैनल ऑडियो सिग्नल, जिसमें दो मोनो-चैनल ऑडियो सिग्नल शामिल हैं।
4. डिजीटल ऑडियो डेटा: ऑडियो डेटा के एनालॉग-टू-डिजिटल रूपांतरण द्वारा प्राप्त डेटा, जो एक निश्चित प्रारूप (WAV या अन्य) में बाइट्स का एक क्रम है।
5. एनालॉग-टू-डिजिटल कनवर्टर, एडीसी: एक उपकरण जो इनपुट एनालॉग ऑडियो सिग्नल को डिजीटल ऑडियो डेटा में परिवर्तित करता है।
6. नमूना दर: डिजीटल ऑडियो डेटा के एनालॉग-टू-डिजिटल रूपांतरण के दौरान समय-निरंतर संकेत की नमूना दर।
7. एडीसी का रिज़ॉल्यूशन: बिट्स की संख्या जो एडीसी के दौरान सिग्नल के प्रत्येक नमूने को एनकोड करती है।
8. फ्रेम : किसी दिए गए मान (फ़्रेम की लंबाई) के साथ एक ऑडियो सिग्नल का एक टुकड़ा।
9. डिजीटल ऑडियो डेटा प्रारूप: डिजिटल कंप्यूटिंग साधनों द्वारा उनके प्रसंस्करण प्रदान करते हुए, डिजीटल ऑडियो डेटा का प्रतिनिधित्व।
10. डिजीटल ऑडियो डेटा (ऑडियो कंप्रेशन) का कम्प्रेशन (संपीडन): डिजिटाइज्ड ऑडियो डेटा की प्रोसेसिंग, उनकी मात्रा कम करने के लिए डिज़ाइन किया गया।
11. संपीड़ित ऑडियो डेटा: डिजीटल ऑडियो डेटा को कंप्रेस करके प्राप्त किया गया डेटा।
12. हानिपूर्ण ऑडियो कम्प्रेशन: डिजिटाइज्ड ऑडियो डेटा का कंप्रेशन जिसमें जानकारी खो जाती है, और परिणामस्वरूप, रिस्टोर किए गए (डिकंपोज के परिणामस्वरूप) डिजीटल ऑडियो डेटा मूल डिजिटाइज्ड ऑडियो डेटा से अलग होता है।
13. दोषरहित ऑडियो कम्प्रेशन: डिजिटाइज्ड ऑडियो डेटा का संपीड़न जिसमें जानकारी का कोई नुकसान नहीं होता है, और परिणामस्वरूप, पुनर्निर्मित (विघटित होने के परिणामस्वरूप) डिजीटल ऑडियो डेटा मूल डिजीटल ऑडियो डेटा से भिन्न नहीं होता है।
14. संपीड़ित ऑडियो डेटा का अपघटन (ऑडियो डीकंप्रेसन): संपीड़ित ऑडियो डेटा से डिजीटल डेटा की वसूली।
15. बहाल ऑडियो डेटा (डिकोड किए गए ऑडियो डेटा): विघटन के बाद संकुचित ऑडियो डेटा से प्राप्त डेटा।
16. ऑडियो एनकोडर: डिजीटल ऑडियो डेटा को कंप्रेस करने के लिए उपयोग किए जाने वाले सॉफ्टवेयर, हार्डवेयर या हार्डवेयर-सॉफ्टवेयर टूल।
17. ऑडियो डिकोडर: सॉफ्टवेयर, हार्डवेयर या हार्डवेयर-सॉफ्टवेयर टूल जो कंप्रेस्ड ऑडियो डेटा को डिकम्पोज करने के लिए उपयोग किया जाता है।
18. ऑडियो कोडेक (ऑडियो कोडेक): एक सॉफ्टवेयर, हार्डवेयर या हार्डवेयर-सॉफ्टवेयर मॉड्यूल जो ऑडियो डेटा के संपीड़न और विघटन दोनों का प्रदर्शन कर सकता है।
19. संपीड़न अनुपात: संपीड़न ऑडियो डेटा का संपीड़न अनुपात जिसके परिणामस्वरूप संपीड़न होता है।
20. बिट दर: बिट्स में व्यक्त एक संपीड़ित ऑडियो डेटा की मात्रा का अनुमान है, एक निश्चित समय अंतराल के लिए परिभाषित और सेकंड में चयनित समय अंतराल की अवधि से संबंधित है।
21. बहाल ऑडियो डेटा की गुणवत्ता (डिकोड किए गए ऑडियो डेटा की गुणवत्ता): परिकलित गुणवत्ता मीट्रिक के आधार पर मूल डिजिटल ऑडियो डेटा के लिए पुनर्स्थापित ऑडियो डेटा की अनुरूपता का एक उद्देश्य मूल्यांकन है।
22. गुणवत्ता मीट्रिक: विश्लेषणात्मक रूप से निर्धारित पैरामीटर जो मूल डिजिटल ऑडियो डेटा से पुनर्स्थापित ऑडियो डेटा के विचलन की डिग्री की विशेषता है।
23. संपीड़न एल्गोरिदम का मूल्यांकन करने की विधि (संपीड़न एल्गोरिदम का मूल्यांकन करने की विधि): ऑडियो संपीड़न एल्गोरिदम के लिए आवश्यकताओं के अनुपालन के लिए गुणवत्ता मैट्रिक्स के विश्लेषणात्मक निर्धारण की एक विधि।
24. संपीड़न एल्गोरिदम: निर्देशों का एक सटीक सेट और नियमों का वर्णन करता है जो क्रियाओं के अनुक्रम का वर्णन करता है जिसके अनुसार मूल ऑडियो डेटा को संपीड़ित में परिवर्तित किया जाता है, एक ऑडियो एनकोडर का उपयोग करके कार्यान्वित किया जाता है।
25. विघटन एल्गोरिथ्म: निर्देशों और नियमों का एक सटीक सेट, जिसमें अनुक्रमों का वर्णन किया जाता है, जिसके अनुसार संपीड़ित ऑडियो डेटा को पुनर्स्थापित किया जाता है, एक ऑडियो डिकोडर का उपयोग करके कार्यान्वित किया जाता है।
26. समय-आवृत्ति मीट्रिक: एक गुणवत्ता मीट्रिक, जो डिजीटल और पुनर्निर्मित ऑडियो डेटा के स्पेक्ट्रोग्राम की तुलना पर आधारित होती है।
27. समय-आयाम मीट्रिक: एक तरंग में डिजीटल और पुन: निर्मित ऑडियो डेटा की तुलना के आधार पर एक गुणवत्ता मीट्रिक।
28. एक ऑडियो सिग्नल का पुन : नमूनाकरण: ऑडियो सिग्नल के नमूने की आवृत्ति को बदलना।
29. मनोविश्लेषण मॉडल : मानव कान द्वारा ध्वनि धारणा की सुविधाओं का उपयोग करते हुए हानिपूर्ण ऑडियो डेटा को संपीड़ित करने के लिए एक मॉडल।
30. मनोविश्लेषण मास्किंग : मानव कान द्वारा ध्वनि धारणा की ख़ासियत के कारण एक ध्वनि की कुछ शर्तों के तहत दूसरी ध्वनि के साथ छिपना।
31. मास्किंग थ्रेशोल्ड: एक सिग्नल का दहलीज स्तर जो मनोविश्लेषक मास्किंग के प्रभाव के कारण किसी व्यक्ति द्वारा अलग नहीं होता है।
32. शोर : अलग-अलग तीव्रता और आवृत्ति के एपेरियोडिक ध्वनियों का एक सेट जो उपयोगी जानकारी नहीं रखते हैं।
33. आवृत्ति स्पेक्ट्रम: एक संकेत को सरल साइनसोइडल फ़ंक्शंस (हार्मोनिक्स) में विघटित करने का परिणाम है।
34. असतत फूरियर ट्रांसफॉर्म, डीएफटी: एक ट्रांसफॉर्म जो एन असतत सिग्नल के एन नमूनों को एन सिग्नल के असतत स्पेक्ट्रम के एन सैंपल्स को मैप करता है।
35. तेजी से फूरियर रूपांतरण (FFT) एल्गोरिथ्म: तेजी से असतत फूरियर रूपांतरण।
36. स्पेक्ट्रोग्राम : समय-आवृत्ति अंतरिक्ष में सिग्नल शक्ति घनत्व की विशेषता।
37. विंडो फ़ंक्शन: एक भार फ़ंक्शन जिसका उपयोग वर्णक्रमीय अनुमानों (स्पेक्ट्रम के प्रसार) में साइड लॉब्स की उपस्थिति के कारण प्रभावों को नियंत्रित करने के लिए किया जाता है। मौजूदा अंतिम डेटा रिकॉर्ड या मौजूदा अंतिम सहसंबंध अनुक्रम पर विचार करना सुविधाजनक है, जो लागू खिड़की के माध्यम से दिखाई देने वाले संबंधित अनंत अनुक्रम के कुछ भाग के रूप में है।
38. हनी विंडो के साथ कम समय का फूरियर रूपांतरण: भार समारोह के साथ डीएफटी - हन्न विंडो
39. कृत्रिम तंत्रिका नेटवर्क (एएनएन): एक गणितीय मॉडल, साथ ही इसके सॉफ्टवेयर या हार्डवेयर कार्यान्वयन, एक जीव के छवि और तंत्रिका कोशिका नेटवर्क की समानता में निर्मित और निरंतर कार्यों को अनुमानित करने के लिए उपयोग किया जाता है। एक कृत्रिम तंत्रिका नेटवर्क में न्यूरॉन्स के साथ एक इनपुट परत और न्यूरॉन्स के साथ एक आउटपुट परत होती है। इन परतों के बीच एक या अधिक मध्यवर्ती, छिपी हुई, न्यूरॉन्स के साथ परतें हैं।
40. विकृत फ्रेम : एक फ्रेम जिसके लिए मास्किंग दहलीज पर शोर का अधिकतम अनुपात 1.5 डीबी से अधिक है।
41. पीक -टो-पीक सिग्नल-टू-शोर अनुपात: अधिकतम संभव सिग्नल मूल्य और शोर शक्ति के बीच का अनुपात।
42. विभेदीकरण (लैटिन से अंतर - अंतर) - सामान्य मानदंड से भागफल का आवंटन कुछ मानदंडों के अनुसार।

4 सामान्य तकनीकी आवश्यकताएं
डिजीटल ऑडियो डेटा के संपीड़न की आवश्यकताएं पुनर्स्थापित ऑडियो डेटा की गुणवत्ता का आकलन करने के उद्देश्य से हैं, जो कि पुनर्स्थापित ऑडियो डेटा के प्रत्येक व्यक्तिगत ध्वनि टुकड़े की गुणवत्ता से निर्धारित होती हैं। ध्वनि के टुकड़े का आकार सेकंड में, या टुकड़े के अंदर डिजीटल मूल्यों की संख्या से निर्धारित होता है।
पुनर्निर्माण किए गए ऑडियो डेटा की ध्वनि की गुणवत्ता मूल मैट्रिक्स ऑडियो डेटा की तुलना में संपीड़न के बाद पुन: निर्मित ऑडियो डेटा के विरूपण की डिग्री की गुणवत्ता वाले मैट्रिक्स द्वारा निर्धारित की जाती है। इस दस्तावेज़ के अध्याय 6 में मैट्रिक्स की गणना करने की प्रक्रिया दी गई है।
पुनर्स्थापित ऑडियो डेटा की गुणवत्ता मीट्रिक के अनुसार, डिजीटल ऑडियो डेटा के लिए संपीड़न एल्गोरिदम तीन वर्गों में से एक हैं (इस दस्तावेज़ के अध्याय 5 देखें)।
किसी विशिष्ट वर्ग के डिजिटाइज्ड डेटा कम्प्रेशन अल्गोरिद्म का संबंध इसके लिए गणना की गई गुणवत्ता मेट्रिक्स द्वारा निर्धारित किया गया है और अध्याय 5 में तालिका 1 है।

5 संपीड़न एल्गोरिदम का वर्गीकरण
5.1 निम्न गुणवत्ता वाले मैट्रिक्स का उपयोग बरामद ऑडियो डेटा की गुणवत्ता का आकलन करने और संपीड़न एल्गोरिदम को वर्गीकृत करने के लिए किया जाता है: पीक सिग्नल-टू-शोर अनुपात (पीएसएनआर); तरंगों के अंतर का गुणांक; किसी व्यक्ति द्वारा धारणा के संदर्भ में ऑडियो डेटा के उद्देश्य मूल्यांकन पर आधारित मीट्रिक (ऑडियो गुणवत्ता, PEAQ का अवधारणात्मक मूल्यांकन)।
5.2 डिजीटल ऑडियो डेटा के लिए संपीड़न एल्गोरिदम का वर्गीकरण गुणवत्ता मैट्रिक्स पर आधारित है जो डिजीटल ऑडियो डेटा में परिवर्तन के उन पहलुओं को प्रतिबिंबित करता है जब वे संपीड़न और विघटन एल्गोरिदम द्वारा संसाधित होते हैं, जो ध्वनि संकेतों, विभेदित ध्वनियों और भाषण की उपस्थिति को स्थापित करने के लिए पुनर्निर्माण ऑडियो डेटा का उपयोग करने की क्षमता पर महत्वपूर्ण प्रभाव डाल सकते हैं।
5.3 मूल्यांकन के दौरान गणना की गई गुणवत्ता मीट्रिक के मूल्यों के आधार पर, डिजीटल ऑडियो डेटा के लिए संपीड़न एल्गोरिदम को निम्न वर्गों में से एक को सौंपा जा सकता है (तालिका 1 देखें):

कक्षा I - पूर्ण-विशेषताओं वाले संपीड़न एल्गोरिदम जो पुनर्स्थापित ऑडियो डेटा की गुणवत्ता सुनिश्चित करते हैं, मूल ऑडियो डेटा की गुणवत्ता से अप्रभेद्य है;
द्वितीय श्रेणी - संपीड़न एल्गोरिदम, जो बहाल ऑडियो डेटा की गुणवत्ता सुनिश्चित करते हैं, ध्वनि संकेतों की उपस्थिति स्थापित करने के लिए पर्याप्त है, मूल ऑडियो डेटा में इस गुणवत्ता में ध्वनि, भाषण और भाषण को अलग नहीं करते हैं, लेकिन मूल ऑडियो डेटा की गुणवत्ता से अलग है;
तृतीय श्रेणी - संपीड़न एल्गोरिदम, जो बहाल ऑडियो डेटा की गुणवत्ता सुनिश्चित करते हैं, ध्वनि संकेतों की उपस्थिति स्थापित करने के लिए पर्याप्त है और मूल ऑडियो डेटा की गुणवत्ता से नीच नहीं है, लेकिन जो ध्वनियों के भेदभाव, भाषण की समझ के साथ हस्तक्षेप करता है।

तालिका 1 - संपीड़न एल्गोरिदम का वर्गीकरण
5.4 गुणवत्ता वाले मीट्रिक का मान डिजीटल ऑडियो डेटा के प्रत्येक ध्वनि टुकड़े (पांच सेकंड लंबा) के लिए निर्धारित किया जाता है, और परिणामस्वरूप स्कोर के रूप में, निम्नलिखित का चयन किया जाता है: PSNR और PEAQ मैट्रिक्स के लिए सबसे कम मूल्य; तरंगों के अंतर के गुणांक के लिए उच्चतम मूल्य।
PSNR मेट्रिक्स और तरंगों में अंतर के गुणांक की गणना करने के लिए, मूल और पुनर्गठित डिजिटल ऑडियो डेटा को 44100 हर्ट्ज की सैंपलिंग आवृत्ति, प्रति एक असतत नमूना मूल्य के 16 बिट्स और अपने स्वयं के चैनल के साथ दर्शाया जाना चाहिए। इस मामले में पांच सेकंड के ध्वनि टुकड़े की लंबाई 220,500 डिजीटल मूल्य है।
PEAQ मीट्रिक की गणना करने के लिए, मूल और पुनर्गठित डिजिटल ऑडियो डेटा को 48000 हर्ट्ज के नमूने की आवृत्ति, प्रति असतत नमूना मान के साथ 16 बिट मेमोरी और एक या दो ऑडियो चैनलों के साथ प्रतिनिधित्व किया जाना चाहिए। इस मामले में पांच सेकंड की ध्वनि के टुकड़े की लंबाई प्रत्येक चैनल के लिए 240,000 डिजीटल मान है।
आवृति के अतिरिक्त आवृत्ति वाले संकेतों के लिए, आपको पहले ऑडियो संकेत को फिर से भरना चाहिए।

संपीड़न एल्गोरिदम के मूल्यांकन के लिए तरीके

6.1 मूल्यांकन विधियों का सामान्य विवरण
संपीड़न और विघटन एल्गोरिदम का उपयोग करने के दृष्टिकोण से केंद्रीय ताप केंद्र के संचालन की सामान्य योजना चित्र 1 में प्रस्तुत की गई है।

चित्रा 1 - केंद्रीय हीटिंग सिस्टम के संचालन की सामान्य योजना

एनालॉग ऑडियो डेटा एनालॉग-टू-डिजिटल रूपांतरण से गुजरता है, जिसके परिणामस्वरूप डिजिटाइज्ड ऑडियो डेटा एक विशिष्ट नमूना दर और बिट्स की संख्या प्रति असतत डिजिटल मूल्य के साथ होता है। कंप्यूटर पर, डिजीटल ऑडियो डेटा को डिजीटल ऑडियो डेटा संग्रहीत करने के लिए एक प्रारूप में संग्रहीत किया जाना चाहिए।
डिजीटल ऑडियो डेटा संपीड़ित होता है, जिसके परिणामस्वरूप संपीड़ित ऑडियो डेटा होता है।
संपीड़ित ऑडियो डेटा का उपयोग संग्रह को संग्रहीत करने या नेटवर्क पर संचरण के लिए किया जाता है, जिसके बाद वे विघटित हो जाते हैं। संपीड़ित ऑडियो डेटा के विघटन के परिणामस्वरूप, पुनर्स्थापित ऑडियो डेटा उत्पन्न होता है, जो ऑपरेटर द्वारा प्रजनन के लिए उपयोग किया जाता है और ऑडियो विश्लेषण सॉफ़्टवेयर मॉड्यूल के लिए इनपुट होता है।
सीसीटी की प्रस्तुत सामान्य योजना के अनुसार, डिजीटल ऑडियो डेटा के लिए संपीड़न एल्गोरिदम का वर्गीकरण मूल डिजीटल ऑडियो डेटा से पुनर्स्थापित ऑडियो डेटा की गुणवत्ता मीट्रिक का आकलन करके किया जाता है। किसी विशेष CCTT के तकनीकी कार्यान्वयन की सुविधाओं के आधार पर, दो मूल्यांकन विधियाँ हैं:
- डिजीटल ऑडियो डेटा के पृथक्करण पर आधारित;
- ऑडियो डेटा के पृथक्करण पर आधारित है।
गुणवत्ता मैट्रिक्स का मूल्यांकन करने से पहले, ऑडियो संकेतों (मूल और पुनर्निर्मित) दोनों को 44100 हर्ट्ज और 48000 हर्ट्ज के नमूने आवृत्ति के साथ संकेतों में परिवर्तित किया जाना चाहिए। दोनों आवृत्तियों (44100 हर्ट्ज और 48000 हर्ट्ज) के लिए, प्रति एक असतत डिजीटल बिट्स की संख्या 16 होनी चाहिए।

6.1.1 डिजीटल ऑडियो डेटा के पृथक्करण के आधार पर एल्गोरिथम अनुमान पद्धति
इस पद्धति को लागू करने के लिए, सीसीटी के तकनीकी कार्यान्वयन को डिजिटाइज्ड ऑडियो डेटा प्राप्त करने से पहले अनुमति देनी चाहिए ताकि वे संपीड़न और विघटन एल्गोरिदम द्वारा संसाधित हो सकें।
डिजीटल ऑडियो डेटा के पृथक्करण के आधार पर अनुमान पद्धति को लागू करने की सामान्य योजना चित्र 2 में प्रस्तुत की गई है।

चित्र 2 - डिजीटल ऑडियो डेटा के पृथक्करण के आधार पर अनुमान पद्धति के कार्यान्वयन के लिए सामान्य योजना
मूल्यांकन एल्गोरिथ्म क्रियाओं के निम्नलिखित अनुक्रम द्वारा किया जाता है:
- ऑडियो डेटा का एक अनुक्रम परीक्षण किए गए पीएससी के इनपुट को खिलाया जाता है;
- सीसीटी की क्षमताओं का उपयोग करते हुए, डिजीटल और बहाल ऑडियो डेटा स्टोरेज डिवाइस पर संग्रहीत किया जाता है;
- गुणवत्ता मैट्रिक्स के मूल्यों की गणना करें और तालिका 1 के अनुसार संपीड़न एल्गोरिदम का वर्गीकरण करें।
- गुणवत्ता मीट्रिक की गणना की जाती है और संपीड़न एल्गोरिथ्म को तालिका 1 के अनुसार वर्गीकृत किया जाता है।

6.1.2 ऑडियो डेटा पृथक्करण पर आधारित एल्गोरिथ्म आकलन पद्धति
ऑडियो डेटा के पृथक्करण पर आधारित अनुमान पद्धति को केवल तभी लागू किया जाना चाहिए जब डीएसपीसी का तकनीकी कार्यान्वयन डिजीटल ऑडियो डेटा के पृथक्करण के आधार पर अनुमान पद्धति के अनुप्रयोग को अनुमति नहीं देता है। इस पद्धति के आवेदन में परीक्षण बेंच के हिस्से के रूप में एक अतिरिक्त सीएससी की उपस्थिति की आवश्यकता होती है, जिसे डिजिटाइज्ड ऑडियो डेटा को स्टोर करने के लिए डिज़ाइन किया गया है।
ऑडियो डेटा के पृथक्करण के आधार पर अनुमान पद्धति के कार्यान्वयन की सामान्य योजना चित्र 3 में प्रस्तुत की गई है।

चित्र 3 - मूल्यांकन पद्धति के कार्यान्वयन के लिए सामान्य योजना
इस विधि के मूल्यांकन के लिए एल्गोरिथ्म में निम्नलिखित क्रियाएं शामिल हैं:
- सीरियल ऑडियो डेटा परीक्षण किए गए पीएससीसी के इनपुट को खिलाया जाता है, जिसे एक ऑडियो सिग्नल डिवाइडर (टेस्ट बेंच से) के माध्यम से दूसरे पीएससीसी को दोहराया जाता है;
- सीसीटी की क्षमताओं का उपयोग करके, बहाल ऑडियो डेटा को भंडारण उपकरणों पर संग्रहीत किया जाता है;
- परीक्षण बेंच से एकीकृत परीक्षण के लिए केंद्र की क्षमताओं का उपयोग करते हुए, डिजीटल ऑडियो डेटा भंडारण उपकरणों पर संग्रहीत किया जाता है;
- गुणवत्ता मैट्रिक्स के मूल्यों की गणना करें और तालिका 1 के अनुसार संपीड़न एल्गोरिदम का वर्गीकरण करें।

6.2। PEAQ गणना एल्गोरिथ्म

यह मीट्रिक मूल के सापेक्ष संसाधित सिग्नल की गुणवत्ता का आकलन करने के लिए डिज़ाइन किया गया है, जिसमें किसी व्यक्ति (मनोविश्लेषक मॉडल) की श्रवण विशेषताओं को ध्यान में रखा गया है। ऑडियो सिग्नल की गुणवत्ता का मूल्यांकन करने के लिए यह मीट्रिक ITU-R BS 1387.1 द्वारा अनुशंसित है।
ऑडियो इनपुट आवश्यकताएँ:
• PEAQ मीट्रिक की गणना करने के लिए दोनों ऑडियो सिग्नल (मूल और पुन: निर्मित) में 48 kHz की नमूना आवृत्ति होनी चाहिए। 48 kHz के अलावा एक आवृत्ति के साथ संकेतों के लिए, आपको पहले ऑडियो सिग्नल को फिर से भरना चाहिए;
• दोनों ऑडियो संकेतों की लंबाई समान होनी चाहिए (डिजिटाइज़ मूल्यों की समान संख्या से मिलकर)।

> पदनाम

- संकेत नमूना दर;

- डिजीटल सिग्नल मूल्यों की संख्या जो ध्वनि के टुकड़े की लंबाई (फ्रेम आकार) निर्धारित करती है;

- डिजीटल फ़्रेम डेटा,

चरण-दर-चरण आगे:

इस प्रकार, फ़्रेम का ओवरलैप 50% है;

- फ्रेम-दर-फ्रेम चरण को ध्यान में रखते हुए फ्रेम नमूनाकरण आवृत्ति;

- फ़िल्टरिंग बैंड की संख्या।

मीट्रिक की गणना में 5 चरण शामिल होने चाहिए।

मैं सिग्नल प्रीप्रोसेसिंग
विंडो रूपांतरण का उपयोग करना मूल डिजीटल डेटा को फ़्रेम में विभाजित किया गया है। प्रत्येक फ्रेम का डिजिटाइज्ड डेटा फॉर्मूला (2) के अनुसार एक स्केल विंडो हॉन ट्रांसफॉर्मेशन से गुजरता है। हन्ना की खिड़की का कार्य है:

(1)
हन्ना खिड़की समारोह के स्केल संस्करण:

(2)
असतत फूरियर ट्रांसफॉर्म (DFT) को लागू करके फ़्रीक्वेंसी डोमेन में परिवर्तन किया जाता है:

(3)

बाहरी और मध्य कान मॉडल
बाहरी और मध्य कान की आवृत्ति प्रतिक्रिया की गणना निम्न सूत्र का उपयोग करके की जानी चाहिए:

(4)
सूत्रों (4) के अनुसार, भारांक गुणांक के वेक्टर की गणना निम्नानुसार की जाती है:

(5)

इन भार (5) का उपयोग करते हुए, भारित DFT ऊर्जा की गणना की जाती है:

(6)
गंभीर सुनवाई अपघटन
बार्क स्केल (7) और प्रतिलोम रूपांतरण (8) में रूपांतरण के लिए निम्न सूत्र आवश्यक हैं:

(7)
जहां Z को बरकी में मापा जाता है।

(8)
आवृत्ति बैंड
फ़्रीक्वेंसी बैंड को प्रत्येक बैंड के निचले, मध्य और ऊपरी आवृत्तियों को सेट करके परिभाषित किया जाता है। बार्क स्केल में इन मूल्यों को निम्नानुसार परिभाषित किया गया है:

(9)
व्युत्क्रम परिवर्तन निम्न सूत्रों के अनुसार किया जाता है:

(10)
I = 1, 2, ..., का मान

।
बैंड ऊर्जा
I-th आवृत्ति बैंड के लिए, DFT के k-th मौलिक आवृत्ति से ऊर्जा योगदान की गणना निम्न सूत्र द्वारा की जाती है:

(11)
तब आई-वें फ़्रीक्वेंसी बैंड की ऊर्जा बराबर होती है:

(12)
निम्नलिखित i- वें आवृत्ति बैंड की ऊर्जा के लिए अंतिम सूत्र है:

(13)
भीतरी कान का शोर
कान में आंतरिक शोर की भरपाई करने के लिए, हम प्रत्येक आवृत्ति बैंड की ऊर्जा के लिए एक अतिरिक्त मूल्य पेश करते हैं:

(14)
जहां आंतरिक शोर निम्नानुसार मॉडलिंग की जाती है:

(15)
शक्ति

किस प्रकार ऊंचाई की छवियों को कहा जाएगा।
एक फ्रेम के भीतर प्रसार ऊर्जा
छाल पैमाने में प्रसार ऊर्जा की विशेषता की गणना निम्नानुसार की जाती है:

(16)
जहाँ

(17)
फ़ंक्शन S (i, l, E) के निम्न रूप हैं:

(18)
जहाँ

(19)
शर्तों की गणना के लिए निम्नलिखित सूत्र हैं

और

(20)
और

(21)
शक्ति

- असामान्य उत्तेजना की छवियां ।
ऊर्जा निस्पंदन
मान लें कि फ़्रेम इंडेक्स है (फ़्रेम को n = 0 से शुरू किया गया है)। तब सूत्र के अनुरूप nth फ्रेम की ऊर्जा (16) को निम्नानुसार दर्शाया गया है:

ऊर्जा निस्पंदन निम्नलिखित सूत्र के अनुसार किया जाता है:

(22)
जहाँ

- लुप्त होती ऊर्जा के लिए समय निरंतर। फ़िल्टरिंग के लिए प्रारंभिक स्थिति है:

अंतिम मूल्य

- उत्तेजना की छवियां ।
समय की कमी
I-th बैंड को फ़िल्टर करने के लिए निरंतर समय की गणना निम्नानुसार की जाती है:

(23)

इस तरह गणना की जा सकती है:

(24)

द्वितीय। छवि प्रसंस्करण

नीचे चित्रा 4 पिछले अध्याय में वर्णित प्रारंभिक गणना दर्शाता है।

चित्रा 4 सिग्नल प्रीप्रोसेसिंग योजना
आर और टी क्रमशः मूल और बहाल ऑडियो संकेतों को दर्शाते हैं। इंडेक्स k फ्रिक्वेंसी बैंड के इंडेक्स को दर्शाता है (टोटल फ्रीक्वेंसी बैंड 109 है), और इंडेक्स n फ्रेम नंबर को दर्शाता है। इस और अगले चरण (चरण III) के पुनरावृत्ति फ़ार्मुलों के लिए, शून्य प्रारंभिक शर्तें हमेशा चुनी जाती हैं।
उत्तेजना छवि प्रसंस्करण
गणना के इस चरण के लिए इनपुट डेटा उत्तेजनाओं की छवियां हैं

और

प्रारंभिक और परीक्षण किए गए ऑडियो संकेतों के लिए सूत्र (22) द्वारा क्रमशः गणना की जाती है।
उत्तेजना की छवियों का सुधार
सबसे पहले, सूत्र के अनुसार दोनों ऑडियो सिग्नल के लिए फ़िल्टरिंग की जाती है:

(25)
समय निरंतर

सूत्रों (23) और (24) द्वारा गणना की जाती है, लेकिन इसके लिए

।

। फ़िल्टरिंग के लिए प्रारंभिक स्थिति को 0 के बराबर चुना जाता है।
अगला, सुधार कारक की गणना की जाती है:

(26)
उत्तेजना पैटर्न निम्नानुसार समायोजित किए जाते हैं:

(27)
उत्तेजनाओं की छवियों का अनुकूलन
उत्तेजना पैटर्न के सुधार में समान समय स्थिरांक और प्रारंभिक स्थितियों का उपयोग करते हुए, सूत्र (27) द्वारा गणना किए गए आउटपुट संकेतों को निम्नलिखित सूत्रों के अनुसार सुचारू किया जाता है:

(28)
(28) में गणना किए गए मूल्यों के बीच संबंध के आधार पर, सहायक संकेतों की एक जोड़ी की गणना की जाती है:

(29)
यदि पिछले सूत्र (29) में अंश और भाजक शून्य के बराबर हैं, तो निम्न क्रियाएं करना आवश्यक है:

।
यदि k = 0 है, तो

छवि सुधार के लिए कारक बनाने के लिए, सहायक संकेतों को फ़िल्टर्ड किया जाता है, उसी समय स्थिरांक और प्रारंभिक स्थिति का उपयोग करते हुए (25):

(30)
जहाँ

(31)

(32)
इस प्रसंस्करण चरण के अंतिम परिणाम के रूप में, वर्णक्रमीय रूप से अनुकूलित छवियां सूत्र (30) के आधार पर प्राप्त की जाती हैं:

(33)

प्रसंस्करण मॉडुलन छवियाँ
गणना के इस चरण के लिए इनपुट डेटा असामान्य उत्तेजना की छवियां हैं

और

प्रारंभिक और परीक्षण किए गए ऑडियो संकेतों के लिए सूत्र (16) द्वारा क्रमशः गणना की जाती है। इस खंड का उद्देश्य वर्णक्रमीय लिफाफे के मॉड्यूलेशन उपायों की गणना करना है ।
सबसे पहले, औसत मात्रा की गणना की जाती है:

(34)
अगला, आपको निम्नलिखित अंतरों की गणना करने की आवश्यकता है:

(35)
समय की कमी और प्रारंभिक स्थितियों का उपयोग पिछले अनुभाग की तरह ही किया जाता है।
स्पेक्ट्रम लिफाफा मॉडुलन उपायों की गणना निम्नानुसार की जाती है:

(36)
मात्रा की गणना
वॉल्यूम छवियों की गणना निम्न सूत्रों के अनुसार की जाती है:

(37)
जहाँ

(38)
और

(39)
पैरामीटर c = 1,07664।
दोनों संकेतों के लिए समग्र आयतन की गणना निम्नानुसार की गई है:

(40)

तृतीय। मनोविश्लेषक मॉडल के उत्पादन मूल्यों की गणना
अध्याय I से आउटपुट विशेषताओं का उपयोग अध्याय II के आउटपुट विशेषताओं की गणना नीचे चित्र के अनुसार किया जाता है (चित्र 5 देखें)।

चित्र 5 छवि प्रसंस्करण योजना
बदले में, पिछले अध्याय (II) के मान मनोविशेष मॉडल के चर के आउटपुट मान की गणना का उपयोग करते हैं (तालिका 1 और आंकड़ा 6 देखें)।

चित्रा 6 मनोचिकित्सा मॉडल के आउटपुट चर के मूल्यों की गणना के लिए आरेख
कुल में, मनोचिकित्सा मॉडल के 11 चर के मूल्यों की गणना की जाती है। उन्हें तालिका 2 में सूचीबद्ध किया गया है।

तालिका 2. मनोचिकित्सा मॉडल के आउटपुट चर
दो-चैनल ऑडियो संकेतों के लिए, प्रत्येक चैनल के लिए चर मानों की गणना अलग-अलग की जाती है, और फिर औसत होती है। प्रत्येक चर चैनल के लिए सभी चर (ADBB और MFPDB चर के मूल्यों को छोड़कर) के मूल्यों की गणना दूसरे चैनल से स्वतंत्र रूप से की जाती है।
पैरामीटर गणना प्रक्रिया का सामान्य विवरण
मॉडल के आउटपुट चर के सभी मूल्यों को पिछले चरण में प्राप्त किए गए समय और आवृत्ति कार्यों के सभी फ़्रेमों के औसत से प्राप्त किया जाता है (परिणामस्वरूप, स्केलर मान)।
औसत किए जाने वाले मानों को निम्नलिखित स्थिति द्वारा परिभाषित सीमाओं के भीतर होना चाहिए: औसत होने वाले डेटा की शुरुआत या अंत को ऑडियो सिग्नल के एम्पलीट्यूड के मूल्यों के अनुक्रम के अंत से या शुरुआत से पहले की स्थिति के रूप में परिभाषित किया गया है, जिसके लिए एम्पलीट्यूड के लगातार पांच निरपेक्ष मानों का योग 200 से अधिक है ऑडियो चैनलों में से कोई भी। इन सीमाओं के बाहर लगे फ़्रेमों को औसत के दौरान अनदेखा किया जाना चाहिए। 200 के थ्रेसहोल्ड मान का उपयोग किया जाता है यदि इनपुट ऑडियो सिग्नल के आयाम को -32768 से + 32767 तक की सीमा में सामान्य किया जाता है। अन्यथा, दहलीज मूल्य

गणना इस प्रकार है:
(41)
जहाँ

- ऑडियो सिग्नल के आयाम का अधिकतम मूल्य।
इसके अलावा, फ़्रेम इंडेक्स n: पहले फ्रेम के लिए शून्य से शुरू होता है जो थ्रेशोल्ड की जांच की शर्तों को एक सीमा के साथ संतुष्ट करता है

और ऊपर की स्थिति को संतुष्ट करते हुए अंतिम फ्रेम तक N की संख्या को गिनता है।
विंडो मॉड्यूलेशन अंतर 1 (WinModDiff1B)
संशोधनों में तात्कालिक अंतर की गणना के लिए निम्नलिखित सूत्र है :

(42)
तात्कालिक मॉडुलन अंतर का मान सभी आवृत्ति बैंडों पर औसत होता है

निम्नलिखित सूत्र के अनुसार:

(43)
आउटपुट वैरिएबल का अंतिम मूल्य औसतन 43 फॉर्मूला एक स्लाइडिंग विंडो L = 4 (85 ms) के साथ प्राप्त होता है, क्योंकि प्रत्येक चरण 1024 डिजीटल मान के बराबर है):

(44)
इस मामले में, एक देरी के साथ तथाकथित औसत का उपयोग किया जाता है - संकेत के पहले 0.5 सेकंड गणना में भाग नहीं लेते हैं। स्किप किए गए फ़्रेमों की संख्या है:

(45)
सूत्र 45 में, एक ऑपरेशन एक आंशिक भाग की अस्वीकृति को इंगित करता है।
इस प्रकार, सूत्र 44 में, फ़्रेम इंडेक्स में केवल फ़्रेम शामिल हैं जो 0.5 सेकंड की देरी के बाद जाते हैं।
औसत मॉड्यूलेशन अंतर 1 (WinModDiff1B)
मनोचिकित्सा मॉडल के इस आउटपुट चर का मूल्य निम्न सूत्र द्वारा गणना की जाती है:

(46)
जहाँ

(47)
इस मूल्य की गणना के लिए विलंब औसत का भी उपयोग किया जाता है।
औसत मॉड्यूलेशन अंतर 2 (WinModDiff2B)
सबसे पहले, तात्कालिक मॉड्यूलेशन अंतर के मूल्य की गणना सूत्र द्वारा की जाती है:

(48)
फिर, आवृत्ति बैंड पर औसतन औसत अंतर की गणना की जाती है:

(49)
चर मनोविश्लेषण मॉडल के अंतिम मूल्य की गणना निम्नानुसार की जाती है:

(50)
जहाँ

(51)
इस मूल्य की गणना के लिए विलंब औसत का भी उपयोग किया जाता है।
शोर मात्रा (RmsNoiseLoudB)
निम्नलिखित तात्कालिक शोर स्तरों को खोजने के लिए एक सूत्र है:

(52)
जहाँ

(53)
जहां:

(54)

(55)

(56)
और
इसके अलावा, यदि तात्कालिक आयतन 0 से कम है, तो इसे 0 के बराबर सेट किया जाता है:

(57)
मनोचिकित्सा मॉडल के अंतिम आउटपुट चर का मान तात्कालिक आयतन के औसत से पाया जाता है:

(58)
इस मान की गणना के लिए विलंब औसत का उपयोग किया जाता है। एक साथ विलंबित औसत के साथ, वॉल्यूम थ्रेशोल्ड का उपयोग शोर की तात्कालिक मात्रा के मूल्य को खोजने के लिए किया जाता है जिसमें से औसत प्रक्रिया होती है। इस प्रकार, औसत इस शर्त से निर्धारित पहले मूल्य से शुरू होता है कि वॉल्यूम थ्रेशोल्ड पार हो गया है, लेकिन बाद में सिग्नल की शुरुआत से 0.5 सेकंड से अधिक नहीं (देरी औसत के अनुसार)।
वॉल्यूम सीमा स्थिति
दोनों संकेतों (स्रोत और परीक्षण एक) की शुरुआत में तात्कालिक शोर की मात्रा के मूल्यों की अनदेखी की जाती है जब तक कि 50 एमएस कुल संकेतों के दोनों चैनलों में से थ्रेसहोल्ड मान 0.1 के थ्रेशोल्ड मान से अधिक हो जाने के बाद पारित नहीं हो जाते।

सीमा से अधिक होने की स्थिति को निम्न रूप में दर्शाया जा सकता है:

(59)
निम्न सूत्र का उद्देश्य तख्ते की सीमा से अधिक होने के बाद छोड़े गए फ़्रेमों की संख्या की गणना करना है:

(60)

मूल और बहाल ऑडियो संकेतों की बैंडविड्थ (बैंडविड्थआरईबीबी और बैंडविड्थटेस्ट बी)
डेसिबल (डीबी) में व्यक्त डीएफटी के आउटपुट मूल्यों पर संचालन के संदर्भ में मूल और पुनर्निर्मित ऑडियो सिग्नल के बैंडविथ्स की गणना के संचालन का वर्णन किया गया है। सबसे पहले, प्रत्येक फ्रेम के लिए, निम्नलिखित ऑपरेशन किए जाते हैं:
• बरामद संकेत के लिए: सबसे बड़ा घटक 21.6 kHz के बाद स्थित है। इस मान को थ्रेशोल्ड स्तर कहा जाता है।
• मूल संकेत के लिए: नीचे की ओर खोज करते हुए, 21.6 kHz पर शुरू करते हुए, पहला मान पाया जाता है जो थ्रेशोल्ड के स्तर को 10 डीबी से अधिक करता है। इस मूल्य के अनुरूप आवृत्ति को मूल संकेत के लिए बैंडविड्थ कहा जाता है।
• बरामद सिग्नल के लिए: नीचे की ओर खोज करके, मूल सिग्नल की बैंडविड्थ के साथ शुरुआत करते हुए, पहला मान यह पाया जाता है कि सीमा स्तर 5 dB से अधिक है। हम इस मान के अनुरूप आवृत्ति को फिर से संगठित सिग्नल के लिए बैंडविड्थ के रूप में नामित करते हैं।
यदि मूल सिग्नल के लिए पाया गया आवृत्तियों 8.1 kHz से अधिक नहीं है, तो इस फ्रेम के लिए बैंडविड्थ की अनदेखी की जाती है।
सभी फ़्रेमों के लिए बैंडविंड्स को मौलिक डीएफटी आवृत्तियों कहा जाता है ।
एनटी फ्रेम के लिए मौलिक डीएफटी आवृत्ति के रूप में चिह्नित किया गया है

मूल संकेत के लिए और कैसे

बहाल संकेत के लिए। मनोविश्लेषक मॉडल के चर के अंतिम मूल्यों की गणना करने के लिए, प्रारंभिक और बहाल संकेतों के बैंडविथ्स के मूल्य, क्रमशः निम्न सूत्रों को निष्पादित करना आवश्यक है:

(61)

(62)
जहां केवल उन फ़्रेमों के लिए समन किया जाता है जिसमें मुख्य डीएफटी आवृत्ति 8.1 kHz से अधिक है।
मास्किंग की दहलीज पर शोर स्तर का अनुपात (कुल NMRB)
मास्किंग दहलीज की गणना निम्न सूत्र का उपयोग करके की जाती है:

(63)
जहाँ

(64)
शोर स्तर की गणना निम्नानुसार की जाती है:

(65)
जहाँ k DFT की मूलभूत आवृत्ति के सूचकांक को दर्शाता है।
के -वें फ्रिक्वेंसी बैंड में मास्किंग थ्रेशोल्ड के लिए शोर स्तर का अनुपात निम्न सूत्र द्वारा व्यक्त किया गया है:

(66)
मास्किंग थ्रेशोल्ड (डेसीबल में) के शोर स्तर का अंतिम अनुपात निम्नानुसार गणना की जाती है:

(67)
सापेक्ष फ्रेम विरूपण (RelDistFramesB)
फ़्रेम मास्किंग थ्रेशोल्ड के लिए शोर का अधिकतम अनुपात निम्नानुसार गणना किया जाता है:

(68)
फ्रेम जिसमें मास्किंग दहलीज के लिए शोर का अधिकतम अनुपात 1.5 डीबी से अधिक है, को विकृत माना जाता है।
मनोविश्लेषक मॉडल के आउटपुट चर का अंतिम मूल्य विकृत फ़्रेमों की संख्या की कुल फ़्रेमों की संख्या का अनुपात है।

अधिकतम विरूपण जांच संभावना (MFPDB)
सबसे पहले, हम असममित उत्तेजना की गणना करते हैं :

(69)
जहाँ

(70)
अगला, विकृति का पता लगाने के लिए कदम की गणना की जाती है:

(71)
जहाँ

(72)
पता लगाने की संभावना की गणना निम्नानुसार की जाती है:

(73)
जहाँ b की गणना इस प्रकार की गई है:

(74)
हम पता लगाने की सीमा सीमा से ऊपर के चरणों की संख्या की गणना करते हैं :

(75)
प्रत्येक संकेत चैनल के लिए अभिलक्षण (73) और (75) की गणना की जाती है। प्रत्येक आवृत्ति और समय के लिए, पता लगाने की कुल संभावना और सीमा से ऊपर के चरणों की कुल संख्या को सभी चैनलों से बड़े मूल्य के रूप में चुना जाता है:

(76)
जहां सूचकांक 1 और 2 चैनल नंबर को दर्शाता है।
एकल-कक्ष संकेतों के लिए, उपरोक्त मूल्यों की गणना निम्नलिखित प्रकार से की जाती है:

(77)
निम्नलिखित परिधीय प्रक्रिया की जाती है:

(78)
जहाँ

— .
:

(79)
:

(80)
(ADBB)
:

(81)
,

(82)
(EHSB)

और

क्रमशः।
:

(83)
M D[k]:

(84)
:

(85)
जहाँ
—C[l]=C[l,0]. :

(86)
(85) , , , 0.
:

(87)
(87) :

(88)
जहाँ

(89)
:

(90)
k = 1

या

(91)
, . , :

(92)
जहाँ

, 16 .
:

(93)
, :

(94)

चतुर्थ।
:

(95)
जहाँ

— i- ,

और

3 .

3.

V.

(96)
bmin = −3,98 bmax = 0,22, sig(x) — :

(97)
मूल्य

(98)
जहाँ

— i- , I — - ( 11), J — ( 3),

— , 4-6 .

4
<

6
(PEAQ) , [-3,98; 0,22].

6.3 PSNR गणना एल्गोरिथ्म

(99)

(100)
, :

(101)

और

— i- , i = 1, 2,….,n,

— .

6.4 मीट्रिक की गणना के लिए एल्गोरिथ्म "वेवफॉर्म के अंतर का गुणांक"

चलो

— ( ). ,

— ( ). N.

और

(102)
« » K

और

(103)

डिजीटल ऑडियो डेटा
7.1 के लिए संपीड़न एल्गोरिदम की तुलना करने के 7 तरीके। दो या अधिक संपीड़न एल्गोरिदम एक दूसरे से तुलनीय हैं यदि वे
दो या अधिक तुलनीय संपीड़न एल्गोरिदम की तालिका 1 7.2 के अनुसार एक ही वर्ग के हैं , तो सबसे अच्छा जो कम से कम सर्वोत्तम मूल्य प्रदान करता है। तालिका 1 में दिखाए गए तीन मीट्रिक में से दो। मीट्रिक के लिए सबसे अच्छा मूल्य PSNR और PEAQ मीट्रिक के लिए बड़ा मूल्य है, और "तरंग अंतर गुणांक" मीट्रिक के लिए छोटा मूल्य है।

संदर्भ:
1. पी। कबल, एक परीक्षा और 'व्याख्या' आईटीयू-आर BS.1387 अनिवार्य गुणवत्ता का मूल्यांकन
2. PQevalAudio

डिजीटल ऑडियो डेटा के संपीड़न पर GOST मसौदे की सार्वजनिक चर्चा

सुरक्षा टेलीविजन सिस्टम। डिजीटल ऑडियो डेटा का संपीड़न।

वर्गीकरण। एल्गोरिदम के मूल्यांकन के लिए सामान्य तकनीकी आवश्यकताएं और तरीके

संपीड़न एल्गोरिदम के मूल्यांकन के लिए तरीके

More articles: