O cyfrze, analogu i audio (na marginesie "nowych stenogramów")

Notka blogera E2RDO „O nowej "metodzie" badawczej słów kilka” oraz większość z ponad 150 komentarzy to świetny dowód na skuteczność kampanii reklamowych. Już dłuższego czasu karmieni jesteśmy sloganami w rodzaju: „Cyfrowa jakość dźwięku” (i obrazu). Już zmieniono na cyfrowy system nadawania TV – a niedługo zapewne czeka to także poczciwe radio. Zapisujemy muzykę (i filmy) w plikach cyfrowych w różnych formatach i na różnych nośnikach oraz przesyłamy je w postaci strumienia bitów.

A jednak dźwięk pozostał nadal analogowy – zakończenie toru transmisyjnego to głośniki (niezależnie od wielkości, rodzaju, typu wykorzystywanych przetworników) lub słuchawki (podobnie). Nie potrafimy (w każdym razie jak na razie) odbierać bezpośrednio strumieni bitowych. Podobnie śpiewając nie potrafimy ich wytwarzać – na początku toru mamy więc mikrofon (no, chyba że uprawiamy twórczość czysto elektroniczną).

Stawiając sprawę „na nogach” - używamy konwersji dźwięku do postaci cyfrowej bo tak jest nam wygodniej i taniej go przesłać i zapisać!

Jeśli odstęp sygnał/szum wynosi 60 dB (a to „granica przyzwoitości”) to energia najgłośniejszego dźwięku jest 1.000.000 (milion) razy większa niż najcichszego. Jeśli zaś ten odstęp wynosi 120 dB (dla ucha ludzkiego to „betka”) to energia najgłośniejszego dźwięku musi być 1.000.000.000.000 (bilion), a 140 dB (granica bólu) to jeszcze 100 razy większa od najcichszego!
Trochę lepiej jest z napięciem jeśli jako poziom 0 dB przyjmiemy napięcie 1 V, to dla uzyskania dynamiki 60 dB musimy poprawnie przesłać sygnały o napięciu 0,001 V (1 mV), ale jak napisałem to dopiero „granica przyzwoitości”. Jeśli chcemy uzyskać 120 dB to musimy poprawnie przesłać sygnały o napięciach 1 V oraz 0,000001 V (1 µV).

    Przesyłanie sygnałów napięciowych lub prądowych o tak wielkiej różnicy amplitud jest możliwe – choć trudne. Wymaga starannego ekranowania (izolowania od zakłóceń), pewnych kontaktów na stykach, zapewnienia liniowości toru itd. itp. Rozwiązanie więc nasunęło się samo – użyć techniki cyfrowej! 16 bitów to przecież ponad 65000 poziomów, zaś 24 bity to już ponad 16 mln. Jeśli więc zamienimy poziom napięcia na wartość 24 bitową to z łatwością osiągniemy odstęp sygnał/szum równy 144 dB, czyli pokryjemy pełny zakres naszego słuchu – od kompletnej ciszy do granicy bólu.
    Uzyskamy także dodatkową korzyść – kopia wykonana w domenie cyfrowej jest zazwyczaj „bit perfect” (czyli jest nierozróżnialna od oryginału) i możemy to łatwo sprawdzić.

    Konwersji dokonujemy stosując szybkie próbkowanie sygnału– i tu niestety jest pewien kłopot. Znane twierdzenie Nyquista mówi, że wystarczy próbkować z częstotliwością 2 razy większą niż najwyższa częstotliwość sygnału – czyli dla granicy słyszalności (tylko dla młodych uszu!) 20 kHz wystarczy próbkowanie z częstotliwością 40 kHz (w praktyce dla CD jest to 44,1 kHz) – musimy jednak zadbać o to, aby odciąć (i to „totalnie”!) w sygnale wyjściowym częstotliwości powyżej połowy częstotliwości próbkowania (~22 kHz), aby uniknąć bardzo uciążliwych zniekształceń. Czyli tak naprawdę z przetwornika cyfra-analog (C/A) „nie ma prawa” wyjść jakikolwiek sygnał o częstotliwości powyżej 20 kHz. Pozornie to nie jest wada, ale:

W przypadku próbkowania stosowanego dla pasma telefonicznego (8 bitów, 11 kHz) filtracja musi dotyczyć wszystkich sygnałów o częstotliwościach powyżej 5 kHz. Tych sygnałów po prostu w widmie wyjściowym nie może być. I nie wystarczy tu prosty filterek pasywny (kondensatorki i oporniki) bo ich tłumienia to zazwyczaj 6 dB (dla filtrów III rzędu do 18 dB) na oktawę (czyli sygnał o 2 razy większej częstotliwości zostanie stłumiony raptem 2 razy (lub do 12%). Musi to być bardzo ostry filtr pozwalający uzyskać tłumienie rzędu 80 dB (10000 razy!) na oktawę! I tu jest „pies pogrzebany”, bo taki filtr nie jest łatwo zrobić – a od jego jakości zależy końcowy efekt konwersji C/A oraz w wyniku tak ostrej filtracji tracimy po prostu informację.

Taki przypadek zaszedł właśnie przy konwersji „taśmy smoleńskiej” w standardzie „telefonicznym” 8 bit/11 kHz. Przejście na 24 bity i 96 kHz nie tylko pozwala znacznie dokładniej odtworzyć kształt (obwiednię) sygnałów, ale przede wszystkim likwiduje konieczność odfiltrowywania wszystkiego powyżej 5 kHz (przesuwa tą granicę do bezpiecznych 48 kHz!).

    W domenie analogowej sprawa wygląda inaczej. Mój stary, ale do dziś super sprawny i używany magnetofon szpulowy REVOX A77 MK-III z 1974 r. posiada z dobrą taśmą klasy master deklarowane pasmo przenoszenia 30-20000 Hz +/- 2dB i dynamikę 65 dB, jednak pomiar wykonany za pomocą profesjonalnego przyrządu (HP-3582A spectrum analyzer) dowodzi, że sygnały o częstotliwości 25 kHz są przenoszone z osłabieniem równym ok. 6 dB (50%)! Technika analogowa w przeciwieństwie do cyfrowej nie obcina więc ostro zapisu i konwersja z taśmy tego magnetofonu, który ma 41 lat (ale głowice 4 lata) na format CD łączy się ze stratami informacji (odcięcie przy 20 kHz)!
    Podobnie zresztą sprawa ma się z płytami winylowymi– w drugiej połowie lat siedemdziesiątych pracowałem w Holandii na Uniwersytecie Technicznym w Delft i pomagałem przy teorii odczytu (komputerowe symulacje optymalnego kształtu igły) płyt kwadrofonicznych systemu CD-4 (Discrete Four Channel Disc System zwane także Compatible Discrete), które zapisywane były do częstotliwości ~50 kHz! Takie płyty można jeszcze dziś kupić na e-Bay...

    Technika cyfrowa ułatwiła wszystkim życie oraz wprowadziła Hi-Fi „pod strzechy”. Mój REVOX (używany!) kosztował mnie w 1978 r. około 2000 guldenów. Szybko okazało się jednak, ze większość ludzi nie jest po prostu zainteresowana aż tak wysublimowaną jakością. Wśród nas popularne było wówczas powiedzenie - „magnetofon był dobry, dopóki na popsuł go Ray Dolby”. Zwyciężyła wygoda – najpierw kasety, potem srebrne krążki i na koniec pliki (w tym mp3). Mówiąc szczerze – dla typowej „pop music” słuchanej jako tło – wystarczy...

     A jednak – stare nagrania zrealizowane przez Boba Fine i Wilmę Cozart-Fine w ramach „Mercury Living Presence” w analogowej technice lampowej przy użyciu 3 mikrofonów i 3 śladowego magnetofonu (taśma o nietypowej szerokości 35 mm) dla całej wielkiej orkiestry symfonicznej w latach 1955-1968 stanowią do dziś wręcz niedościgniony wzór techniki nagraniowej i są wznawiane zarówno na „super winylach 180 g”, jak i na CD - w 2013 r. pojawiło się już II Wydanie pudełka z 55 CD zawierających te supernagrania (pierwsze rozeszło się w ciągu jednego roku). Mam przyjemność posiadać kilka winylowych oryginałów z lat 1960 (i sporo wznowień na winylach). Jakość dźwięku jest wspaniała (oczywiście wymaga dobrej aparatury). O muzyce w tych czasach decydował wyłącznie dyrygent – a nie „akustyk” za wspaniałą, wielką konsoletą.

I na koniec – słuch absolutny to spora przeszkoda np. dla śpiewaka. Normalnie ludzie porównują wysokość dźwięku do wzorca (każdy, kto był na koncercie w filharmonii wie, o co chodzi). Osoba ze słuchem absolutnym wie sama, jak ma brzmieć np. „d” jednokreślne. I to zonk -zamiast interwałów usiłuje się „na siłę trzymać swojego”...