Membantu menerapkan kompresi rentang dinamis audio

Saya mencoba menerapkan kompresi rentang dinamis audio dalam JavaScript (tidak menggunakan API audio web).

Ada banyak artikel untuk teknisi suara, dan beberapa dokumentasi tingkat tinggi, tetapi saya tidak dapat menemukan referensi yang membantu untuk benar-benar menerapkan kompresi rentang dinamis digital.

Dari apa yang saya pahami, setidaknya ada 3 langkah dalam menghitung sinyal yang diperbaiki.

1. menghitung level input
2. menghitung penguatan untuk diterapkan pada sinyal
3. menerapkan gain

Saya memproses audio dalam blok, jadi untuk 1) saya berpikir untuk menghitung RMS satu blok

Adakah petunjuk untuk referensi yang bagus? Atau ada yang mau menjelaskan sedikit langkah yang diperlukan untuk mengimplementasikan ini?

Berikut adalah beberapa saran:

• Ada banyak implementasi opensource (Sox, Audacity, dll). Bahkan jika Anda tidak memahaminya, Anda mungkin dapat menerjemahkan kode dari C ke javascript.
• Saya tidak mengetahui penjelasan yang baik tentang proses online, tetapi ada banyak buku tentang hal ini:
  • Pemrosesan sinyal audio digital mencakup topik ini dan ditulis dengan baik. (Seperti halnya DAFX , tetapi DAFX terorganisir dengan buruk dan cakupannya tidak langsung)
  • Audio Digital dengan Java juga mencakup topik ini dan dilengkapi dengan kode Java yang berfungsi yang seharusnya mudah diterjemahkan ke bahasa lain, seperti javascript. Buku ini memiliki banyak kekurangan, tetapi bagus untuk seseorang yang tidak memiliki pengalaman pemrograman audio.

Prinsipnya adalah membuat amplop sinyal (dikontrol oleh serangan dan lepaskan), bentuk amplop itu menggunakan beberapa fungsi transfer (dikontrol oleh rasio, ambang batas dan lutut), dan kemudian menerapkan hasil itu kembali ke sinyal asli. Tahap peningkatan makeup sering kali terjadi.

Jawaban @ Deve menunjukkan beberapa kemungkinan fungsi transfer.

Untuk permulaan yang sederhana saya akan menggunakan karakteristik non-linear $g(x)$ yang menekan sinyal input Anda:

$$y = g\left(x\right)$$

dimana (seperti yang ditunjukkan oleh endolith dalam komentar) $x$adalah amplop dari sinyal audio input dan$y$ adalah amplop keluaran yang diterapkan pada sinyal audio aktual. $g(x)$dapat berupa fungsi apa pun yang mengurangi nilai input besar lebih kuat dari nilai input kecil. The A-Law dan$\mu$Fungsi -Law telah dikembangkan untuk kompres sinyal bicara untuk telepon, misalnya Saya tidak tahu seberapa bagus ini terdengar untuk musik.

Fungsi kompresi lain yang sangat sederhana adalah menipiskan semua amplitudo di atas ambang batas tertentu $\delta$:

$$g(x) = \begin{cases} x & \text{for} & x \leq \delta \\ ax + (1-a)\delta & \text{for} & x > \delta \end{cases}$$ dimana $a < 1$adalah pelemahan. Tetapi ini tidak akan bekerja dengan baik karena indera pendengaran kita bersifat logaritmik sehingga pelemahannya mungkin terlalu kuat. Inilah sebabnya mengapa kompresor audio bekerja pada skala logaritmik dan mengarah ke fungsi yang sama seperti di atas, tetapi semua nilai diambil logaritmik dan sehubungan dengan nilai maksimum yang mungkin. Untuk$x > 0$: $$\log(g(x)) = \begin{cases} \log(x) & \text{for} & x \leq \delta \\ \frac{1}{r}\log(x) + \left(1-\frac{1}{r}\right)\log(\delta) & \text{for} & x > \delta \end{cases}$$

Untuk kompresor audio, $\delta$ biasanya diberikan dalam dB dan $r$ dinyatakan sebagai beberapa rasio, misalnya 3: 1 (yaitu $r=3$). Ini menghasilkan fungsi eksponensial, ketika dinyatakan secara linear (harap itu benar, silakan periksa juga$x>0$):

$$g(x) = \begin{cases} x & \text{for} & x \leq \delta \\ \delta^{1 - 1/r}x^{1/r} & \text{for} & x > \delta \end{cases}$$ Fungsi ini memiliki "lutut keras", artinya fungsinya $\log g(x)$ tidak dapat dibedakan pada $x = \delta$. Untuk "lutut lunak" Anda memerlukan transisi yang mulus pada saat itu. Perpanjangan fungsi di atas untuk negatif$x$ mudah, cukup kalikan dengan fungsi signum dan ambil nilai absolut dari $x$.

Serangan dan pelepasan berdampak pada suara yang berbeda seperti tendangan, jerat, dan vokal. Mereka menentukan berapa lama sebelum ambang tercapai, kompresor harus mulai bekerja dan berapa lama harus tetap bekerja setelah sinyal jatuh di bawah ambang batas. Untuk menerapkan ini, Anda harus menggunakan semacam pandangan ke depan.

Seperti semua amplitudo di bawah ini $\delta$dilemahkan, rentang dinamis yang tersedia tidak sepenuhnya dieksploitasi. Ini dikoreksi oleh apa yang disebut "make up gain" yang hanya merupakan perkalian sederhana dari sinyal terkompresi dengan faktor penguatan$G>1$. Dengan terlebih dahulu mengurangi rentang dinamis dan kemudian memperkuat kompresor sinyal dapat membuat musik tampak "lebih keras".