Penjelasan dan bukti manfaat getaran

Several people have asked me to explain this, and I have to admit it was one of the most difficult concepts about digital audio for me to understand. It's not particularly intuitive: the concept of adding noise to reduce noise doesn't make a lot of sense.

(Beberapa orang telah meminta saya untuk menjelaskan hal ini, dan saya harus mengakui itu adalah salah satu konsep yang paling sulit tentang audio digital bagi saya untuk memahami. Ini tidak terlalu intuitif: konsep menambahkan suara untuk mengurangi kebisingan tidak membuat banyak akal.)

It might help if we explain where the concept of dither comes from. In the 1940's the British naval air fleet were having problems with their navigation systems. The navigation systems were huge mechanisms full of cranks and gears and cogs. Everything was very primitive, kind of like an old grandfather's clock. Apparently the problem was that these cogs would chatter and stick and not move very smoothly, and would therefore be very difficult to calibrate. These problems seemed to go away when the airplanes were in the air. It was determined that the vibrations from the planes engines were in effect "lubricating" the cogs and gears and they were working more properly - predictably. This "noise" added to the system helped the accuracy of the system by removing the opportunity for the gears to stick. The result was that the British installed small motors on all of their navigation systems just to help vibrate the mechanisms on the ground (and perhaps more predictably in the air?) and everyone lived happily ever after. "Dither" is a British colloquialism for "undecidedness", or "wishy washiness", somewhat related to oscillation or vibration. The motors that they added to vibrate the navigation systems added "dither" to help a rigid mechanism operate more fluidly.

(Mungkin membantu jika kita menjelaskan dimana konsep dither berasal sejak. Pada tahun 1940 armada udara angkatan laut Inggris yang memiliki masalah dengan sistem navigasi mereka. Sistem navigasi adalah mekanisme yang besar penuh dengan engkol dan persneling, dan roda. Semuanya sangat primitif, semacam mirip jam seorang kakek tua. Ternyata masalahnya adalah bahwa semua roda akan celotehan dan tongkat dan tidak bergerak dengan lancar, dan karenanya akan sangat sulit untuk mengkalibrasi. Masalah-masalah ini tampaknya hilang ketika pesawat berada di udara. Ditetapkan bahwa getaran dari mesin pesawat pada dasarnya "pelumas" pada roda dan gigi dan mereka bekerja lebih benar - ditebak. Ini "noise" ditambahkan ke sistem membantu keakuratan sistem dengan menghilangkan kesempatan untuk roda gigi untuk tetap. Hasilnya adalah bahwa motor Inggris kecil yang terpasang pada semua sistem navigasi mereka hanya untuk membantu bergetar mekanisme di tanah (dan mungkin lebih diperkirakan di udara?) dan semua orang hidup bahagia selamanya. "Dither" adalah ucapan sehari-hari Inggris untuk "undecidedness", atau "basa sifat terlalu banyak air", agak terkait dengan osilasi atau getaran. Motor yang

mereka menambahkan bergetar sistem navigasi menambahkan "dither"untuk membantu mekanisme kaku beroperasi lebih lancar.)

In audio what we're trying to avoid is the audio signal being "not fluid" because of truncation error. Whenever we go from a high resolution signal to a low resolution signal there is going to be quantization error as a result.In the picture below you'll see a 24 bit 100Hz sine wave recorded at low levels for the ease of visual demonstration and explanation

(Dalam audio apa yang sedang kita coba untuk mencegah adalah sinyal audio yang "belum cair" karena galat pemotongan. Setiap kali kita pergi dari sinyal resolusi tinggi untuk sinyal resolusi rendah terdapat akan jadi kuantisasi kesalahan sebagai hasilnya.Dalam gambar di bawah ini Anda akan melihat 24 bit 100Hz gelombang sinus tercatat pada tingkat rendah untuk kemudahan demonstrasi visual dan penjelasan)

Gambar 1: 24 Bit 100 Hz gelombang sinus

The following is the same waveform that has been truncated to 16 bits. One will notice that because there are fewer quantization steps there is less opportunity for the signal to be "between" two points. The result is that there are stair steps where several consecutive samples end up being forced to be at the same level:

(Berikut ini adalah gelombang yang sama yang telah dipotong ke 16 bit. Satu akan melihat bahwa karena ada langkah-langkah kuantisasi sedikit terdapat peluang lebih sedikit untuk sinyal yang akan "antara" dua titik. Hasilnya adalah bahwa ada tangga

sampel berturut-turut langkah-langkah di mana beberapa akhirnya dipaksa untuk berada pada tingkat yang sama:)

Gambar 2: 24 Bit 100 Hz gelombang sinus terpotong sampai 16 Bits

You'll see that this waveform has been quantized such that there are a bunch of small squarish waves (it's actually a "stepped sine wave", but the properties and harmonic distortion are similar to that of square waves).

These stair steps in the waveform have an audible effect on the audio by adding determineable harmonic distortion to the signal at a fairly high level. Below you'll see two plots. The first plot is the original 24 bit waveform on a spectragraph (amplitude on the Y axis, frequency on the X axis). The second plot is the truncated version of this. You'll see in the truncated waveform a series of fairly high peaks at around 36dB down from the signal's peak. This is because this was a low level waveform to start with (the signal was recorded low to make the explanation more visibly obvious). If this were a "fully maximized" signal, (one that was recorded at full scale), these peaks would be much lower. Regardless, you'll see that in the 24 bit signal the noise is around 48dB lower. This is because the difference in dynamic range between 16bit and 24bit is 48dB. Obviously, 48dB improved dynamic range would yield a noise floor 48dB lower on the same signal.

(Anda akan melihat bahwa gelombang ini telah terkuantisasi sehingga ada beberapa gelombang squarish kecil (itu sebenarnya adalah "melangkah ke gelombang sinus", tetapi sifat dan distorsi harmonik yang mirip dengan gelombang persegi). Anak tangga ini dalam bentuk gelombang yang berpengaruh pada audio dapat didengar dengan menambahkan distorsi harmonik determineable ke sinyal pada level yang

cukup tinggi. Di bawah ini Anda akan melihat dua plot. Plot pertama merupakan 24 bit asli gelombang pada spectragraph (amplitudo di sumbu Y, frekuensi pada sumbu X). Plot kedua merupakan versi terpotong ini. Anda akan melihat dalam gelombang dipotong sejumlah puncak cukup tinggi, yaitu sekitar 36dB down dari puncak signal itu. Hal ini karena ini merupakan gelombang tingkat rendah untuk memulai dengan (sinyal tercatat rendah untuk membuat penjelasan lebih terlihat jelas). Jika ini adalah "seluruhnya dimaksimalkan" sinyal, (yang tercatat pada skala penuh), puncak ini akan jauh lebih rendah. Apapun, Anda akan melihat bahwa dalam sinyal 24 bit kebisingan adalah sekitar 48dB lebih rendah. Hal ini karena perbedaan rentang dinamis antara 16bit dan 24bit adalah 48dB. Jelas, 48dB meningkatkan dynamic range akan menghasilkan 48dB noisefloor lebih rendah pada sinyal yang sama.)

Gambar 3: Spektogram Plot 24 Bit 100 Hz gelombang sinus

Gambar 4: Spektogram Plot 24 Bit 100 Hz gelombang sinus terpotong sampai 16 Bits

The concept of dither is to add some random noise to the waveform in order to "break up" the statistical determineability of the stair stepped waves. We do this by literally adding noise to the signal.(Konsep dither adalah untuk menambahkan beberapa gangguan acak untuk gelombang dengan tujuan untuk "break up" yang determineability statistik tangga melangkah ke gelombang. Saat ini melakukan ini dengan menambahkan noise secara harfiah sinyal.)

The noise is created by essentially randomly selecting bit values. In our working example we're dithering 24 bits to 16 bits, so we're going to add 9 bits of noise. This means that we're going to be randomly selecting numbers from 0 to 512 and adding those numbers to the original signal. We can look at it like we're going toadd a random number from -256 to +256 to the signal. This series of numbers is randomly concocted by the computer. This set of random values will, in essence, create white noise. The random numbers, however, can't be totally random for reasons we'll get into, but first, in order to understand more about how we generate this noise we'll need to discuss "probability".

(Kebisingan ini diciptakan oleh dasarnya secara acak memilih nilai bit. Pada contoh kerja kami kami dithering 24 bit ke 16 bit, dengan demikian kita akan menambahkan 9 bit dari noise. Ini berarti bahwa kita akan acak untuk menyeleksi angka 0 sampai 512 dan menambahkan angka-angka untuk signal asli. Saat ini bisa melihat hal seperti

kita akan menambahkan nomor acak dari -256 sampai 256 untuk sinyal. Rangkaian angka secara acak diciptakan mereka oleh komputer. Ini set nilai-nilai acak akan, pada intinya, membentuk white noise. Angka-angka acak, bagaimanapun, tidak dapat sepenuhnya acak dengan alasan kita akan memasuki, tapi pertama-tama, untuk lebih mengerti tentang bagaimana kita menghasilkan kebisingan ini kita harus membahas "kemungkinan".)

If you roll a dice you have an equal chance of getting numbers 1 through 6. This is called "rectangular probability". "Triangular probability" refers to a weighting in the probability of getting certain values. This is best demonstrated with two dice. If you roll two dice your odds of pulling up a certain number are as follows:

(Jika Anda roll sebuah dadu Anda memiliki kesempatan yang sama untuk mendapatkan nomor 1 sampai 6. Ini disebut "Kemungkinan persegi panjang". "kemungkinan segitiga" mengacu pada pembobotan dalam kemungkinan mendapatkan nilai-nilai tertentu. Ini paling baik ditunjukkan dengan dua dadu. Jika Anda roll dua dadu peluang Anda untuk menarik sebuah nomor tertentu adalah sebagai berikut: )

2: 1/13: 1/2, 2/14: 1/3, 2/2, 3/15: 1/4, 2/3, 3/2, 4/16: 1/5, 2/4, 3/3, 4/2, 5/17: 1/6, 2/5, 3/4, 4/3, 5/2, 6/18: 2/6, 3/5, 4/4, 5/4, 6/29: 3/6, 4/5, 5/4, 6/310:4/6, 5/5, 6/411:5/6, 6/512:6/6

This demonstrates triangular probability. You have the largest chance of rolling a seven, with triangularly decreasing probability of rolling other numbers so that you have the least odds of rolling a 2 or a 12. You can see why this is called "Triangular Probability" or TPDF ("Triangular Probability Desnity Function"). Natural white noise, however is what we call "Gaussian PDF" in that the distribution of the randomness follows that of a typical bell-shaped curve.(Hal ini menunjukkan Kemungkinan segitiga. Anda memiliki kesempatan terbesar melinting tujuh, dengan Kemungkinan penurunan triangularly rolling nomor lainnya sehingga Anda memiliki kemungkinan paling melinting 2 atau 12. Anda bisa melihat mengapa ini disebut "Segitiga Probability" atau TPDF ("Segitiga Probability Desnity Fungsi"). Seluler kebisingan white, tetapi merupakan apakah kita call "Gaussian PDF" di distribusi keacakan mengikuti bahwa dari kurva lonceng berbentuk khas.)

The reason we use Triangular PDF as the source of noise for dither is because we are stastically looking for a certain effect. Picture a DC signal at halfway between two quantization steps. We want there to be a 50% chance that it ends up on one quantization step or the other. If the DC signal is only 20% of the way from one quantization step to the other then we want a proportionate amount of quantization steps to end up at the one that the DC signal is closer to. Without going much further into this, the formula used to create the dither is most definitely mathematically determined to provide the most accurate results from a statistical perspective. Once the results are filtered at the D/A converter the end product will yield appropriate results.

Let's rewind and make sure we're caught up. White noise is created in a computer by randomly generating numbers that have the highest statistical probability of being "0" and the lowest statistical probability of being the minimum or maximum values (in our situation above that is -256 or +256.) Below is a picture of the waveform of the white noise that we're going to use for dither in this example. Below that is a spectragraph plot of that same noise. You can see that it indeed is white noise, or equal power at all frequencies (but on this logarithmic scale it shows greater power at higher octaves).

(Alasan kita menggunakan segitiga PDF sebagai sumber kebisingan untuk dither merupakan karena kita stastically mencari efek tertentu. Gambar sinyal DC di tengah-tengah antara dua langkah kuantisasi. Saat ini ingin ada kemungkinan 50% bahwa itu berakhir sampai di satu langkah kuantisasi atau yang lain. Jika sinyal DC hanya 20% dari jalan dari satu langkah kuantisasi untuk yang lain maka kita menginginkan jumlah proporsional langkah-langkah kuantisasi untuk berakhir di salah satu yang signal DC lebih dekat dengan. Tanpa lebih jauh ke dalam, rumus yang digunakan untuk membuat dither yang paling pasti matematis bertekad untuk menyediakan hasil yang paling akurat dari perspektif statistik. Setelah hasilnya disaring di D / A konverter produk akhir akan menghasilkan hasil yang sesuai.

Mari kita mundur dan memastikan bahwa kami tidak terjebak. kebisingan White dibuat di komputer dengan acak untuk menghasilkan angka yang memiliki Kemungkinan statistik tertinggi menjadi "0" dan probabilitas statistik terendah menjadi nilai minimum atau maksimum (dalam situasi seperti kita di atas yang -256 atau 256.) Berikut merupakan gambaran tentang bentuk gelombang dari kebisingan white yang akan kita gunakan untuk dither dalam contoh ini. Di bawah ini yang merupakan plot spectragraph dari kebisingan yang sama. Anda dapat melihat bahwa itu memang adalah kebisingan putih, atau kekuasaan sama pada semua frekuensi (tapi pada skala logaritmik itu menunjukkan kekuatan yang lebih besar pada oktaf lebih tinggi).)

Gambar 5: Kebisingan Dither (RPDF)

Gambar 6: Spectragraph Plot Gangguan Dither (RPDF)

One can notice that this is not true TPDF white noise, however, because with true TPDF white noise the majority of the plots on the waveform picture would be on or around the zero crossing. The white noise generator I happened to have handy for these pictures does not generate true TPDF, but more likely RPDF (rectangular probability), yet will still be adequate to show how dither works in this example.

The following picture shows what happens when we add this dither to the original 24 bit untouched sine wave:

(Orang dapat melihat bahwa ini tidak benar TPDF kebisingan white, Akan tetapi, karena dengan kebisingan TPDF sebenarnya putih mayoritas plot pada gambar gelombang akan berada di atau di sekitar zero crossing. White noise generator saya kebetulan punya berguna untuk gambar ini tidak menghasilkan TPDF benar, tetapi lebih cenderung RPDF (Kemungkinan persegi panjang), namun masih akan cukup untuk menunjukkan karya-karya dither bagaimana dalam contoh ini.

Gambar berikut ini menunjukkan apa yang terjadi ketika kita menambahkan hal ini dither untuk gelombang sinus tersentuh asli 24 bit:

Gambar 7: 24 bit gelombang sinus dengan Dither Gangguan Ditambahkan (RPDF)

At this point we're still dealing with 24 bit words, but the last nine bits have had random noise added to them, and the results are evident in the picture above. When we now remove the last 8 bits to finally turn this signal into a 16 bit signal you'll see that we no longer have determineable "stair steps" as we did when just truncating, but we rather have random quantization fluctuations of single bits here and there.

(Pada titik ini kita masih berhadapan dengan 24 bit words, tetapi sembilan bit terakhir memiliki random noise ditambahkan ke satunya, dan hasilnya terlihat pada gambar di atas. Ketika kita saat ini menghapus 8 bit terakhir akhirnya mengubah sinyal hal ini menjadi sinyal sedikit 16 Anda akan melihat bahwa kita tidak lagi memiliki determineable "anak tangga" seperti yang kita lakukan ketika baru saja memotong, tapi kami lebih memilih kuantisasi fluktuasi acak dari bit tunggal di sini dan di sana.)

Gambar 8: 24 bit gelombang sinus dengan Dither Gangguan Ditambahkan (RPDF) terpotong menjadi 16 bit

When we run this new signal through a spectragraph you'll see that we no longer have peaks in the noisefloor because of harmonic distortion. We now have a white noise floor instead. Yes, this white noise floor is higher than the original noisefloor from our 24 bit signal, but is a true white noise floor that is a natural occurrence, and therefore more pleasing to our ears.

(Ketika kita menjalankan sinyal baru melalui spectragraph Anda akan melihat bahwa kita tidak lagi memiliki puncak pada noisefloor karena distorsi harmonik. Saat ini saat ini memiliki batas bawah white noise sebagai gantinya. Ya, hal ini lantai yang white noise lebih tinggi dari noisefloor asli dari sinyal 24 bit kita, melainkan adalah dasar kebisingan sebenarnya white yang merupakan kejadian alami, dan karena itu lebih menyenangkan di telinga kita.)

Gambar 9: Spectragraph Plot 24 bit gelombang sinus ragu-ragu untuk 16 bit

When we compare this signal to our original truncated signal we'll see that the truncated signal has a lower noise floor for SOME frequencies, but the peak noise floor is much higher than the dithered version of the same signal. The dithered signal effectually has a lower noise floor by avoiding the distortion properties of those square waves. Below is a chart of the dithered and the truncated plots layered on top of each other.

(Ketika kita bandingkan sinyal ke sinyal asli dipotong kita, kita akan melihat bahwa signal terpotong memiliki noise floor yang lebih rendah untuk frekuensi BEBERAPA, tapi noise floor puncak jauh lebih tinggi daripada versi ragu-ragu dari sinyal yang sama. Sinyal ragu-ragu secara efektif memiliki noise floor rendah dengan menghindari sifat distorsi dari orang-orang gelombang persegi. Berikut ini adalah bagan dari ragu-ragu dan dipotong plot berlapis di atas satu sama lain.)

Gambar 10: Petak Spectragraph Tumpang Tindih Gelombang gelombang sinus vs terpotong ragu-ragu

You'll see in the picture above that the sine wave peaks are at the same amplitude, but the truncated version obviously has a much less desireable result than the signal that we've added noise to to help randomize the signal and make it more natural sounding.

This is the crux of the discussion on dither. The bottom line is that WHENEVER a signal goes from a higher resolution to a lower resolution it is necessary to dither in order to avoid the artifacts provided by truncation that have been shown above. This means that whenever signals go from 48 bit resolution for processing to 24 bit resolution, or 24 bit resolution for mixing to 16 bit, or even analog (infinite resolution) to 24 bit during A/D conversion dithering needs to happen. In the case of the analog conversion process this dither happens naturally by means of the thermal noise within the converters Besides just the obvious effects of truncating there are also the cumulative effects from truncating a signal over and over again throughout processing. If a signal goes into an effects processor at 24 bits and gets inflated to 48 bits for processing but then leaves at 24 bits, and if this signal isn't dithered, then the truncation artifacts get added to the signal and could get multiplied if the signal goes through another similar stage of processing.

(Anda akan melihat pada gambar di atas bahwa puncak gelombang sinus berada pada amplitudo yang sama, tapi versi dipotong jelas memiliki hasil yang jauh lebih

diharapkan daripada sinyal bahwa kami telah menambahkan kebisingan untuk untuk membantu mengacak sinyal dan membuatnya lebih alami terdengar.Ini merupakan inti dari diskusi tentang dither. Intinya merupakan bahwa sinyal Setiap kali berjalan dari resolusi yang lebih tinggi untuk resolusi yang lebih rendah perlu dither untuk menghindari artefak yang disediakan oleh pemotongan yang telah ditampilkan di atas. Ini berarti bahwa setiap kali sinyal berjalan dari resolusi 48 bit untuk pengolahan resolusi 24 bit, atau 24 bit untuk pencampuran resolusi hingga 16 bit, atau lebih analog (resolusi tak terbatas) untuk 24 bit selama Sebuah konversi D / dithering perlu terjadi. Dalam kasus proses konversi analog dither hal ini terjadi secara alami dengan cara panas dan kebisingan dalam konverter Selain hanya efek jelas memotong juga ada efek kumulatif dari memotong sinyal lagi dan lagi seluruh pengolahan. Jika sinyal masuk ke dalam sebuah prosesor efek di 24 bit dan akan meningkat sampai 48 bit untuk diproses melainkan kemudian daun pada 24 bit, dan jika sinyal hal ini tidak ragu-ragu, maka artefak pemotongan akan ditambahkan ke sinyal dan bisa dikalikan jika sinyal berjalan melalui tahap lain yang serupa pengolahan.)

This all gets much more complicated, however, when we start to discuss other dither algorithms used for particular applications. The concept here is that it would be possible to add noise other than white noise that we humans might find even less offensive than true white noise. We humans are more sensitive to certain frequencies than others, so it would be possible to filter the noise so that it was more concentrated on frequencies that were less offensive. There are several algorithms on the market at this point from many manufacturers for adding unique dither to your audio. POW-r, DitherCD, and IDR are all examples of these types of algorithms. Apogee uses a scheme called "UV22" which focuses most of this random noise at frequencies above the human hearing range. The "22" comes from the fact that the majority of the noise occurs in their algorithm at 22kHz, right below the Nyquist frequency. Below is a plot of a waveform of UV22 noise.

(Ini semua akan jauh lebih rumit, Akan tetapi, ketika kita mulai membahas algoritma dither lain yang digunakan untuk aplikasi tertentu. Konsep di sini adalah bahwa hal itu akan mungkin untuk menambah kebisingan selain white noise bahwa kita manusia mungkin menemukan lebih kurang menyinggung dari white noise sebenarnya. Kita sebagai manusia lebih sensitif terhadap frekuensi tertentu daripada yang lain, sehingga akan mungkin untuk menyaring kebisingan sehingga lebih terkonsentrasi pada frekuensi yang kurang ofensif. Ada beberapa algoritma di pasaran saat hal ini dari banyak produsen untuk menambahkan dither unik untuk audio Anda. POW-r, DitherCD, dan Rp merupakan contoh jenis algoritma. Apogee menggunakan program yang disebut "UV22"yang berfokus sebagian besar hal ini kebisingan acak pada rentang frekuensi di atas pendengaran manusia. The "22" berasal dari kenyataan bahwa mayoritas kebisingan terjadi dalam algoritma mereka di 22kHz, tepat di bawah frekuensi Nyquist. Di bawah ini merupakan sebidang gelombang kebisingan UV22.)

Gambar 11: UV22 Gangguan

It is easy to see that, not only is this more closely resembling TPDF (as the majority of the points are at the zero crossing, but it is filtered toward higher frequencies as is indicated by the "narrowness" of the waveforms (which are presented in this chart and the similar chart provided above of dither noise in the same scale - 410 samples are shown). One other observation to be made is that the peak amplitude of this noise is much higher than the dither noise used above, but that amplitude is added only in the higher frequencies.

Below is a spectragraph plot of UV22 noise.

(Sangat mudah untuk melihat bahwa, belum hanya TPDF hal ini lebih dekat menyerupai (karena mayoritas titik nol berada di persimpangan, tetapi disaring ke frekuensi yang lebih tinggi seperti merupakan ditunjukkan oleh "sempitnya" dari gelombang (yang disajikan dalam grafik dan grafik yang sama diberikan di atas kebisingan dither dalam skala yang sama -. 410 sampel yang ditampilkan) Salah satu pengamatan lain yang akan dibuat merupakan bahwa amplitudo puncak kebisingan ini jauh lebih tinggi dari kebisingan dither digunakan di atas, melainkan amplitudo yang ditambahkan hanya pada frekuensi yang lebih tinggi.

Berikut merupakan plot spectragraph kebisingan UV22.)

Gambar 12: UV22 Spektogram Plot Gangguan

You'll notice a very steep rising pattern above 16kHz where the majority of the energy is focused.

The following is the same sine wave with UV22 added to it, and a plot of the same sine wave as above, noiseshaped (instead of dithered) with UV22. There will be two artifacts in the UV22 version (300Hz and 500Hz), but these are a result of errors in the way in which the graphs were created and are not a result of the UV22 process itself (for the curious, the sinewave had already been normalized, so the addition of the UV22 caused the waveform to clip, and the two spikes are indicative of this clipping).

(Anda akan melihat pola naik sangat curam di atas 16kHz di mana sebagian besar energi difokuskan.

Berikut ini merupakan gelombang sinus sama dengan UV22 ditambahkan ke dalamnya, dan sebidang gelombang sinus sama seperti di atas, noiseshaped (bukan ragu-ragu) dengan UV22. Akan ada dua artefak dalam versi UV22 (300Hz dan 500Hz), melainkan ini akibat dari kesalahan dalam cara di mana grafik diciptakan dan bukan merupakan hasil dari proses UV22 itu sendiri (bagi yang penasaran, sinewave itu sudah telah dinormalkan, sehingga penambahan UV22 menyebabkan gelombang ke klip, dan dua duri adalah indikasi dari kliping hal ini).)

Gambar 13: 24 bit gelombang sinus Wave dengan UV22 Gangguan Ditambahkan

Gambar 14: Spektogram Plot 24 bit gelombang sinus Wave dengan UV22 Gangguan Ditambahkan

Below is a chart of the UV22'd waveform plot superimposed over the dithered waveform plot. Again, ignoring the artifically created artifacts you'll notice that the

noisefloor is lower on the UV22 version within the audible range, while still having a higher peak noisefloor. The result is a lower perceived noisefloor and therefore greater dynamic range over the audible range for the signal.(Berikut ini adalah bagan dari plot gelombang UV22'd melapis ke atas plot gelombang ragu-ragu. Sekali lagi, mengabaikan artefak artifisial menciptakan Anda akan melihat bahwa noisefloor lebih rendah pada versi UV22 dalam rentang dapat didengar, sementara masih memiliki noisefloor puncak yang lebih tinggi. Hasilnya adalah noisefloor dianggap lebih rendah dan oleh karena itu jangkauan dinamis yang lebih besar atas rentang dapat didengar untuk sinyal.)

Gambar 15: Petak Spectragraph Tumpang Tindih Gelombang gelombang sinus vs UV22'd ragu-ragu

This "colored dither", which is not true TPDF dither, is a process that should only ever be applied in the very final stage of processing. The noise that is used, while more audibly transparent, can end up "working it's way" into the audible range in unpleasant ways if this dithered signal is processed any further. As was mentioned above, there are several such specialized dither algorithms available on the market now, many of which have viable reasons for being beneficial. Listening (as is true in most areas of our industry) is the best way of determining your favorite dither algorithm, but it is important to remember that this is only for the FINAL processing stage. If your material is to be mastered then this should only be done at mastering. It should never be applied mid-mixing. TPDF is the only appropriate method that manufacturers should use for dithering after various processing stages, but it should ALWAYS be used after processing stages if the processing is at higher bit depths

than the result is. Many software applications and hardware boxes provide options for dithering. The rules of thumb to follow are:

· If the signal has had any processing happen to it at higher bit depths then choose to add dither (there are some times that the option is available to add dither when no processing at higher bit depths was done, so this may not be as easy to do as it sounds).(Ini "dither berwarna", yang tidak benar TPDF dither, adalah sebuah proses yang seharusnya hanya pernah diterapkan dalam tahap yang sangat akhir pengolahan. Kebisingan yang digunakan, sementara lebih terdengar transparan, akhirnya dapat "bekerja dengan cara itu" ke kisaran dapat didengar dengan cara yang tidak menyenangkan jika hal ini ragu-ragu sinyal diproses lebih lanjut. Seperti yang telah disebutkan di atas, ada beberapa algoritma dither seperti khusus yang tersedia di pasaran sekarang, banyak yang memiliki alasan yang layak untuk menjadi bermanfaat. Menyimak (seperti merupakan sebenarnya di sebagian besar wilayah industri ini) merupakan cara terbaik untuk menentukan algoritma dither favorit Anda, tetapi penting untuk diingat bahwa ini hanya untuk tahap pengolahan FINAL. Jika bahan Anda harus dikuasai maka hal ini hanya boleh dilakukan pada mastering. Tidak pernah harus diterapkan pertengahan pencampuran. TPDF merupakan satu-satunya metode yang tepat bahwa produsen harus digunakan untuk dithering setelah berbagai tahapan proses, melainkan harus SELALU digunakan setelah tahapan proses jika proses yang berada pada kedalaman sedikit lebih tinggi daripada hasilnya. Banyak aplikasi perangkat lunak dan perangkat keras menyediakan kotak pilihan untuk dithering. Aturan-aturan praktis untuk mengikuti adalah:• Jika sinyal memiliki proses pengolahan terjadi dengan itu pada kedalaman bit yang lebih tinggi kemudian memilih untuk menambahkan dither (ada beberapa kali bahwa pilihan yang tersedia untuk menambahkan dither ketika tidak ada pengolahan di kedalaman bit yang lebih tinggi dilakukan, jadi ini mungkin tidak semudah melakukan seperti yang kedengarannya).)

· If ANY more processing is to happen to this audio then the appropriate dither to add is TPDF. If you are unsure which dithering option is the TPDF option then contact the manufacturer.

· If this is the final stage, immediately before pressing a master, other choices of "colored" dither may be used.

Dithering is a required part of the digital audio process if the results are to meet the expectations set forth by Nyquist and other digital theorists.

One last note is that the benefits of dither are more visibly apparent on lower frequency material than higher frequency material, however the benefits to higher frequency material can be noticed if observations over many cycles are made On higher frequency material the artifacts created by quantizing error can be above the Nyquist limit and fold back as aliasing into the audible bands.

I hope that this has been helpful. If there are any questions please ask. I'll probably end up posting this on my website and referring to it for people that have questions on this matter in the future. If I need to add anything, please let me know (I have already edited it more than once based on others contributing with additional information). If something is not clear please let me know that as well. I'd like to have it pretty cut and dried forfuture readers.

(• Jika proses APAPUN lebih banyak terjadi audio ini maka dither yang sesuai untuk menambah merupakan TPDF. Jika Anda tidak yakin dengan pilihan dithering pilihan TPDF kemudian menghubungi produsen.

• Jika hal ini merupakan tahap akhir, segera sebelum menekan master, pilihan lain dither "berwarna"dapat digunakan.

Dithering merupakan bagian yang diharuskan dari proses audio digital jika hasilnya untuk memenuhi harapan ditetapkan oleh Nyquist dan teori digital lainnya.

Satu catatan terakhir merupakan bahwa manfaat dither lebih terlihat jelas pada material frekuensi yang lebih rendah dari bahan frekuensi yang lebih tinggi, namun manfaat bagi bahan frekuensi yang lebih tinggi dapat melihat jika pengamatan selama banyak siklus bahan dibuat Pada frekuensi yang lebih tinggi artefak yang dibuat oleh mengkuantisasi kesalahan dapat berada di atas batas Nyquist dan lipat kembali sebagai aliasing ke band dapat didengar.

Saya berharap bahwa ini telah membantu. Jika ada pertanyaan silahkan bertanya. Saya mungkin akan berakhir posting hal ini di website saya dan mengacu untuk orang-orang yang memiliki pertanyaan mengenai hal ini di masa depan. Jika saya perlu menambahkan sesuatu, silakan beritahu saya (saya sudah mengedit lebih dari sekali didasarkan pada orang lain berkontribusi dengan informasi tambahan). Jika ada sesuatu merupakan belum jelas tolong beritahu saya tahu itu juga. Aku ingin memilikinya cukup potong dan kering untuk pembaca masa depan.)