Spectral Band Replication (SBR) คืออะไร? เทคโนโลยีการบีบอัดเสียงระดับสูง

Spectral Band Replication (SBR) หรือการจำลองแถบความถี่สเปกตรัม เป็นเทคโนโลยีที่ใช้เพื่อเพิ่มประสิทธิภาพของตัวถอดรหัสเสียง (Audio Codecs) โดยเฉพาะในกรณีที่มีอัตราบิตเรต (Bit rate) ต่ำ ซึ่งเทคโนโลยีนี้อาศัยหลักการของความซ้ำซ้อนทางฮาร์มอนิกในโดเมนความถี่

ประวัติและการใช้งาน

เทคโนโลยี SBR ถูกพัฒนาและบุกเบิกโดยบริษัท Coding Technologies จากสวีเดน (ซึ่งต่อมาถูกซื้อกิจการโดย Dolby ในปี 2007) โดยเริ่มนำมาใช้ในตัวถอดรหัสที่พัฒนามาจาก MPEG-2 AAC ที่ชื่อว่า aacPlus ในปี 2001 ต่อมาได้กลายเป็นรากฐานของ MPEG-4 High-Efficiency AAC (HE-AAC) ซึ่งได้รับการรับรองมาตรฐานในปี 2003

นอกจากนี้ วิธีการของ Coding Technologies ยังถูกนำไปใช้ใน WMA 10 Professional เพื่อสร้าง WMA 10 Pro LBR และใช้กับ MP3 เพื่อสร้าง mp3PRO อีกด้วย

การนำไปใช้ในระบบกระจายเสียง

HE-AAC ที่ใช้ SBR ถูกนำไปใช้อย่างแพร่หลายในระบบกระจายเสียง เช่น:

• DAB+
• Digital Radio Mondiale (รวมถึง xHE-AAC)
• HD Radio
• XM Satellite Radio

ในกรณีที่เครื่องเล่นไม่รองรับข้อมูลส่วนเสริม (Side information) ที่ส่งมาพร้อมกับข้อมูลเสียงบีบอัดปกติ เครื่องเล่นจะสามารถเล่นข้อมูล "baseband" (เช่น สุ่มตัวอย่างที่ 22.05 kHz แทนที่จะเป็น 44.1 kHz) ได้ ซึ่งจะทำให้เสียงที่ได้มีความหม่น (dull) เนื่องจากขาดความถี่สูง แต่ยังคงสามารถฟังได้

วิธีการทำงานของ SBR

การเข้ารหัส SBR จะสร้างสัญญาณเสียงที่ถูกลดการสุ่มตัวอย่าง (Downsampled) ซึ่งโดยปกติจะเป็นอัตราส่วน 2:1 และสร้างข้อมูลแนะนำ (Guidance information) เพื่อให้ตัวถอดรหัสสามารถสร้างความถี่สูงขึ้นมาใหม่ได้

เทคนิคการถอดรหัส

การถอดรหัส SBR ต้องใช้การย้ายตำแหน่งฮาร์มอนิก (Transposing harmonics) ซึ่งเป็นรูปแบบหนึ่งของการยืดเวลาเสียง (Audio time stretching) และการปรับสเกลระดับเสียง (Pitch scaling) โดยมีวิธีการหลักๆ ดังนี้:

• วิธีดั้งเดิม: เริ่มต้นด้วยการใช้ Discrete Fourier Transform (DFT) ในช่วงสั้นๆ ตามด้วยการปรับเฟส (Phase adjustments) และจบด้วยการรวมสัญญาณ (Overlap-add) วิธีนี้มีความไวต่อสัญญาณชั่วขณะ (Transient signals) ซึ่งอาจทำให้เกิดเสียงสะท้อน (Echoes) จึงจำเป็นต้องมีการเติมข้อมูล (Padding)
• วิธีใหม่: ใช้ Quadrature Mirror Filter (QMF) ซึ่งสามารถดำเนินการยืดเวลาและปรับสเกลระดับเสียงได้ในตัวกรองเดียว ทำให้มีความซับซ้อนในการคำนวณน้อยลง

นอกจากนี้ SBR ยังสามารถจำลองหรือผสมผสานข้อมูลลักษณะคล้ายสัญญาณรบกวน (Noise-like information) ในแถบความถี่ที่เลือก เพื่อให้สามารถจำลองลองสัญญาณที่เดิมไม่มีองค์ประกอบทางโทนเสียง (Tonal components) ได้อย่างสมจริง

หลักการทางจิตวิทยาการได้ยิน

แนวคิดของ SBR มีพื้นฐานมาจากหลักการที่ว่า สมองส่วนที่ประมวลผลการได้ยินของมนุษย์มีแนวโน้มที่จะวิเคราะห์ความถี่สูงด้วยความแม่นยำที่น้อยกว่า ดังนั้น ปรากฏการณ์ทางฮาร์มอนิกที่เกี่ยวข้องกับกระบวนการ SBR จึงไม่จำเป็นต้องมีความแม่นยำทางเทคนิคหรือทางคณิตศาสตร์อย่างสมบูรณ์ แต่ขอให้มีความแม่นยำในเชิงการรับรู้ (Perceptual sense) ก็เพียงพอ