Od momentu upowszechnienia się technik cyfrowego przetwarzania dźwięku narosło wokół nich wiele nieporozumień. Przyczyny są różne: a to niewystarczająca znajomość towarzyszących im zjawisk, a to nachalny i nieprzebierający w środkach marketing, czy też w końcu urzekający w swej prostocie przekonanie że „więcej” zawsze bezwzględnie znaczy „lepiej”. Wśród fałszywych stereotypów sporą część stanowią mity audio związane z częstotliwością próbkowania. W kontekście technologii mobilnych sprawa stała się ostatnio szczególnie aktualna, a to za sprawą pojawiających się coraz częściej w smartfonach przetworników cyfrowo-analogowych (DAC – Digital to Analog Converter) „profesjonalnych” czy też o „podwyższonej jakości”, osiąganej m. in. dzięki obsłudze wysokich częstotliwości próbkowania, np. 96 i 192 kHz.
Być może nie wszyscy Czytelnicy dostatecznie jasno zdają sobie sprawę czymże jest owa „częstotliwość próbkowania”. Pozwolę więc sobie w wielkim skrócie przedstawić proces konwersji analogowo-cyfrowej i cyfrowo-analogowej. W dalszej części artykułu pod pojęciem „sygnał audio” będę rozumiał jego elektryczną, analogową reprezentację, której źródłem na wejściu są mikrofony, instrumenty elektryczne lub inne urządzenia dostarczające dźwięk, a na wyjściu – wzmacniacze końcowe, zasilające bezpośrednio lub pośrednio przetworniki dźwięku (słuchawki, głośniki).
Koncepcja konwersji sygnału audio na postać cyfrową jest w istocie dość prosta. Sprowadza się do cyklicznego mierzenia chwilowej wartości napięcia sygnału w równych odstępach czasu i zapisywania wyników tych pomiarów w postaci ciągu liczb. Oczywiście w praktyce reprezentacje liczbowe mają skończoną dokładność, wpływając tym samym na precyzję odwzorowania. Najczęściej używane są liczby całkowite ze znakiem: 8, 12, 16, 20, 24 lub 32-bitowe. Dość rzadko spotyka się postać zmiennoprzecinkową. Odstępy czasu w jakich dokonywane są pomiary mogą również przyjmować jedną z wielu standardowych wartości i są określane za pomocą wcześniej wspomnianej częstotliwości próbkowania. Np. popularna częstotliwość 48 kHz oznacza że w ciągu sekundy zapamiętywanych jest 48 tysięcy liczb. Inaczej rzecz ujmując – pomiędzy kolejnymi pomiarami upływa ok. 20,83 μs.
Powrót do postaci analogowej jest również nieskomplikowany. DAC na swoim wyjściu wytwarza napięcie zmieniające się w takt dostarczanych na jego wejście liczb. Poszarpany „schodkowy” sygnał zostaje na koniec wygładzony przez odpowiednie filtry. Istotę obu procesów oddaje w uproszczony sposób poniższa animacja.
Intuicja podpowiada natychmiast że w procesie digitalizacji tracimy ogromną ilość informacji. Stany pośrednie pomiędzy poszczególnymi punktami pomiaru są przecież kompletnie ignorowane. W ogólnym ujęciu takie wątpliwości są całkowicie uzasadnione. Ale sygnały audio mają specyficzną cechę, odzwierciedlającą niedoskonałość naszego zmysłu słuchu. Nie odbiera on fal akustycznych o częstotliwościach większych od pewnej wartości granicznej. Umownie ustalono ją na 20 kHz, choć u każdego osobnika próg ten ma różną wartość (najczęściej niższą). Zależy to zresztą od wielu czynników. Tak więc w kompleksowym sygnale audio, złożonym z wielu dźwięków o różnych częstotliwościach, obecność składników ponadakustycznych jest całkowicie zbędna. Ich brak przekłada się bezpośrednio na kształt wykresu sygnału, w którym pomiędzy sąsiednimi punktami próbkowania nie dzieje się nic godnego uwagi. Nie znajdziemy tam gwałtownych fluktuacji, „zmarszczek” i innych tego typu tworów.
Zniecierpliwiony Czytelnik ma w tym momencie prawo zapytać: „A co mają z tym wszystkim wspólnego wspomniane w tytule mity audio?”. Odpowiedź na to pytanie padnie za chwilę, ale by stała się klarowna muszę jeszcze naświetlić pewien aspekt konwersji analogowo-cyfrowej. Przedstawione powyżej łopatologiczne wyjaśnienie nikłości strat powodowanych reprezentowaniem sygnału audio tylko za pomocą wybranych punktów ma swoje mocne podstawy teoretyczne w postaci twierdzenia Kotielnikowa-Shannona. Jego dowód wymaga znajomości zaawansowanego aparatu matematycznego, ale jeśli jesteśmy gotowi zaufać naukowcom, to jego teza jest bardzo prosta – aby wiernie zamienić sygnał na postać cyfrową wystarczy próbkować go z częstotliwością dwukrotnie wyższą od najwyższej częstotliwości w nim występującej.
Wyobraźmy sobie teraz że za pomocą cyfrowego urządzenia z próbkowaniem 48 kHz nagrywamy głos lektora w studio. Pech chce że wiekowa instalacja wentylacyjna produkuje „głośny” pisk o częstotliwości np. 44 kHz, którego z oczywistych względów nikt nie słyszy. Spójrzmy jak zinterpretuje ów pisk nasz rejestrator:
Nie sposób nie zauważyć, że punkty próbkowania układają się w zgrabną sinusoidę o dużo mniejszej częstotliwości (dokładnie – 4 kHz). Tak więc ultradźwiękowy pisk w trakcie odtwarzania zostanie zmieniony przez DAC w zupełnie inny i to jak najbardziej słyszalny. To niekorzystne zjawisko zwie się aliasem. Przyznam że na potrzeby narracji dokonałem przed chwilą nadużycia. Cyfrowe urządzenia rejestrujące w rzeczywistości wyposażone są w filtry wycinające z sygnału ultradźwięki, właśnie po to aby zminimalizować zniekształcenia wywołane aliasem. Przy częstotliwościach próbkowania 44,1 i 48 kHz filtry powinny swobodnie przepuszczać 20 kHz, a częstotliwości powyżej 22,05 lub 24 kHz (odpowiednio dla 44,1 i 48 kHz) odcinać, a przynajmniej znacznie tłumić, tak aby spełnić warunki twierdzenia Kotielnikowa-Shannona. Tak strome charakterystyki filtrów wymuszają ich bardzo złożoną konstrukcję.
Współcześnie w studiach pracują urządzenia pozwalające na jednoczesną rejestrację nawet kilkudziesięciu sygnałów stereofonicznych. Oznacza to obecność kilkudziesięciu, a nawet ponad stu filtrów. Wszystkie powinny mieć zbliżone charakterystyki. Są to oczywiście układy analogowe, składające się z licznych elementów podatnych na zmiany temperatury i zmieniających parametry na skutek procesów starzenia. Znacznie prostszym, stabilniejszym i do tego tańszym rozwiązaniem okazało się zwiększenie częstotliwości próbkowania do 96, a nawet 192 kHz. Procesory i pamięć mają co prawda wtedy więcej roboty, ale za to częstotliwości które należy tłumić odsuwają się do 48 lub 96 kHz. Radykalnie upraszcza to konstrukcję filtrów.
I tu dochodzimy do sedna sprawy. „Mity audio” w tytule nie są pomyłką. Owszem, częstotliwości 96 i 192 kHz powszechnie pojawiają się w profesjonalnym sprzęcie studyjnym, ale bynajmniej nie po to by zapewnić jego szersze pasmo przenoszenia. A takie „rewelacje” można niekiedy znaleźć w wyssanych z palca informacjach. Co gorsza uzasadnienie stosowania podwyższonych częstotliwości wynika wyłącznie z chęci ominięcia problemów pojawiających się przy cyfrowym ZAPISIE. W smartfonach „profesjonalne” DAC, jak sama nazwa wskazuje stosowane są do ODTWARZANIA. „Zwykły” DAC 48 kHz, przetwarzając co drugą próbkę (96 kHz) lub co czwartą (192 kHz), wyprodukuje dokładnie taki sam sygnał analogowy jak „profesjonalny”. Naturalnie pod warunkiem że oba będą równie precyzyjne.
Oczywiście nie mogę wykluczyć że te „lepsze” są nieco dokładniejsze i sprzęgnięte ze staranniej dopracowanymi analogowymi układami wyjściowymi. Tym niemniej w materiałach reklamowych nacisk kładzie się wyłącznie na wzmiankowane częstotliwości, zachęcając tym samym do korzystania ze strumieni i plików zużywających większe ilości zasobów, co nie przekłada się na żadne zauważalne korzyści, podobnie jak ewentualne stosowanie ekranów 64k w smartfonach i procesorów Core i7 w biurowych kalkulatorach.
Cały powyższy wywód jest próbą przekonania Czytelników, że do teczki „Mity audio” mogą spokojnie wrzucić zapewnienia producentów, iż obsługa 96 i 192 kHz w smartfonach jest automatycznie gwarancją wyższej jakości doznań słuchowych.
Oprócz częstotliwości próbkowania wiele nieporozumień związanych jest również z rozdzielczością bitową konwersji A/C i C/A. Powstałe na ich bazie mity audio postaram się naświetlić w następnym odcinku tego mini-cyklu.