Дизеринг противоречит интуиции: звук становится чище, если к нему добавить шум. Звукоинженер, впервые встречающийся с этим приёмом, невольно морщится, но математика беспощадна: без дизера понижение разрядности с 24 до 16 бит превращает ошибку квантования в часть сигнала, а с дизером та же ошибка становится безликим белым шумом на уровне глубоко за пределами слышимости реальной аппаратуры. В статье разобран механизм этого явления, статистика шумов RPDF и TPDF, развязка шума и сигнала, вынос дизера в край полосы с помощью формирования спектра, практический порядок применения и численные ориентиры, на которые опирается мастеринг - инженер.
Почему обрезание 16 бит без шума портит звук
Переход с 24 бит на 16 бит означает, что младшие восемь бит каждого отсчёта отбрасываются ли бо значение округляется до ближайшего кванта. И в трункации, и в наивном округлении величина ошибки зависит от самого сигнала: она является детерминированной функцией входного значения. Именно здесь кроется беда. Ошибка, коррелированная с сигналом, проявляется не как шумовая дорожка, а как нелинейное искажение: форма кривой приобретает ступенчатый характер, ступеньки порождают гармоники, гармоники лежат в спектре вполне предсказуемо и тем самым окрашивают звучание. Синусоида низкого уровня без дизера превращается в ступенчатую ломаную, и её спектр обрастает компонентами, которых в исходном материале не было.
Вторая беда - поведение на сигналах, укладывающихся в один квант. Полный масштаб 16 - битного тракта позволяет представить 65536 уровней, и величина очень тихого звука, скажем области минус 90 дБFS, сопоставима с одним шагом кванта или меньше его. Если двери квантователя закрыты для такого значения, сигнал просто исчезает: цифровой выход фиксирует нули. Если амплитуда колеблется на границе соседних квантов, отсчёты прыгают между двумя соседними значениями, и на слух возникает характерное «гремление», хруст на затухающих хвостах. Инженер слышит это на длинных реверберационных послезвучиях фортепианной записи, на затихании тарелок, на фонах вокальных партий, когда реальный аналоговый хвост должен таять в шуме помещения, а вместо этого внезапно и весьма натурально слышен треск.
Шум квантования без дизера тем неприятнее, что он модулирован самим сигналом. Когда сигёл громкий, ошибка следует за ним; когда сигнал тихий, ошибка может доминировать. Слух легко распознаёт структурную связь помехи с музыкальным материалом: помеха «дышит» в такт музыке, и мозг выделяет её как самостоятельный компонент. Таким образом, проблема состоит не только в абсолютном уровне ошибки, но и в её статистической зависимости от входного процесса. Избавиться от этой зависимости можно единственным честным способом - сделать ошибку по своей природе случайной, не зависящей от сигнала ни по мгновенному значению, ни по выборке в целом.
Математика дизера и превращение порога в пандус
Идея дизера обманчиво проста. Перед квантованием к исходному сигналу подмешивается псевдослучайная последовательность малой амплитуды. Квантователь всё так же округляет, но результирующее значение становится случайной величиной, математическое ожидание которой равно истинному значению непрерывного сигнала. В терминах статистики дизер делает ошибку квантования независимой от входа. Характеристика квантователя, которая без шума напоминала ступенчатую функцию, в усреднении превращается в прямую линию: ступеньки размыты, пороговые эффекты исчезают, тихие сигналы перестают исчезать и вместо этого воспроизводятся среди мягкого шумового ложа.
Ключевые разновидности дизера описываются формой плотности вероятности. Прямоугольная плотность RPDF эквивалентна случайному распределению амплитуды один квант от минус половины до плюс половины кванта. Такой дизер устраняет систематическое смещение и делает среднее значение выхода честным, однако неполностью убирает зависимость дисперсии ошибки от сигнала: на некоторых уровнях шум модулируется. Треугольная плотность TPDF получается суммированием двух независимых прямоугольных распределений, что даёт суммарную амплитуду два кванта. Именно TPDF - классический выбор звукового редактора: он полностью декоррелирует от ошибки и первый, и второй момент выходного процесса, устраняя и модуляцию шума, и смещение. Гауссов дизер тоже применяется, но требует большей амплитуды для той же линеаризации и менее удобен.
Уровень дизера традиционно настраивают в единицах младшего разряда. Дизер TPDF двумя квантами соответствует среднеквадратическому уровню около минус 93 дБFS в 16 - битной системе, то есть практически на уровне самого шума квантования, а суммарная шумовая подложка возрастает против идеального квантователя всего на считанные децибелы. Промышленная культура записи пришла к консенсусу: одна - разрядный RPDF или двух - разрядный TPDF - вот два рабочих ориентира, между которыми выбирают в зависимости от требований к динамической линеарности и допусков на остаточное шипение.
Линеаризация в действии на хвостах реверберации
Эффект дизера особенно заметен на слабых составляющих музыкального материала. Реверберационный хвост студийной записи может уходить в область минус 80 - минус 100 дБFS, где 16 - битный квантователь без дизера отсекает его полностью. С TPDF - дизером средний уровень выхода продолжает следовать истинному затуханию: на слух хвост тает в плавном шуме, который на уровне порядка минус 90 дБ RMS практически неразличим в реальном прослушивании, а интегрально маскируется неизбежными шумами прибора, ленты и слуховой системы. Граница между слышимым музыкальным содержимым и шумовой подложкой становится мягкой, и хруст исчезает.
Второй побочный выигрыш - корректное воспроизведение затухающих синусоид и высших частот малой амплитуды. Синус, проходящий область порядка нескольких квантов, без дизера превращается в трёхступенчатую кривую с ярко выраженными нечётными гармониками. С дизером в спектре остаётся чистая синусоида на уровне, равном истинному, плюс ровный шумовой фон. Нелинейные искажения, измеряемые прибором как THD на уровне единиц процентов для сигналов вблизи кванта, падают до нуля в среднем. Для слуха это означает, что обертона струнного инструмента или обертона вокала, падающие за границу слышимого порога, не окрашивают остаток материала.
Важно понимать, что дизер не устраняет сам шум квантования: он лишь переводит его из категории искажения в категорию стационарного шума, к которой слух адаптируется. Именно поэтому критиковать дизер за «добавленное шипение» некорректно: шипение при квантовании существует независимо, вопрос лишь в его структуре. Детерминированные ступеньки обижают слух куда сильнее, чем честный низкоуровневый шум.
Формирование спектра шума и свист частотной области
Белый дизерный шум распределяется по всей полосе до частоты Найквиста. Однако слуховая система не одинаково чувствительна по частоте: максимум остроты приходится на область 2 - 5 кГц, а к верхнему пределу полосы чувствительность падает на десятки децибел. Техника noise shaping использует этот факт: ошибка квантования в текущем отсчёте фильтруется и вычитается из следующих отсчётов так, что часть ошибки переносится в высокочастотную область, типично выше 15 - 22 кГц. Суммарная мощность шума при этом неизменна или даже чуть больше, но распределение спектральной плотности становится таким, что слышимая доза шума уменьшается заметно - выигрыш в субъективном отношении сигнал - шум может достигать 10 - 20 дБ в чувствительной зоне.
Классические кривые shape - фильтров опираются на пороги абсолютной слышимости и кривые равной громкости. Фильтр конструируется так, чтобы спектральная плотность шума дизера повторяла форму антимаскирующей кривой слуха. Практические алгоритмы реализуются короткой рекурсивной фильтрацией внутри плагина финального даунсэмпла. Инженеру достаточно помнить, что noise shaping имеет смысл лишь при финальном квантовании и только в сочетании с адекватным дизером. Применение shaping в середине тракта почти всегда контрпродуктивно: следующий этап обработки снова сквантует звук, и отфильтрованный шум окажется вне зоны действия компенсирующего фильтра, а его спектральный пик в 18 кГц станет слышимым остатком на системах высокой разрядности.
Уроки из видео и печати как родственные применения идеи
Приём подмешивания контролируемого шума старше цифрового звука. В растровой печати и компьютерной графике дизеринг (Floyd - Steinberg, blue noise, ordered dither) разбивает градиент полутона на мозаику точек переменной плотности: глаз усредняет точки и видит плавный оттенок, хотя каждый элемент имеет всего два состояния - чернила есть или нет. Тот же принцип усреднения пространственного квантователя глазом и мозгом работает и в системах ЦАП/АЦП, только здесь усреднение выполняет не пространственная интеграция, а инерционность слухового анализатора плюс физическая сглаживающая природа тракта.
В видео квантование сигнала на ступеньки плёнки и в старых аналоговых трактах тоже вызывало контурные артефакты, и разработчики телевизионной техники прибегали к «субдицеру» - смешению хроматических и яркостных шумов. Разница в том, что в звуке статистическая строгость приема доведена до математической теоремы: доказано, что два независимых прямоугольных распределения обеспечивают независимость от входа первых двух моментов ошибки, и никакой альтернативы, кроме увеличения амплитуды шума, для полной линеаризации нет. В графике же допустимы периодические структуры дизера, так как зрение реагирует слабее на коррелированные паттерны, чем слух на коррелированные искажения.
Правило одного квантования и границы применимости
Дизер имеет смысл исключительно в момент понижения разрядности. Пока материал живёт в 24 битах или в плавающей точке, шум квантования лежит на уровне минус 120 дБ и ниже, то есть за горизонтом слышимости и за горизонтом реального шума аналогового вклада микрофонов и предусилителей. Добавлять дизер на этих этапах - значит загрязнять суммарный шумовой бюджет проекта без малейшей пользы. Аналогично бессмысленен дизер при экспорте в формат с плавающей точкой и при любых внутренних преобразованиях плагинов, где сохранение разрядности гарантировано.
Порядок финального мастеринга выглядит так:
- Вся обработка, суммирование, лимитер выполняются в максимальной доступной разрядности, чаще всего 32 или 64 бита с плавающей точкой.
- Перед экспортом финального 16 - битного файла включается дизер TPDF амплитудой 2 кванта либо RPDF 1 квант по вкусу и согласованию с принимающей стороной.
- По желанию добавляется shaping, аккуратно подобранный под жанр и целевой носитель.
- Экспорт выполняется один раз, и дальнейший переквантованный проход не допускается: каждый следующий даунсэмпл без свежего дизера снова ступенчато искажает, а с новым дизером суммирует два шумовых вклада и увеличивает остаточный шум.
Инженер, передавший материал в стриминговый сервис, должен учитывать, что транскодирование в кодеки с потерями не есть квантование с фиксированной разрядностью, и дополнительный дизер перед кодированием, как правило, не требуется: кодек сам работает с числами произвольной точности. А вот финальный WAV для CD - производства обязан получить дизер.
Численные ориентиры для ежедневной работы
Вся математика дизеринга стоит на нескольких опорных значениях. Шаг квантования в 16 - битной системе соответствует приближённо 6.02 дБ на один бит: каждый полезный бит расширяет динамический диапазон на шесть децибел, и 16 бит дают около 96 дБ теоретического динамического диапазона. Спектральная плотность идеального шума квантования при корректном дизере даёт среднеквадратический уровень порядка минус 96 - минус 93 дБFS в полной полосе (точное значение зависит от полосы измерения и взвешивания). Дизер TPDF двумя квантами располагается в области минус 93 дБ RMS, что сопоставимо с шумом квантования само по себе и с лихвой маскируется минимальными аналоговыми шумами реального тракта.
Сравнительная таблица не нужна - достаточно держать в голове пять значений: 6.02 дБ на бит как конверсию разрядности в громкость, минус 96 дБ как теоретический потолок 16 бит, около минус 93 дБ как уровень дизера TPDF, минус 120 дБ и ниже как предел 24 - битной работы, 15 - 22 кГц как целевую зону shaping. Ведение этих чисел в рабочих конспектах помогает быстро проверять корректность цепочки: если после даунсэмпла до 16 бит на тихом хвосте слышен хруст, проверяется включение дизера; если на анализаторе виден пик в 18 кГц, проверяется shaping; если шум вырос после повторного экспорта, проверяется число квантований.
Дизеринг - один из немногих приёмов обработки звука, который имеет строгое математическое обоснование и одновременно строгие границы применимости. Он линеаризует квантователь, сохраняет музыкальные тихие хвосты, делает шум прозрачным для слуха ценой минимального повышения среднего шумового пола. Применённый один раз на финальном даунсэмпле, он возвращает 16 - битный формат в класс полноценных носителей; применённый бездумно, оставляет в тракте лишний шум и разваливает аккуратно выстроенный динамический бюджет. Звукоинженер - математик уважает обе стороны этого приёма.