Audio Digitale.

Appunti di navigazion

da: Dodge C., Jerse. T.A., Computer Music. Synthesis, Composition, and Performance. 2nd Edition,
NY, Schirmer, 1997. pag. 62 e sgg.

La numerazione dei paragra è quella del testo originale; i corsivi e i titoletti in corsivo sono del trascrittore

3.1 L’acquisizione dei segnal

Il primo passo nella catena dell’Audio Digitale è, ovviamente la sua cattura prima in formato elettrico e,
successivamente, la conversione in formato numerico.
Sappiamo che quando un segnale audio raggiunge la capsula microfonica, impone a quest’ultima un tipo di
movimento che varia in modo corrispondente al pattern del segnale stesso; successivamente, il movimento
della membrana (quale che sia la tecnologia adottata dal microfono) viene convertita in corrente elettrica le
cui micro/variazioni rispecchieranno sempre il pattern del segnale audio originale.

Per permettere al computer di processare il suono, il segnale audio ormai elettri cato deve essere convertito
in una sequenza di numeri; ciò si realizza collegando l’audio precedentemente catturato attraverso
trasduttore all’ingresso di un ADC-Analog To Digital Converter. Il processo di conversione si basa sul
principio che, in qualsiasi istante, ad un segnale elettrico analogico possa essere assegnato un valore
numerico misurandone la tensione.

Ovviamente, è possibile che il segnale analogico corrispondente al segnale audio abbia cambiamenti uidi e
ininterrotti, ma - quale che sia la potenza del convertitore (e del computer ad esso collegato) - occorrerà
porre un limite alla densità delle letture di conversione per evitare un accumulo ingestibile di dati. Per questo
motivo, si procede campionando (se si preferisce, analizzando) il segnale audio ad intervalli regolari e
ottenendo, all’uscita del convertitore ADC, un usso di dati discreti che opportunamente integrati, o ltrati, o
processati in altro modo, perderanno l’andamento a salti bruschi recuperando un pro lo il più possibile simile
alla uidità del segnale originale. Un ingegnere descriverebbe come Pulse Code Modulation-PCM la
rappresentazione discretizzata del segnale ottenuta.

Sampling Rate - Velocità di campionamento

Tecnicamente, la procedura di analisi e conversione numerica, è indicata come sampling e S l’intervallo di
tempo che passa tra una lettura e l’altra può essere indicato come sampling interval o sampling period.
Il suo inverso, cioè il numero di volte che il segnale viene campionato per ogni unità di tempo, è indicato
come sampling rate o sampling frequency (fs) e si misura in Hertz (samples per second)

Si potrebbe essere indotti a pensare che una densità di letture tendente a in nito (cioè, una velocità di
campionamento elevatissima) sia sempre ndispensabile per ottenere il risultato più possibile coerente con
l’andamento del segnale originale; fortunatamente, l’analisi numerica rivela che abbastanza spesso non si
introdurranno errori signi cativi nel segnale analizzato a patto che la velocità di campionamento sia più del
doppio della frequenza del segnale che deve essere campionato

1
fl
fi
fi
i

fl

fi
fi

fi
.

fi
fl

 Frequenza di Nyquis
Simmetricamente, la massima frequenza riproducibile in questo modo potrà essere pari solo alla metà della
velocità di campionamento. Questo massimo teorico fs/2 è chiamato frequenza di Nyquist e rappresenta il
limite teorico della frequenza più acuta che potrà essere correttamente rappresentata in un sistema audio
digitale.

Impiego dei ltri passa bass

Per essere certi che le frequenze presenti nel segnale audio analogico che deve essere campionato risultino
inferiori alla frequenza di Nyquist, si inserisce un ltro passa basso prima dello stadio di conversione ADC. In
modo simile, si collega un secondo ltro passa basso all’uscita del convertitore DAC-Digital to Analog
Converter, per assicurarsi che tutte le frequenze ricondotte all’uscita analogica siano all’interno del giusto
margine.

Come è facile immaginare, un ltro passa basso appartenente al mondo reale non riesce a isolare in modo
inesorabile ciò che deve passare da ciò che deve essere eliminato (si faccia riferimento alla banda di
transizione) e questo comportamento meno che teoricamente perfetto limita l’escursione di frequenza
utilizzabile a qualcosa di meno del 40% della velocità di campionamento, invece del 50% teorico.

Più alta è la velocità di campionamento, maggiore la frequenza massima rappresentabile, ovviamente a

discapito del carico di lavoro sul sistema e dell’ingombro richiesto per scrivere tutti i dati numerici prodotti.
Considerando, tradizionalmente, 20 kHz come limite superiore dell’udito umano, sappiamo che ci sono molte
velocità di campionamento adottate per ragioni tecniche o storiche. Una classica velocità di campionamento
standard è 48 kHz, che permette di raggiungere i 20 kHz di risposta in frequenza, pari al 41,67% della
velocità di campionamento. I Compact Disc degli Anni 80 nello scorso secolo usa(va)no una velocità di
campionamento pari a 44.1 kHz per immagazzinare le informazioni, ma usavano uno schema di conversione
D/A particolarmente complesso per raggiungere tutta la risposta in frequenza desiderata.

Per comprendere a pieno i limiti del sistema audio digitale, consideriamo il sistema riprodotto nella Figura
3.2. Il computer è stato istruito per trasferire i valori campionati dal convertitore ADC portandoli al
convertitore DAC alla stessa velocità con cui sono stati acquisiti. Se il sistema lavora correttamente, il
segnale audio analogico disponibile all’uscita sarà una replica esatta del segnale applicato all’ingresso del
circuito. Supponiamo che un segnale sinusoide di frequenza pari a 10 kHz venga campionato dal
convertitore ADC con una velocità di campionamento pari a 40kHz, come illustrato in Figura 3.3.
Il segnale digitale risultante sarà una sequenza grosso modo simile a 1, 0 -1, 0, 1, 0, -1, 0, eccetera.
Quando il segnale digitale viene riconvertito nel blocco DAC, il ltro passa basso ne smusserà il pro lo
riducendolo all’andamento sinusoide di partenza.
Perché si ottiene ciò invece di un’onda triangolare dal pro lo più lineare ottenibile collegando direttamente
con delle linee rette i valori dei campioni? Il ltro passa basso limita l’escursione verso alto del segnale
analogico in uscita. In realtà, ogni forma d’onda differente dalla sinusoide avrebbe presentato al suo interno
2

fi
t

fi
fi
fi
fi

fi
fi

fi
 componenti armoniche assai superiori al massimo valore concesso. La sinusoide rappresenta l’unico caso
nel cui una forma d’onda analogica convertita non conterrà frequenze superiori alla frequenza di Nyquist.

Aliasin
Cosa succederebbe se non ci fosse il ltro passa basso all’ingresso analogico ed il segnale da campionare
contenesse una frequenza superiore alla frequenza di Nyquist? Prendiamo in esame un segnale sinusoide
di frequenza pari a 30 kHz che venga campionato a 40 kHz di velocità, come nella Figura 3.4.

Il segnale digitale risultante, composto di valori 1, 0, -1, 0, 1, 0, -1, 0, eccetera, è lo stesso ottenuto con il
segnale da 10 kHz mostrato nella Figura 3.3. Quindi, quando il segnale digitale viene ricondotto alla sua
forma analogica, l’uscita del ltro passa basso sarà pari a una sinusoide di frequenza pari a 10 kHz.
Il segnale da 30 kHz ha campionamenti con gli stessi valori del segnale da 10 kHz, ma - si dice - presenta
“un alias” a 10 kHz.

I segnali alias sono causati da un sotto campionamento - un campionamento al di sotto della frequenza di
Nyquist. In questo esempio, sarebbe stata necessaria una frequenza di campionamento almeno pari a 60
kHz per ottenere una corretta rappresentazione del segnale a 30 kHz.

Una volta che il segnale appare in un sistema digitale sotto forma di alias, non c’è modo di isolarlo ed
eliminarlo o portarlo alla sua frequenza originale, perché il computer non ha modo di determinare se una
particolare frequenza sia nel risultato nale come prodotto di un campionamento corretto o no.
In un sistema digitale, l’alterazione causata dal processo di campionamento di frequenze più alte della
frequenza di Nyquist è conosciuto come aliasing o foldover.

Un ltro posto all’ingresso del convertitore A/D è in grado di prevenire ef cacemente l’aliasing nel segnale
digitale semplicemente limitando il margine di frequenze che raggiungono il convertitore stesso.
Purtroppo, nella sintesi digitale del suono, l’aliasing può avverarsi in forme molto più subdole.
Supponiamo che, in un sistema che campiona a 40 kHz, l’utente voglia produrre una sinusoide a 30 kHz.
Ancora una volta, il segnale digitale prodotto avrà un andamento 1, 0, -1, 0, 1, 0, 1, eccetera, simile ai
precedenti e verrà convertito come una sinusoide a 10 kHz. Insomma, nella generazione del segnale
attraverso sintesi numerica, l’algoritmo di sintesi ed i parametri corrispondenti sono previsti mondo che tutte
le frequenze prodotte ricadano sotto alla frequenza di Nyquist

Per descrivere matematicamente l’aliasing, diciamo che fm sia una frequenza applicata all’ingresso del
convertitore ADC o una frequenza che si vuole comprendere in un suono sintetizzato. Diciamo che fout sia la
frequenza emessa dal ltro passa basso dello stadio di uscita. Quando fm è meno della frequenza di Nyquist,
fout = fm come ci si aspettava. Per i valori di fm compresi tra fs/2 e fs, la relazione tra fm e la frequenza
effettivamente generata (fout)

fout = fs - fin

3
fi
g

fi
fi
è

fi
fi

fi

 In questa regione di fin, osserviamo che fout e fin si muovono in direzioni opposte. Se un sistema con velocità
di campionamento a 40 kHz venisse programmato con l’obiettivo di generare un glissando ascendente da 22
a 39 kHz, il suono sintetizzato nirebbe per scendere da 18 a 1 kHz

Questo tipo di alias spesso si manifesta in modo differente. Supponiamo che un suono con un ricco spettro
armonico che supera la frequenza di Nyquist sia programmato per salire realizzando un glissando.
La fondamentale e le prime poche armoniche glisseranno salendo, mentre le armoniche più acute (le
frequenze più grandi di fs/2) scenderanno durante il procedere dell’evento sonoro.
Questa condizione viene chiamata eterodina.
L’effetto di questi glissandi che scendono e salgono simultaneamente è simile allo strillo che compare certe
volte mentre si sintonizza una radio ad onde corte. Il ripiegamento si avvera per ogni multiplo della velocità
di campionamento, e quindi le frequenze più acute della frequenza di campionamento causeranno risultati
indesiderati.
La relazione generica

fout = | nfs - fin

dove n è un valore intero non negativo scelto per un valore particolare di n tale che tout sia meno della
frequenza di Nyquist. Quindi, con velocità di campionamento a 40 kHz, un uscita di 10 kHz risulterebbe
prodotta da segnali in ingresso pari a 10 kHz (n = 0), 30 kHz (n = 1), 50 kHz (n = 2), eccetera.

3.2 Errori di quantizzazion

Un altro parametro che può in uenzare la fedeltà del segnale digitale è l’accuratezza con cui viene misurato
il valore numerico di ogni campione. Per chiarire questo punto, introdurremo due concetti strettamente
collegati tra loro: il range dinamico e il rapporto segnale-rumore.

Range dinamico
Una caratteristica che è un buon indicatore della qualità di ogni sistema che processa il segnale è il range
dinamico: il rapporto tra il segnale più forte e più debole che può esistere nel sistema. Il range dinamico è
espresso in decibel un rapporto ampio rende possibile ottenere timbriche intellegibili.
Per un orchestra sinfonica in una classica sala da concerto, il range dinamico viene misurato come rapporto
tra il rumore ambiente della sala e il suono più forte prodotto dall’orchestra. Il rapporto tra le ampiezze è
genericamente attorno a 1:32.000, o 90 dB

Il range dinamico di uno suono elettronico è limitato all’estremità bassa dal rumore di sistema generato dai
componenti elettronici e all’estremità alta dal livello con cui il segnale più grande può essere rappresentato
senza distorsione. I costruttori speci cano le prestazioni dei propri apparecchi in condizioni ottimali; il range
dinamico attualmente disponibile per qualcuno che stia ascoltando un sistema di generazione elettronica
sarà più piccolo se gli ascolti sono piazzati in un contesto rumoroso.

Rapporto segnale-rumore (SNR

Una caratteristica associata al range dinamico è il rapporto segnale-rumore (SNR), che mette in relazione il
livello di un determinato segnale con quello del rumore di sistema. Il termine rumore può assumere una
grande varietà di signi cati, in base all’ambiente o ai gusti dell’ascoltatore. In questo contesto, si riferisce al
segnale residuo che è estraneo al segnale desiderato.
In una sala da concerto, sarebbe il “rumore di fondo” che è sempre presente, come quello prodotto dai
sistemi di aereazione, a prescindere da quello che accade sul palco. In un sistema di generazione
elettronica, il rumore prende generalmente forma di un sof o.
Il rapporto SNR è espresso in decibel, e un rapporto ampio è indicatore di un suono chiaro. Il range dinamico
di un sistema elettronico predice il massimo SNR possibile; cioè in condizioni ottimali, il rapporto segnale-
rumore eguaglia il range dinamico quando è presente un segnale della maggior ampiezza possibile. Il
rapporto sarà spesso più piccolo per i suoni più deboli.

Range dinamico nel dominio analogico e in quello digital

Ad esempio, consideriamo un sistema sonoro digitale con un livello di rumore costante a 80 dB. Il segnale
più ampio possibile dovrebbe avere un’ampiezza 80 dB superiore al livello del rumore, ma un segnale con
un livello 30 dB sotto al massimo mostrerebbe un SNR di soli 50 dB
Il SNR di un buon registratore magnetico può raggiungere i 70 dB, con un miglioramento superiore ai 90 dB
ottenibile attraverso l’impiego delle tecnologie normalmente disponibili per la riduzione del rumore. Il SNR di

fi
è

fl
fi
)

fi
.

fi

fi

un sistema audio digitale può essere ancora più grande. Un primo coef ciente della performance di un
sistema è la risoluzione con cui i convertitori di dati trasformano i segnali digitali in analogici e viceversa.

Errore di quantizzazion
Quando si effettua una conversione, il segnale analogico si dice essere quantizzato perché la sua forma
digitale può essere rappresentata solo ad una certa risoluzione
Ad esempio, supponiamo che un converte DAC sia capace di rappresentare un segnale in passi da 0.001
Volt. Se un campione fosse calcolato a 0.01227 Volt, sarebbe convertito a 0.012 Volt - con un errore pari a
0.00027 Volt.
L’effetto risultante per questo tipo di errore, chiamato errore di quantizzazione, è l’aggiunta di una qualche
forma di componente indesiderata nel suono. La quantità e l’effetto udibile dell’errore di quantizzazione
dipende dalla risoluzione del convertitore e dal tipo di segnale che deve essere convertito.

Risoluzione misurata in bi
La risoluzione di molti convertitori è misurata in bit, cioè alla dimensione binaria del dato impiegato per
rappresentare ogni campione del segnale digitale. Ad esempio, in un determinato convertitore di campioni
ADC con uscita a 12 bit un valore compreso in 212 = 4096 possibili valori.
Supponiamo che il segnale analogico collegato all’ingresso del convertitore possa uttuare in un’escursione
compresa tra -10 e +10 Volt, per un totale di 20 Volt. La dimensione dello step di quantizzazione,
corrispondente al valore di un bit, dovrebbe essere 20 / 4096 = 0.004883 V/bit, che de nisce anche l’errore
che potrà capitare.

Nel caso in cui il segnale audio cambi con continuità (come accade con la musica), il range dinamico e
quindi il miglior rapporto tra segnale e rumore di quantizzazione (SQNR- Signal to Noise Quantization-Ratio,
rapporto tra segnale e rumore di quantizzazione) che si può ottenere è qualcosa di più di 6dB/bit. Ad
esempio, un sistema con convertitori a 16 bit lineare ha un range dinamico di circa 96 dB, presupponendo
che il rumore in quel sistema sarà a 96 dB al di sotto di un segnale che abbia la massima ampiezza possibile
per quel sistema. Il livello del rumore non cambia con il livello del segnale, quindi i segnali con ampiezza più
bassa del massimo valore avranno meno del massimo possibile di SNQR di soli 56 dB.

La natura del segnale audio aiuta a determinare il carattere percepibile del rumore. Quando il suono cambia
costantemente ed è ampiamente sopra il livello del rumore, gli ascoltatori percepiscono il rumore di
quantizzazione come il “sof o” normalmente associato col rumore. D’altra parte, quando si produce un
segnale ragionevolmente statico o quando il livello del segnale è vicino al livello del rmore, il “rumore” di
quantizzazione si avvicina più alla distorsione.
Certe volte le frequenze prodotte dalla distorsione sono alias del suono prodotto che sono più evidenti di
quando un SQNR di 6 db/bit farebbe presupporre. Il rumore di quantizzazione di un sistema veramente di
basso livello di qualsiasi tipo aggiunge distorsione al suono in modo percepito talvolta come se il segnale si
chiudesse alla ne della registrazione musicale digitale.
Nelle applicazioni musicali, l’uso dei convertitori a 12 bit produce una qualità grossolanamente equivalente a
quella ottenibile da un buon registratore magnetico analogico senza riduzione del rumore di fondo. La SQNR
di un sistema a 16 bit è praticamente equivalente alla performance dei più avanzati sistemi di riduzione di
rumore per nastro magnetico.

Il tipo di processo di conversione dati appena descritto, nel quale l’escursione della tensione in ingresso
viene suddivisa in eguali step di quantizzazione, viene de nita conversione lineare. é una delle più diffuse
perché i valori campionati sono facili da trattare. Altri tipi disponibili di convertitori potenziano le loro
prestazioni usando step di quantizzazione particolari, ma obbligando a trattamenti più dif coltosi.
In anni recenti, alcuni studi di fascia alta hanno iniziato ad usare sistemi con 20 bit di risoluzione. Questo
approccio non è motivato dal tentativo di ottenere una SQNR superiore ai 120 dB; un’escursione così larga
eccede le capacità dell’orecchio in qualsiasi ambiente di ascolto. Invece, i bit in più sono usati per
incrementare il range dinamico per rappresentare i campioni più ampi dei suoi impulsivi come quelli prodotti
da strumenti percussioni o pizzicati, come spiegheremo nella prossima sezione.

3.3 Considerazioni numerich

La precisione con cui il computer rappresenta i valori del campione ed esegue operazioni numeriche
internamente può avere conseguenze sulla qualità del segnale audio digitale. In precedenza, abbiamo
introdotto due formati numerici per i dati, intero e a virgola mobile. Se i valori del campione sono processati
come interi, il numero dei bit usati correlati con la SQNR è di circa 6 dB per bit; numeri a virgola mobile
correlati con la SQNR portano a 20 dB per digit decimale equivalente.

fi

fi

fi
.

fi

fl
fi

fi

 Le operazioni matematiche usate per calcolare i campioni possono avere effetti deleteri sul SQNR. Quando
due numeri sono combinati in un’operazione aritmetica, può avverarsi un errore di arrotondamento o di
troncamento. Ad esempio, considerando il prodotto a virgola mobile di 11.22 * 20.12, in un formato dati che
ha una risoluzione di due decimali. Il risultato, 225.7464, dopo il troncamento diventa 225.74, con un errore
di 0.0064. Anche se l’effetto di questo particolare errore verrebbe probabilmente trascurato, l’effetto
cumulativo di tutti gli errori può essere percepito quando si usa un algoritmo che impiega un numero di
moltiplicazioni per calcolare ciascun campione.

Elaborazione dati con densità di bit superiore a quella dell’acquisizion

Per evitare questo problema, i programmi che lavorano con l’audio usano generalmente formati di dati che
rappresentano il campione con una risoluzione maggiore di quella usata nei convertitori. Il numero dei bit
addizionali o i digit decimali equivalenti dipendono dal numero e dal tipo di operazioni matematiche
impiegate. Il formato standard a virgola mobile presente in molti linguaggi per computer ha una risoluzione
suf ciente per ospitare molti algoritmi di sintesi. D’altra parte, il formato standard a 16 bit linea usato per il
calcolo non ha suf ciente risoluzione per trarre completo vantaggio dal range dinamico disponibile nel
convertitore DAC a 16 bit. Per alleviare questo problema, i processori di trattamento audio a 16 bit
commerciali eseguono i loro trattamenti aritmetici interni almeno a 32 bit.

Superare il range dinamico concess

Un altro modo con cui la qualità audio può essere degradata è attraverso generazione di segnali che
eccedono il range dinamico del sistema. In un sistema di conversione DAC, il range dinamico è limitato nella
parte alta dal massimo valore che può essere accettato dal convertitore di dati.
Ad esempio, molti convertitori a 16 bit hanno un range compreso tra -32,768 e +32,768. Un campione con
un valore dato al di fuori di questo range non sarà convertito correttamente.

Quando un segnale digitale che descrive un segnale contiene un singolo campione fuori escursione,
sicuramente si ascolterà un click durante la conversione DAC. Quando una porzione signi cativa dei
campioni nel segnale digitale sono fuori margine, ci sarà una severa distorsione. Quindi, usando gli algoritmi
per sintetizzare il suono, il musicista deve scegliere parametri per l’algoritmo tali da garantire che tutti i
campioni emessi ricadano nel range dei convertitori DAC usati in quel sistema. Comunque sia, i valori dei
campioni devono essere suf cientemente ampi da mantenere un buon SQNR

Massimizzare il SQNR mentre si evita drasticamente campioni fuori range rappresenta una s da signi cativa
nella registrazione digitale e il trattamento del suono. In particolare, suoni di membranofoni percossi, o corde
pizzicate, esibiscono un picco d’ampiezza che è signi cativo se paragonato alla loro ampiezza media
durante l’evoluzione del suono. Altri suoni, come quelli normalmente prodotti dai legni, hanno una rapporto
molto più piccolo tra ampiezza di picco e ampiezza media.

Ad esempio, la Figura 3.5 mostra le caratteristiche di forme d’onda di media durata di una chitarra e un
trombone digitalizzati in un sistema a 16 bit. Ambedue sono eseguiti alla stessa intonazione (A4).
6
fi
fi
fi
o

fi

fi
fi

fi
 L’energia contenuta nelle due forme d’onda è uguale, ma il valore di poco della forma d’onda di chitarra è
quasi otto volte più ampia di quella del trombone. Quindi servono altri 3 bit aggiuntivi per rappresentare il
suono della corda pizzicata; ancora, il SQNR percepito sarebbe praticamente identico. I bit in più sono
chiamati la headroom di sistema. Sono necessari per evitare distorsione, ma non necessariamente riducono
l’impressione dell’ascoltatore relativa al livello del rumore di sistema.

Headroo
L’argomento headroom è molto più critico nella registrazione digitale che in quella analogica. Un ampio
valore di picco in un sistema analogico subirò una certa quantità di compressione sul livello, ma questa
imperfezione timbrica nel suono sarà considerata meno notevole di quella causata da un traboccare dei
campioni numerici. Il massimo livello in un sistema analogico deve ancora essere controllato con
accuratezza, ma la penale da pagare percepita per un livello di segnale superiore al range di picco non è
troppo severa.
Come speci cato nella precedente sezione, alcuni moderni sistemi di registrazione digitale usano 20 bit per
offrire headroom addizionale. L’obiettivo di questo approccio è quello di ottenere un SQNR percepito
equivalente almeno al sistema a 16 bit mentre si offrono altri 4 dB per riprodurre fedelmente i picchi delle
forme d’onda impulsive.

3.4 Velocità di trasmissione dat

Ci sono tre velocità di trasmissione dati associate al processo di sintesi del suono: la velocità di
campionamento (descritta nella sezione 3.1), la velocità di calcolo, e la velocità di controllo.

Velocità di calcol
Nella sintesi digitale diretta, la velocità di calcolo è la velocità con cui l’hardware calcola il valore del
campione in accordo con qualche modello acustico di produzione sonora. Dipende dal tipo di macchina e
dall’algoritmo particolare che viene usato.

Velocità di controll
La velocità di controllo è la velocità con cui avviene un cambiamento signi cativo nel processo di sintesi del
suono. Ad esempio, la velocità di controllo in un sistema semplicissimo potrebbe essere la velocità con cui le
note sono suonate. In pratica, ci sono sempre eventi seriamente signi cativi durante il suono, ma la velocità
di controllo è molto più bassa della velocità di campionamento e spazia di solito tra 1 e 1000 eventi al
secondo.
Il concetto di velocità di controllo è possibile perché molti parametri del suono sono di tipo “lentamente
variabile”. Ad esempio, le vibrazione nella forma d’onda di un suono oscillano a frequenza audio, ma i picchi
di ampiezza media della forma d’onda cambiano molto più lentamente nel tempo. I più ef cienti programmi
di sintesi riconoscono questo comportamento e programmano alla velocità di controllo i parametri con
variazione lenta. La nozione di variazione lenta di certi parametri è anche un concetto chiave nell’analisi,
moderazione e trattamento del suono e tornerà diverse volte in questo testo

Lavorare in tempo real

Quando la velocità di calcolo raggiunge la velocità di campionamento, il computer è detto lavorare “in tempo
reale”. Senza operazioni in tempo reale, un sistema di musica basato su computer non può essere usato per
la performance dal vivo. Per il musicista, le operazioni in tempo reale sono preferibili perché riducono
drasticamente la quantità di tempo che intercorre tra il caricamento delle istruzioni nel computer e l’ascolto
dei risultati (feedback time).

Un sistema interattivo in tempo reale consente al musicista di modi care il processo di sintesi mano mano
che prende forma e di ascoltare immediatamente il risultato. Un esempio di questa condizione interattiva è
un sintetizzatore digitale con un controllo che consenta al musicista di regolare la velocità dell’esecuzione in
tempo reale. Teoricamente, è possibile ottenere controlli interattivi su virtualmente ogni aspetto della
performance, anche se la velocità di calcolo dell’hardware e la complessità dell’algoritmo limitano quello che
sarà possibile ottenere in pratica.

Per ottenere operazioni in tempo reale, il computer deve calcolare ogni campione con un intervallo di
campionamento. Se la frequenza di campionamento è 40 kHz, allora ci sono solo 25 microsecondi tra i
campioni. Se il computer fa in media un milione di operazioni al secondo, si possono usare solo gli algoritmi
in tempo reale che usano 25 operazioni o ancora meno. Questo esempio mette in evidenza il forte sforzo di
scrittura per programmi di computer music che eseguano i loro compiti in modo molto ef ciente.

7
m

fi

fi

fi
fi
.

fi
fi

Velocità vs. complessit

Per ottenere una velocità di calcolo consistente con una velocità di campionamento audio sui più complessi
algoritmi, nel computer si installano hardware digitali specializzati come i processori digitali di segnale (DSP).
Questo hardware esegue un numero di algoritmi molto velocemente, mentre il computer ospite speci ca (a
velocità di controllo stabilita) i calcoli che devono essere eseguiti.
L’architettura interna di un sintetizzatore digitale di questo tipo di solito pone limiti sul numero e la
complessità degli algoritmi di sintesi disponibili. Quindi, un incremento nella velocità d’esecuzione viene
spesso accompagnata da una perdita generica di potenziale nel numero, tipo e complessità dei suoni che
possono essere prodotti. Per la maggior parte dei casi, i vantaggi del tempo reale superano ampiamente la
perdita di una maggior possibile complessità

Lavorare in tempo differit

Hardware di tipo pratico per la sintesi digitale diretta in tempo reale è stato sviluppato dopo la metà degli
Anni 70. Prima di quel periodo, i suoni sintetizzati al computer erano quasi esclusivamente realizzati con
operazioni in tempo differito. Questo modo è usato in strutture prive di hardware in tempo reale o quando i
procedimenti digitali desiderati sono troppo complessi per poter essere implementati sull’hardware in tempo
reale disponibile al momento.
Quando la velocità di calcolo è più basa della velocità di campionamento, i valori calcolati dei campioni
devono essere scritti nella memori esterna del computer, come un hard disk. Dopo aver terminato il calcolo
della partitura, la sequenza memorizzata dei campioni può essere convertita in tempo reale usando un
semplice programma che legga il disco e invii in sequenza ogni campione al convertitore DAC. L’uso del
modo differito fa aumentare enormemente il feedback time per il musicista.

La disponibilità di possibilità di conversione DAC “online” ha aiutato la minimizzazione dei tempi d’attesa. I
convertitori DAC si dicono “online” quando sono collegati allo stesso computer che calcola i valori dei
campioni. Primo che divenissero generalmente disponibili, l’assai meno desiderabile procedure della
conversione off-line richiedeva che il blocco dei valori calcolati per i campioni fosse sicamente trasferito su
un qualsiasi mezzo, di solito un nastro digitale, e poi caricato dentro un altro sistema di computer dotato di
apparato di conversione.
A volte, una signi cativa distanza geogra ca separava i due computer e il nastro digitale doveva essere
spedito per posta o trasportato in altro modo verso il luogo della conversione.

Dimensione dei l
Un’altra indesiderabile caratteristica del modo in differita è la grande quantità di immagazzinamento dati che
si rende necessaria. Ad esempio, un solo minuto di suono stereofonico campionato a 48 kHz è normalmente
rappresentato da 11.52 milioni di bytes, decisamente una grande quantità di dati. Di conseguenza, i musicisti
che usano questo metodo di lavoro spesso realizzano i loro progetti facendo una corta sezione alla volta, e
poi montano analogicamente i risultati intermedi.

8
fi
fi
e

fi
.

fi
fi

 Da: Pohlmann K.C., Principles of Digital Audio. 5th Edition. NY, McGraw Hill, 2005.

sintesi del testo ed estrazione dei concetti principal

2. Principi fondamentali dell’audio digital

Nella registrazione analogica, c’è una continua modulazione depositata su nastro o un solco su vinile
tracciato con continuità. Nella registrazione digitale, si usano numeri discreti. Per creare questi numeri, i
sistemi di digitalizzazione dell’audio usano time sampling e amplitude quantization per codi care le in nite
variazioni dell’audio analogico come valori di ampiezza espressi nel tempo.

Il teorema del campionament

Si fa risalire ad Harry Nyquist la paternità del teorema del campionamento che è alla base delle discipline del
moderno audio digitale; successivamente, il matematico Claude Shannon, nel 1948, chiarì de nitivamente
molti aspetti del campionamento. Oggi, gli ingegneri attribuiscono il teorema indifferentemente a Nyquist e/o
Shannon, ma considerano la FS/2 come frequenza di Nyquist

Di chi siano i crediti, il teorema del campionamento de nisce che un segnale continuo limitato in banda può
essere rappresentato da una sequenza di campioni discreti senza perdita di informazione e descrive come
sia possibile ricostruire il segnale continuo originale a partire proprio dai campioni; inoltre, il teorema
de nisce che la frequenza di campionamento deve essere almeno doppia risposte alla frequenza più alta
presente nel segnale
Speci camente, i segnali che contengono le frequenze comprese tra 0 e S/2 potranno essere rappresentati
con esattezza usando S campioni al secondo. Se il limite inferiore della banda di frequenza interessata è
pari a zero, l’ampiezza di banda corrisponde con la frequenza più acuta.

La frequenza di Nyquis
Quando si applica il teorema del campionamento all’audio, il segnale in ingresso viene ltrato con uno stadio
passa basso, in modo che risulti limitato in banda e non ecceda la frequenza di Nyquist (S/2)

Consideriamo una funzione analogica continuamente variabile che venga campionata creando una serie di
impulsi. L’ampiezza di ciascun impulso, determinato per quantizzazione, comprende un numero che
rappresenta l’ampiezza del segnale in quel preciso istante.
De niamo la frequenza di campionamento come il numero dei campioni al secondo.
Il suo reciproco, la velocità di campionamento, de nisce il tempo intercorso tra un campione e il successivo

Ad esempio, una velocità di campionamento pari a 40.000 campioni al secondo corrisponde ad una velocità
di 1/40.000 di secondo.

Un segnale che cambia molto velocemente, ad esempio uno dotato di molta energia sulle frequenze più
acute, richiederà una maggior frequenza di campionamento.

Una frequenza di S campioni al secondo si rende necessaria per rappresentare con completezza un segnale
di massima frequenza pari a S/2 Hz. Per rimuovere componenti eventualmente più acute, è necessario
ltrare passa basso il segnale in ingresso.

Ovviamente, una frequenza bassa sarà documentata con un numero maggiore di campioni rispetto alla
frequenza massima ottenibile (pari a S/2) che potrà contare solamente su due campioni per de nirne il
periodo (con risultati impulsivi On/Off sicuramente molto diversi dal segnale originale)

Aliasin
L’aliasing è la conseguenza di una violazione al teorema del campionamento. Se la frequenza audio è più
alta della frequenza di Nyquist, si produce aliasing. Con l’incremento della frequenza audio, diminuisce il
numero dei campioni disponibili per la documentazione di ciascun periodo; quando le due frequenze (audio
e di Nyquist) coincidono, ci sono solo due campioni disponibili per ciascun periodo - il minimo disponibile; se
la frequenza audio continua ad aumentare, la produzione di campioni continua alla stessa densità, ma i
campioni creano un’informazione falsa sotto forma di aliasing.

9
fi
fi
fi
fi
g

fi
i

fi

fi

fi
.

fi
fi
fi
.

 Tanto la frequenza sale, tanto si crea una frequenza alias discendente. Nello speci co, se S è la frequenza
di campionamento, F la frequenza più alta di metà della frequenza di campionamento, e N un numero intero,
la nuova frequenza Ff creata corrisponde

Ff = ± NS ±

In altre parole, le frequenze alias appaiono nuovamente in banda audio ripiegate sopra la frequenza di
campionamento; spesso, si indica con foldover il fenomeno dell’aliasing.

Consideriamo un sistema che stia campionando a 44 kHz.

Supponiamo che un segnale con frequenza pari a 36 kHz raggiunga l’ingresso di campionamento.
La prima componente alias risulterà da S - F = Ff , ovvero 44 - 36 = 8 kHz

Le componenti alias si producono non solo attorno alla frequenza di campionamento, ma anche in immagini
multiple prodotte dal campionamento stesso. Quando il teorema del campionamento viene rispettato, la
banda audio e la banda immagine sono separate. Ma quando la banda audio si estende oltre la frequenza di
Nyquist, le bande immagine si sovrappongono, risultando in una condizione di aliasing particolarmente
densa.
Tutte queste componenti saranno prodotte in uno scenario di questo genere:

±S ±F, ±2S, ±F, ±3S, ±F

eccetera, come nel procedimento di modulazione per eterodina

Ad esempi
In pratica, dando una frequenza di campionamento a 44 kHz e un segnale in ingresso a 27 kHz, alcune delle
frequenze alias risulterebbero a 17, 61, 71, 105, 115, 149, 159 kHz.

I multipli e il primo sottomultiplo della frequenza di campionamento S (44 kHz) corrispondono a:

2 4 8 13 17
(S/2 (S (2S (3S (4S

A questi valori deve essere sommato e sottratto il valore del segnale F pari a 27 kHz, ottenendo le coppi

1 2 6 7 10 11 14 15
(S-F (S2-F (S+F (S3-F (S2+F (S4-F (S3+F

Le immagini di segnale alias sono delimitate dalle coppie di valori

17 - 71 (S-F, S+F
61 - 115 (S2-F, S2+F
105 - 15 (S3-F, S3+F
149 - 20 (S4-F, S4+F

Consideriamo il range 0 - 27 kHz come il segnale collegato all’ingresso del convertitore ADC

eccetera

Se il segnale è una sinusoide, l’aliasing è limitato ad un’unica armonica; con un segnale complesso,
l’aliasing viene generato per l’intero spettro che si trovi al di sopra della frequenza di Nyquist.

Per evitare tutto questo, è necessario limitare la banda passante con un ltro passa basso considerato come
ltro antialias in grado di fornire un’attenuazione signi cativa a partire dalla frequenza di Nyquist in poi.

Ovviamente, occorrerebbero delle caratteristiche ideali “da brickwall” con attenuazione istantanea e in nita
della banda eliminata ed azzeramento della banda di transizione; in pratica, i ltri anti alias hanno una
banda di transizione posizionata al di sopra della frequenza di Nyquist e attenuano le frequenze della banda
eliminata no a scendere al di sotto della risoluzione del convertitore ADC.

10
fi
2
)

9
3
.

7
fi
o

)
7
…

4
)

)
)

1
)
a

1
)
8
)
fi

5
)
.

5
)

fi
.

)
fi
fi
9
)
9
.

)
fi

 Non c’è modo di correggere a posteriori un alias in ltrato nel segnale audio.

Quantizzazion
La misurazione di un elemento variabile deve essere effettuata in relazione al tempo e al valore riscontrati; il
campionamento rappresenta il tempo e la quantizzazione rappresenta il valore della misurazione o - nel
caso dell’audio - l’ampiezza della forma d’onda in corrispondenza del campionamento.

Nella quantizzazione, come in ogni misurazione analogica, l’accuratezza è limitata dalla risoluzione del
sistema, con conseguente introduzione di errori di misurazione.

Rapporto Signal-to-Erro
Con un sistema di numerazione binario, la lunghezza di parola determina il numero degli intervalli di
quantizzazione disponibili; il valore è raggiungibile elevando a potenza di 2 la lunghezza di parola. Ovvero,
una parola di n-bit possederà 2n livelli di quantizzazione. Ad esempio, una parola a 8-bit possiede 28 = 256
intervalli e una parola a 16-bit possiede 216 = 65,536 intervalli.

Il numero (N) degli intervalli di quantizzazione in una parola binaria è N = 2^n, dove n è il numero dei bit
contenuti nella parola.

2^1 = 2^13 = 819

2^ = 2^14 = 16,38
2^ = 2^15 = 32,76
2^ =1 2^16 = 65,53
2^ =3 2^17 = 131,07
2^ =6 2^18 = 262,14
2^ = 12 2^19 = 524,28
2^ = 25 2^20 = 1,048,57
2^ = 51 2^21 = 2,097,15
2^1 = 102 2^22 = 4,194,30
2^1 = 204 2^23 = 8,388,60
2^1 = 409 2^24 = 16,777,21

Ogni volta che si aggiunge un bit alla lunghezza della parola, il numero dei possibili livelli raddoppia.
Maggiore la quantità dei bit, migliore l’approssimazione; ma ci sarà sempre un errore associato alla
quantizzazione, perché il numero nito dei valori di ampiezza non potrà mai gestire le in nite variazioni
dell’ampiezza nel dominio analogico.

Certe volte, l’intervallo quantizzato sarà esattamente sul valore analogico, di solito non succede. Peggio
ancora, il livello analogico sarà spostato di un mezzo intervallo, con un errore pari a metà del bit meno
signi cativo nella parola di quantizzazione.

A seconda delle preferenze dello sviluppatore, la quantizzazione può essere condotta in modo midtread
quantize o midrise quantize. Nel primo caso, preferibile, il quantizzatore piazza un livello di quantizzazione a
zero (un 2^n-1, dove n è il numero dei bit). Nel secondo caso, non c’è un livello di quantizzazione zero e le
soglie di quantizzazione si dispongono in modo differente.

L’errore di quantizzazione è la differenza tra il valore attuale del segnale analogico in corrispondenza del
campionamento e il valore di quantizzazione selezionato. Durante il campionamento, il valore di ampiezza
viene arrotondato al più vicino intervallo di quantizzazione. Nel migliore dei casi, il risultato coincide con
l’andamento della forma d’onda originale; nel peggiore dei casi, la forma d’onda si trova esattamente in
mezzo a due intervalli.
L’errore di quantizzazione è quindi limitato tra +Q/2 e -Q/2, dove Q è un intervallo di quantizzazione (o 1
LSB).

Nel valutare la performance di un hardware digitale, possiamo determinare il rapporto tra la massima
ampiezza di segnale esprimibile e il massimo errore di quantizzazione; ciò determina il rapporto Signal-to-
error (S/E) del sistema. Il rapporto S/E di un sistema digitale è simile, ma non identico, al rapporto Signal-to-
Noise (S/N) di un sistema analogico.

11
2
3
4
5
6
7
8
9
1

0
2
fi

2
4
8
6
2
4
8
6
2
4
8
6
e

fi

fi
6

fi
 La quantizzazione ideale a 16 bit possiede un rapporto S/E di circa 98 dB, ma una quantizzazione a 15 bit
scende a 92 dB; in altre parole, ogni bit addizionale riduce l’errore di quantizzazione di quasi 6 dB, o di un
fattore di due. Ovviamente, parole più lunghe aumentando l’ampiezza di banda necessaria per la gestione
dei dati.

Distorsione di quantizzazion
La percentuale di errore di quantizzazione aumenta mano a mano che il livello del segnale diminuisce. Una
forma d’onda al massimo livello ha un errore relativamente basso (con risoluzione a 16 bit); una forma
d’onda a mezzo livello ha un errore più alto (effettivamente, con una risoluzione a 15 bit); una forma d’onda
ancora più bassa peggiora ulteriormente le cose.

Per mascherare gli errori, si fa largo uso di so sticate tecniche di dithering

3. Digital Audio Recordin

Pulse-Code Modulatio
La modulazione è un mezzo per codi care informazioni al ne di poterle trasmettere o immagazzinare.
Tecniche come la AM o la FM sono state usate a lungo per modulare la frequenza di un segnale portante
con le informazioni audio analogiche del broadcast radiofonico. Vista la natura continua di questi tipi di
modulazione, li si identi ca come wave-parameter modulation

Il metodo per modulazione più diffuso è la pulsa-code modulazione messa a punto nel 1937 da Alec Reeves.
Con la PCM, il segnale in ingresso subisce campionamento, quantizzazione e codi ca. Rappresentando
un’ampiezza analogica misurata di un campione con un codice pulse, i numeri binari possono essere usati
per ricostruire l’ampiezza. Il ricevitore usa il codice pulsa per ricostruire la forma d’onda analogica.

A differenza di altre tecniche per modulazione (PWM PPM e PAM), la PCM richiede un canale con elevata
larghezza di banda, ma offre un segnale molto robusto in cui solo la presenza o l’assenza di un impulso è
necessario per leggere il segnale. Inoltre, il segnale PCM può essere rigenerato senza alcun tipo di perdita
e, in base alla frequenza di campionamento e alla capacità del canale, è possibile combinare diversi segnali
PCM in un unico usso che poi viene separato attraverso multiplexing. In questo modo, è facile gestire
segnali stereofonici.

L’architettura della PCM lineare (LPCM) segue fedelmente il modello concettualizzato del percorso che il
segnale compie quando viene digitalizzato. Il segnale analogico viene ltrato e campionato, la sua ampiezza
viene quantizzata con un modulo ADC converter. I numeri binari sono rappresentati come una serie di pulse
code modulati che rappresentano l’ampiezza della forma d’onda in corrispondenza di ciascun campione.
Se si campionano due canali, i dati possono essere multiplexati per formare un unico usso dati.
Per il playback, i dati sono demodulati, decodi cati, corretti negli eventuali errori per recuperare i valori di
ampiezza originali in corrispondenza di ciascun salpe, e la forma d’onda analogica viene ricostruita
attraverso un convertitore DAC con un ltro passa basso.

Il ltro passa basso in ingress

Per essere certi che il teorema di Nyquist venga rispettato, e quindi per prevenire l’alias, si usa un ltro
passa basso in ingresso. In un sistema con frequenza di campionamento pari a 48 kHz, la frequenza ideale
del ltro passa basso dovrebbe essere 24 kHz (il ltro deve attenuare tutti i segnali superiori alla metà della
frequenza di campionamento, e non deve in uenzare in alcun modo la banda passante).
Un ltro del genere, molto idealizzato, assomiglia al brickwall teorico, dotato di un banda eliminata con
attenuazione tendente a in nito e una banda di transizione praticamente inesistente; inoltre, dovrebbe
garantire un’assoluta linearità nel trattamento della banda passante. Un tipo di ltro del genere non è
impossibile da realizzare, ma implica un certo livello di dif coltà.

Il potere di attenuazione dee eguagliare o superare il range dinamico del sistema, come determinato dalla
lunghezza di parola adottata. Ad esempio, un sistema a 16 bit richiederebbe un’attenuazione superiore ai
-95 d; un’attenuazione a -80 dB lascerebbe passare uno 0.01% di distorsione/aliasing.

I moderni convertitori A/D usano complessi ltri digitali e metodi oversampling per tenere l’aliasing sotto
controllo. I primi sistemi utilizzavano solo semplici ltri passa basso sui segnali analogici in ingresso.

12
fi
fi
fi

fl

fi
n

fi
g

fi
fi
fi
fl
fi
fi

fi
fi
fi

fi
.

fi
.

fi
fi
fl

fi

 Purtroppo, un ltro passa basso di basso ordine, con frequenza di taglio pari a metà della frequenza di
campionamento in uenzerà in modo signi cativo il segnale passante, eliminandone la parte più acuta, quindi
rendendo necessario estendere la banda passante più verso le alte frequenze.

Per evitare l’aliasing, la frequenza di campionamento deve essere estesa in modo da garantire che il ltro
fornisca suf ciente attenuazione no al valore pari a metà della frequenza di campionamento. Quando si usa
una frequenza di campionamento a 48 kHz, i ltri analogici in ingresso possono essere con gurati per offrire
una risposta piatta da DC a 22 kHz. In questo modo, ci saranno 2 kHz di margine di sicurezza che
forniscono suf ciente attenuazione prima dell’intervento distruttivo.

Ovviamente, è altrettanto importante che il ltro non abbia problemi di overshooting, ringing e phasing; ltri
particolarmente selettivi potrebbero avere Resonance in corrispondenza della frequenza di taglio e il ringing
potrebbe causare irregolarità nella risposta in frequenza (maggiore la pendenza del ltro, maggiore la
propensione al ringing)

In generale, i ltri Chebyshev e quelli ellittici forniscono un’approssimazione ideale migliore di quelle ottenibili
con i ltri Bessel e Butterworth, ma i ltri Chebyshev posseggono non linearità nella banda passante e i ltri
ellittici possono produrre irregolarità di fase anche serie. I ltri Bessel possono offrire un’eccellente risposta
in fase, ma è necessario raggiungere ordini molto alti per ottenere la giusta selettività. I ltri Butterworth sono
quasi sempre lineari nella banda passante, ma hanno una risposta lenta ai transienti… il ltro analogico
ideale non esiste

Circuito Sample And Hol

Il circuito svolge due compiti semplici, ma importanti. Si occupa di campionare il segnale in ingresso
secondo precisi intervalli di tempo (mettendo in pratica il teorema del campionamento) e trattiene il valore
campionato prolungandolo no alla lettura successiva.

13
fi
fi
fi
fi
fi
.

fl
.

fi
fi
fi
fi
fi
fi
fi

fi
fi
fi
fi
fi
fi
fi