Уровень звука стробирования

Question

Я внедряю стандартную программу измерения громкости, основанную на стандартах МСЭ, и, поскольку в ней говорится, что я должен использовать какой-то тип стробирования, чтобы исключить влияние областей измерения тишины на измеренный средний уровень звука, например, для общего времени интеграции потребуется 3 секунды, если, например первая секунда целого звука содержит речь, а последние 2/3 содержат тишину (люди, у которых перехватывает дыхание, думают или по тем же причинам), затем значение громкости, которое я получаю, меньше, чем должно быть - потому что я принимаю во внимание регионы молчания. Итак, есть какое-то предлагаемое, но не очень хорошо документированное решение - вы берете «мгновенное» (400 мс) измерение громкости помимо необходимого (3000 мс) времени интеграции, и если «мгновенная» громкость на 8LU (LU обозначает единицу громкости) ниже измеренной громкости в режиме «полный рабочий день» (3000 мс) - вы затем приостанавливаете измерение громкости, в то время как вы получаете мгновенный уровень в диапазоне дальнего уровня. Короче говоря - вы получаете несколько входящих сэмплов, например, 10 мс, вычисляете вашу скользящую кратко- и долгосрочную громкость, затем сравниваете, если краткосрочная громкость на 8 единиц ниже, чем долгосрочная, и отбрасываете этот набор сэмплов / приостановить измерение звука для только что полученных сэмплов 10 мс, эффективно игнорируя их и сохраняя вашу долгосрочную громкость на более высоком уровне - игнорируя те 10 мс, которые «бесшумны по отношению к долгосрочным»;

Итак, проблема в том, что, поскольку я игнорирую все сэмплы (фактически, небольшие сэмплы), которые на 8lu ниже, чем мой долгосрочный уровень громкости, я фактически блокирую мой долгосрочный уровень громкости, чтобы он становился меньшим, когда это действительно необходимо.

Из материалов 2010 года рабочей группы EBU P / Loud:

"P / LOUD провел тесты прослушивания в четвертом квартале 2009 года и январе 2010 года для определения наилучшего порога гейтинга. Было обнаружено, что два метода отбора кандидатов из четырех протестированных дали хорошие результаты, причем оба статистически значительно лучше, чем два других Эти два метода были воротами 6LU относительно LGFS без шлюза («6рел») и 10LU относительно LKFS без шлюза («10рел»). Для всех кандидатов использовалась длина блока 400 мс. Прагматически было выбрано значение 8rel для дальнейшие неофициальные тесты против другой функции стробирования, уже используемой вещателями "*

P.S Извините за мой En, это не мой родной язык.

Answer 1

Я не вижу, где в стандарте предлагается такой сложный подход, как вы описываете.Вместо этого, из моего, по общему признанию, краткого обзора этого, я думаю, что вам нужно вычислить громкость в скользящем окне, разбив окно на меньшие временные интервалы, и если какой-либо из меньших временных интервалов в этом окне упадет ниже порогового значения (-8LU), вы исключаете эти корзины из своих расчетов.

Возможно, вы делаете это и просто неправильно рассчитываете среднее значение.Чтобы правильно определить среднюю громкость, когда вы отбрасываете сэмплы, вам нужно взять сумму уровней громкости, которые не были сброшены ( т.е. те, что выше вашего порога отсечки), и разделить это на количествовремени, когда громкость выше порога .То есть, я предполагаю, что когда вы говорите, что «уровень громкости становится меньше [чем] на самом деле должно быть», то, что вы делаете, делите на общее время, что неверно снижает значение среднего.Вместо этого вы должны делить только на количество времени, использованное при расчете суммы, т.е. N*(small time bin size in seconds), где N - это число бинов выше порогового значения.

Возможно, алгоритм выглядит более сложнымчем это на самом деле, потому что вы смотрите на подход, который пытается определить, находится ли каждый новый интервал времени выше порога, когда он входит в скользящее окно, а не пересчитывать его при каждом сдвиге скользящего окна?Это, конечно, возможно, и это способ сделать это эффективно, но алгоритм несколько сложнее.