Den Einstieg macht ein Artikel von Günther Theile und Gerhard Stoll. In diesem wird die gehörangepasste Quellencodierung für digitalen Rundfunkt dargelegt. Erschienen ist das Papier zur 15. Tonmeistertagung in Karlsruhe 1988 – also zu einer Zeit, zu der der VDT und das Neumann M 50 noch keine 40 Jahre alt waren, als Digitalanzeigen bei einem Radio noch als ultimativer Luxus zählten, bevor Streaming überhaupt denkbar war und bis zur Einführung des DAB-Rundfunks in Deutschland noch elf weitere Jahre ins Land ziehen sollten.

Im Text ist die Rede von MASCAM, welches durch MUSICAM beerbt wurde – das als psychoakustisches Reduktionssystem in MPEG-1, Layer 2 („MP2“) verwendet wird. Was heute, da MP3 & Co. schon vor Jahren in jedermanns täglichen Gebrauch übergegangen sind, als Grundlage gelehrt wird, mag 1988 auf manchen vornehmlich mit Analogmischpult und Bandmaschine werkelnden Tonmeister vielleicht noch reichlich abstrakt gewirkt haben. Und so liest sich „Terrestrischer Digitaler Hörrundfunk“ auch heute noch wie eine solide Themeneinführung, wenngleich sich die Reduktionssysteme fortentwickelt haben.

Die Artefakte bei Fehlern in der Übertragungskette sind heutzutage auch dem Endnutzer bekannt. Unter „Unempfindlichkeit der Abtastwerte gegenüber Bitfehlern“ findet man den Satz: „In diesem Fall arbeitet das Verfahren ähnlich einem 24-Kanal-Vocoder mit amplitudenmoduliertem Teilbandrauschen und kann damit auch in einem sehr hohen Fehlerfall zumindest Sprachverständlichkeit garantieren.“

Die Forschungsarbeit von Günther Theile und Gerhard Stoll war wegweisend. Unser Verband profitierte in besonderem Maße von Günthers Mitgliedschaft: Er hat über Jahrzehnte die Programme der Tonmeistertagungen kuratiert, war Vorstandsmitglied und erhielt mit der Ehrenmitgliedschaft (2019) und der VDT-Ehrenmedaille (2023) die höchsten VDT-Würden.

Hinweis: Die Orthographie und Zeichensetzung des Artikels wurden originalgetreu beibehalten.

– die Redaktion

Übliche PCM-Systeme erzeugen näherungsweise ein weißes Quantisierungsrauschen, das der Forderung „möglichst unhörbar“ bei geringer Quantisierung nicht entspricht (Quelle: 9). Aus diesem Grund ist mit breitbandig arbeitenden Kompandersysternen nur eine geringe Reduktion der Datenrate möglich, ohne daß Quantisierungsfehler vom Gehör wahrgenommen werden. Die neuen Quellencodierverfahren für hochwertige Tonsignalübertragung bei hoher Datenreduktion nutzen die Möglichkeit, die Quantisierungsfehler der Selektivität des Gehörs anzupassen.

Alle derzeitigen Verfahren beruhen auf einer spektralen und zeitlichen Zerlegung des Tonsignals mit einer anschließenden frequenz- und zeitabhängigen Zuweisung der Quantisierung. Diese spektrale Zerlegung kann sowohl durch eine digitale Filterbank (Teilbandcodierung), als auch durch eine diskrete Fourier- oder Cosinustransformation (Transformationscodierung) realisiert werden.

Bei dieser Codierungsform wird das digitale Tonsignal mittels einer geeigneten digitalen Filterbank, z.B. QMF oder NWDF (Quellen: 10, 11, 12) in eine gewisse Anzahl (typischerweise 12 bis 24) Teilbänder unterteilt. Nach der spektralen Zerlegung des Tonsignals wird für einen Block aufeinanderfolgender Abtastwerte ein sogenannter Skalenfaktor gebildet, der ein Maß für den maximalen Pegel in jedem Teilband darstellt. Die Abtastwerte aller Teilbänder werden anschließend einer Datenreduktion (Transcodierung) unterworfen.

Diese Reduktion erfolgt z. B. bei MASCAM aufgrund der Berechnung der Mithörschwelle (Quelle: 13) des zu codierenden Signals. Der Grad der Reduktion wird für jedes Teilband und jeden Block aufeinanderfolgender Abtastwerte individuell von der Kontrollstufe „dynamische Bitzuweisung“ (siehe Abb.1) gesteuert.

Empfangsseitig wird durch inverse Transcodierung und Filterung ein 16-Bit-linear-codiertes Tonsignal zurückgewonnen. Abb.2 zeigt den gesamten Prozeß, der zur Decodierung des Signals erforderlich ist. Die inverse Transcodierung erfolgt wie die empfangssei tige Transcodierung abhängig von der Steuerinformation, die in der senderseitigen Kontrollstufe „dynamische Bitzuweisung“ berechnet und zusammen mit den Skalenfaktoren als Nebeninformation übertragen wird. Aufgrund der Übertragung der Zuweisungsinformation vereinfacht sich der Aufwand im Decoder erheblich, d. h. die wesentliche Prozessorleistung bleibt auf die Filterbank beschränkt.

Die dynamische Bitzuweisung für die notwendige Quantisierung in den einzelnen Teilbändern ist abhängig vom Signal- und Mithörschwellenverlauf. Diese Zuweisung ist normalerweise dadurch gekennzeichnet, daß der Abstand zwischen Mithörschwelle und Quantisierungsfehler in den Teilbändern möglichst gleich, d. h. frequenzunabhängig ist. Somit resultiert für die Codierung von zeitvarianten Tonsignalen eine dynamische Bitrate, die von der spektralen und zeitlichen Struktur des Tonsignals abhängt (Quelle: 8).
Schmalbandige Signale benötigen eine geringe Datenrate, da in einem solchen Fall viele Teilbandsignale nicht übertragen werden müssen. Im Gegensatz dazu benötigen breitbandige Signale, vor allem solche mit ausgeprägten Pegeln im Bereich höherer Frequenzen eine weitaus höhere Bitrate. Mit einer Bitrate von 110 kbit/s einschließlich der Nebeninformation können auch besonders kritische, d.h. stationäre, breitbandige tonale Signale, deren Teiltonabstand in etwa den Bandbreiten der Teilbänder entspricht, ohne subjektive Qualitätsverluste im Vergleich zu einer Codierung im 16-bit-Format übertragen werden. Im Falle von natürlichen Mikrofonsignalen ist die notwendige Bitrate jedoch meist erheblich geringer. Mit einem zusätzlichen Pufferspeicher können die kurzzeitig auftretenden maximalen Bitraten gemindert werden, d. h. der Bitratenverlauf über der Zeit wird mit zunehmender Speichertiefe ausgeglichener. Mit einer Verzögerungszeit von 40 ms verringert sich die maximale Datenrate um etwa 10 kbit/s.

Übertragung von zeitunkritischen Zusatzinformationen wie z. B. Programminformation, Radiotext oder Verkehrsfunk.

Höhere Quantisierung in den einzelnen Teilbändern, um einen größeren Abstand zwischen Quantisierungsrauschen und Mithörschwelle zu erreichen. Bei einer minimalen Quantisierung, d.h. Annäherung ser Mithöschwelle durch das Quantisierungsrauschen, kann sich eine subjektive Beeinträchtigung eines codierten Signales aufgrund von Frequenzgangverzerrungen (z.B. Equalizer im Empfänger) ergeben, da die spektralen Maskierungsverhältnisse durch solche Maßnahmen verändert werden.

Dynamischer Bitfehlerschutz, um einen höheren Fehlerschutz von solchen Signalanteilen zu realisieren, die eine besonders hohe subjektive Störwirkung bei Übertragungsfehlern aufweisen. Ein Teil der Bitrate des Multiplexsignals läßt sich dabei für die Kanalcodierung, d.h. für den Bitfehlerschutz der übertragenen Daten benutzen. Die dynamische Bitflußreserve kann nun für die Kanalcodierung zur Verbesserung des Fehlerschutzgrades abhängig von der gerade zur Verfügung stehenden Reserve verwendet werden. Dies wird als dynamischer Fehlerschutz /6/ bezeichnet und ist in Abb.4 (unten) dargestellt. Typischerweise können besonders solche Signale, die eine relativ geringe Bitrate benötigen (in der Regel schmalbandige, bzw. leise Signale, bei denen Bitfehlerstörungen sehr stark wahrnehmbar sind), mit einem hohen Bitfehlerschutz versehen werden. Ein MASCAM-codiertes Signal enthält damit einen effektiven "inhärenten Fehlerschutz", weil empfindliche Signalanteile besonders wirksam geschützt werden, ohne dabei die Bitrate wesentlich zu erhöhen.

Beim MASCAM-Verfahren bewirken Bitfehler der Abtastwerte keine breitbandigen Knackstörungen, denn diese sind aufgrund der Unterteilung des Tonsignals in einzelne Teilbänder auf das Teilband beschränkt, in dem eine Bitfehlerstörung auftritt (Quelle: 6). Da die Bandbreiten des MASCAM-Verfahrens näherungsweise den Frequenzgruppen des Gehörs entsprechen, ist zudem die Lautstärke der auftretenden Störungen optimal begrenzt. Darüberhinaus wird die maximale Amplitude eines Bitfehlers durch den Skalenfaktor unter der Voraussetzung eingeschränkt, daß allein die Skalenfaktoren der einzelnen Teilbänder so geschützt sind, um diese fehlerfrei übertragen zu können. Dies bedeutet, daß Bitfehler mit einer Fehlerrate von 10-3 zwar ein gerade eben wahrnehmbares Bitfehlerrauschen erzeugen, das jedoch noch nicht störend ist.

Durch einige Experimente wurde herausgefunden, daß zusätzlich zu den Skalenfaktoren und der Quantisierungsinformation für die einzelnen Teilbänder nur die wichtigsten Bits (MSBs) der unteren Teilbänder zu schützen sind. Das bedeutet, daß mit gezielten Maßnahmen ein für das Gehör äußerst effizienter Fehlerschutz zu realisieren ist.

Aus den Forschungsergebnissen zur Tonhöhen- und Sprachwahrnehmung ist bekannt, daß es sogenannte dominante Frequenzbereiche gibt. So unterscheidet man bei der Tonhöhe zwischen dem dominanten Frequenzbereich der Spektraltonhöhe (ca. 0.5 bis 1.55 kHz) und der Virtuellen Tonhöhe (bis ca. 0.5 kHz) (Quelle: 5). Dies bedeutet, daß die wesentliche Information über die Tonhöhe eines Tonsignals im Frequenzbereich unter 2 kHz liegt. Verständlichkeitsmessungen mit hoch- und tiefpaßbegrenzten Sprachlauten (Quelle: 16) zeigten ebenfalls, daß es für die Verständlichkeit von Sprache einen dominanten Frequenzbereich gibt, der ziemlich genau mit dem Bereich der Spektraltonhöhe übereinstimmt.

Wie schon in Kapitel 4.2 dargelegt wurde, stellt der dynamische Bitfehlerschutz eine wirksame Maßnahme dar, um die Bitfehlersicherheit zu vergrößern. Zunächst werden alle wichtigen Bits mit einem konstanten und sehr effektiven Schutz versehen, während die restlichen Bits mit einem dynamischen Schutz, in Abhängigkeit der Rangfolge der Wichtigkeit der Bits, versehen werden. Damit kann eine hohe subjektive Übertragungsqualität auch bei sehr hohen Bitfehlerstörungen erzielt werden.

Andere Konzepte zur Kanalcodierung (Quelle: 18) lassen die Eigenschaften der Quelle unberücksichtigt und sehen einen virtuell fehlerfreien Kanal vor, der für die Übertragung allgemeiner Daten geeignet ist, wobei jedes ohne Ansehen der Wichtigkeit gleich codiert wird. Das bedeutet, zugefügte Redundanz für jedes Datenbit gleich groß ist. Damit wird die Möglichkeit einer minimalen Datenrate nicht ganz ausgeschöpft, da die Bandbreite des Kanals, die für eine bestimmte Übertragung notwendig ist, nicht minimiert werden kann. Dies bedeutet, daß ein transparenter Datenkanal zwar eine fehlerfreie Übertragung von irgendwelchen Daten sogar bei hohen Fehlerraten ermöglicht, daß jedoch bei einer Beschränkung auf die Übertragung von Tonsignalen dieser Weg bezüglich einer minimalen Kanalbitrate nicht optimal ist.

Prinzipiell arbeitet diese Substitutionsmethode auch ohne eine gegenseitige Verzögerung. Dennoch sprechen zwei Gründe für die Beibehaltung einer Verzögerung.

1. Diese Substitution sollte alternativ, d.h. nur bei geringer Korrelation der beiden Kanäle erfolgen.

2. Es bleibt dadurch gewährleistet, daß zu einem bestimmten Zeitpunkt jeweils nur in einem Kanal eine Rekonstruktion einer Störung auftritt, während das Signal des anderen Kanals ungestört weiterläuft. Auf einen Zeitsprung, der in beiden Kanälen gleichzeitig stattfindet, reagiert das Gehör empfindlicher, als auf einen Sprung in nur einem Kanal, dessen subjektive Störwirkung durch das kontinuierlich weiterlaufende Signal des ungestörten Kanals gemindert wird.

Untersuchungen mit beiden Substitutionsverfahren zeigten, daß es auch beim Versagen der Fehlerkorrektur aufgrund längerer Fehlerbursts möglich ist, durch Ausnutzung der Irrelevanz im stereofonen Signal, Störungen mit einer Dauer bis zu 160 ms zu überbrücken. Bei der Übertragung von Sprache ergibt sich der Vorteil, daß die Sprachverständlichkeit erhalten bleibt. Diese Untersuchungen wurden alle . bei kritischen Abhörbedingun­gen, d.h. meist mit Kopfhörer durchgeführt. Wenn man davon ausgeht, daß solche Maßnahmen in erster Linie nur bei äußerst ungünstigen Empfangsbedingungen, d.h. entweder am Rand eines Versorgungsgebietes, oder im fahrenden KFZ bei starkem Mehrwegeempfang stattfinden, kann eine derartige kritische Form des Abhörens ausgeschlossen werden. Da zusätzlich mit einem gewissen Geräuschpegel im Fahrgastinnenraum zu rechnen ist, wird durch die verdeckende Wirkung eines solchen Störpegels erreicht, daß eine Rekonstruktion des gestört übertragenen Tonsignals durch eine Substitution entweder überhaut nicht, oder nur in äußerst geringem Maße wahrgenommen wird. Gegenüber einer einfachen „Stummschaltung“ stellen diese Maßnahmen erhebliche Verbesserungen dar.

Störungen mit einer Dauer von weniger als 20 ms erweisen sich hinsichtlich ihrer Rekonstruierbarkeit generell als unkritisch. Bei längeren Störzeiten erlangt die Auswahl der auf das momentane Signal angepaßten Substitutionsmethode eine gewisse Bedeutung. Abhängig vom Signal müßte der Empfänger die Auswahl für das optimale Substitutionsverfahren treffen.