Digitální systémy nerozumí „jazyku“ fyzického světa. Rozpoznají pouze jedničky a nuly. K překlenutí této mezery používají inženýři proces zvaný kvantizace. Toto je fáze, která mění spojitý, hladký analogový signál na diskrétní sadu digitálních hodnot. Dochází k němu bezprostředně po diskretizaci (vzorkování). Cíl je jednoduchý: reprezentovat měření v reálném světě s co nejbližším digitálním číslem.
Představte si mikrofon, který nahrává zvuk. Vlny tlaku vzduchu jsou plynulé a nekonečné. Průběžně se mění. Počítač nemůže uložit nekonečno. Chce konečný seznam možností. Kvantování řeší tento problém rozdělením rozsahu možných hodnot signálu do stejných kroků. Každý krok je „úroveň kvantizace“. Když hodnota signálu spadá mezi dva kroky, systém ji přiřadí nejbližšímu. Tím vznikne malá chyba. Inženýři tomu říkají kvantizační šum. To je nevyhnutelný vedlejší efekt digitalizace reality, ale dá se to zvládnout.
Mechanika odběru vzorků
Podstata kvantování spočívá v rozlišení. Rozlišení je určeno počtem bitů použitých ke kódování každého vzorku. Více bitů znamená více úrovní. Více úrovní znamená jemnější detaily.
Představte si pravítko. Standardní pravítko má dílky každý milimetr. Přesný mikrometr má dílky každou setinu milimetru. Pokud měříte objekt, který spadá mezi milimetrové dílky, zaokrouhlíte jej na nejbližší. Tato zaokrouhlovací chyba je podobná kvantizačnímu šumu. U digitálního zvuku se tato chyba projevuje jako jemné syčení nebo zkreslení. V obrázcích způsobuje viditelné aliasing (pásy) v přechodech.
Proces spoléhá na analogově-digitální převodníky (ADC). Tyto čipy jsou všude. Jsou ve vašem smartphonu, autě, lékařských zařízeních. Odebírají proměnlivé napětí ze senzoru a rozkládají je na binární slova. Délka tohoto slova určuje přesnost. 16bitové slovo poskytuje 65 536 různých úrovní. 24bitové slovo poskytuje více než 16 milionů. Rozdíl je zřejmý.
Proč je rozlišení v moderní technologii důležité
Digitalizaci často považujeme za jednoduchý přepínač. Zapnuto nebo vypnuto Vysoká nebo nízká úroveň. Ve skutečnosti je vše mnohem složitější. Kvalita konečného výsledku zcela závisí na tom, jak jemně jsme původní signál ořízli. Tento kompromis je pro strojírenství zásadní. Chcete vysokou přesnost. Chcete také nízké náklady na úložiště a vysokou rychlost zpracování. Nemůžete mít vždy obojí.
V audio průmyslu se standard CD usadil na 16bitové kvantizaci. Poskytuje dostatečný dynamický rozsah pro většinu posluchačů. Profesionální studiové nahrávky často používají 24 bitů. To vám umožní zachytit tiché detaily bez zvýšení úrovně šumu. Pokud použijete příliš málo bitů, zvuk bude zakalený nebo zkreslený. Ucho zachytí kvantizační šum. Slyší digitální artefakty.
Vizuální média čelí podobným omezením. Barevná hloubka je přímým výsledkem kvantizace. 8bitový barevný kanál umožňuje získat 256 odstínů červené. Pokud zkombinujete tři kanály (červený, zelený, modrý), získáte přibližně 16,7 milionů barev. To je standardní pro většinu obrazovek. Pokud snížíte hloubku na 6 bitů na kanál, získáte celkem 262 144 barev. Výsledkem bude posterizace. Tekoucí obloha na fotografii západu slunce se mění ve viditelné pruhy. Přechod mezi odstíny se stává ostrým. Nejde jen o teoretický problém. Toto je viditelná vada u video streamů nízké kvality.
Beyond Media: Věda a senzory
Kvantování není jen o tom, aby hudba zněla dobře a obrázky vypadaly krásně. Je to zásadně důležité pro vědecká měření. V lékařském zobrazování, jako je MRI nebo CT, přesnost kvantizace ovlivňuje diagnózu. Jemnější mřížka odhalí menší anomálie. Hrubší síť může přehlédnout rané příznaky onemocnění. Signál musí být zachycen v dostatečném množství bitů, aby bylo možné jasně rozlišit typy tkání.
Monitoring životního prostředí je založen na stejných principech. Seismografy zaznamenávají pohyb země. Meteorologické stanice měří tlak a teplotu. Tyto senzory produkují analogová napětí. ADC je převádí na digitální data pro analýzu. Pokud je kvantování příliš hrubé, mohou se ztratit malé změny v prostředí. Data se stávají nepoužitelnými pro předpovídání jemných posunů v klimatických vzorcích.
Vesmírná telemetrie čelí extrémním omezením. Šířka pásma je omezená. Ukládání dat vyžaduje mnoho zdrojů. Inženýři musí pečlivě zvolit bitovou hloubku. Potřebují dostatečnou přesnost ke sledování trajektorií kosmických lodí, ale nemohou si dovolit přenášet nekonečná data ve vysokém rozlišení. Kvantovací proces tyto protichůdné požadavky vyvažuje. Zajišťuje, že kritické informace přežijí svou cestu z vesmíru na Zemi.
Kompromis mezi přesností a účinností
Každý systém zpracování signálu musí odpovědět na jednu otázku: kolik dat stačí? Kvantování ve vysokém rozlišení zachovává detaily. Minimalizuje hluk. Ale zvětšuje velikost souboru. Zpomaluje procesory. Spotřebovává energii baterie.
Ve vestavěných systémech, jako jsou zařízení internetu věcí (IoT) nebo čipy umělé inteligence, je energie omezená. Počítání s velkou bitovou hloubkou spotřebuje více energie. Inženýři často používají menší bitové hloubky pro úlohy odvození. Obětují určitou přesnost, aby ušetřili energii. Algoritmus stále funguje. Výsledek je přijatelný. Kompromis je vypočítaný a zamýšlený.
Toto vyvažování je hnacím motorem inovací v kompresních algoritmech. Techniky jako adaptivní kvantizace upravují bitovou hloubku v závislosti na obsahu. Složité scény mají více bitů. Jednoduché pozadí je méně. Cílem je zachovat vnímanou kvalitu a zároveň snížit objem dat.
Jak se posouváme směrem k vysoce věrnému zvuku a 8K videu, poptávka po přesnosti roste. Ale úložiště a šířka pásma se nerozšiřují donekonečna. Úkol zůstává stejný. Určitě ovládněte svět. Uložte jej efektivně. Rychlé zpracování. Kvantování je nástroj, který to umožňuje. Je to nedokonalé. Zavádí hluk. Bez toho by ale digitální svět neexistoval. Signál by zůstal uzamčen v analogové říši, nepřístupný pro stroje, které pohánějí naše moderní životy.
Většina lidí si kvantování představuje jako jednoduchou zaokrouhlovací chybu. Ve skutečnosti to není pravda. Jedná se o strategický kompromis mezi věrností a velikostí souboru. Zvolená metoda určuje, zda bude signál znít čistě nebo chraplavě a zda bude obraz vypadat drsně nebo hrubě.
Nejstandardnějším přístupem je jednotná kvantizace. Vezmete celý rozsah možných hodnot a rozdělíte ho na stejně velké intervaly. To je snadné implementovat v kódu. Chyba je rozložena rovnoměrně. Metoda funguje dobře pro signály s konstantní dynamikou. Pokud se vaše data příliš dramaticky nemění, je to vaše primární volba.
Ale skutečné signály se zřídka chovají jednotně.
Řeč? Má vrcholy a údolí. Fyziologické údaje? To samé. Distribuce není rovnoměrná. Když je disperze vysoká, rovnoměrné kvantování plýtvá bity v tichých oblastech a hladoví v hlasitých oblastech. Zde přichází na pomoc nelineární kvantování, často nazývané logaritmické. Snižuje kvantizační krok pro časté signály s nízkou intenzitou a zvyšuje jej pro vzácné signály s vysokou intenzitou. Získáte větší přesnost přesně tam, kde je lidské ucho nebo oko nejcitlivější.
Oříznutí vs. kulaté vs. přizpůsobení
Co děláte s kousky, které vyhazujete?
Střih se vždy zaokrouhluje dolů. Je to rychlé. Zavádí předpojatost. Průměrná chyba není nula.
Round vybere nejbližší úroveň. V průměru je přesnější. Eliminuje tuto zaujatost.
Pak je tu adaptivní kvantování. Systém monitoruje signál. Pokud se amplituda prudce zvýší, rozšíří se intervaly. Pokud je signál tichý, zúží je. Toto dynamické nastavení optimalizuje kvalitu i kompresní poměr v reálném čase.
Komunikace s kompresí
Kvantování neexistuje ve vakuu. Toto je hlavní mechanismus komprese dat. Nemůžete komprimovat, aniž byste se vzdali informací. Zde dochází ke kvantizační chybě.
Uvažujme vektorovou kvantizaci. Místo kvantování každého vzorku jednotlivě uvažuje skupiny vzorků. Najde korelace. Spojuje tyto skupiny se slovníkem kódových knih. Takto fungují standardy MP3, JPEG a MPEG. Používají redundanci. Zahazují to, čeho si nevšimnete, aby ušetřili šířku pásma.
Hluk, který nemůžete ignorovat
Zde je tvrdá pravda: kvantováním se ztrácí informace. Rozdíl mezi původní analogovou hodnotou a digitální aproximací je kvantizační šum.
Pokud máte dostatek bitů, je tento šum zanedbatelný. Topí se ve vlastním šumu analogového zdroje. Kdy ale cílíte na menší velikosti souborů? Problémem se stává hluk. Projevuje se jako vizuální artefakty ve videu nebo slyšitelné zkreslení zvuku.
Jak to tedy můžete skrýt?
Do hry vstupuje přidání šumu (dithering).
Před kvantováním přidejte malé množství náhodného šumu. Zní to neintuitivně. Proč přidávat šum k vyčištění signálu?
Odstraňuje občasné chyby. Bez přidaného šumu vytvářejí signály s nízkou amplitudou harmonické zkreslení. Slyšíte hučení. Na přechodech vidíte pruhy. Přidání šumu náhodně provede chybu. Proměňuje strukturované zkreslení na bílý šum. Lidský mozek umí skvěle maskovat bílý šum. Je hrozný, když ignoruje rytmické bzučení.
Biologický limit
Je zde strop.
Bitovou hloubku můžete neustále zvyšovat. Můžete si koupit nejlepší ADC. Ale v určitém okamžiku extra bity nezlepšují uživatelský zážitek. Lidské ucho nebo oko ten rozdíl prostě nedokáže vnímat. Mezitím náklady na úložiště, výpočetní techniku a přenos stále rostou.
Sweet spot není maximální přesnost. Toto je maximální vnímaná přesnost při minimálních nákladech.
Inženýři musí vyvážit technické možnosti s biologickými limity. Pokud budete příliš tlačit, budete plýtvat zdroji. Pokud zatlačíte příliš lehce, kvalita klesne pod přijatelnou hranici.
Kam všechno směřuje
Tato oblast není statická. Analogová elektronika se vrací do špičkových specializovaných aplikací. Výzkumníci přehodnocují, jak převádíme a zpracováváme signály. Pokud se chcete ponořit hlouběji do hardwarové stránky tohoto signálového řetězce, CNRS v nedávných studiích popsalo návrat k analogovým zdrojům. Je to připomínka, že i v digitálním světě fyzika původního signálu stále diktuje pravidla.
Budoucnost nejsou jen další kousky. To jsou chytré kousky.
