Sistem digital tidak berbicara dalam bahasa dunia fisik. Mereka hanya memahami satu dan nol. Untuk menjembatani kesenjangan tersebut, para insinyur mengandalkan proses yang disebut kuantisasi. Ini adalah langkah yang mengubah sinyal analog yang mengalir terus menerus menjadi kumpulan nilai digital yang terpisah. Itu terjadi segera setelah pengambilan sampel. Tujuannya sederhana: merepresentasikan pengukuran dunia nyata dengan angka digital terdekat.
Pikirkan tentang mikrofon yang menangkap suara. Gelombang tekanan udaranya halus dan tidak terbatas. Mereka bervariasi terus menerus. Komputer tidak dapat menyimpan tanpa batas. Ini membutuhkan daftar pilihan yang terbatas. Kuantisasi menyelesaikan masalah ini dengan membagi rentang nilai sinyal yang mungkin menjadi langkah-langkah yang sama. Setiap langkah adalah “tingkat kuantisasi”. Ketika nilai sinyal berada di antara dua langkah, sistem akan memindahkannya ke langkah terdekat. Hal ini menciptakan kesalahan kecil. Para insinyur menyebutnya kebisingan kuantisasi. Ini adalah efek samping yang tidak dapat dihindari dari digitalisasi realitas, namun dapat dikelola.
Mekanisme Diskritisasi
Inti dari kuantisasi terletak pada resolusi. Resolusi ditentukan oleh jumlah bit yang digunakan untuk mengkodekan setiap sampel. Lebih banyak bit berarti lebih banyak level. Lebih banyak level berarti granularitas lebih halus.
Bayangkan seorang penguasa. Penggaris standar memiliki tanda setiap milimeter. Mikrometer yang tepat memiliki tanda setiap seperseratus milimeter. Jika Anda mengukur suatu benda yang berada di antara tanda milimeter, Anda membulatkannya ke yang terdekat. Kesalahan pembulatan itu analog dengan gangguan kuantisasi. Dalam audio digital, kesalahan ini bermanifestasi sebagai desisan atau distorsi halus. Pada gambar, hal ini menyebabkan garis garis yang terlihat pada gradien.
Prosesnya bergantung pada Analog-to-Digital Converters (ADCs). Chip ini ada dimana-mana. Mereka ada di ponsel cerdas Anda, mobil Anda, perangkat medis Anda. Mereka mengambil tegangan yang bervariasi dari sensor dan memotongnya menjadi kata-kata biner. Panjang kata itu menentukan kesetiaannya. Kata 16-bit menawarkan 65.536 level berbeda. Kata 24-bit menawarkan lebih dari 16 juta. Perbedaannya sangat mencolok.
Mengapa Resolusi Penting dalam Teknologi Modern
Kita sering menganggap digitalisasi sebagai perubahan sederhana. Hidup atau mati. Tinggi atau rendah. Ini jauh lebih bernuansa. Kualitas keluaran akhir bergantung sepenuhnya pada seberapa halus kita memotong sinyal aslinya. Pertukaran ini sangat penting dalam bidang teknik. Anda menginginkan akurasi yang tinggi. Anda juga menginginkan biaya penyimpanan yang rendah dan kecepatan pemrosesan yang cepat. Anda tidak selalu bisa memiliki keduanya.
Dalam audio, standar Compact Disc menetapkan kuantisasi 16-bit. Ini memberikan rentang dinamis yang cukup untuk sebagian besar pendengar. Rekaman studio profesional sering kali menggunakan 24-bit. Ini menangkap detail yang lebih senyap tanpa menimbulkan noise floor. Jika Anda menggunakan terlalu sedikit bit, suara menjadi keruh atau terdistorsi. Telinga menangkap suara kuantisasi. Ia mendengar artefak digital.
Media visual menghadapi kendala serupa. Kedalaman warna adalah akibat langsung dari kuantisasi. Saluran warna 8-bit memungkinkan 256 warna merah. Gabungkan tiga saluran (merah, hijau, biru), dan Anda mendapatkan sekitar 16,7 juta warna. Ini adalah standar untuk sebagian besar layar. Jika Anda beralih ke saluran 6-bit, Anda hanya mendapatkan 262.144 warna. Hasilnya adalah poster. Langit mulus dalam foto matahari terbenam berubah menjadi garis-garis yang terlihat. Transisi antar warna menjadi kasar. Ini bukan sekedar masalah teoretis. Ini adalah cacat yang terlihat pada streaming video berkualitas rendah.
Melampaui Media: Sains dan Sensor
Kuantisasi bukan hanya tentang membuat musik terdengar bagus atau gambar terlihat cantik. Ini adalah dasar pengukuran ilmiah. Dalam pencitraan medis, seperti MRI atau CT scan, ketepatan kuantisasi mempengaruhi diagnosis. Grid yang lebih halus menunjukkan anomali yang lebih kecil. Jaringan yang lebih kasar mungkin tidak mendeteksi tanda-tanda awal penyakit. Sinyal harus ditangkap dengan bit yang cukup untuk membedakan jenis jaringan dengan jelas.
Pemantauan lingkungan bergantung pada prinsip yang sama. Seismograf merekam gerakan tanah. Stasiun cuaca mengukur tekanan dan suhu. Sensor ini mengeluarkan tegangan analog. ADC mengubahnya menjadi data digital untuk dianalisis. Jika kuantisasinya terlalu kasar, perubahan kecil pada lingkungan mungkin akan hilang. Data menjadi tidak berguna untuk memprediksi perubahan kecil dalam pola iklim.
Telemetri ruang angkasa menghadapi kendala ekstrim. Bandwidthnya terbatas. Penyimpanannya berat. Insinyur harus memilih kedalaman bit dengan hati-hati. Mereka membutuhkan ketelitian yang cukup untuk melacak lintasan pesawat ruang angkasa tetapi tidak mampu mengirimkan data resolusi tinggi yang tiada habisnya. Proses kuantisasi menyeimbangkan tuntutan-tuntutan yang bersaing ini. Hal ini memastikan bahwa informasi penting bertahan dalam perjalanan dari luar angkasa ke Bumi.
Pertukaran Antara Kesetiaan dan Efisiensi
Setiap sistem yang melibatkan pemrosesan sinyal harus menjawab satu pertanyaan: berapa banyak data yang cukup? Kuantisasi resolusi tinggi menjaga detail. Ini meminimalkan kebisingan. Tapi itu meningkatkan ukuran file. Ini memperlambat prosesor. Ini menguras baterai.
Dalam sistem tertanam, seperti perangkat IoT atau chip AI, daya sangatlah langka. Perhitungan kedalaman bit yang tinggi menghabiskan lebih banyak energi. Insinyur sering kali menggunakan kedalaman bit yang lebih rendah untuk tugas inferensi. Mereka mengorbankan presisi untuk menghemat daya. Algoritmanya masih berfungsi. Outputnya dapat diterima. Pertukarannya diperhitungkan dan disengaja.
Tindakan penyeimbangan ini mendorong inovasi dalam algoritma kompresi. Teknik seperti kuantisasi adaptif menyesuaikan kedalaman bit berdasarkan konten. Adegan kompleks mendapat lebih banyak potongan. Latar belakang sederhana menjadi lebih sedikit. Tujuannya adalah untuk menjaga kualitas yang dirasakan sekaligus mengurangi beban data.
Saat kita beralih ke audio dengan fidelitas lebih tinggi dan video 8K, permintaan akan presisi semakin meningkat. Namun penyimpanan dan bandwidth tidak berkembang tanpa batas. Tantangannya tetap sama. Tangkap dunia secara akurat. Simpan secara efisien. Proses dengan cepat. Kuantisasi adalah alat yang memungkinkan hal ini. Itu tidak sempurna. Ini menimbulkan kebisingan. Namun tanpanya, dunia digital tidak akan ada. Sinyal akan tetap terjebak dalam dunia analog, tidak dapat diakses oleh mesin yang menggerakkan kehidupan modern kita.
Kebanyakan orang menganggap kuantisasi sebagai kesalahan pembulatan sederhana. Bukan itu. Ini adalah kompromi strategis antara fidelitas dan ukuran file. Metode yang Anda pilih menentukan apakah sinyal terdengar bersih atau berpasir. Ini menentukan apakah suatu gambar terlihat tajam atau kotak-kotak.
Pendekatan yang paling standar adalah kuantisasi seragam. Anda mengambil seluruh kemungkinan nilai dan membaginya menjadi interval berukuran sama. Sangat mudah untuk membuat kode. Ini menyebarkan kesalahan secara merata. Ini berfungsi dengan baik untuk sinyal dengan dinamika yang konsisten. Jika data Anda tidak berfluktuasi secara berlebihan, inilah pilihan Anda.
Namun sinyal di dunia nyata jarang berperilaku seragam.
Pidato? Ia memiliki puncak dan lembah. Data fisiologis? Hal yang sama. Distribusinya tidak merata. Ketika variansnya tinggi, kuantisasi yang seragam akan membuang-buang bit pada bagian yang senyap dan membuat bagian yang bersuara menjadi kelaparan. Di sinilah kuantisasi tidak seragam, yang sering disebut kuantisasi logaritmik, berperan. Ini memperkecil ukuran langkah untuk sinyal umum tingkat rendah. Ini memperluasnya menjadi yang langka dan tingkat tinggi. Anda mendapatkan presisi lebih tinggi tepat di tempat yang paling sensitif bagi telinga atau mata manusia.
Pemotongan vs. Pembulatan vs. Adaptasi
Bagaimana Anda menangani bagian yang terpotong?
Pemotongan selalu dibulatkan ke bawah. Ini cepat. Hal ini menimbulkan bias. Kesalahan rata-rata bukanlah nol.
Pembulatan memilih level terdekat. Rata-rata lebih akurat. Ini menghilangkan bias itu.
Lalu ada kuantisasi adaptif. Sistem memperhatikan sinyalnya. Jika amplitudo meningkat, maka intervalnya akan melebar. Jika sinyalnya sepi, itu akan mengencangkannya. Penyesuaian dinamis ini mengoptimalkan rasio kualitas dan kompresi secara real-time.
Koneksi Kompresi
Kuantisasi tidak hidup dalam ruang hampa. Ini adalah alat berat di balik kompresi data. Anda tidak dapat mengompres tanpa membuang informasi. Di sinilah kesalahan kuantisasi terjadi.
Pertimbangkan kuantisasi vektor. Alih-alih mengkuantifikasi setiap sampel secara individual, ia melihat pada kelompok sampel. Ia menemukan korelasi. Ini memetakan kelompok-kelompok tersebut ke kamus buku kode bersama. Beginilah cara kerja standar MP3, JPEG, dan MPEG. Mereka mengeksploitasi redundansi. Mereka membuang apa yang tidak Anda sadari untuk menghemat bandwidth.
Kebisingan yang Tidak Dapat Anda Abaikan
Inilah kenyataan pahitnya: kuantisasi kehilangan informasi. Kesenjangan antara nilai analog asli dan perkiraan digital adalah gangguan kuantisasi.
Jika Anda memiliki cukup bit, kebisingan ini dapat diabaikan. Itu akan tenggelam oleh kebisingan yang melekat pada sumber analog itu sendiri. Tetapi ketika Anda mendorong file yang lebih kecil? Kebisingan menjadi masalah. Ini bermanifestasi sebagai artefak visual dalam video atau distorsi suara dalam audio.
Jadi, bagaimana cara kita menyembunyikannya?
Masukkan keragu-raguan.
Sebelum Anda menghitung, tambahkan sedikit noise acak. Kedengarannya berlawanan dengan intuisi. Mengapa menambahkan noise untuk membersihkan sinyal?
Ini memecah kesalahan periodik. Tanpa ragu-ragu, sinyal amplitudo rendah menciptakan distorsi harmonis. Anda mendengar dengungan. Anda melihat garis melintang dalam gradien. Gentar mengacak kesalahan. Ini mengubah distorsi terstruktur menjadi white noise. Otak manusia sangat baik dalam menutupi white noise. Sangat buruk mengabaikan dengungan ritmis.
Batas Biologis
Ada langit-langit.
Anda dapat terus meningkatkan kedalaman bit. Anda dapat membeli ADC yang lebih baik. Namun pada titik tertentu, bit tambahan tidak meningkatkan pengalaman pengguna. Telinga atau mata manusia tidak bisa membedakannya. Namun, biaya penyimpanan, kekuatan pemrosesan, dan bandwidth transmisi terus meningkat.
Titik optimal bukanlah ketelitian tertinggi. Ini adalah fidelitas yang dirasakan tertinggi dengan biaya terendah.
Insinyur harus menyeimbangkan kemampuan teknis dengan batasan biologis. Mendorong terlalu keras akan membuang-buang sumber daya. Jika tekanan terlalu sedikit, kualitasnya akan turun di bawah ambang batas penerimaan.
Ke Mana Tujuannya
Bidang ini tidak statis. Elektronik analog kembali hadir dalam aplikasi khusus dengan ketelitian tinggi. Para peneliti sedang memikirkan kembali cara kita mengubah dan memproses sinyal. Jika Anda ingin menggali lebih dalam sisi perangkat keras dari rantai sinyal ini, CNRS telah membahas kembalinya ke sumber analog dalam penelitian terbaru. Ini adalah pengingat bahwa bahkan di dunia digital, fisika sinyal asli masih berkuasa.
Masa depan bukan hanya tentang lebih banyak hal. Ini tentang hal-hal yang lebih cerdas.
