Sample Rate Converter (SRC) im Vergleich

[Schorsch]

Hallo,

eine Anmerkung möchte ich noch machen, um das cplay-Bild und das Bild von Uli (s.u.) nicht versehentlich falsch zu interpretieren.

Ein zeitdiskretes (digitales) Signal existiert nur an den Abtastzeitpunkten, zwischen zwei Abtastzeitpunkten ist es nicht definiert.

Upsampling berechnet neue Zwischenwerte, die möglichst so aussehen, als ob das Originalsignal mit dieser höheren Frequenz abgetastet wurde. Natürlich liefert ein 16-fach Upsampling auf 768 kHz mehr Zwischenwerte als ein Upsampling auf 96 kHz.

Damit ergibt sich ein neuer Zwischenwert genau mittig zwischen zwei originalen Abtastpunkten. Damit man die besser sieht, habe ich diese mit einer Treppenfunktion verbunden.

Uli hat die neu interpolierten Zwischenwerte nur zur übersichtlicheren Darstellung zu einer Treppenfunktion verbunden. Die 16-fach upgesampelte Kurve hat daher eine feinere "Treppenstruktur" als die 96 kHz Kurve.

Man könnte daraus schließen, dass die gröbere Treppenkurve schlechter sei, weil die Stufen weniger fein sind. Ist sie aber nicht! Solange die interpolierten neuen Abtastwerte auf der idealen Kurve, also dem "Analogsignalverlauf" liegen, funktioniert der Algorithmus perfekt. Die Eckpunkte der blauen und der grünen Kurve liegen beide auf dem "Analogsignalverlauf". Die Zwischenräume sind nicht definiert.

Die (fiktive) Treppe verschwindet später durch das Antialiasing Filter (Glättungsfilter) bei der Wiedergabe.

Eine durch Upsampling erhöhte Signalfrequenz verringert die Probleme bei der Realsierung dieses Antialiasing Filters.

Viele Grüße
Georg

[uli.brueggemann]

Es wäre interessant, die Phasen zu sehen. Könntest du mal die zugehörigen linearen Phasen zeigen?

Georg,
bitte glaub mir, die Gruppenlaufzeit ist bei allen Filtern ein glatter horizontaler Strich, also konstant, auch bei hoher Auflösung der GLZ-Darstellung. Nur im Sperrbereich wir es evtl. minimalst zappelig, was aber mit der numerischen Auflösung zusammenhängt.
Ich spar mir also den Aufwand, es sei denn Du glaubst es nicht

Die (fiktive) Treppe verschwindet später durch das Antialiasing Filter (Glättungsfilter) bei der Wiedergabe.

Eine durch Upsampling erhöhte Signalfrequenz verringert die Probleme bei der Realsierung dieses Antialiasing Filters.

Yep, das ist der einzige Grund. Die Eckfrequenz des Glättungsfilters wandert schlichtweg in einen höheren Bereich.

Grüsse, Uli

[Schorsch]

bitte glaub mir, die Gruppenlaufzeit ist bei allen Filtern ein glatter horizontaler Strich, also konstant, auch bei hoher Auflösung der GLZ-Darstellung. Nur im Sperrbereich wir es evtl. minimalst zappelig, was aber mit der numerischen Auflösung zusammenhängt.
Ich spar mir also den Aufwand, es sei denn Du glaubst es nicht

Hallo Uli,
natürlich glaube ich Dir das!
Ich freue mich auf den Workshop.

Viele Grüße
Georg

[play-mate]

Hallo geehrte Mitstreiter,

Vielen Dank für die Diskussion. Immer toll mit euch ein paar Kontroversen auszutauschen....

Gruß Leif

[Ralf Koschnicke]

Hallo zusammen,
interessantes Thema ... vielleicht kann ich auch noch etwas zur Verwirrung beitragen :
Moderne DA-Wandler arbeiten in der Regel ebenso wie AD-Wandler auch als Multibit Delta-Sigma-Chips. Das Spitzenmodell von Cirrus Logic (einem der wichtigsten Hersteller) arbeitet intern, unabhängig von der Eingangsabtastrate, mit über 6MHz (die ADs sogar mit über 12MHz).

Ich weiß nun nicht präzise, wie im Detail gearbeitet wird. Der Vorteil beim Analogfilter dürfte jedoch in jedem Fall entfallen. Die Filter sind Digital und der Delta-Sigma-Bitstream braucht dann keinen aufwendigen Analogfilter mehr.

Ich will dennoch gar nicht unbedingt bestreiten, dass Upsampling einen Vorteil bringen kann. Vermutlich hängt das Ergebnis aber ganz stark von der Qualität des DA-Chips und seines eingebauten „Upsamplings“ ab. Denn upsampled wird intern immer, und um einen viel höheren Faktor als wir es extern – ob im PC oder mittels spezieller Schaltungen im DAC – machen können.

Weitaus größere Erfahrungswerte habe ich zugegeben mit Downsampling und hier gibt es so viele Prozesse, die so unglaublich viel kaputt machen. Deshalb habe ich gefühlsmäßig eher Vorbehalte, zu viel im Signal „herumzurechnen“. Ich habe auch Grund zur Annahme, dass zum Teil in falsche Richtungen optimiert wird, ohne genau zu verstehen, was für Musik am wichtigsten ist.
Wie ein roter Faden durch alle Experimente mit Resamplern zieht sich die Beobachtung, dass Resampler mit einstellbarer Qualität bei „hoher Qualität“ meist eher die schlechteren Ergebnisse liefern. Ich habe den Verdacht, dass dann nicht nur viele Stützstellen verwendet werden, sondern auch sehr steilflankige Filter, um wenig Aliasing bzw. sehr gute SNR-Werte zu bekommen. Das stärkere Preringing macht dann aber wohl viel mehr kaputt als moderates Aliasing. Experimente mit dem SOX im Cplay haben den Verdacht erhärtet. Hier kann man sehr schön die einzelnen Parameter justieren und im Gegensatz zu fertigen Lösungen weiß man was man tut und hört. Spielt man ein wenig damit, scheint mir eher ein "gesunder", moderater Mittelweg bei der Filtersteilheit angeraten. Der SRC gefällt mir in der "schlechteren" Variante auch besser.

Viele Grüße
Ralf

[play-mate]

Hallo Ralf,

Die meisten erachten Upsampling als ein Mittel zur Verringerung von Jitter, denn so haben uns die Hersteller den Begriff oft vermarktet, und es ist in vielen Fällen auch so.
Meine frühere These ist aber immer noch, dass ein Upsampling das neue Interpolationswerte in das Signal schreibt, durchaus besser ist als wenn einfach die Samplingrate erhöht wird.

Cics Zitat zum SoX und Aliasing :

SoX implementation in cPlay enjoys full optimisation as that for SRC (Secret Rabbit Code). This includes 128bit DSP processing and other optimisations. Only VHQ (Very High Quality, 175db rejection aka Stop Band) and HQ (High Quality, 125db rejection) converters are supported. SRC at 145db SNR (154db rejection) and 121db SNR (120db rejection) remains as before. SoX VHQ offers better than 170db SNR performance (see measurements below). Other SoX resampler options available in cPlay are (as per SoX Manual):
Phase (0-100)
All resamplers use filters that can sometimes create `echo' (a.k.a. `ringing') artefacts with transient signals such as those that occur with `finger snaps' or other highly percussive sounds. Such artefacts are much more noticable to the human ear if they occur before the transient (`pre-echo') than if they occur after it (`post-echo'). Note that frequency of any such artefacts is related to the smaller of the original and new sampling rates but that if this is at least 44.1kHz, then the artefacts will lie outside the range of human hearing.
A phase response setting may be used to control the distribution of any transient echo between `pre' and `post': with minimum phase (0), there is no pre-echo but the longest post-echo; with linear phase (50), pre and post echo are in equal amounts (in signal terms, but not audibility terms); the intermediate phase (25) setting attempts to find the best compromise by selecting a small length (and level) of pre-echo and a medium lengthed post-echo. Note that phase responses between `linear' (50) and `maximum' (50..100) are rarely useful.
Bandwidth (90-99.7%)
Band-width is the percentage of the audio frequency band that is preserved. A resampler's band-width setting determines how much of the frequency content of the original signal (w.r.t. the orignal sample rate when up-sampling, or the new sample rate when down-sampling) is preserved during conversion. The term `pass-band' is used to refer to all frequencies up to the band-width point (e.g. for 44.1kHz sampling rate, and a resampling band-width of 95%, the pass-band represents frequencies from 0Hz (D.C.) to circa 21kHz). Increasing the resampler's band-width results in a slower conversion and can increase transient echo artefacts (and vice versa).
The -s `steep filter' option (99.0% bandwidth) changes resampling band-width from the default 95% (based on the 3dB point), to 99%. Band-width values greater than 99% are not recommended for normal use as they can cause excessive transient echo.
(Above Bandwidth) Aliasing
Aliasing above the pass-band is allowed. For example, with 44.1kHz sampling rate, and a resampling band-width of 95%, this means that frequency content above 21kHz can be distorted; however, since this is above the pass-band (i.e. above the highest frequency of interest/audibility), this may not be a problem. The benefits of allowing aliasing are reduced processing time, and reduced (by almost half) transient echo artefacts.

- der Sox Resampler ist eigentlich in cPlay eingebaut um genau um die hörbaren Effekte von verschiedenen Einstellungen selber zu probieren. Hinzu kommt das SoX den Prozessor deutlich weniger belastet als SRC. Ob nun der Geräuschabstand -145dB oder gar -170dB ist wohl eher ein wenig theoretisch.
Wenn aber der cPlay´er schon läuft, ist das umschalten zwischen SoX, SRC oder kein Upsampling doch deutlich zu hören. Der SoX ist im Vergleich zum SRC immer analytischer, sportlicher und knackiger; wobei der Charakter von SRC sich immer flüssiger, musikalischer und natürlicher anhört.

Es ist klar dass du als bedachter Tontechniker jede Manipulation eines Signals ganz gezielt vermeidest, aber für die heimische Wiedergabe von den schon relativ "reduzierten" 16/44.1 Daten ist es doch einen Versuch wert, ein SRC Upsampling zu testen.
Es gibt viele Hörberichte die technische Messungen nur schwer belegen können.
Keiner würde einen Tonabnehmer oder einen Lautsprecher nur über die technischen Daten bewerten, oder ?

Gruß Leif

[play-mate]

Hallo Ulli,

Es ist mir schon klar wo deine Bedenken bezüglich "Originalität" liegen, aber ich vertrete (auch) die Meinung dass die A/D Wandlung schon von vornherein nicht dem Original gerecht wird.
Ich kann dir jedoch versichern dass meine eigenen Maßstäbe sehr puritanisch liegen und in Sachen Audioqualität wirklich sehr wenig Platz für "Schönheitskuren" zulassen.
Ich muss nochmals betonen dass die einfach erhöhte Samplerate & das Einfügen von Nullen nicht wirklich eine großartige Art des Upsamplings ist, und dafür gibt es auch belegte Gründe.
Ich habe auch mal den DCX2496 gehabt, und weiß auch dass man diesen nicht viel friemeln muss um ihn zu verbessern.....

Wenn ich die Audioqualität von z.B. einer Acousense Aufnahme in CD- (44.1kHz) mit einer SRC-Upgesampelte (44.1>192kHz) vergleiche, erreicht das Upsamplingverfahren beinahe die Qualität, der 192kHz FLAC Datei. Das ist ein sehr, sehr überzeugender Vergleich !
Klar wird die upgesampelte Version nicht die Dynamik oder die ganz selbe Feinzeichnung haben wie die FLAC, aber sie ist um Längen besser als "das Original". Wer das nicht hören kann, sollte sich nicht mit High-End beschäftigen.
Es geht bei diesem hochwertigem Upsampling gar nicht um die Philosophische Frage ob es originaler am unzureichenden CD Format liegt, es gehr darum das es unglaublich überzeugend funktioniert !

Ich kann dir nicht die Formulierung von "besser" oder "gefallen" ändern, denn obwohl man den cPlay´er mal Probehören kann, bin ich auch der Auffassung dass ein Computer oft viel zu viel Jittert um cPlay wirklich in Topform zu hören....aber die Disskusion hatten wir ja auch schon....


Viele Grüße Leif

[Rossi]

Es geht bei diesem hochwertigem Upsampling gar nicht um die Philosophische Frage ob es originaler am unzureichenden CD Format liegt, es gehr darum das es unglaublich überzeugend funktioniert !

Wie sagte Helmut Kohl so schön? Entscheidend ist, was hinten raukommt.

Und wenn bei cmp/cPlay das was hinten rauskommt besser klingt, dann wäre mir das völlig ausreichend.

Gruß,
Stefan

[play-mate]

Geehrtes Forum,

Wer dieses Upsamplingverfahren weiterhin spannend findet, sollte sich (nochmals) den Ralf Koschnicke Artikel über Grenzen der Digital Technik durchlesen.
http://www.aktives-hoeren.de/downloads/ ... 300708.pdf

Speziell auffällig sind die Frequenzdiagramme am Ende des Artikels (S.20), denn das dritte Diagramm zeigt ein herkömmliches 44.1>192 kHz Upsampling wo die Samplingrate nur erhöht wird, aber keine neuen Interpolationspunkte eingesetzt werden.
Aber genau das sagt das Nyquist-Shannon Abtasttheorem nämlich, dass :

"Das Abtasttheorem besagt, dass ein kontinuierliches, bandbegrenztes Signal, mit einer Minimalfrequenz von 0 Hz und einer Maximalfrequenz fmax, mit einer Frequenz größer als 2 · fmax gleichförmig abgetastet werden muss, damit man aus dem so erhaltenen zeitdiskreten (digitalen) Signal das Ursprungssignal ohne Informationsverlust, aber mit unendlich großem Aufwand, exakt rekonstruieren, - oder mit endlichem Aufwand, - beliebig genau approximieren kann."

-hinzu kommt Ralf Koschnicke Formulierung :

Ausgehend von der Betrachtung typischer Musiksignale können wir davon ausgehen, dass unser Nutzsignal Frequenzen im Bereich bis etwa 40kHz enthält. Darüber hinaus finden wir Anteile nur in Ausnahmefällen. Die Übertragung höherer Frequenzen ist somit vernachlässigbar, denn egal wie fein die Strukturen im Nutzsignal tatsächlich sind, einen gewissen Wert – repräsentiert in der spektralen Zusammensetzung – können sie nicht unterschreiten, sonst hätten wir höhere Signalanteile im Frequenzdiagramm.
Schwieriger ist die Abschätzung des Einflusses der Anti-Aliasing-Filter, die wie gesagt künstliche Vorschwinger generieren. Wie wir aber gesehen haben, ist der Fortschritt von 44,1kHz/48kHz zu 96kHz immens, verglichen mit 96kHz zu 192kHz. Dies lässt sich akustisch auch genau so verifizieren.

Mit dem ungeheueren mathematischen Aufwand und der Präzision mit der Secret Rabbit Code die Interpolationspunkte erstellt, kämen die hohen Frequenzstrukturen wieder zurück in das Diagramm. Eben nicht weil diese vom Anti-aliasing Filter nur so hart weggeschnitten werden, aber weil sie neu berechnet werden.
Jetzt kann man darüber Diskutieren wie genau solche Strukturen/Oberwellen aus dem Nichts wieder "erraten" werden können, aber allein der Umstand dass Oberwellen überhaupt wieder hervortreten und dass der so wichtige Zeitfaktor weniger verschmiert wird, berechtigt es aber einen praxisbezogenen Kompromiss.
Sicherlich ist abzuwägen ob man 90% richtige Oberwellen haben will oder lieber gar keine Oberwellen….

Letztlich muss nochmals betont werden dass SRC nicht einfach x-beliebig Töne oder Oberwellen hinzufügt, aber dass die originalen zeitdiskreten Werte der 44.1 Datei absolut befolgt werden.
Der Clou ist aber mit welcher Genauigkeit die algothitmische Berechnung der neuen Punkte entstehen.
(Vielleicht kann Uli Brüggemann uns das mal technisch darstellen ?)

Viele Grüße Leif

[uli.brueggemann]

Mit dem ungeheueren mathematischen Aufwand und der Präzision mit der Secret Rabbit Code die Interpolationspunkte erstellt, kämen die hohen Frequenzstrukturen wieder zurück in das Diagramm. Eben nicht weil diese vom Anti-aliasing Filter nur so hart weggeschnitten werden, aber weil sie neu berechnet werden.
Jetzt kann man darüber Diskutieren wie genau solche Strukturen/Oberwellen aus dem Nichts wieder "erraten" werden können, aber allein der Umstand dass Oberwellen überhaupt wieder hervortreten und dass der so wichtige Zeitfaktor weniger verschmiert wird, berechtigt es aber einen praxisbezogenen Kompromiss.
Sicherlich ist abzuwägen ob man 90% richtige Oberwellen haben will oder lieber gar keine Oberwellen….

Letztlich muss nochmals betont werden dass SRC nicht einfach x-beliebig Töne oder Oberwellen hinzufügt, aber dass die originalen zeitdiskreten Werte der 44.1 Datei absolut befolgt werden.
Der Clou ist aber mit welcher Genauigkeit die algothitmische Berechnung der neuen Punkte entstehen.
(Vielleicht kann Uli Brüggemann uns das mal technisch darstellen ?)

Leif,

bevor ich etwas klarstellen kann, muss ich Dich richtig verstehen
Wenn eine CD vorliegt, die ja oberhalb von 22050 Hz alles abgeschnitten hat, und ich davon eine wav-Datei rippe, also 16/44 PCM und die über cPlay mit SRC abspiele, Ausgabe mit z.B. 192 kHz und die Ausgabe digital aufzeichne:
erhalte ich Deiner Meinung nach ein Bild wir in Ralfs Papier Seite 20 oben oder unten ? Was macht das SRC genau an dieser Stelle?

Grüsse, Uli

[play-mate]

Hallo Uli,

Bei dem, von dir beschriebenen Vorgang, erhällst du eine approximierte Variante der ersten Abbildung, denn cPlay rechnet die gesammte Datei hoch sodass sie einer echten 16Bit/192 kHz Datei nahekommt.
Falls wir Ralf Koschnicke dazu bringen können es auch mit dem abgebildeten Datei-Stück zu tun, hätten wir eine recht gute Grundlage....


Leif

[uli.brueggemann]

Hallo Uli,

Bei dem, von dir beschriebenen Vorgang, erhällst du eine approximierte Variante der ersten Abbildung, denn cPlay rechnet die gesammte Datei hoch sodass sie einer echten 16Bit/192 kHz Datei nahekommt.
Falls wir Ralf Koschnicke dazu bringen können es auch mit dem abgebildeten Datei-Stück zu tun, hätten wir eine recht gute Grundlage....

Leif

Hallo Leif,

leider kommt mir die Aufgabe zu Dir einen dicken Zahn zu ziehen. Du bist gewaltig auf dem Holzweg !!!
Ich habe mir aufgrund Deiner Antwort die Mühe gemacht, eine 192 kHz-Aufnahme zu erstellen. Dabei habe ich eine 44/16-Wav (klassisch, Händel-Konzert) per cPlay abgespielt. Hierbei die Ausgabe auf 192 kHz mit SRC 145 dB vorgegeben. Ausgabe auf meiner Fireface per spdif. Und direkt wieder vom spdif-Ausgang mit 192 kHz aufgenommen.
Das Ergebnis siehst Du im Bild:



Ganz klar ist da nix oberhalb von 22 kHz anso fs/2 zu finden. Keine Oberwellen.
Es gibt auch KEIN Programm welches so etwas restaurieren könnte, was ja gar nicht mehr vorhanden ist.

Falls Du es nicht glaubst, kannst Du den Versuch auch gerne selbst machen.

Fazit: SRC ist nichts anderes als ein Samplerateconverter mit sinc-Filter. Die Qualität unterscheidet sich hier durch Filterlänge und Datenqualität. Mehr nicht. Es gibt keine Geheimnisse hier, kein secret (Erik hat nur spasseshalber SRC als secret rabbit code benannt). Man kann beliebig genaue sinc-Filter stricken, wenn man genügend Länge zur Verfügung hat.

Ich hab schon länger vermutet, dass Deine eingeschlagene Richtung nicht ganz korrekt ist. Hier ist es eindeutig.

Ansonsten nichts fur ungut

Grüsse, Uli

[Schorsch]

Mit dem ungeheueren mathematischen Aufwand und der Präzision mit der Secret Rabbit Code die Interpolationspunkte erstellt, kämen die hohen Frequenzstrukturen wieder zurück in das Diagramm. Eben nicht weil diese vom Anti-aliasing Filter nur so hart weggeschnitten werden, aber weil sie neu berechnet werden.

Hallo Leif,

es gibt durchaus Verfahren, welche versuchen, mittels Filterung abgeschnittene Oberschwingungen wieder hinzuzufügen. Das macht man vor allem bei Sprachsignalen, die mit einer niedrigen Abtastfreqeunz (z.B. 8 kHz) abgetastet wurden. Beträgt z.B. die Sprachgrundfrequenz im betrachteten Signalabschnitt 200 Hz, dann kann man das Signal nach einem Upsampling oberhalb der Nyquistfrequenz (hier 4 kHz) mit Vielfachen von 200 Hz (also 4200 Hz, 4400 Hz etc., in der Amplitude exponentiell abfallend) anreichern. Ob man dabei die Spektralanteile des Originalsignals getroffen hat, kann man nicht sagen, aber die Sprache hört sich dadurch etwas natürlicher an, weil einfach mehr Höhen drin sind. Sie hört sich also besser an, aber ist nicht zwingend näher am Original.

Nun 3 Dinge:

• So etwas funktioniert nach meiner Kenntnis bei Musik aber nur sehr, sehr rudimentär. Man könnte bei Soloinstrumentalmusik Erfolge erzielen, aber Orchestermusik z.B. wäre da viel zu komplex in seiner Struktur.
• Auf der SRC Seite konnte ich keinen Hinweis auf ein solches Verfahren finden. Hast Du eine Quelle, dann her damit!
• So etwas wäre durch Interpolation nicht lösbar, dazu müsste eine Spektralanalyse durchgeführt werden, aufgrund derer dann die Oberschwingungen geschätzt werden.

Es gibt keine Geheimnisse hier, kein secret ...

Ich denke es wäre hier naheliegend, der Expertise von Uli zu vertrauen.

Viele Grüße
Georg

[Fujak]

Hallo Uli,

ich beobachte diesen Thread seit geraumer Zeit an der Seitenlinie und finde Dein Vorgehen immer wieder sehr konstruktiv, nämlich dass Du den vielen theoretischen Ausführungen konkrete Experimente zur Seite stellst, die auf einer fundierten Ebene das eine bestätigen und das andere widerlegen. So behält dieses komplexe Thema immer genügend Bodenhaftung.

Grüße
Fujak

[play-mate]

Hallo Uli,

Vielen Dank für deine Mühe....
-das Resultat überrascht mich und muss einstecken dass das Upsampling nichts über 20kHz hervorbringt. Da schneidet das Anti-Aliasing Filter beim Rippen gnadenlos alles auf der CD Weg.
Im Nachhinein ist das auch klar, dass wo Nichts ist, auch nichts Upgesampelt werden kann.
Dennoch ist in den Ergebnissen jedoch eine deutliche exponentielle Energiedichte in der unteren Grafik zu sehen, die in meiner Interpretation eine erhöhte Artikulierung des Signals mit zunehmender Frequenz nahelegt.
Ich gehe davon aus dass die untere Grafik das Upgesampelte Resultat ist.

Es geschiet jedenfalls Etwas, und weitere Interpretationen / Analysen des Bildlichen würde mich sehr interessieren.

Demütige Grüße Leif