Это седьмая статья цикла о том, почему акустика, которая хорошо измеряется, может плохо звучать. В этой статье я хочу рассмотреть источник, а точнее цифро-аналоговый преобразователь (ЦАП), который преобразует числа записи в аналоговый сигнал.
Сначала небольшое оглавление предыдущих статей чтобы напомнить о том, что мы уже прошли:
В первой статье выяснилось то, что АЧХ суммирует всю поступившую энергию независимо от времени её прихода.
Во второй — что помещение добавляет к звуку большое количество отраженных копий и резонансов, с которыми надо научиться дружить.
В третьей — что качество воспроизведения низких частот сухие цифры характеристик не отражают.
Четвёртая спустилась глубже — до самого динамика: идеального решения не существует, а ошибки проектирования после покупки уже не исправить.
Пятая (ч.1 и ч.2) была посвящена искажениям: что это такое, почему порядок гармоники важнее её абсолютной величины, и почему слух отзывается на эти явления совсем не так, как измерительный прибор.
Шестая (ч.1 и ч.2) показала, что в условиях стандартных тестов компетентные усилители действительно сложно отличить, а различия скрыты в том, чего спецификация не описывает.
Пока в моей системе стоял ресивер Denon, он работал сразу в двух ролях: его встроенный ЦАП был источником, а сам ресивер служил предусилителем для усилителя мощности Parasound A23, который к тому времени заменил встроенный усилитель самого ресивера. Когда ресивер из цепи ушёл, роль источника перешла к FiiO E7 — небольшому ЦАП с хорошими измерениями, который остался у меня со времён увлечения наушниками. Раздражающая резкость верхов пропала вместе со стеклянным оттенком, и тарелки снова зазвучали естественно. Зато сам звук стал слишком чистым: плоским, местами монотонным и иногда излишне ярким. А уловимый искусственный оттенок на голосах, который был и раньше, в упрощённом тракте стал только заметнее.
Потом я перешёл на ламповое усиление, причём без всякого фанатизма: мне просто хотелось определённого окраса звука. Отчасти это помогло, ведь звук стал объёмнее и осязаемее и появилась та самая «голографичность», которую я искал. Но искусственность на голосах всё же осталась, а с ней и какая-то несогласованность выше по спектру. Поэтому следующим под подозрение попал источник.
При этом по цифрам подозревать FiiO, к сожалению, не за что, ведь все опубликованные измерения у него хорошие. Его ещё в 2011 году проверял автор блога NwAvGuy и написал, что для портативного устройства этой ценовой категории почти ничего не стал бы в нём менять.
На первый взгляд подозревать ЦАП с хорошими измерениями странно, ведь биты есть биты и любой исправный ЦАП получает одни и те же числа. Но фраза «биты есть биты» верна только на участке между двумя преобразованиями. Хранение, копирование и передача чисел действительно точны и повторяемы: файл даёт одни и те же числа на любом компьютере. Преобразователь в студии один раз перевёл сигнал в числа и отфильтровал его, поэтому всё, что он при этом сделал, уже есть в файле и одинаково для каждого слушателя. А ЦАП дома строит из этих чисел аналоговый сигнал заново при каждом запуске воспроизведения. Теорема Котельникова (также известная как теорема Найквиста — Шеннона) точно определяет, каким должен быть этот сигнал, но реальные ЦАП только приближаются к этому сигналу, и приближаются они по-разному: у них разные фильтры (у некоторых фильтра почти нет), ограниченный запас по уровню и свои аналоговые цепи.
Если каждый ЦАП восстанавливает сигнал по-своему, то вопрос здесь тот же, что и в статье про усилители: при каких условиях ЦАП неотличимы и чего не видит стандартный способ их измерять. Для ответа я сначала разберу, как ЦАП преобразует числа в аналоговый сигнал и какие есть альтернативы обычному подходу. А в конце расскажу, что я сам поменял в своей системе и что это исправило, а что нет.
Что делает ЦАП
Цифровая запись с частотой дискретизации 44,1 кГц хранит для каждого канала 44 100 чисел в секунду. Каждое такое число — это значение сигнала в конкретный момент времени, и оно ничего не говорит о том, что происходило между двумя соседними моментами. Такое число называют семплом (sample), и из ряда семплов ЦАП должен построить аналоговый сигнал.
Ряд семплов в целом при этом ничего не теряет: по теореме Котельникова он полностью определяет сигнал (если в нём нет составляющих выше половины частоты дискретизации). Но сложность начинается тогда, когда нужно заполнить промежутки между семплами. Самый простой ЦАП держит каждое значение до прихода следующего, поэтому на выходе у него получается ступенчатый сигнал из ровных участков и вертикальных скачков между ними.
Чем плох такой сигнал, проще понять, если вспомнить, что любую резкую форму можно сложить из синусоид разных частот. Прямоугольный перепад, например, складывается сразу из всех частот, от самых низких до лежащих далеко выше слышимой полосы, и чем резче переход, тем больше в нём высоких составляющих. На ровных участках подъёмы и спады этих синусоид взаимно гасятся, а на самом перепаде складываются.
Прямоугольный сигнал можно разложить на синусоиды, и на его ровных участках их подъёмы и спады гасят друг друга. Если оставить только низкочастотные составляющие, они уже не гасят друг друга полностью, и ровные участки начинают колебаться.
У ступенчатого сигнала такие же резкие скачки, только поменьше — по одному на каждый семпл. Значит, и в нём есть высокочастотные синусоиды, которых в музыке никогда не было. Проще всего увидеть их на одном тоне: если ЦАП воспроизводит тон 20 кГц при частоте дискретизации 44,1 кГц, его ступеньки складываются из самого тона (он становится немного слабее) и второй синусоиды на 24,1 кГц. Она лежит на те же 20 кГц ниже частоты дискретизации, поэтому чем выше тон, тем ниже она оказывается. Из-за такого отражения эти синусоиды называют зеркальными копиями спектра (images). Такие же копии есть и выше, возле каждой частоты, кратной 44,1 кГц, но они уже слабее. Убирать все эти копии и должен восстанавливающий фильтр, без которого не обходится почти ни один ЦАП.
Тон 20 кГц, его семплы при 44,1 кГц и ступенчатый сигнал самого простого ЦАП. Внизу показано, из чего в основном складываются ступеньки: из самого тона, который стал немного слабее, и из его зеркальной копии на 24,1 кГц (более высокие копии для читаемости не показаны).
Но бесплатно эта работа как обычно не обходится, и увидеть это проще всего на том же прямоугольном перепаде. Его ровные участки остаются ровными, только пока все синусоиды на месте и гасят друг друга. Стоит фильтру убрать верхние из них, как оставшиеся уже не гасятся полностью, и на ровных участках, где должна быть тишина, появляется звук. Сигнал там колеблется с частотой среза фильтра, то есть у самого края полосы (между 20 и 22,05 кГц). Такие колебания называют звоном (ringing), и как раз их видно в нижней половине рисунка с прямоугольным сигналом. Энергии фильтр при этом, кстати, не добавляет, он лишь переносит часть звука во времени. Достаточно контринтуитивный нюанс, на осознание которого у меня ушло немало сил — как из ничего можно получить что-то вычитанием. Получается, что при восстановлении приходится выбирать между зеркальными копиями и звоном: без фильтра остаются острые углы вместе с копиями, а идеальный фильтр убирает копии целиком, но вместо углов даёт звон. Любой реальный фильтр находится между этими крайностями и звенит тем сильнее, чем ближе к краю полосы он убирает копии.
А вот на правильно сделанной записи фильтр не добавляет видимого звона, что в 2018 году проверил Archimago. Он взял начало выстрела пушки с компакт-диска Telarc и запись малого барабана, восстановил их крутым фильтром и не увидел лишнего звона ни до удара, ни после. Для звона как раз и нужны составляющие у самого края полосы, а в хорошо сделанной записи их там уже нет, ведь их убрал студийный фильтр. Правда, звенит и сам студийный фильтр, о чём в 2004 году писал Питер Крейвен (Peter Craven), один из разработчиков микрофона Soundfield и формата сжатия без потерь MLP. Этот звон уже содержится в семплах, и обычный фильтр при воспроизведении не может его ни усилить, ни убрать.
Где же тогда этот звон можно увидеть на музыке, которую вы слушаете? На записях с громким мастерингом, где вершины волны срезаны в цифровой области до ровной линии (это называют клиппингом). Такой срез создаёт составляющие до самого края полосы, поэтому крутой фильтр рисует небольшую рябь на ровной линии семплов вдоль срезанной вершины. Archimago показывает это на поп-треке P!nk и прочих релизах пика эпохи «Войны громкостей» (Loudness war). Значит, когда фильтр звенит на такой записи, причина в клиппинге при мастеринге и фильтр только делает этот срез видимым. Слышна ли рябь такого размера — отдельный вопрос, к которому я ещё вернусь.
Передискретизация и фильтры: два независимых выбора и их цена
Но фильтр в ЦАП выбирают один раз для любых записей, в том числе со срезанными вершинами. От этого выбора зависит не только звон, но и уровень оставшихся копий и задержка верхних частот, и вокруг него идёт большая часть споров о звуке ЦАП. Производителю здесь нужно решить две вещи: убирать копии в цифровой области или в аналоговой и каким фильтром это делать. Начать проще всего с передискретизации, ведь появилась она именно из-за сложности аналогового фильтра.
Убрать зеркальные копии сразу над 20 кГц одним аналоговым восстанавливающим фильтром очень трудно, ведь между 20 и 22,05 кГц (половиной частоты дискретизации) он должен перейти от полного пропускания к почти полному подавлению. Обычно эту трудность обходят и переносят самую сложную часть работы в цифровую область. ЦАП сначала повышает частоту дискретизации в несколько раз: между старыми семплами он вставляет новые, значения которых рассчитывает цифровой фильтр. Такой приём называют передискретизацией (oversampling), и после него копии уходят так далеко вверх, что их легко убирает простой аналоговый фильтр. Philips объяснила этот выбор ещё в 1982 году, когда описывала ЦАП своего первого CD-проигрывателя в журнале Philips Technical Review. Чисто аналоговый фильтр пришлось бы делать по очень жёсткой спецификации, из большого числа элементов, да еще и с подстройкой каждого экземпляра. Вдобавок фильтр должен был одинаково задерживать все частоты в полосе пропускания, «чтобы не искажалась форма импульсных звуков». Оба требования Philips выполнила без сложного аналогового фильтра: выбрала четырёхкратную передискретизацию и поставила на выходе сравнительно простой аналоговый фильтр.
В данном случае передискретизация шла вместе с простым аналоговым фильтром, но это два отдельных решения. Сигнал можно передискретизировать или нет, а после ЦАП поставить крутой аналоговый фильтр, мягкий или обойтись почти без фильтра, и на практике встречаются любые сочетания. Спорят же обычно о трёх вариантах: в двух копии убирает цифровой фильтр передискретизации (линейно-фазовый или минимально-фазовый), а у ЦАП без передискретизации (NOS, non-oversampling) цифрового фильтра нет, поэтому копии остаются в сигнале, пока их не ослабит аналоговый фильтр (если он вообще есть).
Первый из этих цифровых фильтров, крутой линейно-фазовый (linear-phase), стоит почти везде, от большинства микросхем ЦАП (скорее всего, и в вашем) до программ пересчёта частоты дискретизации. Он задерживает все частоты на одно и то же время и поэтому сохраняет форму всего, что лежит в его полосе пропускания. АЧХ у такого фильтра ровная почти до самого края полосы, а хорошие реализации подавляют копии больше чем на 100 дБ. Но раз все частоты задерживаются одинаково, отклик такого фильтра симметричен во времени, и его звон делится поровну между временем после скачка (запаздывающий звон, post-ringing) и временем до скачка (опережающий звон, pre-ringing). Именно опережающий звон чаще всего и ставят в вину такому фильтру: у такого звона нет естественного аналога, ведь в природе следствие не может наступить раньше причины. Воздух, микрофон и ухо тоже ограничивают полосу, но каждый из них реагирует только после того, как до него дошёл звук. По моим расчётам, на самом жёстком тестовом сигнале — мгновенном скачке семплов от нуля до максимума — опережающий звон достигает примерно 14% от высоты скачка.
Защитники линейной фазы отвечают, что этот звон приходится на частоту среза, у самого края полосы. Например, в документации популярной программы пересчёта частоты дискретизации SoX (такой фильтр стоит в ней по умолчанию) сказано, что при частоте дискретизации 44,1 кГц и выше такие артефакты находятся за пределами слышимого диапазона. Но там же сразу сказано, что слышимость опережающего звона гораздо выше запаздывающего. Тогда остаётся надеяться на маскировку, ведь слух плохо замечает тихий звук прямо перед более громким. Заметная маскировка действительно длится 1–2 мс (Пейнтер и Спаниас (Painter, Spanias)), и звон типичного фильтра в неё укладывается. Но более крутой фильтр звенит дольше (по моим расчётам, почти идеальный — около 2,4 мс), и начало такого звона уже плохо маскируется. Сила маскировки к тому же во многом зависит от подготовки слушателя, поэтому у натренированных слушателей её часто почти нет (Мур (Moore), «An Introduction to the Psychology of Hearing»).
Второй, минимально-фазовый фильтр (minimum-phase), при той же АЧХ звенит только после скачка. Зато там звон примерно вдвое сильнее и длиннее: по моим расчётам, на том же скачке выброс достигает 26%. Расплачиваться приходится и задержкой, ведь верхние частоты выходят из такого фильтра позже остальных. Чем ближе к частоте среза, тем больше отставание, и тон 20 кГц выходит примерно на 0,4 мс позже тона 1 кГц.
Третий вариант, ЦАП без передискретизации, в цифровой области ничего не фильтрует. Поэтому у такого ЦАП всё зависит от того, какой фильтр стоит после него. В простейшем случае после него почти ничего нет, и тогда на частоте дискретизации CD страдают верхние частоты, причём сразу по двум причинам. Во-первых, удержание каждого значения само по себе их ослабляет: при 44,1 кГц спад на 20 кГц составляет около 3,2 дБ. Во-вторых, ближайшие зеркальные копии остаются в сигнале почти целиком, так что копия тона 20 кГц по уровню почти не уступает самому тону.
Поэтому без передискретизации ещё не значит без фильтра, и обе проблемы может решить крутой аналоговый фильтр, какой стоял в одном из первых CD-проигрывателей, Sony CDP-101. Если небольшой подъём перед спадом компенсирует завал верхних частот (такой подъём бывает у фильтров Чебышёва), получаются и ровная АЧХ до 20 кГц, и подавленные копии. Но такой фильтр звенит: в декабре 1982 года журнал Stereo Review воспроизвёл на CDP-101 меандр частотой 1 кГц и увидел звон около 20 кГц. При этом собственный фильтр проигрывателя звенит только после скачка, ведь обычный аналоговый фильтр по своей природе минимально-фазовый, как и второй из цифровых фильтров. Поэтому и верхние частоты выходят из него позже остальных, причём тем позже, чем круче у него спад. Подъём перед спадом только увеличивает и эту задержку, и звон после скачка. А про сложность реализации подобных фильтров мы уже говорили.
Другой путь — сохранить форму сигнала во времени, и для этого ставят мягкий аналоговый фильтр Бесселя. Как и крутой фильтр, он аналоговый и поэтому тоже минимально-фазовый, но рассчитан на одинаковую задержку всех частот и ради неё жертвует крутизной спада. При корректной реализации у такого фильтра задержка до 20 кГц практически одинакова, поэтому верхние частоты не отстают от остальных. Да и скачок он передаёт почти без выброса: до скачка аналоговая схема звенеть не может, а после него звона почти нет. Такой же выбор в пользу одинаковой задержки вместо самой ровной АЧХ я уже описывал в третьей статье, когда речь шла о закрытом корпусе.
Отклик трёх фильтров на одиночный семпл. Крутой линейно-фазовый фильтр звенит и до семпла, и после него, а минимально-фазовый с той же АЧХ — только после, но сильнее и с задержкой. У ЦАП без передискретизации с фильтром Бесселя звона почти нет.
Платить за это, правда, приходится тем, что обе прежние проблемы остаются. Спад от удержания сохраняется, да и ближайшие копии мягкий фильтр почти не трогает, поэтому по моим расчётам копия тона 20 кГц всего на 2,1 дБ тише самого тона. И тут возникает закономерный вопрос — а зачем тогда вообще думать о таком фильтре? К счастью, в настоящей музыке на 15–20 кГц энергии гораздо меньше, так что на практике всё не так плохо. На сигнале со спектром, похожим на музыкальный, все копии такого ЦАП вместе оказываются примерно на 18–27 дБ тише самого сигнала. На рисунке ниже видно, как тон 20 кГц выглядит на выходе такого ЦАП при 44,1 кГц, а рядом для сравнения тот же ЦАП при 192 кГц, где копии уходят далеко вверх (к высоким частотам дискретизации я ещё вернусь).
Тон 20 кГц на выходе ЦАП без передискретизации с фильтром Бесселя при частоте дискретизации 44,1 кГц (слева) и 192 кГц (справа). При 44,1 кГц фильтр почти не трогает копию на 24,1 кГц, поэтому выходной сигнал остаётся неровным. При 192 кГц копии уходят далеко вверх и фильтр их убирает.
В меню современных ЦАП с выбором фильтров или в статьях о звуке вам мог встретиться ещё один тип — аподизирующий фильтр (apodizing filter). Все прежние фильтры лишь определяют, куда придётся их собственный звон, а аподизирующий убирает звон, который уже есть в записи. Это тот самый звон крутых студийных фильтров, о котором писал Крейвен, и в 2004 году он же предложил такой фильтр. Звон крутого фильтра всегда приходится на частоту его среза, а аподизирующий фильтр начинает плавный спад раньше этой частоты и к ней уже полностью подавляет сигнал. Вместе с этой полосой он убирает и звон всех крутых фильтров, через которые запись прошла до него, а его собственный спад пологий, поэтому сам он звенит слабо и коротко. Но для этого все прежние фильтры должны срезать сигнал заметно выше 20 кГц, иначе плавный спад заденет слышимые частоты. Поэтому Крейвен рассчитывал свои фильтры на частоты дискретизации 96 и 192 кГц: следовательно чтобы он работал корректно вся цепочка записи должна работать на такой частоте. Ставить такой фильтр он предлагал в любом месте цепочки, но лучше всего при мастеринге.
В бытовую технику он попал уже в упрощённом виде, ведь на CD места выше 20 кГц нет, а без него настоящий аподизирующий фильтр не сделать. Это честно признавала и британская Meridian, когда в 2008 году поставила фильтр, лишь «похожий на аподизирующий», в свой проигрыватель 808.2. Его спад заканчивается на 22,05 кГц, так что на 20 кГц он почти ничего не теряет. Зато спад у него уже не пологий: опережающего звона нет, но после скачка фильтр звенит сильнее, чем ожидал измерявший его для Stereophile Джон Аткинсон (John Atkinson). Встречается он и в массовой технике: у микросхемы ESS ES9038Q2M среди готовых фильтров есть «Apodizing Fast Roll-Off», а стример WiiM Ultra довольно смело описывает его как фильтр, который убирает артефакты предыдущих этапов записи. Так что на CD такой фильтр уберёт опережающий звон самой записи, если этот звон приходится на частоты между 20 и 22 кГц, но взамен будет звенеть после скачка.
К фильтру как к отдельному инженерному решению относятся и другие производители дорогих ЦАП. Например, Schiit разработала собственный очень длинный цифровой фильтр и в анонсе описывает его как оптимизированный и по времени, и по частоте. Однако измерения Stereophile (того же Аткинсона) показывают симметричный во времени отклик с очень крутым спадом, то есть это всё же линейно-фазовый фильтр со своим опережающим звоном.
Наверное, главный вопрос здесь в том, слышно ли всё это вообще. Три инженера Meridian (Джексон (Jackson), Кэпп (Capp) и Стюарт (Stuart)) в 2014 году сообщили о двойном слепом тесте, в котором удалось различить типичные фильтры. В нем они сравнивали запись высокого разрешения с ней же после типичного фильтра. В 2016 году метаанализ Рейсса (Reiss) по 18 исследованиям нашёл небольшую, но значимую способность отличать звук высокого разрешения от CD (около 60% верных ответов у тренированных слушателей). Почему слушатели отличали одно от другого, неизвестно, а фильтры в данном случае отдельно не изучались. Я считаю, что на текущий момент вопрос о слышимости фильтров пока открыт, и для дальнейшего рассуждения отбрасывать их как незначительный фактор не стоит.
Межсемпловые пики: что не видит тестовый синус
Есть и проблема, которая от слышимости фильтров не зависит: в некоторых условиях цифровой фильтр передискретизации отказывает, а стандартное измерение ЦАП таких условий не создаёт. Обычно ЦАП измеряют на стационарном синусе (как правило, частотой 1 кГц) на максимальном уровне или чуть ниже. Результатом становится всего одно число, коэффициент гармонических искажений с шумом (THD+N). По такому числу во многом строит свои рейтинги ЦАП популярный сайт Audio Science Review, и его же указывают в документации на микросхемы. Со своей задачей этот тест справляется хорошо, но проверяет он только стационарный сигнал внутри полосы и ниже максимального уровня. Ещё в статье об усилителях я писал, что одна точка на графике «говорит правду исключительно про неё саму».
Самое большое число, которое может хранить семпл, называют полной шкалой (0 dBFS). Но семпл задаёт значение лишь в конкретный момент, а аналоговый сигнал между двумя такими моментами может подниматься выше семплов. Классический худший случай для стационарного тона — синус на четверти частоты дискретизации (11,025 кГц при 44,1 кГц), семплы которого попадают ровно на середину каждого склона. Каждый такой семпл стоит точно на полной шкале, а сигнал между ними поднимается на 3,01 дБ выше. Такой пик называют межсемпловым (intersample over), и измерители показывают его величину как true peak.
Синус на четверти частоты дискретизации (11,025 кГц при 44,1 кГц). Все семплы стоят точно на полной шкале, а аналоговый сигнал между ними поднимается до +3,01 dBFS.
Benchmark (производитель студийных ЦАП и усилителей) как-то подсчитал межсемпловые пики на настоящих компакт-дисках. В треке Steely Dan «Gaslighting Abbie» с альбома «Two Against Nature» за пять с небольшим минут набралось больше тысячи таких пиков, и самый высокий из них достигает +0,8 dBFS, хотя настоящего клиппинга в самом треке нет. Такие пики встречаются во многих жанрах и «не обязательно вызваны чрезмерно громкими записями». В той же статье приводятся и данные по фонотекам, которые проверили несколько человек: по ним у большинства треков на CD true peak около +1 dBFS, у некоторых он доходит до +2 dBFS и у небольшой части приближается к +3 dBFS. А высокая частота дискретизации делает такие пики гораздо реже, но не убирает их совсем: «Get Lucky» Daft Punk в версии 88,2 кГц, жёстко ограниченной по уровню при мастеринге, доходит почти до +0,5 dBFS.
В самой записи такой пик никому не мешает, ведь существует он только между семплами. Но в ЦАП с передискретизацией, как мы уже знаем, между семплами рассчитываются новые значения при помощи интерполятора. Каждое новое значение он получает как взвешенную сумму многих соседних семплов. Обычно интерполятор считает в арифметике с фиксированной точкой, и его результат должен уместиться в тот же диапазон, что и исходные семплы. А там, где настоящий сигнал поднимается выше полной шкалы, такая сумма в этот диапазон просто не помещается. По описанию Benchmark, перегруженный интерполятор «не просто срезает вершины сигнала»: его фильтр частично или полностью отказывает и копии уже почти не подавляет. Вдобавок по всему спектру появляются суммарные и разностные продукты, то есть негармонические искажения, совсем не похожие на аналоговый клиппинг.
Benchmark показал это и в цифрах: компания подала тон 11,025 кГц с межсемпловым пиком +3,01 dBFS на вход цифрового процессора miniDSP SHD, который пересчитывает частоту дискретизации в фиксированной точке. В обычном режиме его искажения были ниже −130 дБ, а при перегрузке выросли до −17,5 дБ. На этом тоне продукты перегрузки, по словам компании, были хорошо слышны. Да и дело здесь не в одном устройстве: проблема нашлась у всех микросхем ЦАП и пересчёта частоты дискретизации, которые испытывались в рамках этого эксперимента.
Производитель студийной техники TC Electronic ещё в 2000 году измерил семь CD-проигрывателей и пришёл к тому же выводу. В худшем случае (тон на 3 дБ выше полной шкалы) искажения у всех выросли на десятки децибел. Причём шести проигрывателям из семи хватило и мягкого случая с пиками всего на 0,69 дБ выше полной шкалы, то есть меньше, чем у большинства треков в проверенных фонотеках из статьи Benchmark. Насколько всё это слышно на музыке, увы, не знает ни один источник. У Benchmark на этот счёт есть короткий ответ «How audible? Nobody knows», а в статье TC сказано, что авторы не исследовали, насколько это сказывается на качестве звука.
Искажения (THD+N) семи CD-проигрывателей на тестовых тонах, у которых пик сигнала между семплами выше полной шкалы на величину от 0 до 3 дБ. Уже при 0,69 дБ (это меньше, чем у большинства треков на CD) шесть проигрывателей из семи ухудшаются на 22–48 дБ, и заметно лучше держится только Sony D50 (TC Electronic, 2000).
Для ЦАП с передискретизацией такая перегрузка особенно обидна, ведь его главное преимущество — цифровой фильтр, который убирает копии, а отказывает при перегрузке как раз он. Поэтому, по моим выводам, во время пика такой ЦАП уже не отличается от ЦАП без фильтра, только он добавляет к пропущенным копиям ещё и негармонические продукты. Выходит, что цифровой фильтр исчезает в самых громких местах музыки.
На записях с цифровым клиппингом подобный фильтр передискретизации создаёт такие пики и сам: как мы видели на примере P!nk, он звенит на углах среза, и этот звон поднимается выше срезанного уровня. Я взял синус 1 кГц на 6 дБ выше полной шкалы и срезал его по уровню полной шкалы в цифровой области. После линейно-фазового восстановления пик достигает +0,19 dBFS, а минимально-фазовый фильтр звенит сильнее и поднимается примерно до +0,4 dBFS. Цифры маленькие, но этот выброс при любой фазе вычисляет сам интерполятор с фиксированной точкой, так что цифровой фильтр при таком выбросе перегружается (любое значение выше 0 dBFS в его диапазон уже не помещается).
Одна срезанная вершина синуса 1 кГц крупным планом (синус на 6 дБ выше полной шкалы, срезан в цифровой области). Линейно-фазовый фильтр звенит у обоих краёв вершины, а минимально-фазовый — только после первого, но сильнее. В обоих случаях звон поднимается выше 0 dBFS, а для интерполятора это уже перегрузка.
Но обычный тест на синусе 1 кГц ничего этого не видит: тот же miniDSP показывает на нём те самые −130 дБ, и разница с перегрузкой больше ста децибел. Причём пики в настоящих записях (скорее всего, и в ваших) обычно ниже этого тона, но выше мягкого случая TC, на котором уже страдали шесть проигрывателей из семи. Если искать аналогию в IT, я бы сравнил цифру из документации со средней задержкой в синтетическом тесте, а перегрузку — с p99 в продакшене, который в синтетический тест не попадает. Сама перегрузка в аналогии и вовсе не нуждается: это обычное переполнение целых чисел на участке кода, который тесты не покрывают. Всё это хорошо описывает фраза, которую приписывают Дэниелу фон Рэклингхаузену (Daniel R. von Recklinghausen), инженеру H.H. Scott и KLH: «Если измеряется хорошо, а звучит плохо — это плохо; если измеряется плохо, а звучит хорошо — вы измерили не то».
Решение у этой проблемы есть, и достаточно простое. Benchmark в своих ЦАП ставит внешний интерполятор с запасом 3,5 дБ над 0 dBFS, так что даже худший случай в +3,01 dBFS проходит без искажений. По оценке самой компании, её ЦАП — «одни из очень немногих» с таким интерполятором. Для любого другого ЦАП решение ещё проще: убавить цифровой сигнал хотя бы на 3 дБ до того, как он попадёт в ЦАП. Сам я, правда, предпочёл бы не трогать семплы там, где их можно оставить как есть.
С другой стороны баррикад ситуация выглядит иначе — в ЦАП без передискретизации перегружаться нечему, ведь интерполятора в нём нет. Выброс на срезанной вершине возникает в нём уже в аналоговом каскаде, с любым аналоговым фильтром, и при достаточном запасе проходит без искажений. В той же статье TC Electronic писал, что самый простой ЦАП «может даже иметь преимущество в поведении на высоких уровнях», поскольку в цифровой области он ничего не фильтрует. Его же измерения это подтверждают: из семи проигрывателей портативный Sony D50 выдержал мягкий случай заметно лучше остальных, а в нём нет ни передискретизации, ни цифрового фильтра. Так что даже тот, кто не верит в слышимость фазы и предпочтёт крутой аналоговый фильтр, получает здесь довод в пользу ЦАП без передискретизации.
Но место для пика должно найтись в аналоговой части. По моим расчётам, на тоне +3,01 dBFS у ЦАП без передискретизации с фильтром Бесселя сам тон на выходе остаётся почти на 2 дБ выше полной шкалы. Для настоящих CD Benchmark оценивает нужный запас примерно в 3 дБ над полной шкалой. К тому же выходной конденсатор (при его наличии) может на меандре добавить к пику до 6 дБ (данные TC), и запас должен покрывать и это. У серьёзных фонокорректоров запас по перегрузке указывают всегда, а у ЦАП его, к сожалению, почти никогда не указывают.
При этом измерение истинного пика сигнала в радиовещании стандартизовали давно: рекомендация ITU-R BS.1770 описывает измеритель true peak (четырёхкратная передискретизация, затем поиск пика). Такой измеритель нужен как раз потому, что истинный пик может оказаться между семплами. Там же сказано, что такие перегрузки могут вызывать клиппинг внутри некоторых ЦАП. Однако ни в одной документации на микросхемы ЦАП, которую я прочитал для этой статьи, запас над 0 dBFS не указан, а измерить его, по словам Benchmark, «невозможно традиционными аудиотестами». Зато для готового ЦАП есть простой тест, который ловит эту проблему: тон +3,01 dBFS на четверти частоты дискретизации. Benchmark предлагает добавить его в стандартный набор тестов и публиковать для каждого устройства величину запаса. Тем же тоном вы можете проверить и собственный ЦАП — это проще, чем спорить о его звучании.
Джиттер: решённая проблема
В интернете о джиттере рассказывают много страшных историй, и именно им часто объясняют звук цифровых источников. Но техника с тех пор, как эти истории появились, заметно изменилась, поэтому старые представления о джиттере стоит сверить с тем, что о нём известно сейчас. Заодно проверим, не прячется ли и джиттер от стандартных измерений, как межсемпловые пики.
ЦАП должен выдавать каждое значение в точно заданный момент, но тактовый генератор, который задаёт эти моменты, может чуть торопиться или запаздывать. Такую ошибку во времени выдачи семплов называют джиттером (jitter), и на чистом тоне она проявляется как слабые боковые составляющие вокруг него. По ним джиттер и измеряют: стандартный тестовый сигнал, который Джулиан Данн (Julian Dunn) разработал в 1990-х, делает эти составляющие хорошо заметными.
Сколько джиттера можно услышать, проверили Каору Асихара (Kaoru Ashihara) с коллегами в 2005 году (статья «Detection threshold for distortions due to jitter on digital audio»). Они добавляли к музыке случайный джиттер и просили 23 профессионалов и полупрофессионалов отличить результат на своих системах и на своей любимой музыке. При джиттере 2 мкс разницу услышали все 23 слушателя, а при 250 нс не услышал никто. Порог заметности случайного джиттера авторы оценили в несколько сотен наносекунд даже для хорошо тренированных слушателей. А по измерениям, на которые они ссылаются, джиттер реальной бытовой техники не превышал 3 нс, так что услышать его, по их выводу, вряд ли возможно.
Да и дешёвая техника сегодня измеряется намного лучше этих 3 нс. Переходник Apple с USB-C на наушники можно купить тысячи за полторы, и по графику из измерений на Audio Science Review его джиттер меньше 100 пикосекунд. Кстати, FiiO E7, который был у меня источником до замены, в измерениях NwAvGuy показал примерно такой же результат ещё в 2011 году.
Данн вывел и предел, ниже которого джиттер не слышен даже при самых крайних допущениях (воспроизведение на уровне 120 дБ и боковые составляющие, слышимые вплоть до порога слышимости в 0 дБ). На 20 кГц этот предел опускается до 20 пс, и, к сожалению, переходник Apple до него не дотягивает. Но это сознательно созданный худший случай, и проверить его слышимость на практике без долгосрочного повреждения слуха нельзя.
Сводка по исследованиям и измерениям: джиттер устройств и результаты прослушивания на одной логарифмической шкале. Сверху измерения устройств, посередине расчётный предел Данна для самых крайних допущений, снизу — сколько из 23 слушателей в тесте Асихары услышали джиттер.
Поэтому я считаю джиттер решённой проблемой, ведь компетентно сделанный современный ЦАП держит его намного ниже порога слышимости. Если же у нового ЦАП джиттер всё-таки слышен, это просто брак, и о «характере» тут речи нет. Так что интернет ищет проблему не там: джиттер измеряют в каждом обзоре, а запас над 0 dBFS почти никто не указывает.
NOS: почему просто бывает весьма сложно
Не скрою, до сих пор я больше говорил о достоинствах ЦАП без передискретизации, хотя сделать его как следует сложнее: нужны и подходящий аналоговый фильтр, и запас в аналоговой части. Да и само преобразование числа в напряжение у него устроено иначе, чем в обычной микросхеме. Почти во всех современных микросхемах стоит дельта-сигма ЦАП (delta-sigma), который работает на очень высокой частоте и выдаёт сигнал быстрым потоком всего из нескольких уровней (в простейшем случае из двух). Грубость такого потока превращается в ультразвуковой шум, и его потом убирает фильтр. Без передискретизации дельта-сигма ЦАП работать не может, поэтому ЦАП без передискретизации всегда относится к другому типу — мультибитному (multibit). В нём у каждого разряда семпла есть свой резистор или источник тока, который задаёт вес этого разряда: у старшего это половина шкалы, у следующего — четверть и так далее, а вклады всех разрядов складываются. Классическая схема такого ЦАП — лестница из резисторов двух номиналов, R и 2R (отсюда название R-2R). Работать мультибитный ЦАП может и с передискретизацией, и без неё.
Но и у мультибитного ЦАП есть собственные проблемы, которые решает только грамотная конструкция. У реального резистора или источника тока всегда есть допуск, поэтому веса старших разрядов никогда не равны ровно половине или четверти шкалы. Хуже всего это сказывается около нуля: в обычном двоичном коде ноль лежит посередине шкалы, и когда сигнал через него переходит, переключаются сразу все разряды. Поэтому ошибка старших разрядов появляется при каждом таком переходе, особенно на совсем тихом сигнале. Сёрен (Søren), разработчик R-2R ЦАП Soekris, приводит пример: у лестницы с искажениями 0,001 % на полной шкале на уровне −60 дБ они доходят уже до 1%, ведь сама ошибка банально остаётся прежней, а сигнал стал в тысячу раз меньше. Однако как это исправить известно уже давно: в PCM1704 от Burr-Brown ЦАП разделён на две половины для положительных и отрицательных значений, а Philips в TDA1387 при переходе через ноль переключает только младшие разряды, да и матрица того же Soekris работают по аналогичному принципу и не подвержены проблеме перехода через 0.
Ошибка около нуля, кстати, уже встречалась в этих статьях. Её давал выходной каскад класса B, о котором шла речь в статьях об искажениях и об усилителях: его плечи сменяют друг друга как раз на переходе через ноль, и возникающая там ступенька почти не зависит от уровня сигнала. Поэтому в процентах от сигнала она тем больше, чем тише играет музыка. Получается в звуковой технике ошибки около нуля встречаются постоянно, но измерения на полной шкале их почти не показывают, ведь на фоне большого сигнала такая ошибка теряется. В жизни же она слышна очень хорошо, и причин тому сразу три: музыка большую часть времени звучит намного тише полной шкалы и постоянно проходит через ноль, на тихом сигнале ошибка составляет заметную долю самого сигнала, а громкого звука, который мог бы её замаскировать, рядом нет, да и состоит она из высоких гармоник, которые слух маскирует хуже всего.
Второе ограничение мультибитного ЦАП — разрядность, и связано оно всё с теми же допусками деталей. Каждый следующий разряд вдвое меньше предыдущего, поэтому чем больше разрядов, тем точнее должны быть все веса: у 24-битной микросхемы младший разряд почти в 17 миллионов раз меньше полной шкалы и из реальных компонентов получить такую точность практически невозможно. Такие микросхемы бывают (например, PCM1704), но большинство реализаций рассчитано на 16 разрядов. От числа разрядов зависит, насколько тихий звук ещё не тонет в шуме: каждый бит добавляет около 6 дБ, так что 16 разрядов дают примерно 96 дБ ниже полной шкалы. Для стандартного формата компакт-диска этого достаточно, ведь запись на нём и так 16-битная. В данном сравнении дельта-сигма ЦАП выигрывает только на 24-битных файлах (например у AKM AK4490 по документации соотношение сигнал/шум доходит до 120 дБ), но и тут на слух разницу замечали, только когда лишние разряды просто отбрасывали без дизеринга. В том же анализе, о котором говорилось ранее, Рейсс отмечает, что именно так были проведены все три исследования, где слушатели уверенно отличали 16-битный звук от 24-битного.
Задача ЦАП — не испортить запись
Разобравшись с основными типами возможных проблем (как решенных, так и оставшихся незакрытыми), остаётся сравнить сами способы восстановления сигнала. На 44,1 кГц у каждого способа свои плюсы и минусы. Хорошая передискретизация точнее передаёт верхние частоты и убирает зеркальные копии, а ЦАП без передискретизации не перегружается в цифровой части и с фильтром Бесселя не звенит и не задерживает верхние частоты. На высоких же частотах дискретизации NOS ЦАП по восстановлению сигнала сопоставим с передискретизацией.
Но главное различие между двумя способами всё то же: фильтр передискретизации звенит у края полосы, а ЦАП без неё пропускает ультразвуковые копии. Напрямую ни то, ни другое почти не слышно, зато продукты нелинейности усилителя или высокочастотного динамика легко попадают уже в слышимую полосу. До усилителя разные ЦАП доносят разный ультразвук: он отличается не только уровнем, но и временем, когда появляется. ЦАП без передискретизации при 44,1 кГц выдаёт зеркальные копии всё время, пока в сигнале есть верхние частоты, то есть на каждой тарелке и каждом шипящем согласном в вокале. Линейно-фазовый фильтр выше полосы почти ничего не пропускает и на записях со срезанными вершинами добавляет только ту рябь около 21 кГц, которую показывал Archimago. Но если его интерполятору не хватает запаса, на самых громких местах он перегружается и выдаёт короткие всплески широкополосных искажений вместе с копиями, которые уже не убирает.
При недостаточной линейности на ультразвуке усилитель (а за ним и высокочастотный динамик) может смешать любую из этих составляющих с музыкой и перенести продукт в слышимую полосу (вспоминаем про IMD): например, тон 15 кГц и его копия на 29,1 кГц дают 14,1 кГц. Сильнее всего это касается усилителей, которые держат линейность за счёт общей обратной связи (так устроено большинство усилителей класса AB и почти все класса D). Глубина обратной связи с ростом частоты падает, поэтому на ультразвуке их искажения заметно выше тех, что указаны в паспорте для 1 кГц. А у усилителя без общей обратной связи линейность обеспечивает сама схема, и от частоты его искажения зависят гораздо слабее, что может значительно ослабить негативный эффект от этих копий. Так что при выборе ЦАП стоит заодно узнать, как ваш усилитель ведёт себя на ультразвуке. Ситуация осложняется ещё и тем, что реальный усилитель реагирует не только на мгновенное значение сигнала, но и на скорость его изменения, о чём шла речь в статье об усилителях.
Почему же у ЦАП без передискретизации есть убеждённые сторонники, если ультразвука у него технически больше? Думаю, дело прежде всего в том, когда именно проявляются его ошибки. Копии и их продукты в усилителе возникают ровно в тот момент, когда звучит породивший их звук, поэтому ошибки ЦАП без передискретизации звучат вместе с музыкой и музыка же их часто маскирует. У фильтра передискретизации так маскируется только запаздывающий звон, ведь после громкого звука маскировка длится уже не 1–2, а 50–300 мс. Опережающий звон и его продукты приходятся на время до скачка, где маскировка, как мы видели, слабая. Вторая возможная причина — уже знакомая перегрузка интерполятора: если у ЦАП с передискретизацией нет запаса над 0 dBFS, при сравнении слушатель вполне может слышать именно её. В добавок ко всему, если мы решим использовать минимально-фазовый фильтр, который не даёт опережающего звона, то столкнемся с тем, что он сдвигает во времени верхние частоты: у фильтра с крутым спадом тон 20 кГц, как уже говорилось, выходит примерно на 0,4 мс позже тона 1 кГц. Ричард Вандерстин (Richard Vandersteen), один из оплотов фазовой когерентности в акустике, еще в 2000 году объяснял в интервью Stereophile свой подход так: «Мы скорее устройства для измерения времени, чем амплитуды». NOS ЦАП с фильтром Бесселя избегает обеих проблем, зато его копии и их продукты заметно сильнее того, что оставляет цифровой фильтр. Поэтому спор, наверное, и не утихает: что важнее, уровень искажений или их маскировка музыкой?
Весь этот спор о копиях, звоне и задержке — цена формата компакт-диска. При 44,1 кГц между верхней границей слуха (20 кГц) и половиной частоты дискретизации остаётся всего около 2 кГц, и восстанавливающему фильтру приходится уложиться в этот промежуток. Передискретизация и крутые цифровые фильтры появились именно из-за этого. С потоковыми сервисами высокого разрешения эта проблема просто исчезла: копии уходят далеко вверх, и на 192 кГц их убирает даже мягкий фильтр, а на 96 кГц сильно ослабляет. Спад высоких частот у NOS ЦАП тоже почти пропадает: на 20 кГц это 3,2 дБ при 44,1 кГц и всего 0,16 дБ при 192 кГц. Поэтому на таких файлах ЦАП без передискретизации с мягким фильтром Бесселя сохраняет все свои преимущества (в цифровой части ему перегружаться нечему, он не звенит и не задерживает верхние частоты), а от его недостатков на 44,1 кГц (копий и спада) почти ничего не остаётся. ЦАП с передискретизацией здесь тоже работает лучше, но проблемы с перегрузкой по-прежнему сохраняются.
Да и сложная техника для таких файлов, кстати, не нужна: хватит телефона с подпиской на потоковый сервис и ЦАП, подключённого по USB. Почти все современные ЦАП работают по стандарту USB Audio Class 2.0, поэтому телефон видит их без всяких драйверов. Причём сегодня это одинаково доступно и на iPhone, и на Android: bit perfect режим с поддержкой высоких частот дискретизации доступен на обеих платформах, нужен только современный USB ЦАП.
После замены ЦАП: что изменилось и что нет
Получается, что грамотно сделанные ЦАП трудно различить, если у них есть запас над 0 dBFS, а стоящий после него в цепи усилитель линеен на ультразвуке. Открытым остаётся только вопрос о слышимости самих фильтров, да и он на высоких частотах дискретизации почти теряет смысл. Однако как обычно подчеркну, что паспортные измерения на 1 кГц не видят запаса над 0 dBFS, и естественно не учитывают поведение последующего усилителя на ультразвуке.
Каким бы ни был формат, сам я выбираю по простой логике: мне нужна понятная, предсказуемая конструкция, ошибки которой известны до прослушивания, а не та, чьё поведение на новом треке заранее не узнать. Спад, уровень копий и задержка постоянны, а поведение интерполятора на межсемпловых пиках зависит от мастеринга, качество которого заранее неизвестно, и от запаса, который производитель не указывает. Чего же тогда ждать от домашнего ЦАП? Как я писал в начале, ошибки студийного преобразователя уже стали частью записи, поэтому я не жду, что при воспроизведении он ее улучшит или добавит к ней что-то своё. Его задача — не испортить запись, которую он получил.
В итоге источником у меня стал мультибитный ЦАП без передискретизации: восемь микросхем TDA1387, работающих параллельно, пассивный преобразователь ток–напряжение (обычный резистор) и раздельное питание цифровой и аналоговой частей. Аналогового фильтра в нём практически нет, то есть это самый простой случай ЦАП без передискретизации и без фильтра.
По сравнению с FiiO всё стало как-то более слаженно и ритмически живо, хоть и с заметным ослаблением самых высоких частот, но к этому быстро привыкаешь. А вот голоса, к сожалению, так и остались неестественными. Кстати к тому моменту сервер с FIR-коррекцией из первых статей был уже выключен, и его заменил простой аналоговый эквалайзер, поэтому никакого дополнительного источника звона в цепи не осталось.
Оставшаяся искусственность на голосах привязана к определённой частоте в середине полосы воспроизведения: часть гармоник голоса становилась раздражающей, как только переходила через неё. Если пройтись по ошибкам ЦАП из этой статьи, ни одна из них не привязана к одному месту в середине полосы. Звон фильтра и спад ступенчатого сигнала приходятся на край полосы, а копии лежат ещё выше. Интерполятор отказывает на самых громких пиках, какой бы ни была их частота. Ошибка на переходе через ноль и предел 16 разрядов сказываются в тихих местах и во всей полосе сразу (к тому же микросхема в моём ЦАП первой из них как раз избегает). Да и джиттер у современных ЦАП намного ниже порога слышимости.
Получается причина кроется где-то дальше в цепи воспроизведения. Если к этому моменту уже каждый компонент в системе был поменян, а проблема по-прежнему оставалась актуальной, значит дело в какой-то фундаментальной особенности тракта, до которой я еще не добрался. И единственным подозреваемым, который до сих пор оставался за кадром, является кроссовер — тот шов, где полоса частот делится между двумя динамиками.
В следующей статье я разберу от куда берется этот шов, что там происходит с голосом и почему это важно. А между статьями — рабочие заметки: вырезанные разделы, измерения, неудачи на стенде — в канале «Архитектура звука».
Источник: habr.com