]> git.jsancho.org Git - lugaru.git/blob - libvorbis-1.0.1/doc/stereo.html
Hack around crash on shutdown.
[lugaru.git] / libvorbis-1.0.1 / doc / stereo.html
1 <HTML><HEAD><TITLE>xiph.org: Ogg Vorbis documentation</TITLE>
2 <BODY bgcolor="#ffffff" text="#202020" link="#006666" vlink="#000000">
3 <nobr><img src="white-ogg.png"><img src="vorbisword2.png"></nobr><p>
4
5
6 <h1><font color=#000070>
7 Ogg Vorbis stereo-specific channel coupling discussion
8 </font></h1>
9
10 <em>Last update to this document: July 16, 2002</em><br> 
11
12 <h2>Abstract</h2> The Vorbis audio CODEC provides a channel coupling
13 mechanisms designed to reduce effective bitrate by both eliminating
14 interchannel redundancy and eliminating stereo image information
15 labeled inaudible or undesirable according to spatial psychoacoustic
16 models.  This document describes both the mechanical coupling
17 mechanisms available within the Vorbis specification, as well as the
18 specific stereo coupling models used by the reference
19 <tt>libvorbis</tt> codec provided by xiph.org.
20
21 <h2>Mechanisms</h2>
22
23 In encoder release beta 4 and earlier, Vorbis supported multiple
24 channel encoding, but the channels were encoded entirely separately
25 with no cross-analysis or redundancy elimination between channels.
26 This multichannel strategy is very similar to the mp3's <em>dual
27 stereo</em> mode and Vorbis uses the same name for its analogous
28 uncoupled multichannel modes.<p>
29
30 However, the Vorbis spec provides for, and Vorbis release 1.0 rc1 and
31 later implement a coupled channel strategy.  Vorbis has two specific
32 mechanisms that may be used alone or in conjunction to implement
33 channel coupling.  The first is <em>channel interleaving</em> via
34 residue backend type 2, and the second is <em>square polar
35 mapping</em>.  These two general mechanisms are particularly well
36 suited to coupling due to the structure of Vorbis encoding, as we'll
37 explore below, and using both we can implement both totally
38 <em>lossless stereo image coupling</em> [bit-for-bit decode-identical
39 to uncoupled modes], as well as various lossy models that seek to
40 eliminate inaudible or unimportant aspects of the stereo image in
41 order to enhance bitrate. The exact coupling implementation is
42 generalized to allow the encoder a great deal of flexibility in
43 implementation of a stereo or surround model without requiring any
44 significant complexity increase over the combinatorially simpler
45 mid/side joint stereo of mp3 and other current audio codecs.<p>
46
47 A particular Vorbis bitstream may apply channel coupling directly to
48 more than a pair of channels; polar mapping is hierarchical such that
49 polar coupling may be extrapolated to an arbitrary number of channels
50 and is not restricted to only stereo, quadraphonics, ambisonics or 5.1
51 surround.  However, the scope of this document restricts itself to the
52 stereo coupling case.<p>
53
54 <h3>Square Polar Mapping</h3>
55
56 <h4>maximal correlation</h4>
57  
58 Recall that the basic structure of a a Vorbis I stream first generates
59 from input audio a spectral 'floor' function that serves as an
60 MDCT-domain whitening filter.  This floor is meant to represent the
61 rough envelope of the frequency spectrum, using whatever metric the
62 encoder cares to define.  This floor is subtracted from the log
63 frequency spectrum, effectively normalizing the spectrum by frequency.
64 Each input channel is associated with a unique floor function.<p>
65
66 The basic idea behind any stereo coupling is that the left and right
67 channels usually correlate.  This correlation is even stronger if one
68 first accounts for energy differences in any given frequency band
69 across left and right; think for example of individual instruments
70 mixed into different portions of the stereo image, or a stereo
71 recording with a dominant feature not perfectly in the center.  The
72 floor functions, each specific to a channel, provide the perfect means
73 of normalizing left and right energies across the spectrum to maximize
74 correlation before coupling. This feature of the Vorbis format is not
75 a convenient accident.<p>
76
77 Because we strive to maximally correlate the left and right channels
78 and generally succeed in doing so, left and right residue is typically
79 nearly identical.  We could use channel interleaving (discussed below)
80 alone to efficiently remove the redundancy between the left and right
81 channels as a side effect of entropy encoding, but a polar
82 representation gives benefits when left/right correlation is
83 strong. <p>
84
85 <h4>point and diffuse imaging</h4>
86
87 The first advantage of a polar representation is that it effectively
88 separates the spatial audio information into a 'point image'
89 (magnitude) at a given frequency and located somewhere in the sound
90 field, and a 'diffuse image' (angle) that fills a large amount of
91 space simultaneously.  Even if we preserve only the magnitude (point)
92 data, a detailed and carefully chosen floor function in each channel
93 provides us with a free, fine-grained, frequency relative intensity
94 stereo*.  Angle information represents diffuse sound fields, such as
95 reverberation that fills the entire space simultaneously.<p>
96
97 *<em>Because the Vorbis model supports a number of different possible
98 stereo models and these models may be mixed, we do not use the term
99 'intensity stereo' talking about Vorbis; instead we use the terms
100 'point stereo', 'phase stereo' and subcategories of each.</em><p>
101
102 The majority of a stereo image is representable by polar magnitude
103 alone, as strong sounds tend to be produced at near-point sources;
104 even non-diffuse, fast, sharp echoes track very accurately using
105 magnitude representation almost alone (for those experimenting with
106 Vorbis tuning, this strategy works much better with the precise,
107 piecewise control of floor 1; the continuous approximation of floor 0
108 results in unstable imaging).  Reverberation and diffuse sounds tend
109 to contain less energy and be psychoacoustically dominated by the
110 point sources embedded in them.  Thus, we again tend to concentrate
111 more represented energy into a predictably smaller number of numbers.
112 Separating representation of point and diffuse imaging also allows us
113 to model and manipulate point and diffuse qualities separately.<p>
114
115 <h4>controlling bit leakage and symbol crosstalk</h4> Because polar
116 representation concentrates represented energy into fewer large
117 values, we reduce bit 'leakage' during cascading (multistage VQ
118 encoding) as a secondary benefit.  A single large, monolithic VQ
119 codebook is more efficient than a cascaded book due to entropy
120 'crosstalk' among symbols between different stages of a multistage cascade.
121 Polar representation is a way of further concentrating entropy into
122 predictable locations so that codebook design can take steps to
123 improve multistage codebook efficiency.  It also allows us to cascade
124 various elements of the stereo image independently.<p>
125
126 <h4>eliminating trigonometry and rounding</h4>
127
128 Rounding and computational complexity are potential problems with a
129 polar representation. As our encoding process involves quantization,
130 mixing a polar representation and quantization makes it potentially
131 impossible, depending on implementation, to construct a coupled stereo
132 mechanism that results in bit-identical decompressed output compared
133 to an uncoupled encoding should the encoder desire it.<p>
134
135 Vorbis uses a mapping that preserves the most useful qualities of
136 polar representation, relies only on addition/subtraction (during
137 decode; high quality encoding still requires some trig), and makes it
138 trivial before or after quantization to represent an angle/magnitude
139 through a one-to-one mapping from possible left/right value
140 permutations.  We do this by basing our polar representation on the
141 unit square rather than the unit-circle.<p>
142
143 Given a magnitude and angle, we recover left and right using the
144 following function (note that A/B may be left/right or right/left
145 depending on the coupling definition used by the encoder):<p>
146
147 <pre>
148       if(magnitude>0)
149         if(angle>0){
150           A=magnitude;
151           B=magnitude-angle;
152         }else{
153           B=magnitude;
154           A=magnitude+angle;
155         }
156       else
157         if(angle>0){
158           A=magnitude;
159           B=magnitude+angle;
160         }else{
161           B=magnitude;
162           A=magnitude-angle;
163         }
164     }
165 </pre>
166
167 The function is antisymmetric for positive and negative magnitudes in
168 order to eliminate a redundant value when quantizing.  For example, if
169 we're quantizing to integer values, we can visualize a magnitude of 5
170 and an angle of -2 as follows:<p>
171
172 <img src="squarepolar.png">
173
174 <p>
175 This representation loses or replicates no values; if the range of A
176 and B are integral -5 through 5, the number of possible Cartesian
177 permutations is 121.  Represented in square polar notation, the
178 possible values are:
179
180 <pre>
181  0, 0
182
183 -1,-2  -1,-1  -1, 0  -1, 1
184
185  1,-2   1,-1   1, 0   1, 1
186
187 -2,-4  -2,-3  -2,-2  -2,-1  -2, 0  -2, 1  -2, 2  -2, 3  
188
189  2,-4   2,-3   ... following the pattern ...
190
191  ...    5, 1   5, 2   5, 3   5, 4   5, 5   5, 6   5, 7   5, 8   5, 9
192
193 </pre>
194
195 ...for a grand total of 121 possible values, the same number as in
196 Cartesian representation (note that, for example, <tt>5,-10</tt> is
197 the same as <tt>-5,10</tt>, so there's no reason to represent
198 both. 2,10 cannot happen, and there's no reason to account for it.)
199 It's also obvious that this mapping is exactly reversible.<p>
200
201 <h3>Channel interleaving</h3>
202
203 We can remap and A/B vector using polar mapping into a magnitude/angle
204 vector, and it's clear that, in general, this concentrates energy in
205 the magnitude vector and reduces the amount of information to encode
206 in the angle vector.  Encoding these vectors independently with
207 residue backend #0 or residue backend #1 will result in bitrate
208 savings.  However, there are still implicit correlations between the
209 magnitude and angle vectors.  The most obvious is that the amplitude
210 of the angle is bounded by its corresponding magnitude value.<p>
211
212 Entropy coding the results, then, further benefits from the entropy
213 model being able to compress magnitude and angle simultaneously.  For
214 this reason, Vorbis implements residue backend #2 which pre-interleaves
215 a number of input vectors (in the stereo case, two, A and B) into a
216 single output vector (with the elements in the order of
217 A_0, B_0, A_1, B_1, A_2 ... A_n-1, B_n-1) before entropy encoding.  Thus
218 each vector to be coded by the vector quantization backend consists of
219 matching magnitude and angle values.<p>
220
221 The astute reader, at this point, will notice that in the theoretical
222 case in which we can use monolithic codebooks of arbitrarily large
223 size, we can directly interleave and encode left and right without
224 polar mapping; in fact, the polar mapping does not appear to lend any
225 benefit whatsoever to the efficiency of the entropy coding.  In fact,
226 it is perfectly possible and reasonable to build a Vorbis encoder that
227 dispenses with polar mapping entirely and merely interleaves the
228 channel.  Libvorbis based encoders may configure such an encoding and
229 it will work as intended.<p>
230
231 However, when we leave the ideal/theoretical domain, we notice that
232 polar mapping does give additional practical benefits, as discussed in
233 the above section on polar mapping and summarized again here:<p>
234 <ul>
235 <li>Polar mapping aids in controlling entropy 'leakage' between stages
236 of a cascaded codebook.  <li>Polar mapping separates the stereo image
237 into point and diffuse components which may be analyzed and handled
238 differently.
239 </ul>
240
241 <h2>Stereo Models</h2>
242
243 <h3>Dual Stereo</h3>
244
245 Dual stereo refers to stereo encoding where the channels are entirely
246 separate; they are analyzed and encoded as entirely distinct entities.
247 This terminology is familiar from mp3.<p>
248
249 <h3>Lossless Stereo</h3>
250
251 Using polar mapping and/or channel interleaving, it's possible to
252 couple Vorbis channels losslessly, that is, construct a stereo
253 coupling encoding that both saves space but also decodes
254 bit-identically to dual stereo.  OggEnc 1.0 and later uses this
255 mode in all high-bitrate encoding.<p>
256
257 Overall, this stereo mode is overkill; however, it offers a safe
258 alternative to users concerned about the slightest possible
259 degradation to the stereo image or archival quality audio.<p>
260
261 <h3>Phase Stereo</h3>
262
263 Phase stereo is the least aggressive means of gracefully dropping
264 resolution from the stereo image; it affects only diffuse imaging.<p>
265
266 It's often quoted that the human ear is deaf to signal phase above
267 about 4kHz; this is nearly true and a passable rule of thumb, but it
268 can be demonstrated that even an average user can tell the difference
269 between high frequency in-phase and out-of-phase noise.  Obviously
270 then, the statement is not entirely true.  However, it's also the case
271 that one must resort to nearly such an extreme demonstration before
272 finding the counterexample.<p>
273
274 'Phase stereo' is simply a more aggressive quantization of the polar
275 angle vector; above 4kHz it's generally quite safe to quantize noise
276 and noisy elements to only a handful of allowed phases, or to thin the
277 phase with respect to the magnitude.  The phases of high amplitude
278 pure tones may or may not be preserved more carefully (they are
279 relatively rare and L/R tend to be in phase, so there is generally
280 little reason not to spend a few more bits on them) <p>
281
282 <h4>example: eight phase stereo</h4>
283
284 Vorbis may implement phase stereo coupling by preserving the entirety
285 of the magnitude vector (essential to fine amplitude and energy
286 resolution overall) and quantizing the angle vector to one of only
287 four possible values. Given that the magnitude vector may be positive
288 or negative, this results in left and right phase having eight
289 possible permutation, thus 'eight phase stereo':<p>
290
291 <img src="eightphase.png"><p>
292
293 Left and right may be in phase (positive or negative), the most common
294 case by far, or out of phase by 90 or 180 degrees.<p>
295
296 <h4>example: four phase stereo</h4>
297
298 Similarly, four phase stereo takes the quantization one step further;
299 it allows only in-phase and 180 degree out-out-phase signals:<p>
300
301 <img src="fourphase.png"><p>
302
303 <h3>example: point stereo</h3>
304
305 Point stereo eliminates the possibility of out-of-phase signal
306 entirely.  Any diffuse quality to a sound source tends to collapse
307 inward to a point somewhere within the stereo image.  A practical
308 example would be balanced reverberations within a large, live space;
309 normally the sound is diffuse and soft, giving a sonic impression of
310 volume.  In point-stereo, the reverberations would still exist, but
311 sound fairly firmly centered within the image (assuming the
312 reverberation was centered overall; if the reverberation is stronger
313 to the left, then the point of localization in point stereo would be
314 to the left).  This effect is most noticeable at low and mid
315 frequencies and using headphones (which grant perfect stereo
316 separation). Point stereo is is a graceful but generally easy to
317 detect degradation to the sound quality and is thus used in frequency
318 ranges where it is least noticeable.<p>
319
320 <h3>Mixed Stereo</h3>
321
322 Mixed stereo is the simultaneous use of more than one of the above
323 stereo encoding models, generally using more aggressive modes in
324 higher frequencies, lower amplitudes or 'nearly' in-phase sound.<p>
325
326 It is also the case that near-DC frequencies should be encoded using
327 lossless coupling to avoid frame blocking artifacts.<p>
328
329 <h3>Vorbis Stereo Modes</h3>
330
331 Vorbis, as of 1.0, uses lossless stereo and a number of mixed modes
332 constructed out of lossless and point stereo.  Phase stereo was used
333 in the rc2 encoder, but is not currently used for simplicity's sake.  It
334 will likely be re-added to the stereo model in the future.
335
336 <p>
337 <hr>
338 <a href="http://www.xiph.org/">
339 <img src="white-xifish.png" align=left border=0>
340 </a>
341 <font size=-2 color=#505050>
342
343 Ogg is a <a href="http://www.xiph.org">Xiph.org Foundation</a> effort
344 to protect essential tenets of Internet multimedia from corporate
345 hostage-taking; Open Source is the net's greatest tool to keep
346 everyone honest. See <a href="http://www.xiph.org/about.html">About
347 the Xiph.org Foundation</a> for details.
348 <p>
349
350 Ogg Vorbis is the first Ogg audio CODEC.  Anyone may freely use and
351 distribute the Ogg and Vorbis specification, whether in a private,
352 public or corporate capacity.  However, the Xiph.org Foundation and
353 the Ogg project (xiph.org) reserve the right to set the Ogg Vorbis
354 specification and certify specification compliance.<p>
355
356 Xiph.org's Vorbis software CODEC implementation is distributed under a
357 BSD-like license.  This does not restrict third parties from
358 distributing independent implementations of Vorbis software under
359 other licenses.<p>
360
361 Ogg, Vorbis, Xiph.org Foundation and their logos are trademarks (tm)
362 of the <a href="http://www.xiph.org/">Xiph.org Foundation</a>.  These
363 pages are copyright (C) 1994-2002 Xiph.org Foundation. All rights
364 reserved.<p>
365 </body>
366
367
368
369
370
371