что такое амплитуда звука
Что такое звук?
Любой человек, который учился (или учится) в школе, без особых размышлений ответит на этот вопрос так: «звук — это волна». И будет совершенно прав. А вот при попытке объяснить, что же из себя представляет эта волна, большинство людей вспоминает пример с веревкой или волнами на поверхности воды и после этого надолго задумываются.
Так что же представляет из себя звук? Любой предмет, совершающий возвратно-поступательные движения (камертон, струна рояля или гитары, наши голосовые связки и т.д.), вызывает в воздухе попеременное уменьшение или увеличение плотности. Движения одних молекул воздуха передаются другим молекулам, в результате чего в пространстве распространяются периодически повторяющиеся зоны увеличения и уменьшения плотности. Они-то и представляют из себя звуковую волну.
Если мы в каком-то месте поставим прибор, способный реагировать на изменение плотности воздуха, запишем его показания в течение некоторого времени и составим график зависимости плотности от времени, то получим кривую, близкую к синусоиде, знакомую нам по школьным учебникам физики. Именно такие колебания и улавливаются нашим ухом, в результате чего мы получаем ощущение звука.
Амплитуда, частота, длина и фаза звуковой волны
Амплитудой звуковой волны называется половина разницы между самым высоким и самым низким значением плотности. На графике амплитуде будет соответствовать разница между самой высокой (или низкой) точкой волны и горизонтальной осью графика. Частотой звука называют количество периодов, помещающихся в одной секунде. 1 Герц — это 1 период за секунду. Расстояние между областями одинакового сжатия воздуха называется длиной звуковой волны.
Поговорим более подробно о высоте звука. Наши уши устроены таким образом, что когда мы слышим два звука, частоты которых относятся как 2:1, то нам кажется, что эти звуки близки друг к другу и при одновременном воспроизведении они для нас как бы сливаются. Именно на этом эффекте основана музыкальная шкала высоты звуков, у которой одна и та же нота повторяется каждую октаву. То есть в натуральном звукоряде частоты одинаковых нот соседних октав соотносятся между собой как 2:1.
Звукорежиссерам часто приходится переводить значения частоты в ноты и обратно. Такие навыки могут понадобится, например, при работе с разными устройствами корректировки звука. Поэтому постарайтесь запомнить это соотношение — с помощью нехитрой математической операции теперь вы сможете вычислять частоту любой ноты, памятуя, что нота Ля первой октавы имеет частоту 440 Гц.
Но помимо высоты звука, мы способны достаточно точно определять положение звукового источника в пространстве. Это означает, что звуковые волны должны обладать свойством, на которое реагирует наш слуховой аппарат. Все объясняется достаточно просто: наши уши отнесены на некоторое расстояние друг от друга. То есть, звук в каждое из них поступает не в одно и то же время, а в разное. По задержке попадания одной и той же звуковой волны на барабанные перепонки мы и определяем пространственное положение источника звука (на самом деле есть еще несколько факторов, помогающих определять направление на звуковой источник, частично они упоминаются ниже). Для описания относительных временных свойств двух звуковых волн (или разных частей одной волны) вводится понятие фазы звуковой волны.
Посмотрите на рисунок выше. На первом графике показаны две волны, которые полностью совпадают друг с другом. В этом случае говорят, что волны находятся в фазе. На третьем графике в том месте, где у одной волны находится область высокой плотности, у другой — область низкой плотности. В этом случае говорят, что волны находятся в противофазе. При этом, если волны одинаковые, происходит их взаимное уничтожение (в природе это бывает крайне редко, чаще противофазные волны при наложении сильно искажают звук). Средний график показывает некое промежуточное положение. В этом случае говорят, что фаза одной волны сдвинута относительно другой.
Из всего вышесказанного становится понятно, что наш слух при определении пространственного положения источника звука реагирует именно на фазу волны. А по изменению фаз мы можем судить и о перемещении источника звука. В звукозаписи понятие фазы достаточно важно.
Уровень и громкость звука
Теперь немного поговорим о таком важном параметре как уровень звука. Любая звуковая волна, которая распространяется в пространстве, может оказывать на встречающиеся препятствия (в том числе и на наши барабанные перепонки) некое давление. Люди, которые бывали на концертах и стояли около мощных колонок, не понаслышке знают, что оно может быть очень сильным. Мы субъективно воспринимаем изменение давления звуковых волн в виде ощущения изменения громкости звука.
Максимальное изменение давления в воздухе при распространении звуковых волн по сравнению с давлением при отсутствии волн называется звуковым давлением. Как и любое другое, звуковое давление измеряется в Паскалях (Па). Но в акустике, при оценке интенсивности звуковых волн чаще применяется другое понятие — сила звука. Оно показывает поток звуковой энергии, который каждую секунду проходит через квадратный сантиметр условной плоскости, расположенной перпендикулярно направлению распространения волны.
Звуковое давление и сила звука находятся в квадратичной зависимости. То есть, сила звука = звуковое давление в квадрате. Сила звука описывает энергетические свойства самой волны и измеряется в ваттах/квадратный сантиметр (Вт/кв.см.). Такая единица бывает очень удобна при некоторых расчетах — это единственная причина ее введения.
Для того, чтобы мы смогли услышать тот или иной звук, его сила должна быть больше определенного уровня. Этот уровень называется порогом слышимости. То есть, если звуковая волна имеет малую интенсивность — ниже этого порога, мы просто не воспринимаем ее, и нам кажется, что вокруг стоит полная тишина, хотя на самом деле воздух вокруг колеблется. Точно также дело обстоит и со звуками большой интенсивности — мы слышим звук только до определенного уровня, который называется болевым порогом. Если сила звука больше этого уровня, то мы испытываем боль в ушах. Разница между уровнями болевого порога и порога слышимости называется динамическим диапазоном слуха. Мы способны воспринимать изменения силы звука в огромных пределах: сила звука болевого порога превосходит силу звука порога слышимости в тысячу раз!
Изменение уровня звука обычно оценивается в децибелах относительно порога слышимости. Когда говорят, что уровень звука в колонках равен ста децибелам, подразумевают, что колонки работают на уровне, превышающем порог слышимости на 100 дБ. Децибел — это логарифмическая единица измерения уровня звука, показывающая минимально слышимое изменение громкости. А динамический диапазон нашего слуха (разница между самым тихим и самым громким воспринимаемым звуками) составляет 120 дБ. Для того, чтобы как-то почувствовать такой непростой способ измерения уровня звука (лишь отражающий парадоксальность нашего слухового восприятия), мы приведем таблицу со знакомыми вам звуковыми объектами и уровнями звука, которые они производят.
Последняя строчка таблицы показывает уровень звука, превышающий болевой порог. Поэтому никогда не пытайтесь послушать звук барабана прямо у мембраны — ощущения будут очень неприятные. Из всего сказанного вы должны вынести хотя бы приблизительное представление о том, что такое децибелы. Если вы никогда не работали со звуковой техникой, то вряд ли в теории сможете проникнуться значимостью этой единицы измерения. И только когда вы начнете записывать свой собственный материал, глядя на индикаторы уровней, все до единого показывающие уровень в децибелах, вы сможете почувствовать суть логарифмической шкалы.
Теперь давайте более подробно поговорим о громкости звука — нашем субъективном ощущении от звуковых волн, имеющих разный уровень (звуковое давление, силу). Наше ощущение громкости во многом зависит от частоты звука. Высокие и низкие звуки, имеющие одинаковый уровень, субъективно воспринимаются нами как звуки разной громкости. А значение уровня звука и субъективно слышимой громкости совпадают только на частоте 1000 Гц.
На основании исследований человеческого слуха были построены графики, которые известны каждому звукорежиссеру как кривые равной громкости. На них изображены линии (они расположены через 10 дБ на частоте 1000 Гц), которые соответствуют одинаково воспринимаемой громкости на разных частотах.
Легко можно видеть, что мы гораздо лучше слышим на средних частотах, а на низких и высоких — чувствительность слуха притупляется. Из графика кривых равной громкости следует важный для практической деятельности вывод. Посмотрите на рисунок — наиболее линейно мы воспринимаем звук при уровнях 80-90 дБ. То есть при таких уровнях громкости наши уши наиболее адекватно передают звуковую картину. Поэтому корректировку звучания лучше всего делать при достаточно высокой громкости акустических систем — 80-90 дБ (примерно такой же уровень имеет шум в вагоне метро).
Тембр звука
Гитарист может извлекать из своего инструмента высокие и низкие, громкие и тихие звуки. Но что гитару делает гитарой? Почему ее звук отличается от звука фортепиано? Все объясняется довольно просто: реальные звуки представляют из себя созвучия, состоящие из нескольких простых волн. От комбинаций этих волн и зависит тембр инструмента.
У каждого созвучия есть основной тон — волна определенной частоты, которая имеет наибольший уровень. Например, у ноты Ля первой октавы эта волна имеет частоту 440 Гц. Но вместе с ней звучат и другие волны, частота которых в 2, 3, 4 раза и т.д. выше, чем у основного тона. В музыке они называются обертонами. В акустике принята немного другая терминология. И основной тон, и обертона называются гармониками и имеют порядковый номер в зависимости от высоты: основной тон — первая гармоника, первый обертон — вторая гармоника и т.д. Эквалайзеры работают по принципу понижения или повышения уровня тех или иных частотных полос, то есть с их помощью можно менять уровень тех или иных гармоник и, соответственно, изменять тембр.
Теория звука. Что нужно знать о звуке, чтобы с ним работать. Опыт Яндекс.Музыки
Звук, как и цвет, люди воспринимают по-разному. Например, то, что кажется слишком громким или некачественным одним, может быть нормальным для других.
Для работы над Яндекс.Музыкой нам всегда важно помнить о разных тонкостях, которые таит в себе звук. Что такое громкость, как она меняется и от чего зависит? Как работают звуковые фильтры? Какие бывают шумы? Как меняется звук? Как люди его воспринимают.
Мы довольно много узнали обо всём этом, работая над нашим проектом, и сегодня я попробую описать на пальцах некоторые основные понятия, которые требуется знать, если вы имеете дело с цифровой обработкой звука. В этой статье нет серьёзной математики вроде быстрых преобразований Фурье и прочего — эти формулы несложно найти в сети. Я опишу суть и смысл вещей, с которыми придётся столкнуться.
Поводом для этого поста можете считать то, что мы добавили в приложения Яндекс.Музыки возможность слушать треки в высоком качестве (320kbps). А можете не считать. Итак.
Оцифровка, или Туда и обратно
Прежде всего разберёмся с тем, что такое цифровой сигнал, как он получается из аналогового и откуда собственно берётся аналоговый сигнал. Последний максимально просто можно определить как колебания напряжения, возникающие из-за колебаний мембраны в микрофоне.
Рис. 1. Осциллограмма звука
Это осциллограмма звука — так выглядит аудио сигнал. Думаю, каждый хоть раз в жизни видел подобные картинки. Для того чтобы понять, как устроен процесс преобразования аналогового сигнала в цифровой, нужно нарисовать осциллограмму звука на миллиметровой бумаге. Для каждой вертикальной линии найдем точку пересечения с осциллограммой и ближайшее целое значение по вертикальной шкале — набор таких значений и будет простейшей записью цифрового сигнала.
Рис. 2. Интерактивный пример сложения волн и оцифровки сигнала.
Источник: www.desmos.com/calculator/aojmanpjrl
Воспользуемся этим интерактивным примером, чтобы разобраться в том, как накладываются друг на друга волны разной частоты и как происходит оцифровка. В левом меню можно включать/выключать отображение графиков, настраивать параметры входных данных и параметры дискретизации, а можно просто двигать контрольные точки.
На аппаратном уровне это, разумеется, выглядит значительно сложнее, и в зависимости от аппаратуры сигнал может кодироваться совершенно разными способами. Самым распространённым из них является импульсно-кодовая модуляция, при которой записывается не конкретное значение уровня сигнала в каждый момент времени, а разница между текущим и предыдущим значением. Это позволяет снизить количество бит на каждый отсчёт примерно на 25%. Этот способ кодирования применяется в наиболее распространённых аудио-форматах (WAV, MP3, WMA, OGG, FLAC, APE), которые используют контейнер PCM WAV.
В реальности для создания стерео-эффекта при записи аудио чаще всего записывается не один, а сразу несколько каналов. В зависимости от используемого формата хранения они могут храниться независимо. Также уровни сигнала могут записываться как разница между уровнем основного канала и уровнем текущего.
Обратное преобразование из цифрового сигнала в аналоговый производится с помощью цифро-аналоговых преобразователей, которые могут иметь различное устройство и принципы работы. Я опущу описание этих принципов в данной статье.
Дискретизация
Как известно, цифровой сигнал — это набор значений уровня сигнала, записанный через заданные промежутки времени. Процесс преобразования непрерывного аналогового сигнала в цифровой сигнал называется дискретизацией (по времени и по уровню). Есть две основные характеристики цифрового сигнала — частота дискретизации и глубина дискретизации по уровню.
Рис. 3. Дискретизация сигнала.
Источник: https://en.wikipedia.org/wiki/Sampling_(signal_processing)
Частота дискретизации указывает на то, с какими интервалами по времени идут данные об уровне сигнала. Существует теорема Котельникова (в западной литературе её упоминают как теорему Найквиста — Шеннона, хотя встречается и название Котельникова — Шеннона), которая утверждает: для возможности точного восстановления аналогового сигнала из дискретного требуется, чтобы частота дискретизации была минимум в два раза выше, чем максимальная частота в аналоговом сигнале. Если брать примерный диапазон воспринимаемых человеком частот звука 20 Гц — 20 кГц, то оптимальная частота дискретизации (частота Найквиста) должна быть в районе 40 кГц. У стандартных аудио-CD она составляет 44.1 кГц
Рис. 4. Квантование сигнала.
Источник: https://ru.wikipedia.org/wiki/Квантование_(обработка сигналов)
Глубина дискретизации по уровню описывает разрядность числа, которым описывается уровень сигнала. Эта характеристика накладывает ограничение на точность записи уровня сигнала и на его минимальное значение. Стоит специально отметить, что данная характеристика не имеет отношения к громкости — она отражает точность записи сигнала. Стандартная глубина дискретизации на audio-CD — 16 бит. При этом, если не использовать специальную студийную аппаратуру, разницу в звучании большинство перестаёт замечать уже в районе 10-12 бит. Однако большая глубина дискретизации позволяет избежать появления шумов при дальнейшей обработке звука.
В цифровом звуке можно выделить три основных источника шумов.
Джиттер
Это случайные отклонения сигнала, как правило, возникающие из-за нестабильности частоты задающего генератора или различной скорости распространения разных частотных составляющих одного сигнала. Данная проблема возникает на стадии оцифровки. Если описывать «на пальцах» «на миллиметровке», это происходит из-за немного разного расстояния между вертикальными линиями.
Шум дробления
Он напрямую связан с глубиной дискретизации. Так как при оцифровке сигнала его реальные значения округляются с определённой точностью, возникают слабые шумы, связанные с её потерей. Эти шумы могут появляться не только на стадии оцифровки, но и в процессе цифровой обработки (например, если сначала уровень сигнала сильно понижается, а затем — снова повышается).
Алиасинг
При оцифровке возможна ситуация, при которой в цифровом сигнале могут появиться частотные составляющие, которых не было в оригинальном сигнале. Данная ошибка получила название Aliasing. Этот эффект напрямую связан с частотой дискретизации, а точнее — с частотой Найквиста. Проще всего понять, как это происходит, рассмотрев вот эту картинку:
Рис. 5. Алиас. Источник: ru.wikipedia.org/wiki/Алиасинг
Зелёным показана частотная составляющая, частота которой выше частоты Найквиста. При оцифровке такой частотной составляющей не удаётся записать достаточно данных для её корректного описания. В результате при воспроизведении получается совершенно другой сигнал — жёлтая кривая.
Уровень сигнала
Поначалу бывает тяжело разобраться с тем, как соотносятся децибелы и реальный уровень сигнала. На самом деле всё просто. Каждые
6 dB (точнее 20 log(2)
N.B. Стоит упомянуть, что логарифм в данном случае берётся десятичный, в то время как большинство библиотек под функцией с названием log подразумевает натуральный логарифм.
96.33 dB, для 24 бит
144.49 dB. Это означает, что самый большой перепад уровня, который можно описать с 24-битной глубиной дискретизации (144.49 dB), на 48.16 dB больше, чем самый большой перепад уровня с 16-битной глубиной (96.33 dB). Плюс к тому — шум дробления при 24 битах на 48 dB тише.
Восприятие
Когда мы говорим о восприятии звука человеком, следует сначала разобраться, каким образом люди воспринимают звук. Очевидно, что мы слышим с помощью ушей. Звуковые волны взаимодействуют с барабанной перепонкой, смещая её. Вибрации передаются во внутреннее ухо, где их улавливают рецепторы. То, насколько смещается барабанная перепонка, зависит от такой характеристики, как звуковое давление. При этом воспринимаемая громкость зависит от звукового давления не напрямую, а логарифмически. Поэтому при изменении громкости принято использовать относительную шкалу SPL (уровень звукового давления), значения которой указываются всё в тех же децибелах. Стоит также заметить, что воспринимаемая громкость звука зависит не только от уровня звукового давления, но ещё и от частоты звука:
Рис. 6. Зависимость воспринимаемой громкости от частоты и амплитуды звука.
Источник: ru.wikipedia.org/wiki/Громкость_звука
Громкость
Простейшим примером обработки звука является изменение его громкости. При этом происходит просто умножение уровня сигнала на некоторое фиксированное значение. Однако даже в таком простом деле, как регулировка громкости, есть один подводный камень. Как я уже отметил ранее, воспринимаемая громкость зависит от логарифма звукового давления, а это значит, что использование линейной шкалы громкости оказывается не очень эффективным. При линейной шкале громкости возникает сразу две проблемы — для ощутимого изменения громкости, когда ползунок находится выше середины шкалы приходится достаточно далеко его сдвигать, при этом ближе к самому низу шкалы сдвиг меньше, чем на толщину волоса, может изменить громкость в два раза (думаю, с этим каждый сталкивался). Для решения данной проблемы используется логарифмическая шкала громкости. При этом на всей её длине передвижение ползунка на фиксированное расстояние меняет громкость в одинаковое количество раз. В профессиональной записывающей и обрабатывающей аппаратуре, как правило, используется именно логарифмическая шкала громкости.
Математика
Тут я, пожалуй, немного вернусь к математике, потому что реализация логарифмической шкалы оказывается не такой простой и очевидной вещью для многих, а найти в интернете данную формулу не так просто, как хотелось бы. Заодно покажу, как просто переводить значения громкости в dBFS и обратно. Для дальнейших объяснений это будет полезным.
Цифровая обработка
Из того, что сигнал имеет верхнее ограничение уровня, следует, что нельзя безопасно увеличивать громкость выше единицы. При этом пики, которые окажутся выше границы, будут «срезаны» и произойдёт потеря данных.
Рис. 7. Клиппинг.
Источник: https://en.wikipedia.org/wiki/Clipping_(audio)
На практике всё это означает, что стандартные для Audio-CD параметры дискретизации (16 бит, 44,1 кГц) не позволяют производить качественную обработку звука, потому что имеют очень малую избыточность. Для этих целей лучше использовать более избыточные форматы. Однако стоит учитывать, что общий размер файла пропорционален параметрам дискретизации, поэтому выдача таких файлов для он-лайн воспроизведения — не лучшая идея.
Измерение громкости
Для того чтобы сравнивать громкость двух разных сигналов, её для начала нужно как-то измерить. Существует по меньшей мере три метрики для измерения громкости сигналов — максимальное пиковое значение, усреднённое значение уровня сигнала и метрика ReplayGain.
Максимальное пиковое значение достаточно слабая метрика для оценки громкости. Она никак не учитывает общий уровень громкости — например, если записать грозу, то большую часть времени на записи будет тихо шелестеть дождь и лишь пару раз прогремит гром. Максимальное пиковое значение уровня сигнала у такой записи будет довольно высоким, но большая часть записи будет иметь весьма низкий уровень сигнала. Однако эта метрика всё равно является полезной — она позволяет вычислить максимальное усиление, которое можно применить к записи, при котором не будет потерь данных из-за «обрезания» пиков.
Усреднённое значение уровня сигнала — более полезная метрика и легко вычислимая, но всё же имеет существенные недостатки, связанные с тем, как мы воспринимаем звук. Визг циркулярной пилы и рокот водопада, записанные с одинаковым средним уровнем сигнала, будут восприниматься совершенно по-разному.
ReplayGain наиболее точно передает воспринимаемый уровень громкости записи и учитывает физиологические и психические особенности восприятия звука. Для промышленного выпуска записей многие звукозаписывающие студии используют именно её, также она поддерживается большинством популярных медиа-плееров. (Русская статья на WIKI содержит много неточностей и фактически не корректно описывает саму суть технологии)
Нормализация громкости
Иногда нормализацию громкости производят в рамках одной записи — при этом различные части записи усиливают на разные величины, чтобы их воспринимаемая громкость была одинаковой. Такой подход очень часто применяется в компьютерных видео-плеерах — звуковая дорожка многих фильмов может содержать участки с очень сильно отличающейся громкостью. В такой ситуации возникают проблемы при просмотре фильмов без наушников в позднее время — при громкости, на которой нормально слышен шёпот главных героев, выстрелы способны перебудить соседей. А на громкости, при которой выстрелы не бьют по ушам, шёпот становится вообще неразличим. При внутри-трековой нормализации громкости плеер автоматически увеличивает громкость на тихих участках и понижает на громких. Однако этот подход создаёт ощутимые артефакты воспроизведения при резких переходах между тихим и громким звуком, а также порой завышает громкость некоторых звуков, которые по задумке должны быть фоновыми и еле различимыми.
Также внутреннюю нормализацию порой производят, чтобы повысить общую громкость треков. Это называется нормализацией с компрессией. При этом подходе среднее значение уровня сигнала максимизируется за счёт усиления всего сигнала на заданную величину. Те участки, которые должны были быть подвергнуты «обрезанию», из-за превышения максимального уровня усиливаются на меньшую величину, позволяя избежать этого. Этот способ увеличения громкости значительно снижает качество звучания трека, но, тем не менее, многие звукозаписывающие студии не брезгуют его применять.
Фильтрация
Я не стану описывать совсем все аудио-фильтры, ограничусь только стандартными, которые присутствуют в Web Audio API. Самым простым и распространённым из них является биквадратный фильтр (BiquadFilterNode) — это активный фильтр второго порядка с бесконечной импульсной характеристикой, который может воспроизводить достаточно большое количество эффектов. Принцип работы этого фильтра основан на использовании двух буферов, каждый с двумя отсчётами. Один буфер содержит два последних отсчёта во входном сигнале, другой — два последних отсчёта в выходном сигнале. Результирующее значение получается с помощью суммирования пяти значений: текущего отсчёта и отсчётов из обоих буферов перемноженных на заранее вычисленные коэффициенты. Коэффициенты данного фильтра задаются не напрямую, а вычисляются из параметров частоты, добротности (Q) и усиления.
Lowpass
Рис. 8. Фильтр lowpass.
Пропускает только частоты ниже заданной частоты. Фильтр задаётся частотой и добротностью.
Highpass
Рис. 9. Фильтр highpass.
Действует аналогично lowpass, за исключением того, что он пропускает частоты выше заданной, а не ниже.
Bandpass
Рис. 10. Фильтр bandpass.
Этот фильтр более избирателен — он пропускает только определённую полосу частот.
Notch
Рис. 11. Фильтр notch.
Является противоположностью bandpass — пропускает все частоты вне заданной полосы. Стоит, однако, отметить разность в графиках затухания воздействия и в фазовых характеристиках данных фильтров.
Lowshelf
Рис. 12. Фильтр lowshelf.
Является более «умной» версией highpass — усиливает или ослабляет частоты ниже заданной, частоты выше пропускает без изменений. Фильтр задаётся частотой и усилением.
Highshelf
Рис. 13. Фильтр highshelf.
Более умная версия lowpass — усиливает или ослабляет частоты выше заданной, частоты ниже пропускает без изменений.
Peaking
Рис. 14. Фильтр peaking.
Это уже более «умная» версия notch — он усиливает или ослабляет частоты в заданном диапазоне и пропускает остальные частоты без изменений. Фильтр задаётся частотой, усилением и добротностью.
Фильтр allpass
Рис. 15. Фильтр allpass.
Allpass отличается ото всех остальных — он не меняет амплитудные характеристики сигнала, вместо чего делает фазовый сдвиг заданных частот. Фильтр задаётся частотой и добротностью.
Фильтр WaveShaperNode
Вейвшейпер (en) применяется для формирования сложных эффектов звуковых искажений, в частности с помощью него можно реализовать эффекты «дисторшна», «овердрайва» и «фузза». Данный фильтр применяет к входному сигналу специальную формирующую функцию. Принципы построения подобных функций довольно сложные и тянут на отдельную статью, поэтому я опущу их описание.
Фильтр ConvolverNode
Фильтр, производящий линейную свёртку входного сигнала с аудио-буфером, задающим некую импульсную характеристику. Импульсная характеристика — это ответ некой системы на единичный импульс. Простым языком это можно назвать «фотографией» звука. Если реальная фотография содержит информацию о световых волнах, о том, насколько они отражаются, поглощаются и взаимодействуют, то импульсная характеристика содержит аналогичную информацию о звуковых волнах. Свёртка аудио-потока с подобной «фотографией» как бы накладывает эффекты окружения, в котором была сняла импульсная характеристика на входной сигнал.
Для работы данного фильтра требуется разложение сигнала на частотные составляющие. Это разложение производится с помощью быстрого преобразования Фурье (к сожалению, в русскоязычной Википедии совершенно несодержательная статья, написанная, судя по всему, для людей, которые и так знают, что такое БПФ и сами могут написать такую же несодержательную статью). Как я уже говорил во вступлении, не стану приводить в данной статье математику БПФ, однако не упомянуть краеугольный алгоритм для цифровой обработки сигналов было бы неправильно.
Данный фильтр реализует эффект реверберации. Существует множество библиотек готовых аудио-буферов для данного фильтра, которые реализуют различные эффекты (1, 2), подобные библиотеки хорошо находятся по запросу [impulse response mp3].
Материалы
Большое спасибо моим коллегам, которые помогали собирать материалы для этой статьи и давали полезные советы.
Отдельное спасибо Тарасу Audiophile Ковриженко за описание алгоритмов нормализации и максимизации громкости и Сергею forgotten Константинову за большое количество пояснений и советов по данной статье.
UPD. Поправил раздел про фильтрацию и добавил ссылки по разным типам фильтров. Спасибо Денису deniskreshikhin Крешихину и Никите merlin-vrn Киприянову за то, что обратили внимание.