音频中dither的运用

leejanus

在音频处理中，有关降噪这块，常用到dither的概念。

那么什么是dither？

Dither：是数字音乐处理上非常神奇的技巧，目的是通过用少数的Bit达到与较多Bit同样的听觉效果，方法是在最后一个Bit（LSB）上动“手脚”。例如用16Bit记录听起来好似20Bit的信息，听到原先16Bit无法记录的微小信息。举例来说，现在我有个20Bit的采样信息，现在想将其存为16Bit的信息格式，最简单的转换方式就是直接把后面4个Bit去掉，但是这样就失去用20Bit录音／混音的意义。比较技巧性的方法是在第17~20Bit中加入一些噪音，这段噪音就叫做Dither。这些噪音加入后，可能会进位而改变第16个Bit的信息，然后我们再把最后4个Bit删掉，这个过程我们称为redithering，用意是让后面4个Bit的数据线性地反映在第16个Bit上。由于人耳具有轻易将噪音与乐音分离的能力，所以虽然我们加入了噪音，实际上我们却听到了更多音乐的细节。 　　
　　我们通过一个比喻来让大家了解Dither：我们通过手指间的细缝只能看到眼前部分的图像，但是如果前后挥动手掌，就可以通过不同时刻看到的整个图像的各个部份，从而在大脑中建构出完整的图形信息，这就是大脑神奇的地方。Dither与此类似，但不是简单的理论就可以说得清楚的。在众多的Dither技术中，索尼（SONY）公司的SBM（Super Bit Mapping，超级数码映像）、LIVE STUDIO RECORDINGS的ULTRA MATRIX PROCESSING（超级矩阵处理）都是专攻20Bit转16Bit的技术。Dither的数字音讯处理用途非常广泛，凡是两个波形的相加、振幅的缩放、Normalize都会用到。现在的录音室已经发展到24Bit录音，在这个音乐CD还是主流储存媒体的时代，Dither还是非常重要的技术。顺便提一下，在影像处理领域，将24Bit的全彩图像以16Bit的高彩画面显示也会用到Dither的技术。

为什么要使用dither？这里引用dearhoney论坛上的文章：
人耳对具有周期性的声音、频谱上特别突出的频率（formant）、随时间变化而移动的突出频率特别敏感。当声音从高解析度降低为低解析度的时候，舍弃末尾 bit 所造成增加的 quantization error，会和原本的声音讯号有高度的关连性;，会造成很明显的泛音失真，人耳对这种突出的泛音失真会很敏感。
dither 在音讯中加入所造成的是一种 white noise，也就是能量在各个频率都一样的 noise。这种 noise 是随机的、乱序的、不规则的，我们对这种讯号，大脑会认为这是比较不重要的、没有意义的、无法 tracking 的，所以会自动降低对它的敏感度，直接把它忽视掉。
所以我们就利用这样的特性，在由高解析度转为低解析度之前，先对原始的声音讯号加入一个随机的杂讯，这个杂讯会增加整体的杂讯量，但是会不规则打破原本的 quantization error，消除 quantization error 和原本讯号之间的关连也就是用我们比较可以忍受、比较不会去注意到的沙沙沙的white noise，去取代原本突出的泛音失真。