Tous droits réservés pour tous pays. All rights reserved.
| Serveur © IRCAM - CENTRE POMPIDOU 1996-2005. Tous droits réservés pour tous pays. All rights reserved. |
Rapport Ircam 23/79, 1979
Copyright © Ircam - Centre Georges-Pompidou 1979
Or les techniques de codage numérique permettent dans certaines conditions de protéger les signaux contre le bruit et la distorsion. On peut représenter les sons sous forme de nombres codés -- cette représentation, qui permet la synthèse des sons par ordinateur, se présente aussi à l'enregistrement numérique des sons. Aussi avons-nous proposé en janvier 1975 que l'IRCAM étudie les possibilités musicales de l'archivage numérique des sons, c'est-à-dire de l'enregistrement et de la conservation des sons sous forme de nombres codés. Cette étude a été financée dans le cadre de l'enveloppe recherche sur les exercices 1976 et 1977.
La recherche proposée visait d'abord à mettre en oeuvre un système d'enregistrement et d'archivage numérique des sons, mais aussi à préciser les spécifications minimales nécessaires pour assurer une haute qualité musicale, et enfin à étudier des méthodes pouvant permettre une économie de codage.
Ce rapport final expose les travaux effectués. Il décrit d'abord le système d'enregistrement numérique mis en place à l'IRCAM et ses performances, qui dépassent les possibilités de l'enregistrement analogique. Chemin faisant il spécifie les spécifications minimales qui ont été jugées nécessaires, et il précise les procédés qui ont permis d'atteindre ces spécifications dans la réalisation de l'IRCAM (réalisation qui va être commercialisée sous licence IRCAM). Puis il expose une nouvelle méthode de codage étudiée dans le cadre du projet et qui permet une économie appréciable de données. Il conclut sur une discussion des possibilités pratiques, des problèmes et des perspectives de l'enregistrement et de l'archivage numérique, qu'il s'agisse de la réalisation IRCAM ou de diverses réalisations industrielles qui ont vu le jour a peu près simultanément.
Ce rapport final peut paraître tardif pour un projet budgétairement terminé comme prévu le 31 décembre 1977 : comme il avait été précisé lors des Comités de Recherche des 21 avril et 18 mai 1977 (cf. le procès-verbal), l'IRCAM a souhaité ne « boucler » le projet qu'une fois les tests effectués dans le nouveau bâtiment IRCAM, en utilisant les circuits définitifs et les studios d'enregistrement. L'ordinateur a été transféré dans le nouveau bâtiment IRCAM en octobre 1977 ; la mise en oeuvre des studios est intervenue plus tard que prévu ainsi que celle des circuits définitifs. Nous avons pu mesurer les performances du système, et en particulier les produits de distorsion, réduits à moins de 90 dB au-dessous du niveau du signal (cette performance mesurée entre entrée analogique et sortie analogique après passage par le système d'archivage).
L'auteur de ce rapport, responsable du projet D.G.R.S.T. sur l'archivage numérique des sons, insiste sur le travail
scientifique et technique accompli principalement par David Cockerell et Andy Moorer durant leur séjour à l'IRCAM,
ainsi que par Tim Orr, Design Consultant, et aussi par divers collaborateurs de l'IRCAM, principalement Max Mathews,
James Lawson, Peter Eastty, Jean-Louis Richer, Didier Roncin, et également Brian Harvey, Raymond Bara.
Le théorème d'échantillonnage (appelé souvent théorème de Shannon, mais établi antérieurement sous d'autres
formes par Kupfmuller, Nyquist, Whittaker (1918), voire Cauchy) indique que toute onde de bande passante limitée à f Hz est parfaitement définie par (et peut être reconstituée à partir de) la donnée d'au moins 2f échantillons par
seconde. La reconstitution peut se faire par une interpolation en sin x/x qui peut être approchée de façon satisfaisante
par un filtrage passe-bas. Pour l'enregistrement de la musique, la bande passante devrait être d'au moins 15.000 Hz,
ce qui suppose donc environ 40.000 échantillons par seconde et par canal (4 fois plus en quadraphonie). D'autre part
les échantillons doivent être codés avec une précision suffisante pour maintenir le bruit (ou la distorsion) de
quantification à une valeur subliminale. On sait réaliser des convertisseurs analogique-numérique (ou
analogique-digital-ADC) (qui échantillonnent un signal analogique électrique) et numérique-analogique (ou
digital-analogique-DAC) (qui restituent une tension électrique à partir d'échantillons) avec une précision supérieure à
12 bits. (Ainsi les DACs comportent un réseau de résistances et de commutateurs électroniques -- transistors
permettant d'engendrer un signal analogique d'entrée comme somme pondérée de signaux individuels correspondant
aux divers bits, cette somme étant déterminée par le signal numérique d'entrée -- cf. Fig. 1.).
Cependant il est difficile de concilier rapidité (taux d'échantillonnage élevé) et précision comme il sera exposé
ci-dessous : il est difficile de construire des réseaux rapides et précis, et il est difficile de les mettre sous forme
de circuits intégrés, l'intégration se prêtant mieux à la réalisation d'opérations approximatives rapides sur les
amplitudes qu'à l'obtention d'une grande précision sur ces amplitudes. Par ailleurs on manque de données sur la
précision réellement nécessaire pour assurer une bonne qualité musicale.
Les échantillons doivent être stockés sur une mémoire de masse de capacité suffisante -- disque magnétique ou
bande magnétique. Si le disque magnétique présente certains avantages de fonctionnement, la bande magnétique est
actuellement préférable pour l'archivage, étant moins coûteuse et moins encombrante. Le système de conversion doit
permettre de prélever ou de restituer les échantillons à un rythme rigoureusement constant : cela impose
l'usage d'une mémoire-tampon (buffering) pour découpler ce rythme (sous contrôle d'une horloge externe définissant
avec précision la fréquence d'échantillonnage) de la cadence irrégulière d'accès à la mémoire de masse (rotation
physiquement irrégulière occasionnant pleurage et scintillation, voire interruptions du débit dues au groupement
d'échantillons en blocs séparés).
L'ordinateur DEC 10 a été choisi pour servir les besoins des divers départements de l'IRCAM dans le domaine de la
recherche musicale -- en particulier dans le domaine du traitement du son. Cet ordinateur est utilisé en temps
partagé ; il dispose d'éditeurs commodes, de possibilités de stockage et de communication entre utilisateurs. Il
était essentiel au projet archivage numérique, mais aussi aux autres activités de traitement du son, de le doter de
conversion en ligne -- un système « hors ligne » (off line) aurait considérablement diminué la commodité d'utilisation.
Le matériel informatique dont nous disposions au départ était le suivant :
Il faut noter que si cette capacité de disque est suffisante dans la plupart des applications, elle peut cependant être
insuffisante, non pas pour les études, mais pour l'exploitation de l'archivage numérique : cette limitation peut
être levée par le recours à des unités de disque de capacité plus importantes, qui existent sur le marché mais que
nous n'avons pas acquis pour des raisons d'économie (on notera que le prix des unités de disque de grande capacité
baisse rapidement). Par ailleurs, si l'on envisage l'exploitation extensive de l'archivage numérique, il est préférable
d'acquérir un dérouleur de bande magnétique plus rapide que le TU-10 afin d'effectuer plus rapidement le transfert
disque-bande. On pourrait alors envisager un transfert direct sur la bande : il faut noter cependant que le disque
permet un accès beaucoup plus rapide et commode si l'on veut effectuer des traitements sur le son mis sous forme
numérique.
Les programmes de transfert des échantillons ont été écrits d'abord par James Lawson, puis par Jean-Louis Richer,
avec la collaboration des responsables du moniteur du système DEC 10, Brian Harvey puis Raymond Bara. Ces
programmes devaient assurer le transfert mémoire de
Peter Eastty a conçu et presque entièrement réalisé pour le DEC 10, un accès direct mémoire (DMA) qui remplacera
le bus d'entrée/sortie programmé pour le transfert des échantillons : ce matériel permettra de décharger
complètement l'unité centrale lors des opérations de transfert ; ainsi les autres utilisateurs du DEC 10 (il y a
parfois plus de 20 utilisateurs simultanés) ne seront absolument pas pénalisés par l'enregistrement ou la restitution de
sons numérisés.
Il faut mentionner aussi l'adaptation et le développement par James Lawson d'un logiciel d'indexation automatique,
DART, permettant de retrouver les fichiers (en particulier les fichiers son) qui ont été archivés sous forme de bande
magnétique : si l'on tape « LOCATE » suivi du nom du fichier recherché, le programme donne la liste des
numéros des bandes sur lesquelles le fichier est archivé, ainsi que les dates d'archivage. (Notre version du
programme a été demandée par des centres étrangers utilisant le DEC 10).
La solution proposée par David Cockerell tranche le noeud gordien en supprimant purement et simplement
l'échantillonneur et son ampli opérationnel (cf. Fig. 3) : le convertisseur est ouvert un temps bref pour « injecter »
sa valeur à la sortie, et le reste du temps la sortie est remise à zéro (ce qui est plus facile, par remise à la terre, que
d'essayer de réinjecter une valeur qui vient d'être donnée : il n'y a plus qu'un interrupteur qui ouvre ou ferme le
convertisseur). La sortie du convertisseur est donc envoyée directement dans le filtre. Il faut bien sûr un ampli
opérationnel pour intégrer ce signal, mais l'ampli sera placé après les filtres passe-bas, à un moment où la rapidité des
changements est fortement limitée -- aussi peut-on choisir un ampli pas très rapide mais d'excellente qualité (en
l'occurrence un ampli Neve d'une dynamique supérieure à 100 dB). Le procédé peut donner lieu à une distorsion
harmonique, bien moins gênante que la distorsion d'intermodulation de la technique classique.
Ce procédé ingénieux fonctionne très bien : Cockerell a obtenu des produits de distorsion d'intermodulation à
moins de 90 dB en-dessous du signal. La tension obtenue à la sortie est moins élevée que dans le procédé normal
(elle est multipliée par le quotient du temps d'ouverture du convertisseur au temps total), mais cela peut ne pas être
gênant si l'on est très attentif à ne pas introduire de bruits parasites. Deux convertisseurs 16 bits fonctionnant
suivant ce principe ont été opérationnels en février 1977 (à temps pour la conversion d'
« Inharmonique », de
J.C. Risset, la
première composition réalisée sur l'ordinateur de l'IRCAM et présentée en avril 1977 dans le cadre de la série IRCAM
« Passage du XXe Siècle »)
Moorer a donc défini le cahier des charges d'un dispositif de conversion comportant, comme il a été dit, un
convertisseur 16 bits avec le schème de Cockerell pour éliminer l'échantillonneur-bloqueur ; des isolateurs
optiques ; des alimentations isolées ; une double boîte métallique s'adaptant aux racks 19 pouces ;
une sortie symétrique ; et de plus un choix de filtres passe-bas commutables par ordinateur ou à la main (choix
recommandés initialement : 5 KHz, 10 KHz, 20 KHz), et un affichage à diodes électroluminescents indiquant le
choix du filtre et la valeur des 16 bits (représentés à volonté soit tels quels, soit convertis en dB -- chaque diode
correspond alors à un saut de 6 dB). L'horloge externe -- à quartz -- est reliée au dispositif par un câble blindé vidéo
séparé des lignes de données. La réalisation de convertisseurs suivant ces standards a été sous-traitée à Tim Orr,
Design Consultant, qui avait déjà l'expérience de ces problèmes de grande dynamique en conversion ; Tim Orr
a ainsi réalisé pour les besoins de l'IRCAM 8 convertisseurs d'entrée, 10 convertisseurs de sortie (1), munis de filtres
passe-bas (commutables par logiciel) à 4 KHz, 12,8 KHz et 18 KHz. Ces convertisseurs ont été livrés à l'IRCAM en 1978 et 1979, et la performance mesurée
(entre entrée analogique et sortie analogique après passage dans le domaine numérique) correspond à un rapport
signal sur bruit supérieur à 90 dB (cette valeur a été mesurée au distorsiomètre pour un taux d'échantillonnage de 50 KHz
avec un filtre passe-bas à 18 KHz). La diaphonie n'est introduite que par le système audio. Les produits de
distorsion du système d'enregistrement numérique sont inférieurs aux bruits résiduels, comme le souffle du préampli
du microphone, ou le ronflement dû au secteur. Par comparaison, un magnétophone analogique donne dans les
meilleures conditions un rapport signal sur bruit de 60 ou 65 dB ; les réducteurs de bruit du type Dolby ou DBX
permettent de gagner 10 ou 15 dB -- mais on gagne le même rapport en les utilisant avec l'enregistrement
numérique ; et il est difficile de se débarasser de l'importante distorsion d'harmonique 3 dans l'enregistrement
magnétique analogique (typiquement de l'ordre de - 35 dB).
Ces convertisseurs, fabriqués par Tim Orr sous licence IRCAM (Cf. Fig. 4), sont disponibles mondialement pour
l'usage haute fidélité -- archivage numérique et traitement des sons par ordinateur.
L'enregistrement numérique protège contre les erreurs : mais il ne faut pas se dissimuler cependant que les
erreurs, si elles surviennent, peuvent être graves, voire fatales. Les « drop-out » (pertes de niveau d'enregistrement dues
aux irrégularités de la couche d'oxyde magnétique), causes de distorsion dans l'enregistrement analogique, peuvent
créer une perte momentanée du signal dans l'enregistrement numérique. Et il importe que les têtes de lecture des
disques et dérouleurs de bande soient soigneusement alignées, faute de quoi il peut être impossible de relire un
enregistrement : mais moyennant ces précautions, l'enregistrement utilisant les mémoires de masse d'un
système informatique est d'une grande sécurité. Les systèmes commerciaux utilisent des magnétophones vidéo qui
sont sujets à erreurs non récupérables et qui peuvent s'accumuler (cf. ci-dessous, III).
Le système développé à l'IRCAM permet l'archivage numérique et a été utilisé occasionnellement à ce titre. C'est ainsi
qu'ont été archivés des enregistrements instrumentaux réalisés par David Wessel et Ben Bernfeld, enregistrements
qui ont été soumis à des analyses ou des traitements « microchirurgicaux » par ordinateur, en particulier pour les
recherches de Moorer, Wessel, Rodet, Di Giugno, Asta, et les pièces Arcus
de York Höller et Mirages de
Jean-Claude Risset, présentées en 1978 dans l'Espace de Projection de l'IRCAM, et qui utilisent des sons instrumentaux
enregistrés et restitués avec ou sans modification par l'ordinateur. Preuve est donc faite que ce système peut servir à
l'archivage numérique des sons, et l'IRCAM a eu des demandes pour l'utiliser dans ce sens (2). Il faut bien voir
cependant que sous sa forme actuelle le système n'est pas optimisé pour une exploitation intensive -- qui ne
correspondrait d'ailleurs pas à la mission de l'IRCAM. Jusqu'à l'achèvement (imminent) du DMA, les conversions
pénalisent substantiellement les autres utilisateurs de l'ordinateur. Si on devait faire une utilisation importante de
l'archivage numérique à l'IRCAM, il faudrait envisager l'acquisition d'un dérouleur rapide avec enregistrement à haute
densité, ce qui résoudrait les problèmes de la capacité limitée des disques et du temps de transfert disque-bande. Il
serait par ailleurs utile de bénéficier de schèmes de réduction de données pour réduire les dimensions des archives à
constituer : c'est le sujet du prochain chapitre de ce rapport.
Mathews a également proposé un système élaboré tirant parti d'une compression-expansion, basée sur un
amplificateur à commande exponentielle par tension d'entrée et une détection d'amplitude, comme celle qui est
assurée dans le dispositif réducteur de bruit DBX. Si l'on veut non seulement enregistrer mais transformer ou
synthétiser des sons dans le domaine numérique, il importe de savoir réaliser numériquement le même codage et
décodage que dans le domaine analogique -- or les caractéristiques du codage, en particulier les constantes de
temps pour l'évaluation des amplitudes, n'étaient pas explicitées complètement par le constructeur. James Lawson
avait effectué sur cette idée des essais prometteurs mais non encore concluants.
Mathews et Lawson ont également effectué quelques essais sur un schème de réduction de données par modulation
adaptive (on code la différence entre 2 échantillons successifs, d'une manière variant avec le signal).
Ces études ont été arrêtées au moment de la réalisation de la conversion suivant le procédé Cockerell -- mais
les idées qu'elles ont fait surgir peuvent trouver une application ultérieure. Moorer a repris l'étude des économies de
codage.
Moorer a d'abord étudié les codes de Huffman (codes de longueur minimale). Les codes de Huffman permettent de
condenser l'information apportée par les valeurs des échantillons en tablant sur le fait que ces valeurs ne sont pas
équiprobables : ils attribuent aux valeurs les plus fréquentes des codes plus courts. Ce codage utilise donc un
histogramme des valeurs des échantillons : ceci impose d'effectuer deux passages (un pour évaluer
l'histogramme, un autre pour recoder les échantillons). Cette nécessité interdit l'enregistrement direct sous forme
codée réduite -- pour cela, il faut utiliser une statistique accumulée a priori sur un corpus de matériaux sonores
représentatifs : mais si la statistique n'est pas représentative du matériau enregistré, le codage peut dilater --
parfois considérablement -- l'information au lieu de la condenser.
Moorer a proposé des schèmes modifiant les codes de Huffman et tirant parti des spécificités de l'application
audio : ses schèmes limitent l'explosion d'information si le code prend plus de place que l'échantillon
original ; d'autre part Moorer a comparé du point de vue de l'économie le codage de l'échantillon lui-même, de la différence entre deux échantillons successifs,
(modulation
, soit X(n) - X(n-1)) et de la différence seconde (X(n) - 2X(n-l)+X(n-2)) en partant de l'idée que
l'énergie sonore est en général plus forte dans les basses fréquences, et que les différences ont donc des valeurs plus
petites que les échantillons eux-mêmes. Enfin les schèmes de Moorer limitent le codage aux bits de poids fort,
l'entropie des bits de poids faible étant trop élevée. Moorer a étudié expérimentalement ces schèmes en les appliquant
à divers signaux sonores (parole, musique instrumentale enregistrée, musique synthétique). L'expérience a montré
qu'il était inutile de recoder le bit de signe et les 3 derniers bits de poids faible ; qu'on gagnait à coder les
différences secondes, même pour les sons riches en haute fréquence ; et que l'utilisation pour un matériau d'un
codage non défini à partir de l'histogramme de ce matériau pouvait parfois dilater beaucoup l'information. Autre
problème : le codage (et le décodage) se faisant bit par bit, et chaque échantillon comportant un nombre
variable de bits, il devient impossible de décoder si l'on ne commence pas du début ou s'il y a une erreur. Pour pallier
cet inconvénient, il faut grouper les échantillons en blocs (inégaux) au début desquels on réinitialise le code. Malgré
ces problèmes, le codage peut être utile : la réduction d'information sans distorsion atteint de 5 à 7 bits pour des
échantillons de 16 bits.
La forme du codage minimal a suggéré à Moorer d'étudier un codage original : codage « incrémental à virgule
flottante ». Le codage mis au point par Moorer peut être considéré à la fois comme une extension d'un simple codage à
virgule flottante (représentation par mantisse et exposant) et comme une simplification du codage par prédiction
linéaire ; il coïncide également, pour certaines valeurs des paramètres avec un schème décrit par Samson
(1978). Un arrondi préalable est effectué et un processus spécial permet d'économiser un bit sur le signe. Le
processus peut être mis en oeuvre en utilisant des registres à décalage sans multiplication. Le codage a été simulé
sur l'ordinateur PDP 10 afin de déterminer quel nombre de bits pour mantisse et exposant donnait lieu à la meilleure
réduction de données en introduisant le moins de perturbation -- cela en préservant une dynamique correspondant à
16 bits linéaires. (Cette valeur de 16 bits, linéaire en M.I.C., (P.C.M.), d'après les essais réalisés à l'IRCAM et ailleurs,
paraît correspondre à des spécifications satisfaisantes pour l'enregistrement des signaux musicaux, à condition que la
dynamique ne soit pas réduite par des effets parasites introduisant un bruit ou des produits de distorsion plus
importants qu'ils ne devraient être -- Cf. ci-dessus, I.4 ; on a des indications que les 14 bits utilisés par la
B.B.C. -- pour la transmission entre Londres et l'Ecosse de programmes radio à dynamique comprimée (B.B.C.,
1967 ; Croll et al, 1973) -- ne sont pas suffisants dans tous les cas).
Pour des sinusoïdes dont la fréquence est basse par rapport au taux d'échantillonnage, le schème proposé donne
bien une meilleure approximation qu'un simple codage à virgule flottante de même longueur, mais il est un peu moins
précis aux fréquences élevées ; une évaluation significative de son utilité nécessite une étude psychoacoustique
comportant des tests perceptifs. Les sinusoïdes de fréquence moyenne (voisines de 1.000 Hz)
masquent les bruits de quantification mieux que celles de fréquences-extrêmes, et la grande
audibilité des distorsions dans les fréquences graves fait que le codage proposé est bien supérieur au simple codage
en virgule flottante. Les tests subjectifs, effectués dans les conditions les plus sévères (sur des sinusoïdes), ont
montré qu'il suffisait de représenter la mantisse avec une précision de 9 bits, voire de 8 bits (l'exposant occupant 4
bits) pour que le signal codé ne puisse être distingué de l'original (16 bits) : la réduction apportée est de 20 à
30% et il faut voir qu'on a ainsi une dynamique correspondant à celle donnée par un codage entier (non flottant) sur 24
bits !
Le codage incrémental à virgule flottante proposé par Moorer est utile et facile à réaliser ; il peut être préférable
de l'éviter si l'on doit effectuer ultérieurement des traitements -- analyse, filtrage -- sur le signal :
mais ce codage se prête parfaitement à l'archivage numérique, sur lequel il permet une réduction de données
atteignant 30% sans perte de qualité.
En ce qui concerne la place de l'enregistrement numérique dans l'industrie de l'enregistrement, il nous faut distinguer
le cas de l'utilisateur professionnel (radios, studios d'enregistrement) de celui de l'utilisateur privé, de l'amateur de
haute fidélité : les budgets possibles et les difficultés d'emploi acceptables ne sont à la même échelle pour ces
deux catégories d'utilisateurs.
L'enregistrement numérique est une réalité : il est utilisé à l'IRCAM, où dans le cadre de cette étude nous avons
développé un système expérimental d'enregistrement à hautes performances à partir d'un système informatique
puissant de traitement des sons ; il est utilisé dans d'autres centres de recherche (Stanford University, Bell
Laboratories, Carnegie-Mellon University, University of Utah, B.B.C. Research Center, Centre National d'Etudes des
Télécommunications) ; il est utilisé aussi dans les milieux professionnels de l'enregistrement, qui ont recours
parfois à l'enregistrement numérique en vue de la réalisation de disques commerciaux. De telles institutions peuvent
se permettre des investissements élevés pour développer des outils raffinés pour la recherche, ou pour tenter
d'économiser sur les sessions coûteuses d'enregistrement. A l'IRCAM l'enregistrement numérique utilise un système
informatique qui était de toute façon nécessaire aux recherches (en particulier sur
le traitement des sons) réalisés à l'Institut : cela procure la possibilité de traitements raffinés
sur les enregistrements, et assure la sécurité liée aux vérifications du type contrôle de parité. Mais il faut voir que ces
traitements peuvent pour l'instant difficilement être réalisés en temps réel comme ils le sont dans un studio
d'enregistrement ; d'autre part l'archivage sur des bandes enregistrées à une densité de 800 caractères par
pouce (en abrégé bpi, comme bits per inch) est très encombrant (bien plus que les bandes analogiques). Il est vrai
que la densité utilisable s'accroît, mais les erreurs deviennent aussi plus difficiles à éviter ; le maximum
actuellement utilisé en informatique est de 6400 bpi. Comme il a été dit, le système expérimental d'enregistrement
numérique de l'IRCAM pourrait être utilisé de façon extensive, pour réaliser des archives sonores, une fois l'accès
direct-mémoire terminé (ce qui sera le cas incessamment), et moyennant l'addition d'un dérouleur de bande
magnétique rapide. Il est clair que les magnétophones analogiques seront encore utilisés de longues années pour
l'usage courant, en raison de leur coût moins élevé, de leur portabilité et de leur maniabilité.
Les systèmes commerciaux tendent à utiliser des magnétophones vidéo modifiés, moins coûteux, et sur lesquels on
peut obtenir des densités jusqu'à 28000 bpi -- mais au prix d'une fiabilité bien moins grande. Ainsi le système
pionnier de Stockham utilise une méthode d'enregistrement (Cf. Warnock, 1976) qui permet de condenser les
informations au point que les bandes d'enregistrement numérique ne prennent pas beaucoup plus de place que des
bandes analogiques. Mais ces magnétophones donnent des erreurs -- et les bandes devraient être recopiées
périodiquement (chaque année au moins ?) pour éviter l'accumulation de ces erreurs, qui nuisent à la qualité du
son. On notera que Stockham a commercialisé (en location) son système d'enregistrement numérique (Soudstream,
inc.) qui a été utilisé pour réaliser des bandes-mères (« masters ») de disques -- en particulier l'équipe de
Stockham a pu « rafraîchir » par traitement sur ordinateur certains enregistrements de Caruso (Cf. Ingebretsen, 1978).
Parmi les autres systèmes commerciaux, on peut citer celui de Three Rivers Corp. (Kriz) ; de 3M ; de
Denon, utilisé pour les « masters » des disques Nippon-Columbia (ce système utilise une fréquence d'échantillonnage
de 47,25 KHz, et 13 bits pour décrire les échantillons plus 2 bits pour la correction d'erreur. L'enregistrement se fait en
8 pistes. Les 5,67 Mégabits par seconde sont enregistrés sur un magnétophone vidéo à 4 têtes (vitesse 38 cm/s,
largeur de la bande 50 mm) ; de Matsushita et de Sony, qui utilisent un enregistreur vidéo à cassette. (Le
système Sony, dit Betamax, utilise 14 bits en stéréo ; il n'est pas très coûteux, mais ses caractéristiques ne sont
pas les meilleures qu'on puisse atteindre -- il vise déjà la clientèle privée).
Le problème des erreurs reste très gênant. Il existe des schèmes de codage redondants qui permettent de corriger les
erreurs ; il y a aussi des techniques pour réduire la nuisance des erreurs : par exemple on peut alterner
les échantillons -- échantillons pairs dans un bloc, échantillons impairs dans un autre bloc si l'on perd un bloc,
on ne fait que diviser par deux le taux d'échantillonnage sur la fraction de seconde correspondante et on peut
interpoler entre les échantillons conservés. Un tel schème est utile, surtout si l'on utilise un codage à haute
densité : si un fragment du support est défectueux (drop-out sur une bande) il pourra introduire des erreurs sur
de nombreux bits consécutifs.
Il serait évidemment intéressant de disposer dans les studios non seulement d'un magnétophone numérique, mais de
consoles numériques de mixage remplaçant les consoles analogiques actuelles. Les compagnies d'enregistrement
réalisent en effet le plus souvent des enregistrements multi-pistes suivis de mixages. La multiplication des pistes
complique le problème pour l'enregistrement numérique en raison de la grande capacité de débit d'information qu'elle
exige. Mentionnons cependant que plusieurs firmes (Ampex, 3M) étudient des enregistrements numériques
multi-pistes, ainsi la Société 3M réalise-t-elle pour deux compagnies d'enregistrement un enregistrement numérique
codant 32 canaux avec une résolution de 16 bits sur une bande de 1 pouce : une bobine de 14 pouces de
diamètre peut enregistrer plus de 30 mn de son ; le taux d'échantillonnage est de 50.000 Hz. Les performances
nominales sont excellentes, mais on ne dispose pas d'analyse de la performance en fonction des erreurs de lecture de
la bande. Le coût est de l'ordre de $ 150.000.
Par ailleurs les consoles analogiques ont atteint un haut niveau de qualité (rapport signal sur bruit de l'ordre de 110 dB)
et de commodité cependant la difficulté de réalisation des mixages conduit à développer des consoles
automatisables, pouvant mémoriser les paramètres d'un mixage réalisé manuellement. Précisons pour éviter les
confusions que les tables de mixage automatisées disponibles actuellement (par exemple Compumix, Neve Necam,
MCI JH-500, Automated Processes, Allison Memory Plus) sont des consoles analogiques à commande numérique
(utilisant un amplificateur commandé par tension d'entrée). Les consoles numériques paraissent très attrayantes par
les commodités de mémorisation et de traitements précis du son qu'elles pourraient offrir. (C'est ainsi que nous
disposons à l'IRCAM d'un ensemble de programmes de microchirurgie du son très raffinés, disponibles sur l'ordinateur
DEC 10 (Rolnick, 1979) et applicables donc à tout enregistrement numérique réalisé suivant le format 16 bits linéaire).
Toutefois on ne saurait pas actuellement coder les sons avec une précision assurant le rapport signal sur bruit de 110
dB qu'on sait réaliser dans les consoles analogiques ; et certaines opérations (filtrage) sont moins faciles à
réaliser numériquement qu'analogiquement. La BBC s'est attaquée au problème des consoles numériques en
construisant le prototype (COPAS) d'un processeur numérique spécialisé pour le traitement numérique des signaux
audio (Mc Nally) ; ce système à 2 entrées et jusqu'à 16 sorties comporte un microprocesseur et un processus
rapide microprogrammable ; il peut effectuer les opérations typiques des consoles de studio (mixage,
égalisation, compression) ainsi que divers traitements (analyse spectrale, réverbération, vocoder, synthétiseur). Il est
vraisemblable que ce type de consoles va se multiplier : toutefois la conception de telles consoles est délicate,
et il est difficile de prévoir à quels moments leurs avantages l'emporteront sur leurs inconvénients. Après la phase de
conception, le facteur économique devrait tourner rapidement à l'avantage des consoles numériques.
Malgré les apparences, le facteur économique n'est pas non plus un obstacle définitif à la distribution
d'enregistrements numériques à la clientèle privée. Des réalisations comme le système Betamax de Sony, utilisant un
magnétophone vidéo, sont encore coûteuses mais non plus inabordables pour l'utilisateur individuel. L'utilisation des
disques vidéo est prometteuse dans ce sens : plusieurs organisations (Philip-Magnavox ; JVC-Nivico,
branche de Matsushita, Mitsubishi-Teac ; Pioneer ; RCA ; Battelle Institute) ont développé des
prototypes d'enregistreurs et de lecteurs numériques sur disque, l'enregistrement et la lecture faisant souvent appel à
un laser : ce processus pourrait, semble-t-il, être commercialisé pour un prix pas trop élevé
(le système Philips, très compact -- un disque de 115 mm de diamètre -- est même prévu pour l'usage dans les
voitures !).
Cependant pour que cette possibilité soit intéressante, il faut qu'il existe sur le marché des enregistrements numériques
qui puissent être lus sur des lecteurs numériques disponibles : si les normes d'enregistrement ne sont pas
compatibles avec celles des lecteurs, l'utilisation de l'enregistrement est impossible. Aussi doit être résolu un problème de
normalisation beaucoup plus aigu que celui qui se posait pour l'enregistrement analogique. Il faut normaliser les
caractéristiques d'enregistrement numérique : taux d'échantillonnage (actuellement le taux utilisé varie entre 32 et
50 KHz) nombre de bits (de 12 à 16 bits) ; loi de codage (linéaire, logarithmique, etc. cf. II.2) ; protection
contre les erreurs -- et également, par exemple, les dimensions physiques des enregistrements (Sony et Philips
proposent respectivement des disques de diamètre 12 pouces et 4 pouces 1/2)... Fin 1977, l'Audio Engineering Society
(3) a formé un comité de standards audio numérique (Mc Knight, 1978) : ce comité recommande une précision de 16
bits et un taux d'échantillonnage de 50 KHz -- ou de 44,056 KHz, bien adapté à l'usage des magnétophones
vidéo -- (Sony annonce un processeur pour la conversion entre ces deux taux d'échantillonnage).
En raison des problèmes de normalisation et de constitution d'un répertoire et vu les coûts encore élevés, il se passera
certainement plusieurs années avant que les systèmes numériques soient commercialisés pour la clientèle privée
-- et ce seront au départ des appareils haut de gamme --. Déjà utilisé dans les studios d'enregistrement, le
numérique va sans doute voir son intervention s'étendre, en raison de ses coûts décroissants (4), de la qualité qu'il
autorise, des possibilités de manipulation commode qu'il permet de mettre en oeuvre. On ne peut dire dans quel délai de
nouveaux types de stockage (hologrammes, mémoire à bulle) pourront prendre le relais de l'enregistrement magnétique
comme support des enregistrements numériques il serait également aventureux de prédire à quelles réalisations pratiques
pourront aboutir les idées du haut-parleur et du microphone numérique. En tout cas, grâce à l'enregistrement numérique,
on peut unifier le format du répertoire enregistré et celui de la synthèse et du traitement des sons par ordinateur, ce qui
pourrait déboucher sur des possiblités nouvelles de jeu musical : c'est important pour un Institut de recherches
musicales, mais ce peut l'être aussi pour l'utilisateur privé, en réservant une place à la créativité individuelle.
Dans le cadre du projet « Archivage numérique des sons », l'IRCAM a construit un système expérimental
d'enregistrement numérique faisant appel à un processus de conversion nouveau et incorporant des précautions
assurant de hautes performances : les convertisseurs sont disponibles commercialement sous licence IRCAM,
et ils permettent de réaliser un archivage fiable des sons, bien que le système IRCAM dans son état actuel soit mal
adapté à une utilisation extensive de ces possibilités d'archivage. Par ailleurs une étude sur les principes de codage a
conduit à définir une méthode aboutissant à une réduction de données de l'ordre de 30% sans perte de qualité.
____________________________ ____________________________I. Mise en oeuvre d'un système d'enregistrement numérique des sons à l'Ircam
I.1 Rappel du principe de l'enregistrement-numerique des sons
Le premier système d'enregistrement numérique des sons a été réalisé en 1958 par David, Mathews et Mc Donald aux
Bell Laboratories. Les principaux problèmes du procédé sont exposés dans les références suivantes : David,
Mathews et Mc Donald (1959) ; Mathews (1969) ; Stockham (1971). Les sons sont échantillonnés,
c'est-à-dire que leur amplitude est mesurée à des intervalles de temps très rapprochés ; les échantillons
successifs (les valeurs successives des amplitudes) sont codés sous forme binaire. Ce codage numérique, proposé
par Reeves dès 1939, et appelé M.I.C. (Modulation par Impulsions Codées) -- en anglais P.C.M. (Pulse Code
Modulation) permet de protéger l'enregistrement contre le bruit : il suffit que le codage assure que la différence
entre les valeurs correspondant aux 0 et 1 de chaque élément binaire (ou bit) émerge du bruit du canal physique.
I.2 Mise en oeuvre du transfert des échantillons à l'IRCAM
Nous réservons pour le paragraphe suivant l'examen de l'étape cruciale, celle de la conversion analogique-numérique
et numérique-analogique, sur laquelle ont surtout porté nos efforts. Dans ce paragraphe nous expliquons comment la
conversion a été mise en oeuvre « en ligne » (on-line) sur l'ordinateur central de l'IRCAM, un système DEC 10.
L'unité de disque unique devait recevoir les fichiers de tous les utilisateurs en plus des fichiers sons : sa
capacité de 10 Méga mots était tout-à-fait insuffisante pour permettre un enregistrement extensif de sons en plus du
stockage des programmes système et des fichiers utilisateurs. Aussi nous sommes-nous équipés pour le projet de
deux unités de disques supplémentaires dont l'une, DSKM (M comme Musique), était une unité « banalisée » réservée
aux fichiers de sons sous forme numérique, l'autre, DSKS, étant affectée aux sessions spéciales d'enregistrement et
au système. La capacité d'une unité de disque (10 Méga mots de 36 bits) assurait la possibilité d'enregistrer cinq
minutes de son stéréo enregistré à un taux d'échantillonnage de 50.000 avec une précision de 12 bits. Pour
l'archivage, les échantillons peuvent être transférés du disque à une unité de bande TU-10 lente -- ce transfert n'est
pas fait en temps réel : le transfert de 10 mn de son du disque à la bande peut demander 25 mn.
I.3 Premier système de conversion
La conversion a d'abord été réalisée avec une précision provisoire de 12 bits, suivant un schéma conçu par Joseph
Zingheim et déjà mis en oeuvre à Colgate University. Quoique satisfaisant dans beaucoup de cas, la précision de 12
bits était insuffisante dans certaines situations, et en particulier pour assurer un enregistrement de haute qualité. Par
ailleurs le schéma de Zingheim présentait certains problèmes spécifiques. Toutefois la mise en oeuvre de cette
conversion 12 bits nous a permis de travailler avant la mise au point des convertisseurs finaux et de résoudre les
problèmes d'interface (matériel et logiciel) avec l'ordinateur. La conversion 12 bits a été opérationnelle en mai 1976
-- elle a été en usage même après la mise en place des convertisseurs 16 bits : dans les cas où la qualité
n'était pas critique, l'économie de stockage présentait un intérêt.
I.4 Un nouveau principe de conversion (Cockerell) et sa mise en oeuvre
Comme il a été mentionné ci-dessus (I.1), la conversion rapide et à haute précision soulève des difficultés. En effet la
commutation des divers bits du convertisseur entre un échantillon et le suivant n'est pas rigoureusement synchrone,
ce qui crée des transitoires gênants (« glitches ») qui peuvent donner lieu à des distorsions inacceptables. (Ainsi dans le
passage de l'échantillon 100 à 001, si le bit de poids fort bascule moins vite, on passera par la valeur 111 -- Cf. Fig. 2 --).
On remédie d'habitude à ce problème en utilisant un échantillonneur-bloqueur (sample and hold) qui maintient la sortie à la valeur précédente jusqu'à ce que
la commutation de tous les bits soit effectuée : à ce moment, la valeur de sortie devient la nouvelle valeur
affichée. Toutefois l'échantillonneur-bloqueur peut créer une distorsion importante : en effet le passage d'une
valeur à la suivante ne peut se faire instantanément en raison de l'inertie des amplis opérationnels, aussi y a-t-il une
erreur dans la sortie, erreur qui est proportionnelle au carré de l'amplitude de la transition. Il faut typiquement
pour une transition d'un bout à l'autre de l'échelle : si une sinusoïde de fréquence 7 KHz et
d'amplitude maximum est échantillonnée à 20 KHz, la sinusoïde est échantillonnée environ trois fois par cycle, et les
différences dues au temps de transfert se répéteront tous les sept cycles ; ainsi sera produite par hétérodynage
une composante de 1 KHz d'une amplitude de -- 35 dB environ (Kriz 1975 ; Talambiras 1976). Aussi Kriz a-t-il
conçu un échantillonneur-bloqueur d'un type différent, et qui joue un grand rôle dans la qualité du système de
conversion qu'il a mis en oeuvre à Carnegie-Mellon University. Mais ce dispositif est coûteux et délicat. D'autre part il y
a un autre problème que celui de la limitation du taux de montée (slew rate) de l'amplificateur opérationnel :
l'échantillonneur-bloqueur comporte en fait l'injection de la nouvelle valeur et un dispositif de bouclage pour maintenir
l'ancienne valeur : ces deux opérations sont commutées par un transistor FET : si la synchronisation n'est
pas très exacte, des parasites apparaissent -- il faut réaliser la synchronisation à mieux de 5 nanosecondes près pour
assurer un rapport signal sur bruit d'environ 90 dB.
I.5 Définition et réalisation d'un système de conversion suivant les spécifications IRCAM
Les essais convaincants de Cockerell ont posé la question du brevet. Le procédé ne semble pas brevetable, car ce
type d'échantillonnage intermittent avec remise à zéro est utilisé dans d'autres contextes -- mais des contextes de
fonctionnement très lent et non pas de grande vitesse ! De plus les difficultés posées par la prise de brevets
américains, les plus importants dans ce domaine tant la conversion est étudiée aux Etats-Unis, et la multiplicité des
brevets nécessaires à l'époque pour couvrir l'Europe, ne nous ont pas incités à entreprendre une demande de brevet
au résultat douteux. Cependant Andy Moorer a suggéré de compléter la conversion suivant le procédé Cockerell en
veillant particulièrement à éviter les bruits parasites, afin de réaliser un boîtier de conversion fiable, d'usage général et
susceptible de commercialisation sous licence IRCAM. Andy Moorer a ainsi ajouté des isolateurs optiques, pour éviter
la fuite du bruit radioélectrique de l'ordinateur vers la sortie des convertisseurs il a isolé les alimentations :
chaque convertisseur possède cinq alimentations différentes isolées ; enfin il a utilisé un ampli de ligne Neve
pour assurer une sortie symétrique flottante ; de cette façon il est possible d'alimenter plusieurs entrées de
haute impédance. Moorer a recommandé d'inclure chaque unité de conversion dans une boîte métallique et de mettre
la partie audio associée dans une autre boîte métallique, pour éviter la diaphonie électromagnétique par ondes courtes
entre numérique et audio.
I.6 Mise à l'essai de l'enregistrement numérique
Il avait été prévu initialement de procéder à des essais comparés sur les défauts des enregistrements analogiques et
numériques et particulièrement sur leur tolérance aux mauvais traitements et aux détériorations du support physique.
Ces essais ont été très brefs, en effet l'enregistrement numérique permet d'éviter le souffle, le pleurage, le
scintillement, la diaphonie, le préécho (parfois appelé effet de copie), la détérioration à chaque génération de copie, et
il est patent que les enregistrements analogiques se détériorent beaucoup plus que les enregistrements numériques
en fonction de mauvais traitements (surtout champs magnétiques, dûs à des moteurs, haut-parleurs, transformateurs,
machines à écrire électriques, et même à des têtes de lecture légèrement magnétisées : ainsi l'usage normal
d'une bande analogique la détériore irréversiblement).
II. Recherche sur de nouveaux principes de codage
II.1 Examen préliminaire de nouvelles possibilités
Max Mathews a envisagé divers schèmes de conversion possibles, dont certains sont très différents du processus
classiquement utilisé : en particulier l'un d'eux utilise des oscillations très rapides et un processus d'interpolation pour
rejeter les erreurs hors de la bande de fréquence audio (Cf. Insam, 1973 ; Candy 1974). Ce schème est
prometteur pour la conversion analogique-numérique ; il permet de diminuer la gêne créée par le saut du signal
entre niveaux adjacents (le signal d'erreur correspondant est gênant car très riche en harmoniques). Mathews a étudié
la possibilité d'associer de façon additive (ou multiplicative) plusieurs convertisseurs 12 bits pour obtenir une précision
supérieure : chacun de ces convertisseurs serait affecté d'un poids différent, et l'ordinateur prendrait le signal du
convertisseur opérant dans la bonne région -- il enregistrerait aussi un code indiquant de quel convertisseur vient le
signal. Si les convertisseurs ne sont pas parfaitement alignés, la commutation peut introduire des perturbations, aussi
importe-t-il de ne pas commuter trop souvent. La caractéristique de codage obtenue par ce moyen donnerait des
niveaux fins plus serrés et des niveaux relevés plus espacés -- la séparation entre niveaux variant
de façon discontinue lorsqu'on passe d'un convertisseur à un autre.
II.2 Propositions pour des économies de codage (Moorer)
Divers schèmes mentionnés en II.1 s'écartent de la M.I.C. (ou P.C.M.) pour atteindre un ambitus dynamique plus
grand avec le même nombre de bits. Dans le cadre du projet de recherche sur l'archivage numérique des sons,
Moorer a effectué à l'IRCAM une étude sur la réduction d'information par recodage des échantillons, et sa validité
perceptive pour assurer une haute qualité sonore. Les résultats de cette étude, présentés à la 62e Convention de
l'Audio Engineering Society, sont décrits dans un article paru dans le Journal de l'Audio Engineering Society. Nous en
résumons ici les conclusions.
III. Possibilités, problèmes et perspectives de l'enregistrement numérique des sons.
Notre étude confirme que les techniques numériques permettent d'obtenir des
enregistrements de meilleure qualité, et mieux protégés contre la
détérioration, que les techniques analogiques. Il apparaît donc que ce sont les avantages économiques ou la
commodité des systèmes analogiques qui empêchent l'analogique d'être supplanté par le numérique. Qu'en est-il
actuellement dans le cadre de l'IRCAM et dans celui de l'industrie de l'enregistrement ? Quels développements
peut-on attendre dans les années à venir ?
Conclusion
Ce survol de l'enregistrement numérique aujourd'hui et demain montre l'importance de ce domaine : il était
important pour l'IRCAM d'y contribuer dès le début de son activité.
Figures et légendes
Figure 1
Schéma d'un convertisseur numérique-analogique 5 bits (d'après Mathews, 1969).
L'entrée numérique correspond aux commutateurs C0 à
C4. A est un ampli opérationnel servant à convertir le courant en tension.
E0 est la tension de sortie.
Figure 2
Formation d'un « glitch » lors du changement de valeur de l'entrée d'un convertisseur
3 bits. Si l'entrée passe de la valeur 100 à 011 et si les commutateurs correspondant aux bits de poids fort
basculent moins vite, la valeur de sortie passera transitoirement par les valeurs 101 et 111.
Figure 3
Comparaison des sorties du convertisseur seul (en traits continus), muni d'un
échantillonneur-bloqueur (en tirets), et muni du dispositif Cockerell (en pointillés). On remarquera
que le délai de réponse de l'échantillonneur-bloqueur dépend de l'amplitude de la transition.
Figure 4
Photo du premier convertisseur réalisé par Tim Orr suivant les spécifications IRCAM. (Le
convertisseur s'adapte aux racks standard de 18 pouces).
Références
Notes
Server © IRCAM-CGP, 1996-2008 - file updated on .
Serveur © IRCAM-CGP, 1996-2008 - document mis à jour le .