ЦАП: где биты становятся звуком
Прямоугольный сигнал раскладывается на синусоиды, которые взаимно гасятся на его ровных участках. Если сохранить только низкие частоты, компенсация станет неполной и на ровных участках возникнут колебания.
Это седьмой материал цикла о том, почему акустика с хорошими результатами измерений не всегда хорошо звучит. На этот раз речь пойдёт об источнике сигнала, точнее — о цифро-аналоговом преобразователе (ЦАП), который превращает числа, сохранённые в записи, в аналоговый сигнал.
Для начала кратко напомню, к чему мы пришли в предыдущих статьях:
В первой статье мы выяснили, что АЧХ складывает всю поступившую энергию, не учитывая время её прихода.
Во второй увидели, что помещение привносит в звук множество отражённых копий и резонансов, с которыми необходимо научиться сосуществовать.
В третьей — что сухие цифры технических характеристик не раскрывают качества воспроизведения низких частот.
Четвёртая статья заглянула глубже, к самому динамику: идеального решения не бывает, а просчёты конструкции после покупки исправить уже невозможно.
Пятая (ч. 1 и ч. 2) была посвящена искажениям: их природе, значению порядка гармоник и тому, почему слух воспринимает их совсем не так, как измерительный прибор.
Шестая (ч. 1 и ч. 2) показала, что грамотно сделанные усилители действительно трудно различить в условиях стандартных тестов, тогда как отличия могут скрываться за пределами спецификаций.
Когда в моей системе работал ресивер Denon, он выполнял две задачи: встроенный ЦАП служил источником, а сам ресивер — предусилителем для Parasound A23, который к тому времени заменил его штатный усилитель мощности. После удаления ресивера из тракта источником стал FiiO E7 — компактный ЦАП с хорошими измерениями, оставшийся у меня со времён увлечения наушниками. Вместе с ним исчезли раздражающая резкость верхних частот и стеклянный оттенок, а тарелки вновь зазвучали естественно. Однако звук стал чересчур чистым: плоским, порой однообразным и временами слишком ярким. Лёгкая искусственность голосов, заметная и прежде, в упрощённом тракте проявилась ещё отчётливее.
Затем я перешёл на ламповое усиление — без фанатизма, просто в поисках определённой окраски. Это отчасти помогло: звук приобрёл объём и осязаемость, появилась искомая «голографичность». Но голоса по-прежнему звучали искусственно, а выше по спектру сохранялась некоторая несогласованность. Следующим подозреваемым стал источник.
С точки зрения измерений предъявить FiiO, к сожалению, нечего: все опубликованные результаты у него хорошие. Ещё в 2011 году его проверил автор блога NwAvGuy и отметил, что для портативного устройства этой ценовой категории почти ничего не стал бы в нём менять.
Источником может быть и виниловый проигрыватель, но здесь я ограничусь ЦАП. Звукосниматель, тонарм и пластинка образуют отдельную механическую систему со своими резонансами и искажениями; её разбор заслуживает самостоятельной статьи. Фонокорректор же по сути является усилителем с частотной коррекцией RIAA и очень слабым входным сигналом. Для его подъёма требуется большое усиление, которое обостряет обычные проблемы усилителей — от шума до перегрузки. Принципиально новых факторов фонокорректор почти не добавляет, за исключением точности коррекции и особенностей взаимодействия со звукоснимателем. Поэтому сказанное об усилителях относится и к нему.
На первый взгляд искать проблему в ЦАП с хорошими измерениями странно: биты есть биты, и каждый исправный преобразователь получает одни и те же числа. Однако это утверждение справедливо лишь на участке между двумя преобразованиями. Хранение, копирование и передача чисел действительно точны и воспроизводимы: один и тот же файл выдаёт одинаковые значения на любом компьютере. Студийный преобразователь однажды превратил сигнал в числа и отфильтровал его, поэтому результат его работы уже записан в файле и одинаков для всех слушателей. Домашний же ЦАП при каждом воспроизведении заново строит из этих чисел аналоговый сигнал. Теорема Котельникова, известная также как теорема Найквиста — Шеннона, точно определяет, каким он должен быть. Но реальные ЦАП лишь приближаются к идеалу, причём делают это по-разному: у них отличаются фильтры, запас по уровню и аналоговые цепи, а у некоторых фильтра почти нет.
Если каждый ЦАП восстанавливает сигнал по-своему, возникает тот же вопрос, что и в статье об усилителях: при каких условиях ЦАП неотличимы и что упускают стандартные измерения? Чтобы ответить на него, я сначала разберу преобразование чисел в аналоговый сигнал и альтернативы привычному подходу. В конце расскажу, что изменил в собственной системе и какие проблемы это решило, а какие — нет.
Что делает ЦАП
Цифровая запись с частотой дискретизации 44,1 кГц содержит для каждого канала 44 100 чисел в секунду. Каждое число задаёт значение сигнала в определённый момент, но ничего не сообщает напрямую о происходящем между соседними моментами. Такое значение называется семплом (sample), а задача ЦАП — построить по последовательности семплов аналоговый сигнал.
В целом последовательность семплов при этом ничего не теряет: согласно теореме Котельникова, она полностью определяет сигнал, если в нём нет составляющих выше половины частоты дискретизации. Сложность возникает при заполнении промежутков между семплами. Простейший ЦАП удерживает каждое значение до прихода следующего, и на выходе получается ступенчатый сигнал с ровными участками и вертикальными переходами.
Понять недостаток такой формы помогает разложение сигнала на синусоиды разных частот. Например, прямоугольный перепад складывается из составляющих от низких частот до частот далеко за пределами слышимого диапазона. Чем резче переход, тем больше в нём высокочастотных составляющих. На ровных участках подъёмы и спады синусоид взаимно компенсируются, а в месте перепада складываются.
В ступенчатом сигнале тоже есть резкие скачки, хотя и меньшего размера: по одному на каждый семпл. Следовательно, в нём присутствуют высокочастотные синусоиды, которых в исходной музыке не было. Проще всего рассмотреть один тон: при воспроизведении 20 кГц с частотой дискретизации 44,1 кГц ступенчатый сигнал складывается из самого тона, который немного ослабляется, и второй синусоиды на 24,1 кГц. Она расположена выше частоты дискретизации на те же 20 кГц, на которые исходный тон расположен ниже неё. Поэтому чем выше исходный тон, тем ниже эта составляющая. Из-за такого отражения их называют зеркальными копиями спектра (images). Аналогичные, но более слабые копии возникают и дальше, около каждой частоты, кратной 44,1 кГц. Их и должен удалять восстанавливающий фильтр, присутствующий почти в каждом ЦАП.

Но работа фильтра, как обычно, имеет свою цену. Это проще всего увидеть на том же прямоугольном перепаде. Его участки остаются ровными, пока все синусоиды присутствуют и гасят друг друга. Если фильтр удаляет верхние составляющие, оставшиеся уже не компенсируются полностью, и там, где должна быть тишина, возникает звук. Сигнал колеблется на частоте среза фильтра, то есть у края полосы — между 20 и 22,05 кГц. Такие колебания называют звоном (ringing); они видны в нижней части рисунка с прямоугольным сигналом. Энергии фильтр при этом не добавляет, а лишь распределяет часть звука во времени. Это неочевидный момент: мне самому потребовалось немало усилий, чтобы понять, как вычитание может создать нечто там, где прежде ничего не было. Таким образом, при восстановлении приходится выбирать между зеркальными копиями и звоном: без фильтра остаются острые переходы и копии, а идеальный фильтр полностью устраняет копии, но заменяет острые углы звоном. Реальный фильтр занимает промежуточное положение и тем сильнее звенит, чем ближе к краю полосы подавляет копии.
При этом на правильно подготовленной записи фильтр не создаёт заметного дополнительного звона. В 2018 году это проверил Archimago: он восстановил крутым фильтром начало пушечного выстрела с компакт-диска Telarc и запись малого барабана, но не обнаружил лишнего звона ни до удара, ни после него. Для появления звона нужны составляющие у самого края полосы, а на качественной записи они уже удалены студийным фильтром. Сам студийный фильтр, впрочем, тоже звенит. Об этом в 2004 году писал Питер Крейвен (Peter Craven), один из создателей микрофона Soundfield и формата сжатия без потерь MLP. Этот звон уже содержится в семплах, и обычный фильтр воспроизведения не может ни усилить, ни устранить его.
Где же увидеть звон на музыке, которую мы слушаем? На записях с громким мастерингом, где вершины волны в цифровой области срезаны до прямой линии — это называется клиппингом. Такой срез создаёт составляющие вплоть до края полосы, и крутой фильтр добавляет небольшую рябь вдоль ровной линии семплов на срезанной вершине. Archimago демонстрирует это на поп-треке P!nk и других релизах, вышедших на пике «войны громкостей» (Loudness war). Следовательно, если фильтр звенит на такой записи, источник проблемы — клиппинг при мастеринге, а фильтр лишь проявляет последствия среза. Слышна ли столь небольшая рябь — отдельный вопрос, к которому мы ещё вернёмся.
Передискретизация и фильтры: два независимых решения и их последствия
Фильтр в ЦАП выбирают один раз для всех записей, включая те, у которых срезаны вершины. От этого решения зависят не только звон, но и уровень оставшихся копий и задержка высоких частот. Именно вокруг него разворачивается большая часть споров о звучании ЦАП. Производителю предстоит решить два вопроса: удалять копии в цифровой или аналоговой области и какой фильтр использовать. Удобнее начать с передискретизации, поскольку она появилась как ответ на сложность аналогового фильтра.
Подавить зеркальные копии непосредственно выше 20 кГц одним аналоговым восстанавливающим фильтром очень непросто: в промежутке между 20 и 22,05 кГц, половиной частоты дискретизации, ему нужно перейти от полного пропускания к почти полному подавлению. Обычно эту проблему обходят, перенося наиболее сложную часть работы в цифровую область. Сначала ЦАП увеличивает частоту дискретизации в несколько раз: между исходными семплами вставляются новые, значения которых рассчитывает цифровой фильтр. Этот приём называется передискретизацией (oversampling). После неё копии смещаются настолько высоко, что с ними справляется простой аналоговый фильтр. Philips объяснила свой выбор ещё в 1982 году, описывая ЦАП первого CD-проигрывателя в журнале Philips Technical Review. Полностью аналоговый фильтр потребовал бы жёсткой спецификации, большого числа компонентов и индивидуальной настройки каждого экземпляра. Кроме того, ему предстояло одинаково задерживать все частоты в полосе пропускания, «чтобы не искажалась форма импульсных звуков». Philips выполнила оба требования без сложного аналогового фильтра, применив четырёхкратную передискретизацию и сравнительно простой фильтр на выходе.
В этом примере передискретизация сочеталась с простым аналоговым фильтром, но на самом деле это два независимых решения. Сигнал можно передискретизировать или оставить как есть, а после ЦАП установить крутой либо мягкий аналоговый фильтр или почти полностью обойтись без него. На практике встречаются разные сочетания. Обычно обсуждают три варианта: в двух копии удаляет цифровой фильтр передискретизации — линейно-фазовый или минимально-фазовый; в ЦАП без передискретизации (NOS, non-oversampling) цифрового фильтра нет, и копии сохраняются до тех пор, пока их не ослабит аналоговый фильтр, если он вообще предусмотрен.
Первый вариант — крутой линейно-фазовый фильтр (linear-phase). Он применяется практически повсеместно: от большинства микросхем ЦАП, скорее всего и вашего, до программ пересчёта частоты дискретизации. Он задерживает все частоты на одинаковое время, сохраняя форму сигналов в полосе пропускания. Его АЧХ остаётся ровной почти до края полосы, а качественные реализации подавляют копии более чем на 100 дБ. Но одинаковая задержка всех частот означает симметричный во времени отклик: звон поровну распределяется после скачка (запаздывающий, post-ringing) и до него (опережающий, pre-ringing). Именно последний чаще всего ставят фильтру в вину: у него нет естественного аналога, ведь в природе следствие не предшествует причине. Воздух, микрофон и ухо тоже ограничивают полосу, но каждый из них начинает реагировать только после прихода звука. По моим расчётам, на самом жёстком тестовом сигнале — мгновенном скачке семплов от нуля до максимума — опережающий звон достигает примерно 14 % высоты скачка.
Сторонники линейной фазы возражают, что этот звон находится на частоте среза, у самого края полосы. Так, в документации популярной программы пересчёта частоты дискретизации SoX, где такой фильтр используется по умолчанию, указано, что при частоте дискретизации от 44,1 кГц эти артефакты лежат за пределами слышимого диапазона. Однако там же отмечено, что опережающий звон слышен значительно лучше запаздывающего. Остаётся рассчитывать на маскировку: слух плохо различает тихий звук непосредственно перед громким. Заметная маскировка действительно длится 1–2 мс (Пейнтер и Спаниас (Painter, Spanias)), и звон типичного фильтра в этот промежуток укладывается. Но чем круче фильтр, тем дольше он звенит: по моим расчётам, почти идеальный — около 2,4 мс, поэтому начало его звона маскируется слабо. Кроме того, сила маскировки зависит от подготовки слушателя, и у тренированных слушателей она нередко почти отсутствует (Мур (Moore), «An Introduction to the Psychology of Hearing»).
Второй вариант — минимально-фазовый фильтр (minimum-phase), который при той же АЧХ звенит только после скачка. Зато его звон примерно вдвое сильнее и продолжительнее: по моим расчётам, на том же скачке выброс достигает 26 %. Другая цена — задержка высоких частот относительно остальных. Чем ближе частота к срезу, тем сильнее отставание: тон 20 кГц выходит приблизительно на 0,4 мс позже тона 1 кГц.
Третий вариант — ЦАП без передискретизации — вовсе не фильтрует сигнал в цифровой области. Поэтому результат зависит от фильтра, установленного после преобразователя. В простейшем случае там почти ничего нет, и при частоте дискретизации CD верхние частоты страдают сразу по двум причинам. Во-первых, само удержание значений их ослабляет: при 44,1 кГц спад на 20 кГц составляет около 3,2 дБ. Во-вторых, ближайшие зеркальные копии остаются почти нетронутыми, и копия тона 20 кГц по уровню лишь немного уступает исходному тону.
Однако отсутствие передискретизации не означает отсутствие фильтра. Обе проблемы способен решить крутой аналоговый фильтр, подобный тому, что использовался в одном из первых CD-проигрывателей — Sony CDP-101. Если небольшой подъём перед спадом компенсирует ослабление верхних частот, как это бывает у фильтров Чебышёва, можно получить ровную АЧХ до 20 кГц и одновременно подавить копии. Но такой фильтр звенит: в декабре 1982 года журнал Stereo Review воспроизвёл на CDP-101 меандр 1 кГц и обнаружил звон около 20 кГц. Собственный фильтр проигрывателя звенит только после скачка, поскольку обычный аналоговый фильтр по своей природе минимально-фазовый, как и второй из рассмотренных цифровых. Поэтому высокие частоты выходят из него позже остальных, причём задержка тем больше, чем круче спад. Подъём перед спадом дополнительно увеличивает и задержку, и звон после скачка. О сложности реализации таких фильтров мы уже говорили.
Другой подход — сохранить форму сигнала во времени с помощью мягкого аналогового фильтра Бесселя. Как и крутой аналоговый фильтр, он минимально-фазовый, но рассчитан на одинаковую задержку частот и ради этого жертвует крутизной спада. При правильной реализации задержка вплоть до 20 кГц практически одинакова, поэтому верхние частоты не отстают от остальных. Кроме того, скачок передаётся почти без выброса: до него аналоговая схема звенеть не может, а после звон практически отсутствует. Подобный выбор в пользу равномерной задержки вместо максимально ровной АЧХ я уже описывал в третьей статье, когда рассматривал закрытый корпус.

Плата за это — сохранение обеих прежних проблем. Спад из-за удержания значений никуда не исчезает, а мягкий фильтр почти не ослабляет ближайшие копии. По моим расчётам, копия тона 20 кГц оказывается всего на 2,1 дБ тише самого тона. Зачем же тогда вообще рассматривать такой фильтр? К счастью, в настоящей музыке в диапазоне 15–20 кГц энергии значительно меньше, поэтому на практике ситуация не столь плоха. Для сигнала со спектром, похожим на музыкальный, все копии такого ЦАП вместе примерно на 18–27 дБ тише исходного сигнала. Ниже показан тон 20 кГц на выходе такого ЦАП при 44,1 кГц, а рядом — для сравнения — при 192 кГц, когда копии смещаются далеко вверх. К высоким частотам дискретизации мы ещё вернёмся.

В меню современных ЦАП с выбором фильтров и в статьях об аудио встречается ещё один тип — аподизирующий фильтр (apodizing filter). Рассмотренные выше фильтры лишь определяют характер собственного звона, а аподизирующий устраняет звон, уже присутствующий в записи. Речь о звоне крутых студийных фильтров, который описал Крейвен; в 2004 году он же предложил и такой фильтр. Звон крутого фильтра приходится на частоту его среза, тогда как аподизирующий начинает плавно ослаблять сигнал раньше и полностью подавляет его к этой частоте. Вместе с соответствующей полосой он удаляет звон всех крутых фильтров, через которые запись прошла прежде. Его собственный спад пологий, поэтому он звенит слабо и недолго. Но для этого частота среза всех предыдущих фильтров должна быть заметно выше 20 кГц, иначе плавный спад затронет слышимый диапазон. Поэтому Крейвен рассчитывал фильтры для частот дискретизации 96 и 192 кГц: для корректной работы вся цепочка записи должна использовать такую частоту. Установить фильтр он предлагал в любой точке цепи, но предпочтительно на этапе мастеринга.
В бытовую технику эта идея попала в упрощённом виде: на CD выше 20 кГц практически нет места, необходимого для настоящего аподизирующего фильтра. Британская Meridian честно признала это, когда в 2008 году установила в проигрыватель 808.2 фильтр, лишь «похожий на аподизирующий». Его спад заканчивается на 22,05 кГц, поэтому на 20 кГц потери минимальны. Однако спад уже нельзя назвать пологим: опережающего звона нет, зато после скачка фильтр звенит сильнее, чем ожидал Джон Аткинсон (John Atkinson), проводивший измерения для Stereophile. Подобные решения встречаются и в массовой технике: среди готовых фильтров микросхемы ESS ES9038Q2M есть «Apodizing Fast Roll-Off», а производитель стримера WiiM Ultra довольно смело утверждает, что он удаляет артефакты предыдущих этапов записи. На CD такой фильтр действительно может убрать опережающий звон самой записи, если тот находится между 20 и 22 кГц, но взамен появится звон после скачка.
Другие производители дорогих ЦАП тоже рассматривают фильтр как самостоятельное инженерное решение. Например, Schiit разработала собственный очень длинный цифровой фильтр и в анонсе заявила, что он оптимизирован как во временной, так и в частотной области. Однако измерения Stereophile, проведённые тем же Аткинсоном, показывают симметричный во времени отклик с очень крутым спадом. Иными словами, перед нами всё же линейно-фазовый фильтр с присущим ему опережающим звоном.
Главный вопрос, пожалуй, в том, слышны ли эти различия. Три инженера Meridian — Джексон (Jackson), Кэпп (Capp) и Стюарт (Stuart) — в 2014 году сообщили о двойном слепом тесте, участникам которого удалось различить типичные фильтры. Исходную запись высокого разрешения сравнивали с ней же после обработки типичным фильтром. В 2016 году метаанализ Рейсса (Reiss), охвативший 18 исследований, выявил небольшую, но статистически значимую способность отличать звук высокого разрешения от CD: около 60 % правильных ответов у подготовленных слушателей. Что именно помогало им различать записи, неизвестно; отдельно фильтры в этом анализе не изучались. На мой взгляд, вопрос слышимости фильтров остаётся открытым, поэтому исключать их из дальнейшего рассмотрения как несущественный фактор не стоит.
Межсемпловые пики: чего не показывает тестовый синус
Существует и проблема, не зависящая от слышимости фильтров: при определённых условиях цифровой фильтр передискретизации перестаёт нормально работать, а стандартные измерения ЦАП таких условий не создают. Обычно преобразователь тестируют стационарной синусоидой, как правило на 1 кГц, с максимальным или близким к нему уровнем. В результате получают одно-единственное число — коэффициент гармонических искажений с шумом (THD+N). Именно на нём во многом основаны рейтинги ЦАП популярного сайта Audio Science Review; его же указывают в документации микросхем. Со своей задачей этот тест справляется хорошо, но проверяет лишь стационарный сигнал внутри полосы и ниже максимального уровня. Ещё в статье об усилителях я отмечал, что одна точка на графике «говорит правду исключительно про неё саму».
Максимальное значение, которое может хранить семпл, называют полной шкалой (0 dBFS). Но семпл задаёт уровень только в конкретный момент, а между двумя такими моментами аналоговый сигнал может подниматься выше. Классический худший случай для стационарного тона — синусоида на четверти частоты дискретизации, то есть 11,025 кГц при 44,1 кГц, семплы которой попадают точно на середину каждого склона. Каждый семпл находится на полной шкале, тогда как сигнал между ними поднимается на 3,01 дБ выше. Такой пик называется межсемпловым (intersample over), а его величину измерители показывают как true peak.

Производитель студийных ЦАП и усилителей Benchmark однажды подсчитал межсемпловые пики на реальных компакт-дисках. В композиции Steely Dan «Gaslighting Abbie» из альбома «Two Against Nature» за пять с небольшим минут нашлось более тысячи таких пиков, самый высокий из которых достигал +0,8 dBFS, хотя клиппинга в самом треке нет. Подобные пики встречаются в разных жанрах и «не обязательно вызваны чрезмерно громкими записями». В статье также приведены результаты проверки нескольких фонотек: у большинства CD-треков true peak составляет около +1 dBFS, у некоторых достигает +2 dBFS, а у небольшой части приближается к +3 dBFS. Высокая частота дискретизации делает такие пики значительно более редкими, но не устраняет их полностью: версия «Get Lucky» Daft Punk с частотой 88,2 кГц, жёстко ограниченная по уровню при мастеринге, достигает почти +0,5 dBFS.
В самой записи такой пик не создаёт проблем, поскольку существует только между семплами. Но в ЦАП с передискретизацией, как мы уже знаем, интерполятор рассчитывает между исходными семплами новые значения. Каждое из них получается как взвешенная сумма многих соседних семплов. Обычно интерполятор работает с фиксированной точкой, а результат должен укладываться в тот же диапазон, что и исходные значения. Там же, где настоящий сигнал превышает полную шкалу, сумма в этот диапазон не помещается. Согласно описанию Benchmark, перегруженный интерполятор «не просто срезает вершины сигнала»: его фильтр частично или полностью отказывает и почти перестаёт подавлять копии. Кроме того, по всему спектру возникают суммарные и разностные продукты — негармонические искажения, совсем не похожие на аналоговый клиппинг.
Benchmark продемонстрировал проблему и в цифрах. Компания подала тон 11,025 кГц с межсемпловым пиком +3,01 dBFS на цифровой процессор miniDSP SHD, который пересчитывает частоту дискретизации с фиксированной точкой. В обычном режиме искажения были ниже −130 дБ, а при перегрузке выросли до −17,5 дБ. По словам компании, продукты перегрузки на этом тоне были хорошо слышны. Причём дело не ограничилось одним устройством: проблема обнаружилась у всех микросхем ЦАП и пересчёта частоты дискретизации, проверенных в рамках эксперимента.
Производитель студийной техники TC Electronic ещё в 2000 году измерил семь CD-проигрывателей и получил аналогичный результат. В худшем случае, при тоне на 3 дБ выше полной шкалы, искажения выросли на десятки децибел у всех устройств. При этом шести из семи хватило и более мягкого испытания с пиками всего на 0,69 дБ выше полной шкалы — меньше, чем у большинства треков в фонотеках, рассмотренных Benchmark. Насколько всё это заметно на музыке, источники, увы, не отвечают. Benchmark формулирует это коротко: «How audible? Nobody knows», а авторы статьи TC прямо указывают, что не исследовали влияние на качество звучания.

Для ЦАП с передискретизацией эта перегрузка особенно досадна: его главное преимущество — цифровой фильтр, удаляющий копии, а при перегрузке отказывает именно он. По моим выводам, во время пика такой ЦАП уже мало отличается от ЦАП без фильтра, но вдобавок к пропущенным копиям создаёт негармонические продукты. Получается, что цифровой фильтр исчезает в самых громких фрагментах музыки.
На записях с цифровым клиппингом фильтр передискретизации способен создавать такие пики самостоятельно. Как мы видели на примере P!nk, он звенит на краях среза, и звон поднимается выше уровня срезанной вершины. Я взял синус 1 кГц на 6 дБ выше полной шкалы и ограничил его в цифровой области по уровню полной шкалы. После линейно-фазового восстановления пик достиг +0,19 dBFS; минимально-фазовый фильтр звенел сильнее и поднялся примерно до +0,4 dBFS. Значения невелики, но при любой фазе этот выброс вычисляет сам интерполятор с фиксированной точкой. Поэтому при таком выбросе цифровой фильтр перегружается: любое значение выше 0 dBFS уже не помещается в его диапазон.

Обычный тест синусом 1 кГц всего этого не показывает: тот же miniDSP демонстрирует на нём упомянутые −130 дБ, а разница с перегрузкой превышает сто децибел. Пики в реальных записях, скорее всего и в ваших, обычно ниже, чем у этого тестового тона, но выше мягкого случая TC, на котором уже пострадали шесть из семи проигрывателей. Если проводить аналогию с IT, показатель из документации похож на среднюю задержку в синтетическом тесте, а перегрузка — на p99 в продакшене, который этот тест не охватывает. Сама же перегрузка не требует аналогий: это обычное переполнение целых чисел на участке кода, не покрытом тестами. Ситуацию хорошо описывает фраза, приписываемая Дэниелу фон Рэклингхаузену (Daniel R. von Recklinghausen), инженеру H.H. Scott и KLH: «Если измеряется хорошо, а звучит плохо — это плохо; если измеряется плохо, а звучит хорошо — вы измерили не то».
Решение этой проблемы существует и довольно простое. Benchmark применяет в своих ЦАП внешний интерполятор с запасом 3,5 дБ над 0 dBFS, поэтому даже худший случай с +3,01 dBFS проходит без искажений. По оценке компании, её ЦАП — «одни из очень немногих», оснащённых таким интерполятором. Для любого другого преобразователя есть ещё более простой способ: уменьшить уровень цифрового сигнала хотя бы на 3 дБ до его поступления в ЦАП. Лично я, впрочем, предпочёл бы не изменять семплы там, где можно сохранить их как есть.
По другую сторону баррикад ситуация иная: в ЦАП без передискретизации нечему перегружаться, поскольку интерполятора нет. Выброс на срезанной вершине возникает уже в аналоговом каскаде, при любом аналоговом фильтре, и при достаточном запасе проходит без искажений. В той же статье TC Electronic отмечала, что простейший ЦАП «может даже иметь преимущество в поведении на высоких уровнях», поскольку не фильтрует сигнал в цифровой области. Измерения компании это подтверждают: из семи проигрывателей портативный Sony D50 заметно лучше остальных выдержал мягкий тест, а в нём нет ни передискретизации, ни цифрового фильтра. Так что даже слушатель, не верящий в слышимость фазы и предпочитающий крутой аналоговый фильтр, получает аргумент в пользу ЦАП без передискретизации.
Но для пика необходим запас в аналоговой части. По моим расчётам, на тоне +3,01 dBFS у ЦАП без передискретизации с фильтром Бесселя выходной тон остаётся почти на 2 дБ выше полной шкалы. Для реальных CD Benchmark оценивает необходимый запас примерно в 3 дБ. Кроме того, выходной конденсатор, если он есть, на меандре может добавить к пику до 6 дБ, согласно данным TC, и запас должен учитывать и это. У серьёзных фонокорректоров перегрузочную способность указывают всегда, а для ЦАП, к сожалению, почти никогда.
Между тем измерение истинного пика давно стандартизировано в радиовещании: рекомендация ITU-R BS.1770 описывает измеритель true peak, который сначала выполняет четырёхкратную передискретизацию, а затем ищет пик. Он нужен именно потому, что истинный пик может находиться между семплами. Там же отмечено, что подобные перегрузки способны вызывать клиппинг внутри некоторых ЦАП. Однако ни в одной документации на микросхемы ЦАП, которую я изучил для этой статьи, запас над 0 dBFS не указан, а измерить его, по словам Benchmark, «невозможно традиционными аудиотестами». Для готового устройства, впрочем, есть простой тест, выявляющий проблему: тон +3,01 dBFS на четверти частоты дискретизации. Benchmark предлагает включить его в стандартный набор и публиковать величину запаса для каждого устройства. Тем же тоном можно проверить собственный ЦАП — это проще, чем спорить о его звучании.
Джиттер: решённая проблема
В интернете о джиттере рассказывают немало страшных историй и нередко объясняют им звучание цифровых источников. Но с момента появления этих историй техника существенно изменилась, поэтому старые представления стоит сопоставить с современными данными. Заодно выясним, не ускользает ли джиттер от стандартных измерений подобно межсемпловым пикам.
ЦАП должен выдавать каждое значение строго в назначенный момент, однако тактовый генератор, задающий эти моменты, может немного спешить или запаздывать. Ошибку времени выдачи семплов называют джиттером (jitter). На чистом тоне она проявляется в виде слабых боковых составляющих вокруг него. По ним джиттер и измеряют: стандартный тестовый сигнал, разработанный Джулианом Данном (Julian Dunn) в 1990-х, делает эти составляющие хорошо заметными.
Порог слышимости джиттера проверили Каору Асихара (Kaoru Ashihara) и его коллеги в 2005 году в работе «Detection threshold for distortions due to jitter on digital audio». Они добавляли к музыке случайный джиттер и просили 23 профессионалов и полупрофессионалов различить результат на собственных системах и любимых записях. При джиттере 2 мкс разницу услышали все 23 участника, при 250 нс — никто. Авторы оценили порог заметности случайного джиттера в несколько сотен наносекунд даже для хорошо подготовленных слушателей. Согласно измерениям, на которые они ссылались, джиттер реальной бытовой техники не превышал 3 нс, поэтому услышать его, по их заключению, маловероятно.
Сегодня даже недорогая техника показывает результаты значительно лучше этих 3 нс. Переходник Apple с USB-C на наушники стоит около полутора тысяч рублей, а по графику из измерений Audio Science Review его джиттер составляет менее 100 пикосекунд. Кстати, FiiO E7, служивший мне источником до замены, показал в измерениях NwAvGuy примерно тот же результат ещё в 2011 году.
Данн также рассчитал предел, ниже которого джиттер не слышен даже при предельно жёстких допущениях: воспроизведении на уровне 120 дБ и слышимости боковых составляющих вплоть до порога 0 дБ. На 20 кГц этот предел снижается до 20 пс, и переходник Apple, к сожалению, ему не соответствует. Но это намеренно смоделированный худший случай, практическая проверка которого невозможна без долгосрочного повреждения слуха.

Поэтому я считаю проблему джиттера решённой: грамотно спроектированный современный ЦАП удерживает его значительно ниже порога слышимости. Если же у нового устройства джиттер всё-таки слышен, речь идёт скорее о браке, чем о «характере» звучания. Интернет ищет проблему не там: джиттер измеряют почти в каждом обзоре, а запас над 0 dBFS практически никто не публикует.
NOS: почему простое решение бывает сложным
Признаюсь, до сих пор я больше говорил о достоинствах ЦАП без передискретизации, хотя качественно реализовать его сложнее: требуются подходящий аналоговый фильтр и запас в аналоговой части. Да и само преобразование числа в напряжение здесь устроено иначе, чем в обычной микросхеме. Почти во всех современных микросхемах используется дельта-сигма ЦАП (delta-sigma), работающий на очень высокой частоте и выдающий быстрый поток сигнала всего из нескольких уровней, в простейшем случае — двух. Грубость этого потока превращается в ультразвуковой шум, который затем удаляет фильтр. Без передискретизации дельта-сигма ЦАП работать не может, поэтому NOS ЦАП всегда относится к другому типу — мультибитному (multibit). В нём каждому разряду семпла соответствует свой резистор или источник тока, задающий вес разряда: для старшего это половина шкалы, для следующего — четверть и так далее. Вклады всех разрядов суммируются. Классическая схема такого преобразователя — лестница из резисторов двух номиналов, R и 2R, откуда и название R-2R. Мультибитный ЦАП может работать как с передискретизацией, так и без неё.
Но у мультибитного ЦАП есть собственные недостатки, которые устраняет только грамотная конструкция. Реальные резисторы и источники тока имеют допуски, поэтому веса старших разрядов никогда не равны точно половине или четверти шкалы. Особенно заметно это около нуля: в обычном двоичном коде ноль находится посередине шкалы, и при переходе сигнала через него переключаются сразу все разряды. Ошибка старших разрядов проявляется при каждом таком переходе, особенно на очень тихом сигнале. Сёрен (Søren), разработчик R-2R ЦАП Soekris, приводит пример: у лестницы с искажениями 0,001 % на полной шкале при уровне −60 дБ они достигают уже 1 %, поскольку абсолютная ошибка остаётся прежней, а сигнал становится в тысячу раз меньше. Впрочем, способы решения давно известны: в PCM1704 от Burr-Brown преобразователь разделён на половины для положительных и отрицательных значений, а Philips в TDA1387 при переходе через ноль переключает только младшие разряды. Матрица Soekris работает по сходному принципу и также не подвержена этой проблеме.
Ошибка около нуля уже встречалась нам в предыдущих статьях. Её создавал выходной каскад класса B, рассмотренный в материалах об искажениях и усилителях: его плечи сменяют друг друга именно при переходе через ноль, а возникающая ступенька почти не зависит от уровня сигнала. Поэтому в процентах от сигнала она тем больше, чем тише музыка. Таким образом, в аудиотехнике ошибки около нуля встречаются постоянно, но измерения на полной шкале почти не выявляют их на фоне большого сигнала. На слух же они могут быть хорошо заметны по нескольким причинам: музыка большую часть времени значительно тише полной шкалы и постоянно проходит через ноль; на тихом сигнале ошибка составляет заметную его долю; рядом нет громкого звука, способного её замаскировать; наконец, она состоит из высоких гармоник, которые слух маскирует хуже всего.
Второе ограничение мультибитного ЦАП — разрядность, также связанная с допусками компонентов. Каждый последующий разряд вдвое меньше предыдущего, поэтому увеличение числа разрядов требует всё большей точности весов. У 24-битной микросхемы младший разряд почти в 17 миллионов раз меньше полной шкалы, и добиться такой точности на реальных компонентах практически невозможно. Подобные микросхемы существуют, например PCM1704, но большинство реализаций рассчитано на 16 разрядов. От разрядности зависит минимальный уровень звука, который ещё не тонет в шуме: каждый бит добавляет около 6 дБ, поэтому 16 бит дают примерно 96 дБ ниже полной шкалы. Для стандартного CD этого достаточно, поскольку запись на нём тоже 16-битная. В данном сравнении дельта-сигма ЦАП выигрывает только на 24-битных файлах: например, у AKM AK4490 отношение сигнал/шум по документации достигает 120 дБ. Но и здесь разницу на слух замечали лишь тогда, когда лишние разряды просто отбрасывали без дизеринга. В упомянутом ранее метаанализе Рейсс отмечает, что именно так были проведены все три исследования, в которых слушатели уверенно различали 16- и 24-битный звук.
Задача ЦАП — не испортить запись
Разобрав основные возможные проблемы — как решённые, так и остающиеся открытыми, — сравним сами способы восстановления сигнала. При 44,1 кГц каждый из них имеет преимущества и недостатки. Качественная передискретизация точнее передаёт верхние частоты и удаляет зеркальные копии. ЦАП без передискретизации не перегружается в цифровой части, а с фильтром Бесселя не звенит и не задерживает верхние частоты. При высоких частотах дискретизации NOS ЦАП по качеству восстановления сигнала сопоставим с передискретизацией.
Главное различие между подходами остаётся прежним: фильтр передискретизации звенит у края полосы, а ЦАП без неё пропускает ультразвуковые копии. Напрямую то и другое почти не слышно, но продукты нелинейности усилителя или высокочастотного динамика уже легко попадают в слышимую область. Разные ЦАП подают на усилитель разный ультразвук, различающийся не только уровнем, но и временем появления. При 44,1 кГц ЦАП без передискретизации выдаёт зеркальные копии всякий раз, когда в сигнале присутствуют верхние частоты, — на каждой тарелке и каждом шипящем согласном вокала. Линейно-фазовый фильтр почти ничего не пропускает выше полосы и на записях со срезанными вершинами добавляет лишь рябь около 21 кГц, показанную Archimago. Но если интерполятору не хватает запаса, в самых громких местах он перегружается и выдаёт короткие всплески широкополосных искажений вместе с копиями, которые больше не подавляет.
Если усилитель недостаточно линеен на ультразвуке, он, а затем и высокочастотный динамик, может смешать любую из этих составляющих с музыкой и перенести продукт в слышимую полосу — вспомним IMD. Например, тон 15 кГц и его копия на 29,1 кГц дают 14,1 кГц. Особенно это касается усилителей, поддерживающих линейность общей обратной связью: так устроено большинство усилителей класса AB и почти все класса D. С ростом частоты глубина обратной связи уменьшается, поэтому ультразвуковые искажения заметно выше указанных в паспорте для 1 кГц. В усилителе без общей обратной связи линейность обеспечивается самой схемой и её зависимость от частоты значительно слабее, что может существенно уменьшить негативное влияние копий. Поэтому при выборе ЦАП полезно выяснить и то, как усилитель ведёт себя на ультразвуке. Дополнительная сложность в том, что реальный усилитель реагирует не только на мгновенное значение сигнала, но и на скорость его изменения, как мы обсуждали в статье об усилителях.
Почему же у ЦАП без передискретизации есть убеждённые сторонники, если технически он выдаёт больше ультразвука? Думаю, прежде всего из-за времени появления ошибок. Копии и продукты, которые они создают в усилителе, возникают одновременно с породившим их звуком. Поэтому ошибки ЦАП без передискретизации звучат вместе с музыкой и нередко ею маскируются. У фильтра передискретизации таким образом маскируется лишь запаздывающий звон: после громкого звука маскировка длится уже не 1–2, а 50–300 мс. Опережающий звон и его продукты возникают до скачка, где, как мы видели, маскировка слабая. Вторая возможная причина — знакомая нам перегрузка интерполятора: если у ЦАП с передискретизацией нет запаса над 0 dBFS, при сравнении слушатель вполне может слышать именно её. А если выбрать минимально-фазовый фильтр без опережающего звона, придётся столкнуться со временным сдвигом верхних частот: как уже говорилось, при крутом спаде тон 20 кГц выходит примерно на 0,4 мс позже тона 1 кГц. Ричард Вандерстин (Richard Vandersteen), один из сторонников фазовой когерентности акустики, ещё в 2000 году объяснял свой подход в интервью Stereophile: «Мы скорее устройства для измерения времени, чем амплитуды». NOS ЦАП с фильтром Бесселя избегает обеих проблем, но его копии и их продукты заметно сильнее остатков после цифрового фильтра. Вероятно, поэтому спор и продолжается: что важнее — уровень искажений или их маскировка музыкой?
Весь спор о копиях, звоне и задержке — плата за формат компакт-диска. При 44,1 кГц между верхней границей слуха в 20 кГц и половиной частоты дискретизации остаётся лишь около 2 кГц, в которые должен уложиться восстанавливающий фильтр. Именно поэтому появились передискретизация и крутые цифровые фильтры. С потоковыми сервисами высокого разрешения эта проблема попросту исчезла: копии смещаются далеко вверх, и при 192 кГц даже мягкий фильтр их удаляет, а при 96 кГц сильно ослабляет. Спад высоких частот у NOS ЦАП тоже почти исчезает: на 20 кГц он составляет 3,2 дБ при 44,1 кГц и лишь 0,16 дБ при 192 кГц. На таких файлах ЦАП без передискретизации с мягким фильтром Бесселя сохраняет все свои достоинства: в цифровой части ему нечему перегружаться, он не звенит и не задерживает верхние частоты. При этом от недостатков, заметных на 44,1 кГц, — копий и спада — почти ничего не остаётся. ЦАП с передискретизацией в этих условиях тоже работает лучше, но проблема перегрузки у него по-прежнему возможна.
Сложная аппаратура для таких файлов, кстати, не обязательна: достаточно телефона с подпиской на потоковый сервис и ЦАП, подключённого по USB. Почти все современные преобразователи поддерживают USB Audio Class 2.0, поэтому телефон распознаёт их без дополнительных драйверов. Сейчас это доступно и на iPhone, и на Android: режим bit perfect с поддержкой высоких частот дискретизации есть на обеих платформах, нужен лишь современный USB ЦАП.
После замены ЦАП: что изменилось, а что осталось
Итак, грамотно спроектированные ЦАП трудно различить, если у них есть запас над 0 dBFS, а следующий в тракте усилитель линеен на ультразвуке. Открытым остаётся вопрос слышимости самих фильтров, хотя при высоких частотах дискретизации и он почти теряет значение. Но снова подчеркну: паспортные измерения на 1 кГц не выявляют запас над 0 dBFS и, разумеется, не учитывают поведение последующего усилителя на ультразвуке.
Независимо от формата я руководствуюсь простой логикой: мне нужна понятная и предсказуемая конструкция, ошибки которой известны ещё до прослушивания, а не устройство, чьё поведение на новом треке невозможно предугадать. Спад, уровень копий и задержка постоянны; поведение же интерполятора на межсемпловых пиках зависит от мастеринга, качество которого заранее неизвестно, и от запаса, который производитель не указывает. Чего тогда ждать от домашнего ЦАП? Как я отмечал в начале, ошибки студийного преобразователя уже стали частью записи. Поэтому я не рассчитываю, что домашний ЦАП её улучшит или добавит нечто своё. Его задача — не испортить полученную запись.
В итоге моим источником стал мультибитный ЦАП без передискретизации: восемь параллельно работающих микросхем TDA1387, пассивный преобразователь ток–напряжение в виде обычного резистора и раздельное питание цифровой и аналоговой частей. Аналогового фильтра здесь практически нет, то есть это простейший вариант ЦАП без передискретизации и без фильтра.
По сравнению с FiiO звучание стало слаженнее и ритмически живее, хотя самые высокие частоты заметно ослабли. Впрочем, к этому быстро привыкаешь. А вот голоса, к сожалению, по-прежнему звучали неестественно. К тому времени сервер с FIR-коррекцией, о котором шла речь в первых статьях, уже был выключен и заменён простым аналоговым эквалайзером, поэтому дополнительного источника звона в тракте не осталось.
Сохранившаяся искусственность голосов была привязана к определённой частоте в середине воспроизводимого диапазона: некоторые гармоники становились раздражающими, как только пересекали её. Если перебрать ошибки ЦАП, рассмотренные в статье, ни одна из них не привязана к конкретной точке в середине полосы. Звон фильтра и спад ступенчатого сигнала возникают у края диапазона, а копии расположены ещё выше. Интерполятор отказывает на самых громких пиках независимо от их частоты. Ошибка перехода через ноль и ограничение 16 разрядов проявляются в тихих местах по всей полосе сразу; к тому же микросхема моего ЦАП как раз избегает первой из них. Джиттер современных преобразователей также значительно ниже порога слышимости.
Значит, причина скрывается где-то дальше в тракте. К этому моменту я заменил уже каждый компонент системы, а проблема оставалась. Следовательно, дело в какой-то фундаментальной особенности, до которой я ещё не добрался. Единственным подозреваемым, по-прежнему остававшимся за кадром, был кроссовер — тот самый шов, в котором частотная полоса делится между двумя динамиками.
В следующей статье я расскажу, откуда берётся этот шов, что происходит с голосом в этой области и почему это важно. А в промежутках между статьями рабочие заметки — вырезанные разделы, измерения и неудачи на стенде — появляются в канале «Архитектура звука».
Как окружающая среда влияет на развитие мозга?
Во что играли гики в СССР? Часть 2
В Австралии отменили конкурс по разработке STEM-игр из-за ИИ
Великая подмена: как экономическая наука приняла дофаминовый зуд за эволюционную пользу
7 резонансных отставок топ-менеджеров крупных компаний: от шпионажа до романа на работе
Мозговые имплантаты помогли пациентам с БАС снова говорить и петь
Как CAPTCHA меняется в эпоху искусственного интеллекта
Вороны вдвое быстрее людей и обезьян решают зрительные задачи на движение