UT5.5.1 · Audio digital

Por qué digital

Una cadena analógica degrada la señal en cada circuito y cada soporte: cada eslabón añade su ruido y su distorsión. En digital, la señal se convierte una vez en números y se procesa, almacena y transmite como números; solo vuelve a analógico en la reproducción. Los puntos críticos son la conversión analógico-digital, la representación numérica y la conversión digital-analógica. A cambio, los circuitos digitales son más baratos, inmunes al ruido, al envejecimiento y a la temperatura, más fiables y capaces de procesados muy complejos.

Los números se representan en binario (0 y 1); cada dígito es un bit. Para pasar de decimal a binario se divide sucesivamente entre 2 y se recogen los restos; para volver, se suman las potencias de 2. Las operaciones lógicas (AND, OR, XOR; en electrónica, puertas lógicas) permiten combinar señales binarias.

Grabación digital (PCM)

El sistema más usado es la modulación por impulsos codificados lineal (PCM). Su cadena: filtro antialiasing → muestreo y retención (S&H) → conversor A/D → procesos de canal. Hoy se añaden sobremuestreo y dither.

Muestreo

El teorema del muestreo (Nyquist-Shannon) dice que una señal de banda limitada puede sustituirse por muestras sin perder información, siempre que la frecuencia de muestreo (Fs) sea al menos el doble de la frecuencia máxima de la señal. La mitad de Fs es la frecuencia de Nyquist.

• Frecuencias profesionales: de 32 a 384 kHz; las habituales, 44,1 kHz (CD), 48 kHz (vídeo y broadcast) y 96 kHz.
• Antes de muestrear, un filtro paso bajo muy abrupto (brickwall) elimina todo lo que está por encima de Nyquist. Lo que se cuela produce aliasing: frecuencias falsas que no estaban en el original.
• ⚠️ El muestreo en sí no pierde nada; lo que introduce error es la cuantificación.

Cuantificación

El muestreo decide cuándo se mide y la cuantificación cuánto vale cada muestra. Con n bits hay 2ⁿ valores posibles (16 bits = 65.536). Como la señal analógica tiene infinitos valores y el cuantificador un número finito, siempre hay error de cuantificación.

Relación señal/ruido ≈ 6,02·n + 1,76 dB, es decir, unos 6 dB por bit: 16 bits dan unos 98 dB y 24 bits unos 146 dB. Ojo con la cifra redonda: con la regla aproximada de 6 dB por bit (sin el +1,76), 16 bits salen 96 dB y 24 bits 144 dB, y esa es la que suele aparecer en los exámenes. Las dos son correctas; la diferencia es solo si se usa la fórmula completa o la aproximación. Ese valor es para una señal a nivel máximo; cuanto más baja la señal, mayor es el error relativo. Y como el error depende de la señal, no suena como un ruido sino como distorsión (granulada, con "gorjeos"), mucho más desagradable que el soplido uniforme analógico.

Dither

Se añade deliberadamente un ruido muy bajo (por debajo del bit menos significativo) antes de reducir la resolución. Se cambia distorsión por un soplido mínimo, que el oído tolera mucho mejor. Se usa sobre todo al pasar de 24 a 16 bits en la masterización.

Muestreo y retención, y el conversor

• S&H: marca el ritmo de muestreo y congela el valor de cada muestra mientras el conversor lo mide.
• Conversor A/D: el componente más crítico, porque su error se arrastra por toda la cadena. Tiene que decidir el nivel más cercano y asignarle su código en menos de un periodo de muestra (unos 20 µs a 48 kHz), con todos los intervalos igualmente espaciados. Siempre tiene un error de ±½ LSB.

Sobremuestreo y conformado de ruido

• Sobremuestreo (oversampling): se muestrea a varias veces la Fs, lo que permite un filtro analógico suave (sin distorsión de fase) y dejar el corte abrupto a un filtro digital; después se diezma a la Fs final. Además, el ruido de cuantificación se reparte por más ancho de banda: cada vez que se dobla el sobremuestreo, el ruido en la banda audible baja 3 dB.
• Noise shaping: redistribuye el ruido de cuantificación, bajándolo en la banda audible y subiéndolo por encima. Junto con el sobremuestreo mejora mucho la relación señal/ruido.

Procesos de canal

Antes de grabar o transmitir: multiplexar canales (por ejemplo, dos en un flujo AES/EBU o S/PDIF), añadir redundancia para detectar y corregir errores (CRC), barajar los datos (interleaving) para que un error puntual, como una mota de polvo en un CD, se reparta y se pueda corregir, aplicar códigos de canal (NRZ, MFM, EFM en el CD, RLL) e interpolar lo que no se puede corregir. El pre-énfasis (realzar agudos al grabar y atenuarlos al reproducir) ya no se recomienda.

Reproducción

Es el proceso inverso: corrección de errores, conversor D/A, S&H de salida (que descarta los glitches de la conversión, deglitcher) y filtro paso bajo de salida (anti-imaging), que convierte la "escalera" de niveles en una onda suave. Hoy se usa sobremuestreo digital antes de la conversión D/A.

Sincronización

Hay dos tipos, y no hay que confundirlos:

Sincronización posicional: el código de tiempo

Un equipo máster marca el tiempo y los esclavos lo siguen, para arrancar y parar a la vez y mantener la misma velocidad. Conviene que el máster sea el equipo más limitado.

• LTC (Linear Time Code, el "SMPTE"): grabado en una pista longitudinal como señal de audio de onda cuadrada. No se lee con la imagen parada (solo entre 1/10 y 100 veces la velocidad normal). Es el habitual en audio; se graba en la última pista, a bajo nivel.
• VITC (Vertical Interval Time Code): va en líneas del borrado vertical de la imagen. Se lee con la imagen parada, pero no se puede cambiar sin hacer una copia. Es el habitual en vídeo.
• MTC (MIDI Time Code): el código de tiempo por MIDI, muy usado en postproducción; los comandos de transporte van por MMC.

La precisión del código de tiempo es de un fotograma.

Sincronización de muestra: el word clock

Para pasar audio digital entre equipos, sus relojes tienen que ir a la misma muestra. El word clock es una onda cuadrada a la frecuencia de muestreo (a 48 kHz, 48.000 ciclos por segundo), sin ninguna otra información; cada ciclo es una palabra de audio. Va por coaxial de 75 Ω con BNC, a menudo en lazo.

• Self-clocking: el reloj va dentro del propio audio (por ejemplo, en AES/EBU); el transmisor en reloj interno y los receptores en externo.
• Master clock: un reloj aparte, generado por un equipo del sistema o por uno dedicado. Lo ideal es un reloj de referencia único y todos los equipos como esclavos. En broadcast también sirve de referencia la señal de vídeo (negro de vídeo o black burst).

Sin sincronismo de reloj aparecen clics y chasquidos. La inestabilidad temporal del reloj se llama jitter, y un buen interfaz tiene que tenerla lo más baja posible.

Interfaces de audio digital

(Las redes de audio —Dante, RAVENNA, AES67…— están en la unidad de transmisión.)

Niveles de señal

• Tipos: nivel de micrófono (muy bajo), de instrumento, de línea (en equipos domésticos −10 dBV, en profesionales +4 dBu) y de potencia (hacia altavoces).
• Estructura de la señal:
  • Nivel nominal: el punto óptimo de trabajo, lo más lejos posible del ruido y de la distorsión.
  • Headroom (techo dinámico): lo que la señal puede subir por encima del nominal sin distorsionar.
  • Clipping: por encima, la señal se satura o recorta.
  • Suelo de ruido: lo que entrega el equipo sin señal.
  • Relación señal/ruido: del nominal al suelo de ruido.
  • Rango dinámico = headroom + relación señal/ruido.

Medidores

• Vúmetro (VU): mide una aproximación al valor eficaz (RMS), relacionado con la sonoridad, con tiempos de subida y bajada de unos 300 ms. Un sonido sostenido marca más que uno percutido con el mismo pico. 0 VU = +4 dBu, escala de −20 a +3 VU. Barato y robusto, pero no ve los picos.
• Picómetro (PPM): de cuasi-pico; no captura los transitorios más rápidos, así que los picos reales pueden superar su lectura en 4-6 dB. Tiene caída lenta para que se vean los picos. Tipo I (DIN, nórdico) y tipo II (BBC, EBU).
• Medidor de pico verdadero (True Peak, TPM): en digital, superar 0 dBFS produce un recorte tajante y audible, así que el pico se vuelve capital. Además, el pico real puede caer entre dos muestras; la norma ITU-R BS.1770 lo estima con sobremuestreo x4.

Niveles de referencia

Organismos: ITU/UIT (telecomunicaciones), EBU/UER (radiodifusión europea, de la que forma parte España), SMPTE (cine y televisión, código de tiempo), DVB (televisión digital; en EE. UU. ATSC, en Japón ISDB) y DCI (cine digital).

Analógico (ITU-R BS.645):

• Nivel de alineación (AL): tono de 1 kHz a la referencia; en RTVE y en radiodifusión, +4 dBu. Es el tono de las cabeceras y de las pruebas de enlace.
• Nivel de medición (ML): 12 dB por debajo del AL, para medir respuesta en frecuencia.
• Nivel máximo permitido (PML): 9 dB por encima del AL.

Digital (EBU R68): el nivel de alineación queda a −18 dBFS, el máximo permitido a −9 dBFS y el de medición a −30 dBFS. Los 9 dB entre −9 y 0 dBFS absorben la diferencia entre cuasi-pico y pico verdadero y los errores de operación.

Sonoridad: EBU R128

Ajustar por picos (R68) no garantiza que dos programas suenen igual de fuerte: un material muy comprimido marca lo mismo en el picómetro y suena mucho más alto, que es el problema del salto de volumen al pasar a la publicidad. El oído además es más sensible entre 2 y 4 kHz, y cuanto más ancho de banda, más sonoro parece un sonido.

La EBU R128 (sobre la ITU-R BS.1770) ajusta por sonoridad (loudness), en LUFS:

• Sonoridad del programa: −23 LUFS.
• Pico verdadero máximo: −1 dBTP.
• Rango de sonoridad (LRA): indica la variación dinámica del programa; en torno a 20 LU es aceptable.

La estación de trabajo (DAW)

Un ordenador que graba en disco con grabación multipista, edición, mezcla virtual y automatización, MIDI, procesado, instrumentos virtuales y sincronización por SMPTE o MTC.

• Nativa: todo el proceso en la CPU del ordenador (potente y fácil de actualizar).
• No nativa: con hardware de proceso propio (estable, pero cara de actualizar).

Necesita procesador, discos y memoria suficientes, y una interfaz de audio (tarjeta interna, externa por USB o Thunderbolt) que haga de puerta entre el mundo analógico y el digital.

• Controladores (drivers): ASIO en Windows (baja latencia) y Core Audio en Mac. La latencia es el retraso que añade todo el recorrido de la señal por la interfaz, la CPU y la mezcla interna.
• Superficies de control: imitan una mesa (faders, mutes, transporte) y controlan el software por MIDI o red.
• Plug-ins: VST (Steinberg, Mac y PC), AU (Apple), AAX (Pro Tools; antes RTAS, en tiempo real, y AudioSuite, que procesa el archivo y conviene usar sobre una copia).

Formatos de archivo e intercambio

• Sin compresión: WAV (PCM, estándar de Windows), BWF (Broadcast Wave: WAV con texto y código de tiempo incrustado), Wave64 (cabecera de 64 bits para archivos de más de 2 GB) y AIFF (estándar de Apple).
• Intercambio entre DAW: OMF/OMFI y AES31 (sobre BWF, legible por cualquier DAW compatible).