Details

Тема выпускной квалификационной работы: «Сжатие аудиофайлов». Данная работа посвящена исследованию существующих алгоритмов сжатия цифрового аудио, разработке математической модели оценки качества сжатия на основе психоакустических характеристик, а также созданию десктопного приложения для анализа, конвертации и сравнительной оценки аудиофайлов с адаптивной системой рекомендаций. В ходе работы были решены следующие задачи: 1) Обзор существующих алгоритмов сжатия аудиоданных (MP3, AAC, FLAC, WAV) и программных решений в данной области. 2) Разработка математической модели интегральной оценки качества сжатого аудиофайла на основе взвешенной суммы психоакустических метрик. 3) Разработка адаптивной модели выбора оптимального кодека методом взвешенной суммы критериев, калибруемой на основе накопленных данных о реальных конвертациях. 4) Реализация многопоточной пакетной обработки аудиофайлов с динамическим выбором числа потоков на основе закона Амдала. 5) Разработка десктопного приложения с графическим интерфейсом, обеспечивающего анализ, конвертацию и сравнительную оценку аудиофайлов. 6) Экспериментальная проверка разработанных моделей на наборе аудиофайлов различных жанров и характеристик. В результате разработана математическая модель, позволяющая оценивать качество сжатия по шести психоакустическим и объективным метрикам: RMS- громкости, спектральному центроиду, спектральному роллоффу, динамическому диапазону, спектральной плоскостности и скорости пересечения нуля. На основе предложенной модели реализована адаптивная система рекомендаций, определяющая оптимальный формат и битрейт для конкретного аудиоматериала путём максимизации целевой функции, учитывающей прогнозируемую потерю качества и экономию дискового пространства. Экспериментально подтверждено трёхкратное ускорение пакетной обработки при переходе от однопоточного к четырёхпоточному режиму, что соответствует теоретическим предсказаниям закона Амдала. Разработанное приложение реализовано с использованием языка программирования Python 3.11, библиотеки librosa для психоакустического анализа, инструментария FFmpeg для конвертации аудиофайлов, СУБД PostgreSQL для хранения метаданных и истории конвертаций, а также библиотеки CustomTkinter для графического интерфейса пользователя.

The subject of the graduate qualification work is «Audio File Compression». This work is devoted to the study of existing digital audio compression algorithms, the development of a mathematical model for compression quality assessment based on psychoacoustic characteristics, and the creation of a desktop application for audio file analysis, conversion, and comparative quality evaluation with an adaptive recommendation system The following tasks were set and solved in the course of the work: 1) Review of existing audio data compression algorithms (MP3, AAC, FLAC, WAV) and software solutions in this field. 2) Development of a mathematical model for integrated quality assessment of a compressed audio file based on a weighted sum of psychoacoustic metrics. 3) Development of an adaptive codec selection model using the weighted sum of criteria method, calibrated on the basis of accumulated real conversion data. 4) Implementation of multithreaded batch audio file processing with dynamic thread count selection based on Amdahls law. 5) Development of a desktop application with a graphical user interface providing audio file analysis, conversion, and comparative evaluation. 6) Experimental validation of the developed models on a set of audio files of various genres and characteristics. As a result, a mathematical model was developed that enables compression quality assessment across six psychoacoustic and objective metrics: RMS loudness, spectral centroid, spectral rolloff, dynamic range, spectral flatness, and zero crossing rate. Based on the proposed model, an adaptive recommendation system was implemented that determines the optimal format and bitrate for specific audio material by maximizing an objective function accounting for predicted quality loss and disk space savings. A threefold speedup of batch processing was experimentally confirmed when transitioning from single-threaded to four-threaded mode, consistent with the theoretical predictions of Amdahls law. The developed application was implemented using Python 3.11, the librosa library for psychoacoustic analysis, FFmpeg for audio file conversion, PostgreSQL for metadata and conversion history storage, and CustomTkinter for the graphical user interface.