Б.С. Горячкин1, Р.В. Фонканц2, Р.Р. Сафин3 

1–3 МГТУ им. Н.Э. Баумана (Москва, Россия)

Постановка проблемы. Увеличение объема цифровой информации приводит к тому, что для хранения этой информации необходимы все большие массивы запоминающих устройств, требующие серьезных денежных вложений. Для уменьшения объема хранимых данных, созданы специальные алгоритмы кодирования/сжатия информации. Одним из таких алгоритмов является алгоритм Хаффмана, применяющийся во многих современных архиваторах. Для получения лучших показателей данных классические алгоритмы подвергаются различным улучшения. В настоящей работе предложен вариант модификации алгоритма Хаффмана с помощью применения генетических алгоритмов для сжатия WAV файлов.

Цель. Провести анализ и сравнение кодирования Хаффмана и современных аудиокодеков сжатия без потерь. Разработать модификацию кодирования Хаффмана с применением генетических алгоритмов, превосходящую классическое кодирование Хаффмана по величине коэффициента сжатия.

Результаты. Показано, что классический алгоритм Хаффмана не дает существенных преимуществ по предложенной методике оценки по сравнению с аудиокодеками для кодирования WAV файлов. На этом основании разработана модификация классического кодирования Хаффмана с применением генетических алгоритмов. Его тестирование показало, что разработанная модификация алгоритма Хаффмана все же уступает популярным аудиокодекам, хотя лучше классической. Кроме того, в ходе работы экспериментальным способом выведена аналитическая формула оценки времени кодирования/декодирования для рассмотренных алгоритмов сжатия аудиоданных без потерь.

Практическая значимость. Разработанная модификация алгоритма Хаффмана позволяет более эффективно сжимать WAV файлы, нежели с помощью классических алгоритмов сжатия данных без потерь. Полученная формула оценки времени кодирования/декодирования для рассмотренных в работе алгоритмов дает возможность проводить качественный сравнительный анализ.

Горячкин Б.С., Фонканц Р.В., Сафин Р.Р. Сравнительный анализ форматов сжатия аудиоданных без потерь // Динамика сложных систем. 2023. Т. 17. № 3. С. 64−71. DOI: 10.18127/j19997493-202303-09

1. Классификация методов сжатия. URL: https://mf.grsu.by/UchProc/livak/po/comprsite/classification_intro.html (дата обращения: 26.01.2023).
2. Mayer H.F. Principles of Pulse Code Modulation. Advances in Electronics and Electron Physics. Academic Press. 1951. V. 3. P. 221–260.
3. Huffman D.A. A Method for the Construction of Minimum-Redundancy Codes. Proceedings of the IRE. 1952. V. 40. № 9. P. 1098–1101.
4. Ватолин Д., Ратушняк А., Смирнов М., Юкин В. Методы сжатия данных. Устройство архиваторов, сжатие изображений и видео. М.: ДИАЛОГ-МИФИ, 2003. 384 c.
5. Тропченко А.Ю., Тропченко А.А. Методы сжатия изображений, аудиосигналов и видео: Учеб. пособие. СПб.: СПбГУ ИТМО. 2009. 108 с.
6. FLAC. URL: https://xiph.org/flac/index.html (дата обращения: 18.02.2023).
7. Monkey's Audio. URL: https://monkeysaudio.com (дата обращения: 18.02.2023).
8. WavPack. URL: https://www.wavpack.com (дата обращения: 18.02.2023).
9. Горячкин Б.С., Багавиев Б.И. Разработка метода оценки точности распознавания аудиосигнала с помощью нейросети для больших объемов данных // Динамика сложных систем – XXI век. 2020. Т. 14. № 2. С. 63-70. DOI: 10.18127/j19997493-202002-07.
10. Гусев С.И., Спиркина О.В. Эффективность адаптивного алгоритма подавления помех с использованием пространственной предпроцессорной обработки сигналов // Радиотехника. 2016. Т. 80. № 8. С. 86–90.
11. Бураков М.В. Генетический алгоритм: теория и практика: учеб. пособие. СПб.: ГУАП, 2008. 164 с.
12. Holland J.H. Adaptation in Natural and Artificial Systems: An Introductory Analysis with Applications to Biology, Control, and Artificial Intelligence. Ann Arbor: University of Michigan Press. 1975. 183 p.
13. Панченко Т.В. Генетические алгоритмы: Учеб.-метод. пособие. Астрахань: Изд. дом «Астраханский университет». 2007. 87 с.