SOUND ENGINEERING. Dynamik und Pegel. Von der Aufnahme bis zum Master. Diplomarbeit im Studiengang Audiovisuelle Medien. Fachhochschule Stuttgart

Transkript

1 SOUND ENGINEERING Dynamik und Pegel Von der Aufnahme bis zum Master Diplomarbeit im Studiengang Audiovisuelle Medien Fachhochschule Stuttgart Tobias von Brockdorff Matrikel-Nummer September Prüfer: Prof. Oliver Curdt 2. Prüfer: Prof. Dr. Thomas Keppler

2 Erklärung Hiermit erkläre ich, dass ich die vorliegende Diplomarbeit selbständig angefertigt habe. Es wurden nur die in der Arbeit ausdrücklich benannten Quellen und Hilfsmittel benutzt. Wörtlich oder sinngemäß übernommenes Gedankengut habe ich als solches kenntlich gemacht. Ort, Datum Unterschrift

3 1. Einleitung Grundlagen Definition von Schall Frequenzen Der Ton und die Tonhöhe Lineare Verzerrung Parametrische Equalizer Grafische EQs Frequenz-Analyse Frequenzbereiche Dynamik des menschlichen Gehörs Ruhehörschwelle Hörfläche Pegel Einführung von Pegeln Bewertungsfilter Definition des Pegels Herleitung des Schalldruckpegels Lp Entfernungen bei der Angabe von Pegeln Absoluter Pegel Rechnen mit Pegeln Logarithmierung der Sinne Dämpfung und Verstärkungsfaktor Systemdynamik Signal-Rauschabstand Rauschen Nichtlineare Verzerrungen Dynamik von Mikrofonen Effektive Systemdynamik Aufnahmemedien Die Geschichte des Tonträgers Dynamik analoger Aufnahmemedien Digitaltechnik Grundlage für die digitale Signalverarbeitung Analog-Digital-Wandlung Wandlerverfahren Dynamik eines digitalen Audiosignals Dynamik im Überblick Dynamikumfang akustischer Signale Technische Systemdynamik im Vergleich Notwendigkeit einer Einengung der Dynamik Wiedergabedynamik...37

4 6. Dynamische Effekte Regelverstärker als dynamischer Effekt Der Kompressor Der Limiter Expander und Gate Frequenzselektive Kompression Multibandkompression Aussteuerung Das Mischpult Aussteuerungsrichtlinien Der Crest Faktor Mastering Ursprung und Trend Produktionsmittel beim Mastering Anwendung der Produktionsmittel Psychoakustikprozessoren MS-Matrix Premastering und Authoring Möglichkeiten zur Erweiterung einer Systemdynamik Kompandersysteme Dynamikverbesserung in der digitalen Ebene Noise shaping Dithering Datenreduktion Datenübertragungsrate MPEG-Audio-Standard Von der Aufnahme bis zum Master Hintergründe und Zielsetzung Örtlichkeit Aufnahmetechnik Musikschnitt Rooting und Mischung DSP-Effekte Mastering Fazit Literaturverzeichnis Abbildungsverzeichnis...77

5 1. Einleitung Dynamik in der Tontechnik beschreibt den Bereich zwischen höchstem und niedrigstem Pegel eines Signals. In der Natur kommen Schallpegel von unterschiedlicher Intensität vor, wovon das menschliche Ohr nur einen gewissen Bereich wahrnehmen kann. Dieser Bereich geht von der Hörschwelle bis zur Schmerzgrenze und legt damit den Dynamikumfang des Gehörs fest. In der elektro-akustischen Signalverarbeitung ist der Dynamikumfang ebenfalls begrenzt, bedingt durch die technisch mögliche Dynamik der Geräte, die sich aus der Pegeldifferenz zwischen Übersteuerungsgrenze und Eigenrauschen ergibt. In diesem Zusammenhang wird auch von der Systemdynamik gesprochen. Sie ist eines der wichtigsten Qualitätsmerkmale in der Audiotechnik. Die Geschichte des Tonträgers zeigt uns die rasante Entwicklung der Aufnahmemedien in den letzten einhundert Jahren. Nicht zuletzt durch den technischen Fortschritt bei der digitalen Audiotechnik wird dabei die Qualität der Aufnahmeverfahren erheblich gesteigert. So haben die verschiedenen Aufnahmemedien, ob analog oder digital, eine unterschiedliche Systemdynamik, die in den meisten Fällen größer ist als die abhörseitige Wiedergabedynamik. Sie wird begrenzt durch den maximalen Abhörpegel und die Störgeräuschen am Ort der Wiedergabe. Bei der Aufzeichnung oder Übertragung auf das entsprechende Medium muss deshalb oft die Originaldynamik einer Aufnahme angepasst werden. Dafür stehen in der professionellen Tonstudiotechnik die so genannten dynamischen Effekte zur Verfügung, mit denen eine Bearbeitung der Dynamik ermöglicht wird. Auch beim Mastering bekommt der Einsatz von Effekten besondere Bedeutung, stellt dieser Prozess doch den letzten Feinschliff bei der Bearbeitung einer Aufnahme dar. Die vorliegende Diplomarbeit erklärt und analysiert den technischen Hintergrund der Dynamik und die Grundlagen der in der Tontechnik relevanten Pegel. Des Weiteren sollen anhand von Dynamik und Pegeln die verschiedenen Bereiche der professionellen Tonstudiotechnik erläutert werden. Dabei wird die Systemdynamik der unterschiedlichen Systeme untersucht und verglichen. Außerdem werden Verfahren zur Vergrößerung der Systemdynamik vorgestellt, die das Ziel haben, dem Dynamikumfang des menschlichen Gehörs gerecht zu werden. Um dieses zu erreichen, sind allerdings ideale Bedingungen als auch der erforderliche technische Aufwand notwendig. Die vorliegende Arbeit gliedert sich in einen theoretischen und einen praktischen Teil. Zur Untermauerung der theoretischen Darlegungen, die den Hauptteil dieser Arbeit bilden, ist ein praxisorientiertes Kapitel angehängt. Die Umsetzung wird am Beispiel einer CD-Produktion von der Aufnahme bis zum Master verdeutlicht. Das Ergebnis ist in Form einer Audio-CD beigelegt. 1

6 2. Grundlagen 2.1 Definition von Schall Als Teilgebiet der Gasdynamik beschreibt die Akustik in der Physik die Wechselwirkung von Kompressionsenergie und Bewegungsenergie, die als Schallfeldgrößen wie folgt definiert sind: Schalldruck p in N/m² = Pa (Pascal) und Schallschnelle v in m/s Das Produkt der beiden Größen ist die Schallintensität. Sie ist die Energie des Schalls, gemessen in Watt auf der Fläche von einem Quadratmeter. Im elastischen Medium, also in Flüssigkeiten oder Gasen, sowie im wichtigsten Medium, der Luft, breitet sich der Schall als Longitudinalwelle kugelförmig aus. Die Ausbreitungsgeschwindigkeit der Schallwelle ist abhängig von der Dichte des Übertragungsmediums. In der Luft wird die Schallgeschwindigkeit c im Wesentlichen von der Temperatur beeinflusst. Durch die folgende Formel kann die Schallgeschwindigkeit näherungsweise bestimmt werden: c Luft = 331,5 + 0,6 * t; [in m/s] mit t = Temperatur in C Die Schallgeschwindigkeit in der Luft nimmt bei einer Temperaturerhöhung um ca. 0,6 m/s pro Grad Celsius zu. 1 Abb. 1: Tabelle der Schallgeschwindigkeit in Luft bei Temperaturänderung. Temperatur Geschwindigkeit 0 C 331,5 m/s 20 C 343,5 m/s 36 C 353,1 m/s Da die Tonhöhe abhängig von der Schallgeschwindigkeit ist (f = c/ λ, siehe 2.2.1), wirkt sich eine Temperaturänderung auf die Stimmung der Instrumente aus. Für die Wahrnehmung von Schall ist ein konstanter atmosphärischer Druck, wie er auf der Erde gegeben ist, oberste Voraussetzung. Außerdem muss der Ruhedruck der Atmosphäre viel größer sein als der höchste Schalldruck, den das menschliche Gehör verarbeiten kann, da sonst Luftdruckschwankungen gravierende Auswirkungen auf unser Hörvermögen haben würden. 1 Vgl. Dickreiter, M. : Handbuch der Tonstudiotechnik, Bd. 1, K.G. Sauer Verlag 1997, S. 3. 2

7 2.2 Frequenzen Der Ton und die Tonhöhe Ein einzelner reiner Ton ist eine regelmäßig wiederkehrende Veränderung des Schalldrucks, mit einer bestimmten Anzahl von Schwingungen pro Sekunde (1/s = 1 Hz [Herz]), also mit nur einer Frequenz. Die Anzahl der Schwingungen ist proportional zur wahrgenommenen Tonhöhe. Ein reiner Ton ist bekanntlich der Sinuston. Töne, die zu einhundert Prozent rein sind, kommen in der Natur nicht vor. Vielmehr handelt es sich hierbei häufig um Tongemische, die wiederum als Klänge bezeichnet werden. Von einem Geräusch ist die Rede, wenn der Schall keine regelmäßig wiederkehrenden, sondern nur willkürlich überlagerte Schwingungen aufweist. Auch jeder Klang besitzt hochfrequente Geräuschanteile am Anfang seiner Einschwingphase, die so genannten Transienten. Sie sind charakteristisch für die Unterscheidung aller hörbaren Ereignisse. 1 Abhängig von der Schallgeschwindigkeit c des Mediums, das den Schall überträgt, bildet jede Frequenz eine bestimmte Wellenlänge aus. Jeder raumbegrenzende Körper wird so zu Resonanzen angeregt, immer wenn die Wellenlänge in den Raum passt. Zusammen mit der Schallgeschwindigkeit c und der Frequenz f lässt sich die Wellenlänge λ für einen tonalen Schall bestimmen: λ = c/ f In der Akustik werden so Raummoden (Resonanzen) berechnet, die das Hörempfinden oder zum Beispiel die Sprachverständlichkeit beeinflussen können. Die Entstehung von Resonanzen ist sehr komplex und formt so den Klangeindruck für jeden Körper, egal ob es sich um einen Raum oder ein Instrument handelt. Bei den verschiedenen Musikinstrumenten entstehen außerdem durch Verzerrungen zusätzliche Frequenzanteile (Obertöne, siehe 2.2.5), die den Klangcharakter für jedes Instrument entscheidend prägen. Dennoch werden in der Musik die Grundtöne der Instrumente auf den reinen Ton gestimmt, um beim Zusammenspiel nicht zu disharmonieren. Der Kammerton a hat so zum Beispiel 440 Hz. Die Verdoppelung einer Frequenz wird als Oktav bezeichnet. Auch die Harmonielehre in der Musik basiert auf geradzahligen Verhältnissen der Frequenzen. Abb. 2: Tabelle der Frequenzverhältnisse einiger musikalischer Intervalle, dem Grundton f = 352 Hz (reine Stimmung): mit Prime: 1:1 * f = 352 Hz; Quinte: 3:2 * f = c = 528 Hz; große Sekund: 10:9 * f = g 391 Hz; große Sexte: 5:3 * f = d 587 Hz; große Terz: 5:4 * f = a = 440 Hz! große Septime:15:8 * f = e = 660 Hz; verm. Quinte: 7:5 * f = b 493 Hz; Oktave: 2:1 * f = f = 704 Hz; 1 Vgl. auch Dickreiter, M. : Handbuch der Tonstudiotechnik, Bd. 1, K.G. Sauer Verlag 1997, S. 1f. 3

8 2.2.2 Lineare Verzerrung Bei der elektro-akustischen Signalverarbeitung ist ein ausgewogenes Verhältnis der Frequenzbereiche maßgeblich am Hörgenuss beteiligt. Durch entsprechende Elektronik können die Frequenzen ausgeglichen werden (engl. to equalize). Hierbei wird auch von einer linearen Verzerrung gesprochen, wobei der Entzerrer, auch als Equalizer, oder Filter bezeichnet wird. Equalizer, Kurzform EQ, heben die Pegel der einzelnen Frequenzen in einem gewissen Rahmen an, oder senken sie ab. Mit Filtern, wie zum Beispiel Hochpass und Tiefpass, können wiederum gesamte Frequenzbereiche aus einem Signal entfernt werden. Früher wurden Equalizer hauptsächlich zur Korrektur von unvollkommenen Mikrofonfrequenzgängen eingesetzt 1, wohingegen sie heute oft nur zur künstlerisch-ästhetischen Gestaltung der Klangfarbe verwendet werden. 2 Die einfachste Form eines Filters stellt der Tiefenentzerrer dar. Er wird auch als Hochpass bezeichnet, da er Frequenzen oberhalb der Grenzfrequenz unverändert passieren lässt, die darunter liegenden aber mehr oder weniger steilflankig sperrt. In diesem Zusammenhang wird auch von der Flankensteilheit eines Filters gesprochen. Durch die Konzeption der elektrischen Schaltung kann die Grenzfrequenz f 0 bestimmt werden. Ein Hochpass erster Ordnung senkt die tiefen Frequenzen um 6 db pro Oktave ab, ein Filter zweiter Ordnung um 12 db pro Oktave usw. Filter höherer Ordnung werden durch Hintereinanderschalten mehrerer Filtern erster Ordnung realisiert. So weisen diese Filter eine größere Flankensteilheit auf. Die folgenden Darstellungen zeigen das Schaltbild eines Hochpass- und Tiefpass- Filters, durch eine Widerstand-Kondensator-Kombination (R-C-Glied: engl. Resistor Condenser) und den dazugehörigen Frequenzgang. Abb. 3: R-C Glied als Hochpass links und Tiefpass rechts. Jeweils 1. Ordnung. 3 1 Vgl. Sandmann, Thomas: Effekte & Dynamics, PPV MEDIEN 2001, S Vgl. auch Dickreiter, M. : Handbuch der Tonstudiotechnik, Bd. 1, K.G. Sauer Verlag 1997, S Quelle: Ebd., S

9 2.2.3 Parametrische Equalizer Equalizer weisen unterschiedliche Charakteristiken auf, um den Frequenzgang zu bearbeiten. Im Gegensatz zu den Pässen besteht die Möglichkeit zur Klangregelung mit dem EQ nur in einem gewissen Bereich (zum Beispiel ±12 db). Die verschiedenen Charakteristika lassen sich durch spezielle Kombinationen von Hoch- und Tiefpass oder durch Schwingkreise mit Spulen umsetzen. Die einfachste Form eines Equalizers ist der Shelving-Filter, der wegen seiner Formung des Frequenzgangs auch als Kuhschwanz-Filter bezeichnet wird. Anders als bei Pässen fällt der Frequenzgang nicht kontinuierlich ab, sondern lässt sich um einen fest einstellbaren Wert anheben oder absenken. Die Einsatzfrequenz f 0 (definiert bei 3 db unter bzw. über dem linearen Bereich) sowie die Verstärkung (engl. Gain), sind dabei frei einstellbar. Im Mischpult ist meist der EQ für das unterste, wie auch für das oberste Frequenzband als solch ein Shelving-Filter ausgelegt. So lassen sich ganze Frequenzbereiche um denselben Wert anheben oder absenken. Abb. 4: Frequenzgang von Shelvingfiltern. 1 Eine weitere Charakteristik von Equalizern stellt das Glockenfilter (engl. bell) dar, das eine resonanzartige Überhöhung (engl. peak) des Frequenzgangs aufweist (Präsenzfilter). In gleichem Maße lässt sich auch eine Absenkung einstellen (Absenzfilter). Ein Glockenfilter hat eine gewisse Bandbreite b, die zusammen mit der Mittenfrequenz f m die Güte Q (engl. Quality) eines solchen Filters beschreibt. Die Parameter Mittenfrequenz, Güte und Gain lassen sich über Drehregler einstellen. So werden diese Equalizer auch als parametrische EQs bezeichnet. 1 Ursprung: Henle, Hubert: das Tonstudio Handbuch, GC Carstensen Verlag, München 2001, S

10 Abb. 5: Parametrischer EQ als Glockenfilter. 1 Mit Q = f m / b Parametrische EQs sind in Kanalzügen im Mischpult anzutreffen und dienen hier der gezielten Bearbeitung des Frequenzgangs der einzelnen Signale Grafische EQs Grafische EQs haben feste Frequenzen die das Frequenzspektrum je nach Aufbau in beliebig viele Frequenzbänder unterteilen. In der Praxis werden grafische Equalizer in 5 bis 31 Bänder unterteilt, die durch eine entsprechende Anzahl von Reglern beeinflusst werden können. Die Regler sind als Schieberegler nebeneinander ausgelegt, mit vertikaler Bewegungsrichtung für die Anhebung oder Absenkung der einzelnen Frequenzbereiche f M. So lässt sich der eingestellte Frequenzgang auch grafisch erkennen. In Mittelstellung aller Regler ergibt sich ein linearer Frequenzgang. Abb. 6: Bedienoberfläche eines grafischen EQs. Mit f M = (fu * fo); fu = Untere Grenzfrequenz, fo = Obere Grenzfrequenz Grafische EQs werden häufig zur Entzerrung von Lautsprecheranlagen im PA- Bereich (engl. Public Address) in der Eventtechnik, Disco und Live-Beschallung eingesetzt. 1 Ursprung: Henle, Hubert: das Tonstudio Handbuch, GC Carstensen Verlag, München 2001, S

11 2.2.5 Frequenz-Analyse Der französische Mathematiker und Physiker Jean Baptiste Joseph Fourier befasste sich unter anderem mit der Zusammensetzung von periodisch wiederkehrenden Signalen. Seine Erkenntnis war, dass sich jedes periodische Signal, egal welcher Komplexität, aus sinusförmigen Teilschwingungen unterschiedlicher Phasenlage zusammensetzen lässt. Durch die Fourierreihen lieferte er dafür den mathematischen Beweis. Die Fourier-Analyse ist die grafische Darstellung aller Teilschwingungen und ihrer Amplitudenwerte. Die Teilschwingungen sind immer ganzzahlige Vielfache (Harmonische) der Grundschwingung. Die Fourier-Analyse gibt so Aufschluss über die Klangfarbe eines Signals. 1 Die folgende Abbildung zeigt die spektrale Zusammensetzung eines Rechtecksignals, links in der Amplituden-Zeit-Darstellung, rechts in der Amplituden-Frequenz-Analyse (Fourier-Analyse). Abb. 7: Analyse eines Rechteck-Signals. 2 Spektrumanalyzer arbeiten nach der Fast Fourier Transformation (FFT). Ähnlich wie bei der Fourier-Analyse werden hier die Pegel der einzelnen Frequenzen nebeneinander für den hörbaren Bereich dargestellt und in sehr kurzen Zeitabständen neu bestimmt. Mit solch einem Real-Time-Analyzer (RTA) lässt sich sowohl der Frequenzgang der verschiedenen Signale beobachten, als auch die spektrale Zusammensetzung analysieren. Der Analyzer ist daher ein wichtiges Werkzeug in der professionellen Studiotechnik. Abb.8: Real-Time-Analyzer. Die Abbildung zeigt einen kurzen Ausschnitt eines komplexen Musiksignals. 1 Vgl. Dickreiter, M. : Handbuch der Tonstudiotechnik, Bd. 1, K.G. Sauer Verlag 1997, S Ursprung: Ebd., S

12 2.2.6 Frequenzbereiche Frequenzen lassen sich in einzelne, für unser Gehör sinnvolle Bereiche unterteilen. So wird der Schall, der unter dem menschlichen Hörvermögen liegt, als Infraschall bezeichnet. Ultraschall ist derjenige Schall, dessen Frequenz zu hoch für unsere Wahrnehmung ist. Für den hörbaren Bereich haben sich im Wesentlichen die Bezeichnungen von Tiefen, Mitten und Höhen durchgesetzt. Da im Bereich der Mitten eine starke Konzentration an Klängen festzustellen ist, wird dieser Bereich nochmals in untere und obere Mitten unterteilt. Im Folgenden sollen die Frequenzbereiche weiter erläutert werden: Die Tiefen reichen von 20 bis 200 Hz. In diesem Bereich sind die Grundtöne der Bass-Instrumente angesiedelt. Sie bilden das Fundament einer musikalischen Mischung. Musikalisch-technische Assoziationen für die Tiefen bringen Begriffe wie druckvoll oder der Bass schiebt im positiven Sinne mit sich. Eine Überbetonung der Tiefen wird hingegen als Dröhnen oder Wummern empfunden. Ist der Bass in den Tiefen unterrepräsentiert wirkt er dünn oder schlank. Die unteren Mitten erstrecken sich von 200 bis 1000 Hz. Hier sind die Grundtöne der meisten Instrumente, wie zum Beispiel auch die menschliche Stimme vertreten. Deswegen ist unsere Wahrnehmung gegenüber diesem Bereich sehr differenziert und weist bei einer Überbetonung in diesem Bereich schnell Ermüdungserscheinungen auf. Ein ausgewogenes Verhältnis der Frequenzen von 200 bis 500 Hz vermittelt einen warmen Eindruck. Zu wenig in diesem Bereich wirkt kalt, zuviel dagegen matschig und undifferenziert. Frequenzen zwischen 500 und 1000 Hz bringen wiederum eine Definition im positiven Sinn. Ist dieser Bereich überrepräsentiert, wirkt der Klang schnell nasal oder pappig. Die oberen Mitten reichen von 1 khz bis 5 khz und bringen Klarheit, bzw. eine gewisse Durchsichtigkeit in eine Mischung. Außerdem trägt dieser Frequenzbereich zur Sprachverständlichkeit bei. Unser Ohr weist in diesem Bereich übrigens die größte Empfindlichkeit auf (siehe 2.3.1). Zuviel des Guten wird hier als schneidender, harter Klang empfunden. Die Höhen beschreiben die Frequenzen zwischen 5 und 20 khz. Sie beherbergen alle Geräuschanteile mit Obertoncharakter und sind so bedeutsam für die Unterscheidung der einzelnen Instrumente, Stimmen oder Geräusche. Ein ausgewogenes Frequenzverhältnis für diesen Bereich bringt Brillanz und macht den Klang seidig, edel oder teuer. Eine übermäßige Anhebung dieser Frequenzen bewirkt hierbei ein Zischeln. 1 1 Vgl /2006. Vgl. auch: Sandmann, Thomas: Effekte & Dynamics, PPV MEDIEN 2001, S

13 2.3 Dynamik des menschlichen Gehörs Ruhehörschwelle Unser Gehör ist in der Lage, akustische Ereignisse nur innerhalb eines definierten Frequenzbereichs wahrzunehmen. Dieser Bereich liegt zwischen 20 Hz und 20 khz. Zudem ist ein Schalldruck von mindestens p = 20 µ Pascal notwendig. Wird im empirischen Versuch der Schalldruck, der erforderlich ist um einen Ton gerade noch wahrzunehmen, als Funktion der Frequenz über den hörbaren Bereich aufgezeichnet, so resultiert daraus die Ruhehörschwelle. An der Ruhehörschwelle lässt sich erkennen, dass das menschliche Gehör bestimmte Frequenzbereiche zwischen 2 khz und 5 khz besser wahrnimmt als andere. Abb.9: Ruhehörschwelle des menschlichen Gehörs Hörfläche Wird der Schalldruck erhöht, so stellt sich bei einem gewissen Schalldruck um etwa 20 Pascal die Schmerzschwelle ein. Kurzzeitige Spitzen können sogar bis zu 150 Pa betragen. Dies wird als absolute Schmerzgrenze bezeichnet. Die Dauer der Einwirkung des Schalls auf das menschliche Gehör ist immer von Bedeutung. Ab einer Schallbelastung mit einem Mittelungspegel von 85 db(a), bezogen auf 40 Stunden pro Woche, ist mit einer Gehörschädigung zu rechnen. 2 Wird das Gehör noch größeren und längeren Schalldrücken ausgesetzt, ist in jedem Fall mit bleibenden Gehörschäden zu rechnen. Der Bereich zwischen Ruhehörschwelle und Schmerzgrenze wird als Hörfläche bezeichnet und beschreibt die Dynamik unseres Gehörs. Das menschliche Gehör weist zudem eine Verschlechterung der Empfindlichkeit mit zunehmendem Alter und bei Lärmschädigung auf, auf die im Folgenden nicht weiter eingegangen werden soll. 1 Ursprung: / Pressemitteilung des Umwelt Bundes Amt für Mensch und Umwelt UBA, 3/

14 2.4 Pegel Einführung von Pegeln Da Schall meistens über die Luft zu unserem Gehör transportiert wird, liegt eine Messgröße, die den Luftdruck beschreibt, nicht fern. Gesetzlich wird hier die Einheit Pascal vorgeschrieben. Wie bereits erwähnt nimmt unser Gehör einen weiten Schalldruckbereich auf. Dieser reicht von 20µ Pascal bis max. 150 Pascal, was einem Verhältnis von 1:7,5 Millionen entspricht. Um diesen enormen Wertebereich besser darzustellen, wurde der Schalldruckpegel eingeführt. Er beschreibt das logarithmische Verhältnis von einem gemessenen Wert zu einer festen Bezugsgröße. So wurde der Mindestschalldruck p 0 = 20µ Pa als 0 db(spl) festgelegt. Der wahrnehmbare Pegelbereich des menschlichen Gehörs reicht somit von 20µ Pa = 0 db SPL bis 150 Pa = 137,5 db SPL (kurzzeitig). Abb. 10: Tabelle der Schalldruckpegel mit entsprechendem Schalldruck. 1 Beispiele Schalldruckpegel Schalldruck p in db SPL in N/m 2 = Pa Düsenjäger in 30 m Entfernung Schmerzschwelle ,2 Unwohlseinsschwelle Kettensäge in 1 m Entfernung 110 6,3 Disco 1 m vom Lautsprecher Dieselmotor 10 m entfernt 90 0,63 Rand einer Verkehrsstraße 5 m 80 0,2 Staubsauger in 1 m Abstand 70 0,063 Normale Sprache in 1m Abstand 60 0,02 Normale Wohnung, ruhige Ecke 50 0,0063 Ruhige Bücherei in der Ferne 40 0,002 Ruhiges Schlafzimmer bei Nacht 30 0,00063 Ruhegeräusch im TV-Studio 20 0,0002 Blätterrascheln in der Ferne 10 0, Hörschwelle 0 0, Ursprung: /

15 2.4.2 Bewertungsfilter Da unser Gehör die leisesten wahrnehmbaren Schalldrücke frequenzabhängig bewertet, wie an der Ruhehörschwelle ersichtlich, stellt sich auch selbiges Phänomen bei lauteren Schalldruckpegeln ein. Dieser Effekt wurde in den Kurven gleicher Lautstärkepegel festgehalten. 1 Abb. 11: Kurven gleicher Lautstärkepegel. 2 Eine Kurve beschreibt hier die immer gleich empfundene Lautstärke beim erforderlichen Schalldruckpegel für den hörbaren Frequenzbereich. Wir bemerken ebenfalls eine erhöhte Wahrnehmung um 4 khz, ähnlich wie bei der Ruhehörschwelle. Zu lauteren Schalldrücken hin lässt sich aber eine zunehmende Ausgewogenheit der Wahrnehmung feststellen. Aufgrund dieser Eigenschaft unseres Gehörs wurde für akustische Messungen der bewertete Schallpegel eingeführt. Er berücksichtigt daher speziell die Frequenzen zwischen 500 und 5000 Hz, bzw. die darüber und darunter liegenden Bereiche weniger. Je nach Lautstärke werden nach DIN EN andere Filterkurven bei der Messung eingesetzt. 3 1 Vgl. Dickreiter, M. : Handbuch der Tonstudiotechnik, Bd. 1, K.G. Sauer Verlag 1997, S Ursprung: / Vgl. Dickreiter, M. : Handbuch der Tonstudiotechnik, Bd. 1, K.G. Sauer Verlag 1997, S

16 Abb. 12: Bewertungsfilter A,B,C,D und Empfindlichkeit des Gehörs. 1 Das gebräuchlichste Maß ist die Filterkurve A nach der Norm der International Electrotechnical Commission IEC (179/A) oder dem Deutschen Institut für Normierung: DIN-Norm für Geräusch. Die Messungen werden in db A angegeben. Anwendung finden die bewerteten Pegel in den Messverfahren bei der Raumakustik, der Schallschutztechnik und im speziellen der Geräusch-, Rausch-, Stör- und der Lärmpegelmessung. Abb. 13: Weitere Filterkurven zur Bewertung an technischen Geräten. 2 1 Ursprung: de. wikipedia.org/wiki/bild:akustik_bewertungsfilter.jpg, 08/ Ursprung: /

17 2.4.3 Definition des Pegels Der Pegel L gibt den dekadischen Logarithmus des Verhältnisses zwischen einer gemessenen Energiegröße P 1 und der Bezugsgröße P 0 an: L = lg ( P 1 /P 0 ); (in Bel) Ein Bel [B] entspricht einem Leistungsverhältnis von 10 : 1 Da ein Bel eine relativ große Maßeinheit ist wird auch das Dezibel [db] verwendet: L = 10 * lg ( P 1 /P 0 ); (in db) Bei der Umrechnung von der Energiegröße in eine Feldgröße (z. B. Spannung) leitet sich (nach U=R*I bzw. P=U*I) wie folgt ab: Spannungspegel L U = 10 * lg P 1 /P 0 = 10 * lg (U 1 ²/R A / U 0 ²/R E ) = 10 * lg (U 1 ²/ U 0 ² ) + 10 * lg ( R A / R E ) = 20 * lg (U 1 / U 0 ) + 10 * lg (R A / R E ) Sind die Widerstände R E und R A gleich groß, so wird der Term: 10 * lg (R A / R E ) = 0. Somit ergibt sich die Schreibweise: L U = 20 * lg (U 1 / U 0 ); (in dbu) 1 Der Bezugswert U 0 ist ein historischer Wert aus der Nachrichtentechnik. Um Reflexionen und Leistungsverluste zu vermeiden, wurde bei der Telefontechnik mit Leistungsanpassung gearbeitet, wobei der Innenwiderstand des Verstärkers, wie auch der Lautsprecher im Hörer 600 Ohm betrugen. Dieser wurde dann mit der Leistung von 1 mw betrieben. 2 P = U * I = 1mW I = P / U U = R * I U = R * P / U U²= R * P U 0 = /R * P = /600Ω * 1mW 0,775 V 1 Vgl. Dickreiter, M. : Handbuch der Tonstudiotechnik, Bd. 1, K.G. Sauer Verlag 1997, S Vgl /

18 2.4.5 Herleitung des Schalldruckpegels Lp Bei der Definition anderer Energiegrößen werden die jeweiligen Feldgrößen ersetzt. Die Schallintensität I ist das Produkt aus Schalldruck p und Schallschnelle v (siehe Kapitel 2.1). Schallintensität I = p * v ; (in N*s/m² = W/m²) Die Schallintensität kann ebenfalls als Pegel angegeben werden: Schallintensitätspegel L I = 10 * lg (I 1 /I 0 ); (in db SIL) I 0 = W/m² Bei der Umrechnung von der Energiegröße des Schallintensitätspegels L I in die Feldgröße des Schalldruckpegels Lp bedienen wir uns dem Gesetz R = U / I und substituieren die Größen wie folgt. Das Verhältnis von Schalldruck p zur Schallschnelle v wird als Schall- Kennimpedanz, oder auch als Wellenwiderstand Z 0 bezeichnet: Wellenwiderstand Z 0 = p / v Wir stellen nach v = p / Z 0 um und ergänzen die Gleichung der Schallintensität: I = p * p / Z 0 = p²/ Z 0 Eingesetzt: Lp = 10 * lg (I 1 /I 0 ) = 10 * lg (p 1 ²/ Z 0 / p 0 ²/ Z 0 ) = 10 * lg (p 1 ²/ p 0 ² )+ 10 * lg ( Z 0 / Z 0 ) = 20 * lg (p 1 / p 0 ) + 10 * lg (Z 0 / Z 0 ) Es gilt außerdem: Z 0 = ρ Luft * c Luft Sind Temperatur wie auch Luftdruck im weitesten Sinne konstant, so ist die Dichte der Luft ρ Luft und auch die Schallgeschwindigkeit in der Luft c Luft gleich bleibend. Egal welcher Schalldruck p 1 oder p 0 auftritt, das Verhältnis zur zugehörigen Schallschnelle wird im selben Medium immer denselben Wellenwiderstand hervorrufen und wir können sagen: Z 0 = konstant! Somit wird der Term 10 * lg (Z 0 / Z 0 ) = 0. Es ergibt sich die Schreibweise für den Schalldruckpegel Lp: Lp = 20 * lg (p 1 / p 0 ); (in dbspl) p 0 = 20 µpa Der Schalldruck p ist der effektive Druck, den der Schall auf einen Quadratmeter ausübt. Seine Einheit ist daher Pascal (Pa). 1 Pa = 1 N/m² 14

19 2.4.6 Entfernungen bei der Angabe von Pegeln Die Energie einer Schallwelle wird bei der Ausbreitung des Luftschalls auf die angrenzenden Luftmoleküle verteilt. Zudem erfährt der Schall durch die Trägheit der Molekühle eine Dämpfung. Daher nimmt der Schalldruck P einer Schallquelle, wie auch sein Pegel Lp mit zunehmender Entfernung r ab (P ~ 1/r). Aus diesem Grund ist bei der Angabe des Schalldrucks, bzw. des Schalldruckpegels, der Abstand der Schallquelle zum Messpunkt mit anzugeben. Für die Praxis: Pro Entfernungsverdoppelung nimmt der Schalldruckpegel Lp um 6 db ab. Lp = 20 * lg ½ 6 dbspl; (Feldgröße) Die Schallintensität I, wie auch ihr Pegel L I ist die Energie, die auf die Fläche von 1 m² einwirkt. Da bei Vergrößerung des Abstands r zur Schallquelle die Intensität im quadratischen Abstandsgesetz (I ~1/r²) abnimmt, ist bei der Messung ebenfalls die Entfernung von der Schallquelle mit anzugeben. Für die Praxis: Pro Entfernungsverdoppelung nimmt der Schallintensitätspegel L I um 6 db ab. L I = 10 * lg ¼ 6 dbsil; (Energiegröße) Bei der reinen Leistung ist dies anders: Da sich eine Leistung (im Gegensatz zur Intensität) immer nur auf die zugehörige Energiequelle bezieht, kann die Schalleistung W in Watt auch ohne den Abstand zur Schallquelle angegeben werden. Beispiel: Eine 100 W Glühbirne ist in 100 Metern Entfernung immer noch eine 100 Watt Glühbirne, nur nicht mehr ganz so hell. 1 Die Schalleistung W 1 einer Schallquelle und die feste Bezugsgröße W 0 werden ins Verhältnis gesetzt und bilden durch Logarithmieren den Schalleistungspegel L w : 2 Schalleistungspegel L w = 10 * lg (W 1 /W 0 ); (in dbswl) W 0 = W 1 Vgl / Vgl. Fasold, M./Veres, E.: Schallschutz+ Raumakustik in der Praxis, Verlag für Bauwesen 1998, S

20 2.4.7 Absoluter Pegel Beim Umgang mit Pegeln wird der Absolute Pegel und der Relative Pegel unterschieden. Gibt es keine feste Bezugsgröße wie oben beschrieben, so bezieht sich der nun relative Pegel allein auf das Verhältnis der Ausgangsgröße zur Eingangsgröße. In der Tonstudiotechnik wird so der relative Spannungspegel errechnet. Seine Einheit ist ebenfalls das db. Bei absoluten Pegeln findet sich nach der Einheit noch eine Bezeichnung, die auf die Bezugsgröße hindeutet. Alle Pegel, die zum Beispiel bei einer Messung von akustischen Ereignissen oder in den technischen Daten der Geräte angegeben werden, sollten mit der jeweiligen Bezugsgröße gekennzeichnet werden, da sonst ein Vergleich mit anderen Messungen nicht möglich wird. Äpfel lassen sich bekanntlich schlecht mit Birnen vergleichen. Die wichtigsten absoluten Pegel zusammengefasst. Absoluter Spannungspegel L U : U 0 = 0,775 V ohne Widerstand und Leistungsbezug Schreibweise: dbu Absoluter Spannungspegel historisch: U m = 0,775 V ; 1 mw an R 0 = 600Ω Schreibweise: dbm Absoluter Spannungspegel L U (USA): U 0 = 1 V Schreibweise: dbv Absoluter Schalldruckpegel L p : p 0 = 20 µpa Schreibweise: dbspl Absoluter Schallintensitätspegel L I : I 0 = 1 pw/m² Schreibweise: dbsil Absoluter Leistungspegel L P : P 0 = 1 mw Schreibweise: dbm Absoluter Schalleistungspegel L W : W 0 = 1 pw Schreibweise: dbswl Weitere festgelegte Standard-Pegel ARD Rundfunknormpegel: 1,55 V bei Vollaussteuerung 100% (+6 dbu) Internationaler Studiopegel (USA): 1,228V (+4 dbu) Homerecordingpegel: 0,316V (-10 dbv) = (-7,78 dbu) 16

21 2.4.8 Rechnen mit Pegeln Der dekadische Logarithmus macht sich bei der Berechnung der Pegel in vielerlei Hinsicht nützlich. Wie aus der Mathematik bekannt, lassen sich so Multiplikationen auf Additionen und Division auf Subtraktion zurückführen. Auch die Potenzen werden hiermit erheblich vereinfacht. In Zeiten ohne Taschenrechner wurde für die Berechnung des eigentlichen Logarithmus ein Rechenschieber benutzt. Abb. 14: Maßvergleich: Oben der 20-fache dekadische Logarithmus, unten Dezimalzahlen. 1 Beim Rechnen mit Pegeln sind die linearen Feldgrößen von den quadratischen Energiegrößen zu unterscheiden. Energiegrößen resultieren aus der Multiplikation der linearen Feldgrößen (siehe 2.4.5). Feldgrößen sind zum Beispiel: Spannungen, Ströme, elektrische Widerstände und der Schalldruck. Energiegrößen sind zum Beispiel: Elektrische Leistungen, die Schall-Leistung und die Schall-Intensität. Pegelbildung allgemein: Feldgröße: L = 20 * log (x 1 /x 0 ); (in db) Energiegröße: L = 10 * log (y 1 /y 0 ); (in db) Umrechnung vom Pegel zum Faktor: Faktor (Feldgröße): x 1 /x ( L in db / 20) 0 = 10 Faktor (Energiegröße): y 1 /y ( L in db /10) 0 = 10 X 0 bzw. y 0 ist die jeweilige Bezugsgröße. 1 1 Vgl. Ursprung : /

22 2.4.9 Logarithmierung der Sinne Da die menschliche Empfindung E ebenso wie unser Gehör nach dem Weber- Fechnerschen Gesetz einem logarithmischen Verhältnis zwischen Reizzuwachs R und Reizschwelle R 0 folgt, ist der Logarithmus bei der Darstellung von Pegeln ebenfalls vorteilhaft. Weber-Fechnersches Gesetz: Weber fand in diesem Zusammenhang die Webersche-Konstante k, die für die verschiedenen Sinne unterschiedliche Werte einnimmt. Beispiel zur Wahrnehmung der Lautstärke: Für die subjektive Wahrnehmung einer Lautstärkeverdopplung wurde im empirischen Versuch ein Zuwachs von +10 db des Schalldruckpegels ermittelt. Eine Verdoppelung des Schalldrucks entspricht aber objektiv nur einem Zuwachs von rund 6 db: L p = 20 * lg (2 Pa/ 1 Pa ) + 6 db SPL Wir benötigen vielmehr einen ungefähr dreimal so hohen Schalldruck wie am Anfang, denn: L = + 10 db! = 20 * lg ( X / 1 Pa ); (Grundlautstärke: 1 Pa) Umstellen nach X: 10 (10 db / 20[dB]) = X / 1 Pa 10 0,5 * 1 Pa = X X = 3,16 Pa! Dies hängt mit dem Logarithmieren unserer Sinne zusammen. Der empirisch ermittelte Wert für eine viermal so laute Empfindung liegt bei einer Schalldruckpegelerhöhung von + 20 db. Rechnerisch ermitteln wir bei derselben Grundlautstärke wie oben: L p = + 20 db! = 20 * lg ( X / 1 Pa ) Umstellen nach X: 10 (20 db / 20[dB]) = X / 1 Pa 10 1 * 1 Pa = X X = 10 Pa! Demnach muss für eine vierfache Lautstärkeempfindung schon ein zehnfacher Schalldruck erzeugt werden. 18

23 Zeichnen wir die empfundene Lautstärke als Funktion des Reizes, d.h. der tatsächlichen Schalldruckerhöhung, in ein Diagram, so wird die Funktion des Logarithmus sichtbar: Abb. 15: Empfindungs-Reiz-Diagramm. Die Funktion des Logarithmus weist also eine zunehmende Kompression zu lauten Schalldrücken hin auf und besagt, dass unser Gehör, bzw. unser Empfinden leise akustische Ereignisse dynamisch besser auflöst als laute. Dies ist eine praktische Eigenschaft der Natur, da leise akustische Informationen meist von Störgeräuschen beeinflusst werden. Die Kompression von lauten Signalen hilft dabei, die Grenze von leise zu laut weiter zu erhöhen Dämpfung und Verstärkungsfaktor Wird ein Signal in Form einer Spannung über ein reales (nicht ideales) Kabel übertragen, stellt sich am Ende der Übertragungsstrecke eine Dämpfung ein. Betrachtet man die Übertragungsstrecke als Vier-Pol, wobei das Eingangssignal an den ersten zwei Polen anliegt und das Ausgangssignal an den beiden anderen, so ist der Dämpfungsfaktor D das Verhältnis von Eingangsspannung U E zur Ausgangsspannung U A. Ist das Ausgangssignal größer als das Eingangssignal, so wird von einer Verstärkung gesprochen. Der Verstärkungsfaktor ist das Verhältnis von Ausgangsspannung U A zur Eingangsspannung U E und entspricht dem Kehrwert des Dämpfungsfaktors. Abb. 16: Vier-Pol als Verstärker. Der Verstärkungsfaktor v kann ebenfalls als Pegel ausgedrückt werden. Er wird dann als Verstärkungsmaß L bezeichnet: L = 20 * lg (U A /U E ); (in db) Ein negatives Verstärkungsmaß wird als Dämpfung bezeichnet. 19

24 2.5 Systemdynamik Signal-Rauschabstand In der heutigen Audiotechnik sind elektronische Geräte nach wie vor Hauptbestandteil bei der Signalverarbeitung. Analog zum menschlichen Gehör haben diese elektro-akustischen Systeme Grenzen, die ihren Dynamikumfang definieren. So produziert jedes dieser Systeme eine Störgröße, nämlich Rauschen, das sich dem eigentlichen Nutzsignal bei der Übertragung aufaddiert. Zudem sind alle diese Geräte an gewisse Maximalpegel gebunden und weisen bei Übersteuerung mehr oder weniger starke Verzerrungen auf. Die maximal mögliche Systemdynamik liegt somit zwischen Grundrauschen und Übersteuerungsgrenze. Sie ist eines der wichtigsten Qualitätsmerkmale von Audiokomponenten. In den technischen Daten der Geräte geht sie aus dem Verhältnis vom Signal- Rauschabstand SNR (Englisch: signal-to-noise ratio) (früher Fremdspannungsabstand) hervor. 1 Der Signal-Rauschabstand wird in der Audiotechnik über das Verhältnis der Effektivwerte der maximalen Signalspannung U eff,signal und der so genannten unbewerteten Störspannung U eff,noise (siehe 2.5.2) gebildet. 2 Die maximale Signalspannung wird für analoge Aufzeichnung bei einem Klirrfaktor (siehe 2.5.3) von 1 % bzw. einer Klirrdämpfung von 40 db gemessen. Analoge Studio-Tonbandgeräte weisen diesen Wert in der Regel bei Vollaussteuerungspegel /Nennpegel (+6 dbu) auf. Die digitale Aufzeichnung zeigt wiederum kaum Klirrverzerrungen auf, zumindest bis zum Erreichen der Übersteuerungsgrenze. Danach nehmen die Verzerrungen im Gegensatz zum Tonband in einem extrem großen Maß zu. Deswegen wird die maximale Signalspannung bei der digitalen Signalübertragung direkt an der Clippinggrenze ermittelt: digital O dbfs (Full Scale, höchster digital erreichbarer Wert). 3 Der Pegel des Signal-Rauschabstands entsteht durch die 20 fache dekadische Logarithmierung. 2 SNR ldb = 20 * lg (U eff,signal /U eff,noise ); (in db) 1 Vgl. auch Dickreiter, M. : Handbuch der Tonstudiotechnik, Bd. 1, K.G. Sauer Verlag 1997, S Vgl. de. wikipedia.org/wiki/signal-rauschabstand, 08/ Vgl. Dickreiter, M. : Handbuch der Tonstudiotechnik, Bd. 1, K.G. Sauer Verlag 1997, S. 259ff. 20

25 2.5.2 Rauschen Rauschen entsteht durch die Eigenschaften der Elektronen in elektro-akustischen Systemen. Wärme bedeutet Elektronenbewegung. So bewegen sich die Elektronen auch im stromlosen Zustand aufgrund der Brownschen Bewegung ungeordnet bei jeder Temperatur größer 0 Kelvin (0 Kelvin [Absolute Temperatur] = -273,15 C). Dies bewirkt eine mit der Temperatur und dem Widerstand steigende Spannungsschwankung am Ende eines jeden elektrischen Leiters. Dieses Phänomen wurde von John Bertrand Johnson um experimentell nachgewiesen und von da an als Johnson oder auch Thermisches Rauschen bezeichnet. Thermisches Rauschen ist ein weißes Rauschen, das ähnlich wie weißes Licht, Spektrale über alle Frequenzen des wahrnehmbaren Bereichs gleichermaßen aufweist. Es entsteht in jedem elektronischen Übertragungsweg, also auch in jedem Kabel. 2 In komplexen Schaltkreisen treten zudem noch andere Formen von Rauschen auf. Beim Elektronenübergang an Elektroden bei der Röhrentechnik oder dem Übergang von Leitern mit unterschiedlichem Potential sowie bei der Halbleiterdotierung, geht immer mindestens ein ganzes Elektron über die Schwelle. Da die Elektronen im Einzelnen eine feste Elementarladung aufweisen, ist ein Stromfluss nicht unendlich fein, sondern körnig. Das daraus resultierende Rauschen wird deshalb als Schrotrauschen bezeichnet. 3 Alle, auch die hier nicht genannten Rauscharten (zum Beispiel Brummen), bilden zusammen das Eigenrauschen bzw. das Grundrauschen einer elektrischen Schaltung. Da es mathematisch schwer für komplexe Schaltungen zu bestimmen ist, wird das gesamte Eigenrauschen am besten durch Messung des Effektivwerts der so genannten unbewertete Störspannung U eff,noise (früher Fremdspannung) bestimmt. In den technischen Daten der Geräte geht diese jedoch oft nur aus dem Signal- Rauschabstand oder gar nicht hervor. Abb. 17: Zeitverlauf und Frequenzspektrum des weißen Rauschens. Die Grafik zeigt die zufallsartige (stochastische) Verteilung der Pegelspitzen des Rauschens über den Zeitverlauf links und das Frequenzspektrum rechts. 1 Vgl / Vgl. auch: / Vgl /

26 2.5.3 Nichtlineare Verzerrungen Der Klirrfaktor K steht für das Maß an nichtlinearen Verzerrungen bei der Übersteuerung eines Systems. Nichtlineare Verzerrungen entstehen an elektronischen Bauteilen, die eine nichtlineare Kennlinie von Spannung und Strom aufweisen (Transistor, Röhre, Dioden). Tritt das Signal in den nichtlinearen Bereich der Kennlinie ein, entstehen zusätzliche Frequenzen, Oberschwingungen (Harmonische), die den ganzzahligen Vielfachen der Grundschwingung entsprechen. Die dadurch entstandenen hochfrequenten Geräuschanteile lassen das ursprüngliche Signal härter, höher und lauter erscheinen und erinnern im weitesten Sinne an ein Klirren, daher der Begriff Klirrfaktor. 1 Mathematisch lässt sich der Klirrfaktor K aus dem Verhältnis der Effektivwerte der Spannungen aller Oberschwingungen U 2-N zu den Effektivwerten aller Oberschwingungen plus der Grundschwingung U 1 bestimmen. Der Klirrfaktor K ist so immer < 1 und wird deshalb mit dem Faktor 100 multipliziert und in Prozent angegeben: Der Klirrfaktor K (in %) kann auch in db angegeben werden, wobei das Bezugsmaß 100 % ist. Da der Klirrfaktor niemals größer als 100 % wird, fallen die Pegel immer negativ aus. Daher spricht man von einer Klirrdämpfung a K : a K = 20 * lg (K (in %) /100 %); (in db) THD (Total Harmonic Distortion) ist ebenfalls ein gebräuchliches Maß bei der Bestimmung von Verzerrungen. Anders als beim Klirrfaktor werden hier alle Harmonischen ins Verhältnis mit der Grundschwingung allein gesetzt: 2 Für die Messung des Klirrfaktors wird ein spezielles Klirrfaktormessgerät eingesetzt. Ein Spektrumanalyzer kann aber ebenfalls Aufschluss auf die entstandenen Klirrverzerrungen geben. 1 Vgl. www. elektronik-kompendium.de/sites/grd/ htm, 08/ Vgl. www. sengpielaudio.com/rechner-klirr.htm, 08/

27 Abb. 18: Spektrumanalyzer links und übersteuertes Sinussignal rechts. Der Spektrumanalyzer zeigt die Amplitudenwerte der Grundschwingung eines Sinussignals und die durch die Verzerrungen entstandenen Harmonischen. Die Übertragungskennlinie eines idealen Verstärkers beschreibt eine Gerade, deren Steigung den Verstärkungsfaktor angibt. Beim idealen Verstärker wird das Eingangssignal lediglich verstärkt. Es werden aber keine zusätzlichen Verzerrungsprodukte hinzugefügt, die das Signal beeinflussen. Abb. 19: Lineare Übertragungskennlinie. 1 Reale Verstärker weisen nicht-lineare Kennlinien auf. Sie besitzen oft quadratische oder kubische Kennlinien. Abb. 20: Quadratische und kubische Kennlinie. 1 1 Quelle: Henle, Hubert: das Tonstudio Handbuch,GC Carstensen Verlag, München 2001, S

28 Rein quadratische Kennlinien kommen in der Praxis nicht vor. Sie sind immer einer linearen Kennlinie überlagert. Durch die Überlagerung entsteht eine Unsymmetrie der quadratischen Kennlinie zu den Koordinatenachsen. Dies hat eine unsymmetrische Verzerrung zu Folge (siehe Abb. 21). Quadratische Kennlinien bilden Verzerrungen mit geraden Vielfachen der unverzerrten Grundschwingung aus. Dies wird auch als quadratischer Klirrfaktor (K 2 ) bezeichnet. 1 Abb. 21: Überlagerte quadratische Kennlinien. 2 Röhren-Verstärker erzeugen nichtlineare Verzerrungen mit quadratischem Klirrfaktor. So entstehen hauptsächlich Verzerrungen im Oktav-Abstand. Dadurch werden besonders diejenigen Teiltöne hervorgehoben, die mit dem Grundton harmonisch nah verwandt sind. Solche Verzerrungen werden vom subjektiven Hörempfinden nicht unbedingt abgelehnt. Analoge Tonbänder und Verstärkerschaltungen mit Transistoren weisen eine symmetrische Kennlinie mit kubischen Verzerrungen auf. Dadurch entstehen nichtlineare Verzerrungen mit ungeradzahligen Harmonischen. Das sind harmonisch weniger verwandte Teiltöne, die rau und unangenehm klingen. 2 Abb. 22: Kubische Kennlinien in der Praxis. 2 1 Vgl. Henle, Hubert: das Tonstudio Handbuch,GC Carstensen Verlag, München 2001, S. 414ff. 2 Vgl. Ursprung:

29 2.5.4 Dynamik von Mikrofonen Handelsübliche Mikrofone funktionieren derzeit noch nach dem elektro-akustischen Wandlerprinzip und sind auch deshalb an die Nachteile dieser Technik gebunden. Solche Nachteile können minderwertige Bauteile und Komponenten oder eine schlechte Konzeption der elektrischen Schaltung im Mikrofon sein. Die Dynamik von Mikrofonen geht als Differenz vom maximalen Schalldruckpegel (Grenzschalldruckpegel) und dem Eigenrauschen (Ersatzgeräuschpegel/ Äquivalent-Schalldruckpegel) hervor. Sie wird als Geräuschpegel- oder auch Signal/Rausch-Abstand bezeichnet. Die Empfindlichkeit (Leerlauf-Übertragungsfaktor/Feldübertragungsfaktor) gibt an, wie viel Spannung am Ausgang des Mikrofons anliegt, wenn ein Schalldruck von genau einem Pascal, bzw. ein Schalldruckpegel von 94dB SPL mit einer Frequenz von 1kHz auf das Mikrofon einwirkt. Ein Mikrofon mit geringer Empfindlichkeit überlagert in größerem Maße das eingehende Signal mit seinem Eigenrauschen als ein Mikrofon mit hoher Empfindlichkeit. Ein leises Signal fordert also für den bestmöglichen Signal/Rauschabstand eine hohe Empfindlichkeit sowie ein geringes Eigenrauschen. Ist das Signal sehr dynamisch, d. h. zudem auch sehr laut, wird ein hoher Grenzschalldruckpegel bedeutsam. Man beachte: Der Grenzschalldruckpegel bei Kondensatormikrofonen ist meist abhängig vom Vorverstärker und nicht von der Membranschwingung und kann oft in Form einer Dämpfung über einen Schalter erhöht werden. Allerdings verschlechtert sich dadurch der Signal/Rauschabstand für leise Signale. Diese Werte zur Beurteilung der Qualität eines Mikrofons werden den technischen Daten entnommen. Abb. 23: Datenblatt eines Kondensatormikrofons. 1 1 Ursprung: C 414 B-XLS, AKG Acoustics, Austria

30 2.5.5 Effektive Systemdynamik Die effektive Systemdynamik ist bei Einhaltung von gewissen Sicherheitsreserven kleiner als die maximal mögliche technische Systemdynamik (siehe 2.5.1). Die in Rundfunkanstalten und in Tonstudios eingesetzten analogen Aussteuerungsinstrumente zeigen nur den Quasi-Spitzenpegel, da sie keine unendlich schnellen Anstiegszeiten aufweisen. Der Anzeigeunterschied zum eigentlichen Spitzenpegel (Peak) kann je nach Anstiegsgeschwindigkeit bis zu 7 db betragen. 1 Daraus resultiert eine Sicherheitsreserve für Spitzenpegel, der sog. Headroom, der eine Vollaussteuerung bei 10 db unterhalb der Übersteuerungsgrenze vorsieht. Um eine klare Abgrenzung der leisesten Programmmodulation des Nutzsignals gegenüber dem Störpegel des Grundrauschens zu gewährleisten, ist ebenfalls ein gewisser Sicherheitsabstand, der sog. Footroom, einzuhalten. Der Footroom gestaltet sich hierbei für analoge und digitale Aufnahmen unterschiedlich: Das Rauschspektrum analoger Aufzeichnungsgeräte ist gegenüber dem digitalen wärmer gefärbt und wird deswegen rein gehörmäßig als weniger störend empfunden. In der frühen Zeit der ersten digitalen Aufzeichnungsgeräte wird genau darüber viel diskutiert. Der Footroom sei infolgedessen mit etwa 10 db für analog und 20 db für digital einzustufen. 2 Da auch kurze impulsartige Rauschspitzen unser Signal beeinflussen können, erfolgt die Angabe des Störgeräuschs für die effektive Systemdynamik immer als Spitzenwert und wird nach der Filterkurve CCIR 468 bewertet (siehe Abb. 13). Durch die Bewertung steigt das Störgeräusch um ca. 10 db. 3 Um von der effektiven Spannung auf den Spitzenwert zu schließen, muss zusätzlich von einem für Rauschspannungen ca. 4 db größeren Wert ausgegangen werden. 4 Die daraus resultierende bewertete Störspannung steigt somit insgesamt um ca. 14 db gegenüber der effektiven unbewerteten Störspannung. In den technischen Daten der Geräte ist oft die Rede vom bewerteten Störspannungsabstand (früher Geräuschspannungsabstand), der sich aus der Differenz von Vollaussteuerung und der bewerteten Störspannung ergibt. Anders als der Signal-Rauschabstand ist der Störspannungsabstand bewertet. Erst durch Abzug des Footrooms wird die effektive Systemdynamik erreicht. 1 Vgl. Dickreiter, M.: Handbuch der Tonstudiotechnik, Bd. 1, K.G. Sauer Verlag 1997,S Vgl Vgl. Dickreiter, M.: Handbuch der Tonstudiotechnik, Bd. 2, K.G. Sauer Verlag 1997, S Ebd., S

31 1983 wurde mit der DIN der Begriff Fremdspannung durch die unbewertete Störspannung, sowie Geräuschspannung durch die bewertete Störspannung ersetzt. 1 Abb. 24: Effektive Systemdynamik. Die EBU Empfehlung R68 schlägt eine allgemein geltende Übersteuerungsreserve für Rundfunk und Fernsehen von -9 db vor. Dieser Pegel ist auch bekannt als der Funkhauspegel. Nach M. Dickreiter Handbuch der Tonstudiotechnik Band 1, K.G. Sauer Verlag 1997, Seite 261 gelten demnach folgende Werte: Clippgrenze: digital 0 dbfs (db Full Scale), analog +15 dbu, Vollaussteuerungspegel: digital -9 dbfs, analog +6 dbu, Bezugspegel: digital: -18 dbfs, analog -3 dbu, Headroom einheitlich 9 db, Bezugspegel einheitlich 9 db unter Vollaussteuerung. Des Weiteren: Die Vollaussteuerung wird wie folgt definiert: dass der Funkhauspegel zwar so oft wie möglich erreicht, aber so selten wie möglich überschritten wird. 1 Vgl. Dickreiter, M.: Handbuch der Tonstudiotechnik, Bd. 2, K.G. Sauer Verlag 1997, S. 448f. 27

32 3. Aufnahmemedien 3.1 Die Geschichte des Tonträgers Die Geschichte des Tonträgers erlebte seit der Erfindung des Phonographen durch Thomas Alva Edison im Jahre 1877 bis heute einen stetigen Wandel der Technik. Schon mit der Erfindung des Grammophons 1888 durch Emil Berliner bekam Edison ernsthafte Konkurrenz. Gleich im Folgejahr gingen die ersten Geräte in Serie. Die dafür produzierten Schallplatten aus Celluloid oder Hartgummi wurden noch im selben Jahr von der Schellackplatte abgelöst, die dann nahezu 60 Jahre in der Plattenindustrie überdauerte stellte der Däne Valdemar Poulsen auf der Weltausstellung in Paris das Telegraphon vor. Der Informationsträger bestand aus einem 1 mm starken Stahldraht, der nach dem Prinzip der magnetischen Aufzeichnung bespielt werden konnte. Diese Technik wurde schon von dem Amerikaner Oberlin Smith 1888 theoretisch beschrieben. Mit der Vermarktung wurde das Telegraphon weiterentwickelt und der Stahldraht wandelte sich zum schmalen Stahlband. Diese Technik war bei erschütterungsreichen Aufnahmesituationen der von Schallplatten überlegen. Dennoch hielt sich die Übertragungsqualität sehr in Grenzen und die enormen Mengen an Stahlband konnten nur schwer archiviert werden. In den folgenden Jahren wuchs die Schallplattenindustrie durch Firmen wie zum Beispiel die Grammophon Company, die in der Alten und Neuen Welt entstanden. Die Firma Odeon brachte 1904 die zweiseitig spielbare Platte heraus und rief diverse Format-Änderungen ins Leben. Vollzog sich die Aufnahme oder Wiedergabe bislang mechanisch, so brach mit der Erfindung des Elektromotors sowie der Röhrentechnik und besonders mit der Entstehung des Rundfunks in den 1920er Jahren das elektronische Zeitalter der Tonaufzeichnung an patentierte der Ingenieur Fritz Pfleumer das erste Tonbandgerät. Sein Band bestand damals aus Papier mit einer Schicht aus pulverisiertem Eisen. Die Aufnahmen konnten nun zerschnitten und anschließend wieder zusammengeklebt werden. Ein zusätzliches Patent sah statt Eisen andere magnetische Oxyde vor, um die Aufnahmequalität weiter zu verbessern. Anfang der 1930er Jahre verkaufte Pfleumer sein Patent an die AEG, die die eigentliche Entwicklung des Tonbands an die Badische Anilin- und Sodafabrik (BASF) weitergab erfand Alan Dower Blumlein die noch heute übliche Technik der Flankenschrift für die Stereoaufzeichnung von Schallplatten, die allerdings erst in den späten 1950ern vermarktet werden konnte, da dafür eine Patentzusammenlegung von Edisons Tiefenschrift des Phonographen und Berliners Seitenschrift des Grammophons nötig war. 28

33 Während AEG die Tonbandgeräte marktfähig machte und in die Rundfunkstudios brachte, wurde in der Plattenindustrie die Vinylschallplatte eingeführt, die von Dr. Peter Carl Goldmark 1948 ins Leben gerufen wurde und 1952 auf dem Markt erschien. Sie brachte erhebliche Qualitäts-Verbesserungen: Die Rillen konnten enger geschnitten werden, wodurch sich längere Spielzeiten ergaben. Außerdem war Vinyl glatter als Schellack und dadurch ärmer an Störgeräuschen. Im Folgenden wurden die endgültigen Standards für Umdrehung pro Minute und Formate wie LP, EP, Single und Maxi definiert, die bis zuletzt erhalten geblieben sind wurde von der Firma Phillips die Compact-Audio-Cassette eingeführt, auch bekannt als die Music Cassette (MC). In den 1970er Jahren experimentierten die Elektronikkonzerne an digitalen Aufnahmeverfahren. Sony brachte im Jahre 1976 einen Analog-Digital- bzw. Digital-Analog-Wandler PCM-1 nach dem Prinzip der Pulse Code Modulation (siehe 4.2) als Erweiterung des Betamax-Videorekorders auf den Markt. 1 Das digitale Zeitalter der Tonaufzeichnung hatte begonnen. Von den Überlegungen des holländischen Physikers Klaas Compaan 1969 zu einer optischen Speicherung mit anschließender Laserabtastung, leitete sich die Idee der Compact-Disc (CD) ab, die dann von Sony und Philips 1982 eingeführt wurde. Digitale Tonträger in Form von Musik-CDs folgten und sollten bald die Schallplatte ablösen. Die Mini-Disc (MD) von Sony sowie die Digital-Compact-Cassette (DCC) von Philips war der CD dicht auf den Fersen, wobei sich nur die MD beim Verbraucher etablieren konnte lieferte Sony das Digitales Audio Tape (DAT), das wie zuvor DCC oder MD die Audiokassette ersetzen sollte, aber im Consumer-Markt erfolglos blieb. Allerdings konnte sich das DAT im professionellen Bereich aufgrund der hohen Qualität (bis 48kHz) gegenüber CD (44,1kHz) oder MD (verlustbehaftet) durchsetzen. Ebenfalls ab 1987 stellte das Fraunhofer-Institut Forschungen über die Datenreduktion von digitalen Speichermedien an, die in anderer Form schon zuvor bei der MD Anwendung fand. Dem Verfahren lag eine verlustbehaftete, doch nahezu unhörbare Komprimierung für Audiodaten zugrunde. Mitte der 1990er Jahre veröffentlichte dann die Moving Picture Expert Group (MPEG) die MP3-Datei (MPEG-1 Audiolayer-3). Aufgrund der geringeren Datenmenge und der damit verbundenen schmaleren Bandbreite bei der Übertragung konnte das Format im Internet-Datentransfer eingesetzt werden. Mitte der 1980er Jahre fand auch das Harddisk-Recording Einzug in die Aufnahmestudios und diverse Formate für digitale Audiodateien entstanden. Durch die Visualisierung der Aufnahme am Rechner war nun eine komfortable 1 Vgl /

34 Bearbeitungsmöglichkeit gefunden und die Tonbandmaschinen verloren mehr und mehr an Bedeutung. Audiodaten digitaler Art fanden schnell ihren Platz auf Speichermedien rund um den Computer, also auf Festplatte, Speicherstick, CD-R und DVD Dynamik analoger Aufnahmemedien Der Dynamikumfang eines Aufnahmemediums der ersten Generation, wie zum Beispiel ein mit Paraffin überzogener Papierstreifen oder die Zinnfolie auf der Stahlwalze des Phonographen, ist verständlicherweise als sehr gering einzuschätzen. Damals überzeugte allein die Faszination der Konservierung des gesprochenen Wortes. Vor der elektrischen Revolution um 1900 gibt es keine Verfahren, um die Qualität messtechnisch zu bestimmen. Erste Daten der Tonträger können wir aus der Historie der Schallaufzeichnung des Deutschen Rundfunkarchivs (DRA) zu Valdemar Poulsens Telegraphon auf Seite 19 entnehmen: Die erzielbare Dynamik der Drahtaufnahme lag im Bereich von 15 bis 18 db. (zum Vergleich: Schellackplatte ca. 42 db) Die Schellackplatte legte also ab 1925 mit dem elektrischen Aufnahmeverfahren die Messlatte fest. Durch den erstmaligen Einsatz des elektromagnetischen Schreibstichels, die Anwendung von Röhrenverstärkern und mehreren Mikrofonen zur Aufnahme des Klangkörpers, wurde mehr Dynamik und Transparenz auf die Platte gebracht. Da beim Schneiden der Platte hohe Frequenzen physikalisch bedingt eine zu geringe Auslenkung erfahren oder umgekehrt tiefe Frequenzen eine zu hohe, wurde beim Plattenschnitt und bei der Wiedergabe das Prinzip der Entzerrung angewandt. 2 Die ersten elektrischen Tonabnehmer für die Wiedergabe weisen einen Frequenzgang von 100 bis 5 khz auf. Telefunken entwickelte daraufhin auf Drängen der Rundfunkanstalten den Tonabnehmer TO1000 mit einem nahezu linearen Frequenzgang von 40 bis 10 khz. 3 Das Magnetophon von Fritz Pfleumer und dessen Weiterentwicklung zum Magnetophon K1 durch die AEG/BASF brachte 1935 nur eine bescheidene Dynamik von maximal 35 db und einen Frequenzgang bis 6000 Hz. 4 1 Vgl. Schubert, Hans: Historie der Schallaufzeichnung, DRA 1983/ Vgl. Ebd., S Vgl. ton + video Report -Ausgaben 2/2002-1/2004 Teil 2 der Geschichte der Tonaufzeichnung. 4 Vgl /

35 Erst mit der Erfindung der Hochfrequenzvormagnetisierung im Jahre 1940 durch Dr. Hans-Joachim von Braunmühl und Dr. Walter Weber wurden Dynamikwerte von 60 bis 65 db möglich. 1 Das Tonband wurde daraufhin im großen Stil in Rundfunkproduktionen eingesetzt und weiterentwickelt. Durch die stetig steigende Qualität der Bänder und die Möglichkeit des Tonschnitts wurde das Tonband auch für die Schallplattenherstellung interessant. Durch die Einführung der rauscharmen Vinyl-Schallplatte im Jahre 1948 sowie der Aufnahme-Lackfolie, die das bis dahin übliche Wachsmaster ersetzte, brachte es auch die Schallplatte auf einen Geräuschspannungsabstand von nahezu 60 db. 2 Bessere Werte von bis zu 70 db konnte nur noch mit der Direkt-Schnitt-Platte (Direct Metal Mastering) erzielt werden. Mit dem Direct Metal Mastering wurden hohe Qualitätsauflagen verbunden. So wurde die bis dato übliche Tonaufnahme auf Band vermieden. Damit war die Technik für den Dynamikumfang der Schallplatte ausgereizt. Auch für das Tonband mit HF-Vormagnetisierung waren größere Werte nur noch durch Geräuschverminderungsverfahren möglich (siehe 9.1). Dadurch ließ sich eine maximal mögliche Systemdynamik von bis zu 80 db erreichen. Auf die 1960 eingeführte High Fidelity (Hi-Fi) Norm, die den Qualitätsstandard für die Unterhaltungselektronik festlegen sollte, reagierte die Schallplattenindustrie mit dem Half-Speed-Verfahren, wobei Band- und Schneidemaschine mit halber Geschwindigkeit fuhren und ein Frequenzgang bis zu 30 khz möglich wurde. Zwar sind 30 khz nicht zu hören, doch die Durchsichtigkeit der Höhenwiedergabe nahm deutlich zu. 3 1 Vgl. Schubert, Hans: Historie der Schallaufzeichnung, DRA 1983/2002, S Vgl. Ebd., S Vgl. Ebd., S. 15f. 31

36 4. Digitaltechnik 4.1 Grundlage für die digitale Signalverarbeitung Claude Elwood Shannon begründete 1948 mit seiner Arbeit über die moderne Informationstheorie wesentlich die weiteren Überlegungen bezüglich der digitalen Signalverarbeitung. In seiner Theorie der maximalen Kanalkapazität in einem rauschbelasteten Übertragungskanal lieferte er den mathematischen Beweis, dass ein durch Abtastung entstandenes und dadurch zeitdiskretes Signal denselben Informationsgehalt besitzt wie das ursprüngliche zeitkontinuierliche. Die Frequenz, mit der abgetastet werden soll, sprich Abtastfrequenz (engl. sampling rate), lässt sich mathematisch durch das Shannonsche Abtasttheorem bestimmen. Dieses besagt, dass die Abtastfrequenz f A mindestens doppelt so groß sein muss, wie die höchste, im Signal vorkommende Nutzfrequenz f O. Shannonsches Abtasttheorem: f A 2 * f O Beispiel: Dem menschlichen Gehör entsprechend soll ein Signal mit einem Frequenzgang bis 20 khz abgetastet werden. Erforderliche Abtastfrequenz f A = 2 * 20 khz = 40 khz. Bei der Audio-CD ist diese Eigenschaft mit einer Abtastfrequenz von 44,1 khz gegeben. Die Abtastfrequenz muss absolut konstant sein. Ein analoges Signal, das mit einer bestimmten Abtastfrequenz digitalisiert wird, kann nur korrekt wiedergegeben werden, wenn anschließend das digitale Signal mit derselben Frequenz bei der Widergabe zurückgewandelt wird. Die Abtastfrequenz wird durch spezielle Quarzoszillatoren generiert, die eine hohe Konstanz aufweisen. 32

37 4.2 Analog-Digital-Wandlung Bei der A/D-Wandlung wird von der Umsetzung eines kontinuierlichen, stufenlosen Analog-Signals in zeitdiskrete, digital quantisierte Werte gesprochen. Für die Umsetzung werden stichprobenartig Abtastungen (engl. Sample) der Amplitudenwerte des Signals durchgeführt. Dieser Prozess wird als Puls Amplituden Modulation (PAM) bezeichnet. Die Abtastung geschieht in konstanten, zeitdiskreten Werten im Takt der so genannten Samplingfrequenz nach dem Shannonschen Abtasttheorem. Bei Nichteinhaltung des Abtasttheorems wird das Nutzsignal fehlinterpretiert. In diesem Zusammenhang wird auch von Aliasing durch die Unterabtastung gesprochen. Dies macht sich durch Artefakte akustisch bemerkbar. Zur Vermeidung von Frequenzen größer f O wird das abzutastende Signal durch einen Tiefpassfilter, den so genannte Anti Aliasing Filter (AAF), begrenzt. Dieser Tiefpass sollte ein Filter höherer Ordnung sein (siehe 2.2.2), um die Frequenzen oberhalb effektiv zu unterdrücken. Der Nachteil eines Filters höherer Ordnung ist die, in der Praxis schwer zu realisierende, Genauigkeit des Phasenverhaltens. Ein unsauberer Phasengang wirkt sich durch einen verwaschenen Eindruck des Klangs aus (Chorus-Effekt). Analoge Filter mit einem linearen Phasengang (zum Beispiel Allpass-Filter) sind im Aufbau sehr komplex und für die heutigen A/D-Wandler meist zu teuer. Nach der Abtastung werden die noch analogen Amplitudenwerte gehalten (Sample & Hold), anschließend durch den eigentlichen A/D-Wandler, der ein Quantisierungsraster darstellt, digital ausgelesen und in einen binären Code verwandelt. Dies wird als Puls Code Modulation (PCM) bezeichnet. Der A/D-Wandler bestimmt durch seine Quantisierungstiefe die Auflösung der Amplitudenwerte in bit. Fallen zwei unterschiedliche Amplitudenwerte in dasselbe Quantisierungsintervall, so entspricht dies einem für die A/D-Wandlung unvermeidlichen Quantisierungsfehler. Je niedriger die Auflösung desto größer wird der Quantisierungsfehler, der statistisch auftritt und sich deshalb als das so genannte Quantisierungsrauschen bemerkbar macht. Bei einer hohen Auflösung entsteht weniger Rauschen und der Signal-Rauschabstand vergrößert sich. Allerdings wird dadurch der Wertebereich für den binären Code größer, weshalb mehr Speicherplatz benötigt wird. Abb. 25: A/D-Wandlung. 33

38 4.3 Wandlerverfahren Das Wandlerverfahren beschreibt die Arbeitsweise der zum Beispiel bei der Pulse Code Modulation eingesetzten A/D-Wandlung. So basiert diese Wandlung auf verschiedenen Verfahren, die Vor- und Nachteile aufweisen. Nachteile von Wandlerverfahren sind differentielle Fehler, wobei durch fehlende Information bei der Quantisierung, so genannte missing codes, Unregelmäßigkeiten der einzelnen Quantisierungsstufen entstehen. Dies wirkt sich durch ein erhöhtes Quantisierungsrauschen aus. Ein weiteres Kriterium stellen integrale Fehler dar, die durch einen Linearitätsfehler der Wandlerkennlinie entstehen. Dies erzeugt Klirren, ähnlich wie bei elektrischen Bauteilen mit ungerader Kennlinie (siehe 2.5.3). Neuartige A/D-Wandler nach dem Delta-Sigma-Prinzip basieren auf einem Verfahren, das die PCM umgeht. Außerdem werden die oben beschriebenen Nachteile prinzipbedingt vermieden. Das Verfahren basiert auf der Überlegung einer Verdopplung der Abtastfrequenz, also einer Überabtastung des Signals (engl. Oversampling). Die Energie des Quantisierungsrauschens wird dabei auf ein doppelt so großes Frequenzspektrum verteilt. Durch anschließende Filterung des Nutzsignals verbleiben nur noch das halbe Spektrum und damit lediglich die halbe Rauschleistung. Der Rauschspannungsabstand nimmt dabei um 6 db zu. Abb. 26: Frequenzspektrum des Quantisierungsrauschens beim Oversampling. Der Gedanke liegt nahe, dass für die A/D-Wandlung bei einer entsprechenden Überabtastung letztendlich nur noch 1 bit benötigt wird. Das Verfahren wird deshalb als 1-bit-Wandler oder auch als Delta-Sigma-Wandler bezeichnet, da durch die hohe Abtastfrequenz immer nur die Differenz (Delta) zum nächsten Wert festgestellt werden muss. Diese Differenzwerte werden kontinuierlich in einem seriellen Datenstrom als ein Datenwort erfasst, die Samplingrate reduziert (engl. Downsampling) und die Daten anschließend in die gewünschte Auflösung gebracht. Durch die hohe Überabtastung kann sogar der analoge Anti-Aliasing-Filter entfallen, ohne das Shannonsche Abtasttheorem zu verletzen. Das größere Frequenzspektrum durch die Überabtastung wird erst nach der Digitalisierung samt dem Rauschen durch einen digitalen Filter entfernt. Dies birgt einen Vorteil gegenüber der analogen Technik, da digitale Filter kostengünstig und sogar Phasenlinear aufgebaut werden können. Durch die einfache Konzeption der Schaltung sowie die Integration in einem Chip ist die Qualität der Delta-Sigma- Wandler auf einem hohen Niveau angelangt und trotzdem erschwinglich. Deswegen wird heute ausschließlich dieses Wandlerverfahren in digitalen Audiokomponenten eingesetzt. 34

39 4.4 Dynamik eines digitalen Audiosignals Wird für den kleinsten wahrnehmbaren Lautstärkeunterschied (ähnlich der Ruhehörschwelle bei 20 µpa) ein binärer Wert, zum Beispiel 1 bit angenommen, so verhält sich der Dynamikumfang bei einer 16-bit-Quantisierung wie folgt: Mit 16 bit = 2 16 L = 20 * lg (2 16 /1) L = 20 * lg L 96,3 db Bei der Verwendung einer heute üblichen Quantisierungstiefe von 24 bit vergrößert sich der Dynamikumfang gegenüber 16 bit wie folgt: Mit 24 bit = 2 24 L = 20 * lg (2 24 /1) L = 20 * lg L 144,5 db Der Dynamikumfang bei der digitalen Signalverarbeitung wird auch als Systemdynamik S/N bezeichnet. Übliche Berechnung der Systemdynamik S/N bei digitalen Systemen: S/N = n bit * 6 + 1,76; (in db) Der Wert von 1,76 resultiert aus dem statistischen Fehler der Fehlabtastung von +/- einem halben Quantisierungsintervall. 1 Die Systemdynamik S/N entspricht nur der theoretischen, maximal möglichen Dynamik und ist in etwa dem Signal-Rauschabstand gleichzusetzen. Sie ist aber nicht mit dem Störspannungsabstand zu vergleichen, da eine Bewertung nach CCIR 468 fehlt und keine Spitzenspannungen des Quantisierungsrauschens berücksichtigt werden (Beachte Bewertungsdifferenz =14 db). Die effektive Systemdynamik kann erst durch Abzug der in Abschnitt 3.5 beschriebenen Parameter berechnet werden. Die effektive Systemdynamik D für 16 bzw. 24 bit errechnet sich wie folgt: D= n bit * 6 + 1,76 - (Headroom + Footroom + Bewertungsdifferenz ); (in db) D 16bit = 16 bit * 6 + 1,76 ( ) [db] 54 db D 24bit = 24 bit * 6 + 1,76 ( ) [db] 102 db 1 Vgl. Dickreiter, M.: Handbuch der Tonstudiotechnik, Bd. 2, K.G. Sauer Verlag 1997, S

40 5. Dynamik im Überblick 5.1 Dynamikumfang akustischer Signale Menschliche Stimme: db (ohne Schreien und Flüstern) Streich- und Holzblasinstrumente: db Andere Instrumente: Sinfonie-Orchester: db (Klavier, Blechblasinstrumente) db (große Besetzung) Die angegebenen Werte beziehen sich nicht auf die Auskling- bzw. auf die Nachhallvorgänge Technische Systemdynamik im Vergleich Menschliches Ohr: db (Schmerz-Schwelle - Grenze) Hochwertiges Kondensatormikro: bis 130 db (THD bei 1 %) 24 bit digital: ca. 144 db Audio CD: Tonband (Studio): UKW (FM) Radio, Empfänger: Vinyl-Schallplatte: MC (Music Cassette): ca. 96 db > 60 db (bis 80 db mit Kompandersystem) ca. 70 db (Stereo) < 60 db (70 db mit Direct Metal Mastering) ca. 50 bis 60 db (ohne Dolby) 5.3 Notwendigkeit einer Einengung der Dynamik Bei der elektroakustischen Signalverarbeitung wird die Originaldynamik einer Schallquelle auf die Systemdynamik der nachfolgenden Geräte übertragen. Dabei soll die Originaldynamik im weitesten Sinne erhalten bleiben, ohne dass Rauschen oder Verzerrungen zu einer Beeinträchtigung derselben führen. Eine an die Systemgrenzen angepasste Aussteuerung ist somit oberstes Ziel, um die vorhandene effektive Systemdynamik auszunutzen. Ist die effektive Systemdynamik dennoch kleiner als die aufzunehmende Originaldynamik einer Schallquelle, muss eine technisch notwendige Einengung der Dynamik vorgenommen werden, um das komplette Signal zu übertragen. Durch diese Einengung wird zwar die Dynamik kleiner, aber eine Störung des Signals durch Rauschen oder Verzerrungen effektiv vermieden. 1 Vgl. Dickreiter, M.: Handbuch der Tonstudiotechnik, Bd.1, K.G. Sauer Verlag 1997, S

41 5.4 Wiedergabedynamik Durch den technischen Fortschritt ist die effektive Systemdynamik der Aufnahmeund Übertragungsmedien meist größer als die abhörseitige Wiedergabedynamik. Sie resultiert aus dem Verhältnis des maximalen Abhörpegels und den umweltbedingten Störgeräuschen am Ort der Wiedergabe. Die Wiedergabedynamik gestaltet sich dabei je nach Umgebung und die dadurch verbundenen Störgeräusche unterschiedlich. Die Wiedergabe beim Autofahren wird zum Beispiel durch Laufgeräuschen des Motors, sowie Wind und Verkehrslärm beeinflusst. In einer Wohnung hingegen ist die Wiedergabedynamik größer, da hier oft nur mit geringen Störgeräuschen technischer Geräte zu rechnen ist. Wie sich aber ein lauter Nachbar auf die Wiedergabedynamik im eigenen Zimmer auswirken kann soll an folgendem Beispiel verdeutlicht werden: Bei einer durchschnittlichen Abhörsituation muss von einem Störpegel von ca. 35 bis 40 dbspl ausgegangen werden. Die Vorschrift (nach DIN 4109, BL. 2) für eine Wanddämpfung in einem Mehrfamilienhaus beträgt wiederum 40 bis 50 db. Der maximale Schalldruckpegel für die Wiedergabe liegt somit bei 75 bis 85 dbspl, da diese Lautstärke einen maximal zulässigen Störpegel von 35 dbspl beim Nachbar verursacht. Daraus resultiert eine Wiedergabedynamik von 40 bis 50 db. 1 Eine umfangreiche Originaldynamik, wie sie zum Beispiel bei einem Orchester gegeben ist, muss dementsprechend auf eine Programmdynamik, die der Wiedergabedynamik beim Hörer entspricht eingeengt werden. Diese Dynamikeinengung wird durch so genannte dynamische Effekte vorgenommen. Abb. 27: Dynamik einer Übertragungskette. 2 1 Vgl. Dickreiter, M.: Handbuch der Tonstudiotechnik, Bd.1, K.G. Sauer Verlag 1997, S. 267ff. 2 Ebd., S

42 6. Dynamische Effekte 6.1 Regelverstärker als dynamischer Effekt Dynamische Effekte werden durch so genannte Regelverstärker oder im Rechner durch entsprechende Rechenschaltungen realisiert. Regelverstärker können bedingt durch ihre elektrische Schaltung mit einer Steuerspannung im Verstärkungsmaß variiert werden. Durch geschickte Verschaltung werden automatische Regelvorgänge möglich, die präziser und schneller als der Mensche in das Signal eingreifen können. Dynamische Effekte können unter anderem auch zur Klanggestaltung beitragen. Im Folgenden sollen verschiedene dynamische Effekte vorgestellt werden. 6.2 Der Kompressor Kompressoren werden für die oben beschriebene Einengung der Dynamik verwendet. In diesem Zusammenhang wird auch von einer Kompression gesprochen. Die Arbeitsweise eines Kompressors lässt sich am einfachsten anhand seiner Kennlinie erklären: Abb. 28: Kennlinie eines Kompressors. 1 Die Kompression erfolgt in einem einstellbaren Verhältnis (Ratio). Der Kompressor beginnt erst dann zu komprimieren, wenn eine Ratio kleiner 1:1 eingestellt ist und die Amplitude des Eingangssignals größer wird als ein gewisser Schwellwert (engl. Threshold). Dieser Schwellwert kann dem Eingangssignal angepasst werden. 1 Ursprung: Henle, Hubert: das Tonstudio Handbuch, GC Carstensen Verlag 2001, S

43 Die Kennlinie von dynamischen Effekten hat Ähnlichkeit zu denen nichtlinearer Bauteile. Nichtlineare Kennlinien erzeugen Verzerrungen (siehe 2.5.3). Da diese Klirrverzerrungen unerwünscht sind, setzt der Regelvorgang der dynamischen Effekte nicht sofort nach Unter- bzw. Überschreiten des Thresholds ein bzw. aus, sondern kann über Parameter eingestellt werden: Die so genannte Rücklaufzeit (engl. Release Time) bestimmt, wie lange nach Einsetzen der Kompression das Signal anschließend wieder 63 % der originalen Aussteuerung erreicht hat. Dadurch werden auch leisere Signalanteile, nach kurzen Pegelspitzen, die über den Schwellwert gelangen, automatisch leiser gefahren. So bleibt auch ein tonales Signal bei entsprechender Rücklaufzeit unverzerrt. Je nach dynamischer Signaleigenschaft werden zu lange Rücklaufzeiten ( ms) als Pumpen wahrgenommen. Kompressoren mit Rücklaufzeiten von mehr als einer Sekunde werden als Leveler bezeichnet. Hierbei wird lediglich der Durchschnittspegel von dynamisch komplexen Signalen durch die anhaltende Kompression über längere Zeiträume abgesenkt. Eine maximale Erhöhung des Durchschnittspegels wird mit der kürzesten Rücklaufzeit erreicht. Dadurch wird das Signal verdichtet. Der Klangeindruck intensiviert sich und gewinnt an Durchsetzungskraft. Zu kurze Regelzeiten machen sich wiederum durch Flattern des Kompressors bemerkbar. Damit die dynamische Bearbeitung nicht sofort einsetzt, kann die Ansprechzeit (engl. Attack Time) fein justiert werden. Sie ist die Zeit nachdem eine Pegelspitze eine Kompression von 37 % auslöst. Dadurch können die Transienten (siehe 2.2.1) am Anfang von perkussiven Geräuschen mehr oder weniger beeinflusst werden. Die durch die Kompression entstandene Pegelreduktion (engl. Gain Reduction) der lautesten Signalanteile kann über eine lineare Verstärkung (engl. Gain) des Ausgangssignals ausgeglichen werden. Im Bezug auf das Eingangssignal werden dadurch leise Signale angehoben, wobei die Anhebung zu lauten Signalen hin im Verhältnis der Ratio abnimmt. Der Kompressor trägt in einem gewissen Rahmen zur Durchhörbarkeit bei. Die Lautstärken-Unterschiede gleichen sich so auf angenehme Art aus. Leise Signale werden besser verständlich und laute schmerzen nicht im Ohr. Allerdings wird eine Kompression mit einer Ratio über 1:3, gepaart mit einer Pegelreduktion von mehr als 6 db schnell wahrnehmbar. Dies äußert sich in einem matschigen Sound durch die Überkompression. 39

44 6.3 Der Limiter Limiting ist der englische Begriff für Begrenzen. Der Limiter weist dieselbe Arbeitsweise auf wie der Kompressor. Eine Einengung der Dynamik findet hierbei jedoch nur durch die Begrenzung der lautesten Pegelspitzen statt, weshalb der Limiter oft als Schutz vor einer Übersteuerung der nachfolgenden Geräte genutzt wird. Der Threshold ist deshalb in der Nähe der Aussteuerungsgrenze zu platzieren, bzw. dort wo ein Maximalpegel des Eingangssignals vermutet wird. Da die Pegelspitzen meist sehr kurz sind, werden die Regelzeiten gegenüber der Kompression viel niedriger gewählt. Das Kompressionsverhältnis ist beim Limiter 1:. Schon bei einer Ratio größer 1:8 wird von einer Begrenzung gesprochen. Die Kennlinie des Limiters ähnelt wegen der hohen Ratio der eines Transistors im Sättigungsbereich. Dadurch wird deutlich, dass die Rücklaufzeit nicht unendlich klein werden darf, weil sonst Verzerrungen hörbar werden. Moderne Limiter weisen eine Automatik auf (engl. Automatic Release Control), die die Rücklaufzeit permanent an das Programmsignal anpasst. Mit dieser Automatik werden die kürzesten Regelzeiten erreicht. Daraus resultiert wiederum eine Erhöhung der Durchschnittslautstärke. Im digitalen Bereich stehen weitere Verfahren zur Verfügung, um Verzerrungen zu vermindern: Look Ahead -Verfahren: Durch eine digitale Verzögerung kann das Signal schon im Vorfeld berechnet werden. Der Limiter arbeitet so schneller und effektiver. Soft Clipping -Funktion: Durch eine Rundung der Kennlinie beim so genannten Soft-Limiter wird auf digitaler Ebene eine analoge Bandsättigung simuliert. Das Resultat ist eine stufenlos übergehende und dadurch weiche Begrenzung, die meist als angenehmer empfunden. Der so genannte Brickwall-Limiter ist die neueste Innovation auf digitaler Ebene. Er verhindert, dass Signale über längere Zeiträume direkt an der Systemgrenze bei 0 dbfs abgeschnitten werden. Die automatischen Regelzeiten werden dafür entsprechend angepasst. Für eine sichere Ermittlung von potenziellen Übersteuerungen werden drei Samples, die in Folge einen Wert von 0 dbfs erreichen als Over interpretiert. Moderne Brickwall-Limiter machen sich die Technik des Oversamplings zunutze, indem sie vor dem Limiting die Samplingfrequenz erhöhen. Dadurch werden die Regelzeiten nochmals verkürzt und Verzerrungen beim anschließenden Downsampling weiter reduziert. Dies wirkt einer frühzeitigen Gehörermüdung durch Verzerrungen entgegen. Das Signal kann so maximal verdichtet werden. 1 1 Vgl. Tischmeyer, Friedemann: Sound&Recording, Ausgabe 8/2006, Music-Media-Verlag, Köln. 40

45 6.4 Expander und Gate Der Expander vergrößert im Gegensatz zum Kompressor die Dynamik eines Signals. Dies geschieht durch kontinuierliche Absenkung des Eingangssignals, das kleiner als der Threshold ist. Durch die Absenkung wird erreicht, dass leise Signalanteile oder sogar Störgeräusche quasi ausgeblendet werden. Die Rücklaufzeit wird jetzt zur Einsatzzeit und bestimmt, wann ein Signal nach Unterschreiten des Thresholds im Pegel reduziert wird. Dadurch bricht ein leises Signal nicht sofort ab, sondern wird über den gewählten Zeitraum zunehmend leiser. Die Ansprechzeit bestimmt, wann der Pegel des Eingangssignals nach Überschreiten des Thresholds wieder die volle Aussteuerung erreicht. So können anfängliche Störgeräusche der Signale wirkungsvoll beseitigt werden. Dies sind zum Beispiel Schmatzgeräusche, die durch das Öffnen des Mundes entstehen. Die Ratio bestimmt das Verhältnis der Pegelreduktion. Abb. 29: Kennlinie Expander links und Gate rechts. 1 Je steiler die Kennlinie, desto mehr werden leise Signale ausgeblendet. Bei einer Ratio von 1: wird das Signal entweder durchgelassen oder nicht. Diese Funktion wird als Gate (englisch für Tor) bezeichnet. Gates werden zum Beispiel bei Schlagzeugaufnahmen in der Popmusik eingesetzt, um das Übersprechen der jeweils anderen Instrumente bei der Mikrofonierung auf ein Minimum zu reduzieren. Außerdem wird der eigentliche Sound der Trommel bei geeigneter Einstellung des Gates so verkürzt, dass das Schlagzeug knackiger, bzw. perkussiver klingt. Das Maß der maximalen Absenkung ist bei Expander und Gate einstellbar, wodurch das Signal nicht gänzlich verstummt. Eine Komplettabsenkung kann unter Umständen unnatürlich wirken. 1 Ursprung: Henle, Hubert: das Tonstudio Handbuch, GC Carstensen Verlag 2001, S. 283f. 41

46 6.5 Frequenzselektive Kompression Der bekannteste frequenzselektive Kompressor ist der De-Esser. Er soll allein die hochfrequenten Anteile der menschlichen Stimme absenken, bei denen S- und Zischlaute vorkommen. Während beim gewöhnlichen Kompressor jedes Signal unabhängig von der Frequenz bei einem Pegel größer als der Threshold eine Kompression auslöst, wird der frequenzselektive Kompressor nur von einem bestimmten Frequenzband beeinflusst. Dies wird durch einen Bandpassfilter im so genannten Side-Chain realisiert. Ein Side-Chain Kompressor hat zwei Eingänge und nur einen Ausgang. Ein Eingang ist wie üblich für das zu bearbeitende Signal, ein anderer für ein Steuersignal, das zwar das eigentliche Signal beeinflusst, aber selbst nicht dem Ausgangssignal zugeführt wird. Beim De-Esser besteht das Steuersignal aus dem Frequenzanteil, der bei Sprache im besten Fall nur noch S- und Zischlaute aufweist. Eine Kompression des Gesamtsignals wird immer nur dann ausgelöst, wenn ein solches Signal auch tatsächlich vorhanden ist. Eine zu hohe S-Reduktion wirkt sich bei der menschlichen Sprache allerdings negativ als ein Lispeln aus. Die Kompression kann aber auch durch jedes andere Signal im Side-Chain gesteuert werden (Ducking Effekt). Der größte Nachteil einer solchen frequenzselektiven Kompression ist, dass andere signalnützliche Frequenzanteile, durch ein beliebiges frequenzselektives Signal im Side-Chain, ebenfalls beeinflusst werden. 6.6 Multibandkompression Bei der Multibandkompression handelt es sich um eine spezielle Art der frequenzselektiven Kompression, wobei das Gesamtsignal durch Filterung in beliebig viele Frequenzbänder aufgeteilt wird. In der Praxis stehen meist 2 bis sechs Bänder zur Verfügung. Dabei kann jedes Band einzeln mit einem eigenen Kompressor bearbeitet werden. Anschließend werden die einzelnen Frequenzbänder wieder zu einem Gesamtsignal zusammengemischt. Die Einzelbandkompression (engl. single band, oder auch broad band compression ) weist einen entscheidenden Nachteil gegenüber der Multibandkompression auf: Die für jeden Klang spezifischen Obertöne (siehe ) werden bei der Einzelbandkompression im selben Maß wie die Grundtöne komprimiert. Diese Grundtöne liegen bekanntlich tiefer und weisen mehr Energie auf als die Obertöne. So lösen diese Grundtöne in erster Linie eine Kompression aus, worunter dann die Obertöne leiden. Dadurch entsteht bei einer übermäßigen Einzelbandkompression ein hörbar dumpfer Klang. Bei der Multibandkompression kann dieser Effekt durch optimale Bearbeitung der einzelnen Bänder vermieden und der Durchschnittspegel weiter erhöht werden. 42

47 Anwendung findet die Multibandkompression auf einzelnen Signalen, wie Stimmen und Instrumenten. Ebenfalls lassen sich so zum Beispiel wirkungsvoll S- und Zischlaute der menschlichen Stimme reduzieren, ohne dass tiefere Frequenzen des Gesamtsignals beeinflusst werden. Außerdem wird die Multibandkompression bei der Bearbeitung von Summensignalen eingesetzt. Hierbei kann durch geschickten Eingriff in die einzelnen Bänder der Klang einer Mischung korrigiert und gleichzeitig effektiv komprimiert werden. Eine weitere Form der Multibandkompression stellt das artverwandte Multiband- Limiting dar, das im Besonderen beim Mastering seinen Einsatz findet (siehe Kapitel 8). Abb. 30: Software Multiband Limiter: Waves L3 Multimaximizer. 1 1 Ursprung: WAVES : L3 software guide, Seite 1. 43

48 7. Aussteuerung 7.1 Das Mischpult Die Pegel der einzelnen Signale werden über so genannte Pegelsteller (engl. Fader) ausgesteuert, die als Schieberegler oder Drehpotentiometer in einem Mischpult integriert sind. Das Mischpult im Tonstudio wird auch als Regiepult bezeichnet, wobei der Toningenieur die Regie über die einzelnen zu verarbeitenden Signale führt. Hierbei werden die verschiedenen Signale in ihrer Lautstärke angepasst und gemischt. Die Pegel können dabei über Aussteuerungsanzeigen kontrolliert werden. Sie stehen oft in jedem Kanalzug sowie in der Summe für die gesamte Mischung zur Verfügung. Letztendlich wird die Mischung aber über die Lautsprecher und durch das geschulte Gehör des Toningenieurs beurteilt. Abb. 31: Einfacher Aufbau eines Mischpultkanals. Das Mischpult besteht aus mehreren identisch aufgebauten Kanalzügen, die zu einem Summensignal zusammengeführt werden. So besitzt ein Kanalzug einen Vorverstärker, der meist stufenlos von Mikrofon- über Linepegel bis zu einer zusätzlichen Verstärkung einstellbar ist. Des Weiteren stehen Filter verschiedener Art zur Verfügung. Oft ist hier ein Hochpass, ein Drei- bis Vier-Band-EQ mit parametrischen Mitten vorzufinden (Siehe 2.2.3). Es folgt der bereits erwähnte Schieberegler zum Einstellen des Signalpegels. Zur Platzierung der Signale in einer Stereo- oder Surroundmischung dient ein Panoramaregler. Der Summenkanal verfügt ebenfalls über Schieberegler und ist als Bus ausgelegt. Er besitzt daher meistens zwei separate Signalwege für eine Stereomischung. Bei heutigen Surroundlösungen sind aber auch mehrspurige Busse üblich. Für eine flexible Verarbeitung der Signale stehen mehrere Abzweigungen an gewissen Punkten im Kanalzug zur Verfügung. So gibt es Kanal-Inserts oder spezielle Aux-Wege, um zum Beispiel dynamische Effekte einzuschleifen. Die Abzweigungswege werden über ein Kabel an den vorgesehenen Anschlüssen am Mischpult mit der benötigten Peripherie verbunden. Hierbei wird auch von Rooting gesprochen. 44

49 7.2 Aussteuerungsrichtlinien Während die Aufnahme auf ein Aufnahmemedium in der Regel immer voll auszusteuern ist, gelten für die Aussteuerung einer Sendung bei Funk und Fernsehen andere Gesichtspunkte. Bei verschiedenartigen Programmbeiträgen, wie zum Beispiel Sprache und Musik, wirkt das Sprachsignal bei gleicher Aussteuerung immer leiser als Musik. 1 Dies hängt mit der Eigenschaft der Aussteuerungsmesser zusammen, die nur den Spitzenpegel der Signale anzeigen. Um eine gewisse Durchhörbarkeit eines komplexen Sendeablaufs zu gewährleisten, ist nicht der Spitzenpegel, sondern vielmehr die empfundene Lautstärke maßgebend. Die tatsächliche Lautstärkeempfindung wird näherungsweise durch den Durchschnittspegel beschrieben. Der Durchschnittspegel entspricht hierbei dem quadratischen Mittelwert (engl. Root Mean Square, RMS) und kann mit einem Effektivwertmesser ermittelt werden. Abb. 32: Pegelverlauf und Durchschnittspegel für Sprache und Musik. 2 Bei Funk- und Fernsehanstalten sind so für ein ausgewogenes Verhältnis der Lautstärke im Programmablauf die so genannten Aussteuerungsrichtlinien eingeführt worden. Der Toningenieur hat sich bei der Gestaltung eines komplexen Sendeablaufs an die Pegelangaben der Aussteuerungsrichtlinien zu halten. Abb. 33: Aussteuerung der einzelnen Programmbeiträge eines komplexen Sendeablaufs. 3 1 Vgl. Dickreiter M.: Handbuch der Tonstudiotechnik, Bd. 1, K.G. Sauer Verlag 1997, S Ursprung: Ebd., S Ursprung: Ebd., S

50 Abb. 34: Aussteuerungsrichtlinien im Hörfunk der Rundfunkanstalten der ARD. 1 Die Richtlinien gelten für unkomprimierte Signale und müssen bei Kompression sinngemäß abgewandelt werden. 2 Da die Sender heute immer mehr dazu tendieren, nicht nur die Sprache, sondern auch die gesamte Sendung komprimiert auszustrahlen, werden die Aussteuerungsrichtlinien nichtig und eine Beurteilung nach dem Gehör gewinnt zunehmend an Bedeutung. Zitat aus einem Bericht der Rundfunktechnik des NDR: Allerdings wird der Toningenieur im Einzelfall die Aussteuerung nach dem Charakter der Programme und aufgrund seiner Erfahrung und seines geschulten Gehörs so vornehmen, dass künstlerische Überlegungen, betriebliche Erfordernisse und der Anspruch eines aufmerksamen Hörers berücksichtigt werden. Des Weiteren: Inzwischen werden Klangregeleinheiten eingesetzt, die Sprache und Musik angleichen. 3 In den Rundfunkanstalten sind heute Klangregeleinheiten, die so genannten Loudness-Maximizer, in Gebrauch. Sie erhöhen die Durchschnittslautstärke und gleichen dadurch die Dynamik der unterschiedlichen Programmbeiträge automatisch aus. Dies wird dem hohen Störpegel beim Autofahren gerecht, nicht aber dem Erhalt der Originaldynamik eines musikalisch anspruchsvollen Beitrags. Durch die Dynamikeinengung mittels eines Loudness-Maximizers stellen sich ebenfalls bei entsprechender Verdichtung die Nebeneffekte einer übermäßigen Kompression ein (siehe 6.2). Doch der Lautheitswettbewerb im Konkurrenzkampf der Rundfunkanstalten geht weiter. Die damit verbundenen Nachteile werden wohlwollend in Kauf genommen, um beim Hörer durch die größere Lautstärke gegenüber einem leiseren Sender besser aufzufallen. 1 Ursprung: Dickreiter M.: Handbuch der Tonstudiotechnik, Bd. 1, K.G. Sauer Verlag 1997, S Ebd., S Im Internet /

51 7.3 Der Crest Faktor Der Crest Faktor C bildet heute ein gebräuchliches Maß für den Sättigungsgrad einer Signaldynamik. Er stellt das Verhältnis des Spitzenwerts (Peak) U ss zum Effektivwert (RMS) U eff einer Spannung bzw. des Audiomaterials dar. C = U ss / U eff je kleiner der Crest Faktor, oder das Verhältnis zwischen Peak und RMS auf der Pegel Scala, desto lauter hört es sich an. 1 In diesem Zusammenhang wird auch von Lautheit gesprochen. Der Crest Faktor ist heute in Messgeräten im Masteringbereich der professionellen Studiotechnik anzutreffen. So gibt er Aufschluss auf den momentanen Durchschnittspegel von Audiomaterial, d. h. wie stark die Lautstärkeunterschiede in einem Signal ausgeglichen sind. Der Pegel wird wie üblich durch die 20fache Logarithmierung gebildet: C = 20 * lg (U ss /U eff ); (in db) Durch Logarithmierung wird Division zu Subtraktion (siehe 2.4.8). So lässt sich der Pegel des Crest Faktors auch durch die Differenz des Spitzenpegels (Peak) zum Durchschnittspegel (RMS) bestimmen. Beispiel: Wenn z.b. die RMS Lautstärke -11 db und der Spitzenpegel -0,5 db beträgt, so resultiert daraus ein Crest Faktor von 10,5 db. 2 C = (Peak) - (RMS) = -0,5 db - ( -11 db) = 10,5 db Daraus lässt sich folgern, dass der Effektivwert (RMS) bei Vollaussteuerung des Spitzenpegels (Peak) auf 0 dbfs genau dem Crest Faktor entspricht. Jedes gängige Pegelmessgeräte, das in der Lage ist, den Peak- sowie den RMS- Wert anzuzeigen, kann so Aufschluss auf den Crest Faktor geben / Schmidt, Robin: Was ist Mastering, Mastering, Seite 5. 47

52 8. Mastering 8.1 Ursprung und Trend Als Mastering wird der Prozess der Übertragung einer Aufnahme auf das Endmedium (Master) bezeichnet. Beim Mastering wird außerdem die Aufnahme für das jeweilige Endmedium optimiert, um eine bestmögliche Wiedergabequalität zu gewährleisten. Mastering hat seinen Ursprung im elektronischen Zeitalter der Herstellung von Schallplatten. Erst durch die Entwicklung von Verstärkern und spezieller Filterschaltungen konnte eine verbesserte Wiedergabe der Schallplatte realisiert werden. Wie bereits erwähnt, ist der Frequenzgang beim Schallplattenschnitt physikalisch bedingt nicht linear. Dabei würden bei einer linearen Übertragung die hohen Frequenzen mit geringerem Pegel aufgezeichnet und dadurch stark durch das Rauschen beeinträchtigt. Um diesem Phänomen entgegenzuwirken, wird der Frequenzgang nach dem Prinzip der Emphasis/Deemphasis bei der Aufzeichnung verzerrt und bei der Wiedergabe entsprechend ausgeglichen und somit entzerrt. Dieser Frequenzgang ist in der so genannten Schneidkennlinie definiert, die beim Schallplattenschnitt zum Einsatz kommt. Abb. 35: Schneidkennlinie für Aufnahme und Wiedergabe-Entzerrungskennlinie nach DIN IEC 98 bzw. DIN und Für einen möglichst hohen Signal-Rauschabstand ist eine maximale Aussteuerung der Schallplatte erstrebenswert. Der Nachteil der Emphasis ist aber hierbei, dass bei hoher Aussteuerung der hohen Frequenzen Verzerrungen beim Schallplattenschnitt entstehen können. Dies muss beim Schallplattenmastering berücksichtigt werden. Hochfrequente Verzerrungen durch Emphasis können aber mittels eines De-Essers vermieden werden (siehe 6.5). 1 Vgl. Ursprung: Dickreiter, M.: Handbuch der Tonstudiotechnik, Bd. 2, K.G. Sauer Verlag 1997, S. 63f. 48

53 Auch die Aufzeichnung beim Tonband ist nicht linear. Im Wesentlichen sei hier die Aussteuerungskennlinie erwähnt, die einer kubischen Kennlinie gleicht (siehe Abb. 22). So weist das Tonband für hohe Pegel ein Sättigungsverhalten auf und die dadurch entstehenden nichtlinearen Verzerrungen. Dies wird auch als Bandsättigungseffekt bezeichnet. Der Effekt kommt bei zu hoher Aussteuerung des Tonbands einer Kompression gleich, inklusive der bereits erwähnten Nebeneffekte. Trotzdem ist auch das Tonband ein rauschbelastetes Übertragungsmedium und sollte daher maximal ausgesteuert werden. Ist der Bandsättigungseffekt dabei unerwünscht, so wird eine gezielte Bearbeitung der Dynamik beim Mastering bedeutsam. 1 Im Rahmen der Entwicklung digitaler Tonträger, hat die Industrie mit der CD ein Medium geschaffen, das im Gegensatz zu Schallplatte und Tonband einen linearen Frequenzgang gewährleistet und mit verbesserten Dynamikwerten überzeugt. Eine spezielle Entzerrung beim Mastering wird somit für digitale Tonträger überflüssig. Vielmehr bekommt eine künstlerisch-kreative Gestaltung des Klangcharakters einer einzelnen Aufnahme beim heutigen Mastering eine besondere Bedeutung. Dabei werden die verschiedenen Stücke eines Albums oder einer Compilation aneinander angeglichen. Das Mastering wird heute eher als der letzte Feinschliff der Bearbeitung einer Aufnahme betrachtet. 2 Nach wie vor muss aber beim Mastering die Originaldynamik einer Aufnahme an die Wiedergabedynamik beim Hörer angepasst werden (siehe 5.4). Soll eine noch größere Dynamikeinengung zugunsten einer subjektiven Lautstärkeerhöhung vorgenommen werden, so sind die Erfahrungen und das geschulte Gehör eines Mastering-Ingenieurs gefragt. Mastering-Ingenieure genießen einen hohen Stellenwert im Bereich der Popmusik. Sie kennen den jeweiligen Sound der verschiedenen Genres und verfügen über die Mittel, eine Musikproduktion so klingen zu lassen, dass sie im Wettbewerb positiv auffällt. Neben der Bearbeitung des Klangcharakters wird vor allem die Dynamik einer Aufnahme an den derzeitigen Lautstärkegrad des jeweiligen Musik-Genres angepasst. Dies birgt einen Teufelskreis, der sich in der letzten Zeit durch immer lautere Mastering-Produktionen abzeichnet. Doch laut bedeutet nicht immer gleich schön, zumal in einigen Produktionen mittlerweile der Klang auf Kosten des erhöhten Lautstärkeeindrucks geht. Aber der Trend scheint derzeit noch anzuhalten. 1 Vgl / Vgl. auch: Sandmann, Thomas: Effekte & Dynamics, PPVMEDIEN, Bergkirchen, 2001, S

54 8.2 Produktionsmittel beim Mastering Beim Mastering werden wenige, aber dafür besonders hochwertige Produktionsmittel eingesetzt, um eine hohe Verarbeitungsqualität der Signale zu gewährleisten. Heute wird zwischen dem analogen und dem digitalen Mastering unterschieden. Bei einer rein digitalen Audioproduktion bietet sich auch ein digitales Mastering an. Die Nachteile durch eine zusätzliche A/D-Wandlung (siehe Kapitel 4) oder das Rauschen der analogen Geräte (siehe 2.5.2) kann dadurch vermieden werden. Das digitale Mastering ist heute allein schon durch 24 bit Produktionen mit einer Samplingrate von bis zu 192 khz auf einem sehr hohen Niveau angelangt. Auch steht heute jeder erdenkliche Effekt und Bearbeitungsalgorithmus in digitaler Form als Software-Plugin für die Digitale Audio Workstation (DAW) zur Verfügung. Die Software-Plugins sind dabei die günstige Alternative zu einer externen Hardwareversion, bei der zusätzlich die Kosten für die Geräteherstellung anfallen. Beim analogen Mastering geht es nicht ohne externes Equipment, das meist sehr teuer ist, aber dafür auch eine äußerst hochwertige Verarbeitungsqualität bietet. Für ein analoges Mastering spricht der spezielle analoge Sound einiger elektronischer Bauteile, die in der digitalen Ebene schwer nachzuahmen sind. So gibt es neben den Transistoren auch die guten alten Röhren, die früher in Verstärkerschaltungen zum Einsatz kamen. Sie bieten bei hoher Aussteuerung andere Klirrverzerrungen als Transistoren (siehe 2.5.3). Hierbei wird von einem warmen Röhrensound gesprochen, der der quadratischen Kennlinie der Röhre zuzuschreiben ist. Auch Equalizer wurden früher mit Röhrenschaltungen aufgebaut. Einige Hersteller benutzten wiederum Spulen statt Kondensatoren zur Umsetzung ihrer Filterschaltungen. Die jeweilige Technik bringt dabei feine Klangunterschiede die sich für die ein oder andere Produktion auch heute noch anbietet. In den 1970 ern wurden optische Kompressoren entwickelt, die durch das angewandte optische Prinzip einen großen Rauschspannungsabstand erreichten. Der optische Kompressor hat im Vergleich zu den üblichen VCA- Kompressoren eine spezielle Kompressor-Kennlinie, die ihm einen typischen Sound verleiht. Abb. 36: Kennlinie eines Optokompressors. 1 1 Ursprung: Sandmann, Thomas: Effekte & Dynamics, PPVMEDIEN, Bergkirchen 2001, S

55 So wird die alte Technik heute hoch gelobt und erlebt in der letzten Zeit wieder eine kleine Renaissance, nicht zuletzt durch die Anwendung beim analogen Mastering. Beim Masteringprozess ist der Einsatz der Produktionsmittel nicht immer gleich. So wird die Reihenfolge der einzelnen Geräte je nach Bedarf durch ein individuelles Rooting bestimmt. 1 Für jede Masteringsession sollte aber mindestens ein Equalizer, ein Kompressor, eventuell ein Multiband-Kompressor und in jedem Fall ein Limiter zur Verfügung stehen. Renommierte Masteringstudios bieten aber meistens eine kleine Auswahl dieser Geräte analoger sowie digitaler Art, um bei der Gestaltung des Sounds flexibler zu sein. Des Weiteren werden ein Zuspieler und Masterrecorder bzw. eine Digitale Audio Workstation und hochwertige Lautsprecher benötigt. Zur Kontrolle der Pegel können auch ein Pegelmesser und ein Real-Time-Analyzer hilfreich sein (siehe 2.2.5) Anwendung der Produktionsmittel Beim Mastering wird der Equalizer zur Gestaltung des Klangs eingesetzt. Allerdings beschränkt sich diese Klanggestaltung nicht nur auf das Betonen oder Absenken der einzelnen Frequenzbereiche. So werden zum Beispiel Resonanzfrequenzen, die in einer Mischung negativ auffallen, beseitigt. Eine Nuance brillanter Höhen wird durch den dezenten Einsatz eines hochwertigen Röhren-EQs im obersten Frequenzband erreicht. Allgemein spielt sich die Frequenzgangbearbeitung aber beim Mastering im Bereich weniger Dezibel ab, es sei denn, es handelt sich um Störgeräusche, die wirkungsvoll mit einem steilflankigen Notchfilter unterdrückt werden können. Der Equalizer deckt beim Mastering ein großes Feld an Aufgaben ab und hat daher keinen festen Platz in der Signalverarbeitungskette. Kompressoren bringen beim Mastering den gewünschten Druck. Attack- und Release-Zeiten werden hier künstlerisch-kreativ eingesetzt und unterstützen den Groove einer rhythmischen Musikproduktion oder sorgen bei entsprechender Regelung für den richtigen Punch der Drums. Die beliebtesten Masteringkompressoren basieren entweder auf der Röhrentechnik oder arbeiten nach dem Transistor- oder optischen Prinzip mit anschließender Röhrensättigung. So wird bei Produktion in diesem Stadium des Masterings noch ein wenig analoge Wärme durch gezieltes Hinzufügen von dezenten Verzerrungen dazu gewonnen. Das Kompressionsverhältnis hält sich beim Mastering ebenfalls in Grenzen. Der Kompressor wird hier nicht allein zur Gewinnung an Lautheit eingesetzt, sondern vielmehr als ein Stilmittel. 1 Vgl. Schmidt, Robin: Was ist Mastering, Mastering, Seite 4. 51

56 Multibandkompressoren werden beim Mastering meist noch vor den Einzelbandkompressoren eingesetzt. Durch die separate Kompression der einzelnen Frequenzbänder wird die zu masternde Produktion verdichtet und gewinnt an Fülle, ohne dass sie durch die zusätzliche Kompression schon im Vorfeld dumpf wird. Trotz seiner umfangreichen Möglichkeiten der Bearbeitung eines Signals, genießt der Multibandkompressor den geringsten Stellenwert beim Mastering und wird nur dezent oder selten eingesetzt und niemals ausgereizt. Der eigentliche Lautmacher beim Mastering ist der Limiter. Er steht an letzter Stelle der Produktionskette. Hierbei werden lediglich die Signalspitzen daran gehindert, hörbare Verzerrungen durch Übersteuerungen zu erzeugen. Dadurch lässt sich der Pegel einer Produktion weiter erhöhen, bis an einem gewissen Punkt hörbare Artefakte entstehen. Limiter der digitalen Art sind am effektivsten, da hier diverse Innovationen zur Verfügung stehen, die den Verzerrungen weiter entgegenwirken (siehe 6.3). Maximale Lautheit wird so mit einem Multiband- Brickwall-Limiter mit Look-Ahead und automatischen Regelzeiten erreicht. Durch den Limiter wird außerdem der Maximalpegel für das Master angepasst. Der Maximalpegel beschreibt dabei die Aussteuerungsgrenze des Endmediums. Der Masterrecorder ist daher in der Regel am Ausgang des Limiters angeschlossen. Parallel zum Masterrecorder wird das Audiosignal auf die Abhörmonitore geführt. Die Lautsprecher für die Beurteilung einer Masteringproduktion sollten das gesamte Frequenzspektrum des hörbaren Bereichs abdecken. In der Praxis beschreibt dies einen linearen Frequenzgang von ca. 35 bis 20 khz. Tiefere Frequenzen werden nur noch durch Subwoofersysteme erreicht. Des Weiteren ist auch ein alternatives Abhörsystem vorteilhaft, um einen handelsüblichen Lautsprecher eines durchschnittlichen Konsumenten zu simulieren. Eine perfekte Masteringproduktion muss so auf beiden Abhörsystemen funktionieren Psychoakustikprozessoren Seltener im Einsatz sind die so genannten Psychoakustikprozessoren. Sie machen sich eine spezielle Eigenschaft unseres Gehörs zunutze. Anhand der Ruhehörschwelle können wir eine geringere Wahrnehmung von tiefen und hohen Frequenzen feststellen (siehe 2.3.1). Aus den Kurven gleicher Lautstärkepegel geht jedoch hervor, dass Signale bei einem Schalldruckpegel von 90 db über den gesamten Frequenzbereich annähernd gleich laut wahrgenommen werden (siehe Abb.11). Durch eine leichte Überbetonung des Bassbereichs und der Höhen wird ein lauterer Eindruck des Gehörten auch bei geringeren Lautstärkepegeln erzielt. Dieser Effekt ist auch als die so genannte Loudness- Funktion bei HiFi Verstärkern bekannt. 52

57 Enhancer und Exciter wurden speziell zur Betonung der hohen Frequenzen entwickelt. Der Enhancer verstärkt dabei die Frequenzen, die bereits im Signal vorhanden sind. Er arbeitet nach dem Prinzip eines dynamischen EQs und ist dadurch nichts anderes als ein Multibandkompressor, der nur für ein festes Frequenzband zuständig ist. In abgewandelter Form werden Enhancer auch für den Bassbereich einsetzbar. Der Exciter ist nur für die hohen Frequenzen zuständig. Er fügt dem Signal durch einen speziellen Prozess von Verzerrungen neue Frequenzen hinzu. Dabei generiert er aus den tiefer liegenden Frequenzen neue Obertöne, die er dem Signal aufaddiert. 1 Der Subharmonic Synthesizer ist ein spezieller Effekt für die Generierung von Subbassinformationen. Dies wird durch eine Klangsynthese erreicht, die ähnlich wie der Exciter aus den bereits vorhandenen Frequenzen neue Töne erzeugt. So werden unterhalb der Einsatzfrequenz des Subharmonic Synthesizers Töne erzeugt, die genau eine Oktave tiefer liegen, als die tiefsten, im Signal vorkommenden Frequenzen. 2 Der Subharmonic Synthesizer wird nur bei extremem Mangel der Frequenzen im Bassbereich angewandt. Dieser Effekt gehört vielmehr in die Mischung und fordert meistens auch eine Entscheidung aus künstlerischen Gesichtspunkten. Die Stereobasisverbreiterung gehört ebenfalls zur Gattung der Psychoakustikprozessoren. Sie bietet die Möglichkeit, die Stereoanteile einer Mischung zu verstärken. Dies wird auch als eine Vergrößerung der Stereobasis bezeichnet. Im Gegenzug verringern sich dabei die Monoanteile, d. h. die Phantommitte bei der Stereowiedergabe wird abgeschwächt. Eine Stereoaufnahme bekommt so beim Mastering einen weiten und offenen Klang. Bei der Schallplattenherstellung wird die Stereobasisverbreiterung eher zur Verringerung der Stereoanteile genutzt. Aus Monokompatibilitätsgründen wird nämlich das Stereosignal aus dem Differenzsignal der Seitenschrift (horizontale Auslenkung) und der Tiefenschrift (vertikale Auslenkung) gewonnen. Aufgrund dieser Eigenschaften erzeugen hier zu hohe Stereoanteile im Bassbereich bis ca. 250 Hz Verzerrungen und lassen die Nadel aus der Rille springen. 3 Die Stereobasisverbreiterung kann mittels eines Richtungsmischers umgesetzt werden. Außerdem wird der Richtungsmischer auch zur Einstellung der Signale der XY- oder MS-Technik verwendet. 4 1 Vgl / Vgl / Vgl / Vgl. Dickreiter, M.: Handbuch der Tonstudiotechnik, Bd. 1, K.G. Sauer Verlag 1997, S

58 Bei einem Richtungsmischer der MS-Technik wird auch von einer MS-Matrix gesprochen MS-Matrix Die MS-Matrix basiert auf der einfachen Überlegung: (L+R = M) (L-R = S) mit: M = Mittensignals, S = Seitensignals, L = linkes Signal, R = rechtes Signal. Durch eine MS-Matrix lassen sich beim Mastering Mitten- und Seitensignale separieren. Dies bietet die einzigartige Möglichkeit, Instrumente oder Stimmen, die sich zu großen Teilen nur in einem der beiden Signale befinden, getrennt von den anderen zu bearbeiten. Beim Mastering beeinflusst sonst in der Regel jeglicher Eingriff immer gleich das Gesamtbild ( Everything effects everything ) 1. Diese Regel wird in gewisser Weise mit Hilfe einer MS-Matrix außer Kraft gesetzt. Die Wirkungsweise einer Bearbeitung mit der MS-Matrix demonstrieren uns auch Karaoke-CD-/DVD-Player, die nach demselben Prinzip die Gesangsstimme annähernd verschwinden lassen. Bezüglich des Einsatzes von Produktionsmitteln beim Mastering lässt sich aber generell sagen: Weniger ist oft mehr. 8.3 Premastering und Authoring Premastering bezeichnet die Erstellung einer endgültigen Kopiervorlage (Premaster) für die Vervielfältigung einer CD oder DVD in einem Presswerk. Das Premastering ist hierbei die letzte Instanz zur Fehlerkorrektur bei der Datenübertragung auf das Endmedium, bevor es in einer hohen Auflage vervielfältigt wird. Das Premastering ist der letzte Schritt im Rahmen des Mastering, wird aber als ein eigenständiger Prozess gewertet und sollte daher mit dem reinen Mastering nicht verwechselt werden. Im Gegensatz zum Mastering werden hier keine Klang- oder Dynamikbearbeitungen mehr vorgenommen, es geht vielmehr um eine korrekte Übertragung der Daten. Das Premastering ist dem Authoring bei der Erstellung von DVDs gleichzusetzen, wobei die Daten durch Encodierung in eine vorgeschriebene, standardisierte Form gebracht und anschließend in einem Gesamtkontext auf die DVD verpackt werden. Bei der Audio-CD ist der Red-Book-Standard 1982 von Sony und Phillips als erster Standard festgelegt worden und gilt für die reine Musik-CD bis heute. 1 Vgl. Schmidt, Robin: Was ist Mastering, Mastering, Seite 3. 54

59 Im Red-Book-Standard der Musik-CD ist so zum Beispiel die Auflösung mit 16 bit, die Abtastrate von 44,1 khz und die maximale Anzahl von 99 Titeln definiert. Auch die maximale Spielzeit wurde schon 1982 aufgrund der damaligen Technik auf 74 Minuten festgelegt. Presswerke akzeptieren heute aufgrund der fortgeschrittenen CD-ROM-Technik Spiellängen bis ca. 79 Minuten. Zusammen mit korrekturrelevanten Daten werden alle Informationen im so genannten Kanalcode verschachtelt und auf die CD gebrannt. Kopierschutzmechanismen sind übrigens nicht im Red-Book-Standard vorgesehen und dürfen daher von der Musikindustrie eigentlich nicht angewandt werden. Erweiterte Musik-CDs bieten die Möglichkeit Audio und computerlesbare Daten zu kombinieren, basieren dann aber auf dem so genannten Blue-Book-Standard. Es gibt weitere Standards für diverse Formate der CD, die in den so genanten Rainbow-Books (englisch für Regenbogenbücher) definiert sind. Im Wesentlichen sei hier noch der Scarlet-Book-Standard für die Super-Audio-Compact-Disc (SACD) erwähnt, die einen modernen Tonträger mit erweitertem Dynamikumfang durch eine erhöhte Abtastfrequenz nach dem Delta-Sigma-Verfahren (siehe 4.3) repräsentiert. 1 Beim Premastering werden die einzelnen Tracks in die richtige Länge gebracht. Sofern notwendig werden dabei die Fade-Ins und Fade-Outs neu definiert. Außerdem werden die Pausenzeiten zwischen den einzelnen Stücken festgelegt und die Zusammenstellung in ihrer Gesamtheit auf das Premaster übertragen. Dabei sind die Formatstandards, wie Auflösung und Abtastfrequenz und eine eventuelle Qualitätsminderung durch Requantisierung in der digitalen Ebene zu beachten (siehe 9.2.2). Das Authoring auf CD wird durch diverse CD- Brennsoftware im Rechner bewerkstelligt. Für die spezielle Vervielfältigung einer Audio-CD in einem Presswerk muss im Red-Book-Standard und mit Disc-At- Once gebrannt werden. Dabei werden alle Daten auf einmal auf die CD geschrieben und die CD anschließend abgeschlossen, sprich finalisiert. Ein weiteres Hinzufügen von Daten ist somit nicht mehr möglich. Nach dem Finalisieren der Brennsession ist als Abschluss des gesamten Masteringprozesses ein letztes Testen des Premasters angesagt, um Fehler durch den Brennprozess auszuschließen, bevor diese im Kopierwerk ebenfalls vervielfältigt werden. 1 Vgl. de. wikipedia.org /Premastering /Rainbow_Books#Red_Book /Super_Audio_Compact_Disc, 08/

60 9. Möglichkeiten zur Erweiterung einer Systemdynamik 9.1 Kompandersysteme Schon sehr früh wurde eine Vergrößerung der Systemdynamik angestrebt, vor allem um dem Rauschen der damaligen analogen Systeme entgegenzuwirken. So wurde für bessere Bandmaschinen ein Geräuschverminderungsverfahren entwickelt, das heute als Kompandersystem bekannt ist. Der Kompander ist eine Kombination aus einem Kompressor für die Aufnahme und einem Expander für die Wiedergabe (siehe Kpittel 6). In diesem Zusammenhang wird eine ursprünglich große Signaldynamik durch den Kompressor eingeengt, sprich verkleinert. Dadurch kann sie der kleineren Systemdynamik des Übertragungsmediums angepasst werden. Bei der Wiedergabe wirkt ein Expander in umgekehrter Weise für die Expandierung der Signaldynamik zur ursprünglichen Größe. Solche Kompandersysteme werden zur Rauschunterdrückung (engl. Noise Reduction), bzw. zur Vergrößerung des Dynamikumfangs genutzt. Anwendung findet dieses Verfahren bei Tonbandgeräten, analogem Lichtton, sowie bei der Signalübertragung per Funk. Kompandersysteme wurden von verschiedenen Firmen weiterentwickelt. Bekannte Systeme sind zum Beispiel: Dolby A, B, C und S, dbx oder HighCom (Telefunken). Der Nachteil einer solchen Technik ist die Kompatibilität zu anderen Systemen. Ein Signal, das vorher mit einem Kompandersystem encodiert wurde, kann nur auf Systemen mit entsprechendem Decoder korrekt wiedergegeben werden. Außerdem bleibt die Bearbeitung eines Signals durch ein Kompandersystem nicht gänzlich unbemerkt. Leider werden die Transienten einiger Instrumente beeinflusst und bilden Artefakte aus, besonders bei sehr leisen Signalen nahe der Rauschgrenze. Zitat von Jürg Jecklin (Tonmeister Radio Studio Basel): Geräuschverminderungsverfahren zeigen immer einen mitziehenden Rauschteppich, und der sowieso nie linealglatte Frequenzgang eines Analoggerätes wird durch die Regelvorgänge weiter verschlechtert (Verstärkung der Abweichungen). 1 So bleibt die Effektivität dieser analogen Technik gegen die Beeinflussung des Originalsignals abzuwägen. 1 Vgl. HiFi Stereophonie, Motor Presse Stuttgart, Heft 4/1983, Seite 438ff. 56

61 9.2 Dynamikverbesserung in der digitalen Ebene Auch in der Digitaltechnik wird versucht, die zur Verfügung stehende Systemdynamik noch weiter zu verbessern. Hierbei wird das Quantisierungsrauschen, das als Nebeneffekt eines jeden A/D- Wandlungsprozesses auftritt (siehe 4.2), durch spezielle Verfahren verringert Noise shaping Eines dieser Verfahren ist das bereits erwähnte Oversampling (siehe 4.3). Die Oversamplingtechnik lässt sich durch einfache Überlegung um einen bedeutenden Schritt erweitern. Wird die Rauschleistung ungleichmäßig im Frequenzspektrum verteilt und in einen für den Informationsgehalt des Signals unwichtigen Frequenzbereich verschoben, so wird ein größerer Signal-Rauschabstand im Nutzsignal erreicht. In der Praxis wird das Rauschen stärker in Richtung der Abtastfrequenz f A konzentriert und anschließend durch digitale Filterung oberhalb der höchsten im Signal vorkommenden Nutzfrequenz f O entfernt. Dieses Verfahren wird als Noise shaping bezeichnet. Abb. 37: Frequenzspektrum des Quantisierungsrauschens beim Noise shaping. 1 f A f O Bei entsprechender Überabtastung durch Oversampling kann das Quantisierungsrauschen noch wirkungsvoller aus dem Nutzsignal entfernt werden. Es gibt verschiedene Algorithmen beim Noise shaping. Einige Verfahren orientieren sich an den Kurven gleicher Lautstärkepegel und formen das Rauschen für Bereiche, in denen unser Gehör weniger empfindlich ist. So wird das nach dem Noise shaping verbleibende Quantisierungsrauschen als noch weniger störend wahrgenommen. 2 (Siehe auch Abb. 40, Seite 60). Moderne digitale Audiosysteme profitieren heute von der Kombination durch Oversampling und Noise shaping. Auch beim Delta-Sigma-Wandler (siehe 4.3) wird ein hochwertiger Noise shaping-algorithmus regelmäßig eingesetzt. 1 Ursprung: disi. eit.uni-kl.de/skripte/audio1/audi8.pdf, 08/ Vgl. de. wikipedia.org/wiki/noise_shaping, 08/

62 9.2.2 Dithering Durch den technischen Fortschritt in der digitalen Audiotechnik werden Aufnahmen mit immer höheren Auflösungen möglich. 24-bit-Audioproduktionen sind heute Standard. Meistens wird aber im Laufe der Produktion eine Requantisierung in ein Audioformat mit einer geringeren Auflösung notwendig, denn oft steht am Ende einer langen Produktionskette ein Tonträger mit nur 16 bit, wie zum Beispiel die gute alte Audio-CD. Beim Requantisieren in ein Format mit geringerer Auflösung ist generell Vorsicht geboten. Durch den Verlust an Auflösung entsteht ein zusätzlicher Quantisierungsfehler, der sich ähnlich dem Quantisierungsrauschen äußert. Bei der Requantisierung von 24 bit in 16 bit werden die untersten 8 bit einfach abgeschnitten. War vorher mit 24 bit ein theoretischer Dynamikumfang von ca. 144 db möglich, so können bei 16 bit Signale, die 96 db unter Vollaussteuerung liegen, nicht mehr aufgelöst werden (siehe 4.4). Darunter leiden besonders Rauminformationen wie der Nachhall einer musikalischen Aufnahme oder Signale, die bei der ursprünglichen 24 bit Aufnahme absichtlich leiser ausgesteuert wurden als minus 96 db, zum Beispiel Fade-Outs. Betrachten wir den Informationsgehalt des niedrigsten bit (engl. Less Signifikant Bit = LSB) des 16 bit-signals, so stellt dies das Produkt der letzten 8 bit des 24- bit-signals dar, die durch die Requantisierung entfernt wurden. Allerdings kann ein Signal, das digital nur zu einem bit ausgesteuert wird, nur den Zustand 0 oder 1 annehmen. Dadurch gleicht auch ein Sinussignal sowie auch andere periodische Signale, immer einem Rechtecksignal. Das Signal wird also verzerrt. Jeder musikalische Klang wirkt dadurch unnatürlich hart. Abb. 38: 16 bit Sinussignal wird im Fade-Out zum Rechtecksignal. Zusätzlich wird dieses verzerrte Signal vom erhöhten Quantisierungsrauschen durch die geringere Auflösung stark beeinflusst. Dies wird auch als Korrelation des quantisierten Signals mit dem Quantisierungsrauschen bezeichnet. Um eine Dekorrelation zu erhalten, wird noch vor der Requantisierung ein zusätzliches Rauschen addiert. Dieser Prozess wird auch als Dithering bezeichnet. Durch das Dithering werden Verzerrungen der Signale mit geringer Aussteuerung wirkungsvoll unterdrückt, allerdings auf Kosten einer geringfügigen Anhebung des Rauschteppichs. 1 1 Vgl. disi. eit.uni-kl.de/skripte/audio1/audi8.pdf, 08/

63 Abb. 39: 16 bit-signal mit geringer Aussteuerung, links ohne, rechts mit Dither. 1 Beim Dithering werden außerdem die bits, die durch die Requantisierung in ein Format mit geringerer Auflösung verloren gehen, zusammen mit dem Dither- Signal in das niedrigste bit (LSB) des neuen Signals aufmoduliert. Dadurch können Rauminformationen und Decayphasen in einem Musiksignal bei 16-bit Dithering noch bis zu minus 115 db hörbar sein, obwohl ein 16 bit-signal nur eine Systemdynamik von 96 db umfasst. Das Dithering bietet somit die Möglichkeit, ein wenig von der ursprünglichen Qualität in das Format mit geringerer Auflösung herüber zu retten. 2 In der Audiotechnik werden verschiedene Formen des Dither-Rauschens angewandt. Im Wesentlichen entspricht es aber weitestgehend einem weißen Rauschen. Die verschiedenen Dither-Typen werden auf Basis der Wahrscheinlichkeit ihrer Amplitudenverteilung unterschieden. Bei der Bearbeitung von Musiksignalen hat sich ein dreiecksförmig-verteilter Dither (Triangular Probability Dense Function, TPDF-Dither) durchgesetzt, da er das Signal effektiv dekorrelliert und dabei nur eine geringe Menge an Rauschen hinzufügt (4,77 db). 3 Die Hörbarkeit der Dither-Signale kann durch Noise shaping weiter reduziert werden. Das Noise shaping orientiert sich hierbei zumeist an psychoakustischen Vorgaben durch die Hörschwelle, da bei Dithering kein Oversampling möglich ist! Im Folgenden werden diverse Dither-Algorithmen mit unterschiedlichen Noiseshaping-Methoden von verschiedenen Herstellern visualisiert. 1 Quelle: disi. eit.uni-kl.de/skripte/audio1/audi8.pdf, 08/ Vgl / Vgl. de. wikipedia.org/wiki/dithering_%28audiotechnik%29, 08/

64 Abb. 40: Dither-Algorithmen mit unterschiedlichen Noise-shaping-Methoden. 1 No noise shaping (TPDF dithering) Cool Edit (C1 curve) Sony Super Bit Mapping Apogee UV22 WAVES L2 ("Normal" preset) L1-Ultramaximizer("Ultra"preset) WaveLab (Type3 curve) ExtraBit ("Ultra+LPDN" preset) Bei den meisten Algorithmen zeichnet sich eine Tendenz zur Betonung der hohen Frequenzen ab. Die meisten Entwickler setzen auf die Überbetonung der Bereiche von 16 bis 20 khz, da diese Frequenzen zumeist von älteren Menschen schlecht bis überhaupt nicht mehr wahrgenommen werden. Für den Rest hören sich Signale nach einem derartigen Noise shaping obertonreicher an. Auf der anderen Seite ist es sinnvoll, die Bereiche, die unser Gehör besonders gut wahrnimmt, durch das Noise shaping zu reduzieren. Das Resultat überzeugt durch eine erstaunliche Rauschfreiheit der Dither-Signale. 2 Die effektive Systemdynamik von 54 db bei der Audio-CD (siehe 4.4) verbessert sich je nach Dither und Noise shaping auf 60 bis 84 db. 3 1 Ursprung : audio. rightmark.org/lukin/dither/dither.htm, 08/ Vgl / Vgl. Schmidt, Robin: Was ist Mastering, Mastering, Seite 5. 60

65 10. Datenreduktion 10.1 Datenübertragungsrate Je hochwertiger die Qualität eines digitalen Audiosignals, desto größer wird die Menge der zu verarbeitenden Daten (vergleiche hierzu Kapitel 4). Auf der einen Seite werden durch den technischen Fortschritt immer größere Auflösungen (derzeit bis zu 64 bit) gepaart mit einer sehr hohen Abtastrate (derzeit bis zu 192 khz) möglich. Auf der anderen Seite ist der Speicherplatz für eine Archivierung sowie die Kanalkapazität bei der Übertragung eines Audiosignals immer begrenzt. Der Bedarf an Speicherplatz sowie die Auslastung der Bandbreite bei der Übertragung äußert sich in der Datenübertragungsrate (Bitrate) eines digitalen Audiosignals. Beispiel zur Datenrate bei einem Stereosignal in CD-Qualität. Bitrate = Auflösung (in bit) * Abtastfrequenz (in Hz) * Kanäle; (in bit/s) Bitrate Audio-CD = 16 bit * 44,1 khz * 2 (Stereo) = 1411 kbit/s Bei der Datenreduktion von digitalen Audiodaten steht die Erhaltung der Tonqualität im Vordergrund. Trotzdem ist eine effektive Datenreduktion derzeit nur mit verlustbehafteten Kompressionsverfahren möglich, worunter die Audioqualität mehr oder weniger hörbar eingeschränkt wird. Ziel ist hierbei oft, die CD-Qualität trotz einer reduzierten Datenübertragungsrate zu erhalten. Eines dieser verlustbehafteten Verfahren liegt dem heute weit verbreiteten MP3- Format aus dem MPEG-Audio-Standard zugrunde. Im Folgenden soll das Verfahren des MPEG-1/2 Audio Layer 3 (MP3-Verfahren) verdeutlicht werden MPEG-Audio-Standard Die Datenreduktion beim MP3-Verfahren basiert auf der Reduktion von nicht wahrnehmbaren (irrelevanten) Signalanteilen nach psychoakustischen Vorgaben. Anschließend erfolgt eine Encodierung zur optimalen Komprimierung redundanter Audiodaten. Dabei werden spezielle Algorithmen, wie zum Beispiel die Huffmannund Lauflängenkodierung angewandt, die auch bei der digitalen Bildbearbeitung zum Einsatz kommen. Das so genannte perceptual audio coding ist ein spezielles Verfahren des MPEG- Audio-Standards. Das digitale Eingangssignal wird hierbei in 32 schmalbandige Frequenzbänder unterteilt. Die einzelnen Teilbänder werden dann unter Berücksichtigung spezieller psychoakustischer Effekte quantisiert und codiert. Dabei werden in erster Linie die Signale eingespart, die von lauteren verdeckt werden. In diesem Zusammenhang wird auch vom Verdeckungseffekt gesprochen. 61

66 Abb. 41: Verdeckungseffekt. 1 Die Abbildung visualisiert den Bereich der Verdeckung durch eine Frequenz von 1 khz mit hohem Pegel. Die Grafik macht deutlich, dass auch benachbarte Frequenzen in geringerem Ausmaß ebenfalls verdeckt werden. Die Hörschwelle wird also in einem gewissen Bereich um einen lauten Ton herum angehoben. Die Anhebung ist dabei abhängig von der Lautstärke des Tons. Dieses Phänomen wird auch als Maskierung bezeichnet. Die Maskierung ist frequenzabhängig und ändert sich mit der Hörschwelle. Beim perceptual audio coding werden leisere Signale, die auf diese Weise verdeckt, sprich maskiert werden, erst gar nicht übertragen. Die Quantisierung passt sich so dem Signal unter Berücksichtigung des Verdeckungseffekts sowie der Maskierung durch benachbarte Frequenzen in den einzelnen Frequenzbändern an. Abb. 42: Datenreduktion durch Anpassen der Quantisierung. 2 Datenreduktion auf Basis einer Anpassung der Quantisierung, beruht auf der Überlegung, dass das zunehmende Quantisierungsrauschen durch die geringere Auflösung ebenfalls mit dem lauten Signal verdeckt wird. 1 Ursprung: / Ursprung: mp3_ mp3mp3-dateiformat.html, 08/

67 Hörversuche haben erwiesen, dass der Verdeckungseffekt schon innerhalb einiger Millisekunden vor einem Schallereignis einsetzt und sich danach sogar noch etwas länger auf leisere Signale auswirken kann. Dies wird als zeitliche Maskierung bezeichnet. Auch dieser Effekt wird beim perceptual audio coding berücksichtigt. Die Fähigkeit unseres Gehörs, Tonhöhen zu unterscheiden, ist frequenzabhängig. Mit ansteigender Frequenz vermag das menschliche Gehör immer weniger zu differenzieren. Unter Berücksichtigung dieser Eigenschaft können bei der Audiokodierung mehrere Frequenzen zusammengefasst und dadurch nochmals Daten eingespart werden. Abb. 43: Gerade noch wahrnehmbare Tonhöhenänderungen. 1 Alle relevanten psychoakustischen Eigenschaften fließen beim perceptual audio coding des MPEG-Audio-Standards in das so genannte Psychoakustische Modell mit ein. Anschließend werden die so kodierten Daten der einzelnen 32 Teilbänder zum MP3-Datenstrom zusammengefasst. 2 Der MPEG-Audio-Standard verwendet für das MP3-Format verschiedene Abtastfrequenzen. Bei MPEG-1 sind es zum Beispiel 32, 44,1 und 48 khz. MPEG-2 bietet hingegen eine noch größere Auswahl. Heute gängige MP3-Enkoder bieten standardmäßig Bitraten zwischen 8 kbit/s und 320 kbit/s. Die beste Qualität wird für ein MP3-kodiertes Stereosignal mit einer Datenübertragungsrate von 320 kbit/s erzielt. Im Vergleich zur Audio-CD mit 1411 kbit/s entspricht dies in etwa einer Datenreduktion um den Faktor 1:4. Annähernde CD-Qualität ergibt sich bereits schon bei geringeren Datenraten größer 160 kbit/s. Diese Eindrücke sind recht subjektiv und von Mensch zu Mensch sowie von Gehör zu Gehör unterschiedlich, die meisten Personen können jedoch ab einer Bitrate von etwa 160 kbit/s und bei Nutzung eines ausgereiften Enkodierers auch bei konzentriertem Zuhören das kodierte Material nicht mehr von dem Ausgangsmaterial unterscheiden. 3 1 Ursprung: / Vgl. www. iis.fraunhofer.de/amm/techinf/layer3/index.html, 08/ de. wikipedia.org/wiki/mp3. 63

68 11. Von der Aufnahme bis zum Master 11.1 Hintergründe und Zielsetzung The Grooving Gospel Singers ist ein Chor-Projekt des CVJM Esslingen-Sulzgries, das seit fünf Jahren besteht. Im Repertoire des Chors finden sich fast ausschließlich Gospelsongs: sowohl traditionelle Spirituals als auch moderne, zeitgemäße Lieder mit christlichen Inhalten. Die Sänger sind 14 Mädchen im Alter von 15 bis 20 Jahren, die bis auf wenige Ausnahmen sonst keinen Gesangsunterricht o.ä. nehmen, sondern einfach nur Spaß am Singen haben. Ehrenamtlich geleitet wird der Chor von Florian Daferner, einem engagierten Hobbymusiker und Pianist. Er verfügt über keine spezielle Ausbildung im Bereich Chorleitung/Gesang und versteht sich deshalb mehr als Motivator und Arrangeur. Langjährige Erfahrung im Bereich der elektronischen Musikproduktion schlägt sich in einem zeitgemäßen, poppigen Sound vieler Arrangements nieder, die er alle eigens für den Chor produziert. 1 Damit das Projekt sich finanziell selber tragen kann, werden jedes Jahr sechs bis acht Konzerte in verschiedenen Kirchen der Region veranstaltet. Bei diesen Auftritten wurde immer wieder die Frage nach einer CD-Aufnahme laut. Der Autor dieser Arbeit ist seit mehreren Jahren aufgrund der freundschaftlichen Verbindung zum Chorleiter für den Live-Sound der Grooving Gospel Singers verantwortlich. Insofern lag es natürlich nahe, ihn mit der Herausforderung zu konfrontieren, mit der Gruppe ein Studio-Album aufzunehmen. Die fertige CD sollte dann professionell im Kopierwerk gefertigt und bei den Auftritten verkauft werden. Geplant waren insgesamt 16 Tracks, die im Laufe von zwei Wochenend-Sessions aufgenommen werden sollten. Für den Schnitt und die Mischung waren insgesamt 7-10 Tage veranschlagt, allerdings unter der Voraussetzung, dass die Playbacks bereits fertig als Einzelspuren vorlagen. Das finale Mastering sollte an einem weiteren Wochenende geschehen. Eine Produktion in diesem Umfang war nur möglich, da bereits in einem frühen Stadium feststand, dass die Entstehung im Rahmen einer Diplomarbeit dokumentiert werden würde Örtlichkeit Für die Aufnahme wurden freundlicherweise die Räumlichkeiten der Firma daffilm (Esslingen) zur Verfügung gestellt. Dafür wurde das Videostudio sowie die Videoregie zweckentfremdet und zu einem Tonstudio umfunktioniert. Für die Aufnahme musste aber zunächst das Videostudio akustisch optimiert werden. Durch das Anbringen von Absorbermaterial konnten dabei die Nachhallzeiten 1 Vgl www. grooving-gospel-singers.de/, 08/

69 reduziert werden. Die Mischung und das Mastering fanden anschließend in der eigenen Firma des Autors im TONSCHIEBER Studio statt Aufnahmetechnik Hauptbestandteil der Aufnahmetechnik für die CD-Produktion waren mehrere Mikrofone, die dafür benötigten Mikrofonvorverstärker und ein A/D-D/A-Wandler für den Signaltransfer mit einer Digitalen-Audio-Workstation auf PC-Basis. Die Workstation bildete dabei den zentralen Punkt, in dem alle Signale zusammenliefen. Auch der gesamte Record-Mix wurde über ein Mischpult in der digitalen Ebene realisiert. Die Aufnahme der Chorstimmen sowie der Musikinstrumente und der Solisten erfolgte im so genannten Dubbing-Verfahren, wobei die einzelnen Stimmen teilweise nacheinander zum bereits bestehenden Playback aufgenommen wurden. Das Playback in diesem Projekt bestand großteils aus elektronisch vorproduzierten Spuren, die sich im Wesentlichen in Schlagzeug-, Bass-, Piano-, Keyboard- und Orgelspuren gliederten. Diese Spuren wurden dann vorab für die Kopfhörersignale gemischt und für die Sänger bzw. die Musiker im Aufnahmeraum bereitgestellt. Der Kopfhörermix bestand somit aus dem Playback sowie der zusätzlichen Stimmen der jeweiligen Sänger, Solisten oder Musikinstrumente, die gerade eingespielt wurden. Des Weiteren bestand die Möglichkeit, die vorher aufgenommenen Signale für die nächste Session ebenfalls in das Playback zu integrieren. Für den Chorgesang standen insgesamt vier Kopfhörermixe zur Verfügung, wobei Alt- und Sopranstimme jeweils in zwei Gruppen unterteilt wurden. Zur besseren Kontrolle der eigenen Stimme erhielten die einzelnen Gruppen die eigenen Signale stärker gewichtet auf den Kopfhörer. Dies konnte individuell für die jeweilige Gruppe nachjustiert werden. Ein Behringer Powerplay Kopfhörerverstärker verteilte dabei die vier Kopfhörermixe auf die insgesamt 14 Kopfhörer. Zur Verständigung aus der Aufnahmeregie mit den Musikern im Aufnahmeraum wurde für alle Kopfhörersignale zusätzlich noch ein einheitliches Talk-Back-Signal eingerichtet. Zur Begleitung der Gesangsstimmen stand das Piano des Chorleiters in der Regie für alle Kopfhörersignale im Aufnahmeraum zur Verfügung. Für den Chorgesang wurde ein Einzelmikrofonverfahren gewählt, um dem von den Künstlern geforderten Studio-Charakter für die CD-Produktion gerecht zu werden. Die einzelnen Signale wurden dabei so nah wie möglich mikrofoniert (ca. 20 bis 30 cm), um auch das Übersprechen der Signale auf ein Minimum zu reduzieren. Für den Chor standen insgesamt sieben Kondensator-Kleinmembranmikrofone des Typs AKG C-1000 sowie ein Rode NT 1000 Großmembran-Kondensatormikrofon zur Verfügung, das wegen der höheren Qualität auch für die Aufnahmen mit den Solisten und Instrumenten verwendet wurde. 65

70 Die Mikrofonsignale wurden über einen RME OctaMic Mikrofonvorverstärker auf Line-Pegel gebracht und anschließend durch einen A16 AD/DA- Wandler in 24 bit und 44,1 khz digitalisiert. Die digitalen Signale erreichten anschließend über ein optisches ADAT-Kabel die Audio-Workstation. Der AD/DA- Wandler stellte dabei auch das Verbindungsglied zur analogen Außenwelt dar, zumindest für die Kopfhörersignale im Aufnahmeraum. Bei der Aussteuerung des A/D-Wandlers durch den Mikrofonvorverstärker musste darauf geachtet werden, dass die einzelnen Mikrofonsignale nicht übersteuerten. Der OctaMic bot hier eine kleine Hilfe in Form einer blinkenden Clipping-LED pro Kanal. Außerdem konnten die Signale am A/D-Wandler durch eine fünfstellige LED-Kette kontrolliert werden. Durch den Umstand, dass die Sänger in der laufenden Aufnahme-Session eine ganz unterschiedliche Dynamik entwickelten, bestand eine gewisse Unvorhersehbarkeit der Signale. Oft musste daher die Verstärkung am Mikrofonvorverstärker über die entsprechenden Drehregler zurückgenommen werden. Die bereits erwähnte Digital-Audio-Workstation bestand aus einem Windows XP- Home basierten Betriebssystem, das auf einem Intel Pentium 4 Rechner mit 3,2 GHz und 2 GB RAM ausgeführt wurde. Zusätzliche Rechenpower und diverse Audioschnittstellen erhielt die Workstation durch ein cre@mware SCOPE-DSP 1 - System. Aufgezeichnet und wiedergegeben wurden die für die Musikproduktion relevanten Signale mit der Audio-Sequenzer-Software Nuendo von Steinberg. Der Sequenzer kommunizierte über einen ASIO-Treiber 2 mit dem DSP-System. Die digitalen Daten wurden dabei direkt auf eine Festplatte geschrieben bzw. von derselbigen wiedergegeben. Durch die speziellen Treiber des SCOPE-Systems wurden die benötigten Signalwege des gesamten Projekts im so genannten Rooting Window verwirklicht. Abb. 44: Rooting Window. 1 DSP = Digitaler Signal Prozessor. 2 ASIO = Audio Stream Input/Output Treiber. 66

71 11.4 Musikschnitt. Vor der Weiterverarbeitung der einzelnen Spuren musste eine Auswahl der doppelten Aufnahmen getroffen werden. Dabei wurde immer nur die beste Aufnahme beibehalten. Der Rest konnte anschließend endgültig gelöscht werden, so dass wieder Platz auf der Festplatte und eine gewisse Überschaubarkeit im Schnittfenster der Sequenzer-Software einkehrten. Die resultierenden Spuren bestanden nun aber aus unterschiedlichen Aufnahme- Takes, die teilweise inmitten einer musikalischen Phrase wechseln sollten. Dafür wurden die verschiedenen Takes bei Bedarf mit einem so genannten Cross-Fade überblendet. Außerdem kam am Anfang und am Ende der einzelnen Takes jeweils eine Blende zum Einsatz, um grobe Amplitudensprünge durch den harten Schnitt zu vermeiden. Weitere Schnitte wurden zur Vermeidung von Atemgeräuschen bzw. Schmatzen, Husten oder Rascheln durchgeführt, um vor allem ruhige Passagen zu bereinigen. Auf diese Weise ließen sich auch andere Störgeräusche entfernen. Der Hauptbestandteil der Arbeit beim Musikschnitt war vor allem der gefühlvolle Einsatz der Fades. Abb. 45: Fades beim Musikschnitt. Der Musikschnitt ermöglichte auch das Editieren des Songkonstrukts. Beim so genannten Editing konnten zum Beispiel der beste Refrain und andere Wiederholungen im Liedaufbau kopiert und an anderer Stelle ersetzt werden. Dadurch wurde eine gewisse qualitative Konstanz innerhalb eines Songs erreicht. 67

72 11.5 Rooting und Mischung Die komplette Mischung des Projekts wurde ebenfalls auf digitaler Ebene vollzogen. Dabei liefen alle Spuren aus der Aufnahme-Session sowie den bereits bestehenden, elektronisch vorproduzierten Musikspuren auf dem Mischpult des Audio-Sequenzers zusammen. Die für das Mischungsverhältnis relevanten Lautstärkeeinstellungen der einzelnen Kanäle erfolgten mit den Pegelstellern, den so genannten Fadern. In diesem Arbeitsschritt sollte auf ein ausgewogenes Lautstärkeverhältnis der Chorstimmen zueinander sowie auf den Gesamtkontext der musikalischen Mischung geachtet werden. Die Lautstärkeeinstellungen wurden dabei nach dem Gehör vorgenommen. Technisch musste darauf geachtet werden, dass sich die Pegel der einzelnen Signale innerhalb der dynamischen Grenzen bewegten. Vor allem sollte dabei kein Signal übersteuert werden. Die Pegelanzeigen der Kanalzüge im Mischpult des Sequenzers dienten dabei zu Kontrollzwecken. Abb. 46: Pegelanzeigen des Software-Sequenzer-Mischpults und De-Esser. Für die Chorstimmen stellte sich heraus, dass die S- und Zischlaute in der Gesamtheit zu aufdringlich wurden. Dabei konnte ein De-Esser im Kanal-Insert auf den Spuren der einzelnen Chorstimmen Abhilfe schaffen. Beim De-Esser handelte es sich um einen Renaissance DeEsser des Plug In Herstellers Waves. Der De-Esser arbeitete nach dem Multiband-Prinzip (siehe 6.6). Zur Vermeidung von Übersteuerungen wurde in fast jedem Kanal noch ein Soft-Limiter eingesetzt (siehe 6.3). Um die CPU des Rechners zu entlasten, sollten aber keine weiteren Effekte in der Sequenzer-Software eingesetzt werden. So besaß jeder Kanal einen separaten Busausgang, der über den ASIO-Treiber auf das Mischpult des DSP- Systems übertragen wurde. Hierbei kamen diverse DSP-Effekte zum Einsatz. Im Folgenden soll die Spurbelegung des DSP-Mixers verdeutlicht werden: 68

73 Abb. 47: Tabelle der Spurbelegung des DSP-Mixers. Kanal Spurbezeichnung Anmerkung Kanalart 1 Beat 1 Schlagzeugspur 1 Stereo 2 Beat 2 Schlagzeugspur 2 Stereo 3 Beat FX Perkussion Stereo 4 Bass Mono 5 Piano Stereo 6 Organ Stereo 7 Guitar Stereo 8 Keys Keyboards/Synthesizer Stereo 9 Solo 1 Solo Hauptgesang Stereo 10 Solo 2 Duo Stereo 11 Solo 3 Männerstimme Mono 12 Tenor Saxophon Mono 13 Alt Saxophon Mono 14 Chor 1 Mono 15 Chor 2 Mono 16 Chor 3 Mono 17 Chor 4 Mono 18 Chor 5 Mono 19 Chor 6 Mono 20 Chor 7 Mono 21 Chor 8 Mono 22 - Leer Leer - 24 Hall Kunsthall Stereo Master Summe Stereo Mix Bus Abb. 48: STM 2448 DSP-Mixer. 69

74 11.6 DSP-Effekte Folgende grundlegende DSP-Effekte kamen zum Einsatz: In fast jedem Kanal wurde der Kanal-EQ des STM 2448 benutzt. Für einen möglichst transparenten Sound mussten die charakteristischen Frequenzen der einzelnen Signale gefunden werden, um sie in der Mischung bzw. im Frequenzspektrum gut hörbar zu platzieren. Abb. 49: Aufräumen der Frequenzen bei Bass (links) und Chorstimmen (rechts) Durch den Low-Cut-Filter wurden dem Bass die untersten Frequenzen genommen. Dadurch wurde der Bass entwummert und etwas härter definiert. Zusätzliche Definition brachte dabei eine Anhebung der Obertöne. Den Gesangsspuren konnte durch einen Präsenzfilter bei der oberen Grenzfrequenz eine seidige Brillanz verliehen werden (siehe auch 2.2.6). Dies ergänzte sich mit dem De-Esser, der zuvor die hohen Frequenzen der S- und Zischlaute reduzierte. Abb. 50: Kanal-EQ der Schlagzeugspur 1: Beat 1. Abb. 51: Multibandkompressor. Die Schlagzeugspur 1 (Beat 1) besaß als Besonderheit einen Multibandkompressor mit drei Bändern, den so genannten Optimaster. Da das Schlagzeug nur als kompletter Mix vorlag, konnte mit dem Multibandkompressor flexibler in den Klang eingegriffen werden (siehe auch 6.6). Bei allen anderen Spuren kam ein Vinco Einzelbandkompressor zum Einsatz. Der Vinco ist ein Vintage Compressor mit Soft Clipping der analoge Wärme emuliert. 1 1 Vgl: www. cwaudio.de/index.php?seite=vinco&lang=de, 08/

75 Abb. 52: Vinco Stereo Kompressor. Das Kompressionsverhältnis wurde für alle Signale sehr gering gewählt. Außerdem kamen kurze Regelzeiten zum Einsatz, um eine möglichst unhörbare Kompression zu erzielen. Durch diese dynamischen Effekte konnten sich die einzelnen Stimmen und Instrumente im Mix besser durchsetzen. Wegen der dynamischen Bearbeitung musste aber die Lautstärke der einzelnen Signale durch den Gain-Regler (hier Output-Regler) oder die Kanal-Fader des DSP-Mixers angepasst werden. Im Zuge der Mischung wurden die Stimmen und Instrumente mit Kunsthall verziert. Dies kam auch dem poppigen Charakter der Produktion und an anderer Stelle den getragenen Balladen entgegen. Der Hallanteil konnte dabei für jede Spur individuell über die Regler der Aux-Wege (siehe auch 7.1) eingestellt werden. Abb. 53: Die Auxwege münden im Hall. Der Hall lag wiederum auf einem Kanal im Mischpult und konnte über den Kanal- Fader in seiner Intensität eingestellt werden. Für die Choraufstellung im Stereo-Panorama der Mischung wurden die Panorama- Potentiometer des DSP-Mixers verwendet. Auf dieselbe Weise ließen sich auch die Saxophone aus der Mono-Mitte befördern. 71

76 11.7 Mastering Nach einer für alle Seiten zufriedenstellenden Mischung konnte sich dem Mastering gewidmet werden. Hierbei sollten letzte klangliche Korrekturen vorgenommen und die durchschnittliche Lautstärke erhöht werden. Das Mastering wurde dabei zu großen Teilen in der Stereosumme des STM 2448 DSP-Mixers durchgeführt. Zum Einsatz kam ein Optimaster Multibandkompressor, der allerdings nur wenig in das Signal eingriff. Hierbei wurden lediglich dynamische Ausreißer mit den drei separaten Bändern vorkomprimiert. Für eine letzte Frequenzgangskorrektur kam ein PEQ 4 S parametrischer Stereo- Equalizer mit verschiedenen Filtertypen zum Einsatz. Der Equalizer bot vier Frequenzbänder, von denen allerdings nur zwei benutzt wurden. Der erste Filter bestand aus einem Hochpassfilter, der zur Entfernung tieffrequenter Subbasssignale diente. Durch das zweite Filterband konnten die Höhen mittels eines Glockenfilters dezent angehoben und so der Produktion ein edler Charakter verliehen werden. Abb. 54: Der beim Mastering verwendete EQ PEQ 4 S. Um Lautstärke aufzuholen sowie der Produktion den nötigen punch bei rhythmischen Titeln zu verschaffen, kam ein weiterer Vinco in der Masteringkette zum Einsatz. Die Gain-Reduktion des Kompressors lag zwischen 2 und 4 db. Der Soft-Clip wurde dabei bewusst zur Begrenzung der Pegelspitzen eingesetzt. Das Signal hatte nun einen durchschnittlichen Pegel von -12 bis -10 db (RMS) bei einem Spitzenpegel von 0 db (Peak). Für heutige Musikproduktionen stellt dieser Wert, der auch als Crest Faktor bezeichnet wird (siehe 7.3), eine mittlere Lautheit dar. Ein Crest Faktor von weniger als 8 db ist heutzutage bei Pop oder Rock CDs keine Seltenheit mehr. 1 1 Schmidt, Robin: Was ist Mastering, Mastering, Seite 5. 72