Direct Stream Digital

Lorsque le processus de conversion Sigma-Delta a été décrit pour la première fois dans le brevet 2 927 962 de C. C. Cutler en 1954 (mais il ne fut nommé ainsi que dans l'article de H. Inose, Y. Yasuda, et J. Murakami en 1962), la décimation n'existait pas et l'intention était de transférer telles quelles des données sur-échantillonnées.

C'est en 1969 que D.J. Goodman propose dans son article « The Application of Delta Modulation of Analog-to-PCM encoding », pour la toute première fois dans l'histoire du son, de décimer des données Sigma-Delta sur-échantillonnées pour ensuite les convertir en Modulation d'impulsion codée[1] (en anglais PCM, acronyme de Pulse Code Modulation).

Tout juste trente ans plus tard, en 1999, Sony et Philips réutilisent le principe 'Delta-Sigma Direct' pour leur nouveau type de données audio surnommé Direct Stream Digital, et l'associe au format Super Audio CD, dont l'objectif est de succéder au Compact Disc et, si succès commercial, le supplanter.

Comparaison entre l'encodage LPCM et DSD.

Le DSD est une méthode de stockage de signal Sigma-Delta avant application d'un décimateur qui le convertit en PCM.

Sa technologie consiste en un codage de son à très haute fréquence d’échantillonnage, 64 fois supérieure à l'échantillonnage PCM du Compact Disc, soit 64 fs (1 fs = 44100 Hz, donc 44 100 Hz × 64 = 64 fs = 2,822 4 MHz). Il est quantifié sur 1 bit unique, autorisant une bande passante allant jusqu’à 80 kHz voire 100 kHz et une dynamique de 120 dB ; elle est donc bien supérieure à celle recommandée par le théorème d’échantillonnage de Nyquist-Shannon. Ce procédé n'ayant pas besoin de filtres décimateurs et d'interpolation, il assure une haute fidélité de reproduction du signal original ainsi qu'une bonne cohérence de la phase.

Les conversions analogique-numérique et numérique-analogique sont ainsi simplifiées, assurant une qualité de conversion du signal accrue pour un coût de production moindre. Il permet par ailleurs une spatialisation multicanale en plus de la stéréophonie utilisée jusqu’ici.

Pour accroître la capacité d’enregistrement du Super Audio CD, le flux audio-numérique subit une compression sans perte appelée DST ((en)Direct Stream Transfer) autorisant jusqu’à 80 minutes d’enregistrement de pistes DSD stéréo et multicanales combinées[2].

Les techniques mises en jeu à cet effet emploient le Noise Shaping, ou mise en forme du bruit de quantification, par lesquelles ce bruit est repoussé dans les gammes de fréquences situées en dehors de la zone utile. Ces fréquences sont inaudibles à l'oreille humaine, mais souvent atténuées par les lecteurs au moyen d'un filtre coupe-haut du fait qu'elles risquent en contrepartie d'endommager (parfois fatalement) les tweeters qui ne sont pas super-tweeters, c'est-à-dire non conçus pour reproduire les ultrasons.

La modulation 1 bit (tout ou rien) n’est pas nouvelle : elle s’apparente à la modulation de largeur d'impulsion (Pulse Width Modulation utilisée dans les onduleurs, les amplificateurs de classe D, les dispositifs à valve de lumière : micro-miroirs DMD, etc.) pour laquelle le rapport cyclique varie en fonction de l’amplitude du signal à transcrire (voir schéma comparatif à droite). Le flux numérique 1 bit (DSD) doit cependant suivre un rythme d’horloge imposé (qui correspond à la fréquence sur-échantillonnée) on parle alors de PDM (Pulse Density Modulation) ou modulation de densité d’impulsions. Toutes les platines CD-A et DVD-A bénéficient d’un modulateur « un bit » permettant de retrouver, à partir d’un flux PCM (16, 20 ou 24 bits), un flux de type DSD (1 bit) qui est très simple à convertir en analogique (filtrage passe-bas d’ordre peu élevé). Il n'est donc pas nécessaire de recourir à un convertisseur Sigma Delta lors de la lecture du flux DSD du Super Audio CD.

Le CD avec sa fréquence d’échantillonnage de 44,1 kilohertz, très proche de la limite haute de la plage de fréquences Hi-Fi (20 kilohertz), oblige à disposer d'un filtre à fréquence de coupure brutale dans les hautes fréquences (20 db/octave). Un tel filtrage détruit une grande partie de la richesse et la finesse de certains enregistrements (pas seulement dans les aigus) : ce problème fut très tôt identifié et les premières générations de lecteurs CD furent équipés de circuits d'interpolation afin de suréchantilloner le signal numérique, et ainsi limiter la destruction des harmoniques et hautes fréquences.

Afin de pallier cette lacune, le DSD fut fixé à un haut taux d'échantillonnage (voir plus haut) et son principe de modulation permet avec un simple filtre du premier ordre (6 db/octave) de ne pas « écraser » les harmoniques[2]. Compte tenu de sa fréquence d'échantillonnage et son mode de fonctionnement, le CD est par exemple incapable de reproduire correctement un signal rectangulaire (riche en harmoniques) de 10 kilohertz, le résultat étant plus proche d'une sinusoïde (les harmoniques de rang supérieur à 2 sont éliminés)[2], malgré le suréchantillonnage. Le traitement du signal opéré avec le SA-CD permet de conserver les harmoniques et d'obtenir un signal respectant la source et donc une grande finesse de détails[2].

L'échantillonnage retenu à l'origine pour le CD reposait sur des critères technologiques, la qualité de reproduction des harmoniques n'ayant pas été jugée primordiale devant les impératifs de l'époque. La fréquence d’échantillonnage de 44,1 kHz était héritée d'une méthode de conversion numérique d'un signal audio en signal vidéo pour un enregistrement sur cassette vidéo.

Afin de réduire l'espace de stockage et la bande passante requises, une méthode de compression sans pertes appelée Direct Stream Transfer (DST) est utilisée. Elle est obligatoire pour le programme multicanal, mais seulement optionnelle pour le programme stéréophonique. Le facteur de compression se situe entre deux et trois, ce qui permet, comme vu plus haut, de combiner 80 minutes d'un même programme en stéréo et en multicanal[6].

Le Direct Stream Transfer est notamment devenu un des points techniques du standard MPEG-4 Audio (également appelé MP4) (ISO/IEC 14496-3:2001/Amd 6:2005 - Lossless coding of oversampled audio) en 2005[7] - [8]. Celui-ci comporte les définitions du DSD et du DST telles que décrites dans les spécifications du Super Audio CD.

Le MPEG-4 DST fournit un codage sans pertes des signaux audio sur-échantillonnés[9] - [10]. Une implantation référentielle du MPEG-4 DST fut publiée en tant que ISO/IEC 14496-5:2001/Amd.10:2007 en 2007.

Le DSD, pour les besoins du Super Audio CD, comprend plusieurs mesures de protection des données qui rendent ce format impossible à copier de façon directe, au même titre que la couche CD conventionnelle 700 mégaoctets des disques hybrides. Cela inclut un chiffrement des données audio sur 80 bits à l'aide d'une clé codée dans une région spéciale du disque qui n'est lisible que par un lecteur Super Audio CD sous licence. La couche haute définition d'un SA-CD ne peut être lue par un lecteur CD/DVD d'ordinateur, tout comme il est impossible de créer un Super Audio CD autrement qu'aux deux sites de fabrication spécifiquement agréés, qui se trouvent à Shizuoka et Salzbourg[11].