Wykład ten stanowi wprowadzenie do zagadnień kodowania i kompresji, które są fundamentalne dla współczesnej telekomunikacji cyfrowej. Kodowanie przekształca informację w postać odpowiednią do transmisji lub przechowywania, natomiast kompresja redukuje ilość danych potrzebnych do jej reprezentacji. Prezentacja dzieli się na dwie główne części: kody liniowe stosowane w transmisji w paśmie podstawowym oraz metody kompresji danych. W pierwszej części omówione zostaną kody NRZ, RZ, Manchester oraz kody blokowe, takie jak 4B/5B i 8B/10B. Druga część obejmuje kompresję bezstratną (Huffman, LZW, RLE) oraz stratną (DCT, kwantyzacja, modele percepcyjne). Przedstawione zostaną również praktyczne standardy, takie jak MP3, JPEG, H.264 i nowoczesny AV1. Zrozumienie tych zagadnień jest kluczowe dla projektowania wydajnych systemów komunikacyjnych. Wykład łączy podstawy teoretyczne z praktycznymi przykładami zastosowań w rzeczywistych systemach telekomunikacyjnych.

Prezentacja została zaprojektowana jako uporządkowane wprowadzenie do kluczowych koncepcji kodowania i kompresji w telekomunikacji. Materiał rozpoczyna się od rozróżnienia między kodowaniem źródła, które minimalizuje redundancję, a kodowaniem kanału, które dodaje nadmiarowość w celu korekcji błędów. Następnie szczegółowo omówione są kody liniowe odpowiedzialne za dopasowanie sygnału cyfrowego do medium transmisyjnego. Kolejna część poświęcona jest kompresji bezstratnej, która umożliwia idealne odtworzenie danych po dekompresji. Kompresja stratna jest przedstawiona jako metoda pozwalająca na znacznie wyższy stopień kompresji kosztem nieodwracalnej utraty informacji. Praktyczne standardy kodowania audio, obrazu i wideo ilustrują rzeczywiste zastosowania omawianych technik. W końcowej części omówione są najnowsze trendy, w tym kodek AV1 i kompresja z wykorzystaniem sztucznej inteligencji. Taka struktura pozwala studentowi stopniowo budować wiedzę od podstaw do zaawansowanych zagadnień.

Kodowanie jest podstawową operacją w każdym systemie telekomunikacyjnym, polegającą na przekształceniu informacji w postać binarną zrozumiałą dla urządzeń elektronicznych. Proces ten musi być jednoznaczny, aby odbiorca mógł poprawnie zdekodować przesłaną wiadomość. Kodowanie dzieli się na trzy główne kategorie: kodowanie źródła (kompresja), kodowanie kanału (FEC) oraz kodowanie liniowe (dopasowanie sygnału do medium). Przykładem prostego kodowania jest ASCII, które przypisuje 7- lub 8-bitowe kody do znaków alfabetu łacińskiego. Bardziej zaawansowane systemy kodowania, takie jak Unicode (UTF-8), obsługują znaki z różnych systemów pisma na całym świecie. W telekomunikacji kluczowe znaczenie ma również kodowanie różnicowe, w którym informacja jest przenoszona przez zmianę stanu, a nie przez sam stan. Kodowanie musi uwzględniać charakterystykę kanału transmisyjnego, taką jak szerokość pasma, stosunek sygnału do szumu i zniekształcenia. Poprawnie zaprojektowany system kodowania znacząco wpływa na niezawodność i efektywność całej transmisji.

Kodowanie źródła, nazywane również kompresją danych, ma na celu minimalizację liczby bitów potrzebnych do reprezentacji informacji przy zachowaniu jej zawartości. Techniki bezstratne wykorzystują redundancję statystyczną źródła, czyli fakt, że niektóre symbole występują częściej niż inne. Kodowanie Huffmana jest optymalnym kodem prefiksowym dla danego rozkładu prawdopodobieństwa symboli. W kompresji stratnej rezygnuje się z części informacji, która jest mało istotna z percepcyjnego punktu widzenia. Kluczowym narzędziem w kompresji stratnej jest transformata cosinusowa (DCT), która koncentruje energię sygnału w niewielkiej liczbie współczynników. Modele psychoakustyczne i psychowizyjne określają, które składowe sygnału mogą być odrzucone bez zauważalnego pogorszenia jakości. Wybór między kompresją bezstratną a stratną zależy od konkretnego zastosowania i wymagań dotyczących wierności odtworzenia. Współczesne systemy telekomunikacyjne często łączą oba podejścia w zależności od rodzaju przesyłanych danych.

Kodowanie kanału z korekcją błędów w przód (FEC) jest niezbędne w systemach, w których retransmisja uszkodzonych pakietów jest niemożliwa lub niepraktyczna. Kody Hamminga, zaproponowane w 1950 roku, były jednymi z pierwszych kodów korekcyjnych i do dziś są używane w pamięciach ECC. Kody Reeda-Solomona są szeroko stosowane w nośnikach optycznych, takich jak CD, DVD i Blu-ray, gdzie korygują błędy powstałe na skutek uszkodzeń fizycznych płyty. Kody splotowe (convolutional codes) działają w sposób ciągły na strumieniu bitów, a ich dekodowanie najczęściej odbywa się za pomocą algorytmu Viterbiego. Kody LDPC (Low-Density Parity-Check) są stosowane w standardach 5G, DVB-S2 i Wi-Fi 6 ze względu na ich bliskość granicy Shannona. Kodowanie kanału zawsze wiąże się z kompromisem: im więcej bitów nadmiarowych, tym lepsza korekcja błędów, ale mniejsza przepływność użyteczna. W praktyce stosuje się kody o zmiennej szybkości (rate-adaptive codes), które dostosowują poziom nadmiarowości do warunków panujących w kanale. Współczesne systemy łączności satelitarnej i kosmicznej stosują zaawansowane kody turbo i LDPC o wydajności sięgającej 99% granicy Shannona.

Model OSI (Open Systems Interconnection) zapewnia ramy koncepcyjne do zrozumienia, gdzie w systemie komunikacyjnym zachodzą poszczególne procesy kodowania. Kodowanie źródła, którego celem jest kompresja danych, teoretycznie należy do warstwy prezentacji (warstwa 6), choć w praktyce jest często implementowane na poziomie aplikacji. Kodowanie kanału z korekcją błędów (FEC) jest realizowane w warstwie łącza danych (warstwa 2), gdzie dodawane są bity parzystości i sumy kontrolne. Kody liniowe, odpowiedzialne za kształtowanie sygnału w medium transmisyjnym, działają w warstwie fizycznej (warstwa 1). W warstwie fizycznej zachodzi również modulacja, która przekształca cyfrowy strumień bitów na sygnał analogowy. W niektórych systemach stosuje się kodowanie kaskadowe, łączące różne typy kodów w celu osiągnięcia lepszej ochrony przed błędami. Zrozumienie przypisania poszczególnych typów kodowania do warstw OSI ułatwia projektowanie i diagnostykę systemów telekomunikacyjnych. Współczesne układy scalone często integrują funkcje kodowania z różnych warstw w jednym układzie (SoC).

Kody liniowe są podstawowym elementem transmisji cyfrowej w paśmie podstawowym, przekształcającym strumień bitów na sygnał elektryczny lub optyczny. Głównym celem kodowania liniowego jest dopasowanie widma sygnału do charakterystyki częstotliwościowej kanału transmisyjnego. Kluczowym parametrem każdego kodu liniowego jest zawartość składowej stałej (DC), która powinna być jak najmniejsza, aby umożliwić transformatorowe sprzężenie AC. Synchronizacja odbiornika z nadajnikiem jest możliwa dzięki zmianom poziomu sygnału — im częstsze zmiany, tym łatwiejszy odzysk zegara. Szerokość pasma zajmowanego przez sygnał zależy bezpośrednio od szybkości zmian poziomu napięcia w kodzie. Niektóre kody liniowe umożliwiają detekcję błędów transmisji poprzez wykrycie naruszenia reguł kodowania. W praktyce wybór kodu liniowego zależy od medium transmisyjnego, wymaganej szybkości transmisji i dopuszczalnego poziomu złożoności układów nadawczo-odbiorczych. Kody liniowe są również istotne z punktu widzenia kompatybilności elektromagnetycznej, ponieważ kształt widma sygnału wpływa na emisję zakłóceń.

Tabelaryczne zestawienie podstawowych kodów liniowych pozwala na szybkie porównanie ich najważniejszych właściwości. Kod NRZ charakteryzuje się najwęższym pasmem, ale ma istotne wady: składową stałą i słabą synchronizację. Kod RZ zapewnia lepszą synchronizację kosztem dwukrotnie szerszego pasma w porównaniu z NRZ. Kod Manchester oferuje bardzo dobrą synchronizację i zerową składową stałą, ale również wymaga dwukrotnie szerszego pasma. Kody blokowe, takie jak 4B/5B i 8B/10B, stanowią kompromis między szerokością pasma a właściwościami synchronizacyjnymi. W praktycznych zastosowaniach często stosuje się kody o efektywności 80%, które zapewniają dobrą równowagę między przepływnością a niezawodnością odzysku zegara. Wybór odpowiedniego kodu ma kluczowe znaczenie dla maksymalizacji zasięgu transmisji przy zadanej szybkości bitowej. Nowoczesne systemy transmisyjne coraz częściej stosują kody o wyższej efektywności, takie jak 64B/66B czy 128B/130B, które oferują narzut poniżej 3%.

Szczegółowa analiza parametrów kodów liniowych ujawnia złożone zależności między konstrukcją kodu a jego właściwościami transmisyjnymi. Składowa stała (DC) w sygnale powstaje, gdy średnia wartość sygnału w długim przedziale czasu jest niezerowa, co prowadzi do dryftu poziomu stałego (baseline wander) w odbiorniku. Maksymalna długość ciągu bitów bez zmiany poziomu (run length) jest krytyczna dla zachowania synchronizacji — im krótsza, tym lepiej. Kształt gęstości widmowej mocy (PSD) kodu liniowego określa, jakie częstotliwości dominują w sygnale i jak sygnał będzie tłumiony przez kanał. Kody zrównoważone (DC-balanced) utrzymują średnią wartość sygnału bliską zeru, co jest szczególnie ważne w systemach światłowodowych. W systemach światłowodowych dodatkowym parametrem jest moc optyczna, która zależy od średniej wartości sygnału elektrycznego. Kody o małej mocy widmowej w pobliżu DC są preferowane w systemach z transformatorowym sprzężeniem AC. Zrozumienie tych parametrów umożliwia świadomy wybór kodu liniowego do konkretnego zastosowania inżynierskiego.

Przebiegi czasowe kodów liniowych ilustrują wizualnie różnice między poszczególnymi metodami kodowania dla tego samego strumienia bitów. Kod NRZ utrzymuje stały poziom napięcia przez cały czas trwania bitu, co widać jako płaskie segmenty na wykresie. Kod RZ wraca do zera w połowie każdego bitu, tworząc charakterystyczne impulsy o czasie trwania równym połowie okresu bitowego. Kod Manchester zmienia poziom w połowie każdego bitu, przy czym kierunek zmiany określa wartość bitu — dzięki temu każde przejście środkowe służy zarówno synchronizacji, jak i transmisji danych. Na wykresie można zaobserwować, że przy długich sekwencjach zer w kodzie NRZ brakuje przejść, co uniemożliwia odzysk zegara. W kodzie RZ każdej jedynce towarzyszy impuls, co zapewnia lepszą synchronizację niż NRZ. Kod Manchester gwarantuje przejście w każdym bicie, niezależnie od przesyłanej wartości, co czyni go najlepszym pod względem synchronizacji. Wizualna analiza przebiegów pomaga w zrozumieniu, dlaczego niektóre kody są preferowane w konkretnych zastosowaniach. Różnice w kształcie przebiegów przekładają się bezpośrednio na różnice w widmie i właściwościach transmisyjnych.

Kod NRZ jest najprostszym kodem liniowym, w którym logiczna jedynka jest reprezentowana przez wysoki poziom napięcia, a zero przez niski poziom, utrzymywany przez cały czas trwania bitu. Główną zaletą NRZ jest maksymalna efektywność widmowa, ponieważ podstawowa harmoniczna sygnału ma częstotliwość równą połowie szybkości bitowej. Wadą krytyczną jest obecność składowej stałej, która pojawia się, gdy strumień bitów zawiera nierówną liczbę zer i jedynek w długim oknie czasowym. Długie ciągi identycznych bitów powodują brak przejść w sygnale, co prowadzi do utraty synchronizacji odbiornika. Zjawisko dryftu poziomu stałego (baseline wander) sprawia, że próg detekcji w odbiorniku przesuwa się, zwiększając prawdopodobieństwo błędnej decyzji. NRZ jest powszechnie stosowany w łączach krótkodystansowych, gdzie problem składowej stałej można rozwiązać przez sprzężenie pojemnościowe z dodatkowym kodowaniem. W systemach światłowodowych NRZ jest popularny ze względu na prostotę implementacji i wąskie pasmo. Mimo swoich wad NRZ pozostaje punktem odniesienia dla porównania wszystkich innych kodów liniowych.

NRZ-L (Level) jest podstawowym wariantem NRZ, w którym wartość bitu jest bezpośrednio odwzorowana na poziom napięcia — stan wysoki odpowiada jedynce, a niski zeru. NRZ-I (Invert on Ones) jest wariantem różnicowym, w którym informacja jest przenoszona przez zmianę poziomu: jedynka powoduje przejście, zero pozostawia poziom bez zmian. Zaletą kodów różnicowych jest odporność na odwrócenie polaryzacji — gdyby przewody zostały zamienione miejscami, dane w NRZ-L zostałyby zinterpretowane odwrotnie, podczas gdy NRZ-I nadal działa poprawnie. NRZ-I jest stosowany w interfejsie USB, gdzie w połączeniu ze stuffingiem bitów zapewnia wystarczającą gęstość przejść do odzysku zegara. W USB po każdych sześciu kolejnych jedynkach wstawiany jest dodatkowy bit zerowy, co wymusza zmianę poziomu i zapobiega utracie synchronizacji. Kodowanie różnicowe jest również stosowane w interfejsach szeregowych, takich jak RS-232 i RS-485. W systemach, w których polaryzacja połączenia może być przypadkowa, różnicowe kodowanie eliminuje potrzebę automatycznego wykrywania biegunowości. NRZ-I jest również stosowany w interfejsie Fibre Channel i niektórych wersjach Ethernetu.

Kod RZ (Return to Zero) różni się od NRZ tym, że sygnał powraca do poziomu zerowego w połowie czasu trwania każdego bitu. Dzięki temu w każdym bicie o wartości jeden występuje impuls, co zapewnia wbudowaną synchronizację odbiornika. Zwiększona liczba przejść w sygnale ułatwia odzysk zegara, co jest szczególnie ważne w systemach o ograniczonym stosunku sygnału do szumu. Wadą kodu RZ jest dwukrotnie szersze pasmo w porównaniu z NRZ, ponieważ impulsy są dwa razy krótsze, a więc zawierają wyższe częstotliwości. Kod RZ wymaga trzech poziomów napięcia (dodatni, zero, ujemny), co zwiększa złożoność nadajnika i odbiornika. W systemach światłowodowych stosuje się wariant RZ, w którym impuls optyczny jest obecny tylko dla jedynki, a zero reprezentuje brak światła. Ze względu na większe zapotrzebowanie na pasmo kod RZ jest rzadko używany w szybkich łączach przewodowych. Znajduje natomiast zastosowanie w niektórych systemach transmisji radiowej i światłowodowej, gdzie korzystna jest łatwość synchronizacji.

Problem składowej stałej w kodzie NRZ jest jednym z najpoważniejszych ograniczeń tego kodu, szczególnie widocznym przy transmisji przez transformatory lub kondensatory sprzęgające AC. Gdy strumień bitów zawiera długie sekwencje zer lub jedynek, średnia wartość sygnału przesuwa się względem poziomu zerowego. Dryft poziomu stałego (baseline wander) powoduje, że optymalny próg detekcji w odbiorniku zmienia się w czasie, zwiększając prawdopodobieństwo błędów. W systemach światłowodowych składowa stała wpływa na punkt pracy lasera i może prowadzić do zniekształceń nieliniowych. Aby zaradzić tym problemom, stosuje się różne techniki: kodowanie różnicowe (NRZ-I), scrambling danych (wymuszający losowość strumienia), stuffing bitów (wstawianie dodatkowych bitów) oraz kody blokowe (4B/5B, 8B/10B). W standardzie USB zastosowano NRZ-I z bit-stuffingiem, który gwarantuje odpowiednią gęstość przejść w sygnale. W systemach Gigabit Ethernet stosuje się kod 8B/10B, który całkowicie eliminuje składową stałą poprzez zrównoważoną liczbę zer i jedynek. Zrozumienie problemu składowej stałej jest kluczowe dla prawidłowego projektowania systemów transmisji cyfrowej.

Dwukrotnie szersze pasmo kodu RZ w porównaniu z NRZ wynika z faktu, że impuls w RZ trwa tylko połowę okresu bitowego. W dziedzinie częstotliwości krótszy impuls oznacza szersze widmo, zgodnie z zależnością, że szerokość pasma jest odwrotnie proporcjonalna do czasu trwania impulsu. Szersze pasmo ma istotne konsekwencje praktyczne: ogranicza maksymalną szybkość transmisji w kanale o danej szerokości pasma. Większe pasmo oznacza również większą moc szumu termicznego docierającą do odbiornika, co pogarsza stosunek sygnału do szumu. W systemach światłowodowych szersze pasmo przyspiesza rozmycie impulsów spowodowane dyspersją chromatyczną, ograniczając zasięg transmisji. Z tych powodów kod RZ jest rzadko stosowany w szybkich łączach przewodowych, gdzie priorytetem jest maksymalizacja przepływności w ograniczonym paśmie. Kompromisem między wąskim pasmem a dobrą synchronizacją są kody blokowe, które dodają umiarkowaną nadmiarowość (20%) przy zachowaniu akceptowalnych właściwości synchronizacyjnych. W systemach światłowodowych dalekiego zasięgu stosuje się czasem kod RZ ze względu na lepszą tolerancję na zniekształcenia nieliniowe włókna.

Kod Manchester należy do rodziny kodów biphase, w których przynajmniej jedna zmiana poziomu występuje w każdym bicie. Dzięki temu sygnał zawiera wbudowany zegar, co eliminuje potrzebę osobnej linii zegarowej w transmisji. Każdy bit rozpoczyna się od poziomu przeciwnego niż poprzedni bit, a w połowie bitu następuje obowiązkowe przejście, którego kierunek określa wartość bitu. Gwarantowana zmiana w środku każdego bitu sprawia, że odzysk zegara jest bardzo prosty i niezawodny. Kod Manchester całkowicie eliminuje składową stałą, ponieważ każdy bit zawiera równe udziały dodatniego i ujemnego napięcia. Wadą jest wymagane dwukrotnie szersze pasmo w porównaniu z NRZ, co ogranicza maksymalną szybkość transmisji. Mimo to kod Manchester znalazł szerokie zastosowanie we wczesnych sieciach Ethernet oraz w systemach RFID. W Ethernet 10Base-T każda para przewodów w skrętce przesyła sygnał zakodowany w Manchesterze z szybkością 10 Mb/s.

Kod Manchester oferuje kilka istotnych zalet, które decydują o jego wyborze w wielu zastosowaniach, ale ma również poważne ograniczenia. Najważniejszą zaletą jest wbudowana synchronizacja, ponieważ przejście w połowie każdego bitu gwarantuje niezawodny odzysk zegara w odbiorniku. Brak składowej stałej eliminuje problem dryftu poziomu i umożliwia stosowanie transformatorowego sprzężenia AC. Prosta detekcja błędów jest możliwa poprzez wykrycie braku obowiązkowego przejścia w środku interwału bitowego. Główną wadą jest dwukrotnie szersze pasmo w porównaniu z NRZ, co wynika z podwójnej szybkości zmian poziomu sygnału w kanale. Większa liczba przejść w jednostce czasu zwiększa również pobór mocy w nadajniku, co jest istotne w urządzeniach zasilanych bateryjnie. W systemach szybkich, takich jak Fast Ethernet 100 Mb/s, zrezygnowano z Manchesteru na rzecz kodów blokowych 4B/5B, które oferują węższe pasmo. Kompromis między doskonałą synchronizacją a szerokością pasma jest klasycznym przykładem kompromisu projektowego w telekomunikacji cyfrowej.

Kod Manchester znalazł zastosowanie w wielu różnych dziedzinach, przede wszystkim tam, gdzie prostota i niezawodność są ważniejsze niż maksymalna szybkość transmisji. Najbardziej znanym zastosowaniem jest Ethernet 10Base-T, który przez wiele lat był dominującym standardem sieci lokalnych. W systemach RFID kod Manchester jest używany w komunikacji między czytnikiem a tagiem, ponieważ umożliwia prostą synchronizację w pasywnych układach zasilanych z pola magnetycznego. Magistrala danych MIL-STD-1553, stosowana w awionice wojskowej i cywilnej, wykorzystuje kod Manchester do zapewnienia niezawodnej transmisji w trudnych warunkach. Karty zbliżeniowe HID Proximity używają kodu Manchester do kodowania identyfikatorów w polu magnetycznym. W systemach telemetrii starszej generacji kod Manchester był standardem ze względu na łatwość dekodowania w prostych układach logicznych. Warto zauważyć, że wraz ze wzrostem wymaganych szybkości transmisji kod Manchester został wyparty przez bardziej efektywne widmowo kody blokowe. Obecnie kod Manchester przeżywa renesans w niektórych zastosowaniach IoT ze względu na bardzo niski pobór mocy w trybie odbioru.

Kod 4B/5B jest przykładem kodowania blokowego, w którym każde 4 bity danych są zastępowane 5-bitowym symbolem, co daje efektywność 80%. Dodatkowy bit zapewnia odpowiednią gęstość przejść w strumieniu wyjściowym, co ułatwia odzysk zegara w odbiorniku. Z 32 możliwych 5-bitowych kombinacji tylko 16 jest używanych dla danych, a pozostałe służą jako znaki kontrolne, takie jak idle (11111) czy znaczniki ramki. Maksymalna długość ciągu bitów bez zmiany (run length) w 4B/5B wynosi 3, co gwarantuje wystarczającą liczbę przejść do synchronizacji. Kod 4B/5B został przyjęty jako standard w Fast Ethernet 100Base-TX, gdzie zastąpił Manchester używany w 10Base-T. Jest również stosowany w interfejsie FDDI (Fiber Distributed Data Interface) do transmisji światłowodowej. Wadą kodu jest 20-procentowy narzut przepływności, który jest akceptowalnym kompromisem w zamian za dobrą synchronizację i równowagę DC. Kod 4B/5B zapoczątkował rodzinę kodów blokowych, która ewoluowała w kierunku 8B/10B, 64B/66B i 128B/130B o coraz mniejszym narzucie.

Tabela mapowania 4B/5B zawiera 16 kodów 5-bitowych przypisanych do 16 możliwych kombinacji 4-bitowych danych wejściowych. Kody zostały starannie dobrane tak, aby żaden z nich nie zawierał więcej niż jednego zera na początku ani więcej niż dwóch zer na końcu, co ogranicza maksymalny run length. Na przykład wartość 0000 jest mapowana na kod 11110, który ma cztery jedynki i jedno zero, zapewniając dobrą gęstość przejść. Wartość 1111 jest mapowana na 11101, co również zapewnia odpowiednią liczbę przejść. Kody kontrolne, takie jak 11111 (idle), 11000 (start delimiter) i 00111 (end delimiter), są używane do oznaczenia granic ramek i stanów bezczynności łącza. W Fast Ethernet kody kontrolne umożliwiają wykrycie początku i końca ramki bez potrzeby stosowania dodatkowych znaczników. Mapowanie 4B/5B jest zdefiniowane w standardzie IEEE 802.3u i jest zaimplementowane sprzętowo w układach nadajników Fast Ethernet. Zrozumienie tabeli mapowania jest kluczowe przy analizie strumienia bitów w sieciach 100Base-TX.

Kod 8B/10B jest następcą 4B/5B, oferującym takie same 80-procentowe wykorzystanie pasma, ale z lepszymi właściwościami korekcyjnymi. Został opracowany przez firmę IBM w 1983 roku i znalazł szerokie zastosowanie w szybkich interfejsach szeregowych. Kodowanie 8B/10B wykorzystuje mechanizm disparities (nierównowagi), który śledzi sumę bieżącą bitów w strumieniu i wybiera jeden z dwóch możliwych 10-bitowych symboli dla każdego bajtu danych. Dzięki temu kod zapewnia zrównoważenie DC oraz maksymalny run length wynoszący tylko 5 bitów bez zmiany. Nieprawidłowe 10-bitowe kombinacje, które nie należą do zdefiniowanego zestawu, są łatwo wykrywalne jako błędy transmisji. Kod 8B/10B jest stosowany w Gigabit Ethernet (1000Base-T i 1000Base-X), USB 3.0, SATA, PCI Express, HDMI, DVI i DisplayPort. Wadą kodu jest stosunkowo wysoka złożoność implementacji sprzętowej. Kod 8B/10B został w nowszych standardach zastąpiony bardziej efektywnymi kodami, takimi jak 64B/66B i 128B/130B.

Tabela porównawcza kodów liniowych zestawia w jednym miejscu wszystkie kluczowe parametry omawianych kodów, ułatwiając wybór odpowiedniego rozwiązania. Efektywność kodu określa, jaka część przepływności jest wykorzystywana na transmisję danych użytecznych — NRZ i RZ mają 100%, Manchester tylko 50%, a kody blokowe 80%. Szerokość pasma względem NRZ pokazuje, jak bardzo kod poszerza widmo sygnału, co ma bezpośredni wpływ na maksymalną szybkość transmisji w kanale. Obecność składowej stałej determinuje możliwość stosowania transformatorowego sprzężenia AC i wpływa na dryft poziomu w odbiorniku. Jakość synchronizacji zależy od gęstości przejść w sygnale i jest kluczowa dla niezawodnego odzysku zegara. Możliwość detekcji błędów przez sam kod liniowy jest dodatkową zaletą, choć nigdy nie zastępuje dedykowanych mechanizmów FEC. Złożoność implementacji przekłada się na koszt układów nadawczo-odbiorczych i pobór mocy. Wybór kodu liniowego zawsze wymaga znalezienia optymalnego kompromisu między tymi parametrami.

Kody blokowe mB/nB stanowią rodzinę kodów liniowych, w których m bitów danych jest zastępowanych n bitami (n > m), co zapewnia kontrolę nad właściwościami widmowymi sygnału. Im większa wartość m, tym mniejszy procentowy narzut kodu, ale tym bardziej złożona implementacja. Kod 64B/66B, stosowany w 10 Gigabit Ethernet, dodaje tylko 2 bity synchronizacji do 64 bitów danych, osiągając efektywność 97%. Kod 128B/130B, używany w PCI Express 3.0, ma jeszcze mniejszy narzut wynoszący około 1,5%. W kodzie 64B/66B dwa bity synchronizacji służą do oznaczenia typu bloku: 01 dla danych i 10 dla kontroli. Kod 256B/258B jest stosowany w PCI Express 4.0 i 5.0, oferując najwyższą efektywność spośród wszystkich kodów blokowych. Wszystkie kody blokowe zapewniają automatyczną równowagę DC poprzez odpowiedni dobór sekwencji bitów. Kody te są implementowane sprzętowo w układach serdes (serializer/deserializer) stosowanych w szybkich interfejsach szeregowych. Wybór konkretnego kodu blokowego zależy od wymaganej przepływności, dopuszczalnego narzutu i złożoności implementacji.

Kompresja bezstratna jest niezbędna w zastosowaniach, gdzie utrata nawet pojedynczego bitu jest niedopuszczalna, takich jak dokumenty tekstowe, pliki wykonywalne czy bazy danych. Stopień kompresji zależy silnie od rodzaju danych: tekst może być skompresowany do 20–40% rozmiaru oryginalnego, podczas gdy już skompresowane dane (np. JPEG) nie poddają się dalszej efektywnej kompresji. Najprostszą metodą bezstratną jest RLE (Run-Length Encoding), która koduje ciągi powtarzających się symboli. Kodowanie Huffmana wykorzystuje statystykę źródła do przypisania optymalnych długości kodów. Metody słownikowe, takie jak LZW i LZ77, identyfikują powtarzające się wzorce w strumieniu danych i zastępują je krótszymi odwołaniami do słownika. W praktyce najlepsze narzędzia kompresji bezstratnej łączą kilka metod, np. Deflate (PNG, ZIP) łączy LZ77 z kodowaniem Huffmana. Najwyższe stopnie kompresji bezstratnej osiągają algorytmy z rodziny LZMA (7z), które mogą skompresować dane nawet do 10% oryginalnego rozmiaru. W systemach telekomunikacyjnych kompresja bezstratna jest stosowana do przesyłania danych systemowych, nagłówków protokołów i plików konfiguracyjnych.

Kodowanie Huffmana, opracowane przez Davida A. Huffmana w 1952 roku, jest optymalnym kodem prefiksowym dla danego rozkładu prawdopodobieństwa symboli. Algorytm buduje drzewo binarne, łącząc dwa symbole o najmniejszym prawdopodobieństwie w każdym kroku, aż do uzyskania jednego korzenia. Własność prefiksowa oznacza, że żaden kod nie jest początkiem innego kodu, co umożliwia jednoznaczne dekodowanie bez potrzeby stosowania separatorów. Kodowanie Huffmana jest używane w wielu standardach kompresji, w tym w JPEG, MP3, Deflate (ZIP, PNG) i H.264. W praktyce często stosuje się tablice kodów Huffmana wyznaczone na podstawie statystyk typowych danych, co eliminuje potrzebę przesyłania drzewa. Wariantem jest adaptacyjne kodowanie Huffmana, które dynamicznie aktualizuje kody podczas przetwarzania strumienia danych. Ograniczeniem kodowania Huffmana jest założenie o znajomości rozkładu prawdopodobieństwa oraz konieczność transmisji tablicy kodów do dekodera. Mimo opracowania nowszych metod, takich jak kodowanie arytmetyczne, Huffman pozostaje szeroko stosowany ze względu na prostotę i efektywność.

Wizualizacja drzewa Huffmana dla przykładowego tekstu ABRACADABRA ilustruje zasadę działania kodowania prefiksowego. Na początku każdy znak jest liściem drzewa z wagą równą jego częstości wystąpienia. W każdym kroku algorytmu dwa węzły o najmniejszych wagach są łączone w nowy węzeł nadrzędny, którego waga jest sumą wag dzieci. Proces powtarza się, aż wszystkie węzły zostaną połączone w jeden korzeń drzewa. Kody binarne są przypisywane przez przejście od korzenia do liścia: przejście do lewego dziecka dodaje 0, a do prawego 1. W przykładzie ABRACADABRA najczęstsza litera A (5 wystąpień) otrzymuje najkrótszy kod 0, podczas gdy rzadkie litery C i D (po 1 wystąpieniu) otrzymują długie kody 1010 i 1011. Średnia długość kodu wynosi (5×1 + 2×3 + 1×4 + 1×4 + 2×2) / 11 = 23/11 ≈ 2,09 bitu na znak, co daje kompresję z 88 do 40 bitów. W praktyce drzewo Huffmana musi być przesłane do dekodera wraz ze skompresowanymi danymi. W standardzie JPEG stosuje się predefiniowane tablice Huffmana dla typowych obrazów, aby uniknąć przesyłania drzewa.

LZW (Lempel-Ziv-Welch) jest słownikową metodą kompresji bezstratnej, która dynamicznie buduje słownik podczas kodowania. Algorytm rozpoczyna od słownika zawierającego wszystkie pojedyncze symbole (np. wszystkie 256 bajtów), a następnie dodaje do niego kolejne napotkane ciągi znaków. Każdy nowy ciąg jest zapisywany do słownika i zastępowany w strumieniu wyjściowym swoim indeksem. Metoda LZW jest szczególnie efektywna dla danych z powtarzającymi się wzorcami, takich jak tekst, kod źródłowy i grafika z jednolitymi obszarami. RLE (Run-Length Encoding) jest najprostszą metodą kompresji, która zastępuje ciąg identycznych symboli parą (długość, symbol). RLE doskonale sprawdza się w obrazach binarnych, takich jak faksy (standard Group 3), oraz w prostych grafikach z dużymi jednolitymi obszarami. Wadą RLE jest możliwość zwiększenia rozmiaru danych w przypadku braku powtórzeń. LZW był stosowany w formacie GIF (opatentowany), natomiast w PNG zastąpiono go wolnym od patentów algorytmem Deflate. Współczesne implementacje często łączą podejście słownikowe z kodowaniem entropijnym dla uzyskania najlepszych rezultatów.

Format ZIP, opracowany przez Phila Katza w 1989 roku, jest najpopularniejszym formatem archiwizacji plików, wykorzystującym algorytm Deflate. Deflate łączy algorytm LZ77 (słownikowy) z kodowaniem Huffmana, co zapewnia dobry kompromis między szybkością a stopniem kompresji. PNG (Portable Network Graphics) został zaprojektowany jako bezstratny format obrazu, który miał zastąpić opatentowany GIF. PNG stosuje wstępną predykcję (filtry PNG), która przekształca wartości pikseli w taki sposób, aby dane były bardziej podatne na kompresję Deflate. FLAC (Free Lossless Audio Codec) jest bezstratnym kodekiem audio, który wykorzystuje predykcję liniową do modelowania sygnału audio przed kodowaniem entropijnym. FLAC typowo osiąga kompresję 40–60% oryginalnego rozmiaru PCM, co pozwala zaoszczędzić znaczną ilość miejsca przy zachowaniu idealnej jakości. Format GIF, mimo ograniczenia do 256 kolorów, pozostaje popularny w animacjach internetowych dzięki obsłudze przezroczystości i prostocie. Format 7z wykorzystuje algorytm LZMA, który jest rozwinięciem LZ77 z kodowaniem zakresowym (range coding), oferującym wyższy stopień kompresji kosztem dłuższego czasu kodowania. Wybór formatu bezstratnego zależy od rodzaju danych, wymaganego stopnia kompresji i dostępnych zasobów obliczeniowych.

Kompresja stratna opiera się na założeniu, że pewne informacje zawarte w sygnale mogą być usunięte bez zauważalnego pogorszenia jakości percepcyjnej. W przypadku dźwięku wykorzystuje się zjawiska psychoakustyczne, takie jak maskowanie częstotliwościowe i czasowe, które sprawiają, że niektóre składowe dźwięku są niesłyszalne dla ludzkiego ucha. W obrazach i wideo stosuje się modele psychowizyjne, które uwzględniają ograniczoną czułość oka na szczegóły wysokoczęstotliwościowe i różnice kolorów. Stopień kompresji stratnej może być regulowany od prawie niezauważalnego (10:1) do bardzo wysokiego (100:1 i więcej), gdzie artefakty stają się wyraźnie widoczne. Najpopularniejsze standardy kompresji stratnej wykorzystują transformację sygnału do dziedziny częstotliwości (DCT lub MDCT), a następnie kwantyzację współczynników. Kompresja stratna jest nieodwracalna — po skompresowaniu i zdekompresowaniu dane różnią się od oryginału. W zastosowaniach profesjonalnych (studio nagraniowe, fotografia do druku) często unika się kompresji stratnej na rzecz bezstratnej. W telekomunikacji kompresja stratna jest niezbędna do transmisji audio i wideo w ograniczonym paśmie, co umożliwia streaming i wideokonferencje.

Dyskretna transformata kosinusowa (DCT) jest kluczowym narzędziem w kompresji stratnej, przekształcającym sygnał z dziedziny czasu lub przestrzeni do dziedziny częstotliwości. DCT ma właściwość skupiania energii sygnału w niewielkiej liczbie współczynników niskoczęstotliwościowych, co jest podstawą kompresji. W standardzie JPEG obraz jest dzielony na bloki 8×8 pikseli, a każdy blok jest poddawany transformacji DCT. Powstałe 64 współczynniki DCT reprezentują składowe częstotliwościowe bloku, od stałej (DC) w lewym górnym rogu do najwyższych częstotliwości w prawym dolnym rogu. Większość energii obrazu jest skoncentrowana w kilku pierwszych współczynnikach, podczas gdy współczynniki wysokoczęstotliwościowe mają zazwyczaj bardzo małe wartości. W kodekach audio, takich jak MP3 i AAC, stosuje się zmodyfikowaną DCT (MDCT) z nakładającymi się oknami, co redukuje artefakty blokowe. DCT jest również stosowana w standardach wideo (H.264, H.265) z blokami 4×4 i 8×8. DCT przewyższa DFT (dyskretną transformatę Fouriera) w kompresji obrazu, ponieważ jej współczynniki są rzeczywiste, a transformacja ma lepsze właściwości zbieżności na krawędziach bloków.

Kwantyzacja jest kluczowym elementem kompresji stratnej, który wprowadza nieodwracalną utratę informacji poprzez redukcję precyzji współczynników transformaty. W standardzie JPEG każdy z 64 współczynników DCT jest dzielony przez wartość z tabeli kwantyzacji, a następnie zaokrąglany do najbliższej liczby całkowitej. Tabela kwantyzacji JPEG zawiera większe wartości dla wysokich częstotliwości, co powoduje, że wiele współczynników wysokoczęstotliwościowych jest zerowanych. DPCM (Differential PCM) jest metodą kodowania różnicowego, w której zamiast wartości bezwzględnych przesyła się różnice między kolejnymi próbkami lub współczynnikami. W JPEG składowa DC każdego bloku jest kodowana różnicowo względem poprzedniego bloku, ponieważ różnice są zwykle niewielkie. W strumieniach wideo DPCM jest używany do kodowania wektorów ruchu między klatkami. Kodowanie różnicowe jest również podstawą adaptacyjnego DPCM (ADPCM), stosowanego w telefonii cyfrowej (G.721, G.726). Kwantyzacja adaptacyjna pozwala na dynamiczne dostosowanie progu kwantyzacji do lokalnych właściwości sygnału, co poprawia jakość przy zadanej przepływności. Mechanizm skalowania kwantyzacji (quantization parameter) jest podstawowym narzędziem kontroli jakości w kodekach wideo.

Kompromis między jakością a rozmiarem pliku jest fundamentalnym wyzwaniem w kompresji stratnej, który nie ma jednoznacznego rozwiązania. Przy bardzo wysokiej jakości (98% w JPEG, 320 kbps w MP3) kompresja jest niewielka, ale artefakty są praktycznie niezauważalne dla większości użytkowników. Przy średniej jakości (70% JPEG, 128 kbps MP3) uzyskuje się typowy kompromis, w którym plik jest mały, a jakość wciąż akceptowalna dla codziennego użytku. Niska jakość (30% JPEG, 64 kbps MP3) powoduje wyraźne artefakty, takie jak blokowość w obrazach i metaliczne brzmienie w audio. W praktyce wybór poziomu jakości zależy od zastosowania: archiwizacja wymaga wysokiej jakości, podczas gdy podgląd na stronie internetowej może zadowolić się niższą. W serwisach streamingowych stosuje się adaptacyjne strumieniowanie (ABR), które dynamicznie dobiera przepływność do warunków sieciowych. W przypadku obrazów medycznych i innych krytycznych zastosowań kompresja stratna jest całkowicie wykluczona. Zrozumienie kompromisu jakość-rozmiar jest kluczowe dla projektowania efektywnych systemów transmisji i przechowywania danych multimedialnych.

Standard JPEG, opracowany przez Joint Photographic Experts Group w 1992 roku, pozostaje najpopularniejszym formatem obrazu na świecie, obsługiwanym przez praktycznie każde urządzenie. MP3 (MPEG-1 Layer 3) zrewolucjonizował dystrybucję muzyki w latach 90., redukując rozmiar plików audio do około 10% oryginału przy zachowaniu akceptowalnej jakości. MP3 wykorzystuje model psychoakustyczny do określenia, które fragmenty widma mogą być odrzucone bez słyszalnej różnicy, oraz MDCT (Modified DCT) do transformacji sygnału. Standardy MPEG-2 i MPEG-4 są stosowane w telewizji cyfrowej (DVB, ATSC) i na płytach DVD, oferując kompresję wideo do 100:1. H.264/AVC jest obecnie dominującym standardem kompresji wideo, stosowanym w YouTube, Blu-ray i wideokonferencjach, z typową kompresją 100–300:1. H.264 wprowadził zaawansowane techniki, takie jak predykcja wewnątrzklatkowa z wieloma kierunkami oraz kodowanie entropijne CABAC. Każdy z tych standardów ewoluował, oferując coraz lepszą kompresję kosztem rosnącej złożoności obliczeniowej kodera. Współczesne trendy wskazują na stopniowe wypieranie starszych standardów przez AV1 i VVC (H.266).

PCM (Pulse Code Modulation) jest najprostszą metodą reprezentacji sygnału analogowego w postaci cyfrowej, polegającą na próbkowaniu, kwantyzacji i kodowaniu binarnym. Standard CD-Audio wykorzystuje PCM z częstotliwością próbkowania 44,1 kHz i rozdzielczością 16 bitów na próbkę, co daje przepływność 1,41 Mbps dla sygnału stereo. Częstotliwość 44,1 kHz wynika z twierdzenia Nyquista i konieczności zachowania pasma 20 kHz słyszalnego dla człowieka, z dodatkowym marginesem na filtr antyaliasingowy. Rozdzielczość 16 bitów zapewnia zakres dynamiki 96 dB, co odpowiada różnicy między najcichszym a najgłośniejszym dźwiękiem możliwym do zapisania. W profesjonalnych zastosowaniach studyjnych stosuje się wyższe parametry: 48 kHz, 24 bity, a nawet 96 lub 192 kHz dla uzyskania lepszej jakości. Format WAV jest popularnym kontenerem dla LPCM (Linear PCM), przechowującym dane audio bez kompresji. Wadą PCM jest bardzo duża przepływność, która czyni go niepraktycznym do transmisji strumieniowej przez internet. Mimo rozwoju zaawansowanych kodeków, PCM pozostaje standardem w produkcji muzycznej, archiwizacji nagrań i w interfejsach audio HDMI.

MP3 (MPEG-1 Layer 3) został opracowany przez Fraunhofer IIS w 1993 roku i stał się pierwszym masowo przyjętym kodekiem stratnym audio. Jego kluczową innowacją był model psychoakustyczny oparty na masce słyszenia, który określa, które składowe częstotliwościowe mogą być odrzucone lub silniej skwantowane bez słyszalnej różnicy. MP3 dzieli sygnał na 32 pasma filtrowe, a następnie stosuje MDCT z adaptacyjnym przydziałem bitów do poszczególnych pasm. Przy przepływności 128 kbps MP3 jest praktycznie nieodróżnialny od oryginału dla większości słuchaczy w typowych warunkach odsłuchowych. AAC (Advanced Audio Coding), opracowany w 1997 roku jako następca MP3, oferuje około 30% lepszą efektywność kodowania. AAC obsługuje do 48 kanałów audio, wyższe częstotliwości próbkowania (do 96 kHz) i bardziej zaawansowane techniki kodowania, takie jak Temporal Noise Shaping (TNS). AAC jest standardowym kodekiem w YouTube, iTunes, Nintendo Switch i Androidzie. Mimo że MP3 ustępuje AAC i Opusowi pod względem technicznym, pozostaje szeroko stosowany ze względu na ogromną bazę istniejących plików i wszechobecne wsparcie sprzętowe. Współczesne zastosowania audio stopniowo migrują w kierunku Opusa i AAC ze względu na lepszą jakość przy niskich przepływnościach.

Opus, zdefiniowany w standardzie IETF RFC 6716 z 2012 roku, jest nowoczesnym kodekiem audio zaprojektowanym do uniwersalnego zastosowania w komunikacji internetowej. Łączy dwa kodeki: SILK (opracowany przez Skype) do efektywnego kodowania mowy oraz CELT do kodowania muzyki z niskim opóźnieniem. Opus automatycznie przełącza się między SILK a CELT w zależności od rodzaju sygnału, co zapewnia optymalną jakość dla każdego typu audio. Kodek obsługuje przepływności od 6 kbps (dla mowy) do 510 kbps (dla muzyki wysokiej jakości) oraz opóźnienie od 5 ms, co jest najniższą wartością wśród wszystkich kodeków percepcyjnych. W testach słuchowych Opus przewyższa MP3 i AAC przy niskich przepływnościach i dorównuje im przy wysokich. Opus jest jedynym kodekiem wymaganym przez standard WebRTC, co oznacza, że wszystkie nowoczesne przeglądarki muszą go obsługiwać. Zastosowania Opusa obejmują VoIP (Discord, WhatsApp, Zoom), streaming muzyki na YouTube Music oraz komunikację w czasie rzeczywistym. Dzięki otwartej licencji i braku opłat patentowych Opus jest preferowanym kodekiem w aplikacjach open-source i systemach embedded.

Tabela porównawcza kodeków audio obrazuje spektrum dostępnych rozwiązań, od bezstratnych formatów studyjnych po wysoce skompresowane kodeki komunikacyjne. LPCM (Linear PCM) oferuje najwyższą jakość bez kompresji, ale wymaga przepływności 1,41 Mbps dla CD-Audio, co jest niepraktyczne w streamingu. FLAC jako format bezstratny redukuje rozmiar o 40–60% przy zachowaniu idealnej jakości, co czyni go preferowanym wyborem do archiwizacji muzyki. MP3 przy 128 kbps oferuje akceptowalną jakość przy kompresji około 11:1, co przez lata czyniło go standardem w przenośnych odtwarzaczach. AAC przy tej samej przepływności przewyższa MP3 pod względem jakości, szczególnie w zakresie wysokich częstotliwości i sygnałów złożonych. Opus wyróżnia się najniższym opóźnieniem (5 ms) i najszerszym zakresem przepływności, co czyni go uniwersalnym kodekiem do komunikacji w czasie rzeczywistym. Wybór kodeka audio zależy przede wszystkim od zastosowania: archiwum wymaga FLAC, streaming muzyki dobrze radzi sobie z AAC, a komunikacja VoIP oczekuje niskiego opóźnienia Opusa. W praktyce wiele urządzeń i platform obsługuje wiele kodeków i automatycznie wybiera najlepszy dostępny.

JPEG i PNG to dwa najpopularniejsze formaty obrazu w internecie, każdy przeznaczony do innego rodzaju grafiki. JPEG wykorzystuje transformację DCT bloków 8×8 i kwantyzację współczynników, co powoduje utratę szczegółów wysokoczęstotliwościowych, ale jest mało zauważalne w zdjęciach. JPEG obsługuje podpróbkowanie chrominancji (4:2:0, 4:2:2, 4:4:4), które redukuje ilość informacji o kolorze, wykorzystując mniejszą czułość oka na szczegóły barwne. PNG stosuje kompresję bezstratną Deflate z wstępnymi filtrami predykcyjnymi, które przekształcają wartości pikseli w celu zwiększenia efektywności kompresji. PNG obsługuje przezroczystość (kanał alfa) i jest preferowany do grafiki z ostrymi krawędziami, tekstu, diagramów i ikon. Dla zdjęć PNG zwykle daje znacznie większe pliki niż JPEG, ponieważ nie może odrzucić szczegółów wysokoczęstotliwościowych. Format JPEG oferuje również tryb progresywny, w którym obraz jest wyświetlany stopniowo od rozmytego do ostrego podczas ładowania. Współczesne formaty, takie jak WebP i AVIF, próbują łączyć zalety obu podejść, oferując zarówno kompresję stratną, jak i bezstratną z przezroczystością.

H.264/AVC, opublikowany w 2003 roku przez ITU-T i MPEG, jest obecnie najbardziej rozpowszechnionym standardem kompresji wideo na świecie. Wprowadził szereg innowacji, w tym predykcję wewnątrzklatkową z 9 kierunkami, predykcję międzyklatkową z kompensacją ruchu o zmiennej wielkości bloków oraz kodowanie entropijne CABAC (Context-Adaptive Binary Arithmetic Coding). H.264 osiąga typową kompresję 100–300:1 względem surowego strumienia YUV, co umożliwiło rozwój usług video na żądanie i wideokonferencji. H.265/HEVC, opublikowany w 2013 roku, podwaja efektywność kompresji względem H.264 przy tej samej jakości wizualnej. HEVC wprowadził większe jednostki kodowania (CTU do 64×64), lepszą predykcję wewnątrzklatkową z 35 kierunkami oraz adaptacyjne przesunięcie próbek (SAO). HEVC jest niezbędny do efektywnej transmisji treści 4K i 8K UHD, gdzie przepływności bez kompresji sięgają kilkudziesięciu Gbps. Ograniczeniem HEVC są złożone opłaty licencyjne, co spowolniło jego adopcję w internecie na rzecz darmowych kodeków, takich jak VP9 i AV1. Oba standardy są szeroko stosowane w telewizji cyfrowej (DVB-T2, ATSC 3.0), Blu-ray i streamingu internetowym.

Wybór kodeków w serwisach streamingowych jest podyktowany kompromisem między jakością, przepływnością, kosztami licencji i wsparciem sprzętowym. Netflix stosuje wiele kodeków w zależności od urządzenia i treści: H.264 dla najszerszej kompatybilności, H.265 dla oszczędności pasma przy 4K, a AV1 dla dalszej redukcji przepływności. YouTube używa VP9 jako głównego kodeka open-source, który oferuje kompresję porównywalną z H.265, ale bez opłat licencyjnych. YouTube Music stosuje wyłącznie kodek Opus w zakresie przepływności 48–256 kbps, co zapewnia lepszą jakość niż MP3 przy tej samej przepływności. Twitch, specjalizujący się w streamingu na żywo, używa H.264 z niskim opóźnieniem, co jest kluczowe dla interaktywności transmisji. Zoom i Google Meet używają H.264 SVC (Scalable Video Coding) z kodekiem audio Opus, co umożliwia adaptację do zmiennych warunków sieciowych. Wszystkie platformy stosują adaptacyjne strumieniowanie (ABR), które dynamicznie dostosowuje jakość do przepustowości łącza użytkownika. Trend w branży streamingowej zmierza w kierunku darmowych kodeków (AV1, Opus, VP9) ze względu na koszty licencyjne H.265 i chęć uniezależnienia się od konsorcjów patentowych.

Porównanie MP3 i FLAC na przykładzie 4-minutowego utworu CD obrazuje praktyczne różnice między kompresją stratną a bezstratną. Surowy PCM dla takiego utworu zajmuje około 40,4 MB, co odpowiada przepływności 1,41 Mbps. FLAC kompresuje ten sam utwór do około 30 MB, co daje stopień kompresji 1,3:1, przy zachowaniu idealnej jakości i możliwości odtworzenia identycznego strumienia bitów. MP3 przy 320 kbps zajmuje około 9,6 MB, co daje kompresję 4,2:1, a w testach ABX większość słuchaczy nie jest w stanie odróżnić go od FLAC. MP3 przy 192 kbps (5,8 MB, 7:1) jest uznawany za dobry kompromis między jakością a rozmiarem. MP3 przy 128 kbps (3,8 MB, 10,6:1) jest akceptowalny do słuchania w tle, ale przy uważnym odsłuchu na dobrym sprzęcie można usłyszeć artefakty. Na spektrum MP3 widać charakterystyczne odcięcie wysokich częstotliwości powyżej około 16 kHz dla 128 kbps, podczas gdy FLAC zachowuje pełne pasmo do 22 kHz. Dla archiwizacji muzyki zaleca się FLAC, natomiast do codziennego słuchania na urządzeniach przenośnych MP3 256–320 kbps lub AAC zapewnia wystarczającą jakość. W serwisach streamingowych przepływność audio waha się od 48 kbps (mowa) do 320 kbps (muzyka wysokiej jakości).

Przykład JPEG vs PNG dla zdjęcia 24 MP (6000 × 4000 pikseli) ilustruje, dlaczego wybór formatu obrazu zależy od zawartości. Surowy BMP dla takiego zdjęcia zajmuje około 72 MB, co jest niepraktyczne do przechowywania i transmisji. PNG kompresuje to zdjęcie do około 16 MB (4,5:1), ale stopień kompresji silnie zależy od treści obrazu — zdjęcia z dużymi jednolitymi obszarami kompresują się lepiej niż te o złożonej teksturze. JPEG 95% zmniejsza ten sam obraz do około 6 MB (12:1) bez widocznych strat przy normalnym powiększeniu, co czyni go znacznie bardziej efektywnym dla zdjęć. JPEG 50% daje jedynie 1,5 MB (48:1), ale przy powiększeniu widać charakterystyczne artefakty blokowe i smugi. Dla grafiki z ostrymi krawędziami, tekstem lub diagramami PNG jest lepszym wyborem, ponieważ JPEG wprowadza widoczne zniekształcenia wokół krawędzi. Dla zdjęć publikowanych w internecie JPEG z jakością 85–95% jest optymalnym wyborem. Współczesne formaty, takie jak WebP i AVIF, oferują lepszą kompresję niż JPEG przy zachowaniu porównywalnej lub lepszej jakości. W systemach telekomunikacyjnych wybór formatu obrazu ma bezpośredni wpływ na przepustowość łącza i czas ładowania strony.

Przykład H.264 w wideokonferencjach ilustruje, jak ogromna kompresja jest potrzebna do transmisji wideo w czasie rzeczywistym. Surowy strumień YUV 4:2:0 dla rozdzielczości 1080p30 wymaga przepływności około 93 MB/s, czyli 744 Mbps, co jest całkowicie niepraktyczne dla łącza internetowego. H.264 kompresuje to wideo do 1–5 Mbps, co daje stopień kompresji 100–300:1, umożliwiając płynną transmisję przez typowe łącze broadband. W praktyce Zoom i Microsoft Teams używają przepływności 1–2 Mbps dla HD 1080p, co zapewnia dobrą jakość przy umiarkowanym ruchu w scenie. Dla porównania Netflix 4K wymaga 15–25 Mbps przy użyciu H.265 lub AV1, co przy surowej przepływności kilkunastu Gbps oznacza kompresję rzędu 1000:1. W wideokonferencjach kluczowe jest niskie opóźnienie (poniżej 150 ms), co ogranicza stosowanie złożonych technik międzyklatkowych. Kodeki stosowane w wideokonferencjach często używają skalowalnego kodowania (SVC), które umożliwia dostosowanie przepływności do warunków sieciowych bez ponownego kodowania. W systemach 5G i nowoczesnych sieciach komórkowych wideo jest kodowane z adaptacją do zmiennej przepustowości łącza radiowego. Efektywna kompresja wideo jest kluczowa dla rozwoju usług zdalnej pracy, telemedycyny i edukacji na odległość.

AV1 (Alliance for Open Media Video 1) został opublikowany w 2018 roku jako odpowiedź na rosnące koszty licencyjne H.265 i potrzebę darmowego, wydajnego kodeka. Konsorcjum AOMedia, w skład którego wchodzą Google, Apple, Meta, Netflix, Amazon i Mozilla, opracowało AV1 jako kodek royalty-free. AV1 oferuje około 30% lepszą kompresję niż H.265/HEVC przy tej samej jakości, co przekłada się na oszczędność pasma rzędu 30% w serwisach streamingowych. Główną wadą AV1 jest bardzo wysoka złożoność obliczeniowa kodowania, która może być 10–100 razy większa niż H.264, co wymaga wydajnych akceleratorów sprzętowych. Współczesne procesory graficzne (GPU) kart Nvidii, AMD i Intela oraz układy SoC w smartfonach stopniowo dodają wsparcie sprzętowe dla AV1. Konkurencyjny standard VVC (H.266) oferuje jeszcze lepszą kompresję niż AV1, ale jest obciążony opłatami licencyjnymi, co ogranicza jego adopcję. YouTube i Netflix już stosują AV1 do wybranych treści, szczególnie przy niższych przepływnościach. Przyszłość kodowania wideo zmierza w kierunku darmowych, otwartych standardów z rosnącym udziałem sztucznej inteligencji w procesie kompresji.

Sztuczna inteligencja zaczyna odgrywać coraz większą rolę w kompresji danych, szczególnie w zastosowaniach obrazu i wideo. Sieci neuronowe typu autoenkoder uczą się reprezentacji danych o niskiej wymiarowości, która zachowuje najważniejsze informacje wizualne. Modele generatywne (GAN) są używane do rekonstrukcji obrazu po silnej kompresji, wypełniając utracone szczegóły w sposób realistyczny. Firma Google opracowała JPEG XL, który łączy tradycyjne techniki DCT z nowoczesnymi metodami kodowania, oferując lepszą kompresję niż JPEG przy zachowaniu kompatybilności. NVIDIA MAXINE wykorzystuje AI do kompresji wideo w wideokonferencjach, redukując przepływność nawet o 90% przy zachowaniu akceptowalnej jakości twarzy i gestów. W IoT kluczowym wyzwaniem jest kompresja strumieni sensorowych z ograniczoną mocą obliczeniową i wąskim pasmem. Sieci LPWAN (LoRa, NB-IoT) przesyłają ramki o rozmiarze do 256 bajtów, co wymaga bardzo efektywnego kodowania danych. Edge computing umożliwia wykonywanie wstępnej kompresji i analizy danych na urządzeniu przed wysłaniem do chmury, co redukuje zapotrzebowanie na pasmo. Przyszłość kompresji będzie prawdopodobnie łączyć tradycyjne metody transformacyjne z głębokim uczeniem dla osiągnięcia optymalnych rezultatów.

Prezentacja przedstawiła kompleksowy przegląd zagadnień kodowania i kompresji w systemach telekomunikacyjnych. Kody liniowe, takie jak NRZ, Manchester, 4B/5B i 8B/10B, są niezbędne do dopasowania cyfrowego strumienia bitów do charakterystyki medium transmisyjnego. Kompresja bezstratna, wykorzystująca kodowanie Huffmana, LZW i Deflate, umożliwia idealne odtworzenie danych przy umiarkowanej redukcji rozmiaru. Kompresja stratna oparta na DCT, kwantyzacji i modelach percepcyjnych pozwala na bardzo wysoki stopień kompresji kosztem nieodwracalnej utraty informacji. Praktyczne standardy, takie jak MP3, JPEG, H.264 i AV1, ilustrują ewolucję kodeków w kierunku coraz lepszej efektywności kompresji. Wybór odpowiedniej metody kodowania lub kompresji zależy od zastosowania, wymaganej jakości, dostępnego pasma i mocy obliczeniowej. Współczesne trendy wskazują na rosnące znaczenie darmowych kodeków (AV1, Opus) oraz integrację sztucznej inteligencji w procesie kompresji. Zrozumienie omówionych zagadnień stanowi solidną podstawę do dalszego studiowania zaawansowanych systemów telekomunikacyjnych.

Dziękujemy za uwagę i mamy nadzieję, że prezentacja dostarczyła wartościowej wiedzy z zakresu kodowania i kompresji w telekomunikacji. Literatura uzupełniająca wymieniona na slajdzie obejmuje zarówno klasyczne podręczniki, jak i bieżące standardy ITU-T. Podręcznik Lathiego "Modern Digital and Analog Communication Systems" zawiera szczegółowe omówienie kodów liniowych i modulacji. Książka Salomona "Data Compression: The Complete Reference" jest wyczerpującym źródłem wiedzy o wszystkich metodach kompresji opisanych w wykładzie. Standardy ITU-T H.264 i H.265 są dostępne publicznie i stanowią podstawę do zrozumienia współczesnych systemów wideo. Zachęcamy do praktycznych eksperymentów z kodekami, takich jak porównywanie jakości MP3 i FLAC za pomocą testów ABX. Wiedzę zdobytą podczas wykładu można pogłębić, analizując rzeczywiste strumienie bitów za pomocą narzędzi takich jak Wireshark czy ffmpeg. Życzymy sukcesów w dalszej edukacji i praktyce inżynierskiej w dziedzinie telekomunikacji.