AAC解碼算法原理詳解

1、AAC解碼算法原理詳解原作者：龍帥 (loppp138) 此文章為便攜式多媒體技術(shù)中心提供，未經(jīng)站長(zhǎng)授權(quán)，嚴(yán)禁轉(zhuǎn)載，但歡迎鏈接到此地址。本文詳細(xì)介紹了符合ISO/IEC 13818-7(MPEG2 AAC audio codec) , ISO/IEC 14496-3(MPEG4 Audio Codec AAC Low Complexity)進(jìn)行壓縮的的AAC音頻的解碼算法。1、程序系統(tǒng)結(jié)構(gòu)下面是AAC解碼流程圖：AAC解碼流程圖 在主控模塊開(kāi)始運(yùn)行后，主控模塊將AAC比特流的一部分放入輸入緩沖區(qū)，通過(guò)查找同步字得到一幀的起始，找到后，根據(jù)ISO/IEC 13818-7所述的語(yǔ)法開(kāi)始進(jìn)

2、行Noisless Decoding(無(wú)噪解碼)，無(wú)噪解碼實(shí)際上就是哈夫曼解碼，通過(guò)反量化(Dequantize)、聯(lián)合立體聲（Joint Stereo），知覺(jué)噪聲替換（PNS）,瞬時(shí)噪聲整形（TNS），反離散余弦變換（IMDCT），頻段復(fù)制（SBR）這幾個(gè)模塊之后，得出左右聲道的PCM碼流，再由主控模塊將其放入輸出緩沖區(qū)輸出到聲音播放設(shè)備。2. 主控模塊主控模塊的主要任務(wù)是操作輸入輸出緩沖區(qū)，調(diào)用其它各模塊協(xié)同工作。其中，輸入輸出緩沖區(qū)均由DSP控制模塊提供接口。輸出緩沖區(qū)中將存放的數(shù)據(jù)為解碼出來(lái)的PCM數(shù)據(jù)，代表了聲音的振幅。它由一塊固定長(zhǎng)度的緩沖區(qū)構(gòu)成，通過(guò)調(diào)用DSP控制模塊的接口函數(shù)，

3、得到頭指針，在完成輸出緩沖區(qū)的填充后，調(diào)用中斷處理輸出至I2S接口所連接的音頻ADC芯片（立體聲音頻DAC和DirectDrive耳機(jī)放大器）輸出模擬聲音。3. 同步及元素解碼同步及元素解碼模塊主要用于找出格式信息，并進(jìn)行頭信息解碼，以及對(duì)元素信息進(jìn)行解碼。這些解碼的結(jié)果用于后續(xù)的無(wú)噪解碼和尺度因子解碼模塊。AAC的音頻文件格式有以下兩種：ADIF：Audio Data Interchange Format 音頻數(shù)據(jù)交換格式。這種格式的特征是可以確定的找到這個(gè)音頻數(shù)據(jù)的開(kāi)始，不需進(jìn)行在音頻數(shù)據(jù)流中間開(kāi)始的解碼，即它的解碼必須在明確定義的開(kāi)始處進(jìn)行。故這種格式常用在磁盤文件中。ADTS：Audi

4、o Data Transport Stream 音頻數(shù)據(jù)傳輸流。這種格式的特征是它是一個(gè)有同步字的比特流，解碼可以在這個(gè)流中任何位置開(kāi)始。它的特征類似于mp3數(shù)據(jù)流格式。AAC的ADIF格式見(jiàn)下圖： 3.1 ADIF的組織結(jié)構(gòu) AAC的ADTS的一般格式見(jiàn)下圖：3.2 ADTS的組織結(jié)構(gòu) 圖中表示出了ADTS一幀的簡(jiǎn)明結(jié)構(gòu)，其兩邊的空白矩形表示一幀前后的數(shù)據(jù)。ADIF和ADTS的header是不同的。它們分別如下所示： 3.3 ADIF的頭信息3.4 ADTS的固定頭信息         

5、60;            ADTS的可變頭信息 3.5 幀同步幀同步目的在于找出幀頭在比特流中的位置，13818-7規(guī)定，aac ADTS格式的幀頭為12比特的“1111 1111 1111”. 3.6 頭信息解碼ADTS的頭信息為兩部分組成，其一為固定頭信息，緊接著是可變頭信息。固定頭信息中的數(shù)據(jù)每一幀都相同，而可變頭信息則在幀與幀之間可變。3.7 元素信息解碼在AAC中，原始數(shù)據(jù)塊的組成可能有六種不同的元素。它們分別是SCE: Single Channel Eleme

6、nt單通道元素。單通道元素基本上只由一個(gè)ICS組成。一個(gè)原始數(shù)據(jù)塊最可能由16個(gè)SCE組成。CPE: Channel Pair Element 雙通道元素，由兩個(gè)可能共享邊信息的ICS和一些聯(lián)合立體聲編碼信息組成。一個(gè)原始數(shù)據(jù)塊最多可能由16個(gè)SCE組成。CCE: Coupling Channel Element 藕合通道元素。代表一個(gè)塊的多通道聯(lián)合立體聲信息或者多語(yǔ)種程序的對(duì)話信息。LFE: Low Frequency Element 低頻元素。包含了一個(gè)加強(qiáng)低采樣頻率的通道。DSE: Data Stream Element 數(shù)據(jù)流元素，包含了一些并不屬于音頻的附加信息。PCE: Progr

7、am Config Element 程序配置元素。包含了聲道的配置信息。它可能出現(xiàn)在ADIF 頭部信息中。FIL: Fill Element 填充元素。包含了一些擴(kuò)展信息。如SBR，動(dòng)態(tài)范圍控制信息等。3.8 處理流程(1).判斷文件格式，確定為ADIF或ADTS(2).若為ADIF，解ADIF頭信息，跳至第6步。(3).若為ADTS，尋找同步頭。(4).解ADTS幀頭信息。(5).若有錯(cuò)誤檢測(cè)，進(jìn)行錯(cuò)誤檢測(cè)。(6).解塊信息。(7).解元素信息。4.無(wú)噪聲解碼無(wú)噪編碼就是哈夫曼編碼，它的作用在于進(jìn)一步減少尺度因子和量化后頻譜的冗余，即將尺度因子和量化后的頻譜信息進(jìn)行哈夫曼編碼。全局增益編碼成

8、一個(gè)8位的無(wú)符號(hào)整數(shù)，第一個(gè)尺度因子與全局增益值進(jìn)行差分編碼后再使用尺度因子編碼表進(jìn)行哈夫曼編碼。后續(xù)的各尺度因子都與前一個(gè)尺度因子進(jìn)行差分編碼。量化頻譜的無(wú)噪編碼有兩個(gè)頻譜系數(shù)的劃分。其一為4元組和2元組的劃分，另一個(gè)為節(jié)劃分。對(duì)前一個(gè)劃分來(lái)說(shuō)，確定了一次哈夫曼表查找出的數(shù)值是4個(gè)還是2個(gè)。對(duì)后一個(gè)劃分來(lái)說(shuō)，確定了應(yīng)該用哪一個(gè)哈夫曼表，一節(jié)中含有若干的尺度因子帶并且每節(jié)只用一個(gè)哈夫曼表。4.1 分段無(wú)噪聲編碼將輸入的1024個(gè)量化頻譜系數(shù)分為幾個(gè)段（section），段內(nèi)的各點(diǎn)均使用同一個(gè)哈夫曼表，考慮到編碼效率，每一段的邊界最好同尺度因子帶的邊界重合。所以每一段必段傳送信息應(yīng)該有：段長(zhǎng)度，

9、所在的尺度因子帶，使用的哈夫曼表。4.2 分組和交替分組是指忽略頻譜系數(shù)所在窗，將連續(xù)的，具有相同尺度因子帶的頻譜系數(shù)分為一組放在一起，共享一個(gè)尺度因子從而得到更好的編碼效率。這樣做必然會(huì)引起交替，即本來(lái)是以c組窗尺度因子帶 系數(shù)索引為順序的系數(shù)排列，變?yōu)閷⒊叨纫蜃訋南禂?shù)放在一起：c組尺度因子帶窗 系數(shù)索引這樣就引起了相同窗的系數(shù)的交替。4.3大量化值的處理大量化值在AAC中有兩種處理方法：在哈夫曼編碼表中使用escape標(biāo)志或使用脈沖escape方法。前者跟mp3編碼方法相似，在許多大量化值出現(xiàn)時(shí)采用專門的哈夫曼表，這個(gè)表暗示了它的使用將會(huì)在哈夫曼編碼后面跟跟一對(duì)escape值及對(duì)值的符

10、號(hào)。在用脈沖escape方法時(shí)，大數(shù)值被減去一個(gè)差值變?yōu)樾?shù)值，然后使用哈夫曼表編碼，后面會(huì)跟一個(gè)脈沖結(jié)構(gòu)來(lái)幫助差值的還原。無(wú)噪解碼的流程圖如下：無(wú)噪聲解碼流程圖5.尺度因子解碼及逆量化在aac編碼中，逆量化頻譜系數(shù)是由一個(gè)非均勻量化器來(lái)實(shí)現(xiàn)的，在解碼中需進(jìn)行其逆運(yùn)算。即保持符號(hào)并進(jìn)行4/3次冪運(yùn)算。在頻域調(diào)整量化噪聲的基本方法就是用尺度因子來(lái)進(jìn)行噪聲整形。尺度因子就是一個(gè)用來(lái)改變?cè)谝粋€(gè)尺度因子帶的所有的頻譜系數(shù)的振幅增益值。使用尺度因子這種機(jī)制是為了使用非均勻量化器在頻域中改變量化噪聲的比特分配。5.1 尺度因子帶（scalefactor-band）頻率線根據(jù)人耳的聽(tīng)覺(jué)特性被分成多個(gè)組，每個(gè)

11、組對(duì)應(yīng)若干個(gè)尺度因子，這些組就叫做尺度因子帶。為了減少信息含有短窗的邊信息，連續(xù)的短窗可能會(huì)被分為一組，即將若干個(gè)短窗當(dāng)成一個(gè)窗口一起傳送，然后尺度因子將會(huì)作用到所有分組后的窗口去。5.2 反量化公式：x_invquant = sign(x_quant) * | x_quant| (4/3)其中x_invquant 表示反量化的結(jié)果sign (x)表示取x的符號(hào) 表示冪運(yùn)算5.3 應(yīng)用尺度因子公式：x_rescal = x_invquant * gaingain = 2 (0.25 * (sf SF_OFFSET)其中x_rescal 為應(yīng)用了尺度因子公式之后的值gain為一個(gè)增益sf 為尺度

12、因子值SF_OFFSET為一個(gè)常數(shù)，設(shè)為1006、聯(lián)合立體聲解碼聯(lián)合立體聲有兩種，M/S stereo(中間旁道立體聲)和intensity stereo(強(qiáng)度立體聲) 6.1 M/S stereo在M_S立體聲模式中，傳送的是規(guī)格化的中間/旁邊聲道的信息，計(jì)算公式如下：其中，l, r表示轉(zhuǎn)換后的左右聲道值m表示中間聲道值s表示旁邊聲道值  6.2 Intensity stereo在強(qiáng)度立體聲模式中，左聲道傳的是幅值，右聲道的scalefactor傳的是立體聲的位置is_pos。如果僅在一個(gè)指定了common_window為1的CPE中的右通道中指定哈夫曼表為INTENSITY_HC

13、B或INTENSITY_HCB2，則解碼時(shí)使用強(qiáng)度立體聲模式。其計(jì)算公式如下：is_pos += dpcm_is_posscale = invert_intensity * 0.5 (0.25 * ispos)r_spec = scale * l_spec從完全備份中還原從完全備份中還原數(shù)據(jù)庫(kù)非常簡(jiǎn)單，在9.3.2節(jié)中會(huì)詳細(xì)地is_pos是右聲道傳送的scalefactordpcm_is_pos是上一個(gè)is_pos,初值為0scale 為強(qiáng)度因子invert_intensity為是否反轉(zhuǎn)哈夫曼表（表14和表15）這個(gè)變量由ms_used指定，關(guān)系為：invert_intensity = 1 2

14、 * ms_used，另外，當(dāng)ms_mask_present為0時(shí)，invert_intensity恒為1。6.3 處理流程聯(lián)合立體聲解碼流程圖7、PNSPNS(Perceptual Noise Substitution) 知覺(jué)噪聲替換模塊是一種以參數(shù)編碼的方式模擬噪聲的模塊。在判別出音頻值中的噪聲后，將些噪聲不進(jìn)行量化編碼，而是采用一些參數(shù)告訴解碼器端這是某種噪聲，然后解碼器端將會(huì)對(duì)這些噪聲用一些隨機(jī)的編碼來(lái)制造出這一類型的噪聲。在具體操作上，PNS模塊對(duì)每個(gè)尺度因子帶偵測(cè)頻率4kHz以下的信號(hào)成分。如果這個(gè)信號(hào)既不是音調(diào)，在時(shí)間上也無(wú)強(qiáng)烈的能量變動(dòng)，就被認(rèn)為是噪聲信號(hào)。其信號(hào)的音調(diào)及能量變

15、化都在心理聲學(xué)模型中算出。在解碼中，如果發(fā)現(xiàn)使用了哈夫曼表13(NOISE_HCB)，則表明使用了PNS。由于M/S立體聲解碼與PNS解碼互斥，故可以用參數(shù)ms_used來(lái)表明是否兩個(gè)聲道都用同樣的PNS。如果ms_used參數(shù)為1，則兩個(gè)聲道會(huì)用同樣的隨機(jī)向量來(lái)生成噪聲信號(hào)。PNS的能量信號(hào)用noise_nrg來(lái)表示，如果使用了PNS，則能量信號(hào)將會(huì)代替各自的尺度因子來(lái)傳送。噪聲能量編碼同尺度因子一樣，采用差分編碼的方式。第一個(gè)值同樣為全局增益值。它同強(qiáng)度立體聲位置值及尺度因子交替地放在一起，但對(duì)差分解碼來(lái)說(shuō)又彼此忽略。即下一個(gè)噪聲能量值以上一個(gè)噪聲能量值而不是強(qiáng)度立體聲位置或尺度因子為標(biāo)準(zhǔn)

16、差分解碼。隨機(jī)能量將會(huì)在一個(gè)尺度因子帶內(nèi)產(chǎn)生noise_nrg所計(jì)算出的平均能量分布。7.1 處理流程PNS解碼流程圖8、TNSTNS瞬態(tài)噪聲整形用于控制一個(gè)轉(zhuǎn)換窗口內(nèi)的瞬時(shí)噪聲形態(tài)。它是用一個(gè)對(duì)單個(gè)通道的濾波過(guò)程來(lái)實(shí)現(xiàn)的。傳統(tǒng)的變換編碼方案常常遇到信號(hào)在時(shí)域變化非常劇烈的問(wèn)題，特別是語(yǔ)音信號(hào)，這個(gè)問(wèn)題是因?yàn)榱炕蟮脑肼暦植茧m然在頻率域上得到控制，但在時(shí)域上卻以一個(gè)常數(shù)分布在一個(gè)轉(zhuǎn)換塊內(nèi)。如果這種塊中信號(hào)變化得很劇烈卻又不轉(zhuǎn)向一個(gè)短塊去，那這個(gè)常數(shù)分布的噪聲將會(huì)被聽(tīng)到。TNS的原理利用了時(shí)域和頻域的二元性和LPC(線性預(yù)測(cè)編碼)的時(shí)頻對(duì)稱性，即在其中的任意一個(gè)域上做編碼與在另一域上做預(yù)測(cè)編碼等

17、效，也就是說(shuō)，在一個(gè)域內(nèi)做預(yù)測(cè)編碼可以在另一域內(nèi)增加其解析度。量化噪聲產(chǎn)生是在頻域產(chǎn)生的，降低了時(shí)域的解析度，故在這里是在頻域上做預(yù)測(cè)編碼。在AACplus中，由于基于AAC profile LC，故TNS的濾波器階數(shù)被限制在12階以內(nèi)。8.1 處理流程TNS解碼流程圖9. IMDCT將音頻數(shù)據(jù)從頻域轉(zhuǎn)換到時(shí)域的過(guò)程主要是由將頻域數(shù)據(jù)填入一組IMDCT濾波器來(lái)實(shí)現(xiàn)的。在進(jìn)行IMDCT變換后，輸出數(shù)值經(jīng)過(guò)加窗，疊加，最后得到時(shí)域數(shù)值。9.1 IMDCT公式for 0<= n <N其中n為采樣點(diǎn)索引值i為窗索引值k為頻譜系數(shù)索引值N為窗函數(shù)的長(zhǎng)度，全為短窗N = 256,其余情況為20

18、48n0=(N/2 +1)/29.2 塊型由于長(zhǎng)塊的頻域分辨率較高而短塊的時(shí)域分辨率較高，故長(zhǎng)塊較適合相對(duì)平穩(wěn)的時(shí)域信號(hào)，而短塊較適合變化相對(duì)較快的時(shí)域信號(hào)。長(zhǎng)塊長(zhǎng)度為2048個(gè)點(diǎn)，短塊長(zhǎng)度為256個(gè)點(diǎn)。9.3 加窗AAC用到兩種窗函數(shù)，分別為Kaiser-Bessel 類(KBD)窗和正弦窗。KBD窗如下所示：其定義為：     for 0 <= n <= N/2其中  使用KBD窗時(shí)，window_shape 為1正弦窗如下所示：其定義為使用正弦窗時(shí)，window_shape 為0另定義：對(duì)應(yīng)于四種不同的窗序列分別進(jìn)行不同的加窗變換：1.) 僅有長(zhǎng)塊：window_shape 為 1：window_shape 為0：加窗后，時(shí)域信號(hào)可用w(n)表示為：2.) 長(zhǎng)開(kāi)始?jí)K：window_shape 為 1：window_shape 為0：加窗后，時(shí)域信號(hào)可用w(n)表示為：3.) 只有短塊：window_shape 為 1：window_shape 為0：加窗后，時(shí)域信號(hào)可用w(n)表示為：2.) 長(zhǎng)結(jié)束塊：window_shape 為 1：window_shape 為0：加窗后，時(shí)域信號(hào)可用w(n)表示為：9.4 覆蓋疊加在加窗完成后得到的時(shí)域信號(hào)值z(mì)經(jīng)過(guò)前后