AAC解碼算法原理詳解(共18頁)

1、精選優(yōu)質(zhì)文檔-傾情為你奉上AAC解碼算法原理詳解原作者：龍帥 (loppp138) 此文章為提供，未經(jīng)站長授權(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所述的語法

2、開始進(jìn)行Noisless Decoding(無噪解碼)，無噪解碼實際上就是哈夫曼解碼，通過反量化(Dequantize)、聯(lián)合立體聲（Joint Stereo），知覺噪聲替換（PNS）,瞬時噪聲整形（TNS），反離散余弦變換（IMDCT），頻段復(fù)制（SBR）這幾個模塊之后，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)為解碼出來的PCM數(shù)據(jù)，代表了聲音的振幅。它由一塊固定長度的緩沖區(qū)構(gòu)成，通過調(diào)用DSP控制模塊的接口

3、函數(shù)，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，以及對元素信息進(jìn)行解碼。這些解碼的結(jié)果用于后續(xù)的無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音頻數(shù)據(jù)的開始，不需進(jìn)行在音頻數(shù)據(jù)流中間開始的解碼，即它的解碼必須在明確定義的開始處進(jìn)行。故這種格式常用在磁盤文件中。ADTS：A

4、udio Data Transport Stream 音頻數(shù)據(jù)傳輸流。這種格式的特征是它是一個有同步字的比特流，解碼可以在這個流中任何位置開始。它的特征類似于mp3數(shù)據(jù)流格式。AAC的ADIF格式見下圖： 3.1 ADIF的組織結(jié)構(gòu) AAC的ADTS的一般格式見下圖：3.2 ADTS的組織結(jié)構(gòu) 圖中表示出了ADTS一幀的簡明結(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、             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 El

6、ement單通道元素。單通道元素基本上只由一個ICS組成。一個原始數(shù)據(jù)塊最可能由16個SCE組成。CPE: Channel Pair Element 雙通道元素，由兩個可能共享邊信息的ICS和一些聯(lián)合立體聲編碼信息組成。一個原始數(shù)據(jù)塊最多可能由16個SCE組成。CCE: Coupling Channel Element 藕合通道元素。代表一個塊的多通道聯(lián)合立體聲信息或者多語種程序的對話信息。LFE: Low Frequency Element 低頻元素。包含了一個加強(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: Pr

7、ogram 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).若有錯誤檢測，進(jìn)行錯誤檢測。(6).解塊信息。(7).解元素信息。4.無噪聲解碼無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

8、編碼成一個8位的無符號整數(shù)，第一個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尺度因子進(jìn)行差分編碼。量化頻譜的無噪編碼有兩個頻譜系數(shù)的劃分。其一為4元組和2元組的劃分，另一個為節(jié)劃分。對前一個劃分來說，確定了一次哈夫曼表查找出的數(shù)值是4個還是2個。對后一個劃分來說，確定了應(yīng)該用哪一個哈夫曼表，一節(jié)中含有若干的尺度因子帶并且每節(jié)只用一個哈夫曼表。4.1 分段無噪聲編碼將輸入的1024個量化頻譜系數(shù)分為幾個段（section），段內(nèi)的各點均使用同一個哈夫曼表，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

9、長度，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，共享一個尺度因子從而得到更好的編碼效率。這樣做必然會引起交替，即本來是以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)時采用專門的哈夫曼表，這個表暗示了它的使用將會在哈夫曼編碼后面跟跟一對escape值及對

10、值的符號。在用脈沖escape方法時，大數(shù)值被減去一個差值變?yōu)樾?shù)值，然后使用哈夫曼表編碼，后面會跟一個脈沖結(jié)構(gòu)來幫助差值的還原。無噪解碼的流程圖如下：無噪聲解碼流程圖5.尺度因子解碼及逆量化在aac編碼中，逆量化頻譜系數(shù)是由一個非均勻量化器來實現(xiàn)的，在解碼中需進(jìn)行其逆運(yùn)算。即保持符號并進(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進(jìn)行噪聲整形。尺度因子就是一個用來改變在一個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)人耳的聽覺特性被分成多個組

11、，每個組對應(yīng)若干個尺度因子，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)的短窗可能會被分為一組，即將若干個短窗當(dāng)成一個窗口一起傳送，然后尺度因子將會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 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為一個增益sf

12、為尺度因子值SF_OFFSET為一個常數(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。如果僅在一個指定了common_window為1的CPE中的右通道中指定哈夫曼表為INTENSITY

13、_HCB或INTENSITY_HCB2，則解碼時使用強(qiáng)度立體聲模式。其計算公式如下：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)庫非常簡單，在9.3.2節(jié)中會詳細(xì)地is_pos是右聲道傳送的scalefactordpcm_is_pos是上一個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）這個變量由ms_used指定，關(guān)系為：invert_intensity =

14、1 2 * ms_used，另外，當(dāng)ms_mask_present為0時，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，然后解碼器端將會對這些噪聲用一些隨機(jī)的編碼來制造出這一類型的噪聲。在具體操作上，PNS模塊對每個尺度因子帶偵測頻率4kHz以下的信號成分。如果這個信號既不是音調(diào)，在時間上也無強(qiáng)烈的能量變動，就被認(rèn)為是噪聲信號。其信號的音調(diào)及

15、能量變化都在心理聲學(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來表明是否兩個聲道都用同樣的PNS。如果ms_used參數(shù)為1，則兩個聲道會用同樣的隨機(jī)向量來生成噪聲信號。PNS的能量信號用noise_nrg來表示，如果使用了PNS，則能量信號將會代替各自的尺度因子來傳送。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，但對差分解碼來說又彼此忽略。即下一個噪聲能量值以上一個噪聲能量值而不是強(qiáng)度立體聲位置或尺度因子

16、為標(biāo)準(zhǔn)差分解碼。隨機(jī)能量將會在一個尺度因子帶內(nèi)產(chǎn)生noise_nrg所計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轉(zhuǎn)換窗口內(nèi)的瞬時噪聲形態(tài)。它是用一個對單個通道的濾波過程來實現(xiàn)的。傳統(tǒng)的變換編碼方案常常遇到信號在時域變化非常劇烈的問題，特別是語音信號，這個問題是因為量化后的噪聲分布雖然在頻率域上得到控制，但在時域上卻以一個常數(shù)分布在一個轉(zhuǎn)換塊內(nèi)。如果這種塊中信號變化得很劇烈卻又不轉(zhuǎn)向一個短塊去，那這個常數(shù)分布的噪聲將會被聽到。TNS的原理利用了時域和頻域的二元性和LPC(線性預(yù)測編碼)的時頻對稱性，即在其中的任意一個域上做編碼與在另一域上做預(yù)測

17、編碼等效，也就是說，在一個域內(nèi)做預(yù)測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，降低了時域的解析度，故在這里是在頻域上做預(yù)測編碼。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)換到時域的過程主要是由將頻域數(shù)據(jù)填入一組IMDCT濾波器來實現(xiàn)的。在進(jìn)行IMDCT變換后，輸出數(shù)值經(jīng)過加窗，疊加，最后得到時域數(shù)值。9.1 IMDCT公式for 0<= n <N其中n為采樣點索引值i為窗索引值k為頻譜系數(shù)索引值N為窗函數(shù)的長度，全為短窗N = 256,其余情況

18、為2048n0=(N/2 +1)/29.2 塊型由于長塊的頻域分辨率較高而短塊的時域分辨率較高，故長塊較適合相對平穩(wěn)的時域信號，而短塊較適合變化相對較快的時域信號。長塊長度為2048個點，短塊長度為256個點。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，window_shape 為1正弦窗如下所示：其定義為使用正弦窗時，window_shape 為0另定義：對應(yīng)于四種不同的窗序列分別進(jìn)行不同的加窗變換：1.) 僅有長塊：window_shape 為 1：window_shape 為0：加窗后，時域信號可用w(n)表示為：2.) 長開始塊：window_shape 為 1：window_shape 為0：加窗后，時域信號可用w(n)表示為：3.) 只有短塊：window_shape 為 1：window_shape 為0：加窗后，時域信號可用w(n)表示為：2.) 長結(jié)束塊：window_shape 為 1：window_shape 為0：加窗后，時域信號可用w(n)表示為：9.4 覆蓋疊加在加窗完成后得到的時域信號值z經(jīng)過前后窗相互疊加計算