（信号与信息处理专业论文）mpeg4aac音频解码器设计.pdf

原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独 立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不 包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研 究作出重要贡献的个人和集体，均已在文中以明确方式标明本声明 的法律责任由本人承担。 论文作者签名：堑3 ：! 兰日期 及伊、j 0 关于学位论文使用授权的声明 本人完全了解山东大学有关保留、使用学位论文的规定，同意学 校保留或向国家有关部门或机构送交论文的复印件和电子版，允许论 文被查阅和借阅；本人授权山东大学可以将本学位论文的全部或部分 内容编入有关数据库进行检索，可以采用影印、缩印或其他复制手段 保存论文和汇编本学位论文。 ( 保密论文在解密后应遵守此规定) 论文作者签名：翅：i 垒导师签名：塑! 日期：盈竺2 山东大学硕士学位论文 摘要 m p e ga a c ( a d v a n c e da u d i oc o d i n g ) 族是目前得到广泛应用的胛e gl a y e r 一3 ， 即m p 3 的后继产物。比特率范围可从2 4 k b i t s 到2 5 6 k b i t s 不等，作为新一代最有 效的高保真数字音频编码手段，m p e ga a c 具有压缩比高，重建音频质量好，编解 码过程模块化，声道配置灵活等特点，并且不同的层次具有不同的算法复杂度。 肝e g 从c 的开发开始于1 9 9 4 年，并于1 9 9 7 年纳入m p e 6 - 2 体系，成为独立于胛e g 屯第 三部分a u d i o 之外的完整的音频处理体系，咖p e g - g 第七部分。后来又因其优秀的 编码效率和音频效果，作为音频处理主体部分纳入到m p e 6 - 4 标准，目p m p e 6 4 第三部 分a u d i o 。m p e 6 - 4 a a c 在m p e 6 - 2 a a c 的基础上有了多项改进和发展，并且随着m p e 6 - 4 标准的日益完善，m p e 6 - 4a a c 也在不断的改进过程中。m p e 6 - 4a a c 音频编码标准 在新一代移动通信、数字声音存储、因特网多媒体传输，数字音频广播( d a b ) 等领 域正获得日益广泛的应用。 本文的工作是了解m p e 6a a c 音频标准发展状况，分析标准内容，并在此基础 上最终完成m p e g - 4a a c 音频解码器的软件实现和优化。 本文主要包括以下内容： 首先，介绍了声音信号的基础情况、音频数据压缩的主要理论依据，回顾了 m p e 6a c 标准的发展历程简单介绍近几年的发展方向和特点。由于a a c 最早纳 入了, m e p g 一2 标准体系，本文将对m e p g - 2a a c 和m p e g - 4a a c 做一个简单的对比并分 析后者基于前者的发展和进步。分析m p e g 一4a a c 的技术性能特点。 随后，完成对解码功能块之外的所有有效负载的码流解析设计。m p e g - 4a a c 的码流结构遵从i s o 新的多媒体文件格式i s ob a s e - t e d i af t l ef o r m a t ( 即m p e g - 4 第十二部分) 和m p e g 一4 文件格式m p 4f i l ef o r m a t ( 即m p e g _ 4 第十四部分) ，这些 是码流解析的依据。同时为了与m p e g 一2a a c 兼容，能够解码早期的m p e g 一2a a c 文 件本文完成了对卅e g 一2a a c 码流格式a d t s 和a d i f 的解析设计。 之后，完成了对m p e 6 - 4a a c 各解码功能模块的设计方案。高度模块化是a a c 标 准编解码的特点。其功能模块包括h u f f m a n 编码、尺度化编码、i m i c t 、p n s 、联合 编码、l t p 、t n s 、增益控制等。这些功能模块之间相对独立某些模块之间又存 山东大学硕士学位论文 在既定的上下游关系、交叉关系或排斥关系。在完成码流解析的基础上对每帧音 频数据根据其在编码段处理过程的不同，设计并优化各功能模块的解码方案。 然后，完成了程序整体架构的设计。并对其中的一些重要函数体和结构体给 出说明。 最后对整个工作给出总结并对未来工作做出展望。 2 关键词；肝e g 一4a a ci m d c r 联合编码l t p 山东大学硕士学位论文 a b s t r a c t t h em p e g a a c a d v a n e o da u d i oc o d i n g ) f a u t i l yi st h ec o n s e q u e n tc o n t i n u a t i o n o ft h et r u l ys u c c e s s f u la u d i oc o d e cm p e gl a y e r 3 w i d e l yk n o w n m p 3 w i t l lb n r a t e sr a n g i n gf r o m2 4k b i t st o2 5 6 k b i t s ，m p e ga a cc o m b i n e se x c e l l e n tc o d i n ge f f i - e i e n c yw i t hh i g h e s ta u d i oq u a l i t y a n di sf u l l ym u l t i - c h a n n e lc a p a b l e m p e ga a c h a s t h ec h a r a c t e r so fh i 曲r e c o n s t r u c t i o na u d i oq u a l i t y , m o d e l i n go fc o d i n ga n d d e c o d i n g p r o c c s s t f l e x i b l ea u d i oc h a n n e l c o n f i g u r a t i o n ，a n dt h e r ei sd i f f e r e n ta l g o r i t h m c o m p l e x i t ya td i f f e r e n tp r o f i l e t h ed e v e l o p m e n to fm p e ga a cs t a r t e da t1 9 9 4 o n l yt h r e ey e a r sl a t e rt h en e w f o r m a tb e c a m ep a r t7o ft h em p e gs t a n d a r da sm p e g - 2a a c ，w h i c hi si n d i v i d u a l a u d i op r o c e s s i n gp a r tt om p e g - 2p e r t3a u d i o ，a l s ob p a ? a r i s eo f t h e o u t s t a n d i n gc o d i n g e f f i c i e n c ya n da u d i oq u a l i t y , m p e ga a cw a sl a t e rb r o u g h ti n t ot h em p e g - 4s t a n d a r d a st h ep a r t3o fm p e g - 4 m p e g - 4a a c h a sm u l t i p l ei m p r o v e m e n ta n dd e v e l o p m e n t b a s e do f ft h em p e g - 2a a c m p e g - 4a a cn o wi sw i d e l ya p p l i e , df o rt h en e x t g e n e r a t i o n m o b i l e c o m m u n i c a t i o n ，d i g i t a la u d i os t o r i n g , l a t e m c tm u l t i m e d i a t r a n s m i t t i n g , d i g i t a la u d i ob r o a d c a s t i n g ( d a b ) ，e r e t h i sp a p e rf o c u s e so n a n a l y z i n gt h ec o n t e n to fs t a n d a r da n dc o m p l e t i n gt h e s o f t w a r er e a l i z a t i o na n do p t i m i z a t i o no f m p e g - 4a a c d e c o d e c t os u m m a r y , t h ec o n t e n t so f t h i sp a p e ri n c l u d ef o l l o w i n g a s p e c t s ： f i r s t l y , t h ea u d i os i g n a lk n o w l e d g e ，a u d i od a mc o m p r e s s i n gt h e o r y , t h e d e v e l o p m e n th i s t o r yo f m p e ga a ca n do t h e ra u d i op r o c e s s i n gs t a n d a r d ，a n dt h ef u t u r e d e v e l o p m e n td i r e c t i o ni si n t r o d u c e d b e c a u s et h em p e ga a cw a sf i r s t l yb r o u g h ti n t o t h em p e g - 2s y s t e m , t h ec o m p u t a t i o nb e t w e e om p e g - 2a a ca n dm p e g - 4a a ci s f m i s h e di nt h i sp a r t , f o c u s i n go nt h et e c h n o l o g yc h a r a c t e ro f m p e g - 4a a c s e c o n d l y , t h i sp a p e rf i n i s h e st h ep a r s i n gd e s i g no ft h ep a y l o a db i t s t r e a m t h e m p e g - 4a a cb i t s t r c a ms t r u c t u r ec o m p l i e sw i t ht h ei s on e wm o l t i m e d i nf o r m a t - l s o 3 山东大学硕士学位论文 b a s em e d i af i l ef o r m a t ( t h ep a r t1 2o fm p e g - 4 1a n dm p 4f i l ef o r m a t ( t h ep a r t1 4o f m p e g - 4 ) a tt h es a m ot i m e , t ob ec o m p a t i b l ew i t hm p e g - 2b i t s t r e a m ，t h i sp a p e ra l s o f o c u s e so nt h ep a r s i n go f m p e g - 2b i t s t r e a mf o r m a t - - a d t sa n da d i e t h e n ，t h ed e s i g ns c h e m eo f t h em p e g - 4d e c o d i n gf u n c t i o nm o d u l ei sp r o p o s e di n t h i sp a p e r , i n c l u d i n gh u f f m a nd e c o d i n g , s c a l e f a c t o rd e c o d i n g 、i m d c t 、in s 、j o i n t c o d i n g 、m 、t n s 、g a i nc o n t r o l ，e t c s u c hf u n c t i o nm o d u l e s a r ci o d q m o d e n tf r o me a c h o t h e r b u tt h e r ea r es o r t i ed e c o d i n go r d e ro rb c t w e f f f ls o m es p e c i f i cm o d u l e s a tl a s ta r ti n t e g r a t e dp r o g r a ms t r u c t u r ei n t r o d u c t i o ni sp r o p o s e d f o c u s i n go hs o m c i m p o r t a n tf u n c t i o nb o d ya n ds t r u c t u r eb o d y t h ec o n c l u s i o no f t h i sp a p e ra n d t h ef u t u r e r e s e a r c hd i r e c t i o ni sp o i n t e do u t k e y w o r d ：m p e g - 4a a c ，i m d c t ，j o i n tc o d i n g , l t p 山东大学硕士学位论文 1 1 声音信号的数字化 第一章绪论 随着计算机技术和通信技术的发展，人类进入了“数字时代”。这带来了括文 字，声音和图像等人类生活息息相关的信息处理的大变革。将这些媒体信息都从 本生的模拟信号进行数字化处理，再由计算机平台进行各种处理和综合，使各种 媒体信息的传播和保存发生了质的飞跃。但是各种媒体数字化后的信息数据量十 分庞大，对于存储器的容量，计算机实时处理以及网络通讯线路的传输带宽都提 出了非常苛刻的要求。所以对多媒体信息数据进行压缩，成为研究的热门课题。 在人类的几种感觉器官中，听觉和视觉接受的外界信息最多与之相适应， 这两种器官接受的声音与图像视频成为了多媒体的主要媒体数据，也是信号处理 领域重要的研究对象。在这里，本文主要研究声音信号的压缩解码。 根据所处理的声音信号特征的不同，可以将声音信号分为如下两类： l 语音信号 目前常见的话音通信系统，如长途通信、移动通信和卫星通信，主要面向这 种信号，其信号频带限于0 3 - 3 4 k h z 数字化时采样频率多取8 k h z 。 2 音频信号 一般认为人耳的听觉范围为2 0 h z ，2 0 k h z ，这正是我们所需处理的音频信号的 频带。也就是说。如果我们能够完整的保留下该频带内的所有声音信息，就意味 着不失真的保存了所需音频。在实际应用中，这种信号还可分为： i ) 电视和无线广播质量音频：信号频带从4 0 或5 0 h z 到7 k h z ( 调幅) 或 1 5 k h z ( 调频) 广泛用于收音机和电视伴音。 2 ) c d 质量音频：频带2 0 h z - 2 0 k h z ，主要用于传输或存储高品质音乐信号，数 字化时采样频率可取“1 k h z 或4 8 k h z 等 3 ) 高质量h i f i 音频：和c d 音频相比，频带更宽，量化更细。这种质量声音 使听众具有现场感，即狁如置身于音乐厅中，而且多采用多声道混放输出，形成 环绕，并提供低音增强等功能。数字化时采样频率最高达9 6 k h z 。 山东大学硕士学位论文 数字音频作为一种存储、处理和传输h i f i 声音的方法在数字音频广播( d a b ) 、 网络音频( 1 n m m e t a u d i o ) 、多媒体通信等许多领域中得到广泛的应用。然而，要存 储和传输原始音频数据需要很高的比特率。以c d 为例，每声道比特率高达 7 0 6 k b p s ，一张6 5 0 m b 容量的光盘只能存储- - d 时的立体声，如果直接传输需占 用一个t 1 或e l 的1 2 个话路，极不经济。虽然近几年存储介质发生了很大的发展， 存储容量越来越大，介质体积越来越小，但是提高音频的压缩比是更根本的方法。 1 2 音频压缩技术的理论依据 人耳的听觉系统是一个相当复杂的生理系统。首先人耳的听觉有它自身的生 理极限，它一般只能感知频率在2 0 2 0 k h z 的声音。在这个频段内的声音通过神经 传输到大脑皮层，然后由大脑将声音转化成不同的感知信号。在这个过程中，有 以下几点对于我们构造音频压缩算法尤其重要： 1 响度( l o u d n e s s ) 两个l 晤度一样的声音如果频率不同，它们会有不同的响度。产生这个现象的 原因是人耳对声音响度的感知会随着声音信号频率的变化而变化。实验证明，人 耳对1 0 0 0 h z - 5 0 0 0 h z 的声音最为敏感。 2 动态范 虱( d y n a m i cg a n g * ) 人耳能感知的最低声压大约为2 0 m p a s c a l ，将这个声压作为参考值，来衡量其 他声音的强度。普通谈话的声强大约是5 0 6 0 d b ，而汽车发动机噪声的声强大约为 1 3 0 d b 。人导能忍受的最大声强为1 3 0 d b ，因此人听觉的动态范围为0 - 1 3 0 d b e ， 3 听觉掩蔽效j 立( a u d i t o rm a s k i n g ) 掩蔽效应是一种常见的心理声学现象。它是指，在一个较强的声音附近，弱 的声音将不被人耳所察觉，即被“掩蔽”掉。这时，较强的声音称为掩蔽声，弱 的声音称为被掩蔽声。不可闻的被掩蔽声的最大声压级称为掩蔽门限。由于掩蔽 声的存在，被掩蔽声( 通常指单频声) 的闻阈必须提高的分贝数称为掩蔽量。掩蔽效 应分为频域掩蔽( 或同时掩蔽) 和时域掩蔽( 或异时掩蔽) 两大类。 1 1 频域掩蔽：频域掩蔽现象发生在掩蔽声与被掩蔽声同时出现的时候。举例来 说，如果在1 0 0 0 h z 处有一个强音，而在1 1 0 0 h z 出有一个强度低了2 0 d b 的声音， 山东大学硕士学位论文 1 1 0 0 h z 处的声音就会被1 0 0 0 h z 处的强音掩蔽，无法被听到。由于掩蔽效应，幅 度较大的音调( 掩蔽音调) 使靠近自己的相对幅度较小的音调变得听不见。一般来 说，强音能掩蔽较弱的声音，而且两个声音的频率越接近，掩蔽效应越明显。 时域掩蔽：时域掩蔽现象发生在掩蔽声与被掩蔽声不同时出现的时候，也称 为异时掩蔽。被掩蔽声作用于掩蔽声之前，即一个声音影响了时问上先于它的声 音的听觉能力，遮称为前掩蔽。当掩蔽声作用在前，被掩蔽声作用在后，即当一 个声音已经结束，它对另一个声音在听觉上还会产生影响，这称为后掩蔽。图1 1 给出了频域和时域掩蔽效应的特性曲线。前掩蔽的作用范围大约是2 0 m s ，而后掩 蔽的作用范围长达2 0 0 m s 。前掩蔽和听觉疲劳有些相似。在实践中，后掩蔽更为重 要。当被掩蔽声在时间上越接近于掩蔽声，阈值就越高。掩蔽声和被掩蔽声时间 上相距很近时。后掩蔽作用大于前掩蔽作用。 盎 毛 声7 t z 髻 蜒 图1 掩蔽效应 4 ，临界频带 当细致地分析人耳是如何进行频谱分析时，临界频带的概念被引入了。研究 发现。位频转换( f r e q u e n c y - t o p l a c et r a n s f o r m ) 发生在人的内耳。带有各自独立的神 经感知系统的人耳的耳蜗不同位置对应了不同的临界频带。在实际应用中，临界 频带可以大致定义为主观感知发生突变的频率带宽。一个纯音可以被以它为中心 频率，而且具有一定带宽的连续噪声所掩蔽，如果在这一频带内噪声功率等于该 纯音的功率，这时该纯音处于刚好能被听到的临界状态，即称运一带宽为临界带 宽，单位为b a r k 。 临界带宽有许多近似表示，一般在低于5 0 0 h z 的频带内，临界帮宽约为1 0 0 h z ， 在高于5 0 0 i - i z 时，临界带宽约为中心频率的2 0 。临界频带的位置不同定，以任 何频率为中心，都有一个临界频带。连续的临界频带序号记为临界频率带，它与 耳蜗中本底膜的长度呈线性关系，而与声音频率呈近似对数关系。 7 山东大学硕士学位论文 在实际的音频编解码系统中，常常采用离散的带通滤波器来模拟临界频带。 5 人耳的声像定位特性 经过研究，普遍认为人耳对声音的定位机理，是由于听者自己的头部和躯干 对入射声波的衍射作用，以致声波到达双耳时形成了声级差a p 和时间差t ，他 们都足声源的方位和频率的函数表示。研究表明，在中低频( f 小于1 5 0 0 h z ，双耳 t 是定位的主要因素；中频时( f 为1 5 0 0 i z 到4 k h z ) ，t 和a p 共同起作用；而高 频时( f 约大于4 k t 4 z ) ，则p 是主要因素。高频时方位的决定取决于信号包络在内 耳延时以及人耳所能感受到的信号频率。包络变化很快的时域声音信号，在定位 时作用大，而包络比较平稳的声音信号，对于人耳的定位影响很小。 目前的音频压缩编码算法主要分为两类：波形编码和感知编码。波形编码以声 音波形为基础，使重建声音波形尽可能接近原始波形，这类信号压缩编码器的设 计可以认为与信源无关。感知编码并不要求重建声音波形与原始波形完全一样， 而是要保证对于人耳来讲，重建声音听起来与原始声音一样。感知编码算法利用 对人听觉心理的先验知识，丢弃了原始声音中人耳无法感知的部分。 现在绝大多数的高质量音频压缩编解码算法都是基于感知编码的。同时，它 们又利用了信息论中的嫡编码原理，极大的消除了原始信息中的统计冗余，获得 了较高的压缩比和较好的重建音质。 1 3 音频编码技术的发展历史及现状 自从p c 支持多媒体以来，有几种音频编码标准得到了广泛的应用，数字音 频编码技术无论对多媒体通信，多媒体广播、消费类电子都有其重要性下面介绍 一下音频编码技术发展中比较突出的几个标准 1 m p e g 1 音频编码标准f 1 1 自从1 9 5 9 年以来，m p e g ( 运动图象专家组) 承担了视频和音频压缩技术的 标准化工作。这个小组制定的音频编码标准是数字音频压缩领域中的第一个国际 标准。1 9 8 9 年，m p e g 小组在征求了1 4 种音频编码方案后，最后确定了2 种：一 种是m u s i c a m ( m a s k i n g p a t t e r na d a p t e du n i v e r s a ls u bb a n di n t e g r a t e dc o d i n ga n d m u l t i p l e x i n g ，自适应掩蔽模式通用子带综合编码与多路复用) ，另一种是 0 山东大学硕士学位论文 a s p e c ( a d a p f i v e sp e a m l p er c e p t u a l e nt r o p y co d i n g ，自适应频谱感知嫡编码) 。基 于这两种算法于1 9 9 2 年制定了m p e g - i 标准。m p e g - l 按照算法的复杂度和压缩 比分为i ，1 1 1 i i 三个层次。第1 层的复杂度最低，是m u s i c a m 方案的简化形式， 以每声道1 9 2 k b p s 的速率提供高质量的声音，在不强调低码率的情况下应用。第 层具有中等复杂度，它使用比第1 层更为精密的量化，与m u s i c a m 方案几乎 完全相同，可在1 2 8 k b p s 的码率下提供近乎c d 质量的声音。第1 i i 层结合了 m u s i c a m 和a s p e c 的优点，复杂度最高，编码效果也最好，可在低于每声道 1 2 8 k b p s 的码率下获得极高品质的音频。第i 层使用了心理学模型i i 。可切换的混 合滤波器组，比特池缓冲技术、先进的预叵f 声控制、非均匀量化和墒编码技术。 m p e g l 等级i i i 在商业上获得了巨大的成功，这就是我们熟悉的m p 3 1 1 l 】。 m p 3 是目前流传最广的一种音乐压缩格式其c d 般的音质、高压缩比、开放性 和易使用性使之深受好评，尤其在i n t e m e t 网络上广为流行，很多硬件厂商还推出 了硬件设各m p 3 播放器，成为目前市场上音频播放器的主流。 2 d o l b y a c 0 2 ，- 3 美国杜比( o o l b y ) 实验室从1 9 8 0 年开始对数字声频技术进行研究，重点是降低 比特牢技术。它先后研制了a c - 1 ( a u d i oc o d i n g - 1 ) 。a c - 2 和a c - 3 技术。d o l b y a c - 2 是6 0 年代中期开始发展的，用于立体声，数码率为单声道，1 2 8 k b p s 和1 9 2 k b p s 可 变。它利用时域混叠抵消( t d a c ) 技术和m d c t 1 m d c t 变换。1 9 9 1 年d o l b y 发明了a c - 3 ，通道数由l 到5 ，再加一个低频增强通道。a c - 3 算法允许数据率在 3 2 6 4 0 k b p s 内调整，可组合成各种通道组合，在低比特率时提供良好的音质，1 9 9 3 年被美国a t s c 确定为北美h d t v 标准的声音编码系统。典型的5 1 ，通道，数码率 是3 8 4 k b p s , 每声道6 4 k b p s 。a c - 3 还用于电影、d v d 等。 3 d t s d t s ，数字影院系统( d i g i t a l t h e a t e rs y s t e m ) ，是在杜比数字环绕声出现后的 又一种数字环绕声系统。目前美国使用d t s 作为其电影原声带数字音频编码方式 的电影公司，已经超过了采用杜比数字系统的电影公司。 d t s 之所以受到如此青睐，是由于萁对高采样率、高量化精度的数字信号采 用了灵活、先进的相干声学( c o h e r e n t a c o u s t i c s ) 编码技术。根据实际应用，d t s 具 山东大学硕士学位论文 有单声道、双声道至s 声道可供选用，分离式的5 1 声道可以混音成为“矩阵式两 声道。d t s 每声道的采样频率最低为8 k h z ，最高为1 9 2 k h z ；量化精度范围为1 6 2 4 b i t ；压缩率范围为l ：1 - 4 0 ：1 ，总数据率范围为3 2 - 4 0 5 6 k b p s 。另外相干声学算法还 可以实现高达1 3 8 d b 的动态范围。 d t s 作为一种新型的数字环绕声技术，不但能胜任a v 的重托，更能提高c d 音乐的音质，完全可以和杜比数字制式在家庭视听方面想抗衡。 4 m p e g 2b c 、m p e g - 2l s f 和m p e g - 2a a c t 3 1 针对m p e g - j 只能进行单声道或双声道编码的局限性，m p e g 小组制定了多 声道扩展的音频编码标准m p e g - 2b c ，它能够与已有的m p e g - 1 系统向下兼容。 与此同时，m p e g 小组还制定了一个在较低采样频率( 6 k h z ，2 2 5 k h z ，2 4 k h z ) 时效率高于m p e g - 2 的音频编码标准m p e g - 2l s f 。1 9 9 4 年1 1 月，m p e g 完成了 m p e g - 2b c 和m p e g 2l s f 的制定。对五个全带宽声道，m p e g - 2b c 在数据率 为6 4 0 - 8 9 6 k b p s 的情况下提供了高品质的音频。 能够工作于6 4 k b p s e h a n n e l 的系统有m p 3 ，a c - 3 等，经严格测试存此码率时， 它们的重建音质都达不到i t u r 和欧广联( e b u ) 关于听不出与c d 有任何音质 变差的作为无线广播的要求，所以在1 9 9 4 年m p e g - 2 通过的同时m p e g 组织决定 研究和制订新的要达到i t u r 和e b u 要求的音频编码，新的音频编码不要求向下 兼容，命名为a d v a n c e d a u d i oc o d i n g 即a a c 。有许多著名公司和大学参加了a a c 标准的制订。 其中有美国的d o l b yl a b ，l u c e n tb e l ll a b 。a t & tl a b ，德国的 f m u n h o f e r1 1 s ，u n i v e r s i t yo f h a n o v e r , 日本的s o n yc o , n e c 等。并很快地于1 9 9 7 年纳入到m p e g 2 标准体系，成为其第七部分i 。a a c 的编码效率和商业价值被 越来越多的国家广播机构和大公司青睐，日本无线电工业协会在1 9 9 8 年就决定日 本的地面电视、有线电视、卫星电视一律采用a a c 音频编码。p a n a s o n i e p h i l i p s , s a n y o ，l i q u i d 等公司已推出基于a a c 的便携式产品或声源。可以预想a a c 将有 着广阔的发展前景。 5 m p e g - 4 音频编码标准l s l m p e g 目前正在发展的m p e g 4 标准，目标是提供未来的交互式多媒体应用。 山东大学硕士学位论文 m p e g 4 制定出与以往不同的、具有高度灵活性和可扩展性的新一代国际标准。较 之以前的音频编码标准，m p e g - 4a a c 增加了许多新的关于合成内容及场景描述 等领域的工作，相对于m p e g 2a a c 增加了诸如可分级性( s c a a b i l i t y ) 音调 ( p i t c h ) 变化、可编辑性及延迟等新功能，更增舔了l t p , p n s 等处理模块，提高了编 码效率。m p e g - 4 将以前发展电好但相互分离的高质量音频编码、计算机音乐及合 成语音等第一次融合在一起，在诸多领域内给予了高度的灵活性。 m p e g - 4 关于音频信号编码集中在m m 3 ：传统的音频编码即所谓的“自然音频” 和新颖的“结构音频”以及“合_ | 菠，自然混合编码匕“自然音频”编解码的码率可 以从每声道2 k b p s 至几百k i p s ，相应地定义了三种编码工具：参数编码 ( h v x c h i l n ) 、线性预测编码( c e l p ) 和时间，频率编码( g a ) 。本论文涉及的a a c 编解码方法即为时问，频率编码( g a ) 部分的核心部分“l 。a a c 方法中当码率达 到6 4 k b i t s 及其以上时，觯码音频效果达到了e b u ( e u r o p e nb r o a d c a s t i n gu n i o n ) 的 “无差别质量”( i n d i 或i n g u i s h a b l , q u a l i t y ) 检测。 目前，国际性数字无线电广播联盟( d r m ) 已将m p e g - 4 a a c 用于l w , m w , s w 数字音频广播“。m p e g - 4 音频部分仍然在发展之中，标准也己发布了多版。 近几年，a a c 算法吸纳了s b & p s 等先进的处理方法，形成了所谓h e a a c 和h e a a c v 2 ”，由于手头资料的不足和时间能力的有限，这些内容还在了解之中，没 有在本文中涉及。 1 4 本论文所傲的主要工作 m p e g - 4 音频部分有多种a o ( a u d i 0o b j e c t ) 类型，对应于a a c 的有 a a cm a i n ( 主a o ) ，a a c _ l c ( ( l o w - c o m p l e x i t yp r o f i l e ) ，a a c - l t p ( l o n g t e r m p r e d i c t i o n ) ，a a cs s r ( ( s c a l e a b l es a m p l i n gr a t e ) 本文完成了其中的前三种a o 类型的解码工作。他们之间有一定的包含关系： 山东大学硕士学位论文 囊1 澡 a a cm a i na a cl ca a cu 限 解码文件类塑 a a cm a i n可解 不可解不可解 a a cl c 可解可解可解 a a cl t p不可解 不可解 可解 本文完成的主要工作是： 深入理解m p e g - 4 a a c 标准，剖析a a c 码流格式，完成a a c 解码器的软件 设计，并对其中的占用资源较多的部分进行优化娃理。 山东大学硕士学位论文 第二章a c 有效负载解析设计 目前应用于a a c 码流的文件格式主要有三种：a d i f , a d t s ，m 4 f f 。其中a d i f 和a d t s 是a a c 专用的，m p e g - 4 其它的编解码方法不能使用该格式。这主要是 因为这两种格式是由m p e g 0 2 a a c 继承而来换言之，是为了实现与m p e g - 2 a a c 的兼容，必需完成对这两种格式的解析。 2 1 音频数据交换格式 a d i f ( a u d i od a t ai n t e r c h a n g ef o r m a t ) 文件结构比较简单，一个a d i f _ s c q u e a c c 由一个固定文件头a d i f _ h e “l e r 和数据包r a w _ d a t a _ s t r e a m 构成，数据参数在文件中 不能改变，所以灵活性有限。 1 ) a d f f _ h e a d e r o a d l f _ l d c o p y r i g h ti d j ” u e n t 暇c o p y r i g h ti d j x e s e n t ) c o p y r i g h t _ ；d o d g l n a lo o p y h o m e b l t s t r e a m _ t y p e b l t r a t e n u m _ p r o g r a m _ c o n f i g , e l e m e n m f o r ( i ；0 ：i n u m _ p r o g r a m _ c o n f i g _ e l e m e n t s + 1 ：h ) i f ( b i t s t r e a mt y p e = = 0 、 e d l f _ b - - 柏r f 训n p r o g 旧m _ c o f t f 咖l e m e n “) ” 表2 主要端口定义 b i t s t r e s me l e m e n t sf o r a d i fd e f i n i t i o n s a d i f 封 0 x 4 1 4 4 4 9 4 6 a d i f 的a s c 表示表明该文件为a d i f 格式文件 c o p y r i g h ti dp r e s e n t表明在随后的码流中是否出 觅c o p y r i g h u d c o p y d g h u d 8 - b i tc o p y r i g h t _ i d e n t m e r j l 【抖b n c o p y r i g h t _ n u m e r 一其 中c o p y d g h t _ i d e n t w m r 尾由s c2 9 指定的注册权威给出 o r i g i n a l _ c o p y h o m e 表明这部分足原创还是拷贝内容 山东大学硕士学位论文 b i t s t r e a m _ t y p e ”伊：同定比特率b i t s t r e a m ”1 - | = 可变比特率b i t s t r e a m b i t r a t e 固定比特率比特流的比特率或者可变比特率比特流的峰 值比特率若为0 ，表示比特率未知。 n u f n _ p 嘲倍m 0 0 n f i g - e i e m e m当前日d o 鹊n 。e ( ，的p r o g r a mc o n 的e l e m e n t 的数日 a d i f _ b u f f e r _ f u l l n e l m s 在编码a d f fs e q u e n c e 的第一叶- r a wd a t a _ b l o c k 结柬后 编码器b u f f e r # j 余的b n 数 p r o g r a mc o n f i g _ e l e m e n t 0 是a a c 八种语法元素之一。a a c 有缺省的声道配置， 并由c h a n n e l c o n f i g u r a t i o n 给出，见下表。若c h a t m e l c o n f i g u r a t i o n 为0 ，这该音频 的声道配置由p r o g r a m _ c o n f i g _ e l e m e n t 说明。 裹3m p e g - 4 a a c 缺省声遭配置 r a l l l en u m b e ro f c h a n n e lc h a n n e l t os p e a k 日m a p p i n g 0 i 南p r o g r a mc o n f i g _ e l e m e n t 定义 1lc e l l t e rf r o n ts p e a k e r 2 2 l c f l r i g h tf r o n ts p c a k e r s 3 3 n f r o n ts p e a 溉 l e 屯咄h 【f r o ms p e w e r s 44t e n o r f r o n ts p e a k c r , 1 e f k n 出m 钌f i o ms 筘a k c 氇 “ws u r r o u n ds p e a k e r s 5 5 c a l i e r f r o n ts p e a k e r , i , f f t , 嘞tf l o r as p e a k e r s , 1 硪s u n o u d d ， g l i ts u r r o u dr s p e a k e r s 65 + i c e m e rf r o n ts p a i h l k 屯r i r # tf i - o n t 耳峨岫 l e f ts u r r o u n d , 一g h ts m r m m d 他盯s p c “【e 璃 f r o n t l o w f f e q u e n c y d 触s p e a r e r 77 十l c e n 。f r o n t 邛鼬l 【e r l e f i ，r i g h t c e n t g r f r o n ts p c 越 i e f lr i e d a t o u t s i d ef r o n ts p e a k e r s , l e l is m r o m d r i o ts t a t o t t n dr e 口$ p c a k 蝇 f r o ml o wm w i c ye f f e c t ss p e a k e r 8 1 5r e s e r v e d 2 ) r a wd a t as t r e a m 0 是由多个r a w _ d a t ab l o c k 组成的序列。在a d i f 文件格式中文 件头只有一个。之后只有r a w d a t a b l o c k 数据而不再由h e a d e r 信息。对于 l a wd a t ab l o c k 的解析见2 4 。 山东大学硕士学位论文 2 2 音频数据传输码流 a d t s ( a u d i od a t at r a n s p o r ts t r e a m ) 格式更为灵活，一个a d t ss e q u e n t 2 0 包含 多个a d t sf r a m e o o ”。每个a d t s _ f r a m e o d 日- - 个固定帧头a d t s f i x e d h e a d e r ，一个可 变帧头a d t s _ v a r i a b l e _ h e a d e r ，一个校验模块a d t s e r r o r c h e c k 和多个r a w d a t a b l o c k 构成。 1 ) a d t sf i x e dh e a d e r 0 固定帧头的内容在每帧是不变的，方便随即读取等特殊需要时能够获得所需 的信息。 a d t s _ f i x e dh e a d e r 0 f s y n c w o r d i d l a y e r p r o t e c t i o n , a b e e n