MP3解碼原理

原文地址：http://www.eefocus.com/jjbearustc/blog/07-09/3525_b7189.html#articletop

PCM訊號進行MP3壓縮時，以1152個PCM採樣值為單位，封裝成具有固定長度的MP3資料幀，幀是MP3檔案的最小組成單位。在解碼時，利用資料幀裡的資訊就可以恢複出1152個PCM採樣值。這1152個採樣值被分為2個粒度組，每個粒度組包含576個採樣值。一個MP3資料幀分為5個部分：幀頭、CRC校正值、邊資訊、主要資料、附加資料。

1       資料流的同步以及幀頭資訊的讀取。MP3資料流的同步以幀為單位，每一幀的幀頭都包含同步資訊。這個同步資訊是連續的12位元的‘1’組成。MP3音頻解碼過程中的第一步就是使解碼器與輸入資料流同步。在啟動解碼器後，可以通過搜尋資料流中的12位元長的同步字來完成。在取得同步以後跟著的資料就是幀頭資訊，包括採樣率、填充位、位元速率等資訊。

2       主要資料的讀取。在MP3編碼過程中使用了位元池技術，所以當前幀的主要資料不一定全部都在當前幀中，在解碼過程中，必須結合主要資料開始指標的值來確定主要資料的開始位置。主要資料包含的資料有縮放因子、哈夫曼資料及附加資料。這些欄位在主要資料中有固定的格式。

3        哈夫曼解碼和反量化。在MP3編碼過程中，根據心理聲學模型的輸出，對離散餘弦變換的輸出樣本以粒度為單位進行的量化和分配，再對量化的結果進行哈夫曼編碼。量化和編碼主要是通過迴圈迭代完成的，迴圈模組分為三層來描述，最高層為幀迴圈，它調用外層迭代迴圈，而外層迭代迴圈又調用內層迭代迴圈。但在解碼過程中，哈夫曼解碼和反量化過程是分開實現的。每個粒度組的頻率線都是用不同的哈夫曼表來進行編碼的，因此在解碼過程中，需要採用不同的解碼方法。反量化頻譜過程就是基於所得到的哈夫曼解碼資料，根據逆量化全縮放公式和幀邊資訊，對於不同的窗類型採用不同的公式以恢複576個頻率線的真實值。

4       立體聲處理

5       重排序和反混疊。反量化過程中得出的頻譜值不是按相同順序排列的。在編碼的MDCT過程中，對於長窗產生的頻譜值先按子帶然後按頻率排列；對於短窗，產生的頻譜值按子帶、窗、頻率的順序排列。為了提供哈夫曼編碼效率，短窗中的資料被重新排列，按照子帶、頻率、窗的順序排列。解碼時，重排序及時將短窗中的頻譜值重新排列。同樣，在編碼的MDCT過程中，為了得到更好的頻域特性，對長窗對應每個子帶進行了去混疊處理，為了得到正確的音頻訊號，在解碼時必須對長窗對應的子帶進行混疊重建。

6       逆向離散餘弦變換。逆向離散餘弦變換主要是使用逆向離散餘弦變換的公式，對反量化得出的訊號進行變換。逆向離散餘弦變換的計算十分複雜，為了提高效率，可以對計算做一些最佳化。

7       頻率反轉和子帶合成。頻率反轉是對逆向離散餘弦變換的輸出值中的奇數號子帶（0到31號子帶中的1，3，5，...，31）中的奇數號樣本值（每個子帶中的0到17號樣本值的1，3，5，...，17號樣本值）進行反相處理，用來補償編碼時為提高離散餘弦變換效率而進行的頻率反轉。子帶合成濾波器將32個頻寬相等的子帶中的頻域訊號反變換成時域訊號。子帶合成是逆向離散餘弦變換後的一個通道中32個子帶的樣值，經過一系列的計算還原出32個PCM數字音頻訊號的過程。子帶合成過程先將32個子帶樣值進行逆向離散餘弦變換，產生64個中間值，將這64個中間值轉入到一個長為1024點的類似先進先出FIFO的緩衝，再在這1024個值中抽取一半，構成一個512個值的向量，再進行加窗運算，最後將加窗結果進行疊加產生32個時域輸出。