MPEG1 Layer3 (MP3)解碼演算法原理詳解

來源:互聯網
上載者:User


 
本文介紹了符合ISO/IEC 11172-3(MPEG 1 Audio codec Layer I, Layer II and Layer 
III audio specifications) 或 ISO/IEC 13818-3(BC Audio Codec)的音頻編碼原理。通過
madlib解碼庫進行實現。  1、程式系統結構  其中同步及差錯檢查包括了頭解碼模組
在主控模組開始運行後,主控模組將位元流的資料緩衝區交給同步及差錯檢查模組,此模組包含兩個功能,即頭資訊解碼及幀邊資訊解碼,根據它們的資訊進行尺度因子解碼及哈夫曼解碼,得出的結果經過逆量化,立體聲解碼,混淆縮減,IMDCT,頻率反轉,合成多相濾波這幾個模組之後,得出左右聲道的PCM碼流,再由主控模組將其放入輸出緩衝區輸出到聲音播放裝置。  2、主控模組主控模組的主要任務是操作輸入輸出緩衝區,調用其它各模組協同工作。
其中,輸入輸出緩衝區均由DSP控制模組提供介面。
輸入緩衝區中放的資料為原始mp3壓縮資料流,DSP控制模組每次給出大於最大可能幀長度的一塊緩衝區,這塊緩衝區與上次解幀完後的資料(必然小於一幀)串連在一起,構成新的緩衝區。
輸出緩衝區中將存放的資料為解碼出來的PCM資料,代表了聲音的振幅。它由一塊固定長度的緩衝區構成,通過調用DSP控制模組的介面函數,得到頭指標,在完成輸出緩衝區的填充後,調用中斷處理輸出至I2S介面所串連的音頻ADC晶片(立體聲音頻DAC和DirectDrive耳機放大器)輸出類比聲音。  3、同步及差錯檢測同步及差錯檢測模組主要用於找出資料幀在位元流中的位置,並對以此位置開始的幀頭、CRC校正碼及幀邊資訊進行解碼,這些解碼的結果用於後繼的尺度因子解碼模組和哈夫曼解碼模組。Mpeg1 layer 3的流的主要資料格式見: 其中granule0和granule1表示在一幀裡面的粒度組1和粒度組2,channel0和channel1表示在一個粒度組裡面的兩個通道,scalefactor為尺度因子quantized value為量化後的哈夫曼編碼值,它分為big values大值區和count1 1值區。CRC校正:運算式為X16+X15+X2+1  3.1 幀同步幀同步目的在於找出幀頭在位元流中的位置,ISO 1172-3規定,MPEG1 的幀頭為12位元的“1111 1111 1111”,且相鄰的兩個幀頭隔有等間距的位元組數,這個位元組數可由下式算出:
N= 144 * 位元速率 / 採樣率
如果這個式子的結果不是整數,那麼就需要用到一個叫填充位的參數,表示間距為N +1。  3.2 頭資訊解碼 頭資訊解碼目的是找出這一幀的特徵資訊,如採樣率,是否受保護,是否有填充位等。頭資訊見:  其長度為4 位元組,資料結構如下:
typedef struct  tagHeader {
unsigned int sync : 11 ; / / 同步資訊
unsigned int version : 2 ; / / 版本
unsigned int layer : 2 ; / / 層
unsigned int error2protection : 1 ; / / CRC校正
unsigned int bit2rate2index : 4 ; / / 位率索引
unsigned int sample2rate2index : 2 ; / / 採樣率索引
unsigned int padding : 1 ; / / 空白字
unsigned int extension : 1 ; / / 私人標誌
unsigned int channel2mode : 2 ; / / 立體聲模式
unsigned int mode extension : 2 ; / / 保留
unsigned int copyright : 1 ; / / 著作權標誌
unsigned int original : 1 ; / / 原始媒體
unsigned int emphasis : 2 ; / / 強調方式
} HEADER  3.3 幀邊資訊解碼幀邊資訊解碼的主要目的在於找出解這幀的各個參數,包括主要資料開始位置,尺度因子長度等。幀邊資訊如 (幀邊資訊(side_infomation)表):   3.4 main_data_beginmain_data_begin(主要資料開始)是一個位移值,指出主要資料是在同步字之前多少個位元組開始。需要注意的是,1.幀頭不一定是一幀的開始,幀頭CRC校正字和幀邊資訊在幀資料中是滑動的。2.這個數值忽略幀頭和幀邊資訊的存在,如果main_data_begin = 0, 則主要資料從幀邊資訊的下一個位元組開始。 參見:   3.5 block_typeblock_type指出如下三種塊類型:
block_type = 0 長塊
block_type = 1 開始塊
block_type = 3 結束塊
block_type = 2 短塊在編碼過程中進行IMDCT 變換時,針對不同訊號為同時得到較好的時域和頻域解析度定義了兩種不同的塊長:長塊的塊長為18個樣本,短塊的塊長為6個樣本。這使得長塊對於平穩的聲音訊號可以得到更高的頻率解析度,而短塊對跳變訊號可以得到更高的時域解析度。由於在短塊模式下,3 個短塊代替1個長塊,而短塊的大小恰好是一個長塊的1/3,所以IMDCT的樣本數不受塊長的影響。對於給定的一幀聲音訊號,IMDCT 可以全部使用長塊或全部使用短塊,也可以長短塊混合使用。因為低頻區的頻域解析度對音質有重大影響,所以在混合塊模式下,IMDCT對最低頻的2個子帶使用長塊,而對其餘的30個子帶使用短塊。這樣,既能保證低頻區的頻域解析度,又不會犧牲高頻區的時域解析度。長塊和短塊之間的切換有一個過程,一般用一個帶特殊長轉短(即,起始塊block_type = 1)或短轉長(即終止塊,block_type = 3)資料視窗的長塊來完成這個長短塊之間的切換。因此長塊也就是包括正常窗,起始塊和終止塊資料視窗的資料區塊;短塊也包含18個資料,但是是由6個資料獨立加窗後在經過串連計算得到的。  3.6 big_values, count1每一個粒度組的頻譜都是用不同的哈夫曼表來進行編碼的。編碼時,把整個從0 到奈奎斯特頻率的頻率範圍(共576個頻率線)分成幾個地區,然後再用不同的表編碼。劃分過程是根據最大的量化值來完成的,它假設較高頻率的值有較低的幅度或者根本不需要編碼。從高頻開始,一對一對的計算量化值等於“0”的數目,此數目記為“rzero”。然後4個一組地計算絕對值不超過“1”的量化值(也就是說,其中只可能有-1,0 和+1共3 個可能的量化層級)的數目,記為“count1”,在此地區只應用了4 個哈夫曼編碼錶。最後,剩下的偶數個值的對數記為“big values”, 在此地區只應用了32 個哈夫曼編碼錶。在此範圍裡的最大絕對值限制為8191。此後,為增強哈夫曼編碼效能,進一步劃分了頻譜。也就是說,對big values的地區(姑且稱為大值區)再細化,目的是為了得到更好的錯誤頑健性和更好的編碼效率。在不同的地區內應用了不同的哈夫曼編碼錶。具體使用哪一個表由table_select給出。從幀邊資訊表中可以看到:當window_switch_flag == 0時,只將大值區在細分為2個區,此時region1_count無意義,此時的region0_count的值是標準預設的;但當window_switch_flag == 1時再將大值區細分為3 個區。但是由於region0_count 和region1_count是根據從576個頻率線劃分的, 因此有可能超出了big_values *2的範圍,此時以big_values *2 為準. region0_count 和region1_count表示的只是一個索引值,具體頻帶要根據標準中的縮放因子頻帶表來查得.參見:             縮放因子、大值區、1值區和零值區分布圖  3.7 處理流程   4、縮放因子(scale factor)解碼縮放因子用於對哈夫曼解碼資料進行逆量化的樣點重構。根據幀邊資訊中的scalefactor_compress 和標準中的對應表格來確定的slen1和slen2 對縮放因子進行解碼,即直接從主要資料塊中讀取縮放因子資訊並存入表scalefac_l[gr][ch][sfb]和scalefac_s[gr][ch][sfb]中。對第2 粒度組解碼時,若為長塊,則必須考慮尺度因子選擇資訊。  4.1 尺度因子帶(scalefactor-band)在mpeg layer 3中576條頻率線根據人耳的聽覺特性被分成多個組,每個組對應若干個尺度因子,這些組就叫做尺度因子帶,每個長窗有21個尺度因子帶而每個短窗有12個尺度因子帶。  4.2 scfsiscfsi(尺度因子選擇資訊)用於指出是否將粒度組1的尺度因子用於粒度組2。如果為0表示不用,則在位元流中需讀取粒度組2的尺度因子。  4.3 處理流程                   縮放因子解碼流程圖  5、哈夫曼解碼

哈夫曼編碼是一種變長編碼,在mp3哈夫曼編碼中,高頻的一串零值不編碼,不超過1的下一個地區使用四維哈夫曼編碼,其餘的大值地區採用二維哈夫曼編碼,而且可選擇地分為三個亞區,每個有獨立選擇的哈夫曼碼錶。通過每個亞區單獨的自適應碼錶,增強編碼效率,而且同時降低了對傳輸誤碼的敏感度。


在程式實現上,哈夫曼表邏輯儲存採用了廣義表結構,實體儲存體上使用數組結構。查表時,先讀入4bit資料,以這4bit資料作為索引,其指向的元素有兩種類型,一種是值結構,另一種是鏈表指標式結構,在鏈表指標式結構中給出了還需要讀取的bit數,及一個位移值。如果索引指向的是一個值結構,則這個值結構就包含了要尋找的資料。如果索引指向的是一個鏈表指標式結構,則還需再讀取其中指定的位元數,再把讀取出的位元數同位移值相加,遞迴的找下去,直到找到值結構為止。 

聯繫我們

該頁面正文內容均來源於網絡整理,並不代表阿里雲官方的觀點,該頁面所提到的產品和服務也與阿里云無關,如果該頁面內容對您造成了困擾,歡迎寫郵件給我們,收到郵件我們將在5個工作日內處理。

如果您發現本社區中有涉嫌抄襲的內容,歡迎發送郵件至: info-contact@alibabacloud.com 進行舉報並提供相關證據,工作人員會在 5 個工作天內聯絡您,一經查實,本站將立刻刪除涉嫌侵權內容。

A Free Trial That Lets You Build Big!

Start building with 50+ products and up to 12 months usage for Elastic Compute Service

  • Sales Support

    1 on 1 presale consultation

  • After-Sales Support

    24/7 Technical Support 6 Free Tickets per Quarter Faster Response

  • Alibaba Cloud offers highly flexible support services tailored to meet your exact needs.