嵌入式音视频开发——AAC编码
1、AAC编码概述
在嵌入式音视频开发中，AAC（Advanced Audio Coding）是一种高效的数字音频编码格式，广泛应用于移动设备、智能硬件等资源受限环境中。它基于感知音频编码原理，能在保持较高音质的同时实现高压缩比（例如，压缩率高达 20:1）。AAC 是 MPEG-4 标准的一部分，旨在替代 MP3，提供更好的音质和效率。
2、为什么需要进行AAC音频压缩处理
音频压缩是数字音频处理中的关键技术，而AAC（Advanced Audio Coding）作为一种高效的高级音频编码格式，被广泛应用于音乐流媒体、视频文件（如MP4）、广播和移动通信等领域。以下是需要AAC音频压缩处理的主要原因。
1. 减少存储空间需求
- 原始未压缩的音频数据（如PCM格式）体积巨大。例如，CD音质的音频（采样率44.1kHz、位深度16位、立体声）每秒产生约1.4MB的数据。对于一个5分钟的歌曲，原始大小可能超过400MB。
- AAC压缩通过移除冗余信息（如人耳不敏感的频段），显著减小文件大小。压缩率通常可达10:1或更高，即： 压缩率 = 原始文件大小 : 压缩后文件大小。 例如，原始文件为400MB，压缩后可能仅40MB，节省大量存储空间，便于在移动设备或云端存储更多内容。
2. 节省传输带宽和提高效率
- 在网络传输中，带宽是有限资源。未压缩音频需要高带宽才能流畅传输，这在流媒体服务（如Spotify或YouTube）中会导致缓冲和延迟。
- AAC压缩后，音频数据量大幅降低。例如，在128kbps比特率下，AAC能提供接近CD音质，而原始数据可能需1411kbps。这减少网络负载，确保实时播放流畅。
- 数学上，比特率与文件大小的关系可表示为：
文件大小 (字节) = (比特率 (比特每秒（bps）) × 时间 (秒)) / 8
文件大小 (MB) ≈ (比特率 (kbps) × 时间 (秒)) / (8 × 1000) // 更常用的简化公式
比特率越高，文件越大（时间固定）；时间越长，文件越大（比特率固定）。通过降低比特率（如从1411kbps到128kbps），文件大小减小，传输更快更高效。
3. 保持高音质的同时优化资源
- AAC采用先进的感知编码技术，基于人耳听觉模型（如掩蔽效应），智能地去除不重要的音频成分（如高频弱音），而保留关键音质元素。这比早期格式（如MP3）更高效，在相同比特率下音质更优。例如，AAC支持多声道（如5.1环绕声），适用于高清视频和游戏音频，压缩后仍能提供沉浸式体验。
- 压缩过程涉及信号处理，如频域变换（如使用MDCT），AAC通过量化这些系数实现高效压缩。
3、AAC的特点以及优势
3.1.高压缩率：AAC的压缩率高达1:20，远远高于MP3的1:10。换言之，在相同时间内录制AAC的文件大小远远低于MP3的大小。
3.2.更高的音频品质：AAC的优势不仅在于压缩大小上，还在于它的音频还原程度更高，音质相比于其他压缩格式更加优秀。
3.3.更高的解码效率：解码播放器在解码含有AAC的音频编码的时候，它所占用的资源会更加的少，解码时CPU使用率更低。
4、AAC技术规格
AAC根据压缩效率和适用场景分为三种主流规格：
- LC-AAC（低复杂度）
- 技术特点：基于传统AAC编码，复杂度较低，适用于中高比特率（≥80 kbps）场景。
- 应用场景：音乐流媒体（如Apple Music）、高清音频存储
- HE-AAC（高效型，v1）
- 技术特点：结合SBR（Spectral Band Replication，频带复制）技术，仅编码低频信号，通过参数指导重建高频，压缩效率提升30%。适用于中低比特率（≤80 kbps）。
- 应用场景：网络广播、移动通信（如DAB+数字广播）
- HE-AAC v2
- 技术特点：在SBR基础上加入PS（Parametric Stereo，参量立体声），将立体声信息参数化，进一步降低码率（≤48 kbps）。
- 应用场景：低带宽环境（如移动端短视频、语音通话）
5、AAC文件格式表现形式
AAC音频数据通过两种封装格式存储或传输：
- ADIF（Audio Data Interchange Format）
- 特点：仅有一个全局文件头，数据连续存储，不支持流式解码。
- 适用场景：本地文件存储（如.m4a音频文件）
- ADTS（Audio Data Transport Stream）
- 特点：每一帧添加7-9字节头信息（含同步字、采样率、声道数等），支持流式传输和支持在任意帧进行解码。
- 结构示例：
- 固定头：同步字（0xFFF）、规格标识（LC/HE）、采样率索引（如44.1kHz）、声道数。
- 可变头：帧长度、码率控制信息（如0x7FF表示可变码率）
| 特性 | ADIF | ADTS |
|---|---|---|
| 文件头 | 仅有一个统一的文件头 | 每帧都有一个同步字和头信息 |
| 解码方式 | 必须从文件头开始解码 | 可以在任意帧处解码 |
| 适用场景 | 磁盘存储 | 网络传输 |
| 数据结构 | 单一文件头 + 压缩音频数据 | 多帧结构，每帧包含同步字、头信息和数据 |
ADIF与ADTS的对比
5.1 ADIF的数据结构
ADIF Header结构表
|
字段名 |
位宽（bits） |
数据类型 |
说明 |
|---|---|---|---|
|
syncword |
32 |
字符串 |
固定为 |
|
version |
1 |
bool |
|
|
bitstream_type |
1 | bool |
|
|
bitrate |
23 |
int |
仅CBR有效，表示全局固定比特率（单位：bps） |
|
num_channels |
4 | int |
声道数量（如 |
|
sample_rate_index |
4 |
枚举 |
采样率索引值（需查表转换，如 |
|
copyright_id |
1 | bool |
|
|
copyright_start |
1 | bool |
版权信息起始标识（仅当 |
|
metadata |
可变 |
自定义 |
扩展元数据（如版权文本），长度由前序字段决定 |
5.2 ADTS的数据结构
根据上图，一个ADTS帧由ADTS Header（头部信息）和AAC ES（裸流数据）两部分组成。
ADTS（Audio Data Transport Stream）头由固定头（adts_fixed_header）和可变头（adts_variable_header）组成，其结构及字段定义如下表：
ADTS Header结构表格
|
字段名 |
位宽（bits） |
所属部分 |
说明 |
|---|---|---|---|
|
syncword |
12 |
|
同步标识，固定为 |
|
id |
1 |
|
MPEG标识符： |
|
layer |
2 |
|
固定为 |
|
protection_absent |
1 |
|
CRC校验标识： |
|
profile |
2 |
|
AAC级别标识： |
|
sampling_frequency_index |
4 |
|
采样率索引值（需查表转换，例如 |
|
private_bit |
1 |
|
私有位，编码时固定为 |
|
channel_configuration |
3 |
|
声道配置： |
|
original_copy |
1 |
|
固定为 |
|
home |
1 |
|
固定为 |
|
copyright_identification_bit |
1 |
|
固定为 |
|
copyright_identification_start |
1 |
|
固定为 |
|
aac_frame_length |
13 |
|
ADTS帧总长度（含头和原始数据），计算公式： |
|
adts_buffer_fullness |
11 |
|
缓冲区充满度： |
|
number_of_raw_data_blocks |
2 |
|
帧内AAC原始数据块数量： |
关键特性：
-
头长度可变：由
protection_absent决定（7字节或9字节） -
同步机制：
syncword帮助解码器快速定位帧起始位置，支持流式传输 -
适用场景：ADTS格式因每帧自带头部，适用于直播、实时传输（如TS流）；而ADIF格式仅有一个全局头，适合本地文件存储
邀请您加入社区
更多推荐
23
0- 0
已为社区贡献6条内容
所有评论(0)