【音视频 | AAC】AAC音频编码详解

😁博客主页😁：🚀https://blog.csdn.net/wkd_007🚀
🤑博客内容🤑：🍭嵌入式开发、Linux、C语言、C++、数据结构、音视频🍭
🤣本文内容🤣：🍭介绍AAC音频编码🍭
😎金句分享😎：🍭你不能选择最好的，但最好的会来选择你——泰戈尔🍭

本文未经允许，不得转发！！！

🎄一、概述

AAC（Advanced Audio Coding），中文名：高级音频编码。出现于1997年，基于MPEG-2的音频编码技术。由Fraunhofer IIS、杜比实验室、AT&T、索尼等公司共同开发，目的是取代MP3格式。

2000年，MPEG-4标准出现后，AAC重新集成了其特性，加入了SBR技术和PS技术，为了区别于传统的MPEG-2 AAC又称为MPEG-4 AAC。

本文简单地介绍AAC编码的一些基础概念，以及AAC格式的文件怎么组成的，需要了解更多AAC编码的内容，可以查看其相关文档《ISO-IEC 14496-3_2009》。

在这里插入图片描述

🎄二、AAC编码规格(Profile)

AAC共有9种规格(Profile)，以适应不同的场合的需要：

MPEG-2 AAC LC：低复杂度规格（Low Complexity）注：比较简单，没有增益控制，但提高了编码效率，在中等码率的编码效率以及音质方面，都能找到平衡点。
MPEG-2 AAC Main：主规格
MPEG-2 AAC SSR：可变采样率规格（Scaleable Sample Rate）
MPEG-4 AAC LC：低复杂度规格（Low Complexity）—现在的手机比较常见的MP4文件中的音频部份就包括了该规格音频文件
MPEG-4 AAC Main：主规格注：包含了除增益控制之外的全部功能，其音质最好
MPEG-4 AAC SSR：可变采样率规格（Scaleable Sample Rate）
MPEG-4 AAC LTP：长时期预测规格（Long Term Predicition）
MPEG-4 AAC LD：低延迟规格（Low Delay）
MPEG-4 AAC HE：高效率规格（High Efficiency）—这种规格适合用于低码率编码，有Nero ACC 编码器支持

最早是基于MPEG-2标准，称为：MPEG-2 AAC。后来MPEG-4标准在原来基础上增加了一些新技术，称为：MPEG-4 AAC。

流行的Nero AAC编码程序只支持LC，HE，HEv2这三种规格，编码后的AAC音频，规格显示都是LC。HE其实就是AAC（LC）+ SBR技术，HEv2就是AAC（LC）+ SBR + PS技术；

这里再说明一下HE和HEv2的相关内容：

HE：HE-AAC v1（又称AACPlusV1，SBR)，用容器的方法实现了AAC（LC）+SBR技术。SBR其实代表的是Spectral Band Replication(频段复制)。简要叙述一下，音乐的主要频谱集中在低频段，高频段幅度很小，但很重要，决定了音质。如果对整个频段编码，若是为了保护高频就会造成低频段编码过细以致文件巨大；若是保存了低频的主要成分而失去高频成分就会丧失音质。SBR把频谱切割开来，低频单独编码保存主要成分，高频单独放大编码保存音质，“统筹兼顾”了，在减少文件大小的情况下还保存了音质，完美的化解这一矛盾。

HEv2：用容器的方法包含了HE-AAC v1和PS技术。PS指“parametric stereo”（参数立体声）。原来的立体声文件文件大小是一个声道的两倍。但是两个声道的声音存在某种相似性，根据香农信息熵编码定理，相关性应该被去掉才能减小文件大小。所以PS技术存储了一个声道的全部信息，然后，花很少的字节用参数描述另一个声道和它不同的地方。

在这里插入图片描述

🎄三、AAC封装格式

AAC有两种封装格式：

ADIF：全称 Audio Data Interchange Format，音频数据交换格式，该格式一般应用在将音频通过写文件方式存储在磁盘里的场景，不能进行随机访问，不允许在文件中间开始进行解码；只有拿到整个文件时才能开始进行渲染播放；
ADTS：全称 Audio Data Transport Stream，音频数据传输流，该格式的特征是用同步字节进行将 AAC 音频截断，然后可以允许客户端在任何地方进行解码播放，适合网络传输场景；

简单来说，ADTS可以在任意帧进行解码，每一个帧都有头信息，但ADIF却只有一个统一的头，所以必须得到所有的数据后才能解码。一个帧就能单独解码。

两种Header的形式也不同，目前一般编码后和抽取出的基本都是ADTS格式音频流。

✨3.1 ADIF 格式

这个格式比较少见，简单认识一下即可，下图是ADIF格式的序列，由adif_header、byte_alignment、raw_data_stream三部分组成。byte_alignment是用来做字节对齐的，也就是说，ADIF格式由一个ADIF头信息(adif_header) 和原始数据流(raw_data_stream) 构成。
在这里插入图片描述
下面看看ADIF头信息包括哪些内容，如下图：

✨3.2 ADTS 格式

ADTS 格式的AAC音频流是由一个个的ADTS帧组成的，下图是ADTS序列的语法，整个序列由若干个adts_frame组成。
在这里插入图片描述
每个ADTS帧都是由ADTS头部和AAC音频数据组成，下图是adts_frame的语法，adts_fixed_header(固定头部信息)和adts_variable_header(可变头部信息)都属于ADTS头部数据，raw_data_block表示AAC音频原始数据块。

下图是网络上对AAC音频流总结的一张图片，可以帮助我们宏观地认识AAC音频流的ADTS格式。
在这里插入图片描述

✨3.2.1 ADTS头部

ADTS头部有两部分，分为固定头部(adts_fixed_header)、可变头部(adts_variable_header)：

固定头部(adts_fixed_header)

字段解析：

syncword：占用12bit；
所有的bit位都是1。总是0xFFF,代表一个ADTS帧的开始，作为分界符，用于同步每帧起始位置。
ID：占用 1 bit；
表示MPEG版本，0代表MPEG-4, 1代表MPEG-2，一般用 0，因为都是属于 MPEG 的规范.。
layer：占用 2 bit；
一直是0；
protection_absent：占用 1 bit；
设置 1 表示没有CRC，整个ADST头为7字节；0 表示有CRC，整个ADST头为9字节。
profile_ObjectType：占用 2 bit，表示使用的AAC规格(profile)；
该字段的解释取决于ID位的值。如果ID等于1，则该字段包含与ISO/IEC 13818-7中定义的ADTS流中的配置文件字段相同的信息，也就是MPEG-2的规格；当ID为0是表示的是MPEG-4的规格，该字段的值等于 Audio Object Type 的值减1。字段取值如下面图片的表格。

sampling_frequency_index：占用 4 bit；
表示采样率下标，字段取值及解释如下图：

private_bit：占用 1 bit，编码时设置为0，解码时忽略；
详细解释参见 ISO/IEC 11172-3, subclause 2.4.2.3 (Table 8)
channel_configuration：占用 3 bit；
通道配置即声道数，一般 2 表示立体声双声道。更多的值参考下图：

original_copy：占用 1 bit，编码时设置为0，解码时忽略；
home：占用 1 bit，编码时设置为0，解码时忽略。

可变头部(adts_variable_header)

字段解析：

copyright_identification_bit：占用 1 bit，编码时设置为0，解码时忽略；
copyright_identification_start：占用 1 bit，编码时设置为0，解码时忽略；
frame_length：占用 13 bit，当前 ADTS 帧的长度，包括 ADTS 头(固定+可变)和 AAC 原始流，单位byte；
adts_buffer_fullness：占用 11 bit，0x7FF 表示码率可变的码流，0x000 表示固定码率的码流；
实际的AAC文件中，这个字段会出现不等于0x7FF、0x000的情况，下面是GPT的回复：adts_buffer_fullness字段表示AAC解码器中的缓冲区当前的填充量。这个字段的值代表了解码器输入缓冲区中未使用的字节数，可以用来衡量解码器缓冲区的剩余空间。理想状态下，这个值应该保持在一个合适的范围内，以确保解码器能够持续地接收和处理音频数据，而不会发生溢出或欠流的情况。
number_of_raw_data_blocks_in_frame：占用 2 bit；
该字段表示当前ADST帧中所包含的AAC帧的个数减一。为了最大的兼容性通常每个ADTS frame 包含一个AAC frame，所以该值一般为0。一个AAC原始帧包含一段时间内1024个采样及相关数据