MP3基本概念及MP3的头信息

MP3 的全称为MPEG1 Layer-3 音频文件

每帧采样数（帧时间戳）：

我们首先区分两个术语：帧大小和帧长度。帧大小即每帧采样数表示一帧中采样的个数，这是恒定值。其值如下表所示

	MPEG 1	MPEG 2 (LSF)	MPEG 2.5 (LSF)
Layer I	384	384	384
Layer II	1152	1152	1152
Layer III	1152	576	576

采样率（单位：Hz），2 bits

每秒采集信息的次数，例如：44100Hz，每秒取44100次，每1/44100秒取一次（计算一次音频振幅的位置）

bits	MPEG1	MPEG2	MPEG2.5
00	44100	22050	11025
01	48000	24000	12000
10	32000	16000	8000
11	保留

比特率（单位：Kbps）

索引值	MPEG 1			MPEG 2, 2.5 (LSF)
索引值	Layer I	Layer II	Layer III	Layer I	Layer II & III
0000	Free
0001	32	32	32	32	8
0010	64	48	40	48	16
0011	96	56	48	56	24
0100	128	64	56	64	32
0101	160	80	64	80	40
0110	192	96	80	96	48
0111	224	112	96	112	56
1000	256	128	112	128	64
1001	288	160	128	144	80
1010	320	192	160	160	96
1011	352	224	192	176	112
1100	384	256	224	192	128
1101	416	320	256	224	144
1110	448	384	320	256	160
1111	Bad

Free表示空闲，如果固定比特率（这种文件不能变换比特率）和上表定义的不同，应该有应用程序决定。这种情况的实现应该只用于内部目的因为第三方应用程序是没有办法找出正确比特率的。但是这么做并不是很重要况且还浪费精力。

Bad表示该值无效。

帧长：

LyaerI使用公式：

帧长度（字节） = (( 每帧采样数 / 8 * 比特率 ) / 采样频率 ) + 填充 * 4

LyerII和LyaerIII使用公式：

帧长度（字节）= (( 每帧采样数 / 8 * 比特率 ) / 采样频率 ) + 填充

例： LayerIII 比特率 128000，采样频率 44100，填充0 =〉帧大小 417字节

MPEG1 MPEG2

1152 576

最大帧长：144*320/32 = 1440 最大帧长：72*160/22.05=522.45

最小帧长：144*32/44.1=104.49 最小帧长：72*8/16=36

每帧持续时间（单位：毫秒）：

每帧持续时间(ms) = 每帧采样数 / 采样频率 * 1000

MPEG1 Layer III 采样率为44.1KHz，一帧持续时间为26.12...不是整数，约等于 26ms。

MPEG2 Layer III 采样率为16KHz, 一帧持续时间为72ms.

1152/44.1=26.12ms

1152/48=24ms

1152/32=36ms

576/22.05=26.12ms

576/24=24ms

576/16=36ms

帧频（单位：HZ）：

帧频 = 采样频率 / 每帧采样数

采样率为44.1KHz，帧频38.12帧/s。

MPEG2 Layer III 采样率为16KHz, 一帧持续时间为72ms.

44100/1152=38.28125

48000/1152=41.67

32000/1152=27.78

22050/576=38.28125

24000/576=41.67

16000/576=27.78

LayerIII	MPEG 1	MPEG 2 (LSF)
比特率Kbps
0000	Free
0001	32	8
0010	40	16
0011	48	24
0100	56	32
0101	64	40
0110	80	48
0111	96	56
1000	112	64
1001	128	80
1010	160	96
1011	192	112
1100	224	128
1101	256	144
1110	320	160
1111	Bad
每帧采样数Hz
	1152	576
采样频率Hz
00	44100	22050
01	48000	24000
10	32000	16000
11	保留

MP3头结构：

AAAAAAAA AAA BB CC D EEEE FFGH II JJ K L MM

11111111 111 11 00 0 1000 0001 00 00 1 1 00

11111111 111 11 01 0 1001 0001 00 00 1 1 00

11111111 111 11 01 1 1111 0001 00 00 1 1 00

符号i

长度(bits)

位置(bits)

描述

例子

(31-21)

帧同步（所有位置1）

&0xFFF2 11位同步+MPEG2

&0xFFFA 11位同步+MPEG1

1111 1111 111

(20,19)

MPEG 音频版本ID

00 – MPEG 2.5 01 – 保留

10 – MPEG 2 （ISO/IEC 13818-3）

11 – MPEG 1 （ISO/IEC 11172-3）

注：MPEG 2.5不是官方标准。帧头第20个比特用来表示2.5版本。不支持该版本的应用程序一般认为该比特位置位为帧同步位，也就是说帧同步（A）的长度为12而不是这里规定的11，这样B也就变成了1位（第19个位）。推荐使用该表的方法因为这样允许你可以区分三个版本以获得最高兼容性。

(18,17)

Layer描述

00 - 保留

01 - Layer III

10 - Layer II

11 - Layer I

(16)

校验位 0 - 紧跟帧头后有16位即2个字节用作CRC校验

1 - 没有校验

(15,12)

位率索引

索引值	MPEG 1			MPEG 2, 2.5 (LSF)
索引值	Layer I	Layer II	Layer III	Layer I	Layer II & III
0000	Free
0001	32	32	32	32	8
0010	64	48	40	48	16
0011	96	56	48	56	24
0100	128	64	56	64	32
0101	160	80	64	80	40
0110	192	96	80	96	48
0111	224	112	96	112	56
1000	256	128	112	128	64
1001	288	160	128	144	80
1010	320	192	160	160	96
1011	352	224	192	176	112
1100	384	256	224	192	128
1101	416	320	256	224	144
1110	448	384	320	256	160
1111	Bad

注：所有值单位为kbps，而且1kbit=1000bit而不是1024bit

Bad表示该值无效。 MPEG文件可以有VBR。表示文件的比特率可以变化。我已经知道了两种惯用方法：比特率变换(bitrate switching)：每一帧都创建成不同的比特率。可以应用在任何层。LayerIII解码器必须支持该方法。LayerI和LayerII也可以支持。比特池(bit reservoir)：比特率可以使从前面的帧中借来的（受限），以便腾出空间来容纳输入信号部分。然而这样就导致各帧之间不再相互独立，意味着不能随便分割文件。这种方法只有LayerIII支持。 LyaerII中有一些不被允许比特率组合和模式。下表是允许的组合。

bitrate	allowed modes
free	all
32	single channel
48	single channel
56	single channel
64	all
80	single channel
96	all
112	all
128	all
160	all
192	all
224	stereo, intensity stereo, dual channel
256	stereo, intensity stereo, dual channel
320	stereo, intensity stereo, dual channel
384	stereo, intensity stereo, dual channel

1001

(11,10)

采样频率（单位：Hz）

bits	MPEG1	MPEG2	MPEG2.5
00	44100	22050	11025
01	48000	24000	12000
10	32000	16000	8000
11	保留

(9)

填充位 0 – 没有填充

1 – 填充了一个额外的空位填充用来达到正确的比特率。

例如：128k 44.1kHz LayerII使用了很多418bit或417bit长的帧来达到正确的128k比特率。LyaerI的空位有32bit长，LayerII和LayerIII的空位有8bit长。

(8)

私有bit，可以用来做特殊应用。例如可以用来触发应用程序的特殊事件。

(7,6)

声道 00 立体声 01 联合立体声（立体声） 10 双声道（立体声） 11 单声道（单声）

注：双声道文件由二个独立的单声道组成。每一个声道使用整个文件一半的位率。大多数的解码器把它当作立体声来输出，但是它并不总是这种情况。按我的理解就是是两个声道的信息是完全相同的，并不能把它当作立体声看待。

(5,4)

扩展模式（仅在联合立体声时有效）扩展模式用来连接对立体声效果无用的信息，来减少所需的资源。这两个位在联合立体声模式下有编码器动态指定。完整的MPEG文件的频率序列分成有32个子带。在LayerI和LayerII中这两个位确定强度立体声应用的频带。 LayerIII中这两个位确定应用了哪一种联合立体声（M/S stereo或者Intensity stereo）频带由解压算法决定。