音视频入门-5-音频编码原理、编码器、ADTS格式

 

1.  概念

音频压缩技术指的是对原始数字音频信号流（PCM编码）运用的数字信号处理技术。

 

2. 背景 和 压缩的必要性

研究发现，直接采用PCM码流进行存储和传输存在非常大的冗余度。

以CD为例，其采样率为44.1KHz，量化精度为16比特，则1分钟的立体声音频信号需占约10M字节的存储容量，也就是说，一张CD唱盘的容量只有1小时左右。

事实上，在无损的条件下对声音至少可进行4：1压缩，即只用25%的数字量保留所有的信息，而在视频领域压缩比甚至可以达到几百倍。

 

3. 注： 消除冗余信息是有损编码

 

 

4.  有损编码， 可以采用消除冗余信息的思路

 

 

使用傅里叶变换得到频域信息，看着该频域信息图，我们来进行遮蔽效应的概念解释：

划红线处的蓝色音源，威力很大，能把其他频率的信息覆盖，这是遮蔽源。

你可以把这个蓝色的音源理解为一个爱吵架的女生，音调很高，1KHz, 嗓门很大(即声音强度大概在70dB)。

这个女生一扯嗓子，就能把别人的声音遮蔽掉，

那么这个女生扯嗓子时候最容易把谁的声音遮蔽掉呢？

这就需要科学来解释了，上面这张图就是科学规律的总结。

频率相近的三个棕色的音源是最容易被遮蔽掉的音源了，上图也标识出了这些是被遮蔽的声音。

那是不是只要嗓门(声音强度)没这个女生大的音源，都会被覆盖呢？并不是！

 

上图中红圆圈所示的音源，频率大概在0.25KHz，声音强度超过了10dB, 但声音强度远远不及70dB,  你可以把这理解为一个声音低沉且嗓门也不大的魅力男嗓。

从上图可以看出，该男嗓未处在爱吵架女生声音的遮罩门槛内，

且同时也未处在静音门槛内(一些冰箱、电风扇工作时发出的声音可能处在静音门槛范围内，所以也被遮蔽了)，

所以该男嗓的声音强度虽然不及该女生，但是却不会被遮蔽。

这就是频域遮蔽效应的特点了。

 

在同一个时间点，谁的声音强度小，就会被遮蔽。

 

既然我们知道存在这个遮蔽效应这条科学规律，我们就可以通过一定的算法分析出哪些声音信息是会被遮蔽的，这就是消除冗余信息，是有损编码的一种实现思路。

 

5. 无损编码

熵编码是无损编码，具体的编码方式有很多，如下图

哈夫曼编码(Huffman Coding)，又称霍夫曼编码，是一种编码方式，哈夫曼编码是可变字长编码(VLC)的一种。

Huffman于1952年提出一种编码方法，该方法完全依据字符出现概率来构造异字头的平均长度最短的码字，

有时称之为最佳编码，一般就叫做Huffman编码（有时也称为霍夫曼编码）。

 

6. 音频编码过程

 

7. 常见的音频编解码器

注：Speex包含回音消除功能。

 

 

 

8. AAC编码器介绍

 

 

9. ADTS格式头

　AAC前面有个数据头，一般是ADTS格式的头。

对于直播系统，一般使用AAC，我们使用的都是ADTS格式。

 注意，读出来Audio Object Types值还需要加1，才是对应的类型。

如果读出来Audio Object Types值是1，那么对应的是AAL LC类型。

 

 

ADTS头解析网站

 

PS：

1. 有时候我们无法播放一段AAC数据，可能是缺少了ADTS头信息，这是我们就需要想办法加上这个头信息。

2. 我们在使用ffmpeg时，虽然ADTS这些信息都会被封装在其内部，但是我们需要具备基本的音视频知识，以便更好地解决各类可能出现的麻烦问题。

 

 

10. 

 

 

 

 

.