1、Mp3 解码算法流程 第 1 章 声明本文档版权归属于西安交通大学人工智能与机器人研究所作者：李国辉 第 2 章 Mp3 解码算法流程MP3 的全称为 MPEG1 Layer-3 音频文件， MPEG 音频文件是 MPEG1 标准中的声音部分，也叫 MPEG 音频层，它根据压缩质量和编码复杂程度划分为三层，即Layer1、Layer2、Layer3，且分别对应 MP1、MP2、MP3 这三种声音文件，并根据不同的用途，使用不同层次的编码。MPEG 音频编码的层次越高，编码器越复杂，压缩率也越高，MP1 和 MP2 的压缩率分别为 4：1 和 6：1-8 ：1，而 MP3 的压缩率则高达 10：
2、1-12：1 。一分钟 CD 音质的音乐，未经压缩需要 10MB 的存储空间，而经过 MP3 压缩编码后只有 1MB 左右。不过 MP3 对音频信号采用的是有损压缩方式，为了降低声音失真度，MP3 采取了“心理声学模型 ”，即编码时先对音频文件进行频谱分析，然后再根据心理声学模型把谱线分成若干个阈值分区，并计算每个阈值分区的阈值，接着通过量化和熵编码对每个谱线进行编码，最后形成具有较高压缩比的 MP3 文件，并使压缩后的文件在回放时能够达到比较接近原音源的声音效果。2.1. Mp3 文件格式MP3 文件以一帧为一个编码单元，各帧编码数据是独立的。为了清晰而准确地描述mp3 文件格式，下面采用位
3、流语法描述，这种语法格式与 c 语言近似，易于理解，且描述清晰。其中粗体表示码流中的数据项，bslbf 代表位串，即 “Bit string, left bit first ”，uimsbf代表无符号整数，即”unsinged integer, mostsignificant bit first”，数字表示该数据项所占的比特数。2.1.1. Audio Sequenceaudio sequence()while (true)frame()2.1.2. Audio Frameframe()header()error_check()audio_data()ancillary_data()2.1.3
4、. Headerheader()syncword 12 bslbfID 1 bslbflayer 2 bslbfprotection_bit 1 bslbfbitrate_index 4 bslbfsampling_frequency 2 bslbfpadding_bit 1 bslbfprivate_bit 1 bslbfmode 2 bslbfmode_extension 2 bslbfcopyright 1 bslbforiginal/home 1 bslbfemphasis 2 bslbf2.1.4. Error Checkerror_check()if (protection_bit
5、=0)crc_check 16 rpchof2.1.5. Audio data , Layer IIIaudio_data()main_data_begin 9 uimsbfif(mode=single_channel)private_bits 5 bslbfelse private_bits 3 bslbffor(ch=0;ch0) linbitsx 113 uimsbfif(x!=0)signx 1 bslbfif(|y|=15lleft = CHAR_BIT)142 bitptr-cache = *bitptr-byte;143144 if (len left) 145 value =
6、(bitptr-cache 147 bitptr-left -= len;148149 return value;150 151152 /* remaining bits in current byte */153154 value = bitptr-cache 155 len -= bitptr-left;156157 bitptr-byte+;158 bitptr-left = CHAR_BIT;159160 /* more bytes */161162 while (len = CHAR_BIT) 163 value = (value byte+;164 len -= CHAR_BIT;
7、165 166167 if (len 0) 168 bitptr-cache = *bitptr-byte;169170 value = (value cache (CHAR_BIT -len);171 bitptr-left -= len;172 173174 return value;175以上涉及到一个数据结构 structmad_bitptr：struct mad_bitptr unsigned char const *byte;unsigned short cache;unsigned short left;结构体 mad_bitptr 指向码流中的要一个要读取的比特，该比特所在的字
8、节由 byte 确定，该比特在字节中的位置由 left 确定，如果 left 为 8，则该比特为（*byte) 的最高为（MSB）。另外，成员 cache 为字节数据缓冲，也就是(*byte)。我们看函数 mad_bit_read（）的第 144 行，(1left)-1)表示一个蒙板,一个 8位的数与它相与可表示低 left 位的值, 将这个值右移(bitptr-left len)位，即为要读取的若干比特位的值。函数的第 170 行也是同样的原理，只是要读取的比特位较长，涉及到多个，读者可自行揣摩。另外，在 bit.c 中，还有若干码流处理函数：mad_bit_bitsleft（）、mad_b
9、it_nextbyte（）、mad_bit_length（）、mad_bit_skip（）。3.2. 桢的同步每一桢的开头有同步字，即 syncword,为 12 个比特位（ 0xFFF），用以标明一桢的开始，但通过在码流中查找同步字来定位桢是很费事的，因此 mp3 解码采用了另一种快速的定位手段。在 mp3 码流中，相邻两个同步字之间的距离（也就是一桢的长度）是 slot 的整数倍，其中 slot 就是一个字节。一桢的长度要么是 N 个字节，要么是 N+1 字节。其中 N这样计算：上式计算出来的 N 如果不是整数，应该被截短（ truncated）。当桢头中的Padding_bit 为 1
10、时，桢长为 N+1；当 Padding_bit 为 0 时，桢长为 N。桢的同步通过函数 mad_header_decode（）完成，定义于 frame.c：mad_frame_decode（）mad_header_decode（）300 int mad_header_decode(struct mad_header*header, struct mad_stream *stream)301 302 register unsigned char const *ptr, *end;303 unsigned int pad_slot, N;304305 ptr = stream-next_fram
11、e;306 end = stream-bufend;307364 /* begin processing */365 stream-this_frame = ptr;366 stream-next_frame = ptr + 1; /* possibly bogus sync word */367 368 mad_bit_init(369 370 if (decode_header(header, stream) = -1)371 goto fail;377 /* calculate free bit rate */378 if (header-bitrate = 0) 379 if (str
12、eam-freerate = 0 |!stream-sync |380 (header-layer = MAD_LAYER_III 383384 header-bitrate = stream-freerate;385 header-flags |= MAD_FLAG_FREEFORMAT;386 387 388 /* calculate beginning of next frame */389 pad_slot = (header-flags 390 391 if (header-layer = MAD_LAYER_I)392 N = (12 * header-bitrate /heade
13、r-samplerate) + pad_slot) * 4;393 else 394 unsigned int slots_per_frame;395 396 slots_per_frame = (header-layer =MAD_LAYER_III 398 399 N = (slots_per_frame * header-bitrate /header-samplerate) + pad_slot;400 410 stream-next_frame = stream-this_frame+ N;426 return 0;第 305 行从 stream 结构体中获取下一个需要解码的桢的首地
14、址，然后在 365 行传递给 stream-this_frame,于是从前一桢过渡到它的下一桢。在得到桢长 N 之后，更新stream-next_frame（410 行），为下一桢的解码做好准备。另外，结构体 stream 定义如下：struct mad_stream unsigned char const *buffer; /*input bitstream buffer */unsigned char const *bufend; /*end of buffer */unsigned long skiplen; /*bytes to skip before next frame */int
15、sync; /* streamsync found */unsigned long freerate; /*free bitrate (fixed) */unsigned char const *this_frame; /*start of current frame */unsigned char const *next_frame; /*start of next frame */struct mad_bitptr ptr; /*current processing bit pointer */struct mad_bitptr anc_ptr; /*ancillary bits poin
16、ter */unsigned int anc_bitlen; /*number of ancillary bits */unsigned char (*main_data)MAD_BUFFER_MDLEN;/*Layer III main_data() */unsigned int md_len; /*bytes in main_data */intoptions; /* decodingoptions (see below) */enum mad_error error; /*error code (see above) */;关于 stream 结构体中一些成员的含义在 3.5 节(main_data 的读取 )中解释。3.3. 桢头解码桢头解码有函数 decode_header（）完成，定义于 frame.c：mad_header_decode（）decode_header（）static
