音频的编解码及其优化方法和经验

音频的编解码（codec）根据应用场景的不同主要由几大技术组织制定，分别是ITU-T、3GPP、MPEG。当然也有一些公司或者公司的联合体等制定，如微软的WMA。他们不仅制定了codec的规范，同时还提供软件实现的reference code，这样便于普及制定的codec的使用。本文先谈谈这些codec，然后讲怎么样根据reference code去优化codec（主要是减少CPU load）。

 

1，codec 规范

1）ITU-T

ITU-T制定的是有线语音的codec标准，即G系列，主要有G.711、G.722、G.726、G.728、G.729等。采样率窄带是8KHz，宽带是16KHz。码率从64kbps到8kbps不等。下表列出了具体的采样率和码率。

                                                          

2）3GPP

3GPP制定的是移动语音的codec标准，主要是AMR（adaptive multi-rate，自适应多码率）系列等，能根据网络状况自适应的调整码率。采样率窄带是8KHz，宽带是16KHz。近年来为了应对互联网的竞争（互联网公司提出了涵盖语音和音乐的OPUS codec），3GPP出台了EVS（enhanced voice service）音频编解码规范。EVS也涵盖了语音和音乐，能在两者之间灵活切换，支持多种采样率和码率。具体如下表。

                                       

3）MPEG

MPEG制定的主要是音乐的编解码规范，主要有MP3、AAC等。MP3大家都很熟悉，是近二十年来听音乐的最主要的格式，AAC是MP3的继承者，下一代的最主要的音乐编解码规范。音乐中采样率一般是44100HZ，也有的用48000HZ。码率在一个范围内，码率越大，音质越好。

 

4）公司或公司联合体

一些公司或者公司联合体根据需要制定音频的编解码规范，比如微软的WMA，Skype的SILK，GIPS（GIPS在2011年被谷歌收购，谷歌基于GIPS的音视频解决方案推出了webRTC并开源出来，影响巨大）的ILBC等。还有一个不得不提的就是OPUS，它是由非盈利的Xiph.org 基金会、Skype 和Mozilla 等共同主导开发的，全频段（8kHZ到48kHZ）,支持语音和音乐（语音用SILK, 音乐用CELT），已被IETF接纳成为网络上的声音编解码标准（RFC6716）。

 

我用过的codec从语音到音乐分别有G.711/G.722/G.726/G.728/G.729/AMR-NB/AMR-WB/ILBC/OPUS/MP3/AAC/WMA/APE/Vorbis/ALAC/FLAC等。

 

2，codec的优化

这里讲的优化主要是指CPU load的优化，即优化后运行codec占用更少的CPU，在具体的硬件平台上运行的更流畅。优化到什么程度算结束这依赖需求而定。如果优化后给所在项目用，就要看项目给你多长时间优化以及项目能接受的优化后的CPU load，一般情况下项目用上优化后的codec后在最复杂的场景下能流畅运行又不影响其他功能就可以了，因为项目上要腾出人手做其他事情，毕竟项目进度和质量是最重要的。如果优化后作为库卖给客户用，就要尽量优化到极致，因为这是用户选择用哪家公司库的重要指标，是卖点，这种情况下就会有更多的优化方法和技巧。我做过的优化都是给项目用，没有作为库给客户用，因而技巧不是特别多。

1）优化前的准备工作

a)    通读一下要优化的codec的代码，尽量读懂，即使没懂也要搞清楚函数是干什么的，这有利于后面优化。

b)    准备好profiling工具，profiling工具就是测量运行某个函数花了多少clock。有现成的profiling工具最好，如果没有就根据具体OS和硬件平台（ARM/MIPS等）自己做工具。

c)    准备好test vector，即测试的音源，一般codec制定的官方会提供，通常是多个vector, 对应于不同的场景。优化的原则是在减少CPU load的同时算法运算结果不被改变，所以在做优化时每优化一些就要用test vector跑一下，看结果有没有改变，如果改变了，就要退回到上一个版本。我做优化时每天至少保留一个版本，有时两个或者三个，就是为了出问题时好回溯，尽快查出哪个地方的优化出了问题。

 

2）优化步骤与方法

a)    将编译器的优化选项从-o0改为-o3

b)    给代码中那些经常被调用的又短小的函数加上inline

通常情况下做完a,b后load会下来一大截，如同挤泡沫一样，会挤掉很大一部分。

c)     ITU-T或者3GPP的codec reference code中有好多基本运算（加减乘除）的函数，这些函数都写的特别严谨，同时调用的频次又非常高，因而加大了运算复杂度。这些函数中有些在保证正确的前提下可以简化（如一些防饱和就可以不要），这样处理后load会降下来一些。

d)    用profiling工具一步步排查看到底哪个函数花的load多，明白这个函数是干什么的，然后具体问题具体分析，看怎么样来优化。

e)    有些函数就是一个小算法，reference code中写的比较复杂，调用频次又比较高。要去找有没有简单的实现可以替代，有的话替代了load就会降下来一些。比如codec中经常有求平方根的计算，reference code中通常写的比较复杂。我们知道用牛顿迭代法也可以求平方根，就可以用牛顿迭代法去替换将load降下来。

f)     用汇编优化。如果在C级别能解决问题就不要用汇编了。各个处理器都有自己的汇编指令集，需要去学并且掌握其中的思想和技巧。通常是用的频次较高的又比较占load的函数用汇编去写，即用C和汇编混合编程。汇编优化花的时间会相对长一些。

当然还有一些小的技巧比如展开for循环、用指针替代数组等，这里就不一一说了。