【网络通信 -- 直播】音频流编码 -- AAC 基础

【网络通信 -- 直播】音频流编码 -- AAC 基础

【1】AAC 简介

AAC（Advance Audio Coding），高级音频编码，1997 年产生，基于 MPEG-2 的音频编码技术，当时被称为 MPEG-2 AAC，作为 MPEG-2(MP2) 标准的延伸，随着 MPEG-4(MP4) 标准在 2000年的成型则 AAC 也称为 M4A；

【1.1】AAC 编码技术参数

• 采样率范围，8KHz-96KHz 范围比较广，即一秒在模拟信号上进行多少次采样；
• 码率，8kbps-576kbps，支持范围比较宽，在压缩比和质量上都能考虑到；
• 声道，最多支持 48 个主声道，16 个低频声道，声音细节更丰富，音乐场景也用的多；
• 采样精度，即一个采样点需要在计算机表示占用的字节数，一般用 2 字节 16bit 表示；

【1.2】AAC 编码的主要规格
根据不同的编码技术，AAC 的编码分为九种规格

• 1. MPEG-2 AAC LC 低复杂度规格（Low Complexity），编码方式比较简单，没有增益控制，但是提高了编码效率，在中等码率的编码效率和音质方面，都能找到平衡点；
• 2. MPEG-2 AAC Main 主规格
• 3. MPEG-2 AAC SSR 可变采样率规格（Scaleable Sample Rate）
• 4. MPEG-4 AAC LC 低复杂度规格（Low Complexity）
• 5. MPEG-4 AAC Main 主规格，包含了除增益控制之外的全部功能，音质最好
• 6. MPEG-4 AAC SSR 可变采样率规格（Scaleable Sample Rate）
• 7. MPEG-4 AAC LTP 长时期预测规格（Long Term Prediction）
• 8. MPEG-4 AAC LD 低延迟预测规格（Low Delay）
• 9. MPEG-4 AAC HE 高效率规格（High Efficency），这种规格适合用于低码率编码，有 Nero-ACC 编码器支持，是一种成熟的商用编码器；

【1.3】AAC 编码方式特点

• 1. AAC 高压缩比的音频编码方式，比 G7xx、MP3、AC3 系列的压缩比都高，并且质量和 CD 差不多，但是和比较新的 Opus 还是差点，不过 Opus 目前还未充分普及；
• 2. AAC 采用了变换编码算法，采用了更高的滤波器组，这是压缩高的原因；
• 3. AAC 为了提高压缩比，还采用了噪声重整，反向自适应预测，联合立体声和量化霍夫曼编码算法等新技术；
• 4. AAC 支持了更多的采样率和比特率，支持了 1-48 个音轨和多达 15 个低频音轨，具有多种语言兼容能力；
• 5. AAC 支持了更宽的声音频率范围，从 8KHz-96KHz 远宽于 MP3 的 16KHz-48KHz 范围；
• 6. AAC 特殊的算法可以保有声音频率甚高和甚低频率，声音细节更丰富更清晰更接近原声；
• 7. AAC 采用了优化算法，导致解码端简单，降低了解码端的处理复杂度；

【2】AAC 封装格式

【2.1】AAC 封装类型

• 1. ADIF，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；
• 2. ADTS，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；

【2.2】AAC 封装头字段

ADIF 的格式

adif_sequence
adif_header + byte_alignment + raw_data_stream
adif_header + byte_alignment + raw_data_block ... ... + raw_data_block

ADTS 的格式

adts_sequence
adts_frame + adts_frame + ... ... + adts_frame
adts_fixed_header + adts_variable_header + error_check + raw_data_block + error_check

ADTS 序列图示

ADTS 帧头各字段含义

字段	长度 bits	说明	解释
Syncword	12	all bits must be 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 即 MPEG version	1	0 for MPEG-4, 1 for MPEG-2	一般用 0，因为都是属于 MPEG 的规范
Layer	2	always 0
Protection Absent	1	set to 1 if there is no CRC and 0 if there is CRC
Profile	2	the MPEG-4 Audio Object Type minus 1	代表使用哪个级别和规范的 AAC，其中 01 代表 Low Complexity(LC)， 其中 profile 等于 Audio Object Type 的值减1
Sampling Frequency Index	4	MPEG-4 Sampling Frequency Index (15 is forbidden)	采样率下标，由于 AAC 的采样率范围是 8KHz-96KHz，所以具体用那个，由该字段决定
Private Bit	1	set to 0 when encoding, ignore when decoding
Channel Configuration	3	MPEG-4 Channel Configuration  (in the case of 0, the channel configuration is sent via an inband PCE)	通道配置即声道数，一般 2 表示立体声双声道
Originality copy	1	set to 0 when encoding, ignore when decoding
Home	1	set to 0 when encoding, ignore when decoding
Copyrighted identification bit	1	set to 0 when encoding, ignore when decoding
Copyrighted identification Start	1	set to 0 when encoding, ignore when decoding
Aac Frame Length	13	this value must include 7 or 9 bytes of header length FrameLength = (ProtectionAbsent == 1 ? 7 : 9) + size(AACFrame)	一个 ADTS 帧的长度包括 ADTS 头和 AAC 原始流
ADTS Buffer Fullness	11	buffer fullness	0x7FF 表示码率可变的码流 0x000 表示固定码率的码流
Number of AAC Frames	2	number of AAC frames (RDBs) in ADTS frame minus 1, for maximum compatibility always use 1 AAC frame per ADTS frame	ADTS 帧中有 number_of_raw_data_blocks_in_frame + 1 个 AAC 原始帧； 则 number_of_raw_data_blocks_in_frame == 0 表示 ADTS 帧中有一个 AAC 数据块； (一个 AAC 原始帧包含一段时间内 1024 个采样及相关数据)
CRC	16	CRC if protection absent is 0	校验字段，为可选字段

ADTS 各字段的取值范围

1. Profile 取值

Object Type ID	Aduio Object Type
1	AAC Main
2	AAC LC
3	AAC LTR
4	SBR
5	AAC scalable

2. Sampling Frequency Index 采样率取值

3. Channel Configuration 通道数取值

ADTS 的 raw_data_block 基本码流组件，头部有 3 位标志位 id_syn_ele，指示六种不同类型的元素

参考致谢

本博客为博主的学习实践总结，并参考了众多博主的博文，在此表示感谢，博主若有不足之处，请批评指正。

【1】音视频封装格式：AAC音频基础和ADTS打包方案详解

【2】AAC格式简介

【3】AAC及其封装格式

【4】[原创]桓泽学音频编解码（3）：AAC 系统算法分析

【5】AAC 文件解析及解码流程