【音视频 | AAC】AAC格式音频文件解析

博客主页：https://blog.csdn.net/wkd_007
博客内容：嵌入式开发、Linux、C语言、C++、数据结构、音视频
本文内容：介绍AAC格式音频文件解析
金句分享：你不能选择最好的，但最好的会来选择你——泰戈尔

本文未经允许，不得转发！！！

---

一、概述

现在较常使用的AAC文件格式是使用ADTS帧来保存的，本文介绍以ADTS格式的AAC文件的解析过程。主要分为两个部分，第一部分是用编辑器直接打开一个AAC文件来分析；第二部分是引用一个C语言代码来解析ADTS格式的AAC文件。

关于AAC格式的一些基础知识，可以看上篇文章：【音视频 | AAC】AAC音频编码详解 。

二、AAC文件分析

本节使用编辑器打开一个AAC文件分析，分析前，先简单了解一下ADTS帧。

✨2.1 ADTS帧

ADTS格式是AAC编码的其中一种格式，将整个AAC文件分成一个个ADTS帧，ADTS帧头一般是7个字节(没有CRC)或者9个字节(有CRC)。

ADTS头部又分为固定头部、可变头部，下面简单介绍ADTS头部的各个字段含义：

固定头部各个字段解析：

• syncword(12bit)：所有的bit位都是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(1 bit)：表示MPEG版本，0代表MPEG-4, 1代表MPEG-2，一般用 0，因为都是属于 MPEG 的规范.。
• layer：占用 2 bit；一直是0；
• protection_absent：占用 1 bit；设置 1 表示没有CRC，整个ADST头为7字节；0 表示有CRC，整个ADST头为9字节。
• profile_ObjectType：占用 2 bit，表示使用的AAC规格(profile)；
  该字段的解释取决于ID位的值。如果ID等于1，则该字段包含与ISO/IEC 13818-7中定义的ADTS流中的配置文件字段相同的信息，也就是MPEG-2的规格；当ID为0是表示的是MPEG-4的规格，该字段的值等于 Audio Object Type 的值减1。字段取值如下面图片的表格。
  
• sampling_frequency_index：占用 4 bit；表示采样率下标，字段取值及解释如下图：
  
• private_bit：占用 1 bit，编码时设置为0，解码时忽略；
• channel_configuration：占用 3 bit；
  通道配置即声道数，一般 2 表示立体声双声道。更多的值参考下图：
• original_copy：占用 1 bit，编码时设置为0，解码时忽略；
• home：占用 1 bit，编码时设置为0，解码时忽略。

可变头部字段解析：
字段解析：

• copyright_identification_bit：占用 1 bit，编码时设置为0，解码时忽略；
• copyright_identification_start：占用 1 bit，编码时设置为0，解码时忽略；
• frame_length：占用 13 bit，当前 ADTS 帧的长度，包括 ADTS 头(固定+可变)和 AAC 原始流，单位byte；
• adts_buffer_fullness：占用 11 bit，0x7FF 表示码率可变的码流，0x000 表示固定码率的码流；
• number_of_raw_data_blocks_in_frame：占用 2 bit；
  该字段表示当前ADST帧中所包含的AAC帧的个数减一。为了最大的兼容性通常每个ADTS frame 包含一个AAC frame，所以该值一般为0。一个AAC原始帧包含一段时间内1024个采样及相关数据

✨2.2 AAC文件解析

下图是用编辑器打开一个AAC文件，用十六进制查看的截图：

没有CRC的情况下，文件开头的7个字节是ADTS帧头部，这里7个字节的数据是：0xff 0xf1 0x4c 0x80 0x20 0x02 0x80，我们按照ADTS帧的头部数据来解析看看这7个字节表示什么?

• 前面1-12bit为 0xff 0xf，对应了ADTS头部的 syncword 字段，表示ADTS帧的开始。
• 13-16bit为0x01，二进制是 0001，也就是说
  ID的1bit为0(MPEG-4)；
  layer的2bit为00；
  protection_absent的1bit为1，表示没有CRC，整个头部7个字节。
• 17-24bit为0x4c，二进制是 0100 1100，意思是
  profile_ObjectType的2bit为 01，结合前面ID为0，表示MPEG-4 AAC LC 规格；
  sampling_frequency_index的4bit为0011，也就是0x3，表示采样率为48000；
  private_bit的1bit为0；
  剩余1bit，结合后面的再看；
• 25-32bit为0x80，二进制是 1000 0000，意思是
  channel_configuration的3bit(结合前面剩下的1bit)为 010，表示双声道；
  original_copy的1bit为0；
  home的1bit为0；
  copyright_identification_bit的1bit为0；
  copyright_identification_start的1bit为0；
  剩余2bit，结合下个字段再看；
• 33-44bit为0x200，二进制是 0010 0000 0000，加上前面剩下的2bit，就是00 0010 0000 0000：
  frame_length的13bit为00 0010 0000 000，也就是0x100，表示这个ADTS帧的长度是0x100；那么下个ADTS就是0x100开始的；
  剩余1bit，留到下个字段再看；
• 45-56bit为0x280，二进制是 0010 1000 0000，加上前面剩下的1bit，就是 0 0010 1000 0000：
  adts_buffer_fullness的11bit为 0 0010 1000 00，十六进制0xa0；（目前不知道有什么作用2023-12-20 19:34:07）
  number_of_raw_data_blocks_in_frame的2bit为 00，表示包含一个AAC frame。

后面的ADTS帧也可以类似上面的过程去解析。frame_length是代表了整个ADTS的大小。

三、解析AAC文件的C语言代码

代码来源于：视音频数据处理入门：AAC音频码流解析

/**
 * 最简单的视音频数据处理示例
 * Simplest MediaData Test
 *
 * 雷霄骅 Lei Xiaohua
 * [email protected]
 * 中国传媒大学/数字电视技术
 * Communication University of China / Digital TV Technology
 * http://blog.csdn.net/leixiaohua1020
 *
 * 本项目包含如下几种视音频测试示例：
 *  (1)像素数据处理程序。包含RGB和YUV像素格式处理的函数。
 *  (2)音频采样数据处理程序。包含PCM音频采样格式处理的函数。
 *  (3)H.264码流分析程序。可以分离并解析NALU。
 *  (4)AAC码流分析程序。可以分离并解析ADTS帧。
 *  (5)FLV封装格式分析程序。可以将FLV中的MP3音频码流分离出来。
 *  (6)UDP-RTP协议分析程序。可以将分析UDP/RTP/MPEG-TS数据包。
 *
 * This project contains following samples to handling multimedia data:
 *  (1) Video pixel data handling program. It contains several examples to handle RGB and YUV data.
 *  (2) Audio sample data handling program. It contains several examples to handle PCM data.
 *  (3) H.264 stream analysis program. It can parse H.264 bitstream and analysis NALU of stream.
 *  (4) AAC stream analysis program. It can parse AAC bitstream and analysis ADTS frame of stream.
 *  (5) FLV format analysis program. It can analysis FLV file and extract MP3 audio stream.
 *  (6) UDP-RTP protocol analysis program. It can analysis UDP/RTP/MPEG-TS Packet.
 *
 */
#include 
#include 
#include 


int getADTSframe(unsigned char* buffer, int buf_size, unsigned char* data ,int* data_size){
	int size = 0;

	if(!buffer || !data || !data_size ){
		return -1;
	}

	while(1){
		if(buf_size  < 7 ){
			return -1;
		}
		//Sync words
		if((buffer[0] == 0xff) && ((buffer[1] & 0xf0) == 0xf0) ){
			size |= ((buffer[3] & 0x03) <<11);     //high 2 bit
			size |= buffer[4]<<3;                //middle 8 bit
			size |= ((buffer[5] & 0xe0)>>5);        //low 3bit
			break;
		}
		--buf_size;
		++buffer;
	}

	if(buf_size < size){
		return 1;
	}

	memcpy(data, buffer, size);
	*data_size = size;

	return 0;
}

int simplest_aac_parser(char *url)
{
	int data_size = 0;
	int size = 0;
	int cnt=0;
	int offset=0;

	//FILE *myout=fopen("output_log.txt","wb+");
	FILE *myout=stdout;

	unsigned char *aacframe=(unsigned char *)malloc(1024*5);
	unsigned char *aacbuffer=(unsigned char *)malloc(1024*1024);

	FILE *ifile = fopen(url, "rb");
	if(!ifile){
		printf("Open file error\n");
		return -1;
	}

	printf("-----+- ADTS Frame Table -+------+\n");
	printf(" NUM | Profile | Frequency| Size |\n");
	printf("-----+---------+----------+------+\n");

	while(!feof(ifile)){
		data_size = fread(aacbuffer+offset, 1, 1024*1024-offset, ifile);
		unsigned char* input_data = aacbuffer;

		while(1)
		{
			int ret=getADTSframe(input_data, data_size, aacframe, &size);
			if(ret==-1){
				break;
			}else if(ret==1){
				memcpy(aacbuffer,input_data,data_size);
				offset=data_size;
				break;
			}

			char profile_str[10]={0};
			char frequence_str[10]={0};

			unsigned char profile=aacframe[2]&0xC0;
			profile=profile>>6;
			switch(profile){
			case 0: sprintf(profile_str,"Main");break;
			case 1: sprintf(profile_str,"LC");break;
			case 2: sprintf(profile_str,"SSR");break;
			default:sprintf(profile_str,"unknown");break;
			}

			unsigned char sampling_frequency_index=aacframe[2]&0x3C;
			sampling_frequency_index=sampling_frequency_index>>2;
			switch(sampling_frequency_index){
			case 0: sprintf(frequence_str,"96000Hz");break;
			case 1: sprintf(frequence_str,"88200Hz");break;
			case 2: sprintf(frequence_str,"64000Hz");break;
			case 3: sprintf(frequence_str,"48000Hz");break;
			case 4: sprintf(frequence_str,"44100Hz");break;
			case 5: sprintf(frequence_str,"32000Hz");break;
			case 6: sprintf(frequence_str,"24000Hz");break;
			case 7: sprintf(frequence_str,"22050Hz");break;
			case 8: sprintf(frequence_str,"16000Hz");break;
			case 9: sprintf(frequence_str,"12000Hz");break;
			case 10: sprintf(frequence_str,"11025Hz");break;
			case 11: sprintf(frequence_str,"8000Hz");break;
			default:sprintf(frequence_str,"unknown");break;
			}


			fprintf(myout,"%5d| %8s|  %8s| %5d|\n",cnt,profile_str ,frequence_str,size);
			data_size -= size;
			input_data += size;
			cnt++;
		}   

	}
	fclose(ifile);
	free(aacbuffer);
	free(aacframe);

	return 0;
}

int main()
{
	simplest_aac_parser((char*)"./audio_chn0.aac");
	return 0;
}

保存后， gcc simplest_mediadata_aac.cpp编译，运行结果：

四、总结

本文介绍用编辑器打开aac文件，怎样去分析，了解后，可以对aac文件有更深的认识。最后，借鉴了一份解析aac文件的源码。

如果文章有帮助的话，点赞、收藏⭐，支持一波，谢谢

参考资料：
视音频数据处理入门：AAC音频码流解析