音視頻入門-5-音頻編碼原理、編碼器、ADTS格式

 

1.  概念

音頻壓縮技術指的是對原始數字音頻信號流（PCM編碼）運用的數字信號處理技術。

 

2. 背景 和 壓縮的必要性

研究發現，直接採用PCM碼流進行存儲和傳輸存在很是大的冗餘度。

以CD爲例，其採樣率爲44.1KHz，量化精度爲16比特，則1分鐘的立體聲音頻信號需佔約10M字節的存儲容量，也就是說，一張CD唱盤的容量只有1小時左右。

事實上，在無損的條件下對聲音至少可進行4：1壓縮，即只用25%的數字量保留全部的信息，而在視頻領域壓縮比甚至能夠達到幾百倍。

 

 

 

 

3. 注： 消除冗餘信息是有損編碼

 

 

 

4.  有損編碼， 能夠採用消除冗餘信息的思路

 

 

使用傅里葉變換獲得頻域信息，看着該頻域信息圖，咱們來進行遮蔽效應的概念解釋：

 

 

劃紅線處的藍色音源，威力很大，能把其餘頻率的信息覆蓋，這是遮蔽源。

你能夠把這個藍色的音源理解爲一個愛吵架的女生，音調很高，1KHz, 嗓門很大(即聲音強度大概在70dB)。

這個女生一扯嗓子，就能把別人的聲音遮蔽掉，

那麼這個女生扯嗓子時候最容易把誰的聲音遮蔽掉呢？

這就須要科學來解釋了，上面這張圖就是科學規律的總結。

頻率相近的三個棕色的音源是最容易被遮蔽掉的音源了，上圖也標識出了這些是被遮蔽的聲音。

那是否是隻要嗓門(聲音強度)沒這個女生大的音源，都會被覆蓋呢？並非！

 

 

 

上圖中紅圓圈所示的音源，頻率大概在0.25KHz，聲音強度超過了10dB, 但聲音強度遠遠不及70dB,  你能夠把這理解爲一個聲音低沉且嗓門也不大的魅力男嗓。

從上圖能夠看出，該男嗓未處在愛吵架女生聲音的遮罩門檻內，

且同時也未處在靜音門檻內(一些冰箱、電風扇工做時發出的聲音可能處在靜音門檻範圍內，因此也被遮蔽了)，

因此該男嗓的聲音強度雖然不及該女生，可是卻不會被遮蔽。

這就是頻域遮蔽效應的特色了。

 

 

 

在同一個時間點，誰的聲音強度小，就會被遮蔽。

 

既然科學規律咱們知道存在這個遮蔽效應，咱們就能夠經過必定的算法分析出哪些聲音信息是會被遮蔽的，這就是消除冗餘信息，是有損編碼的一種實現思路。

 

5. 無損編碼

熵編碼是無損編碼，具體的編碼方式有不少，以下圖

 

 

 

 

哈夫曼編碼(Huffman Coding)，又稱霍夫曼編碼，是一種編碼方式，哈夫曼編碼是可變字長編碼(VLC)的一種。

Huffman於1952年提出一種編碼方法，該方法徹底依據字符出現機率來構造異字頭的平均長度最短的碼字，

有時稱之爲最佳編碼，通常就叫作Huffman編碼（有時也稱爲霍夫曼編碼）。

 

 

 

6. 音頻編碼過程

 

 

 

7. 常見的音頻編解碼器

 

 

注：Speex包含迴音消除功能。

 

 

 

 

8. AAC編碼器介紹

 

 

 

 

9. ADTS格式頭

　AAC前面有個數據頭，通常是ADTS格式的頭。

對於直播系統，通常使用AAC，咱們使用的都是ADTS格式。

 

 

注意，讀出來Audio Object Types值還須要加1，纔是對應的類型。

若是讀出來Audio Object Types值是1，那麼對應的是AAL LC類型。

 

 

 

ADTS頭解析網站

 

 

PS：

1. 有時候咱們沒法播放一段AAC數據，多是缺乏了ADTS頭信息，這是咱們就須要想辦法加上這個頭信息。

2. 咱們在使用ffmpeg時，雖然ADTS這些信息都會被封裝在其內部，可是咱們須要具有基本的音視頻知識，以便更好地解決各種可能出現的麻煩問題。

 

 

10. 

 

 

 

.