音视频编解码技术（二）：AAC 音频编码技术

1、AAC编码概述

AAC是高级音频编码（Advanced Audio Coding）的缩写，出现于1997年，最初是基于MPEG-2的音频编码技术，目的是取代MP3格式。2000年，MPEG-4标准出台，AAC从新集成了其它技术（PS,SBR），为区别于传统的MPEG-2 AAC，故含有SBR或PS特性的AAC又称为MPEG-4 AAC。

AAC是新一代的音频有损压缩技术，它经过一些附加的编码技术（好比PS,SBR等），衍生出了LC-AAC,HE-AAC,HE-AACv2三种主要的编码。其中LC-AAC就是比较传统的AAC，相对而言，主要用于中高码率(>=80Kbps)，HE-AAC(至关于AAC+SBR)主要用于中低码(<=80Kbps)，而新近推出的HE-AACv2(至关于AAC+SBR+PS)主要用于低码率(<=48Kbps）。事实上大部分编码器设成<=48Kbps自动启用PS技术，而>48Kbps就不加PS，就至关于普通的HE-AAC。

2、AAC编码规格简述

AAC共有9种规格，以适应不一样的场合的须要：

      MPEG-2 AAC LC 低复杂度规格（Low Complexity） 注：比较简单，没有增益控制，但提升了编码效率，在中等码率的编码效率以及音质方面，都能找到平衡点

      MPEG-2 AAC Main 主规格

      MPEG-2 AAC SSR 可变采样率规格（Scaleable Sample Rate）

      MPEG-4 AAC LC 低复杂度规格（Low Complexity）---如今的手机比较常见的MP4文件中的音频部份就包括了该规格音频文件

      MPEG-4 AAC Main 主规格   注：包含了除增益控制以外的所有功能，其音质最好

      MPEG-4 AAC SSR 可变采样率规格（Scaleable Sample Rate）

      MPEG-4 AAC LTP 长时期预测规格（Long Term Predicition）

      MPEG-4 AAC LD 低延迟规格（Low Delay）

      MPEG-4 AAC HE 高效率规格（High Efficiency）---这种规格适合用于低码率编码，有Nero ACC 编码器支持

目前使用最多的是LC和HE(适合低码率)。

流行的Nero AAC编码程序只支持LC，HE，HEv2这三种规格，编码后的AAC音频，规格显示都是LC。HE其实就是AAC（LC）+SBR技术，HEv2就是AAC（LC）+SBR+PS技术；

这里再说明一下HE和HEv2的相关内容：

HE：“High Efficiency”（高效性）。HE-AAC v1（又称AACPlusV1，SBR)，用容器的方法实现了AAC（LC）+SBR技术。SBR其实表明的是Spectral Band Replication(频段复制)。简要叙述一下，音乐的主要频谱集中在低频段，高频段幅度很小，但很重要，决定了音质。若是对整个频段编码，如果为了保护高频就会形成低频段编码过细以至文件巨大；如果保存了低频的主要成分而失去高频成分就会丧失音质。SBR把频谱切割开来，低频单独编码保存主要成分，高频单独放大编码保存音质，“统筹兼顾”了，在减小文件大小的状况下还保存了音质，完美的化解这一矛盾。

HEv2：用容器的方法包含了HE-AAC v1和PS技术。PS指“parametric stereo”（参数立体声）。原来的立体声文件文件大小是一个声道的两倍。可是两个声道的声音存在某种类似性，根据香农信息熵编码定理，相关性应该被去掉才能减少文件大小。因此PS技术存储了一个声道的所有信息，而后，花不多的字节用参数描述另外一个声道和它不一样的地方。

3、AAC编码的特色

 (1). AAC是一种高压缩比的音频压缩算法，但它的压缩比要远超过较老的音频压缩算法，如AC-三、MP3等。而且其质量能够同未压缩的CD音质相媲美。

 (2). 同其余相似的音频编码算法同样，AAC也是采用了变换编码算法，但AAC使用了分辨率更高的滤波器组，所以它能够达到更高的压缩比。

 (3). AAC使用了临时噪声重整、后向自适应线性预测、联合立体声技术和量化哈夫曼编码等最新技术，这些新技术的使用都使压缩比获得进一步的提升。

 (4). AAC支持更多种采样率和比特率、支持1个到48个音轨、支持多达15个低频音轨、具备多种语言的兼容能力、还有多达15个内嵌数据流。

 (5). AAC支持更宽的声音频率范围，最高可达到96kHz，最低可达8KHz，远宽于MP3的16KHz-48kHz的范围。

 (6). 不一样于MP3及WMA，AAC几乎不损失声音频率中的甚高、甚低频率成分，而且比WMA在频谱结构上更接近于原始音频，于是声音的保真度更好。专业评测中代表，AAC比WMA声音更清晰，并且更接近原音。 

 (7). AAC采用优化的算法达到了更高的解码效率，解码时只需较少的处理能力。

4、AAC音频文件格式

1. ACC 音频文件格式类型

AAC的音频文件格式有ADIF ＆ ADTS：

ADIF：Audio Data Interchange Format 音频数据交换格式。这种格式的特征是能够肯定的找到这个音频数据的开始，不需进行在音频数据流中间开始的解码，即它的解码必须在明肯定义的开始处进行。故这种格式经常使用在磁盘文件中。

ADTS：Audio Data Transport Stream 音频数据传输流。这种格式的特征是它是一个有同步字的比特流，解码能够在这个流中任何位置开始。它的特征相似于mp3数据流格式。

简单说，ADTS能够在任意帧解码，也就是说它每一帧都有头信息。ADIF只有一个统一的头，因此必须获得全部的数据后解码。这两种的header的格式也是不一样的，通常编码后的和抽取出的都是ADTS格式的音频流。

AAC的ADIF文件格式以下图：

AAC的ADTS文件中一帧的格式以下图：

其两边的空白矩形表示一帧先后的数据。

2. ADIF 的 Header 结构

ADIF 的头信息以下图：

ADIF头信息位于AAC文件的起始处，接下来就是连续的 Raw Data Blocks。

组成ADIF头信息的各个域以下所示：

3. ADTS 的 Header 头结构

 ADTS 的固定头信息：

ADTS的可变头信息：

（1）帧同步目的在于找出帧头在比特流中的位置，13818-7规定，AAC ADTS格式的帧头同步字为12比特的“1111 1111 1111”.

（2）ADTS的头信息为两部分组成，其一为固定头信息，紧接着是可变头信息。固定头信息中的数据每一帧都相同，而可变头信息则在帧与帧之间可变。

4. AAC 元素信息

 在AAC中，原始数据块的组成可能有六种不一样的元素：

       SCE: Single Channel Element单通道元素。单通道元素基本上只由一个ICS组成。一个原始数据块最可能由16个SCE组成。

       CPE: Channel Pair Element 双通道元素，由两个可能共享边信息的ICS和一些联合立体声编码信息组成。一个原始数据块最多可能由16个SCE组成。

       CCE: Coupling Channel Element 藕合通道元素。表明一个块的多通道联合立体声信息或者多语种程序的对话信息。

       LFE: Low Frequency Element 低频元素。包含了一个增强低采样频率的通道。

       DSE: Data Stream Element 数据流元素，包含了一些并不属于音频的附加信息。

       PCE: Program Config Element 程序配置元素。包含了声道的配置信息。它可能出如今 ADIF 头部信息中。

       FIL: Fill Element 填充元素。包含了一些扩展信息。如SBR，动态范围控制信息等。

5. AAC文件处理流程

  　  (1). 判断文件格式，肯定为ADIF或ADTS

       (2). 若为ADIF，解ADIF头信息，跳至第6步。

       (3). 若为ADTS，寻找同步头。

       (4). 解ADTS帧头信息。

       (5). 如有错误检测，进行错误检测。

       (6). 解块信息。

       (7). 解元素信息。

5、开源AAC解码器

a). 开源AAC解码器faad官方网站：http://www.audiocoding.com/

b). faad2源代码（VC工程）下载地址：http://download.csdn.net/detail/leixiaohua1020/6374877