mp3解码算法原理——具体解码算法.pdf-资料库

zxf20063033-2248194-4744302543414519607.pdf-第1页.png

第1页 / 共17页

zxf20063033-2248194-4744302543414519607.pdf-第2页.png

第2页 / 共17页

zxf20063033-2248194-4744302543414519607.pdf-第3页.png

第3页 / 共17页

zxf20063033-2248194-4744302543414519607.pdf-第4页.png

第4页 / 共17页

zxf20063033-2248194-4744302543414519607.pdf-第5页.png

第5页 / 共17页

zxf20063033-2248194-4744302543414519607.pdf-第6页.png

第6页 / 共17页

zxf20063033-2248194-4744302543414519607.pdf-第7页.png

第7页 / 共17页

zxf20063033-2248194-4744302543414519607.pdf-第8页.png

第8页 / 共17页

1、程序系统结构 mp3 解码流程图其中同步及差错检查包括了头解码模块在主控模块开始运行后，主控模块将比特流的数据缓冲区交给同步及差错检查模块，此模块包含两个功能，即头信息解码及帧边信息解码，根据它们的信息进行尺度因子解码及哈夫曼解码，得出的结果经过逆量化，立体声解码，混淆缩减， IMDCT，频率反转，合成多相滤波这几个模块之后，得出左右声道的 PCM 码流，再由主控模块将其放入输出缓冲区输出到声音播放设备。 2、主控模块主控模块的主要任务是操作输入输出缓冲区，调用其它各模块协同工作。其中，输入输出缓冲区均由 DSP 控制模块提供接口。输入缓冲区中放的数据为原始 mp3 压缩数据流，DSP 控制模块每次给出大于最大可能帧长度的一块缓冲区，这块缓冲区与上次解帧完后的数据（必然小于一帧）连接在一起，构成新的缓冲区。输出缓冲区中将存放的数据为解码出来的 PCM 数据，代表了声音的振幅。它由一块固定长度的缓冲区构成，通过调用 DSP 控制模块的接口函数，得到头指针，在完成输出缓冲区的填充后，调用中断处理输出至 I2S 接口所连接的音频 ADC 芯片（立体声音频 DAC 和 DirectDrive 耳机放大器）输出模拟声音。 3、同步及差错检测

同步及差错检测模块主要用于找出数据帧在比特流中的位置，并对以此位置开始的帧头、CRC 校验码及帧边信息进行解码，这些解码的结果用于后继的尺度因子解码模块和哈夫曼解码模块。Mpeg1 layer 3 的流的主数据格式见下图：主数据的组织结构图其中 granule0 和 granule1 表示在一帧里面的粒度组 1 和粒度组 2，channel0 和 channel1 表示在一个粒度组里面的两个通道，scalefactor 为尺度因子 quantized value 为量化后的哈夫曼编码值，它分为 big values 大值区和 count1 1 值区 CRC 校验：表达式为 X16+X15+X2+1 3.1 帧同步帧同步目的在于找出帧头在比特流中的位置，ISO 1172-3 规定，MPEG1 的帧头为 12 比特的“1111 1111 1111”，且相邻的两个帧头隔有等间距的字节数，这个字节数可由下式算出： N= 144 * 比特率 / 采样率如果这个式子的结果不是整数，那么就需要用到一个叫填充位的参数，表示间距为 N +1。 3.2 头信息解码头信息解码目的是找出这一帧的特征信息，如采样率，是否受保护，是否有填充位等。头信息见下图：

帧头信息结构图其长度为 4 字节，数据结构如下: typedef struct tagHeader { unsigned int sync : 11 ; / / 同步信息 unsigned int version : 2 ; / / 版本 unsigned int layer : 2 ; / / 层 unsigned int error2protection : 1 ; / / CRC 校正 unsigned int bit2rate2index : 4 ; / / 位率索引 unsigned int sample2rate2index : 2 ; / / 采样率索引 unsigned int padding : 1 ; / / 空白字 unsigned int extension : 1 ; / / 私有标志 unsigned int channel2mode : 2 ; / / 立体声模式 unsigned int mode extension : 2 ; / / 保留 unsigned int copyright : 1 ; / / 版权标志 unsigned int original : 1 ; / / 原始媒体 unsigned int emphasis : 2 ; / / 强调方式 } HEADER 3.3 帧边信息解码帧边信息解码的主要目的在于找出解这帧的各个参数，包括主数据开始位置，尺度因子长度等。帧边信息如下图所示：

帧边信息(side_infomation)表 3.4 main_data_begin main_data_begin(主数据开始)是一个偏移值，指出主数据是在同步字之前多少个字节开始。需要注意的是，1.帧头不一定是一帧的开始，帧头 CRC 校验字和帧边信息在帧数据中是滑动的。2.这个数值忽略帧头和帧边信息的存在，如果 main_data_begin = 0, 则主数据从帧边信息的下一个字节开始。参见下图：

同步示意图 3.5 block_type block_type 指出如下三种块类型： block_type = 0 长块 block_type = 1 开始块 block_type = 3 结束块 block_type = 2 短块在编码过程中进行 IMDCT 变换时，针对不同信号为同时得到较好的时域和频域分辨率定义了两种不同的块长：长块的块长为 18 个样本，短块的块长为 6 个样本。这使得长块对于平稳的声音信号可以得到更高的频率分辨率，而短块对跳变信号可以得到更高的时域分辨率。由于在短块模式下，3 个短块代替 1 个长块，而短块的大小恰好是一个长块的 1/3，所以 IMDCT 的样本数不受块长的影响。对于给定的一帧声音信号，IMDCT 可以全部使用长块或全部使用短块，也可以长短块混合使用。因为低频区的频域分辨率对音质有重大影响，所以在混合块模式下， IMDCT 对最低频的 2 个子带使用长块，而对其余的 30 个子带使用短块。这样，既能保证低频区的频域分辨率，又不会牺牲高频区的时域分辨率。长块和短块之间的切换有一个过程，一般用一个带特殊长转短（即，起始块 block_type = 1）或短转长（即终止块，block_type = 3）数据窗口的长块来完成这个长短块之间的切换。因此长块也就是包括正常窗，起始块和终止块数据窗口的数据块；短块也包含 18 个数据，但是是由 6 个数据独立加窗后在经过连接计算得到的。 3.6 big_values, count1 每一个粒度组的频谱都是用不同的哈夫曼表来进行编码的。编码时，把整个从 0 到奈奎斯特频率的频率范围（共 576 个频率线）分成几个区域，然后再用不同的表编码。划分过程是根据最大的量化值来完成的，它假设较高频率的值有较低的幅度或者根本不需要编码。从高频开始，一对一对的计算量化值等于“0”的数目，此数目记为“rzero”。然后 4 个一组地计算绝对值不超过“1”的量化值（也就是说，其中只可能有-1，0 和+1 共 3 个可能的量化级别）的数目，记为

“count1”，在此区域只应用了 4 个哈夫曼编码表。最后，剩下的偶数个值的对数记为“big values”，在此区域只应用了 32 个哈夫曼编码表。在此范围里的最大绝对值限制为 8191。此后，为增强哈夫曼编码性能，进一步划分了频谱。也就是说，对 big values 的区域（姑且称为大值区）再细化，目的是为了得到更好的错误顽健性和更好的编码效率。在不同的区域内应用了不同的哈夫曼编码表。具体使用哪一个表由 table_select 给出。从帧边信息表中可以看到：当 window_switch_flag == 0 时，只将大值区在细分为 2 个区，此时 region1_count 无意义，此时的 region0_count 的值是标准默认的；但当 window_switch_flag == 1 时再将大值区细分为 3 个区。但是由于 region0_count 和 region1_count 是根据从 576 个频率线划分的，因此有可能超出了 big_values *2 的范围，此时以 big_values *2 为准. region0_count 和 region1_count 表示的只是一个索引值，具体频带要根据标准中的缩放因子频带表来查得. 参见下图: 缩放因子、大值区、1 值区和零值区分布图 3.7 处理流程

4、缩放因子(scale factor)解码缩放因子用于对哈夫曼解码数据进行逆量化的样点重构。根据帧边信息中的 scalefactor_compress 和标准中的对应表格来确定的 slen1 和 slen2 对缩放因子进行解码，即直接从主数据块中读取缩放因子信息并存入表 scalefac_l[gr][ch][sfb]和 scalefac_s[gr][ch][sfb]中。对第 2 粒度组解码时，若为长块，则必须考虑尺度因子选择信息。 4.1 尺度因子带（scalefactor-band）在 mpeg layer 3 中 576 条频率线根据人耳的听觉特性被分成多个组，每个组对应若干个尺度因子，这些组就叫做尺度因子带，每个长窗有 21 个尺度因子带而每个短窗有 12 个尺度因子带。 4.2 scfsi scfsi(尺度因子选择信息)用于指出是否将粒度组 1 的尺度因子用于粒度组 2。如果为 0 表示不用，则在比特流中需读取粒度组 2 的尺度因子。 4.3 处理流程

缩放因子解码流程图 5、哈夫曼解码哈夫曼编码是一种变长编码，在 mp3 哈夫曼编码中，高频的一串零值不编码，不超过 1 的下一个区域使用四维哈夫曼编码，其余的大值区域采用二维哈夫曼编码，而且可选择地分为三个亚区，每个有独立选择的哈夫曼码表。通过每个亚区单独的自适应码表，增强编码效率，而且同时降低了对传输误码的敏感度。在程序实现上，哈夫曼表逻辑存储采用了广义表结构，物理存储上使用数组结构。查表时，先读入 4bit 数据，以这 4bit 数据作为索引，其指向的元素有两种类型，一种是值结构，另一种是链表指针式结构，在链表指针式结构中给出了还需要读取的 bit 数，及一个偏移值。如果索引指向的是一个值结构，则这个值结构就包含了要查找的数据。如果索引指向的是一个链表指针式结构，则还需再读取其中指定的比特数，再把读取出的比特数同偏移值相加，递归的找下去，直到找到值结构为止。

资料库

mp3解码算法原理——具体解码算法.pdf

相关推荐

开发技术

热门标签

最新资料