当前位置：首页 > news >正文

深入探索 AAC 编码原理与 ADTS 格式：音频世界的智慧结晶

news 来源：原创 2025/7/18 4:44:38

在数字音频的广阔领域中，AAC 编码及其相关的 ADTS 格式扮演着至关重要的角色。无论是在我们日常使用的音乐 APP，还是高清视频中的音频部分，都能看到它们的身影。今天，就让我们深入探索 AAC 编码原理与 ADTS 格式的奥秘，揭开它们高效处理音频数据的神秘面纱。

一、走进 AAC 编码

（一）AAC 编码的诞生背景

随着数字音频技术的不断发展，人们对音频质量和文件大小的要求越来越高。传统的 MP3 编码在一定程度上已经无法满足这些需求，于是，AAC（Advanced Audio Coding，高级音频编码）应运而生。它是由 Fraunhofer IIS、杜比实验室、索尼等公司共同开发的一种音频编码标准，旨在提供更高质量的音频压缩，同时减小文件体积。可以说，AAC 编码就像是音频领域的新一代 “工匠”，用更精湛的技艺打造出既节省空间又保证音质的音频作品。

（二）AAC 编码特点

1.感知编码技术：AAC 编码的核心基于感知编码技术，这是一种模仿人类听觉系统特性的编码方式。人类听觉系统有一个有趣的特性 —— 掩蔽效应。简单来说，当一个强音和一个弱音同时存在时，弱音可能会被强音 “掩盖”，我们的耳朵就难以察觉到弱音的存在。AAC 编码巧妙地利用了这一特性，通过分析音频信号的频率、幅度等信息，将那些被掩蔽的音频成分去除，从而在不影响听觉体验的前提下，大大减小了音频数据量。这就好比在一幅复杂的画作中，巧妙地隐藏一些不影响整体视觉效果的细节，使画作既保持美观又占用更少的存储空间。

虚线为人耳能察觉的声压阈值，当环境中存在强音掩蔽音是，声压阈值随之提高（蓝色曲线），而低于这个掩蔽阈值而高于虚线的声音会被岩壁音掩盖。

2.多声道支持：在当今的音频应用中，多声道音频越来越普及，比如常见的 5.1 声道、7.1 声道等。AAC 编码对多声道音频提供了良好的支持。它能够有效地对多个声道的音频数据进行编码，在保证各个声道声音质量的同时，合理地压缩数据。以家庭影院系统为例，AAC 编码可以将不同声道的声音，如前方的主声道、后方的环绕声道等，精确地编码并传输，让我们在家中就能享受到身临其境的音频体验。

3.灵活的采样率和比特率：AAC 编码支持多种采样率和比特率设置。采样率决定了音频信号在单位时间内的采样点数，比特率则表示单位时间内传输的音频数据量。通过灵活调整这两个参数，AAC 可以适应不同的应用场景和网络环境。比如在网络带宽有限的情况下，可以选择较低的采样率和比特率，保证音频能够流畅传输；而在对音质要求较高的音乐制作场景中，则可以选择较高的采样率和比特率，以获得更出色的音质。这就像一个可以根据不同路况调整速度的智能汽车，总能找到最合适的行驶方式。

（三）AAC编码深度解析

此部分内容参考音视频编解码——音频编解码格式AAC（Advanced Audio Coding）

编码流程：

音频分帧：AAC 编码的第一步，是将连续的音频信号进行巧妙 “切割”，这就是音频分帧。想象一下，音频信号是一条源源不断流淌的声音长河，为了更好地处理它，我们需要把它切成一段段固定长度的 “小片段”，这每一段就叫做一帧。通常情况下，每帧会包含几十毫秒的音频数据，这个长度是经过精心挑选的。如果帧太长，处理起来计算量太大；如果帧太短，又会丢失音频的连贯性。这就好比把一长卷电影胶片切成一段段合适长度的小胶片，每一段都能独立又完整地记录一小段精彩的画面。
窗函数应用：分好帧后，每个音频帧都要 “戴上” 一个特殊的 “滤镜”—— 窗函数。音频信号在时域中是连续变化的，当进行频谱分析时，如果直接处理，会出现频谱泄漏的问题，就像光线透过不完美的窗户发生散射一样，导致分析结果不准确。窗函数就像是一个温柔的 “整形工具”，它可以让音频帧的边缘变得平滑，减少频谱泄漏。不同类型的窗函数有着不同的 “整形效果”，常见的有汉宁窗、汉明窗等，AAC 会根据具体的应用场景选择合适的窗函数，让音频帧以最好的状态进入下一个处理环节。
频谱分析：经过窗函数 “温柔处理” 后的音频帧，接下来要开启一场神奇的 “频率之旅”—— 频谱分析。这一步通常借助快速傅里叶变换（FFT）来实现，FFT 就像是一把神奇的钥匙，能把时域的音频信号转换为频域表示。在时域中，我们看到的音频信号是随时间变化的波形，而在频域中，就像打开了一个神秘的频率宝藏箱，我们可以清楚地看到信号包含的不同频率成分及其强度。这就好比把一幅彩色画按照不同颜色的频率进行分解，每种颜色的频率就是音频信号中的一个频率成分，通过这种方式，AAC 能够更方便地分析和处理音频信号。
感知模型：基于人耳的感知特性，AAC 编码引入了感知模型，这是整个编码过程中最具智慧的环节之一。人耳有着独特的掩蔽效应，AAC 编码利用这个特性，对频谱进行掩蔽效应处理。它会像一个聪明的管理者，精准地识别出那些被强音掩盖的弱音区域，然后减少对这些掩盖区域的编码量，这样在不影响我们听觉体验的前提下，大大减小了音频数据量，实现了高效的压缩。
量化和编码：经过感知模型处理后，接下来要对频谱进行量化和编码。根据频谱中系数幅度的大小，合理地分配表示它们所需的比特数。对于那些幅度较小的系数，就像一些不太重要的小物件，用较少的比特来表示；而对于幅度较大的系数，如同重要的大物件，则用更多的比特表示。这样做的目的是在保证音频质量的同时，尽可能地减少数据量。但量化过程不可避免地会造成一些信息损失，就像用低分辨率去拍摄照片，会丢失一些细节，但 AAC 通过巧妙的算法，将这种损失控制在人耳难以察觉的范围内。
熵编码：量化后的音频数据，还能进一步压缩，这就要靠熵编码技术了，常见的如霍夫曼编码等。熵编码就像是一根神奇的魔法棒，它利用数据的统计特性，对出现概率高的符号用较短的编码表示，对出现概率低的符号用较长的编码表示。比如在一段音频数据中，如果某个量化值经常出现，就给它分配一个短编码；而很少出现的量化值，就用长编码。通过这种方式，进一步减少了数据量，让音频文件变得更小，同时又能保证在解码时准确还原数据。
打包和封装：经过前面一系列复杂的处理，压缩后的音频数据还需要进行最后的 “包装”—— 打包和封装。这一步就像是把整理好的物品整齐地装进一个包装盒里，同时附上详细的清单和标识。AAC 编码会把这些压缩后的音频数据打包为 AAC 格式的数据流，并且添加音频元数据，比如采样率、声道数等重要信息，以及同步信息，这些信息就像是包装盒上的标签和说明书，方便接收设备准确地解析和播放音频数据。

二、认识 ADTS 格式

在打包和封装后，AAC会把编码后的音频数据集存成ADIF格式或ADTS格式，ADIF格式的解码必须在明确定义的开始处进⾏。故这种格式常⽤在磁盘⽂件中。而ADTS这种格式的特征是它是⼀个有同步字的⽐特流，解码可以在这个流中任何位置开始。它的特征类似于mp3数据流格式。由于⽬前⼀般编码后的和抽取出的都是 ADTS格式的⾳频流，所以我们着重介绍ADTS格式。

（一）ADTS 是什么

ADTS（Audio Data Transport Stream，音频数据传输流）是一种 AAC 音频数据的传输格式，它为 AAC 编码后的音频数据提供了一种结构化的封装方式。可以把 ADTS 格式想象成一个精美的包装盒，AAC 编码后的音频数据就像珍贵的礼物被装在这个盒子里，方便在不同的设备和系统中传输和处理。ADTS 格式定义了音频数据的帧结构、同步信息、错误检测等内容，确保音频数据能够准确无误地被接收和播放。

（二）ADTS 的帧结构

ADTS 头：ADTS 头是 ADTS 帧的重要组成部分，它包含了许多关键信息。ADTS 头的长度一般为 7 或 9 个字节（取决于是否包含 CRC 校验字段），就像一个小而强大的 “指挥中心”。在这个 “指挥中心” 里，有采样率索引，它告诉接收设备音频数据的采样率是多少；还有声道配置信息，让设备知道这是单声道、立体声还是多声道音频；另外，帧长度字段则明确了整个 ADTS 帧的长度，方便接收设备准确地解析数据。
AAC 音频数据：在 ADTS 头之后，就是经过 AAC 编码的音频数据了。这些数据按照一定的规则排列，是我们最终听到的声音的数字体现。不同的 AAC 编码配置，会导致音频数据的结构和内容有所不同，但都被有序地封装在 ADTS 帧中。

adts_fixed_header()大小28bits，具体内容包括

syncword ：同步头总是0xFFF, all bits must be 1，代表着⼀个ADTS帧的开始
ID：MPEG标识符，0标识MPEG-4，1标识MPEG-2
Layer：always: '00'
protection_absent：表示是否误码校验。注意，这一位为1那么没有CRC校验字段，那么ADTS 头为7字节，如果这意味为0，那么有CRC校验字段，那么ADTS 头为9字节.
CRC and 0 if there is CRC
profile：表示使⽤哪个级别的AAC，如01 Low Complexity(LC)--- AAC LC，有些芯⽚只⽀持AAC LC
sampling_frequency_index：表示使⽤的采样率下标，通过这个下标在Sampling Frequencies数组中查找得知采样率的值。
channel_configuration: 表示声道数，⽐如2表示⽴体声双声道

固定头信息中的数据每⼀帧都相同

adts_variable_header()大小28bits，具体内容包括

aac_frame_length : ⼀个ADTS帧的⻓度包括ADTS头和AAC原始流.
adts_buffer_fullness：0x7FF 说明是码率可变的码流。
number_of_raw_data_blocks_in_frame：表示ADTS帧中存在了number_of_raw_data_blocks_in_frame + 1个AAC原始帧。所以说number_of_raw_data_blocks_in_frame == 0 表示说ADTS帧中有⼀个 AAC数据块。

可变头信息中的数据每⼀帧可能不同

（三）ADTS 格式的优势

同步性好：ADTS 格式具有良好的同步性。它的帧结构中包含了同步字，接收设备可以通过检测同步字快速找到 ADTS 帧的起始位置，实现音频数据的准确同步。这就好比在一场接力比赛中，每个运动员都能准确地找到交接棒的位置，保证比赛的顺利进行。在实时音频传输场景中，如网络直播、语音通话等，这种良好的同步性尤为重要，能够确保声音的连贯和稳定。
错误检测与纠正：ADTS 格式支持错误检测和部分纠正功能。通过 CRC（循环冗余校验）字段，接收设备可以检测到数据在传输过程中是否发生错误。如果发现错误，虽然不能完全纠正，但可以采取相应的措施，如丢弃错误帧，避免错误数据对音频播放质量的影响。这就像给音频数据穿上了一层 “防护衣”，在一定程度上保证了音频的质量。

三、AAC 编码与 ADTS 格式的应用场景

（一）在线音乐平台

如今，我们常用的在线音乐平台，如 QQ 音乐、网易云音乐等，大多采用 AAC 编码结合 ADTS 格式来存储和传输音乐文件。这样做的好处显而易见，一方面，AAC 编码可以在保证音质的前提下，减小音乐文件的大小，节省用户的流量和设备存储空间；另一方面，ADTS 格式的良好同步性和错误检测功能，确保了音乐在网络传输过程中的稳定性，让用户能够流畅地播放音乐，享受高品质的听觉盛宴。

（二）视频媒体

在视频领域，无论是电影、电视剧，还是各种短视频平台，AAC 编码和 ADTS 格式也被广泛应用。高清视频往往伴随着高质量的音频，AAC 编码的多声道支持和优秀的音质表现，能够完美地配合视频画面，为观众带来沉浸式的视听体验。而 ADTS 格式的结构化封装，使得音频数据能够与视频数据准确同步，避免了声画不同步的问题。例如，在观看高清电影时，我们能清晰地听到从各个方向传来的声音，仿佛置身于电影场景之中，这都离不开 AAC 编码和 ADTS 格式的功劳。

（三）移动设备音频应用

在移动设备上，如手机、平板电脑等，资源相对有限，对音频文件的大小和播放效率有较高的要求。AAC 编码的高效压缩特性和 ADTS 格式的简洁结构，使其成为移动设备音频应用的理想选择。无论是手机自带的音乐播放器，还是各种音频编辑 APP，都常常采用 AAC 编码和 ADTS 格式来处理音频数据，既能保证音频质量，又能适应移动设备的性能和存储限制。

四、AAC 编码与 ADTS 格式的发展展望

随着技术的不断进步，音频领域也在持续发展。未来，AAC 编码和 ADTS 格式有望进一步优化，以适应更高的音频质量需求和更复杂的应用场景。例如，在虚拟现实（VR）和增强现实（AR）领域，对音频的空间感和实时性要求极高，AAC 编码和 ADTS 格式可能会进一步提升多声道处理能力和同步性能，为用户创造更加逼真的音频环境。同时，随着 5G 网络的普及，网络带宽的提升为高质量音频传输提供了更广阔的空间，AAC 编码和 ADTS 格式也可能会利用这一优势，进一步提高音频的码率和音质，为我们带来更加卓越的音频体验。

AAC 编码原理和 ADTS 格式是数字音频技术的重要成果，它们在众多领域的广泛应用，极大地丰富了我们的数字生活。通过深入了解它们的原理、格式和应用，我们能够更好地欣赏和利用数字音频资源，也能为相关技术的进一步发展贡献自己的智慧。希望这篇文章能让你对 AAC 编码原理和 ADTS 格式有更深入的认识，在数字音频的世界里探索更多的精彩。