[Video and Audio Data Processing] AAC音频码流解析

最新推荐文章于 2024-08-12 08:15:00 发布

原创最新推荐文章于 2024-08-12 08:15:00 发布 · 561 阅读

1 ·

CC 4.0 BY-SA版权

视音频数据处理专栏收录该内容

22 篇文章

订阅专栏

本文深入讲解AAC音频文件的ADTS头结构，包括固定头信息和可变头信息的详细解析，以及如何通过代码实现AAC音频帧的定位和提取。文章提供了具体的C语言代码示例，演示如何从AAC原始码流中读取并解析ADTS帧。

0. AAC介绍

AAC音频文件的每一帧都由一个ADTS头和AAC ES(AAC音频数据)组成。

在这里插入图片描述

以下是wiki的介绍：https://wiki.multimedia.cx/index.php?title=ADTS
在这里插入图片描述

0.1 其包括固定头信息:adts_fixed_header()

ADTS头的固定头信息在每个帧中都是一样的。
在这里插入图片描述
syncword：帧同步标识一个帧的开始，固定为0xFFF
ID：MPEG 标示符。0表示MPEG-4，1表示MPEG-2
layer：固定为’00’
protection_absent：标识是否进行误码校验。0表示有CRC校验，1表示没有CRC校验
profile：标识使用哪个级别的AAC。1: AAC Main 2:AAC LC (Low Complexity) 3:AAC SSR (Scalable Sample Rate) 4:AAC LTP (Long Term Prediction)
sampling_frequency_index：标识使用的采样率的下标
private_bit：私有位，编码时设置为0，解码时忽略
channel_configuration：标识声道数
original_copy：编码时设置为0，解码时忽略
home：编码时设置为0，解码时忽略

0.2 可变头信息:adts_variable_header()

在这里插入图片描述

copyrighted_id_bit：编码时设置为0，解码时忽略
copyrighted_id_start：编码时设置为0，解码时忽略
aac_frame_length：ADTS帧长度包括ADTS长度和AAC声音数据长度的和（单位是字节）。即 aac_frame_length = (protection_absent == 0 ? 9 : 7) + audio_data_length
adts_buffer_fullness：固定为0x7FF。表示是码率可变的码流
number_of_raw_data_blocks_in_frame：表示当前帧有number_of_raw_data_blocks_in_frame + 1 个原始帧(一个AAC原始帧包含一段时间内1024个采样及相关数据)。

在这里插入图片描述
这个ADTS头信息有点难理解，建议在小本本上画一画，就能搞清楚下面这部分代码了。

//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
	//size存储的是aac_frame_length，即ADTS长度和AAC声音数据长度的和
	break;
}

0.3 音频码流在视频播放器的位置

在这里插入图片描述

1. 代码

extern "C"
{
#ifdef __cplusplus
#define __STDC_CONSTANT_MACROS

#endif

}
extern "C" {

#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <math.h>
}







int getADTSframe(unsigned char* buffer, int buf_size, unsigned char* data, int* data_size) {
	// buffer是每次传进来的1024*1024字节的数据
	// buf_size是成功读取1个字节的总的个数，这里读取成功即1024*1024，
	//也可能末尾读着读着没了，那就没这么多
	// data即传进来的aacframe，空间大小是1024*5个字节
	// data_size是aac_frame_length：ADTS帧长度包括ADTS长度和AAC声音数据长度的和
	// 
	int size = 0;


	// 避免空指针，这个代码是有意义的，在实际的android开发中，
	// 有时候遇到系统稳定性问题，比如死机，解dump会发现空指针，
	// 我们找到函数的位置，然后加这个避免空指针的代码即可解决.
	if (!buffer || !data || !data_size) {
		return -1;
	}

	while (1) {
		if (buf_size < 7) {
			//ADTS头一般是7个字节,如果对数据进行CRC校验，还需要2个Byte的校验码，
			//所以ADTS头实际长度是7个字节或者9个字节，
			//所以若传进来的buf_size<7，那么也就没必要继续解析文件头了
			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
			//size存储的是aac_frame_length，即ADTS长度和AAC声音数据长度的和
			break;
		}
		--buf_size;
		++buffer;
	}

	if (buf_size < size) {
		//数据分割，若小于一个aac_frame_length帧长度，直接return 
		return 1;
	}

	memcpy(data, buffer, size);
	//由buffer所指内存区域复制size个字节到data所指内存区域
	//把重要信息存到aacframe指针里面
	//需要知道profile以及sampling_frequency_index
	*data_size = size;

	return 0;
}

int simplest_aac_parser(const 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 * 10);
	unsigned char* aacbuffer = (unsigned char*)malloc(1024 * 2048);

	FILE* ifile = fopen(url, "rb");
	if (!ifile) {
		printf("Open file error");
		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 * 2048 - 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;
			//获取标识使用哪个级别的AAC。1: AAC Main 
			//2:AAC LC (Low Complexity) 
			//3:AAC SSR (Scalable Sample Rate) 
			//4:AAC LTP (Long Term Prediction)

			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;
			//获取标识使用的采样率的下标

			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("nocturne.aac");
	return 0;
}