1 文件格式

1.1 概述及分类

AAC“Advanced Audio Coding”的缩写，中文称为“高级音频编码”，被手机界称为“21世纪数据压缩方式”，AAC所采用的运算方式是与MP3的运算有所不同，AAC同时可以支持多达48个音轨，15个低频音轨，更多种取样率和比特率与及有多种言语的兼容能力，更高的译码效率，总括来说，AAC可以在对比MP3文件缩小30%的前题下提供更好的音质。

AAC帧与帧之间编码完全独立，所以其广泛运用于流媒体。

由于对AAC有重要贡献的公司比较多，如Fraunhofer，Dolby, Sony和AT&T，导致AAC子格式多，很容易搞混。他们是共分为9种规格，以适应不同场合的需要：

a) MPEG-2 AAC LC 低复杂度规格 (Low Complexity)

b) MPEG-2 AAC Main 主规格

c) MPEG-2 AAC SSR 可变取样率规格 (Scaleable Sample Rate)

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

e) MPEG-4 AAC Main 主规格

f) MPEG-4 AAC SSR 可变取样率规格 (Scaleable Sample Rate)

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

h) MPEG-4 AAC LD 低延迟规格(Low Delay)

i) MPEG-4 AAC HE 高效率规格(High Efficiency)(即AAC+，含SBR)

上述的规格中，主规格“Main”包含了除增益控制之外的全部功能，其音质是最好，而低复杂度规格则是比较简单，没有了增益控制，但提高了编码效率，至“SSR”对“LC”规格大体是相同，但是多了增益的控制功能，另外，MPEG-  4/AAC/LTP/LD/HE，都是用在低码率下编码，特别是“HE”是有Nero ACC编码器支持，是近来多用的一种编码率种，不过通常来说，Main规格和LC规格的音质相差是不大。

以上规格的划分是比较官方的分发，wiki上也是如此划分。事实上MPEG-4与MPEG-2 AAC流除了在文件头(header)上并没有什么区别。只是一些应用软件象QuickTime并不承认MPEG-2 AAC。Real的解码程序中，并未对这2种进行区分。所以从编解码来看，按如下划分更清晰：

a)LC profile:最简单的profile,苹果iTune使用这种格式(iTune也使用Apple LosslessAAC ，不过似乎没有划分到AAC家族中，一个文件通常上20M)。

b) MAIN profile: LC profile + 后向预测(backwards prediction)

c) SRS: sample-rate scalability,submitted by Sony and reportedly

d) LTP:long term prediction, main profile + forward prediction

e)HE-AAC: high efficiency AAC,又叫aacPlus，使用SBR,可能使用PS.AAC + SBR(Spectral Band Replication)aacPlusv1, AAC + SBR + PS(Parametric Stereo)aacPlus v2.  如图所示：

其中，aacPlus v1已被运动图像专家组MPEG指定为其标准MPEG-4 HE AAC.

1.2 AAC的编码器

a) FhG Fraunhofer IIS研发的权威编码器，拥有很好的音质，不对外开放。

b) Nero AAC可能是目前最完美的AAC编码器了，同时支持"LC AAC/HE AAC"规格，Nero AAC编码器提供了品质最好的"VBR LC AAC"格式，同时亦对面"HE AAC"规格保证了在低码率下也有良好的表现，千千静听 + Nero插件，就可以编码AAC文件了，我当初就这么做测试向量的，哈哈。

c) QuickTime/iTune Apple公司的两款Media软件都提供了AAC编码功能，其编码技术来自“DolbyLaboratories”，是目前音质最好的中码编率编码器，它编码的48kbps立体声音质比其它AAC编码器好20 - 25%，甚至64 kbps的Dolby AAC音效可媲美128 kbps的MP3。

d) FAAC：免费，开源，郑重推荐。

1.3 文件后缀名

用aac编码的文件可能使用这三种后缀名:aac,m4a,mp4.

AAC:以aac为后缀的文件无文件头，由一些列的帧组成文件，帧头分ADIF和ADTS两种。

M4A:用MP4作为container，这种MP4文件里面只有音频帧，无视频帧。由MP4文件头+一系列的帧组成，帧头比AAC为后缀的文件要短。所以在保持压缩数据不变的情况下，将AAC转为M4A，文件会小一些，因为每帧省几个字节，合起来省下的字节数通常比MP4文件头还大。

MP4：可以同时有视频帧和音频帧，也可以只有音频或视频帧。

注：在下面的1.5节中，会详细说一下AAC为后缀的文件格式，MP4 container的格式可以参照我的另一篇文章，MPEG4-Part14 -- MP4 file format。

1.4 编码工具推荐

FAAC 和 千千静听+nero插件

1.5 File format specification--以aac为后缀名的文件格式

AAC没有文件头，由帧序列组成。一共有2种格式的帧头，ADTS和ADIF。一个文件中通常不会2种帧共存，并且大多数AAC文件包含的帧为    ADTS。

ADIF：Audio Data Interchange Format 音频数据交换格式。这种格式的特征是可以确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确定义的开始处进行。故这种格式常用在磁盘文件中。

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，解码可以在这个流中任何位置开始。

//以下对文件格式说明使用的表格来自ISO-IEC-13818-7

1.5.1 ADIF

ADIF的帧序列按如下方式组成一个文件：

Table 2– Syntax of adif_sequence()

Syntax

No. of bits

Mnemonic

adif_sequence()

{

adif_header();

byte_alignment();

raw_data_stream();

}

其中Header结构如下：

Table 3 – Syntax of adif_header()

Syntax

No. of bits

Mnemonic

adif_header()

{

adif_id;

32

bslbf

copyright_id_present;

1

bslbf

if (copyright_id_present) {

copyright_id;

72

bslbf

}

original_copy;

1

bslbf

home;

1

bslbf

bitstream_type;

1

bslbf

bitrate;

23

uimsbf

num_program_config_elements;

4

bslbf

if (bitstream_type == ‘0’) {

adif_buffer_fullness;

20

uimsbf

}

for (i = 0; i < num_program_config_elements + 1; i++) {

program_config_element();

}

}

1.5.2 ADTS

ADTS文件有帧序列组成，如下表所示：

Table 4 – Syntax of adts_sequence()

Syntax

No. of bits

Mnemonic

adts_sequence()

{

while (nextbits() == syncword) {

adts_frame();

}

}

每帧除去最前面的同步字后，结构如下：

Table 5 – Syntax of adts_frame()

Syntax

No. of bits

Mnemonic

adts_frame()

{

adts_fixed_header();

adts_variable_header();

if (number_of_raw_data_blocks_in_frame == 0) {

adts_error_check();

raw_data_block();

}

else {

adts_header_error_check();

for (i = 0; i <= number_of_raw_data_blocks_in_frame; i++) {

raw_data_block();

adts_raw_data_block_error_check();

}

}

}

其中，ADTS头分两部分，固定头和可变头，固定头每帧一样，可变头帧与帧可以不同。

Table 8 – Syntax of adts_fixed_header()

Syntax

No. of bits

Mnemonic

adts_fixed_header()

{

syncword;

12

bslbf

ID;

1

bslbf

layer;

2

uimsbf

protection_absent;

1

bslbf

profile;

2

uimsbf

sampling_frequency_index;

4

uimsbf

private_bit;

1

bslbf

channel_configuration;

3

uimsbf

original/copy;

1

bslbf

home;

1

bslbf

}

Table 9 – Syntax of adts_variable_header()

Syntax

No. of bits

Mnemonic

adts_variable_header()

{

copyright_identification_bit;

1

bslbf

copyright_identification_start;

1

bslbf

frame_length;

13

bslbf

adts_buffer_fullness;

11

bslbf

number_of_raw_data_blocks_in_frame;

2

uimsfb

}

2 解码流程

to be continued....