AGENDA
＊ MP3簡(jiǎn)介
＊ MP3文件結(jié)構(gòu)
——Tag_v2(ID3v2)標(biāo)簽幀
——數(shù)據(jù)幀
——Tag_v1(ID3v1)標(biāo)簽幀
＊MP3編解碼流程
＊MP3文件的播放流程
一、MP3簡(jiǎn)介：
MP3全稱MPEG 1 audio layer 3，其中MPEG（Moving Picture Experts Group）標(biāo)準(zhǔn)包括視頻和音頻
標(biāo)準(zhǔn)，其中音頻標(biāo)準(zhǔn)已制定出 MPEG-1、MPEG-2、MPEG-2 AAC和MPEG-4。
MPEG-1和MPEG-2標(biāo)準(zhǔn)使用同一個(gè)音頻編碼解碼族—— Layer1、Layer 2、Layer3。 它根據(jù)壓縮質(zhì)量
和編碼復(fù)雜程度進(jìn)行劃分的，分別對(duì)應(yīng)MP1、MP2、MP3 這三種聲音文件，并根據(jù)不同的用途，使用不同層
次的編碼。MPEG 音頻編碼的層次越高，編碼器越復(fù)雜，壓縮率也越高
MPEG-2一個(gè)新特點(diǎn)是采用低采樣率擴(kuò)展降低數(shù)據(jù)流量，另一特點(diǎn)是多通道擴(kuò)展，將主聲道增加為5個(gè)。
MPEG Audio Layer 1、Layer2、Layer3三個(gè)層使用相同的濾波器組、位流結(jié)構(gòu)和頭信息，采樣頻率為
32KHz、44.1KHz、48KHz。
Layer 1是為數(shù)字壓縮磁帶DCC（Digital Compact Cassette）設(shè)計(jì)的，數(shù)據(jù)流384kbps；壓縮率4：1；
Layer 2在復(fù)雜性和性能間作了權(quán)衡，數(shù)據(jù)流量下降到256kbps-192kbps；壓縮率6：1－8：1；
Layer 3一開(kāi)始就為低數(shù)據(jù)流量而設(shè)計(jì)，數(shù)據(jù)流量在128kbps-112kbps，壓縮率高達(dá)10：1－12：1；
Layer 3增加了MDCT變換，使其頻率分辨能力是Layer 2的18倍，Layer 3還使用了與MPEG Video
類似的平均信息量編碼（Entropy Coding），減少了冗余信息。MP3絕大部分使用的是MPEG-1標(biāo)準(zhǔn)。
MP3的音頻質(zhì)量取決于它的Bitrate和Sampling frequency，以及編碼器質(zhì)量。MP3的典型速度介于
每秒128到320kb之間（此處有問(wèn)題）。采樣頻率也有32，44.1，48 kHz三種頻率，比較常見(jiàn)的是采用CD
采樣頻率——44.1kHz。常用的編碼器是LAME，它完全遵循LGPL的MP3編碼器，有著良好的速度和音質(zhì)。
MP3 對(duì)音頻信號(hào)采用的是有損壓縮方式，為了降低聲音失真度，MP3采取了“感官編碼技術(shù)”，即它
丟掉脈沖編碼調(diào)制（PCM）音頻數(shù)據(jù)中對(duì)人類聽(tīng)覺(jué)不重要得數(shù)據(jù)，從而達(dá)到了較高的壓縮比，即編碼時(shí)先對(duì)
音頻文件進(jìn)行頻譜分析，然后用過(guò)濾器濾掉噪音電平，接著通過(guò)量化的方式將剩下的每一位打散排列，最后
形成具有較高壓縮比的MP3 文件，并使壓縮后的文件在回放時(shí)能夠達(dá)到比較接近原音源的聲音效果。
二．整個(gè)MP3 文件結(jié)構(gòu)：
MP3文件是由幀（frame）構(gòu)成，幀是MP3文件的最小組成單位。每幀都包含幀頭，并可以計(jì)算幀的長(zhǎng)度。根據(jù)幀的性質(zhì)不同，文件主要分為三個(gè)部分，TAG_V2(ID3V2)標(biāo)簽幀，數(shù)據(jù)幀和TAG_V1(ID3V1) 標(biāo)簽幀。并非每個(gè)MP3文件都有ID3v2，但是數(shù)據(jù)幀和ID3v1幀是必須的。ID3v2在文件頭，以字符串“ID3”為標(biāo)志，包含了演唱者，作曲，專輯等信息，長(zhǎng)度不固定，擴(kuò)展了ID3V1的信息量。ID3v1在文件結(jié)尾，以字符串“TAG”為標(biāo)記，其長(zhǎng)度是固定的128個(gè)字節(jié)，包含了演唱者、歌名、專輯、年份等信息。
1. ID3V2 標(biāo)簽
ID3V2到現(xiàn)在一共有四個(gè)版本，但流行的播放軟件一般只支持第三版，既ID3V2.3。每個(gè)ID3V2.3 的標(biāo)簽都有一個(gè)標(biāo)簽頭和若干個(gè)標(biāo)簽幀或一個(gè)擴(kuò)展標(biāo)簽頭組成。關(guān)于曲目的信息如標(biāo)題、作者等都存放在不同的標(biāo)簽幀中，擴(kuò)展標(biāo)簽頭并不是必要的，但每個(gè)標(biāo)簽至少要有一個(gè)標(biāo)簽幀。標(biāo)簽頭和標(biāo)簽幀一起順序存放在MP3 文件的首部。
標(biāo)簽頭
長(zhǎng)度為10個(gè)字節(jié)，位于文件首部，其數(shù)據(jù)結(jié)構(gòu)如下：
char Header[3]; /* 字符串 "ID3" */
char Ver; /* 版本號(hào)ID3V2.3 就記錄3 */
char Revision; /* 副版本號(hào)此版本記錄為0 */
char Flag; /* 存放標(biāo)志的字節(jié)，這個(gè)版本只定義了三位，很少用到，可以忽略 */
char Size[4]; /* 標(biāo)簽大小，除了標(biāo)簽頭的10 個(gè)字節(jié)的標(biāo)簽幀的大小 */標(biāo)簽大小為四個(gè)字節(jié)，但每個(gè)字節(jié)只用低7位，最高位不使用，恒為0，其格式如下：
0xxxxxxx 0xxxxxxx 0xxxxxxx 0xxxxxxx
——標(biāo)簽幀
每個(gè)標(biāo)簽幀都有一個(gè)10字節(jié)的幀頭和至少一個(gè)字節(jié)的不固定長(zhǎng)度的內(nèi)容組成。它們是順序存放在文件中，由各自特定的標(biāo)簽幀頭來(lái)標(biāo)記幀的開(kāi)始。其幀的結(jié)構(gòu)如下：
char FrameID[4]; /*用四個(gè)字符標(biāo)識(shí)一個(gè)幀，說(shuō)明其內(nèi)容 */
char Size[4]; /* 幀內(nèi)容的大小，不包括幀頭，不得小于1 */
char Flags[2]; /* 存放標(biāo)志，只定義了6 位，此處不再說(shuō)明 */
常用幀標(biāo)識(shí)：
TIT2：標(biāo)題
TPE1：作者
TALB：專輯
TRCK： 音軌，格式：N/M，N表示專輯中第幾首，M為專輯中歌曲總數(shù)
TYER：年份
TCON：類型
COMM：備注，格式：“eng/0備注內(nèi)容”，其中eng表示所使用的語(yǔ)言
幀大小為四個(gè)字節(jié)所表示的整數(shù)大小。
2.數(shù)據(jù)幀
數(shù)據(jù)幀往往有多個(gè)，至于有多少，由文件大小和幀大小來(lái)決定。每個(gè)幀 都有一個(gè)幀頭HEADER，長(zhǎng)度是4BYTE（32bit）,幀頭后面可能有兩個(gè)字節(jié)的CRC 校驗(yàn)，這兩個(gè)字節(jié)的是否存在決定于HEADER 信息的第16bit， 為0 則幀頭后面無(wú)校驗(yàn)，為1 則有校驗(yàn),校驗(yàn)值長(zhǎng)度為2 個(gè)字節(jié)，緊跟在HEADER 后面，接著就是幀的實(shí)體數(shù)據(jù) ，也就是MAIN_DATA了，格式如下：
HEADER
CRC（free）
MAIN_DATA
4 BYTE
0 OR 2 BYTE
－－－－幀頭HEADER的詳細(xì)結(jié)構(gòu)為：
－－－－－MAIN_DATA：
MAIN_DATA 部分長(zhǎng)度是否變化決定于HEADER 的bitrate是否變化，一首MP3 歌曲，它有三個(gè)版本：96Kbps（96 千比特位每秒）、128Kbps 和192Kbps。Kbps （比特位速率）， 表明了音樂(lè)每秒的數(shù)據(jù)量，Kbps 值越高，音質(zhì)越好，文件也越大，MP3標(biāo)準(zhǔn)規(guī)定，不變的bitrate 的MP3 文件稱作CBR，大多數(shù)MP3 文件都是CBR 的，而變化的bitrate 的MP3 文件稱作VBR， 每個(gè) 的長(zhǎng)度都可能是變化的。
———— C,LAME標(biāo)簽幀
當(dāng)你真的打開(kāi)一個(gè)MP3文件的時(shí)候，你會(huì)發(fā)現(xiàn)第一幀并不是真正的數(shù)據(jù)幀，而是LAME編碼的標(biāo)志幀。
這里牽涉到兩個(gè)概念：CBR和VBR。它還存放了MP3文件里幀的總個(gè)數(shù)，和100個(gè)字節(jié)的播放總時(shí)間分段的幀的INDEX，還有其他一些參數(shù);
1）CBR：表示比特率不變，也就是每幀的長(zhǎng)度是一致的，它以字符串“INFO”為標(biāo)記。只要知道文件總長(zhǎng)度
和幀長(zhǎng),即可由播放每幀需26ms 計(jì)算得出mp3 播放的總時(shí)間，也可通過(guò)計(jì)數(shù)幀的個(gè)數(shù)控制快進(jìn)、快退
慢放等操作。
2）VBR：VBR是 Variable BitRate的簡(jiǎn)稱，也就是每幀的比特率和幀的長(zhǎng)度是變化的，是XING 公司推出的
算法，所以在MP3 的 里會(huì)有“XING"這個(gè)關(guān)鍵字（現(xiàn)在很多流行的小軟件也可以進(jìn)行VBR 壓縮，它們
是否遵守這個(gè)約定，那就不得而知了），它存放在MP3 文件中的第一個(gè)有效幀里，它標(biāo)識(shí)了這個(gè)MP3
文件是VBR 的。同時(shí)第一個(gè) 里存放了MP3 文件的 幀的總個(gè)數(shù)，這就很容易獲得了播放總時(shí)間，同時(shí)
還有100 個(gè)字節(jié)存放了播放總時(shí)間的100 個(gè)時(shí)間分段的幀的INDEX，假設(shè)4 分鐘的MP3 歌曲，
240S， 分成100 段，每?jī)蓚€(gè)相鄰INDEX 的時(shí)間差就是2.4S， 所以通過(guò)這個(gè)INDEX，只要前后處理少
數(shù)的，就能快速找出我們需要快進(jìn)的 頭。除了INDEX,還有其他的一些參數(shù)，這被稱為Zone A，傳統(tǒng)
Xing VBR標(biāo)簽數(shù)據(jù)，共120個(gè)字節(jié)。 在二進(jìn)制文本編輯器里我們還可看到一個(gè)字符串“LAME”，并且
后面清楚地跟著版本號(hào)。這就是20個(gè)字節(jié)的Zone B初始LAME信息，表示該文件是用LAME編碼技術(shù)。
接下來(lái)一直到該幀結(jié)束就是Zone C－LAME標(biāo)簽。
長(zhǎng)度由幀頭計(jì)算得出 ：
1）每幀的播放時(shí)間：無(wú)論幀長(zhǎng)是多少，每幀的播放時(shí)間都是26ms；
2）數(shù)據(jù)幀大小:
Size = (((MpegVersion == MPEG1 ? 144 : 72) * Bitrate) / SamplingRate) + PaddingBit
例如: Bitrate ＝ 128000, a SamplingRate ＝44100, and PaddingBit ＝ 1
Size = (144 * 128000) / 44100 + 1 = 417 bytes
3.ID3V1
其數(shù)據(jù)結(jié)構(gòu)如下：
char Header[3]; /* 標(biāo)簽頭必須是"TAG"否則認(rèn)為沒(méi)有標(biāo)簽 */
char Title[30]; /* 標(biāo)題 */
char Artist[30]; /* 作者 */
char Album[30]; /* 專集 */
char Year[4]; /* 出品年代 */
char Comment[28]; /* 備注 */
char reserve; /* 保留 */
char track; /* 音軌 */
char Genre; /* 類型 */
其實(shí)，關(guān)于最后31個(gè)字節(jié)還存在另外一個(gè)版本，就是30個(gè)字節(jié)的Comment和一個(gè)字節(jié)的Genre.
有了上述的這些信息，我們就可以自己寫(xiě)代碼，從MP3文件中抓取信息以及修改文件名了。但是，如果真的想寫(xiě)一個(gè)播放軟件，還是需要讀它的數(shù)據(jù)幀，并進(jìn)行解碼。
三.MP3編碼與解碼流程
MP3音頻壓縮包含編碼和解碼兩個(gè)部分。編碼是將WAV文件中的數(shù)據(jù)轉(zhuǎn)換成高壓縮率的位流形式，解碼是接受位流并將其重建到WAV文件中。MP3 采用了感知音頻編碼（Perceptual Audio Coding）這一失真算法。人耳感受聲音的頻率范圍是20Hz-20kHz，MP3截掉了大量的冗余信號(hào)和無(wú)關(guān)的信號(hào)，編碼器通過(guò)混合濾波器組將原始聲 音變換到頻率域，利用心理聲學(xué)模型，估算剛好能被察覺(jué)到的噪聲水平，再經(jīng)過(guò)量化，轉(zhuǎn)換成Huffman編碼，形成MP3位流。解碼器要簡(jiǎn)單得多，它的任務(wù) 是從編碼后的譜線成分中，經(jīng)過(guò)反量化和逆變換，提取出聲音信號(hào)。
MP3的解碼總體上可分為9個(gè)過(guò)程：比特流分析，霍夫曼編碼，逆量化處理，立體聲處理，頻譜重排列，抗鋸齒處理，IMDCT變換，子帶合成，PCM輸出。
簡(jiǎn)要描述一下MP3的壓縮流程：聲音是一個(gè)模擬信號(hào)，對(duì)聲音進(jìn)行采樣，量化，編碼將得到PCM數(shù)據(jù)。PCM又稱為脈沖調(diào)制數(shù)據(jù)，是計(jì)算機(jī)可以播放的最原始數(shù)據(jù)，也是mp3壓縮的源，為了達(dá)到更大的數(shù)據(jù)壓縮率，MPEG表針采用了子帶編碼技將PCM數(shù)據(jù)分成32個(gè)子帶，每個(gè)子帶都是獨(dú)立編碼的，然后將數(shù)據(jù)變換到頻域下分析，MPEG采用的是改進(jìn)的離散余弦變換，也可以使用傅里葉變換，再下來(lái)為了重建立體聲進(jìn)行了頻域按特定規(guī)則的排列，隨后立體聲處理，處理后的數(shù)據(jù)按照協(xié)議定義進(jìn)行量化。為了達(dá)到更大的壓縮，再進(jìn)行霍夫曼編碼。最后將一些系數(shù)與主信息融合形成MP3文件。
解碼是編碼的反過(guò)程大概如下：
所謂比特流分解是指將mp3文件以二進(jìn)制方式打開(kāi)，然后根據(jù)其壓縮格式的定義，依次從這個(gè)mp3文件中取出頭信息，邊信息，比例因子信息等。這些信息都是后面的解碼過(guò)程中需要的?；舴蚵幋a是一種無(wú)損壓縮編碼，屬于熵編碼[平均信息量編碼（Entropy Coding）]。Mp3的解碼可以通過(guò)公式實(shí)時(shí)進(jìn)行數(shù)據(jù)的解碼，但往往采用的是通過(guò)查表法實(shí)現(xiàn)解碼（節(jié)省了CPU時(shí)間資源）。
MP3的技術(shù)亮點(diǎn)－－MDCT （修正的離散余弦變換）：
修正的離散余弦變換（MDCT）是指將一組時(shí)域數(shù)據(jù)轉(zhuǎn)換成頻域數(shù)據(jù)，以得知時(shí)域變化情況。MDCT是對(duì)DCT算法的改進(jìn)。早期的快速算法是快速付立葉變換（FFT），但FFT有復(fù)數(shù)運(yùn)算，MDCT都是實(shí)數(shù)運(yùn)算，便于編程。
在 壓縮音頻數(shù)據(jù)時(shí)，先將原始聲音數(shù)據(jù)分成固定的分塊，然后做順向MDCT（Forward MDCT）將每塊的值轉(zhuǎn)換為512個(gè)MDCT系數(shù)，解壓時(shí)，經(jīng)反向MDCT（Inverse MDCT）將512個(gè)系數(shù)還原成原始聲音數(shù)據(jù)，前后的原始聲音數(shù)據(jù)是不一致的，因?yàn)樵趬嚎s過(guò)程中，去掉了冗余和不相關(guān)數(shù)據(jù)。FMDCT變換公式為：
k=0，1，…，N/2-1
式中N是轉(zhuǎn)換視窗長(zhǎng)度，即每塊樣本點(diǎn)數(shù)，N=8，16，…，1024，2048。
n0=（N/2+1）/2，X(n)為時(shí)域值，X(k)為頻域值。若N取1024點(diǎn)，則轉(zhuǎn)換成512個(gè)頻域值。
IMDCT變換公式為：
n=0，1，…，N-1
MDCT本身并不進(jìn)行數(shù)據(jù)壓縮，它只是把信號(hào)映射到另一個(gè)域，量化才使數(shù)據(jù)得到壓縮。在對(duì)量化后的變換樣值進(jìn)行比特分配時(shí)要考慮使整個(gè)量化塊最小，這就成為有損壓縮了。
四、MP3文件的播放流程
一個(gè)完整MP3播放機(jī)要分幾個(gè)部分：中央處理器、解碼器、存儲(chǔ)設(shè)備、主機(jī)通訊端口、音頻DAC和功放、顯示界面和控制鍵。其中中央處理器和解碼器是整個(gè)系統(tǒng)的核心。這里的中央處理器我們通常稱為MCU（單片微處理器），簡(jiǎn)稱單片機(jī)。它運(yùn)行MP3的整個(gè)控制程序，也稱為fireware（或者固件程序）?？刂芃P3的各個(gè)部件的工作：從存儲(chǔ)設(shè)備讀取數(shù)據(jù)送到解碼器解碼；與主機(jī)連接時(shí)完成與主機(jī)的數(shù)據(jù)交換；接收控制按鍵的操作，顯示系統(tǒng)運(yùn)行狀態(tài)等任務(wù)。解碼器是芯片中的一個(gè)硬件模塊，或者說(shuō)是硬件解碼（有的MP3播放機(jī)是軟件解碼，由高速中央處理器完成）。它可以直接完成各種格式MP3數(shù)據(jù)流的解碼操作，并輸出PCM或I2S格式的數(shù)字音頻信號(hào)。
存儲(chǔ)設(shè)備是MP3播放機(jī)的重要部分，通常的MP3隨身聽(tīng)都是采用半導(dǎo)體存儲(chǔ)器（FLASH MEMORY）或者硬盤(pán)（HDD）作為儲(chǔ)存設(shè)備的。它通過(guò)接受儲(chǔ)存主機(jī)通訊端口傳來(lái)的數(shù)據(jù)（通常以文件形式），回放的時(shí)候MCU讀取存儲(chǔ)器中的數(shù)據(jù)并送到解碼器。數(shù)據(jù)的存儲(chǔ)是要有一定格式的，眾所周知，PC管理磁盤(pán)數(shù)據(jù)是以文件形式，MP3也不例外，最常用的辦法就是直接利用PC的文件系統(tǒng)來(lái)管理存儲(chǔ)器，微軟操作系統(tǒng)采用的是FAT文件系統(tǒng)，這也是最廣泛使用的一種。播放機(jī)其中一個(gè)任務(wù)就是要實(shí)現(xiàn)FAT文件系統(tǒng)，即可以從FAT文件系統(tǒng)的磁盤(pán)中按文件名訪問(wèn)并讀出其中的數(shù)據(jù)。
主機(jī)通訊端口是MP3播放機(jī)與PC機(jī)交換數(shù)據(jù)的途徑，PC通過(guò)該端口操作MP3播放機(jī)存儲(chǔ)設(shè)備中的數(shù)據(jù)，拷貝、刪除、復(fù)制文件等操作。目前最廣泛使用的是USB總線，并且遵循微軟定義的大容量移動(dòng)存儲(chǔ)協(xié)議規(guī)范，將MP3播放機(jī)作為主機(jī)的一個(gè)移動(dòng)存儲(chǔ)設(shè)備。這里需要遵循幾個(gè)規(guī)范：USB通信協(xié)議、大容量移動(dòng)存儲(chǔ)器規(guī)范和SCSI協(xié)議。
音頻DAC是將數(shù)字音頻信號(hào)轉(zhuǎn)換成模擬音頻信號(hào)，以推動(dòng)耳機(jī)、功放等模擬音響設(shè)備。這里要介紹一下數(shù)字音頻信號(hào)。數(shù)字音頻信號(hào)是相對(duì)模擬音頻信號(hào)來(lái)說(shuō)的。我們知道聲音的本質(zhì)是波，人說(shuō)能聽(tīng)到的聲音的頻率在20Hz到20kHz之間，稱為聲波。模擬信號(hào)對(duì)波的表示是連續(xù)的函數(shù)特性，基本的原理是不同頻率和振幅的波疊加在一起。數(shù)字音頻信號(hào)是對(duì)模擬信號(hào)的一種量化，典型方法是對(duì)時(shí)間坐標(biāo)按相等的時(shí)間間隔做采樣，對(duì)振幅做量化。單位時(shí)間內(nèi)的采樣次數(shù)稱為采樣頻率。這樣一段聲波就可以被數(shù)字化后變成一串?dāng)?shù)值，每個(gè)數(shù)值對(duì)應(yīng)相應(yīng)抽樣點(diǎn)的振幅值，按順序?qū)⑦@些數(shù)字排列起來(lái)就是數(shù)字音頻信號(hào)了。這是ADC（模擬-數(shù)字轉(zhuǎn)換）過(guò)程，DAC（數(shù)字-模擬轉(zhuǎn)換）過(guò)程相反，將連續(xù)的數(shù)字按采樣時(shí)候的頻率順序轉(zhuǎn)換成對(duì)應(yīng)的電壓。MP3解碼器解碼后的信息屬于數(shù)字音頻信號(hào)（數(shù)字音頻信號(hào)有不同的格式，最常用的是PCM和I2S兩種），需要通過(guò)DAC轉(zhuǎn)換器變成模擬信號(hào)才能推動(dòng)功放，被人耳所識(shí)別。
MP3播放機(jī)的顯示設(shè)備通常采用LCD或者OLED等來(lái)顯示系統(tǒng)的工作狀態(tài)?？刂奇I盤(pán)通常是按鈕開(kāi)關(guān)。鍵盤(pán)和顯示設(shè)備合起來(lái)構(gòu)成了MP3播放機(jī)的人機(jī)交互界面。
MP3播放機(jī)的軟件結(jié)構(gòu)跟硬件是相對(duì)應(yīng)的，即每一個(gè)硬件部分都有相應(yīng)的軟件代碼，這是因?yàn)榇蠖鄶?shù)的硬件部分都是數(shù)字可編程控制的。
總結(jié)一下，最簡(jiǎn)化的MP3的工作原理我們可以概括如下：首先將MP3歌曲文件從內(nèi)存中取出并讀取存儲(chǔ)器上的信號(hào)→到解碼芯片對(duì)信號(hào)進(jìn)行解碼→通過(guò)數(shù)模轉(zhuǎn)換器將解出來(lái)的數(shù)字信號(hào)轉(zhuǎn)換成模擬信號(hào)→再把轉(zhuǎn)換后的模擬音頻放大→低通濾波后到耳機(jī)輸出口，輸出后就是我們所聽(tīng)到的音樂(lè)了。
聯(lián)系客服
