音频格式之MP3：（1)MP3封装格式简介

系列文章目录

音频格式的介绍文章系列：
音频编解码格式介绍(1) ADPCM：adpcm编解码原理及其代码实现
音频编解码格式介绍(2) MP3 ：音频格式之MP3：(1)MP3封装格式简介
音频编解码格式介绍(2) MP3 ：音频格式之MP3：(2)MP3编解码原理详解
音频编解码格式介绍(3) AAC ：音频格式之AAC：(1)AAC简介
音频编解码格式介绍(3) AAC ：音频格式之AAC：(2)AAC封装格式ADIF,ADTS,LATM，extradata及AAC ES存储格式
音频编解码格式介绍(3) AAC ：音频格式之AAC：(3)AAC编解码原理详解

---

本文主要介绍MP3，即MPEG1 Layer-3
本文网址：https://blog.csdn.net/littlezls/article/details/135705670

1、 MP3文件结构

对于mp3来说现在有两种编码方式，一种是CBR，也就是固定位率，固定位率的帧的大小在整个文件中都是是固定的，只要知道文件总长度，和从第一帧帧头读出的信息，就都可以通过计算得出这个mp3文件的信息，比如总的帧数，总的播放时间等等，要定位到某一帧或某个时间点也很方便，这种编码方式不需要文件头，第一帧开始就是音频数据。另一种是VBR，就是可变位率，VBR是XING公司推出的算法，所以在MP3的FRAME里会有“Xing"这个关键字（也有用"Info"来标识的），它存放在MP3文件中的第一个有效帧的数据区里，它标识了这个MP3文件是VBR的。同时第一个帧里存放了MP3文件的帧的总个数，这就很容易获得了播放总时间，同时还有100个字节存放了播放总时间的100个时间分段的帧索引，假设4分钟的MP3歌曲，240S，分成100段，每两个相邻INDEX的时间差就是2.4S，所以通过这个INDEX，只要前后处理少数的FRAME，就能快速找出我们需要快进的帧头。其实这第一帧就相当于文件头了。不过现在有些编码器在编码CBR文件时也像VBR那样将信息记入第一帧，比如著名的lame，它使用"Info"来做CBR的标记。

1.1 VBR头文件[1]

VBR文件头位于MP3文件中第一个有效帧的数据区，详细结构如下：

1.2 MP3文件结构

一般可以分为4个部分，如下表所示：

1	2	3	4
ID3v2	Frame1 Frame2 … FrameN	APEv2	ID3v1

其中ID3v2,APEv2,ID3v1这三部分是可选项，是存放文件的一些其他信息，例如：作者，专辑等，与编解码没有任何关系。解码的时候,如果有这部分内容，需要跳过这些数据。

1.3 Frame

frame具体内容可以查看ISO/IEC 11172-3、ISO/IEC 13818-3
MP3数据是按照一帧一帧的方式存储的:Frame1 Frame2 … FrameN，每个Frame如下表所示：

Frame Header 4字节	CRC 2字节（可选）	Side information	Main data

1.3.1 Frame Header

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

各bit位排列如下：
AAAAAAAA AAABBCCD EEEEFFGH IIJJKLMM
具体数据结构含义如下：

1.3.2 Side information

Mpeg1 layer 3 的Side information格式如下：

main_data_begin	private_bits	scfsi_ch0 scfsi_ch1	gr0(ch0, ch1) , gr1(ch0, ch1)

具体描述见下图：

main_data_begin: 表示一帧数据main_data开始的位置。表示main data相对于该帧同步头的负偏移。这里涉及到bit reservior技术:即把当前帧未使用完的bit数，留给后面需要的帧使用，这就导致每一帧的main data开始的位置，可能在它的Header和side information之前。这种技术就叫做bit reservoir。

Private_bits:留作私用。

Scfsi：表明两个granule是否使用相同的缩放因子。

scalefac_compress:被编码的缩放因子所占的比特数。

Part_2_3_length:表示main data中scalefactor和Huffman数据所占的比特数。

Global_gain:全局量化步长。

window_switching_flag、 block_bype和mixed_block_type:当window_switching_flag未置位时，block_type为0；当其置位时， block_type由mixed_block_type[gr][ch]指定，如下图所示：

当block_type为0、1、3时，为长块；为2时，为短块。mixed_block_flag[gr][ch]为1时，为混合块。

Table_select、Big_value、count1_table_select、Region0_count和region1_count:参考Huffman码表选择。

subblock_gain:短窗量化时所用的增益偏移量。

preflag和scalefac_scale:反量化时用到的变量。

1.3.3 Main data

main data的结构如下图所示：

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

2、资料下载

MPEG-1 （即ISO/IEC 11172）
MPEG-2（即ISO/IEC 13813）
MPEG-4（即ISO/IEC 14496）

ISO/IEC 11172 全部1-3部分全文下载：

https://download.csdn.net/download/littlezls/88754692

ISO/IEC 13818全部1-9部分全文下载 ：

https://download.csdn.net/download/littlezls/88754693

3、参考网址

[1] : MP3文件结构解析(超详细)
https://blog.csdn.net/u010650845/article/details/53520426
[2] : MP3文件格式与编码原理解码流程详解
https://blog.csdn.net/yuyin86/article/details/7097933/