MP3解码算法原理解析

写在前面

如果大家对音视频技术感兴趣，可以订阅我的专题 视频播放器和音视频基础知识。

一：MP3编解码整体结构介绍

看懵逼了是吧。这里面有很多概念需要一一讲解。

• 比特流：比特流是一种内容分发协议。它采用高效的软件分发系统和点对点技术共享大体积文件（如一部电影或电视节目），并使每个用户像网络重新分配结点那样提供上传服务。（因为没有专业学过这方面的内容，我暂且把它理解为一段数据，里面的内容有时间再探讨）。

  • 同步及差错检查：mp3的数据流的传输和同步工作中都是以帧为单位的。帧是MP3最小的格式单元，它不可以再被分割。每一帧头部包含了当前帧的一些基本信息，其中就包括同步信息。同步信息的组成是包含连续的12比特的‘1’。mp3视频解码工作的第一步就是使解码器和输入数据流同步。在启动解码器之后，可以搜索数据中连续12个比特的‘1’来完成。在取得同步信息之后，帧头部后续的信息是：帧头信息，包括采样率、填充位、比特率等信息。

  • 哈夫曼解码:你可以这样理解，我把不同的数据通过一个表格进行一一对应，用这个对应的码来表示原来的信息，那么出现频率高的数，我用尽可能短的码来表示。出现频率低的数用长一点的码来表示。这样可以减少表示信息的内容量。而且传输过去之后，再按照这个对照码可以进行还原。大概原理就是这个。

  • 逆量化 量化过程的逆过程，想了解这个各位需要学习一下量化的过程。

  • IMDCT：IMDCT是缩写，全称是：Inverse Modified Discrete Cosine Transform（反向修正离散余弦变换）。在MP3中需要使用此算法将输入数据从频域变换到余弦域，对子带滤波进行补偿运算。使用逆向离散余弦变换的公式，对反量化得出的信号进行变换。IMDCT运算公式大概长这样：IMDCT运算过程如下图：
  • 频率反转：对逆向离散余弦变换的输出值中的奇数号子带（0到31号子带中的1，3，5，…，31）中的奇数号样本值（每个子带中的0到17号样本值的1，3，5，…，17号样本值）进行反相处理，用来补偿编码时为提高离散余弦变换效率而进行的频率反转。

针对以上的概念，如果有不清楚的，可以看我的另外一篇博客：MP3头帧解析，里面有一些和帧头信息相关的知识。

同步及差错检查包括了头部信息解码模块 在主控模块开始运行后，主控模块将比特流的数据缓冲区交给同步及差错检查模块，此模块包含两个功能，即头信息解码及帧边信息解码，根据它们的信息进行 尺度因子解码及哈夫曼解码，得出的结果经过逆量化，立体声解码，混淆缩减， IMDCT，频率反转，合成多相滤波这几个模块之后，得出左右声道的 PCM 码 流 ， 再由主控模块将其放入输出缓冲区输出到声音播放设备(总之很复杂)。

2、主控模块

主控模块的主要任务是操作输入输出缓冲区，调用其它各模块协同工作。 其中，输入输出缓冲区均由 DSP 控制模块提供接口。

输入缓冲区中放的数据为原始 mp3 压缩数据流，DSP 控制模块每次给出大于最大 可能帧长度的一块缓冲区，这块缓冲区与上次解帧完后的数据（必然小于一帧） 连接在一起，构成新的缓冲区。

输出缓冲区中将存放的数据为解码出来的 PCM 数据，代表了声音的振幅。它