MP3解码流程（一）-----音频文件结构解析

• 本文多处摘自互联网，仅供本人学习使用，出处标示于文章尾端。

#一、概述
    Layer-3 音频文件，MPEG(Moving Picture Experts Group) 在汉语中译为活动图像专家组，特指活动影音压缩标准，MPEG音频文件是MPEG1 标准中的声音部分，也叫MPEG 音频层，它根据压缩质量和编码复杂程度划分为三层，即Layer-1、Layer2、Layer3，且分别对应MP1、MP2、MP3 这三种声音文件，并根据不同的用途，使用不同层次的编码。 MPEG 音频编码的层次越高，编码器越复杂，压缩率也越高，MP1 和MP2 的压缩率分别为4：1 和6：1-8：1，而MP3 的压缩率则高达10：1-12：1，也就是说，一分钟CD 音质的音乐，未经压缩需要10MB的存储空间，而经过MP3 压缩编码后只有1MB 左右。不过MP3 对音频信号采用的是有损压缩方式，为了降低声音失真度，MP3采取了“感官编码技术”，即编码时先对音频文件进行频谱分析，然后用过滤器滤掉噪音电平，接着通过量化的方式将剩下的每一位打散排列，最后形成具有较高压缩比的MP3 文件，并使压缩后的文件在回放时能够达到比较接近原音源的声音效果。

#二、MP3 文件结构
    MP3 文件大体分为三部分：TAG_V2(ID3V2)， 音频数据，TAG_V1(ID3V1)

    a). ID3V2 在文件开始的位置，包含了作者，作曲，专辑等信息，长度不固定，扩展了ID3V1 的信息量。

    b). 一系列的音频数据的帧，在文件的中间位置，个数由文件大小和帧长决定；
每个帧的长度可能不固定，也可能固定，由位率bitrate决定
每个帧又分为帧头和数据实体两部分
帧头记录了mp3 的位率，采样率，版本等信息，每个帧之间相互独立 。

    c). ID3V1在文件结尾的位置，包含了作者，作曲，专辑等信息，长度为128Byte。

##2.1、ID3V2
    ID3V2 到现在一共有4 个版本，但流行的播放软件一般只支持第3 版， 既ID3v2.3。

    由于ID3V1 记录在MP3 文件的末尾，ID3V2就只好记录在MP3 文件的首部了(如果有一天发布ID3V3，真不知道该记录在哪里)。也正是由于这个原因，对ID3V2 的操作比ID3V1 要慢。而且ID3V2 结构比ID3V1 的结构要复杂得多，但比前者全面且可以伸缩和扩展。

    下面就介绍一下ID3V2.3：
每个ID3V2.3 的标签都一个标签头和若干个标签帧或一个扩展标签头组成。关于曲目的信息如标题、作者等都存放在不同的标签帧中，扩展标签头和标签帧并不是必要的，但每个标签至少要有一个标签帧。标签头和标签帧一起顺序存放在MP3 文件的首部。

###2.1.1、标签头
    在文件的首部顺序记录10 个字节的ID3V2.3 的头部。数据结构如下：

typedef struct Zs_head_lable
{
    char Header[3]; // 必须为字符串"ID3"，否则认为标签不存在 对应16进制：49 44 33
    char ver;   // 版本号ID3V2.3 就记录0x03
    char Revision;// 副版本号此版本记录为0x00
    char Flag;  // 存放标志的字节，这个版本只定义了3bit
    char Size[4];   // 标签帧的大小，不包括标签头的10个字节
}head_lable;

图2.1.1

红色框部分即为ID3V2.3的头部：

前3个字节就是 ID30x03(第3版) 49 44 33

第4个表示版本号 03

第5个字节：副版本号，为00

第6个字节是标志字节 为00
标志字节一般为0，按位定义如下：
abc00000
a – 表示是否使用Unsynchronisation(这个单词不知道是什么意思，字典里也没有找到，一般不设置)
b – 表示是否有扩展头部，一般没有(至少Winamp 没有记录)，所以一般也不设置
c – 表示是否为测试标签(99.99%的标签都不是测试用的啦，所以一般也不设置)

第7-10个字节表示标签帧大小
一共四个字节，但每个字节只用7位，最高位不使用恒为0。所以格式如下
0xxxxxxx 0xxxxxxx 0xxxxxxx 0xxxxxxx

计算大小时要将0 去掉，得到一个28 位的二进制数，就是标签大小，计算公式如下：

int label_frame_size;
label_frame_size=((Size[0]&0x7F)<<21)
                        + ((Size[1]&0x7F)<<14))
                        + ((Size[2]&0x7F)<<7)
                        + (Size[3]&0x7F);

第7到10字节：表示ID3标签的大小，这里为

label_frame_size=(（0x00&0x7F)<<21)+((0x00&0x7F)<<14)+((0x07&0x7F)<<7) +(0x76 &0x7F)
= 0x3F6=1014;

这里的 0x3F6帧大小，并不包含标签头的10个字节，只表示标签帧内容的大小 加上标签头是10个字节，音频数据就是从1024后面的字节开始算。

###2.1.2、标签帧
    接上面的例子，接下里4086个字节都是标签帧的内容。
每个标签帧都有一个10 个字节的帧头和至少一个字节的不固定长度的内容组成。它们也是顺序存放在文件中，和标签头和其他的标签帧也没有特殊的字符分隔。得到一个完整的帧的内容只有从帧头中的到内容大小后才能读出，读取时要注意大小，不要将其他帧的内容或帧头读入。

帧头的定义如下：

typedef struct Zs_lable_frame_head
{
	char ID[4]; //用四个字符标识一个帧，说明其内容，稍后有常用的标识对照表
	char Size[4]; //帧内容的大小，不包括帧头，不得小于1
	char Flags[2]; //存放标志，只定义了6 位
}lable_frame_head,*plable_frame_head;

图2.1.2

蓝色部分是一个歌曲的标签帧的有效内容

####1）帧标识
用四个字符标识一个帧，说明一个帧的内容含义，常用的对照如下：
TIT2=标题表示内容为这首歌的标题，下同
TPE1=作者
TALB=专集
TRCK=音轨格式：N/M 其中N 为专集中的第N 首，M为专集中共M 首，N和M 为ASCII 码表示的数字
TYER=年代是用ASCII 码表示的数字
TCON=类型直接用字符串表示
COMM=备注格式：”eng\0备注内容”，其中eng 表示备注所使用的自然语言
注：更多的帧标识说明见附录一。

前4个字节为帧标识，这里是54 59 45 52 (TYER) 是年代

####2）大小
这个可没有标签头的算法那么麻烦，每个字节的8 位全用，格式如下
xxxxxxxx xxxxxxxx xxxxxxxx xxxxxxxx
算法如下：

int FrameSize;
FrameSize= (Size[0]<<24) 
			+(Size[1]<<16)
			+ (Size[2]<<8)
			+ Size[3];

这里为

FrameSize =(0x00<<24) +( 0x00<<16) + (0x00<<8) + 0x05 = 5;

注意：这里的帧大小，并不包含帧头的10个字节，只表示帧内容的大小

####3）标志
只定义了6 位，另外的10 位为0，但大部分的情况下16 位都为0 就可以了。格式如下：
abc00000ijk00000

a – 标签保护标志，设置时认为此帧作废

b – 文件保护标志，设置时认为此帧作废

c – 只读标志，设置时认为此帧不能修改(但我没有找到一个软件理会这个标志)

i – 压缩标志，设置时一个字节存放两个BCD 码表示数字

j – 加密标志(没有见过哪个MP3 文件的标签用了加密)

k – 组标志，设置时说明此帧和其他的某帧是一组

值得一提的是winamp 在保存和读取帧内容的时候会在内容前面加个”\0”，并把这个字节计算在帧内容的大小中。
第9到10字节为标签帧的标记，如上所述，这里为00

第一个帧内容是歌曲年代，标题的5个字节的内容为：
0x00 0x32 0x30 0x31 0x35
‘\0’ ‘2’ ‘0’ ‘1’ ‘5’
上图中的内容依次读出为：
TYER:2015
TALB:Purpose
COMM:eng
TIT2:LoveYourself
TPE1:JustinBieber

##2.2、音频数据帧

一个MP3数据帧分为5个部分：帧头、CRC校验值、通道信息、主数据、附加数据。

###2.2.1、MP3帧头字节说明
每个帧都有一个帧头Header，长度是4Byte（32bit）,帧头后面可能有两个字节的CRC 校验值，这两个字节的是否存在决定于Header 信息的第16bit，为0 则帧头后面无校验，为1 则有校验，校验值长度为2 个字节，紧跟在Header 后面，接着就是帧的实体数据了.
图2.2.1



红色部分的4个字节即是帧头

**表2.1.1 MP3帧头字节说明**表

名称	位长	说明
同步信息	11	所有位均为1，第1字节恒为FF>
版本	2	00-MPEG 2.5 01-未定义 10-MPEG 2 11-MPEG 1
层	2	00-未定义 01-Layer 3 10-Layer 2 11-Layer 1
CRC校验	1	0-校验 1-不校验
比特率	4	单位是kbps，例如采用MPEG-1 Layer 3，128kbps是，值为1001 具体参数对应比特率表
采样率	2	采样频率，对于MPEG-1： 00-44.1kHz 01-48kHz 10-32kHz 11-未定义 对于MPEG-2： 00-22.05kHz 01-24kHz 10-16kHz 11-未定义 对于MPEG-2.5： 00-11.025kHz 01-12kHz 10-8kHz 11-未定义
帧长调节	1	用来调整文件头长度，0-无需调整，1-调整，具体调整计算方法见下文
保留字	1	没有使用
声道模式	2	表示声道， 00-立体声Stereo 01-Joint Stereo 10-双声道 11-单声道
扩充模式	2	当声道