基于RK3399OpenHarmony富设备软件音频解码方案

Posted 2022-03-22 OpenHarmony技术社区

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了基于RK3399OpenHarmony富设备软件音频解码方案相关的知识，希望对你有一定的参考价值。

1.音频编解码原理

数字音频是由 PCM(Pulse Code Modulation，脉冲编码调制）技术将模拟信号，主要经过抽样、量化、编码三个处理过程产生的，其中的编码就是按照一定的格式记录采样和量化后的数字数据，比如顺序存储或压缩存储。不经过编码的源音频数据量太大，所以编码最主要的工作就是压缩，即压缩掉冗余信号（指不能被人耳感知到的信号）。播放数字音频时需要进行解码，简单地说解码就是对应不同格式编码的逆向处理过程。音频解码分为硬件解码与软件解码2种方式：
硬件解码是通过声卡等设备专用的DSP芯片解码，功耗更低，解码质量、效率更高。
软件解码就是通过特定的软件解码，即使用CPU解码，由于要妥协解码设备的通用性，所以算法上对效率、质量有所折扣。
因当前基于扬帆的主板中没有相应的DSP芯片，我们将采用软件解码方式。

1.1.音频编码格式介绍

1.1.1.WAV(Waveform Audio File Format)

WAV是一款最接近无损的音频文件编码格式。由于WAV内部编码即PCM，并未对文件进行压缩，所以文件大小相对也比较大，理论上该文件格式可以在各种播放平台顺利编解码。
WAV编码就是在PCM数据格式的前面加上44字节，分别用来描述PCM的采样率、声道数、数据格式等信息。
特点：音质通透，支持软件广泛。
适用场合：多媒体开发的中间文件、保存音乐和音效素材。

1.1.2.MP3( Moving Picture Experts Group Audio Layer Ⅲ)

MP3是目前最流行的有损压缩音频编码格式。它设计用来大幅度地降低音频数据量，将音乐以1:10甚至1:12的压缩率，压缩成容量较小的文件。MP3文件大体分为三部分：TAG_V2(ID3V2)、音频数据、TAG_V1(ID3V1)。
特点：音质在128Kbit/s以上表现均衡，压缩比高，支持大量软件和硬件，兼容性好。
适用场合：高比特率下对兼容性有要求的音乐欣赏。

1.1.3.AAC(Advanced Audio Coding)

AAC是新一代的音频有损压缩技术，也是一种专为声音数据设计的文件压缩格式。与MP3不同，它采用了全新的算法进行编码，更加高效，具有更高的性价比。
特点：相对于MP3，AAC格式的音质更佳，文件更小。
适用场合：128Kbit/s以下的音频编码，多用于视频中音频轨的编码。

1.1.4.Ogg(OggVorbis)

Ogg是一种完全免费的且非常有潜力的音频多通道有损压缩编码技术。Ogg有着非常出色的算法，可以用更小的码率达到更好的音质。
特点：可以用比MP3更小的码率实现比MP3更好的音质，高中低码率下均有良好的表现，兼容性不够好，流媒体特性不支持。
适用场合：语音聊天的音频消息场景。

1.2.MP3解码流程

同步及差错检查包括了头解码模块，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。
MP3解码分同步方式和异步方式两种，所谓同步方式是指解码函数在解码完一帧后才返回并带回出错信息，异步方式是指解码函数在调用后立即返回，通过消息传递解码状态信息。

2.MP3软件解码数据结构与算法

2.1.MP3软件解码数据结构分析

2.1.1.struct UndecodeStream

此数据结构存放解码前的位流数据。

`````c
struct UndecodeStream 
  unsigned char const *inputBuf;    /* 输入位流缓冲区 */
  unsigned char const *bufEnd;      /* 缓冲区结束 */
  unsigned long skipLen;            /* 要在下一帧之前跳过的字节数 */

  int sync;                         /* 流同步 */
  unsigned long freeRate;           /* 自由比特率 */

  unsigned char const *currFrame;   /* 当前帧(的开始) */
  unsigned char const *nextFrame;   /* 下一帧(的开始) */
  struct BitPointer currPtr;        /* 当前处理位指针 */
  struct BitPointer ancPtr;         /* 辅助位指针 */
  unsigned int ancBitLen;           /* 辅助比特数 */

  int options;                      /* 解码选项 */
  enum AudioDeocdeErrCode error;    /* 错误码 */
;

struct BitPointer 
  unsigned char const *byte;
  unsigned short cache;
  unsigned short left;
;
enum AudioDeocdeErrCode 
  SUCCESS             = 0x0000,     /* no error */

  ERROR_BUFLEN        = 0x0001,     /* 输入缓冲区太小或EOF */
  ERROR_BUFPTR        = 0x0002,     /* 无效的缓冲区指针 */

  ERROR_NOMEM         = 0x0031,     /* 没有足够的内存 */

  ERROR_LOSTSYNC       = 0x0101,    /* 失去同步 */
  ERROR_BADLAYER       = 0x0102,    /* 保留头层值 */
  ERROR_BADBITRATE     = 0x0103,    /* 禁止比特率值 */
  ERROR_BADSAMPLERATE  = 0x0104,    /* 保留采样频率值 */
  ERROR_BADEMPHASIS    = 0x0105,    /* 保留重要值 */

  ERROR_BADCRC         = 0x0201,    /* CRC检查失败 */
  ERROR_BADBITALLOC    = 0x0211,    /* 禁止位分配值 */
  ERROR_BADSCALEFACTOR = 0x0221,    /* 错误的缩放因子索引 */
  ERROR_BADMODE        = 0x0222,    /* 错误的比特率/模式组合 */
  ERROR_BADFRAMELEN    = 0x0231,    /* 错误的帧长度 */
  ERROR_BADBIGVALUES   = 0x0232,    /* 错误的大值计算 */
  ERROR_BADBLOCKTYPE   = 0x0233,    /* 保留块类型 */
  ERROR_BADSCFSI       = 0x0234,    /* 错误的缩放因子选择信息 */
  ERROR_BADDATAPTR     = 0x0235,    /* 主数据开始指针错误 */
  ERROR_BADPART3LEN    = 0x0236,    /* 音频数据长度错误 */
  ERROR_BADHUFFTABLE   = 0x0237,    /* 哈夫曼表选择错误 */
  ERROR_BADHUFFDATA    = 0x0238,    /* 哈夫曼数据溢出 */
  ERROR_BADSTEREO      = 0x0239     /* 块类型不兼容 */

2.1.2.struct SynthStream

此数据结构存放解码合成滤波后的PCM数据。

```c
struct SynthStream 
  fixed_t filter[2][2][2][16][8];   /* 多相滤波器组输出 [ch][eo][peo][s][v] */
  unsigned int phase;               /* 当前处理阶段 */
  struct PcmStream pcm;             /* PCM输出 */
;

typedef   signed long fixed_t;

struct PcmStream 
  unsigned int samplerate;      /* 采样频率（Hz） */
  unsigned short channels;      /* 通道数 */
  unsigned short length;        /* 每个通道的采样数 */
  fixed_t samples[2][1152];     /* PCM输出样本[ch][样本] */
;

PcmStream定义了音频的采样率、声道个数和PCM 采样数据，用这里面的信息来初始化音频设备。以帧（frame）为单位对MP3进行解码的，当正确的解码完一帧数据可以得到（每声道）1152个PCM 数据。一帧数据量可以用下面的公式来计算：
frameSize = (((mpegVersion == MPEG1 ? 144 : 72) bitRate) / samplingRate) + paddingBit
例如: bitRate ＝ 128000, a samplingRate ＝44100, andpaddingBit ＝ 1
frameSize = (144 128000) / 44100 + 1 = 417 bytes
也就是说，想解码一个比特率为128K，采样率为44.1K 的MP3 文件，最少一次读入内存417 bytes 以准备解码，通常需要读入的字节数要比一帧的数据量多一些，比如16K。

2.1.3.struct FrameDecodeStream

此数据结构存放MPEG帧解码后PCM 数据。

struct FrameDecodeStream 
  struct AudioHeader header;          /* MPEG音频报头 */
  int options;                        /* 解码选项(来此流) */
  fixed_t sbsample[2][36][32];        /* 合成子带滤波器样本 */
  fixed_t (*overlap)[2][32][18];      /* MP3(第三层)块重叠数据 */
;

struct AudioHeader 
  enum AudioCodeLayer layer;        /* audio layer (1, 2, or 3) */
  enum AudioChannelMode mode;       /* channel mode */
  int modeExtension;                /* 附加模式信息 */
  enum AudioCodeEmphasis emphasis;  /* 不增强使用（信号还原） */

  unsigned long bitRate;            /* 流比特率(bps) */
  unsigned int sampleRate;          /* 采样频率(Hz) */

  unsigned short crcCount;          /* 帧CRC累加器 */
  unsigned short crcTargetSum;      /* 最终目标CRC校验和 */

  int flags;                        /* */
  int privateBits;                  /* 专用位 */

  timer_t duration;                 /* 帧的音频播放时间 */
;

enum AudioCodeLayer 
  LAYER_I   = 1,            /* Layer I */
  LAYER_II  = 2,            /* Layer II */
  LAYER_III = 3         /* Layer III */
;
enum AudioChannelMode 
  MODE_SINGLE_CHANNEL = 0,      /* single channel */
  MODE_DUAL_CHANNEL   = 1,      /* dual channel */
  MODE_JOINT_STEREO   = 2,      /* 联合（MS/强度）立体声 */
  MODE_STEREO         = 3       /* 正常LR立体声 */
;

enum AudioCodeEmphasis 
  EMPHASIS_NONE       = 0,      /* no emphasis */
  EMPHASIS_50_15_US   = 1,      /* 50/15微秒增强 */
  EMPHASIS_CCITT_J_17 = 3,      /* CCITT J.17 emphasis */
  EMPHASIS_RESERVED   = 2       /* unknown emphasis */
;

typedef struct 
  signed long seconds;      /* 整秒 */
  unsigned long fraction;   /* 定时器/分辨率秒 */
 timer_t;

在layer 域中得到音频数据所采的层，在mode域中得到音频数据的声道个数，在birRate和sampleRate中得到音频数据的位率（128kbps、384kbps 等等）和采样率（22KHz、44.1KHz、48KHz等）。

2.1.4.struct AudioDecoder

此数据结构存放音频解码器功能数据。

struct AudioDecoder 
  enum AudioDecoderMode mode;
  int options;
  struct             /* 异步信息 */
    long pid;
    int in;
    int out;
   async;
  struct             /* 同步信息 */
    struct UndecodeStream undecodestream;
    struct FrameDecodeStream frameDecodeStream;
    struct SynthStream synthStrem;
   *sync;
  void *cbData;       /* 压缩的数据 */

  enum AudioDecodeFlow (*InputFunc)(void *, struct UndecodeStream *);
  enum AudioDecodeFlow (*HeaderFunc)(void *, struct AudioHeader const *);
  enum AudioDecodeFlow (*FilterFunc)(void *,
                   struct UndecodeStream const *, struct FrameDecodeStream *);
  enum AudioDecodeFlow (*OutputFunc)(void *,
                   struct AudioHeader const *, struct PcmStream *);
  enum AudioDecodeFlow (*ErrorFunc)(void *, struct UndecodeStream *, struct FrameDecodeStream *);
  enum AudioDecodeFlow (*MessageFunc)(void *, void *, unsigned int *);
;
enum AudioDecoderMode 
  DECODER_MODE_SYNC  = 0,
  DECODER_MODE_ASYNC
;
enum AudioDecodeFlow 
  FLOW_CONTINUE = 0x0000,   /* 正常继续 */
  FLOW_STOP     = 0x0010,   /* 正常停止解码 */
  FLOW_BREAK    = 0x0011,   /* 停止解码并发出错误信号 */
  FLOW_IGNORE   = 0x0020    /* 忽略当前帧 */
;

2.2.MP3软件解码功能函数分析

2.2.1.MP3解码（Mp3Decode）

enum AudioDeocdeErrCode Mp3Decode(struct UndecodeStream *undecodeStream, struct FrameDecodeStream *frameDecodeStream, unsigned int channel)
    //同步差错检查
    ...
    for (ch = 0; ch < channel; ++ch) 
        //缩放因子解码
        ...
        //哈夫曼解码
        ...
        //逆向量化处理
        ...
        //重新排序
        ...
        //立体声解码
        ...
        //混淆缩减处理
        ...
        //IDCT处理
        ...
        //频率反转
        ...
        //合成多相滤波处理
        ...      
    
    ...

2.2.2.解码器初始化（DecoderInit）

int32_t DecoderInit(struct AudioDecoder *decoder, void *data,
    enum AudioDecodeFlow (*InputFunc)(void *, struct UndecodeStream *),
    enum AudioDecodeFlow (*HeaderFunc)(void *, struct AudioHeader const *),
    enum AudioDecodeFlow (*FilterFunc)(void *,
                   struct UndecodeStream const *, struct FrameDecodeStream *),
    enum AudioDecodeFlow (*OutputFunc)(void *,
                   struct AudioHeader const *, struct PcmStream *),
    enum AudioDecodeFlow (*ErrorFunc)(void *, struct UndecodeStream *, struct FrameDecodeStream *),
    enum AudioDecodeFlow (*MessageFunc)(void *, void *, unsigned int *)

    decoder->mode         = -1;
    decoder->options      = 0;
    decoder->async.pid    = 0;
    decoder->async.in     = -1;
    decoder->async.out    = -1;
    decoder->sync         = 0;
    decoder->cb_data      = data;

    decoder->InputFunc   = InputFunc;
    decoder->HeaderFunc = HeaderFunc;
    decoder->FilterFunc  = FilterFunc;
    decoder->OutputFunc  = OutputFunc;
    decoder->ErrorFunc   = ErrorFunc;
    decoder->MessageFunc = MessageFunc;
    ...

2.2.3.解码器运行（DecoderRun）

int32_t DecoderRun(struct AudioDecoder *decoder, enum AudioDecoderMode mode)

    int result;
    int (*run)(struct AudioDecoder *) = 0;

    switch (decoder->mode = mode) 
        case DECODER_MODE_SYNC:
            run = SyncDecoding; // 同步解码
            break;

        case DECODER_MODE_ASYNC:
            # if defined(USE_ASYNC)
            run = AsyncDecoding;  // 异步解码
            # endif
            break;
    
    ...

    result = run(decoder); // 执行解码

    ...

    return result;


static int32_t SyncDecoding(struct AudioDecoder *decoder)
    ...
    //调用Mp3Decode


static int32_t AsyncDecoding(struct AudioDecoder *decoder)
    ...
    //调用Mp3Decode

2.2.4.解码器结束处理（DecoderFinish）

int32_t DecoderFinish(struct AudioDecoder *decoder)

    # if defined(USE_ASYNC)
    if (decoder->mode == DECODER_MODE_ASYNC && decoder->async.pid) 
        pid_t pid;
        int status;

        close(decoder->async.in);

        ...

        close(decoder->async.out);

        ...
        decoder->async.pid = 0;
        decoder->async.in  = -1;
        decoder->async.out = -1;
        ...
    
    # endif
    ...
    return 0;

2.2.5.解码器消息处理（DecoderMsg）

/*
 * NAME:    decoder->message()
 * DESCRIPTION: send a message to and receive a reply from the decoder process
 */
int32_t DecoderMsg(struct AudioDecoder *decoder, void *message, unsigned int *len)

    ...
    # if defined(USE_ASYNC)
    if (decoder->mode != DECODER_MODE_ASYNC ||
        send(decoder->async.out, message, *len) != FLOW_CONTINUE ||
        receive(decoder->async.in, &message, len) != FLOW_CONTINUE)
        return -1;
        ...
    return 0;
    # else
    return -1;
    # endif


static enum AudioDecodeFlow send(int fd, void const *message, unsigned int size)

    ...


static enum AudioDecodeFlow receive(int fd, void **message, unsigned int *size)

    ...

2.2.6.解码器功能操作函数集（DecoderOps）

该组函数在初始化解码器时自定义、实现与传入。

```c
static enum AudioDecodeFlow input(void *data, struct UndecodeStream *stream)

    struct buffer *buffer = data;

    if (!buffer->length)
        return FLOW_STOP;

    ...

    buffer->length = 0;
    return FLOW_CONTINUE;


struct buffer 
    unsigned char const *start;
    unsigned long length;
;

HeaderFunc
FilterFunc
OutputFunc

static enum AudioDecodeFlow output(void *data, struct AudioHeader const *header,
             struct PcmStream *pcm)

    unsigned int nchannels, nsamples;
    fixed_t const *leftChannel, *rightChannel;

    /* pcm->samplerate contains the sampling frequency */
  nchannels = pcm->channels;
    nsamples  = pcm->length;
    leftChannel  = pcm->samples[0];
    rightChannel  = pcm->samples[1];

    ...

    return FLOW_CONTINUE;


- ErrorFunc
- MessageFunc

```c

2.3.HAL层实现软件解码设计

将解码代码放在drivers/audio/hal/decoder目录中，构建为audio_decode.so。在播放流程（audio_render）中的调用解码函数（同步方式），循环传入MP3流数据，输出PCM流（每次16K数据）。

更多原创内容请关注：软通动力HarmonyOS学院

想了解更多关于鸿蒙的内容，请访问：

51CTO和华为官方合作共建的鸿蒙技术社区

https://ost.51cto.com/#bkwz

::: hljs-center

:::

以上是关于基于RK3399OpenHarmony富设备软件音频解码方案的主要内容，如果未能解决你的问题，请参考以下文章

富设备平台突破：基于RK3568的DAYU200进入OpenHarmony 3.1 Release主干

鸿湖万联扬帆富设备开发板正式合入OpenHarmony主干

RK3399开发板介绍