实时音频编解码之十六 Opus解码
Posted shichaog
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了实时音频编解码之十六 Opus解码相关的知识,希望对你有一定的参考价值。
本文谢绝任何形式转载,谢谢。
第五章 Opus解码
理论上而言,编码的逆过程就是解码,如果理解了第四章编码的内容,这里叙述解码过程显得有所多余,但是笔者在理解Opus编码原理的时候,发现编解码交叉多轮重复看更有助于理解编解码的原理以及工程实现的精髓,因而本章结合Opus解码的过程分析解码流程。
5.1 Opus解码
除了SILK和CELT之外,Opusc解码器需要解码信号源信息和编码信息,信号源信息包括声道数、采样率、编码帧时长等,编码信息包括编码比特率模式以及编码包包含的编码帧数量等,Opus先解码出的这些信息,将这些信息放入解码状态器中以便SILK/CELT解码时使用,根据编码的参数不同,解码时可能只调用SILK、CELT或同时调用二者解码,在这是调用SILK和CELT核心解码之前,还需要解码一些辅助和编码音频信息,如编码帧长、带宽、FEC、声道数和采样率等信息,本小节的内容主要是解析除调用SILK核心和CELT核心之外的内容,这一节虽不涉及核心语音信号处理算法相关内容,但也是一个完整编解码器必不可少的细节,此外其涉及一些压缩/解压思想也值得借鉴,本小节结合协议和代码分析相关函数调用和调用流程。
5.1.1 opus_demo解码
理论上来说,在不考虑计算量和模型复杂度的情况下,不需要使用第四章给出的信号处理方法获取编码参数,所有编码参数都可以使用深度学习的方式提前,解码器流程必须遵循是Opus规范定义的,解码的内容相对简单一些,透过解码器,可以知道非信号处理方面的压缩方法以及参数的参数种类和在合成中的使用,至于Opus解码端的参数是如何计算而来的,第书第四章编码部分内容给出了参考设计。
opus_demo编码的比特流使用opus_demo解码,其解码命令如下:
//-d表示解码
//16000表示解码比特率,还可以是8000等,
// 1 表示通道数为1,即单声道
//.bit文件是编码的比特流文件
//.pcm文件是解码输出的pcm文件
//此外,还有-loss等选项用于模拟丢包解码结果
./opus_demo -d 48000 1 out_cbr.bit out_cbr.pcm
opus解码的入口函数在opus_demo.c文件的main()函数,该函数的主要作用是读取比特文件以及解码参数,然后调用opus_decode()函数执行进一步解码,该函数调用流程如下:
//opus_demo.c
210 int main(int argc, char *argv[])
211
649 if (decode_only)
650
651 unsigned char ch[4];
//在编码时,第一个四字节(len[toggle])存放的编码后opus包大小,实际opus包协议中无该字段,opus编码包以TOC字段开始
652 num_read = fread(ch, 1, 4, fin);
655 len[toggle] = char_to_int(ch);
//在编码的时候,第二个四字节(enc_final_range[toggle])存放的是区间编码器编码后的区间值,
//在实际opus包协议中无该字段,解码器解码完后的区间值和这里的enc_final_range应该相等
//用于验证编解码的正确性,协议中并未规定该字段
661 num_read = fread(ch, 1, 4, fin);
664 enc_final_range[toggle] = char_to_int(ch);
//读取opus包协议定义的字段,包括TOC、编码比特流、padding字段等,
//对于16kHz,20ms帧长,CBR模式,无padding时,一个opus编码包的大小是60个字节,这里num_read应等于len[toggle]
665 num_read = fread(data[toggle], 1, len[toggle], fin);
int opus_decode(OpusDecoder *st, const unsigned char *data,
opus_int32 len, opus_int16 *pcm, int frame_size, int decode_fec)
//非FEC解码,正常解码
//第一个参数是Opus解码器状态,第二个参数是解码结果,第三个字节
//之所以用了toggle这个变量的原因是在进行FEC解码时,需要模拟前一帧没有丢失,而当前帧丢失的情况,这时会再次解码前一帧。
780 output_samples = opus_decode(dec, data[1-toggle], len[1-toggle], out, output_samples, 0);
//如果丢包传NLL,否则将opus包传递过去解码生成pcm放在out开始的首地址里
783 output_samples = opus_decode(dec, lost ? NULL : data[toggle], len[ toggle], out, output_samples, 0);
opus_decode()函数的主要作用是解码信源参数以及编码辅助参数,获得这些信息之后,按需调用SILK和CELT按频带解码编码比特率,最后根据情况将二者解码的结果想叠加输出,该函数的调用流程和相关函数的作用如图5-1所示:
图5-1 Opus解码调用流程
图5-2 Opus编码器TOC字段
图5-1中解码的信源信息和编码包信息定义由Opus协议给出,Opus协议中将其定义为TOC字段,TOC字段由八个比特组成,这八个比特又分为三个部分,各部分的作用和意义如图5-2所示,opus_decode()函数最重要的一个作用就是解析该字段,为了更集中于代码逻辑流程,使用浮点版本的解码接口API,即opus_decode()调用的是opus_decode_float()函数,该函数调用流程如下所示:
//opus_decoder.c
751 int opus_decode_float(OpusDecoder *st, const unsigned char *data,
752 opus_int32 len, float *pcm, int frame_size, int decode_fec)
753
//根据参数获取该opus包解码后pcm点数,20ms,16kHz,点数为320
766 nb_samples = opus_decoder_get_nb_samples(st, data, len);
//data是opus包的首地址,len是opus包的字节数,编码帧长解析需要用到opus包大小,也即这里的len,out用于存放解码后pcm,frame_size:解码后帧长
775 ret = opus_decode_native(st, data, len, out, frame_size, decode_fec, 0, NULL, 0);
//解码后的浮点pcm转为int16类型
778 for (i=0;i<ret*st->channels;i++)
779 pcm[i] = (1.f/32768.f)*(out[i]);
1011 int opus_packet_get_nb_samples(const unsigned char packet[], opus_int32 len,
1012 opus_int32 Fs)
1013
1014 int samples;
1015 int count = opus_packet_get_nb_frames(packet, len);
1020 samples = count*opus_packet_get_samples_per_frame(packet, Fs);
1021 //编码的长度最长为 120 ms
1022 if (samples*25 > Fs*3)
1023 return OPUS_INVALID_PACKET;
1024 else
1025 return samples;
1026
1028 int opus_decoder_get_nb_samples(const OpusDecoder *dec,
1029 const unsigned char packet[], opus_int32 len)
1030
1031 return opus_packet_get_nb_samples(packet, len, dec->Fs);
1032
995 int opus_packet_get_nb_frames(const unsigned char packet[], opus_int32 len)
996
997 int count;
//这里解析TOC字段c字段,对于测试情况count值等于0,返回值等于1。见图5-2。
1000 count = packet[0]&0x3;
1001 if (count==0)
1002 return 1;
1003 else if (count!=3)
1004 return 2;
1005 else if (len<2)
1006 return OPUS_INVALID_PACKET;
1007 else
1008 return packet[1]&0x3F;
1009
//opus.c
//解析TOC config字段,见图5-2,对于测试命令行情况,返回值是320
173 int opus_packet_get_samples_per_frame(const unsigned char *data,
174 opus_int32 Fs)
175
176 int audiosize;
//因为比特位和采样率有关系,因而这里直接使用比特位对比方式,而非逐个config字段判断
177 if (data[0]&0x80)
178
179 audiosize = ((data[0]>>3)&0x3);
180 audiosize = (Fs<<audiosize)/400;
181 else if ((data[0]&0x60) == 0x60)
182
183 audiosize = (data[0]&0x08) ? Fs/50 : Fs/100;
184 else
185 audiosize = ((data[0]>>3)&0x3);
186 if (audiosize == 3)
187 audiosize = Fs*60/1000;
188 else
189 audiosize = (Fs<<audiosize)/100;
190
191 return audiosize;
192
图5-2绘制出了解码的调用流程,在解析完TOC字段头之后,最终都调用了opus_decode_native()函数进一步解码,由于编码包中有用于抗丢包的FEC字段,因而在调用opus_decode()函数时传递的参数会有所不同,见图5-3所示。
图 5-3 有FEC情况Opus解码函数调用流程
之所以用了toggle这个变量的原因是在进行FEC解码时,需要模拟前一帧没有丢失,而当前帧丢失的情况,这时会再次解码前一帧。这一过程如图5-3所示,由于Opus编码包会有多个编码帧,opus_decode_frame()是解码一个编码帧,opus_decode_native()函数使用for循环方式遍历各个编码帧,该函数的核心代码段如下:
// opus_decoder.c
626 int opus_decode_native(OpusDecoder *st, const unsigned char *data,
627 opus_int32 len, opus_val16 *pcm, int frame_size, int decode_fec,
628 int self_delimited, opus_int32 *packet_offset, int soft_clip)
629
//之所以这里使用48这个具体数字是因为,Opus协议规定编码包最大的时长为120ms,而编码帧的最小长度为2.5ms,因而最多一个编码包只有48个编码帧
//对于命令行的情况,由于只有一个编码帧,实际上只有size[0]是记录编码帧的编码数据长度(不包括TOC字段)
635 opus_int16 size[48];
//FEC/PLC时的解码,opus_decode_frame第二个参数NULL,在FEC/PLC时frame_size必须是2.5ms的倍数
//正常的解码流程是不会调用到647行的,而是调用掉696行的解码函数,二者差别在于传递给函数的参数
647 ret = opus_decode_frame(st, NULL, 0, pcm+pcm_count*st->channels, frame_size- pcm_count, 0)
//这里是解析TOC字段,包括模式,帧长,通道数等
660 packet_mode = opus_packet_get_mode(data);
661 packet_bandwidth = opus_packet_get_bandwidth(data);
662 packet_frame_size = opus_packet_get_samples_per_frame(data, st->Fs);
663 packet_stream_channels = opus_packet_get_nb_channels(data);
//这个count是根据TOC字段解析的编码帧
//offset是去掉opus包壳之后的silk/celt编码包的偏移地址,这一偏移地址包括了TOC字段
665 count = opus_packet_parse_impl(data, len, self_delimited, &toc, NULL,
666 size, &offset, packet_offset);
//遍历编码包中的各编码帧
718 for (i=0;i<count;i++)
719
720 int ret;
//size[i]是对应编码帧的长度,因为opus格式下,编码的长度没有用专门的字段标记;
//因为是逐帧处理,第四和第五个参数用于每次帧处理的偏移值
721 ret = opus_decode_frame(st, data, size[i], pcm+nb_samples*st->channels, frame_s ize-nb_samples, 0);
722 if (ret<0)
723 return ret;
724 celt_assert(ret==packet_frame_size);
//size存放的是编码帧数据长度,将data地址指向下一个编码帧TOC字段
725 data += size[i];
726 nb_samples += ret;
727
//返回解码数据长度
737 return nb_samples;
738
opus_decode_native()函数调用opus_packet_parse_impl()实现编码帧的信息解析,并剥离除SILK和CELT之外的编码比特流,将比特流传递给SILK和CELT核心解码器,该函数的调用流程如下所示:
//src/opus.c
194 int opus_packet_parse_impl(const unsigned char *data, opus_int32 len,
195 int self_delimited, unsigned char *out_toc,
196 const unsigned char *frames[48], opus_int16 size[48],
197 int *payload_offset, opus_int32 *packet_offset)
198
//data存放的是编码比特流
216 toc = *data++;
217 len--;
218 last_size = len;
//TOC的低2个比特在spec中定义为帧数编码,用“c”标记的比特段
219 switch (toc&0x3)
220
//case 3是最复杂的情况,多帧且各帧可不同长情况,TOC最低两个bit等于3时,紧接着TOC之后的是frame count字节,[v,p,M]三个比特段,手册中figure 5.
default: /*case 3:*/
//padding 比特设置之后,在frame count之后还有一个子节是padding的字节数信息,当然虽然padding的标志位p可以设置,但是紧随其后的长度可以是0,这样依然不会真正启用padding。
259 if (ch&0x40)
260
261 int p;
262 do
263 int tmp;
264 if (len<=0)
265 return OPUS_INVALID_PACKET;
266 p = *data++;
267 len--;
268 tmp = p==255 ? 254: p;
269 len -= tmp;
270 pad += tmp;
271 while (p==255);
272
//这一offset值是跳过了opus包的头信息,opus包的有效载荷是silk/celt包,这一偏移是找到silk/celt包的起始地址
330 if (payload_offset)
//对于一个编码包只有一帧的情况,data-data0就是跳过TOC字段,而对于一个编码包有多个编码帧时,TOC之后还有编码帧的信息也要跳过
331 *payload_offset = (int)(data-data0);
343 if (out_toc)
344 *out_toc = toc;
//返回opus包的数量
346 return count;
5.1.2 opus_decode_frame
Opus编码支持在编码过程中进行模式切换,为了简单起见,这里分析忽略模式切换,即如命令行参数指示的,一直工作于HYBIRD模式,opus_decode_frame()函数主要实现的功能包括区间编码器初始化、调用SILK解码(silk_Decode)以及CELT解码(celt_decode_with_ec)解码。由于CELT和SILK编码的频带不重复,因而需要确定解码的起始频带(SILK编码为16kHz,因而CELT从16kHz开始算起)和终止频带(编码带宽确定),该函数的调用流程如下:
//src/opus_decoder.c
220 static int opus_decode_frame(OpusDecoder *st, const unsigned char *data,
221 opus_int32 len, opus_val16 *pcm, int frame_size, int decode_fec)
222
253 silk_dec = (char*)st+st->silk_dec_offset;
254 celt_dec = (CELTDecoder*)((char*)st+st->celt_dec_offset);
//区间解码初始化,编码包之间解码是没有依赖关系的,因而收到新编码包区间编码器都需要初始化
278 ec_dec_init(&dec,(unsigned char*)data,len);
//Hybrid 模式下SILK编码16kHz以下信号,CELT编码16kHz以上信号
393 st->DecControl.internalSampleRate = 16000;
//dec中的buf保存了编码比特流在其成员buf字段,archy用于优化SIMD代码执行选择
//pcm_ptr用于存放解码后pcm数据,silk_frame_size是解码后pcm数据点数
//first_frame指示是否是第一帧,这在模式切换等场景会用到,lost_flag指示是否丢包,这影响到解码
402 silk_ret = silk_Decode( silk_dec, &st->DecControl,
403 lost_flag, first_frame, &dec, pcm_ptr, &silk_frame_si ze, st->arch );
//CELT 从第17个频带开始编码(16kHz开始)
450 if (mode != MODE_CELT_ONLY)
451 start_band = 17;
//根据编码带宽参数,确定编码截止频带
468 if (bandwidth)
469
470 int endband=21;
472 switch(bandwidth)
473
484 case OPUS_BANDWIDTH_FULLBAND:
485 endband = 21;
486 break;
487 default:
488 celt_assert(0);
489 break;
490
491 MUST_SUCCEED(celt_decoder_ctl(celt_dec, CELT_SET_END_BAND(endband)));
492
//CELT解码
518 celt_ret = celt_decode_with_ec(celt_dec, decode_fec ? NULL : data,
519 len, pcm, celt_frame_size, &dec, celt_accum);
//SILK和CELT解码结果相加
536 if (mode != MODE_CELT_ONLY && !celt_accum)
537
538 #ifdef FIXED_POINT
539 for (i=0;i<frame_size*st->channels;i++)
540 pcm[i] = SAT16(ADD32(pcm[i], pcm_silk[i]));
541 #else
542 for (i=0;i<frame_size*st->channels;i++)
543 pcm[i] = pcm[i] + (opus_val16)((1.f/32768.f)*pcm_silk[i]);
544 #endif
545
//正确解码时,区间解码终值
610 st->rangeFinal = dec.rng ^ redundant_rng;
以上是关于实时音频编解码之十六 Opus解码的主要内容,如果未能解决你的问题,请参考以下文章