MP3解码入门（基于libhelix）

news2024/9/22 7:30:06

主要参考资料:
【Arduino + Linux】基于 Helix 解码库实现 MP3 音频播放: https://blog.csdn.net/weixin_42258222/article/details/122640413
libhelix-mp3: https://github.com/ultraembedded/libhelix-mp3/tree/master

MP3（Moving Picture Experts Group Audio Layer III，MPEG Audio Layer 3），本身是一种音频编码方式，MPEG 音频文件是 MPEG 标准中的声音部分，根据压缩质量和编码复杂程度划分为三层，即Layer-1、Layer-2、Layer-3，分别对应MP1、MP2、MP3 这三种声音文件，层次越高，编码器越复杂，压缩率也越高，MP3 压缩率可达到 10:1 至 12:1。

MP3 是利用人耳对高频声音信号不敏感的特性(人耳可听的频率在20hz~20khz)，将时域波形信号转换成频域信号，并划分成多个频段，对不同的频段使用不同的压缩率，对高频加大压缩比（甚至忽略信号）对低频信号使用小压缩比，保证信号不失真。这样一来就相当于抛弃人耳基本听不到的高频声音，只保留能听到的低频部分，这样可得到很高的压缩率。

一、MP3文件

MP3 文件大致分为3个部分：TAG_V2（ID3V2）、音频数据、TAG_V1（ID3V1）

ID3V1 和 ID3V2 是 MP3 文件中附加关于该 MP3 文件的歌手、标题、专辑名称、年代、风格等等信息。

ID3V2 是可选的，如果存在 ID3V2 那它必然存在在MP3文件起始位置，常用的 ID3V2.3 版本。ID3V2.3 标签由一个标签头和若干个标签帧或一个扩展标签头组成。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。
音频数据由一系列数据帧 (Frame) 组成，每个 Frame 包含一段音频的压缩数据，通过解码库解码即可得到对应 PCM 音频数据，就可以通过 I2S 发送到 DAC芯片播放音乐，按顺序解码所有帧就可以得到整个 MP3 文件的音轨。每个 Frame 由两部分组成，帧头和数据实体，Frame 长度可能不同，由位率决定。11 位 1 表示数据帧开始。
ID3V1 固定存放在 MP3 文件末尾，固定长度为 128 字节，以 TAG 三个字符开头，后面跟上歌曲信息。因为 ID3V1 可存储信息量有限，有些 MP3 文件添加了 ID3V2。

二、MP3 解码库

MP3文件是经过压缩算法压缩而存在的，为得到 PCM 信号，需要对MP3文件进行解码，解码过程大致为：比特流分析、霍夫曼编码、逆量化处理、立体声处理、频谱重排列、抗锯齿处理、IMDCT处理、子带合成、PCM输出。

现在合适在小型嵌入式控制器移植运行的有两个版本的开源 MP3 解码库，分别为 Libmad 解码库和 Helix 解码库，Libmad 是一个高精度 MPEG 音频解码库，而 Helix 解码库需要占用的资源比 Libmad 解码库更少，特别是 RAM 空间的使用。

这两个解码库都是以 一帧为解码单位 的，一次解码一帧，这在应用解码时是需要着重注意的。

Helix 解码库工程中，实现 MP3 文件解码，将解码输出的 PCM 数据通过 I2S 接口发送到 WM8978 芯片（ADC/DAC）实现音乐播放。

WAV 格式可以直接将音频数据发送给 DAC 芯片，输出声音，而对于 MP3 格式而言，其在数据的存储上并不是直接存储，而是经过一定的压缩，所以要想实现音频播放，就需要将原先压缩的数据恢复成原先的PCM数据。因此，MP3需要先经过解码库（如Helix）解码后，才可得到“可直接”播放的音频数据。在硬件上不需要做改动。

Helix 解码库是用来解码 MP3 数据帧，一次解码一帧，它是不能用来检索 ID3V1 和 ID3V2 标签的，如果需要获取歌名、作者等信息需要自己编程实现。

三、libhelix-mp3库

这个库里的API我们调用就好了，下面是最常用的一些，
在libhelix-mp3/pub/mp3dec.h目录下。

3.1 API介绍

在这里插入图片描述
1. MP3InitDecoder:

HMP3Decoder MP3InitDecoder(void);

这个函数用于初始化MP3解码器，创建一个解码器实例，并返回一个句柄（HMP3Decoder），该句柄在后续的解码过程中被用来引用这个解码器实例。

2. MP3FreeDecoder:

void MP3FreeDecoder(HMP3Decoder hMP3Decoder);

此函数用于释放先前通过MP3InitDecoder创建的MP3解码器实例。它接受解码器句柄作为参数，并释放与之关联的所有资源。

3. MP3Decode:

int MP3Decode(HMP3Decoder hMP3Decoder, unsigned char **inbuf, int *bytesLeft, short *outbuf, int useSize);

这个函数是MP3解码的核心，它将MP3编码的数据（inbuf）解码成PCM格式的音频（outbuf）。inbuf是一个指向输入缓冲区的指针的指针，解码器会更新这个指针以指向未处理的输入数据。bytesLeft是一个指向整数的指针，表示输入缓冲区中剩余的字节数。useSize是输出缓冲区的大小，函数会返回解码的样本数。

4. MP3GetLastFrameInfo:

void MP3GetLastFrameInfo(HMP3Decoder hMP3Decoder, MP3FrameInfo *mp3FrameInfo);

此函数用于获取最近一次成功解码的MP3帧的信息，并将这些信息存储在mp3FrameInfo结构中。这可以包括帧的比特率、频率、层信息等。

5. MP3GetNextFrameInfo:

int MP3GetNextFrameInfo(HMP3Decoder hMP3Decoder, MP3FrameInfo *mp3FrameInfo, unsigned char *buf);

这个函数用于从给定的缓冲区（buf）中解析下一个MP3帧的信息，并将这些信息存储在mp3FrameInfo结构中。它返回一个整数值，表示是否成功获取帧信息。

6. MP3FindSyncWord:

int MP3FindSyncWord(unsigned char *buf, int nBytes);

此函数用于在给定的缓冲区（buf）中查找MP3流的同步字节（通常是"11111111"的二进制序列，表示一个新帧的开始）。nBytes是缓冲区的大小。函数返回一个整数值，指示是否找到了同步字节。

3.2 案例

// decode
    offset = MP3FindSyncWord(readptr, bytesleft);
    if (offset < 0) {
      ESP_LOGD(TAG, "[decode task] MP3FindSyncWord not found.");
      continue;
    }
    readptr += offset;
    bytesleft -= offset;

    mp3_err = MP3Decode(player->impl->mp3decoder, &readptr, &bytesleft,
                        output_buf, 0);
    if (ERR_MP3_NONE != mp3_err) {
      ESP_LOGE(TAG, "[decode task] MP3Decode failed with error code: %d",
               mp3_err);
      event = EVENT_STOP;
      xQueueSend(player->impl->decode_event_queue, &event, portMAX_DELAY);
      continue;
    }

    MP3GetLastFrameInfo(player->impl->mp3decoder, &frame_info);
    ESP_LOGD(TAG, "[decode task] frame_info.outputSamps: %d",
             frame_info.outputSamps);
    size_t data_size =
        frame_info.outputSamps * sizeof(int16_t) * frame_info.nChans;
    pcm_frame_t *pcm_frame = (pcm_frame_t *)heap_caps_malloc(
        sizeof(pcm_frame_t) + data_size, MEM_TYPE);
    if (NULL == pcm_frame) {
      ESP_LOGE(TAG, "[decode task] Malloc pcm frame failed.");
      continue;
    }
    pcm_frame->data = (void *)(pcm_frame + 1);
    pcm_frame->size = data_size;
    pcm_frame->samprate = frame_info.samprate;
    pcm_frame->bits = 16;
    pcm_frame->channels = frame_info.nChans;
    pcm_frame->samps = frame_info.outputSamps;
    memcpy(pcm_frame->data, output_buf, data_size);