音频编解码

音频编码

编码流程

音频编码用于把PCM数据通过一定编码器压缩成对应的数据。

编码架构

音频解码

音频解码 用于把数据通过一定解码器转换成PCM数据。

 解码架构

编解码格式

按压缩程度区分：

不压缩的格式(UnCompressed Audio Format)：PCM数据、wav（PCM类型）。
无损压缩格式(Lossless Compressed Audio Format)：FLAC、APE、dts、m4a。
有损压缩格式(Lossy Compressed Audio Format)：mp3、wma、wav（ADPCM等

按数据来源区分：

流媒体格式（一帧一帧的数据）：sbc、msbc、cvsd、aac。
文件格式（音频文件）：mp3、wav、wma、flac、ape、m4a、amr、dts、alac。
既可以用于流媒体解码又可以用于文件解码的格式：MSBC

按技术标准区分：

标准格式(国际通用)：mp3、wav、wma、flac、ape、m4a、sbc、msbc、cvsd。
自定义格式(仅本司SDK可以使用)：G729（wtg）、G726、MTY、wtgv2。

文件名后缀

一般音频格式都有其固定的文件名后缀，如mp3格式：123.mp3
同一文件名后缀，格式可能不同。如wav后缀，可能是adpcm或者dts格式；mp4后缀，可能是m4a或者alac格式。
同一格式，文件名后缀也可能不同。如dts格式，可能是dts或者wav后缀。

格式检查

一般流媒体格式的数据不需要做格式检查，由应用层指定解码格式，如sbc等。
文件解码格式会有格式检查，格式检查正确后才使用对应的解码器解码，如wma等。
mp3的格式检查较弱，如果是其他格式的音频（如wav）使用mp3解码器格式检查，也有可能检查正确，因此，mp3解码器应放在最后检查

空间冲突

代码里面的空间分配在sdk_ld.c中，编译之后的空间占用可以在sdk.map中查看。
overlay里面的空间是共用的，同时只能一个分支。比如正在使用overlay_wma的时候就不能同时使用overlay_mp3，因此假设需要用mp3解码做提示音的时候，就需要把overlay_mp3中的mp3_mem等段定义全部放到非overlay区域中去。

音频数据流

数据流简介

数据流 是一串连续不断的数据的集合，就象水管里的水流，在水管的一端一点一点地供水，而在水管的另一端看到的是一股连续不断的水流。

示例：

// 数据流节点初始化
audio_decoder_open(&audio_dec.decoder); // 打开解码任务
audio_eq_open(&eq); // 打开eq
audio_dac_new_channel(&dac_hdl, &default_dac); 	// 打开DAC
// 创建数据流
stream = audio_stream_open(&audio_dec.decoder, stream_resume_cb);
// 数据流串联
struct audio_stream_entry *entries[4];
entries[0] = &audio_dec.decoder.entry;
entries[1] = &eq.entry;
entries[2] = &default_dac.entry;
audio_stream_add_list(stream, entries, 3);

音频数据流分流处理

分流 是在原数据流的基础上拷贝一份数据，从这份数据开始重新创建一条新的数据流。

示例：

// 数据流节点初始化
audio_decoder_open(&audio_dec.decoder); // 打开解码任务
audio_eq_open(&eq); // 打开eq
audio_eq_open(&eq1); // 打开eq1
audio_dac_new_channel(&dac_hdl, &default_dac); 	// 打开DAC
audio_iis_open(&iis);                  //  打开IIS
// 创建数据流
stream = audio_stream_open(&audio_dec.decoder, stream_resume_cb);
// 添加解码
audio_stream_add_first(stream, &audio_dec.decoder.entry);
// 添加解码第一路输出流
audio_stream_add_entry(&audio_dec.decoder.entry, &eq.entry);
audio_stream_add_entry(&eq.entry, &default_dac.entry);
// 添加解码第一路输出流
audio_stream_add_entry(&audio_dec.decoder.entry, &eq1.entry);
audio_stream_add_entry(&eq1.entry, &iis.entry);

 音频数据流群组处理

群组 是把多个数据流关联上，当激活尾部的数据流时，能依次激活群组里面的其他数据流。

 示例：

// 创建数据流
stream0 = audio_stream_open(&dec0.decoder, stream0_resume_cb);
stream1 = audio_stream_open(&dec1.decoder, stream1_resume_cb);
stream_n = audio_stream_open(&mixer.decoder, stream_n_resume_cb);
// 数据流0
audio_stream_add_first(stream0, &dec0.decoder.entry);
audio_stream_add_entry(&dec0.decoder.entry, &mix0.entry);
// 数据流1
audio_stream_add_first(stream1, &dec1.decoder.entry);
audio_stream_add_entry(&dec1.decoder.entry, &mix1.entry);
// 数据流n
audio_stream_add_first(stream_n, &mixer.entry);
audio_stream_add_entry(&mixer.entry, &default_dac.entry);
// 关联数据流，把数据流n作为群组的尾部数据流
audio_stream_group_add_entry(&test_group, &mix0.entry);
audio_stream_group_add_entry(&test_group, &mix1.entry);
mixer.entry.group = &test_group;

注意事项

1.自定义数据流节点 - 输入输出buf相同

输入输出buf相同是指数据流节点直接更改 in->data 里面的内容，不使用额外的buf来作为输出，例如数字音量处理。

// 数据处理
static int demo_data_handler(struct audio_stream_entry *entry,
                             struct audio_data_frame *in,
                             struct audio_data_frame *out)
{
    struct demo_hdl *demo = container_of(entry, struct demo_hdl, entry);
    // 设置输出信息，这里输出和输入相同
    out->data = in->data;
    out->data_len = in->data_len;
    if (in->data_len - in->offset > 0) {// 数据处理
        demo_deal(demo, in->data + in->offset / 2, in->data_len - in->offset);
    }
    return in->data_len;
}

2.自定义数据流节点 - 输入输出buf不同

输入输出buf不同是指数据流节点处理后，用额外的buf来保存输出数据，例如变采样处理。

static int demo_data_handler(struct audio_stream_entry *entry,
                             struct audio_data_frame *in,
                             struct audio_data_frame *out)
{
    struct demo_hdl *demo = container_of(entry, struct demo_hdl, entry);
    out->sample_rate = demo->out_sr;// 设置输出信息
    if (demo->remain_len) {// 输出剩余数据
        out->data_len = demo->remain_len;
        out->data = demo->remain_buf;
        return 0;
    }
    int len = demo_deal(demo, in->data, in->data_len);// 数据处理
    out->data_len = demo->remain_len;// 更改信息
    out->data = demo->remain_buf;
    return len;
}

3.添加数据流节点1

以数组方式添加节点，调用audio_stream_add_list()函数添加。该方式可以快速把多个节点链接在一起，方便更改顺序等。

// 数组方式添加节点                                    
struct audio_stream_entry *entries[8] = {NULL};        
u8 entry_cnt = 0;                                      
entries[entry_cnt++] = &dec->decoder.entry;            
entries[entry_cnt++] = &dec->eq_drc->entry;            
entries[entry_cnt++] = &default_dac->entry;            
audio_stream_add_list(dec->stream, entries, entry_cnt);

4.添加数据流节点2

以单个方式依次添加节点，调用audio_stream_add_entry()函数添加。该方式的第一个节点需要用audio_stream_add_first()函数。

// 单个方式依次添加节点
audio_stream_add_first(dec->stream, &dec->decoder.entry);
audio_stream_add_entry(&dec->decoder.entry, 
                       &dec->eq_drc->entry);
audio_stream_add_entry(&dec->eq_drc->entry, 
                       &default_dac->entry);

5.添加数据流节点3

在原数据流中添加节点。调用audio_stream_add_head()/audio_stream_add_tail()函数添加。该方式用于在已经创建好的数据流链表中加入节点，所有方式的添加都是在数据流使用之前处理。

// 在原数据流中添加节点
audio_stream_add_head(dec->stream, &dec->eq_drc1->entry);
audio_stream_add_tail(dec->stream, &dec->dac->entry);

6.参数处理

数据流节点处理函数中，*in参数带有一些音频信息，如：采样率、声道等。当前数据流节点对于信息敏感的，需要处理该参数。例如eq处理。

static int eq_data_handler(struct audio_stream_entry *entry,
                             struct audio_data_frame *in,
                             struct audio_data_frame *out)
{
    struct eq_hdl *eq = container_of(entry, struct eq_hdl, entry);
    if (eq->sr != in->sample_rate) {//参数判断
        eq->sr = in->sample_rate;
        audio_eq_set_samplerate(eq, eq->sr);
    }
    int len = eq_deal(eq, in->data, in->data_len);// 数据处理
    out->data_len = eq->remain_len;// 更改信息
    out->data = eq->remain_buf;
    return len;
}

7.本次没输出完，下次继续输出

数据流节点处理本次没有输出完成的情况下，下次数据流过来应该先输出上一次的剩余数据，全部输出完后才继续处理。

// data_handler函数里的处理
if (demo->remain_len) { // 输出剩余数据
    struct audio_data_frame frame;
    memcpy(&frame, in, sizeof(frame));// 复制原输出信息
    // 更改信息
    frame.sample_rate = demo->out_sr;
    frame.data_len = demo->remain_len;
    frame.data = demo->remain_buf;
    audio_stream_run(entry, &frame);// 数据流输出
    if (demo->remain_len) {// 还没输出完，退出
        return 0;
    }
}
// 数据处理
int len = demo_deal(demo, in->data, in->data_len);

8.激活机制

数据流节点处理处理数据时，如果本次不能处理完全部的 in->data_len数据，那么上层应用应该挂起该数据流。当该节点可以再次处理时激活数据流。如果是后级数据流无法输出，则由后级无法输出的数据流节点激活。

static int demo_data_handler(struct audio_stream_entry *entry,
                             struct audio_data_frame *in,
                             struct audio_data_frame *out)
{
    struct demo_hdl *demo = container_of(entry, struct demo_hdl, entry);
    run_len = in->data_len > 512 ? 512 : in->data_len;
    demo->need_resume = (run_len == in->data_len) ? 0 : 1;
    demo_deal(demo, in->data, run_len);// 处理数据
    out->data_len = run_len;
    out->data = demo->buf;
    return len;
}
// 当可以再次处理的时候再激活
if (demo->need_resume) {
    audio_stream_resume(&demo->entry);
}

音效处理

声音的特性

音调 是指声音的高低，就是我们平时所说的高音，低音。音调由物体振动的频率决定的，频率越高，声音的音调就越高，反正，音调则低。

响度 是指声音的强弱，也就是我们日常生活中常说的声音的大小。声音的响度是由物体振动时的振幅决定的。

音色 是指声音的特色、品质，由声音波形的谐波频谱和包络决定。主要与发声体的材料、结构有关。同样是演奏《梁祝》，我们却能听出二胡演奏和钢琴演奏的不同，因为二者的结构不同，发出声音的音色不同。

 音效处理简介

音效处理就是把一段音频进行二次编辑，达到改变音乐风格等目的。

 更改音调、响度

1.简单的更改声音的音调就可以达到声音变化的效果。比如，把一段48Khz的音频改用8Khz来播放，就可以达到类似树懒（疯狂动物城，闪电）说话的效果。

2.更改声音的响度是改变了声音的大小。一般我们会针对不同的频率来调节响度，比如，把低频的响度增加，就可以达到重低音的效果。

高级处理

一般采用叠加的方式来处理音频。
叠加相对独立的音频，比如KTV里面的麦克风和音乐背景声的叠加。
叠加反向音频，这种情况下音频会被消除，比如接打电话时的降噪功能。
反复叠加某一段音频，这种就是混响（回声）的工作机制。

补充 - 相位

相位 (phase)是对于一个波，特定的时刻在它循环中的位置：一种它是否在波峰、波谷或它们之间的某点的标度。相位发生在周期性的运动之中。相位最直接的理解是角度。这个角度存在于匀速圆周运动之中。实际应用过程中，可能会用到相位处理来辅助其他音效处理。比如做麦克风降噪的时候，就用到反向相位来消除噪声。

音效示例-EQ\DRC

EQ 均衡器（Equalizer），用来调节音频中各种频率的幅度值。比如通过调节eq来得到重低音、流行音等音效。也用于补偿喇叭、麦克风等物理元器件引起的缺陷
DRC Dynamic Range Control动态范围控制提供压缩和放大能力。一般用于eq之后，防止eq调节幅度太大溢出。

音效示例-高低音

高低音 是EQ/DRC的一种简单应用，仅调节音频的高音和低音两个频点（默认125Hz、12000Hz）。

音效示例-混响、回音

混响 reverberation（残响），当一个声音发出后，当它碰到障碍物后会反射，碰到下一个障碍物会再反射，不停反射直至它的能量消失为止。这个持续在空间中反覆反射动作形成的声音集成，就是残响。
回音 echo算是混响的一种，当回声与原始声音直接的间隔较大时，如 >200ms，我们耳朵能分辨出两个声音的就是 Echo

音效示例-噪声抑制

噪声抑制 noisegate，这里是指混响过程中的麦克风声音门限处理。

音效示例-啸叫抑制

啸叫抑制 howling suppression。声源与扩音设备之间因距离过近等问题导致能量发生自激，产生啸叫。啸叫不仅会影响听觉，也会烧坏音响设备。技术上通过移频器（升高或降低输入音频信号的频率，改变频率的输出信号再次进入系统不会和原始信号频率叠加）、陷波器（通过降低啸叫频率点处增益，破坏啸叫产生的增益条件）等方式抑制啸叫。

音效示例-变声

变声 pitch，通过改变声音的频率等达到变速变调的效果，如女声变男声、怪兽音等。

环绕音 surround，是指通过放置音源于不同的位置，通过解码器解码，把声音按照不同时间在不同的音箱里播放出来。环绕声完美地再现声音的层次感，增加了听者对临场感的体验。这里指利用现代电声技术在不改变左右声道扬声器位置的情况下，对左右声道的各频率成分的音量与相位分别进行调节，形成音响的全方位的空间立体感

等响度 equalloudness。声音实际响度和人耳实际感受的响度并不完全呈线性关系，在小音量的时候，人耳对中高频的听觉会有生理性衰减，音量越小，这种衰减越明显。等响度控制其作用是在低音量时提升高频和低频成分的音量，使得低、中、高部分的响度比例保持和在大音量时的响度比例相同

音效示例-人声消除

人声消除 vocal_remove，是一种可以将立体声歌曲的人声消除的技术。人声的声波波形在歌曲的两个声道是相同或者相似的，因此，我们可以简单采取两个声道相减的办法来消除立体声歌曲中的人声。但是，这样做有时会损失歌曲中的低音。因此，常用的人声消除会对低音进行补偿等。

ENC Environmental Noise Cancellation，环境降噪技术，能有效抑制反向环境噪声。我们主要通过agc 数字放大、aec 回声消除、es 回声压制、ans 降噪模块等技术手段实现降噪功能。

ANC Active Noise Control，主动降噪，是麦克风收集外部的环境噪音，通过机器学习等方式，把环境噪声变换为一个反相的声波加到喇叭端，最终人耳听到的声音是：环境噪音+反相的环境噪音，两种噪音叠加从而实现感官上的噪音降低。