mp3 编码

在MPEG文件中，没有主标头，因为MPEG的音频文件是由一系列被称为帧的较小部分组成的。每个帧都是一个具有自己标头和音频信息的数据块。

Layer II,II,III的音频帧头都是相同的，不同之处体现在音频数据的编码方式。帧本身是由slot组成的。Layer I的slot大小是4字节，其余情况是1字节。

除了Layer之外，MPEG音频本身也有3个版本，这个几个版本的不同之处体现在能处理的采样率不同(参考 表2.1.2)。MPEG 1 (ISO/IEC 13818-3) 和MPEG2(ISO/IEC 11172-3)是ISO标准. MPEG2.5对MPEG2进行的非官方的扩展，它是为了支持更低的采样率。MPEG2/2.5 也常被简称为LSF（Low SamplingFrequencies），既低采样率

对于Layer I和Layer II，帧是完全彼此独立的，因此您可以剪切MEPG音频文件的任何部分并正确的播放。然后，播放器将从发现的第一个完整有效的帧开始播放。但是，Layer III,帧不总是独立的，因为它可能使用了byte resevoir，这是一种内部缓冲区，因此帧之间通常是相互依赖的。在最坏的情况下，可能至少需要输入9个帧才能解码单个帧。

如果你需要检索有关MPEG的音频文件的信息，那么可以简单的找到第一帧，然后从它的header中获取信息。除比特率外，其他帧中的信息应该与第一个帧是一致的，因为可能当前是VBR的文件。在VBR的文件中，可以在每个帧中更改比特率。例如，为了在整个文件中保持音乐的高质量，当音乐比较复杂时就需要更多的位来做编码

帧头本身的长度是32位的(4字节)。帧头的前十二位(在MPEG2.5扩展的情况下为前十一位)始终设置为1，称为帧同步。帧还可能有可选的CRC校验和。它长16位，如果存在，则紧跟在帧头之后。CRC之后就是音频数据。通过重新计算CRC并将值与文件中的值进行比较，就可以检查比特流在传输期间是否已经被更改。

一个文件可以被编码成恒定比特率（CBR）或可变比特率（VBR），这意味着每帧可以有不同的比特率。可变比特率的质量往往比恒定比特率编码的文件更高，因为他们可以在需要的地方使用更高的比特率。

MP3文件的整体结构:

• [ID3 V2] | [APE 头]: 可选
  • ID3 V2的头，大多数最新的MP3，都有这个头
  • 用于APE格式的头，现在也用于MPEG
• 第一帧
  • MPEG 音频头, 通常大小为4字节.（当Protection bit==0时，帧头后会有16bit=2byte的CRC，此时帧头大小为6字节）
  • 边信息，9/17/32 字节
  • [Xing 头]: 可选 8－120字节，如果是VBR，多数都有此Xing头，而且只有第一帧有
  • 音频数据
• 第二帧
  • 帧头
  • 边信息
  • 音频数据
• 第三帧
  • 帧头
  • 边信息
  • 音频数据
• 最后一帧
  • 帧头
  • 边信息
  • 音频数据
• [TAG]: 可选。128字节的ID3 V1信息，如果没有前面的ID3 V2，多数都有这个ID3 V1的头

mp3帧头编码

起始位置0位高位开始

MPEG音频版本

Layer序列号

Protection-bit

比特率

NOTES: All values are in kbps

• V1: MPEG Version 1
• V2: MPEG Version 2 and Version 2.5
• L1: Layer I
• L2: Layer II
• L3: Layer III
• “free”：: free fromat. free bitrate必须保持恒定，并且必须小于允许的最大的比特率. 解码器不需要支持free bitrate的流
• “bad”: 意思是这个值是不被允许的.

MPEG文件可能具有可变的比特率(VBR)。每一个帧可以用不同的比特率来创建。这是可以在所有的layer中使用。Layer III必须这个方式，Layer I 和 Layer II 解码器可以选择支持 针对Layer II，不允许使用比特率和模式的一些组合。下面是一些允许的组合

采样率

抽样速率指定每秒钟有多少个样本被记录。每个MPEG版本可以处理不同的samplingrates。

Padding-bit

如果设置了，则用一个slot填充数据(slot对框架大小的计算很重要) Layer I的slot大小是4字节，其余情况是1字节。

channel模式

注意:双通道文件由两个独立的单声道组成。每一个都只使用了文件的一半比特率。大多数解码器将其输出为立体声，但情况并非总是如此。使用一个例子是在相同的比特流中承载了两个不同语言的语音，那么解码器需要仅解码所选择的语言进行播放

模式扩展

扩展模式被用来增加了一些没有在立体声效果使用的信息，从而减少了所需的位。这些位由在Joint stereo模式下的编码器动态的确定，每一个帧的Joint stereo都可以改变，甚至可以打开或者关闭

MPEG文件的整个的频率范围分为了多个子带，共有32个子带。对于Layer I和Layer II来说两个位确定了当应用intensity stereo时的频率范围（频带）。针对Layer III，这两个位决定了使用哪一种类型的joint stereo（intensity stereo或者m/s stereo）. 频率范围由解压缩算法来确定

Layer III:

Emphasis

MP3边信息

边信息紧接着帧头。它包含了一些解码器会用到的一些信息，用于解码器控制音频流的播放，但不包含实际的音频数据。下表显示了所有Layer III文件的边信息的大小

对于Layer I的文件，你必须考虑到扩展模式（见表2.1.6）。然后你可以以下公式计算出用于计算CRC的比特位的数量：

4 * ( 声道数 * bound of intensity stereo + (32 – bound of intensity stereo) );

这可以被读成两倍的立体声子带加上单子带的数量和结果乘以4。对于简单的mono帧，这等于128，因为通道的数目是1，而强度立体声的边界是32，这意味着没有强度立体声。对于立体帧，这是256。有关更多信息，请查看类CMPAFrame中的rc代码。

MP3解析的解析

基于MPG123库

核心数据结构

typedef struct mpstr_tag {    struct buf *head, *tail; /* buffer linked list pointers, tail points to oldest buffer */    int     vbr_header;      /* 1 if valid Xing vbr header detected */    int     num_frames;      /* set if vbr header present */    int     enc_delay;       /* set if vbr header present */    int     enc_padding;     /* set if vbr header present */    /* header_parsed, side_parsed and data_parsed must be all set 1       before the full frame has been parsed */    int     header_parsed;   /* 1 = header of current frame has been parsed */    int     side_parsed;     /* 1 = header of sideinfo of current frame has been parsed */    int     data_parsed;    int     free_format;     /* 1 = free format frame */    int     old_free_format; /* 1 = last frame was free format */    int     bsize;    int     framesize;    int     ssize;           /* number of bytes used for side information, including 2 bytes for CRC-16 if present */    int     dsize;    int     fsizeold;        /* size of previous frame, -1 for first */    int     fsizeold_nopadding;    struct frame fr;         /* holds the parameters decoded from the header */    struct III_sideinfo sideinfo;    unsigned char bsspace[2][MAXFRAMESIZE + 1024]; /* bit stream space used ???? */ /* MAXFRAMESIZE */    real    hybrid_block[2][2][SBLIMIT * SSLIMIT];    int     hybrid_blc[2];    unsigned long header;    int     bsnum;    real    synth_buffs[2][2][0x110];    int     synth_bo;    int     sync_bitstream;  /* 1 = bitstream is yet to be synchronized */    int     bitindex;    unsigned char *wordpointer;    plotting_data *pinfo;    lame_report_function report_msg;    lame_report_function report_dbg;    lame_report_function report_err;} MPSTR, *PMPSTR;

数据结构关键字段说明:

• struct buf *head, *tail
  • 这是一个字符串双向链表
  • head 是外部请求输入的buffer
  • tail 是获取的之前的buffer，解析的时候从tail开始。解析后会更新pos位置
• wordpointer是指向bsspace的指针
  • decodeMP3_clipchoice中每次计算出头的大小，side info的大小，data的大小，都会复制到这个指针的内存里面，使用copy_mp来复制，复制的源是tail中的数据
  • 消费者在commong.c中的一系列的getbits函数，这些函数会更新bitindex以及wordpointer的指向getbitsgetbits_fastget_leq_8_bitsget_leq_16_bits
• bsspace是位流的空间

decodeMP3_clipchoice是核心的入口函数

关键的流程解析：

• addbuf
  • 将输入的需要解码的数据，插入到head的buffer中