在项目中,音频使用的是G711U的编码格式。下面说一下G.711的编码原理。
G.711是国际电信联盟定制出来的一套语音压缩标准,它代表了对PCM抽样标准,是主流的波形声音编解码标准,常用于电话语音。
- 主要用脉冲编码调制对音频采样,采样率为8k每秒。它利用一个 64Kbps 未压缩通道传输语音讯号。
- 压缩率为1:2, 即把16位成8位。
G.711标准下主要有两种压缩算法。
u-law:也称为G711U,主要运用于北美和日本。
a-law:也称为G711A,主要用于欧洲和世界其他地区,特别设计用来方便计算机处理的。
G.711将14bit或者13bit采样的PCM数据编码成8bit的数据流,播放的时候在将此8bit的数据还原成14bit或者13bit进行播放。G711是波形编解码算法,就是一个sample对应一个编码,所以压缩比固定为:
8/14 = 57%(u-law)
8/13 = 62%(a-law)
G.711是将语音模拟信号进行一种非线性量化。下面主要列出一些性能参数:
G.711 (PCM方式)
采样率:8kHz
信息量:64kbps / channel
理论延迟:0.125msec
品质:MOS值4.10
算法原理:
a-law的公式如下,A = 87.6
G.711A
输入的是13位(S16的高13位),这种格式是经过特别设计的,便于数字设备进行快速运算。
- 取符号位并取反得到s。
- 获取强度位eee,获取方法如下图所示
- 获取高位样本位wxyz
- 组合为seeewxyz,将seeewxyz逢偶数为取补数。
a-law如下表计算。
- 第一列是采样点,共13bit,最高位为符号位。
- 对于前两行,折线斜率均为1/2,跟负半段的相应区域位于同一段折线上。
- 对于3到8行,斜率分别是1/4到1/128,共6段折线。
- 总共13段折线,这就是所谓的A-law十三段折线法。
示例:
输入pcm数据为1234,二进制对应为(0000 0100 1101 0010) 二进制变换下排列组合方式(0 00001 0011 010010)
- 获取符号位最高位为0,取反,s=1
- 获取强度位00001,查表,编码制应该是eee=01
- 获取高位样本wxyz=00
- 组合为10110011,逢偶数为取反为11100110,得到E6
c算法实现如下:
#define SIGN_BIT (0x80) /* Sign bit for a A-law byte. */
#define QUANT_MASK (0xf) /* Quantization field mask. */
#define NSEGS (8) /* Number of A-law segments. */
#define SEG_SHIFT (4) /* Left shift for segment number. */
#define SEG_MASK (0x70) /* Segment field mask. */
static int seg_aend[8] = {0x1F, 0x3F, 0x7F, 0xFF,
0x1FF, 0x3FF, 0x7FF, 0xFFF};
static int seg_uend[8] = {0x3F, 0x7F, 0xFF, 0x1FF,
0x3FF, 0x7FF, 0xFFF, 0x1FFF};
static int search(
int val, /* changed from "short" *drago* */
int * table,
int size) /* changed from "short" *drago* */
{
int i; /* changed from "short" *drago* */
for (i = 0; i < size; i++) {
if (val <= *table++)
return (i);
}
return (size);
}
int linear2alaw(int pcm_val) /* 2's complement (16-bit range) */
/* changed from "short" *drago* */
{
int mask; /* changed from "short" *drago* */
int seg; /* changed from "short" *drago* */
int aval;
pcm_val = pcm_val >> 3;//这里右移3位,因为采样值是16bit,而A-law是13bit,存储在高13位上,低3位被舍弃
if (pcm_val >= 0) {
mask = 0xD5; /* sign (7th) bit = 1 二进制的11010101*/
} else {
mask = 0x55; /* sign bit = 0 二进制的01010101*/
pcm_val = -pcm_val - 1; //负数转换为正数计算
}
/* Convert the scaled magnitude to segment number. */
seg = search(pcm_val, seg_aend, 8); //查找采样值对应哪一段折线
/* Combine the sign, segment, and quantization bits. */
if (seg >= 8) /* out of range, return maximum value. */
return (0x7F ^ mask);
else {
//以下按照表格第一二列进行处理,低4位是数据,5~7位是指数,最高位是符号
aval = seg << SEG_SHIFT;
if (seg < 2)
aval |= (pcm_val >> 1) & QUANT_MASK;
else
aval |= (pcm_val >> seg) & QUANT_MASK;
return (aval ^ mask);
}
}
int alaw2linear(int a_val)
{
int t; /* changed from "short" *drago* */
int seg; /* changed from "short" *drago* */
a_val ^= 0x55; //异或操作把mask还原
t = (a_val & QUANT_MASK) << 4;//取低4位,即表中的abcd值,然后左移4位变成abcd0000
seg = ((unsigned)a_val & SEG_MASK) >> SEG_SHIFT; //取中间3位,指数部分
switch (seg) {
case 0: //表中第一行,abcd0000 -> abcd1000
t += 8;
break;
case 1: //表中第二行,abcd0000 -> 1abcd1000
t += 0x108;
break;
default://表中其他行,abcd0000 -> 1abcd1000 的基础上继续左移(按照表格第二三列进行处理)
t += 0x108;
t <<= seg - 1;
}
return ((a_val & SIGN_BIT) ? t : -t);
}
u-law输入的是14位,编码算法就是查表,计算出:基础值+平均偏移值
u-law的公式如下,μ取值一般为255
计算方法如下表
输入pcm数据为1234
- 取得范围值,查表得
+2014 to +991 in 16 intervals of 64
- 得到基础值为0xA
- 得到间隔数为64
- 得到区间基本值2014
- 当前值1234和区间基本值差异2014-1234=780
- 偏移值=780/间隔数=780/64,取整得到12
- 输出为0xA0+12=0xAC
c算法实现如下:
#define BIAS (0x84) /* Bias for linear code. 线性码偏移值*/
#define CLIP 8159 //最大量化级数量
int linear2ulaw( int pcm_val) /* 2's complement (16-bit range) */
{
int mask;
int seg;
int uval;
/* Get the sign and the magnitude of the value. */
pcm_val = pcm_val >> 2;
if (pcm_val < 0) {
pcm_val = -pcm_val;
mask = 0x7F;
} else {
mask = 0xFF;
}
if ( pcm_val > CLIP ) pcm_val = CLIP; /* clip the magnitude 削波*/
pcm_val += (BIAS >> 2);
/* Convert the scaled magnitude to segment number. */
seg = search(pcm_val, seg_uend, 8);
/*
* Combine the sign, segment, quantization bits;
* and complement the code word.
*/
if (seg >= 8) /* out of range, return maximum value. */
return (0x7F ^ mask);
else {
uval = (seg << 4) | ((pcm_val >> (seg + 1)) & 0xF);
return (uval ^ mask);
}
}
int ulaw2linear( int u_val)
{
int t;
/* Complement to obtain normal u-law value. */
u_val = ~u_val;
/*
* Extract and bias the quantization bits. Then
* shift up by the segment number and subtract out the bias.
*/
t = ((u_val & QUANT_MASK) << 3) + BIAS;
t <<= (u_val & SEG_MASK) >> SEG_SHIFT;
return ((u_val & SIGN_BIT) ? (BIAS - t) : (t - BIAS));
}
a-law和u-law画在同一个坐标轴中就能发现A-law在低强度信号下,精度要稍微高一些。
实际应用中,我们确实可以用浮点数计算的方式把F(x)结果计算出来,然后进行量化,但是这样一来计算量会比较大,实际上对于A-law(A=87.6时),是采用13折线近似的方式来计算的,而u-law(μ=255时)则是15段折线近似的方式。
因为项目中可以直接使用c的代码,c算法的编解码的写法,已在上述1.2.1和1.2.2中写出。
生成一个类,将其上面的ulaw的算法封装调用即可。需要对压缩的buffer对每一位进行解码转换操作。因为压缩率是1:2,所以解码转换之后,长度要变为2倍。此项目中传输的长度是320,解码转换后长度是640。
解码后就是PCM的格式数据。
代码如下:
int G711UDecode(char* pRawData,const unsigned char* pBuffer, int nBufferSize) {
short *out_data = (short*)pRawData;
int i = 0;
for(; i<nBufferSize; i++) {
int v = ulaw2linear((unsigned char)pBuffer[i]);
out_data[i] = v < -32768 ? -32768 : v > 32767 ? 32767 : v;
}
return nBufferSize * 2;
}
解码的时候,生成一个传输数据buffer的2倍长度的格式用来传入函数中即可。
short decodedBuffer[size * 2];
int bufferSize = G711Decode((char *)decodedBuffer, data, size);
在1.2.1和1.2.2中,代码也包含了a-law和u-law的编码。
在项目中,对讲功能,需要麦克风收集到的PCM数据发送给设备时,传递的数据也需要是转换后的u-law格式。
同样的类中封装一个调用接口即可,编码需要传入pcm数据,同样的需要循环每一位进行编码转换。注意长度会缩短为一半,初始化长度的时候要注意。
代码如下:
void G711Encoder(void *pcm,unsigned char *code,int size,int lawflag) {
short *input_data = (short *)pcm;
int i;
if(lawflag==0) {
for(i=0;i<size;i++) {
code[i]=linear2alaw(input_data[i]);
}
} else {
for(i=0;i<size;i++) {
code[i]=linear2ulaw(input_data[i]);
}
}
}
通过FFmpeg来实现音频编码仅需要调用几个接口接口。
类似视频解码。初始化的时候,先创建解码器配置和解码器上下文AVCodec和AVCodecContext,并开启解码器。其中要配置解码器上下文的音频参数,这里音频参数是采样率8K,16位,单声道。
codec = avcodec_find_decoder(AV_CODEC_ID_PCM_MULAW);
codecContext = avcodec_alloc_context3(codec);
// 配置上下文
codecContext->sample_fmt = AV_SAMPLE_FMT_S16;
codecContext->sample_rate = 8000;
codecContext->channels = 1;
avcodec_open2(codecContext, codec, nil);
然后使用AVPacket来组装原始的u-law数据
AVPacket *packet = av_packet_alloc();
av_new_packet(packet, size);
packet->size = size;
packet->pts = timestamp;
memcpy(packet->data, data, size);
[self decodeBufferWithPacket:packet];
av_packet_free(&packet);
再使用avcodec_send_packet和avcodec_receive_frame接口既可以解码出AVFrame,AVFrame中的data第0个元素即为解码后的PCM数据。其中AVFrame中的linesize第0个元素为解码后的长度,打印出来也是解码前的2倍。
代码如下:
int ret = avcodec_send_packet(codecContext, packet);
if (ret < 0) {
return;
}
avFrame = av_frame_alloc();
int avcodecRet = 0;
while (avcodecRet >= 0) {
avcodecRet = avcodec_receive_frame(codecContext, avFrame);
if (avcodecRet == AVERROR(EAGAIN) || avcodecRet == AVERROR_EOF) {
av_frame_free(&avFrame);
return;
}
else if (avcodecRet < 0) {
av_frame_free(&avFrame);
return;
}
if ([self.delegate respondsToSelector:@selector(ffmpegAudioDecoder:renderedAudioBuffer:length:)]) {
[self.delegate ffmpegAudioDecoder:self renderedAudioBuffer:avFrame->data[0] length:avFrame->linesize[0]];
}
}
av_frame_free(&avFrame);
通过c算法和FFmpeg解码的效果和对内存CPU的消耗都差不多。