01 软件编解码器全家族深度剖析 (MP3, AAC, Opus, Ogg Vorbis)¶

1. 软件 Codec 解决什么问题：带宽、音质与算力金三角¶

44.1kHz/16-bit 双声道 PCM 的码率为 \(1411.2\text{ kbps}\)，约 176 KB/s。是否需要压缩，取决于传输带宽、存储容量和处理链路；本地 PCM 接口和部分网络场景仍可直接使用未压缩数据。

感知编码利用心理声学模型分配比特，减少部分不易察觉的信息；无损编码则利用统计冗余，保存能够精确重建的数据。

选择 MCU 解码库时，需要同时测量算力和内存，并用目标音源比较编码效果。下面的资源数值不能脱离库版本、配置和输入条件使用：

graph TD
    subgraph Matrix[嵌入式软件 Codec 权衡金三角]
        M1[低算力 MIPS: MP3 约 15~25 MIPS]
        M2[极低内存 RAM: MP3 < 50KB, Opus < 40KB]
        M3[音质比较: AAC-HEv2 32kbps 与 MP3 128kbps 需受控听音测试]
    end

2. MP3 (MPEG-1 Audio Layer III) 核心机理与帧结构¶

MP3 是嵌入式系统中最普及的经典音频格式，单帧固定对应 1152 个采样点。

2.1 物理帧结构拆解¶

graph LR
    Sync[Frame Sync: 11-bit 全 1] --> Header["Header: 21-bit (采样率/码率/声道)"]
    Header --> CRC["CRC 校验: 16-bit (可选)"]
    CRC --> SideInfo[Side Information 边信息: 17/32 字节]
    SideInfo --> MainData[Main Data 主数据: 霍夫曼编码位流]
    MainData --> Ancillary[Ancillary Data 附加数据]

2.2 核心解码四步流¶

1. 位流同步与解复用：在流式数据中滑动查找 0xFFE / 0xFFF 同步字（Syncword），校验 Layer、Bitrate 及 Sampling Rate 字段。
2. 霍夫曼熵解码（Huffman Decoding）：读取主数据，依据边信息指定的码表索引查表，恢复出 576 个量化频域系数。
3. 反量化（Dequantization）：将定点整数频域系数还原为真实物理幅值：\(xr_i = \text{sign}(is_i) \times |is_i|^{4/3} \times 2^{\frac{\text{scalefactor}_i}{4}}\)。
4. IMDCT 频时变换与子带多相合成滤波：将 576 个频域系数通过 18 点/36 点 IMDCT 反变换成子带信号，最终通过 32 子带多相合成滤波器输出 1152 个 16-bit PCM 样点。

3. AAC (Advanced Audio Coding) 全家族演进与向下兼容机制¶

AAC 常见帧长为 1024 个采样点，不同 Profile 使用不同工具。HE-AAC 在核心 AAC 数据外加入 SBR/PS 扩展；只支持核心数据的播放器可能降级解码，兼容情况仍需要实测：

timeline
    title AAC 演进与压缩技术突破
    1997 : AAC-LC (Low Complexity) : MDCT 变换与心理声学模型, 128kbps 为一种配置
    2003 : HE-AAC v1 (AAC+) : 引入 SBR (频带复制), 64kbps 与 LC 128kbps 的听感需比较
    2006 : HE-AAC v2 (eAAC+) : 引入 PS (参数立体声), 用于 32kbps 等低码率配置

3.1 核心压缩黑科技：SBR 与 PS 机理¶

1. SBR (Spectral Band Replication，频带复制)：
2. 原理：人类语音和音乐的高频部分与低频基波和谐波存在极强的相关性。SBR 仅用传统的 AAC-LC 编码 0 ~ 12kHz 的低频核心信号；对于 12kHz ~ 24kHz 的高频信号，编码器不传输频谱，仅传输极其微小的 包络特征参数。
3. 解码行为：解码器将低频频谱搬移到高频区，再根据参数调整包络。能节省多少码率，取决于音源、编码器和质量目标。
4. PS (Parametric Stereo，参数立体声)：
5. 原理：双声道立体声左右声道具有高度相似性。PS 将双声道下混为 单声道（Mono）主信号，并将左右声道的声道间强度差（IID）、时间差（ITD）和相关性（ICC）抽象为少量参数。
6. 解码行为：解码单声道 PCM，根据 PS 参数矩阵空间扩展矩阵恢复出伪双声道立体声。

3.2 为什么 HE-AAC v2 文件在 ADTS 头中标记为 Mono 且能被 LC 解码器直接播放？¶

在实际芯片开发中，解析 ADTS 帧头部（7 字节）时会发现一个现象： * 某些 HE-AAC 流的 ADTS profile 字段为 1，描述 AAC-LC 核心数据；不能仅凭这一字段判断是否存在 SBR/PS。 * HE-AAC v2 可能在 ADTS 中描述单声道核心（channel_configuration = 1），经 PS 处理后输出双声道，不能直接把头部声道数当成最终输出声道数。

原厂工程机理解析： SBR 和 PS 扩展可以在 AAC 帧数据的 extension_payload 中传递。 1. LC 解码器遇到 HEv2：支持跳过该扩展的解码器可以只输出核心数据，听感和声道数与完整 HE-AAC 解码不同。是否能播放还受格式信令与具体实现影响。 2. 嵌入式移植经典 Bug：早期部分开源库（如 Android 旧版 pvaac）在移植时，开发者武断地在初始化时将硬件 DAC 强制写死为双声道模式（channels = 2），当解析到 HEv2 ADTS 头报告 channels = 1 时直接 Assert 报错或产生声道交叉噪音。正确的做法是驱动层需支持根据帧流动态重置声道数。

4. Opus 编码器：新一代低延迟全场景王者¶

Opus 是 IETF 发布的现代开源免版税编解码器，融合了针对语音优化的 Skype SILK 算法与针对低延迟音乐优化的 Xiph CELT 算法：

5. 常见软件解码库在 RISC-V 平台的资源与算力对比¶

下表记录主频 160MHz 的 RISC-V 平台资源数据。比较前需补齐芯片、库版本、编译选项、音源和统计方式；这些值不能直接作为其他平台的预算保证：

6. 现场排错与调试清单¶