音视频学习（五十二）：ADTS

什么是ADTS？

ADTS（Audio Data Transport Stream）是一种用于 AAC（Advanced Audio Coding）音频数据传输 的帧封装格式。它常见于 AAC 裸流（raw AAC） 的存储与传输场景，比如在线广播、流媒体推送和文件存储。

它的特点是：

• 每个 ADTS 帧都包含一个 固定大小的头部（ADTS Header） + AAC 原始数据。
• 支持 流式传输，即使中途加入也可以同步解码。
• 广泛用于 HTTP 直播（HLS）、RTSP、MPEG-TS 封装等场景。

一个 ADTS 帧的基本结构如下：

[ADTS Header][AAC Raw Data]

ADTS的作用

AAC 编码器输出的 原始数据（RAW） 没有时间戳，也无法直接判断每帧边界。ADTS 头部的主要作用：

• 同步标识（Sync Word）：用于标记帧的起始位置，方便解码器在任意位置开始解码。
• 音频参数描述：例如采样率、声道数、编码配置等。
• 帧长度信息：指示当前 AAC 数据的字节数，方便提取和播放。
• 错误检测（可选）：CRC 校验。

ADTS的帧结构

ADTS 帧由 固定头（Fixed Header） + 可变头（Variable Header） 组成（共 7 或 9 字节，如果有 CRC 校验则为 9 字节）。

结构示意图

ADTS Header (7 or 9 bytes)
┌──────────────┬──────────────────────────────────────────────┐
│ 固定头部     │ syncword、版本、层、保护标志、采样率等        │
├──────────────┼──────────────────────────────────────────────┤
│ 可变头部     │ 帧长度、缓冲区满标志、AAC 原始数据块数等      │
└──────────────┴──────────────────────────────────────────────┘
AAC Raw Data

位分布示意图（无 CRC 时）

  |<---  Syncword (0xFFF) --->|
  111111111111 ID layer prot_abs profile sfreq priv chcfg orig home
  |   12   | 1 | 2 |    1    |  2  |  4  |  1  |  3  | 1  |  1  |
  cpy_bit cpy_start       frame_length(13)         fullness(11)   blk(2)
  |   1   |    1    |           13 bits          |     11 bits   | 2 |

二进制布局（无 CRC，7 字节）：

ADTS字段解析

Syncword（同步字）

• 固定为二进制 111111111111（0xFFF），保证帧的唯一定位。

Profile

表示 AAC 的编码类型：

• 0：Main
• 1：LC（Low Complexity，常用）
• 2：SSR
• 3：保留

Sampling Frequency Index（采样率索引）

Frame Length（帧长度）

• 单位：字节
• 计算公式：

frame_length = header_length + AAC_raw_data_length

• 无 CRC 校验时，header_length = 7 字节；有 CRC 校验时，header_length = 9 字节。

AAC解码

总述

输入数据(ADTS/LATM/裸AAC)
        ↓
[1] 数据解析/同步定位
        ↓
[2] 解析 AAC 头信息 (采样率、声道数、Profile)
        ↓
[3] 提取 AAC 码流数据块
        ↓
[4] 频域解码流程
    ├── 逆量化 (Inverse Quantization)
    ├── 频域处理 (TNS, PNS, IS, MS)
    ├── IMDCT（逆修正离散余弦变换）
    └── 短块/长块拼接
        ↓
[5] 立体声处理 / 混合
        ↓
[6] PCM 输出（时域信号）

解码流程

步骤 1：数据解析 / 同步定位

• 如果是 ADTS 流：
  • 搜索 syncword 0xFFF（12bit）来找到帧头位置
  • 读取 aac_frame_length 得到帧大小
• 如果是 LATM/LOAS 流：
  • 按 LATM 格式解析 AudioMuxElement
• 如果是裸 AAC（.aac）：
  • 必须由外部提供配置信息（AudioSpecificConfig）

步骤 2：解析 AAC 头信息

• 从 ADTS 头中提取：
  • profile（AAC LC/HE/HEv2 等）
  • 采样率（sampling_frequency_index）
  • 声道数（channel_configuration）
• 初始化解码器状态：
  • 创建滤波器系数
  • 分配窗口缓冲
  • 初始化 SBR（Spectral Band Replication）、PS（Parametric Stereo）等扩展模块（如果有）

步骤 3：提取 AAC 数据块

• 去掉帧头（ADTS 为 7 或 9 字节）
• 剩余部分是 AAC 原始数据块（Raw Data Block）
• 如果 number_of_raw_data_blocks_in_frame > 0，则一帧内有多个音频块，要分别解析

步骤 4：频域解码流程（AAC 是基于 MDCT 的频域编码）

1. Huffman 解码
   • 将压缩的频域系数恢复成量化值
2. 逆量化（Inverse Quantization）
   • 将量化频谱值恢复到浮点频谱
3. 工具处理（Tool Processing）
   • TNS（Temporal Noise Shaping）：时间域噪声整形
   • PNS（Perceptual Noise Substitution）：噪声替代
   • IS（Intensity Stereo） / MS（Mid/Side Stereo）：立体声压缩技术
4. IMDCT（Inverse Modified Discrete Cosine Transform）
   • 将频域数据转为时域样本
5. 窗函数与重叠相加（Overlap-Add）
   • AAC 长块为 1024 样本，短块为 128 样本，通过 OLA 合成连续 PCM

步骤 5：立体声处理 / 混合

• 如果是多声道 AAC（例如 5.1）：
  • 执行声道映射（Channel Mapping）
  • 可选：下混（Downmix）到立体声或单声道
• 如果是 HE-AAC：
  • SBR 解码：从低采样率重建高频
  • PS 解码：从单声道重建立体声

步骤 6：PCM 输出

• 最终得到 16bit、24bit 或 32bit 浮点的 PCM 数据
• 可直接送给音频播放设备（ALSA / WASAPI / OpenSL ES）
• 或存储为 WAV/RAW PCM 文件

示例（C++ 解析 ADTS Header）

#include <iostream>
#include <fstream>
#include <vector>
#include <string>
#include <cstdint>

struct AdtsHeader {
    int id;                         // MPEG 版本（0=MPEG-4, 1=MPEG-2）
    int profile;                    // AAC Profile
    int sampling_frequency_index;   // 采样率索引
    int sampling_frequency;         // 实际采样率
    int channel_configuration;      // 声道数
    int frame_length;                // 整个ADTS帧长度
    bool protection_absent;         // 是否有CRC
};

// 采样率索引表
static const int sampling_frequencies[] = {
    96000, 88200, 64000, 48000, 44100, 32000,
    24000, 22050, 16000, 12000, 11025, 8000, 7350
};

// 解析 ADTS 头
bool parse_adts_header(const uint8_t* data, AdtsHeader& header) {
    // 检查同步字 0xFFF
    if ((data[0] != 0xFF) || ((data[1] & 0xF0) != 0xF0)) {
        return false;
    }

    header.id = (data[1] & 0x08) >> 3;
    header.protection_absent = data[1] & 0x01;
    header.profile = ((data[2] & 0xC0) >> 6) + 1; // 加1以符合MPEG定义
    header.sampling_frequency_index = (data[2] & 0x3C) >> 2;

    if (header.sampling_frequency_index < 13) {
        header.sampling_frequency = sampling_frequencies[header.sampling_frequency_index];
    } else {
        header.sampling_frequency = 0; // 未知采样率
    }

    header.channel_configuration = ((data[2] & 0x01) << 2) | ((data[3] & 0xC0) >> 6);
    header.frame_length = ((data[3] & 0x03) << 11) | (data[4] << 3) | ((data[5] & 0xE0) >> 5);

    return true;
}

// 主程序
int main() {
    std::string filename = "test.aac"; // ADTS AAC 文件路径
    std::ifstream file(filename, std::ios::binary);

    if (!file) {
        std::cerr << "无法打开文件: " << filename << std::endl;
        return 1;
    }

    while (true) {
        uint8_t header_buf[7];
        file.read(reinterpret_cast<char*>(header_buf), 7);
        if (file.gcount() < 7) break; // 文件结束

        AdtsHeader header;
        if (!parse_adts_header(header_buf, header)) {
            std::cerr << "未找到同步字，可能不是ADTS流" << std::endl;
            break;
        }

        // 输出解析结果
        std::cout << "Frame: "
                  << " MPEG" << (header.id == 0 ? "4" : "2")
                  << " Profile=" << header.profile
                  << " Fs=" << header.sampling_frequency << "Hz"
                  << " Channels=" << header.channel_configuration
                  << " Length=" << header.frame_length
                  << " CRC=" << (header.protection_absent ? "No" : "Yes")
                  << std::endl;

        // 跳过当前帧剩余部分
        int data_size = header.frame_length - 7;
        file.seekg(data_size, std::ios::cur);
    }

    file.close();
    return 0;
}

总结

• ADTS 是 AAC 裸流 的帧封装格式，适合流式播放。
• 帧头信息提供了解码所需的全部参数。
• 在网络传输中，解码器只需找到同步字并解析帧头，就能从任意位置开始播放。