目录
1. 概述
2. AMR编码
3. AMR解码
4. AMR帧读取算法
5. 参考资料
1. 概述
现在很多智能手机都支持多媒体功能,特别是音频和视频播放功能,而AMR文件格式是手机端普遍支持的音频文件格式。
AMR,全称是:Adaptive Multi-Rate,自适应多速率,是一种音频编码文件格式,专用于有效地压缩语音频率。
AMR音频主要用于移动设备的音频压缩,压缩比非常高,但是音质比较差,主要用于语音类的音频压缩,不适合对音质要求较高的音乐类音频的压缩。
AMR的编解码是基于“3GPP AMR Floating-point Speech Codec”来做的,3GPP还专门开放了基于ANSI-C实现的编解码代码,便于我们在各种平台上进行移植。
#ifndef amrFileCodec_h
#define amrFileCodec_h
#define AMR_MAGIC_NUMBER "#!AMR\n"
#define PCM_FRAME_SIZE 160 // 8khz 8000*0.02=160
#define MAX_AMR_FRAME_SIZE 32
#define AMR_FRAME_COUNT_PER_SECOND 50
//int amrEncodeMode[] = {4750, 5150, 5900, 6700, 7400, 7950, 10200, 12200}; // amr 编码方式
typedef struct
{
char chChunkID[4];
int nChunkSize;
}XCHUNKHEADER;
typedef struct
{
short nFormatTag;
short nChannels;
int nSamplesPerSec;
int nAvgBytesPerSec;
short nBlockAlign;
short nBitsPerSample;
}WAVEFORMAT;
typedef struct
{
short nFormatTag;
short nChannels;
int nSamplesPerSec;
int nAvgBytesPerSec;
short nBlockAlign;
short nBitsPerSample;
short nExSize;
}WAVEFORMATX;
typedef struct
{
char chRiffID[4];
int nRiffSize;
char chRiffFormat[4];
}RIFFHEADER;
typedef struct
{
char chFmtID[4];
int nFmtSize;
WAVEFORMAT wf;
}FMTBLOCK;
// WAVE音频采样频率是8khz
// 音频样本单元数 = 8000*0.02 = 160 (由采样频率决定)
// 声道数 1 : 160
// 2 : 160*2 = 320
// bps决定样本(sample)大小
// bps = 8 --> 8位 unsigned char
// 16 --> 16位 unsigned short
int EncodeWAVEFileToAMRFile(const char* pchWAVEFilename, const char* pchAMRFileName, int nChannels, int nBitsPerSample);
// 将AMR文件解码成WAVE文件
int DecodeAMRFileToWAVEFile(const char* pchAMRFileName, const char* pchWAVEFilename);
#endif
2. AMR编码
3GPP提供了编码代码,并提供了一个encoder.c程序,该程序示范了如何对一个16位的单声道PCM数据进行压缩的。(采样频率必须是8khz)
我对该程序进行一定的拓展,数据位支持8位和16位,可以是单声道和双声道。
l 对于8位PCM只需要将每个采样的sample数据位扩展成16位,并左移7位。
l 对于双声道,可以只对左声道数据进行处理,也可以只对右声道数据进行处理,或者将左右声道数据求平均值就可。
这样两个小处理,就可以将PCM规范成3PGG的编码器需要的数据格式。
代码在 amrFileEncoder.c 中。
#include "amrFileCodec.h"
// 从WAVE文件中跳过WAVE文件头,直接到PCM音频数据
void SkipToPCMAudioData(FILE* fpwave)
{
RIFFHEADER riff;
FMTBLOCK fmt;
XCHUNKHEADER chunk;
WAVEFORMATX wfx;
int bDataBlock = 0;
// 1. 读RIFF头
fread(&riff, 1, sizeof(RIFFHEADER), fpwave);
// 2. 读FMT块 - 如果 fmt.nFmtSize>16 说明需要还有一个附属大小没有读
fread(&chunk, 1, sizeof(XCHUNKHEADER), fpwave);
if ( chunk.nChunkSize>16 )
{
fread(&wfx, 1, sizeof(WAVEFORMATX), fpwave);
}
else
{
memcpy(fmt.chFmtID, chunk.chChunkID, 4);
fmt.nFmtSize = chunk.nChunkSize;
fread(&fmt.wf, 1, sizeof(WAVEFORMAT), fpwave);
}
// 3.转到data块 - 有些还有fact块等。
while(!bDataBlock)
{
fread(&chunk, 1, sizeof(XCHUNKHEADER), fpwave);
if ( !memcmp(chunk.chChunkID, "data", 4) )
{
bDataBlock = 1;
break;
}
// 因为这个不是data块,就跳过块数据
fseek(fpwave, chunk.nChunkSize, SEEK_CUR);
}
}
// 从WAVE文件读一个完整的PCM音频帧
// 返回值: 0-错误 >0: 完整帧大小
int ReadPCMFrame(short speech[], FILE* fpwave, int nChannels, int nBitsPerSample)
{
int nRead = 0;
int x = 0, y=0;
unsigned short ush1=0, ush2=0, ush=0;
// 原始PCM音频帧数据
unsigned char pcmFrame_8b1[PCM_FRAME_SIZE];
unsigned char pcmFrame_8b2[PCM_FRAME_SIZE<<1];
unsigned short pcmFrame_16b1[PCM_FRAME_SIZE];
unsigned short pcmFrame_16b2[PCM_FRAME_SIZE<<1];
if (nBitsPerSample==8 && nChannels==1)
{
nRead = fread(pcmFrame_8b1, (nBitsPerSample/8), PCM_FRAME_SIZE*nChannels, fpwave);
for(x=0; x<PCM_FRAME_SIZE; x++)
{
speech[x] =(short)((short)pcmFrame_8b1[x] << 7);
}
}
else
if (nBitsPerSample==8 && nChannels==2)
{
nRead = fread(pcmFrame_8b2, (nBitsPerSample/8), PCM_FRAME_SIZE*nChannels, fpwave);
for( x=0, y=0; y<PCM_FRAME_SIZE; y++,x+=2 )
{
// 1 - 取两个声道之左声道
speech[y] =(short)((short)pcmFrame_8b2[x+0] << 7);
// 2 - 取两个声道之右声道
//speech[y] =(short)((short)pcmFrame_8b2[x+1] << 7);
// 3 - 取两个声道的平均值
//ush1 = (short)pcmFrame_8b2[x+0];
//ush2 = (short)pcmFrame_8b2[x+1];
//ush = (ush1 + ush2) >> 1;
//speech[y] = (short)((short)ush << 7);
}
}
else
if (nBitsPerSample==16 && nChannels==1)
{
nRead = fread(pcmFrame_16b1, (nBitsPerSample/8), PCM_FRAME_SIZE*nChannels, fpwave);
for(x=0; x<PCM_FRAME_SIZE; x++)
{
speech[x] = (short)pcmFrame_16b1[x+0];
}
}
else
if (nBitsPerSample==16 && nChannels==2)
{
nRead = fread(pcmFrame_16b2, (nBitsPerSample/8), PCM_FRAME_SIZE*nChannels, fpwave);
for( x=0, y=0; y<PCM_FRAME_SIZE; y++,x+=2 )
{
//speech[y] = (short)pcmFrame_16b2[x+0];
speech[y] = (short)((int)((int)pcmFrame_16b2[x+0] + (int)pcmFrame_16b2[x+1])) >> 1;
}
}
// 如果读到的数据不是一个完整的PCM帧, 就返回0
if (nRead<PCM_FRAME_SIZE*nChannels) return 0;
return nRead;
}
// WAVE音频采样频率是8khz
// 音频样本单元数 = 8000*0.02 = 160 (由采样频率决定)
// 声道数 1 : 160
// 2 : 160*2 = 320
// bps决定样本(sample)大小
// bps = 8 --> 8位 unsigned char
// 16 --> 16位 unsigned short
int EncodeWAVEFileToAMRFile(const char* pchWAVEFilename, const char* pchAMRFileName, int nChannels, int nBitsPerSample)
{
FILE* fpwave;
FILE* fpamr;
/* input speech vector */
short speech[160];
/* counters */
int byte_counter, frames = 0, bytes = 0;
/* pointer to encoder state structure */
int *enstate;
/* requested mode */
enum Mode req_mode = MR122;
int dtx = 0;
/* bitstream filetype */
unsigned char amrFrame[MAX_AMR_FRAME_SIZE];
fpwave = fopen(pchWAVEFilename, "rb");
if (fpwave == NULL)
{
return 0;
}
// 创建并初始化amr文件
fpamr = fopen(pchAMRFileName, "wb");
if (fpamr == NULL)
{
fclose(fpwave);
return 0;
}
/* write magic number to indicate single channel AMR file storage format */
bytes = fwrite(AMR_MAGIC_NUMBER, sizeof(char), strlen(AMR_MAGIC_NUMBER), fpamr);
/* skip to pcm audio data*/
SkipToPCMAudioData(fpwave);
enstate = Encoder_Interface_init(dtx);
while(1)
{
// read one pcm frame
if (!ReadPCMFrame(speech, fpwave, nChannels, nBitsPerSample)) break;
frames++;
/* call encoder */
byte_counter = Encoder_Interface_Encode(enstate, req_mode, speech, amrFrame, 0);
bytes += byte_counter;
fwrite(amrFrame, sizeof (unsigned char), byte_counter, fpamr );
}
Encoder_Interface_exit(enstate);
fclose(fpamr);
fclose(fpwave);
return frames;
}
3. AMR解码
3GPP提供了解码代码,并提供了一个decoder.c程序,该程序示范了如何对amr音频进行解码。解码成一个wave文件(8khz 16位单声道)。
解码是需要注意AMR坏帧的处理。在AMR读帧算法中有说明。
文件解码器代码在 amrFileDecoder.c 中。
#include "amrFileCodec.h"
void WriteWAVEFileHeader(FILE* fpwave, int nFrame)
{
char tag[10] = "";
// 1. 写RIFF头
strcpy(tag, "RIFF");
memcpy(riff.chRiffID, tag, 4);
riff.nRiffSize = 4 // WAVE
+ sizeof(XCHUNKHEADER) // fmt
+ sizeof(WAVEFORMATX) // WAVEFORMATX
+ sizeof(XCHUNKHEADER) // DATA
+ nFrame*160*sizeof(short); //
strcpy(tag, "WAVE");
memcpy(riff.chRiffFormat, tag, 4);
fwrite(&riff, 1, sizeof(RIFFHEADER), fpwave);
// 2. 写FMT块
strcpy(tag, "fmt ");
memcpy(chunk.chChunkID, tag, 4);
chunk.nChunkSize = sizeof(WAVEFORMATX);
fwrite(&chunk, 1, sizeof(XCHUNKHEADER), fpwave);
memset(&wfx, 0, sizeof(WAVEFORMATX));
wfx.nFormatTag = 1;
wfx.nChannels = 1; // 单声道
wfx.nSamplesPerSec = 8000; // 8khz
wfx.nAvgBytesPerSec = 16000;
wfx.nBlockAlign = 2;
wfx.nBitsPerSample = 16; // 16位
fwrite(&wfx, 1, sizeof(WAVEFORMATX), fpwave);
// 3. 写data块头
strcpy(tag, "data");
memcpy(chunk.chChunkID, tag, 4);
chunk.nChunkSize = nFrame*160*sizeof(short);
fwrite(&chunk, 1, sizeof(XCHUNKHEADER), fpwave);
}
const int round(const double x)
{
return((int)(x+0.5));
}
// 根据帧头计算当前帧大小
int caclAMRFrameSize(unsigned char frameHeader)
{
int mode;
int temp1 = 0;
int temp2 = 0;
int frameSize;
temp1 = frameHeader;
// 编码方式编号 = 帧头的3-6位
temp1 &= 0x78; // 0111-1000
temp1 >>= 3;
mode = amrEncodeMode[temp1];
// 计算amr音频数据帧大小
// 原理: amr 一帧对应20ms,那么一秒有50帧的音频数据
temp2 = round((double)(((double)mode / (double)AMR_FRAME_COUNT_PER_SECOND) / (double)8));
frameSize = round((double)temp2 + 0.5);
return frameSize;
}
// 读第一个帧 - (参考帧)
// 返回值: 0-出错; 1-正确
int ReadAMRFrameFirst(FILE* fpamr, unsigned char frameBuffer[], int* stdFrameSize, unsigned char* stdFrameHeader)
{
memset(frameBuffer, 0, sizeof(frameBuffer));
// 先读帧头
fread(stdFrameHeader, 1, sizeof(unsigned char), fpamr);
if (feof(fpamr)) return 0;
// 根据帧头计算帧大小
*stdFrameSize = caclAMRFrameSize(*stdFrameHeader);
// 读首帧
frameBuffer[0] = *stdFrameHeader;
fread(&(frameBuffer[1]), 1, (*stdFrameSize-1)*sizeof(unsigned char), fpamr);
if (feof(fpamr)) return 0;
return 1;
}
// 返回值: 0-出错; 1-正确
int ReadAMRFrame(FILE* fpamr, unsigned char frameBuffer[], int stdFrameSize, unsigned char stdFrameHeader)
{
int bytes = 0;
unsigned char frameHeader; // 帧头
memset(frameBuffer, 0, sizeof(frameBuffer));
// 读帧头
// 如果是坏帧(不是标准帧头),则继续读下一个字节,直到读到标准帧头
while(1)
{
bytes = fread(&frameHeader, 1, sizeof(unsigned char), fpamr);
if (feof(fpamr)) return 0;
if (frameHeader == stdFrameHeader) break;
}
// 读该帧的语音数据(帧头已经读过)
frameBuffer[0] = frameHeader;
bytes = fread(&(frameBuffer[1]), 1, (stdFrameSize-1)*sizeof(unsigned char), fpamr);
if (feof(fpamr)) return 0;
return 1;
}
// 将AMR文件解码成WAVE文件
int DecodeAMRFileToWAVEFile(const char* pchAMRFileName, const char* pchWAVEFilename)
{
FILE* fpamr = NULL;
FILE* fpwave = NULL;
char magic[8];
int * destate;
int nFrameCount = 0;
int stdFrameSize;
unsigned char stdFrameHeader;
unsigned char amrFrame[MAX_AMR_FRAME_SIZE];
short pcmFrame[PCM_FRAME_SIZE];
fpamr = fopen(pchAMRFileName, "rb");
if ( fpamr==NULL ) return 0;
// 检查amr文件头
fread(magic, sizeof(char), strlen(AMR_MAGIC_NUMBER), fpamr);
if (strncmp(magic, AMR_MAGIC_NUMBER, strlen(AMR_MAGIC_NUMBER)))
{
fclose(fpamr);
return 0;
}
// 创建并初始化WAVE文件
fpwave = fopen(pchWAVEFilename, "wb");
WriteWAVEFileHeader(fpwave, nFrameCount);
/* init decoder */
destate = Decoder_Interface_init();
// 读第一帧 - 作为参考帧
memset(amrFrame, 0, sizeof(amrFrame));
memset(pcmFrame, 0, sizeof(pcmFrame));
ReadAMRFrameFirst(fpamr, amrFrame, &stdFrameSize, &stdFrameHeader);
// 解码一个AMR音频帧成PCM数据
Decoder_Interface_Decode(destate, amrFrame, pcmFrame, 0);
nFrameCount++;
fwrite(pcmFrame, sizeof(short), PCM_FRAME_SIZE, fpwave);
// 逐帧解码AMR并写到WAVE文件里
while(1)
{
memset(amrFrame, 0, sizeof(amrFrame));
memset(pcmFrame, 0, sizeof(pcmFrame));
if (!ReadAMRFrame(fpamr, amrFrame, stdFrameSize, stdFrameHeader)) break;
// 解码一个AMR音频帧成PCM数据 (8k-16b-单声道)
Decoder_Interface_Decode(destate, amrFrame, pcmFrame, 0);
nFrameCount++;
fwrite(pcmFrame, sizeof(short), PCM_FRAME_SIZE, fpwave);
}
Decoder_Interface_exit(destate);
fclose(fpwave);
// 重写WAVE文件头
fpwave = fopen(pchWAVEFilename, "r+");
WriteWAVEFileHeader(fpwave, nFrameCount);
fclose(fpwave);
return nFrameCount;
}
4. AMR帧读取算法
因为可能存在异常帧,所以不一定所有的语音帧大小一致,对于跟正常帧大小不一致的,或者帧头跟正常帧头不一致的,就不交给解码器,直接抛弃该坏帧。
读取帧的算法,用C语言来编写,readAMRFrame.c,JAVA可以用类似的方法。
下面是算法描述流程图。
读首帧(标准帧)
ReadFirstAMRFrame
根据帧头计算标准帧的大小
caclAMRFrameSize
AMR音频文件流
读帧头(字节)
frameHeader
判断是否为坏帧?
Y
N
读本帧音频数据
帧头 + 音频数据 = 当前帧数据