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）：
| 位数 | 字段名 | 含义 |
|---|---|---|
| 12 bit | syncword | 同步字 0xFFF，标识帧起始 |
| 1 bit | ID | MPEG 版本（0 = MPEG-4，1 = MPEG-2） |
| 2 bit | layer | 固定为 00 |
| 1 bit | protection_absent | 1 表示无 CRC 校验 |
| 2 bit | profile | AAC Profile（0=Main,1=LC,2=SSR,3=保留） |
| 4 bit | sampling_frequency_index | 采样率索引（如 4 = 44100Hz） |
| 1 bit | private_bit | 私有标志位 |
| 3 bit | channel_configuration | 声道数（如 2 = 立体声） |
| 1 bit | original_copy | 原版/拷贝标志 |
| 1 bit | home | 主页标志 |
| 1 bit | copyright_identification_bit | 版权位 |
| 1 bit | copyright_identification_start | 版权起始位 |
| 13 bit | frame_length | 整个 ADTS 帧的长度（Header + Data） |
| 11 bit | adts_buffer_fullness | 缓冲区满度（0x7FF 表示码率可变） |
| 2 bit | number_of_raw_data_blocks_in_frame | 每帧包含的 AAC 原始块数（一般为 0） |
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）
| 索引 | 采样率 |
|---|---|
| 0 | 96000 |
| 1 | 88200 |
| 2 | 64000 |
| 3 | 48000 |
| 4 | 44100 |
| 5 | 32000 |
| 6 | 24000 |
| 7 | 22050 |
| 8 | 16000 |
| 9 | 12000 |
| 10 | 11025 |
| 11 | 8000 |
| 12 | 7350 |
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）
- Huffman 解码
- 将压缩的频域系数恢复成量化值
- 逆量化（Inverse Quantization）
- 将量化频谱值恢复到浮点频谱
- 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
- IMDCT（Inverse Modified Discrete Cosine Transform）
- 将频域数据转为时域样本
- 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 Profileint 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 0xFFFif ((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。