三、A2DP协议详解

参考的文档：

https://developer.aliyun.com/article/1171880

https://wlink.blog.csdn.net/article/details/107727900

AVDTP_SPEC_V13.pdf

A2DP_SPEC_V12.pdf

Assigned_Numbers.pdf

一、简介

1 A2DP和A2DTP概念介绍

简介： A2DP(Advanced Audio Distribution Profile)是蓝牙高音质音频传输协议， 用于传输单声道， 双声道音乐（一般在 A2DP 中用于 stereo 双声道） ， 典型应用为蓝牙耳机。 A2DP旨在通过蓝牙连接传输高质量的立体声音频流。它使用的基本压缩算法是SBC（Sub-Band Coding）来减小音频数据的大小，同时保持高音质，SBC压缩虽然效率较低，但是是必须支持的基本备用方案。A2DP还支持其他高级编解码器，例如AAC、aptX和LDAC，这些编解码器比SBC提供更好的音质，但这些编解码器的支持取决于设备本身的支持情况。

A2DP数据的流传示意图如下：

2 蓝牙音频概念

1. 采样率：采样率指单位时间内对连续模拟信号进行离散化采样的次数，单位为赫兹（Hz）。1s采集的次数

2. 位宽：表示单个采样点的振幅值被量化的离散级别数，即每个采样值占用的二进制位数。每个采样点振幅被映射为 216=65536216=65536 个离散值（范围：-32768 ~ +32767）。

3. 单/双声道：

• 单声道（Mono）：单一声轨，所有音频信号混合至单一通道输出，无空间方位信息。
• 双声道（Stereo）：独立左（L）、右（R）双通道，通过声道间 电平差（Level Difference） 和 时间差（ITD, Interaural Time Difference） 传递立体声场信息。

A2DP 协议必须支持SBC格式， 其他的格式是可选的，支持的格式如下：

二、AVDTP讲解

1 AVDTP术语概念

携带的信息有

• SEID（流端点标识符）：唯一标识流端点的跨设备标识符，用于信令交互，范围1-15 。
• 流端点类型（TSEP）：标明是音视频源（SRC）还是接收器（SNK），例如耳机为SNK，手机为SRC 。
• 编解码能力：支持的音频编解码格式（如SBC、AAC、aptX）及参数（采样率、比特率等），通过<font style="color:rgba(0, 0, 0, 0.88);background-color:rgb(246, 246, 246);">Get Capability</font>命令协商。
• 传输会话类型：
  • 媒体会话（Media Packet）：传输音视频数据，基于RTP协议 9。
  • 恢复会话（Recovery Packet）：用于前向纠错（FEC），提升抗干扰能力 9。
  • 报告会话（Reporting Packet）：传递QoS统计信息（如延迟、丢包率） 9。
• 流状态：包括空闲（Idle）、打开（Open）、流传输（Streaming）等状态，用于控制流的生命周期。

2 AVDTP signal 通道的数据格式

回话流程如下：

3 信号格式

参考8.4小节

信号格式为：

以上就是Signal的header format,可以看到分3种封包格式：

1）单一封包

2）开始封包，一般用于封包大小>MTU的拆包的第一个封包

3）继续封包和结束封包，一般用于封包大小>MTU的继续封包和结束封包

字段解析：

2.3.1 Transaction Label：

类似ID，传输标示，4bit，INT角色来填写一个值，ACP必须回送一样的值

2.3.2 Packet Type：

封包类型，有以下几种

2.3.3 Message Type：

消息类型，有以下几种

命令、响应、接收。拒绝

** 2.3.4 RFA：**

表示：省略

2.3.5 Signal Identifier：

** **信令标识符，有以下几种值

**2.3.****6 NOSP **

分片信号包中包含多少个数据包，Start封包会告知后续有多少个封包要传输

3 AVDTP discovery过程讲解

作用：主要用于在设备间发现并获取对方支持的 流端点（Stream End Point, SEP） 信息

3.1 消息作用

1 扫描对端设备的stream end point 有几个，分别是什么类型

3.2 封包格式

3.2.1 SEID

ID 做标识作用

3.3.2 In Use

是否在使用

3.2.3 Media Type

媒体类型

3.2.4 TESP

指示流端点是 SNK 还是 SRC

3.3 抓包分析

btsnoop_hci.zip

4 AVDTP_get_capaibity过程讲解

4.1 作用

拿到每个SEP的具体信息

4.2 命令

4.3 回复

主要是tlv的值

4.3.1 Service Categore为

4.3.2 Length Of Service Capabilities (LOSC)：

长度

4.3.3 Service Capabilities Information Elements：

常用的有

4.3.3.1 Media Transport

作用： Media Transport 负责建立、管理和维护音视频流的传输通道，确保数据在设备间高效可靠地传输。

• 协议支持：
  • AVDTP（音视频分布传输协议）：定义流端点（SEP）的发现、配置和流控制流程，支持单播和多播传输模式 1 6。例如，AVDTP的Stream Establishment流程用于打开特定SEID（流端点标识符），启动媒体流传输 1。
  • ISOAL（等时适配层）：在蓝牙核心规范6.0中增强，通过优化数据分帧和重组机制，降低传输延迟并提高可靠性，适用于LE Audio的同步多设备广播 5 7。
• 功能细分：
  • 流控制：通过Set Configuration、Start/Stop Stream等命令管理流的启停和参数配置 1。
  • 多流支持：例如在TWS耳机中，Media Transport支持左右耳独立音频流的同步传输，减少耳间延迟差异 8。

4.3.3.2 Media Codec

作用： Media Codec 负责对音频数据进行压缩编码和解码，平衡音质、带宽和功耗需求。

• 核心编解码器：
  • LC3（低复杂度通信编解码器）：蓝牙LE Audio的强制编解码器，支持16-48kHz采样率及动态比特率调整（32-320kbps），在相同比特率下音质显著优于传统SBC编码，且功耗更低 7 8。例如，LC3在32kHz/64kbps下的音质接近EVS编码，适用于高清语音通话 8。
  • 传统编解码器：如A2DP中的SBC（基础子带编码）、aptX和AAC（苹果设备常用），分别针对不同场景优化音质与延迟 4 6。
• 技术特性：
  • 动态适应：LC3支持PLC（丢包隐藏）技术，在数据包丢失时通过插值算法补偿音频，提升抗干扰能力 7。
  • 多通道支持：LE Audio通过LC3实现多通道音频传输（如立体声、环绕声），并支持广播音频场景下的高同步性

4.3.3.2.1 Media Type

4.3.3.2.2 Media Codec Type

4.3.3.2.3 Media Codec Specific Information Elements

A2DP中的特定的Media Codec

1)Sampling Frequency(采样频率)

• 含义：音频信号每秒的采样次数，单位为Hz。常见值包括16 kHz、32 kHz、44.1 kHz、48 kHz等。
• 作用：决定音频信号的频率范围（根据奈奎斯特定理，最高频率为采样频率的一半）。例如，44.1 kHz可覆盖人类听觉范围（20 Hz-20 kHz）。不同的编解码器支持的采样率不同，SBC支持16 kHz至48 kHz的采样频率 1 8。
• 对音质的影响：采样率越高，音频细节保留越完整，但数据量也越大。

2)Channel Mode（通道模式）

• 含义：音频通道的配置方式，如单声道（Mono）、立体声（Stereo）、联合立体声（Joint Stereo）或双通道（Dual Channel）。
• 作用：
  • 单声道：仅传输一个声道，适用于语音通话。
  • 立体声/联合立体声：传输左右声道，联合立体声通过共享部分频段信息减少数据冗余 3 8。
  • 双通道：独立处理左右声道，可能提高分离度但增加比特率。例如，SBC的双通道模式可将比特率提升至617 kbps（通过独立分配比特池） 3 8。

3)Block Length（位深）

• 含义：编码时每个音频块的时间长度，通常以块数（如4、8、12、16）表示。
• 作用：块长度越长，编码效率越高（压缩比提升），但会增加算法延迟。例如，SBC默认使用16块，对应约4.8 ms的音频数据块 3 8。
• 对实时性的影响：较短的块长度（如4块）适用于低延迟场景，但可能导致压缩效率下降。

4)Subbands（子带数量）

• 含义：编解码器将音频信号分割为多个子带（频段）的数量，SBC支持4或8个子带。
• 作用：子带数量影响频域分析的精细度。8个子带能更精确地分配量化比特，优化高频和低频的编码效果 2 8。
• 权衡：子带越多，计算复杂度越高，但音质提升边际效应递减。

5)Allocation Method（分配方法）

• 含义：量化比特在不同子带间的分配策略，常见方法包括Loudness（响度感知）和SNR（信噪比优化）。
• 作用：
  • Loudness：基于人耳听觉特性，优先为敏感频段分配更多比特，减少听觉冗余 3 8。
  • SNR：均匀分配比特以减少整体量化噪声，但可能牺牲高频细节。
• 实际应用：SBC默认使用Loudness方法，以优化主观听感

6)Minimum Bitpool Value （最小比特池值）

• 含义：编解码器允许的最小比特池值，决定最低比特率。
• 作用：确保基本音质下限。例如，SBC的最小比特池值通常为2，对应最低约10 kbps的比特率 2 3。
• 应用场景：网络条件较差时，通过降低比特池值维持连接稳定性。

7)Maximum Bitpool Value（最大比特池值）

• 含义：编解码器允许的最大比特池值，决定最高比特率。
• 作用：限制编码器的最高比特率以避免带宽过载。例如，SBC的默认最大比特池为53，对应328 kbps（44.1 kHz下） 2 8。
• 音质影响：较高的比特池值（如实验性SBC XQ模式）可提升音质，接近aptX HD水平

4.3.3.3 Delay Reporting

作用： Delay Reporting 主要用于测量和报告音视频传输中的端到端延迟差异，确保音频与视频的同步性，并优化实时传输的QoS（服务质量）。

• 延迟同步：在音视频流传输中，由于音频和视频的处理路径不同，可能导致播放不同步。Delay Reporting通过反馈延迟数据，帮助设备动态调整缓冲或播放时序，实现音画同步 1 5。
• QoS管理：在蓝牙LE Audio中，延迟报告结合LC3编解码器的低延迟特性，支持动态调整编解码参数以适应不同场景（如通话、游戏），减少用户感知的延迟 5 7。
• 应用场景：例如在蓝牙耳机与手机的视频播放中，Delay Reporting可检测音频流与视频流的延迟差，通过调整音频播放时间戳实现同步

5 AVDTP_set_configure过程详解

作用：配置想要的参数

ACP SEID

• 作用：标识远端设备（接受方，ACP）的流端点。在配置过程中，发起方（INT）通过此标识符选择并指定远端设备中需要配置的SEP。
• 场景：例如，当手机（INT）连接蓝牙耳机（ACP）时，手机通过ACP SEID确定耳机支持的音频编码能力和参数（如SBC解码能力、采样率等），从而完成适配配置

INT SEID

• 作用：标识本地设备（发起方，INT）的流端点。发起方通过此标识符指定自身用于数据传输的SEP。
• 场景：在配置阶段，发起方需向远端设备声明自身使用的SEP，以确保两端流端点的兼容性。例如，手机在发送音频数据时，需通过INT SEID确定本地音频源的传输参数（如编码格式、声道模式等）

6 AVDTP_delay_report过程详解

作用：为了音画同步，让视频延迟播放

7 AVDTP_open过程详解

作用：它的核心作用是 触发流通道的正式开启，使音视频数据能够通过已协商的参数（如编解码格式、采样率等）进行传输

8 AVDTP_start过程详解

1 作用：AVDTP_START 命令触发设备间音频或视频流的数据传输，将流端点（SEP）状态从 <font style="color:rgba(0, 0, 0, 0.88);">OPEN</font> 切换为 <font style="color:rgba(0, 0, 0, 0.88);">STREAMING</font>，允许数据通过已建立的 L2CAP 数据通道传输

2 协议分析：

3 什么时候触发：

1 source端点击播放时
2 sink端点击播放 发送avrcp play命令

9 AVDTP_音频封包格式

包格式如下：

可以看出是由Media Packet + Header Media Payload + Frame Header

组成

**9.1 Media Packet Header **

文档中解释如下：

Mandatory 必选强制要求

Extension 可选扩展功能

详细解析如下：

1. Version (V): 2 bits
   • 这个字段用来标识使用的RTP版本号。目前广泛使用的是版本2。其他值如0和1很少见，其中0主要用于早期的实验性软件“vat”中，而1代表了RTP草案阶段。
2. Padding §: 1 bit
   • 如果设置了这个位，则表示在RTP数据包末尾存在额外的填充字节。这些填充字节不包含任何实际的数据信息，并且通常用于满足某些特定网络传输需求，比如确保整个数据包大小符合某种对齐要求或加密算法的需求。
3. Extension (X): 1 bit
   • 当该位被设置为1时，表明在标准RTP头之后还附加了一个扩展头。这种情况下，扩展头的第一个字节指出了扩展项的长度（以32位字为单位），随后是具体的扩展信息内容。这对于增加自定义功能非常有用。
4. CSRC Count (CC): 4 bits
   • 表示贡献源识别符(CSRC)列表中包含了多少个32位长的标识符。每个CSRC ID都对应于一个参与创建当前RTP包内容的来源。这主要用于混合器场景下追踪原始音频/视频流的贡献者。
5. Marker (M): 1 bit
   • 标记位的作用取决于具体的应用场景或配置文件(profile)。它可能用于标记重要的事件边界，例如视频帧的开始、音频片段的重要变化点等。不同类型的媒体流可能会给此位赋予不同的意义。
6. Payload Type (PT): 7 bits
   • 有效载荷类型字段用来指定所携带的数据类型。对于多媒体应用来说，它可以区分不同的编解码器输出，比如GSM编码的语音、JPEG压缩的图像或者H.264编码的视频流等。接收端通过检查这一字段来决定如何处理接收到的数据。
7. Sequence Number: 16 bits
   • 每发送一个新的RTP数据包，序列号就会递增一次。这样可以跟踪丢包情况并保持正确的播放顺序。
8. Timestamp: 32 bits
   • 时间戳反映了生成第一个八位组的时间点，单位由负载类型定义。它帮助同步多个相关联的媒体流，并支持精确的回放控制。
   • 实际上，时间戳增加一并不是我们通常意义上的过了一个微秒，而是增加了一个采样间隔那么长的时间。举个例子来说。不同的采集有不同的采样频率，比如一般的音频是8K的采样频率，也就是一毫秒采集8次数据，也就是每次采样间隔是1/8MS，而timestamp增加1也就意味着增加了一个采样间隔。也就是过了1/8MS。换个例子，如果令一种编码的采样频率是16K，那么timestamp增加1也就意味着系统过了1/16MS。也就是说，再同一个系统中，对不同编码，虽然使用同一个时钟，但timestamp的增长速度是不同的，在这个例子中，采样频率是16K的编码要比8K的快两倍，请记住这个区别。
9. Synchronization Source (SSRC) Identifier: 32 bits
   • 每个独立的RTP会话参与者都有其唯一的同步源标识符。发送方使用这个ID来让接收方能够区分不同的数据源。
10. Contributing Source (CSRC) Identifiers: variable length
    • 如上所述，当CC字段非零时，紧跟在固定头部之后的就是一系列32位长的CSRC标识符，数量由CC字段指定。它们提供了关于哪些源对该数据包有所贡献的信息。

9.2 Media Payload

9.3 Frame Header

封包格式为：

0	1	2	3	4	5	6	7
syncword (9C)
sampling frequency		blocks		channel mode		allocation_method	subbands
bitpool
crc_check
…

1. Syncword (0x9C)

• 作用：同步字，用于标识SBC帧的起始位置，确保接收端正确解析数据流的边界。
• 值：固定为0x9C（二进制<font style="color:rgba(0, 0, 0, 0.88);">10011100</font>），在蓝牙A2DP协议中作为SBC帧的唯一标识 1 4。
• 意义：接收端通过检测该字段实现帧对齐，若丢失或错误可能导致音频流解析失败。

2. Sampling Frequency（采样频率）

• 定义：音频信号的采样率，决定音频频宽与质量。
• 可选值：16 kHz、32 kHz、44.1 kHz、48 kHz。
• 编码规则：
  • 解码器必须支持44.1 kHz和48 kHz 1 7。
  • 编码器需至少支持44.1 kHz或48 kHz中的一种。
• 位表示：通常由2位字段表示，例如00=16 kHz，01=32 kHz，10=44.1 kHz，11=48 kHz 1 4。

3. Blocks（块数）

• 定义：每个SBC帧包含的音频块数量，直接影响编码延迟和压缩效率。
• 可选值：4、8、12、16个块。
• 规则：
  • 编码器和解码器必须支持所有块数 1 7。
  • 块数越多，编码延迟越高，但压缩效率可能提升。
• 位表示：通常由2位字段编码，例如00=4块，01=8块等 4。

4. Channel Mode（通道模式）

• 定义：音频通道的编码方式，决定立体声效果与带宽占用。
• 模式分类：
  • Mono（单声道）：单通道音频。
  • Dual Channel（双通道）：独立编码左右声道，适用于双耳独立信号。
  • Stereo（立体声）：左右声道独立编码。
  • Joint Stereo（联合立体声）：利用声道间冗余压缩数据，提升效率 1 4。
• 规则：解码器需支持全部模式，编码器至少支持Mono和一种其他模式。

5. Allocation Method（比特分配方法）

• 定义：决定子带中比特分配的算法类型。
• 类型：
  • SNR（信噪比优化）：根据子带信号的信噪比分配比特，适用于高保真场景。
  • Loudness（响度优化）：基于人耳听觉特性分配比特，优先保留高频细节 1 5。
• 规则：解码器需支持两种方法，编码器至少支持Loudness。

6. Subbands（子带数量）

• 定义：将音频信号分割的子带数，影响频域分辨率。
• 可选值：4或8个子带。
• 规则：
  • 解码器必须支持两种子带数。
  • 编码器需至少支持8个子带 1 4。
• 影响：子带数越多，频域划分越细，但计算复杂度增加。

7. Bitpool（比特池）

• 定义：动态控制每块分配的比特总数，直接影响音频质量和码率。
• 范围：2~250，具体最大值受通道模式和子带数限制（例如Joint Stereo模式下上限为32×子带数） 1 5。
• 作用：
  • 值越大，比特分配更灵活，音质提升但延迟和带宽需求增加。
  • 低Bitpool可降低功耗，适用于移动设备 9。

8. CRC Check（循环冗余校验）

• 作用：检测帧头传输错误，确保关键参数正确性。
• 计算范围：覆盖Syncword至Bitpool字段。
• 规则：若校验失败，接收端可能丢弃该帧或请求重传 1 6。

9. RFA（保留字段）

• 定义：Reserved for Future Use，协议中未定义的保留位。
• 用途：用于未来扩展或厂商自定义功能，当前需置0 4 7。

10. Join[sb]（联合立体声子带标记）

• 定义：仅在Joint Stereo模式下有效，标记哪些子带采用联合编码。
• 规则：
  • 每个子带由1位标记（0=独立编码，1=联合编码）。
  • 子带数由Subbands字段决定（4或8位） 1 4。
• 目的：通过共享声道间相似频段信息，减少冗余数据，提升压缩率。

封包内容详解：A2DP文档

10 AVDTP_suspend过程详解

11 AVDTP_close过程详解

三、A2DP讲解

A2DP主要是负责编解码

1 A2DP协议讲解

蓝牙音频编解码协议对比表

协议	开发者	码率范围	采样率/位深	延迟	核心技术	主要优势	主要劣势	典型应用场景
SBC	蓝牙技术联盟 (SIG)	64-328kbps	16-48kHz / 16bit	150-250ms	子带编码 + 自适应PCM量化	强制兼容性，硬件资源占用低	压缩率高，音质损失明显	所有蓝牙设备基础传输
AAC	苹果/MPEG	64-320kbps	8-96kHz / 16-24bit	150-200ms	MDCT变换 + 心理声学模型	低码率音质优化，苹果生态兼容	二次编码失真，延迟较高	苹果设备、流媒体平台
LDAC	索尼	330/660/990kbps	24bit/96kHz	150-200ms	改进MDCT + 霍夫曼编码	高解析音质，动态码率适应	信号稳定性要求高	索尼耳机、Hi-Res音频设备
aptX	高通	48-576kbps	24bit/48kHz	40-200ms	ADPCM差分编码	低延迟（LL版），硬件兼容性	专利限制，苹果不支持	安卓手机、电竞耳机
LHDC	Savitech	128kbps-1Mbps	24bit/192kHz	30-150ms	动态码率 + 空间音频扩展	超低延迟（LLAC），超高解析	设备支持少，生态未成熟	安卓旗舰手机、车载系统

1. 音质排序：LHDC ≈ LDAC > aptX > AAC > SBC 3 4 11。
2. 延迟排序：LHDC LLAC（30ms）< aptX LL（40ms）< SBC（200ms） 11 19。
3. 兼容性：SBC（全设备）> AAC（苹果/安卓）> aptX（高通设备）> LDAC/LHDC（特定品牌）
4. 适用场景：
   • 音乐发烧友：优先LDAC/LHDC。
   • 游戏/视频：aptX LL或LHDC LLAC。
   • 日常通用：SBC/AAC（兼顾兼容性与基础音质）。