音频应用

 找回密码
 快速注册

QQ登录

只需一步,快速开始

搜索
查看: 1698|回复: 1

[音频] 音频的编解码及其优化方法和经验

[复制链接]

37

帖子

0

听众

905

积分

音频应用新手发布

Rank: 1

积分
905
QQ
发表于 2018-5-8 14:38:59 | 显示全部楼层 |阅读模式
音频的编解码及其优化方法和经验0 i' R$ X: Q( s- {# i

8 @8 }. C; t" g9 ?8 }音频的编解码(codec)根据应用场景的不同主要由几大技术组织制定,分别是ITU-T、3GPP、MPEG。当然也有一些公司或者公司的联合体等制定,如微软的WMA。他们不仅制定了codec的规范,同时还提供软件实现的reference code,这样便于普及制定的codec的使用。本文先谈谈这些codec,然后讲怎么样根据reference code去优化codec(主要是减少CPU load)。2 L2 O8 s0 O0 n2 o9 w
) A9 L  d) M0 v8 {) L& q, l

1 N3 q. q' U+ R. d) N
  y$ D- h5 O# h1,codec 规范
$ V& V& }+ U& ^9 p
; s8 h* V# C, |" Q+ W/ l" C1 e1)ITU-T
3 w& _6 B5 s& N/ s: N0 O# c! [. R: u: }! G* H2 z% B0 _
ITU-T制定的是有线语音的codec标准,即G系列,主要有G.711、G.722、G.726、G.728、G.729等。采样率窄带是8KHz,宽带是16KHz。码率从64kbps到8kbps不等。下表列出了具体的采样率和码率。
- M4 G; V; m% Z' D4 C- c# z+ X/ u& z" w" k3 ]
   1181527-20170910202814179-1578742137.png                                                          9 s8 ^. f/ p: M2 W  V
2 [) x' ^! p! [
2)3GPP+ ~- S" E4 E. r$ ~+ L
3 ]' O* t) U" q3 @
3GPP制定的是移动语音的codec标准,主要是AMR(adaptive multi-rate,自适应多码率)系列等,能根据网络状况自适应的调整码率。采样率窄带是8KHz,宽带是16KHz。近年来为了应对互联网的竞争(互联网公司提出了涵盖语音和音乐的OPUS codec),3GPP出台了EVS(enhanced voice service)音频编解码规范。EVS也涵盖了语音和音乐,能在两者之间灵活切换,支持多种采样率和码率。具体如下表。9 O6 y0 E* l+ p% A3 ^
1181527-20170910203032038-1508053091.png
+ L1 X* X- D0 K! b9 ?                                       
. m* c/ A1 L$ A3 S$ K# g- W
+ U: R- I: s) I3)MPEG3 ^  B9 Q6 N2 V

) T1 t$ [4 U$ _/ C% gMPEG制定的主要是音乐的编解码规范,主要有MP3、AAC等。MP3大家都很熟悉,是近二十年来听音乐的最主要的格式,AAC是MP3的继承者,下一代的最主要的音乐编解码规范。音乐中采样率一般是44100HZ,也有的用48000HZ。码率在一个范围内,码率越大,音质越好。+ Z2 w, R6 `! v& J* _! k

- X# @! S& q5 q/ [ + N: L5 j* r, j7 j+ M) k- ^/ I& u) A
/ T7 Y( C) F! ~: i" F8 l
4)公司或公司联合体# V8 T2 I5 Y6 B

, D7 r6 V2 \' B: `# t* ?4 r1 |0 I一些公司或者公司联合体根据需要制定音频的编解码规范,比如微软的WMA,Skype的SILK,GIPS(GIPS在2011年被谷歌收购,谷歌基于GIPS的音视频解决方案推出了webRTC并开源出来,影响巨大)的ILBC等。还有一个不得不提的就是OPUS,它是由非盈利的Xiph.org 基金会、Skype 和Mozilla 等共同主导开发的,全频段(8kHZ到48kHZ),支持语音和音乐(语音用SILK, 音乐用CELT),已被IETF接纳成为网络上的声音编解码标准(RFC6716)。
% ^6 E. S! U$ T% @, o
6 n4 I0 e7 p  Z5 C9 C, [
$ r$ }( j# h3 X* l+ q: U( \. @0 e+ @/ l/ P! V% D
我用过的codec从语音到音乐分别有G.711/G.722/G.726/G.728/G.729/AMR-NB/AMR-WB/ILBC/OPUS/MP3/AAC/WMA/APE/Vorbis/ALAC/FLAC等。
3 S2 m5 l# \+ r* Z% g
/ x/ T0 z" M6 |5 u8 Q2 K; Q( o ; Y& t& H; j9 ?2 H% U( l
6 z/ ~! X# D8 f8 p
2,codec的优化
. r9 M- a; L# }  |8 S, u6 @/ h* o; {4 O" Z9 a' i: z
这里讲的优化主要是指CPU load的优化,即优化后运行codec占用更少的CPU,在具体的硬件平台上运行的更流畅。优化到什么程度算结束这依赖需求而定。如果优化后给所在项目用,就要看项目给你多长时间优化以及项目能接受的优化后的CPU load,一般情况下项目用上优化后的codec后在最复杂的场景下能流畅运行又不影响其他功能就可以了,因为项目上要腾出人手做其他事情,毕竟项目进度和质量是最重要的。如果优化后作为库卖给客户用,就要尽量优化到极致,因为这是用户选择用哪家公司库的重要指标,是卖点,这种情况下就会有更多的优化方法和技巧。我做过的优化都是给项目用,没有作为库给客户用,因而技巧不是特别多。
, M) G; x: Y" H0 k5 {$ H! ~* I; d" X4 _( y
1)优化前的准备工作
; h: m7 ]6 X' `# z- E% K
3 z; p; c7 V- R  c  y( S. N9 Ea)    通读一下要优化的codec的代码,尽量读懂,即使没懂也要搞清楚函数是干什么的,这有利于后面优化。
: k- ]% D' y8 z# h+ J  Z4 [- x  j7 }# l, m) x/ d, B
b)    准备好profiling工具,profiling工具就是测量运行某个函数花了多少clock。有现成的profiling工具最好,如果没有就根据具体OS和硬件平台(ARM/MIPS等)自己做工具。
" m% |4 t0 K" y; b8 n
6 x" u. k" T( h2 ]: I1 Fc)    准备好test vector,即测试的音源,一般codec制定的官方会提供,通常是多个vector, 对应于不同的场景。优化的原则是在减少CPU load的同时算法运算结果不被改变,所以在做优化时每优化一些就要用test vector跑一下,看结果有没有改变,如果改变了,就要退回到上一个版本。我做优化时每天至少保留一个版本,有时两个或者三个,就是为了出问题时好回溯,尽快查出哪个地方的优化出了问题。) t2 I) _2 R: I) ]+ r

- k" s9 t8 F* G; ^" l 9 w+ n' |/ R% n+ N

. u& B- z3 W3 J+ f0 u2 X/ B2)优化步骤与方法- I) M7 ]$ v/ o2 N7 [8 z4 w: ^5 o
% F7 h  t: o: T, r4 o( e& e
a)    将编译器的优化选项从-o0改为-o3+ z, i! u. e- M( ?/ S  U2 C
. W% |3 S3 v& E
b)    给代码中那些经常被调用的又短小的函数加上inline4 P  D+ i4 [1 ^2 F

: v5 [$ Q: s& F6 z# d; G4 y通常情况下做完a,b后load会下来一大截,如同挤泡沫一样,会挤掉很大一部分。, J) o) W7 v- p3 |! P- L
2 u( s' C2 s  e  O
c)     ITU-T或者3GPP的codec reference code中有好多基本运算(加减乘除)的函数,这些函数都写的特别严谨,同时调用的频次又非常高,因而加大了运算复杂度。这些函数中有些在保证正确的前提下可以简化(如一些防饱和就可以不要),这样处理后load会降下来一些。
5 r1 O) _5 ^" }4 r3 K6 J/ J1 T5 l' P$ ]
d)    用profiling工具一步步排查看到底哪个函数花的load多,明白这个函数是干什么的,然后具体问题具体分析,看怎么样来优化。
7 k5 @$ U! u  Z) q# ^% v8 Q- r, Q$ @
e)    有些函数就是一个小算法,reference code中写的比较复杂,调用频次又比较高。要去找有没有简单的实现可以替代,有的话替代了load就会降下来一些。比如codec中经常有求平方根的计算,reference code中通常写的比较复杂。我们知道用牛顿迭代法也可以求平方根,就可以用牛顿迭代法去替换将load降下来。
) U9 I  W; ]% \* g& v- A' z. U' }. i/ W' E1 B% c# g* V; j% g2 v
f)     用汇编优化。如果在C级别能解决问题就不要用汇编了。各个处理器都有自己的汇编指令集,需要去学并且掌握其中的思想和技巧。通常是用的频次较高的又比较占load的函数用汇编去写,即用C和汇编混合编程。汇编优化花的时间会相对长一些。4 i1 l* T" f. w* w- t3 j% A
# J1 u, `/ C9 a, p9 g) w8 M
当然还有一些小的技巧比如展开for循环、用指针替代数组等,这里就不一一说了。
音频应用 Audio app

13

帖子

0

听众

314

积分

音频应用新手发布

Rank: 1

积分
314
发表于 2018-5-15 07:50:39 | 显示全部楼层
不错!辛苦了,好文章,我学习了啊
音频应用 Audio app
回复 支持 反对

使用道具 举报

高级模式 自动排版
您需要登录后才可以回帖 登录 | 快速注册

本版积分规则

QQ|小黑屋|手机版|Archiver|音频应用 ( 鄂ICP备16002437号-6)

GMT+8, 2019-1-23 17:03 , Processed in 1.093750 second(s), 9 queries , MemCache On.

Powered by Audio app

© 2019 Audioapp Inc.

快速回复 返回顶部 返回列表