AGENDA
     ＊ MP3簡介
     ＊ MP3檔案結構
        ——Tag_v2(ID3v2)標籤幀
        ——資料幀
        ——Tag_v1(ID3v1)標籤幀
     ＊MP3編解碼流程
     ＊MP3檔案的播放流程

一、MP3簡介：
      MP3全稱MPEG 1 audio layer 3，其中MPEG（Moving Picture Experts Group）標準包括視訊和音訊
  標準，其中音訊標準已制定出 MPEG-1、MPEG-2、MPEG-2 AAC和MPEG-4。
      MPEG-1和MPEG-2標準使用同一個音訊編碼解碼族—— Layer1、Layer 2、Layer3。 它根據壓縮質量
  和編碼複雜程度進行劃分的，分別對應MP1、MP2、MP3 這三種聲音檔案，並根據不同的用途，使用不同層
  次的編碼。MPEG 音訊編碼的層次越高，編碼器越複雜，壓縮率也越高
     MPEG-2一個新特點是採用低取樣率擴充套件降低資料流量，另一特點是多通道擴充套件，將主聲道增加為5個。
     MPEG Audio Layer 1、Layer2、Layer3三個層使用相同的濾波器組、位流結構和頭資訊，取樣頻率為
              32KHz、44.1KHz、48KHz。
     Layer 1是為數字壓縮磁帶DCC（Digital Compact Cassette）設計的，資料流384kbps；壓縮率4：1；
     Layer 2在複雜性和效能間作了權衡，資料流量下降到256kbps-192kbps；壓縮率6：1－8：1；
     Layer 3一開始就為低資料流量而設計，資料流量在128kbps-112kbps，壓縮率高達10：1－12：1；
     Layer 3增加了MDCT變換，使其頻率分辨能力是Layer 2的18倍，Layer 3還使用了與MPEG Video
     類似的平均資訊量編碼（Entropy Coding），減少了冗餘資訊。MP3絕大部分使用的是MPEG-1標準。

      MP3的音訊質量取決於它的Bitrate和Sampling frequency，以及編碼器質量。MP3的典型速度介於
  每秒128到320kb之間（此處有問題）。取樣頻率也有32，44.1，48 kHz三種頻率，比較常見的是採用CD
  取樣頻率——44.1kHz。常用的編碼器是LAME，它完全遵循LGPL的MP3編碼器，有著良好的速度和音質。
      MP3 對音訊訊號採用的是有失真壓縮方式，為了降低聲音失真度，MP3採取了“感官編碼技術”，即它
  丟掉脈衝編碼調製（PCM）音訊資料中對人類聽覺不重要得資料，從而達到了較高的壓縮比，即編碼時先對
  音訊檔案進行頻譜分析，然後用過濾器濾掉噪音電平，接著通過量化的方式將剩下的每一位打散排列，最後
  形成具有較高壓縮比的MP3 檔案，並使壓縮後的檔案在回放時能夠達到比較接近原音源的聲音效果。

           
二．整個MP3 檔案結構：

      MP3檔案是由幀（frame）構成，幀是MP3檔案的最小組成單位。每幀都包含幀頭，並可以計算幀的長度。根據幀的性質不同，檔案主要分為三個部分，TAG_V2(ID3V2)標籤幀，資料幀和TAG_V1(ID3V1) 標籤幀。並非每個MP3檔案都有ID3v2，但是資料幀和ID3v1幀是必須的。ID3v2在檔案頭，以字串“ID3”為標誌，包含了演唱者，作曲，專輯等資訊，長度不固定，擴充套件了ID3V1的資訊量。ID3v1在檔案結尾，以字串“TAG”為標記，其長度是固定的128個位元組，包含了演唱者、歌名、專輯、年份等資訊。

    1. ID3V2 標籤
     ID3V2到現在一共有四個版本，但流行的播放軟體一般只支援第三版，既ID3V2.3。每個ID3V2.3 的標籤都有一個標籤頭和若干個標籤幀或一個擴充套件標籤頭組成。關於曲目的資訊如標題、作者等都存放在不同的標籤幀中，擴充套件標籤頭並不是必要的，但每個標籤至少要有一個標籤幀。標籤頭和標籤幀一起順序存放在MP3 檔案的首部。
標籤頭
長度為10個位元組，位於檔案首部，其資料結構如下：
char Header[3]; /* 字串 "ID3" */
char Ver;       /* 版本號ID3V2.3 就記錄3 */
char Revision; /* 副版本號此版本記錄為0 */
char Flag;    /* 存放標誌的位元組，這個版本只定義了三位，很少用到，可以忽略 */
char Size[4]; /* 標籤大小，除了標籤頭的10 個位元組的標籤幀的大小 */標籤大小為四個位元組，但每個位元組只用低7位，最高位不使用，恆為0，其格式如下：
0xxxxxxx 0xxxxxxx 0xxxxxxx 0xxxxxxx

    ——標籤幀
    每個標籤幀都有一個10位元組的幀頭和至少一個位元組的不固定長度的內容組成。它們是順序存放在檔案中，由各自特定的標籤幀頭來標記幀的開始。其幀的結構如下：
char FrameID[4];   /*用四個字元標識一個幀，說明其內容 */
char Size[4];  /* 幀內容的大小，不包括幀頭，不得小於1 */
char Flags[2]; /* 存放標誌，只定義了6 位，此處不再說明 */
常用幀標識：
TIT2：標題
TPE1：作者
TALB：專輯
TRCK： 音軌，格式：N/M，N表示專輯中第幾首，M為專輯中歌曲總數
TYER：年份
TCON：型別
COMM：備註，格式：“eng/0備註內容”，其中eng表示所使用的語言
幀大小為四個位元組所表示的整數大小。

2.資料幀
    資料幀往往有多個，至於有多少，由檔案大小和幀大小來決定。每個幀 都有一個幀頭HEADER，長度是4BYTE（32bit）,幀頭後面可能有兩個位元組的CRC 校驗，這兩個位元組的是否存在決定於HEADER 資訊的第16bit， 為0 則幀頭後面無校驗，為1 則有校驗,校驗值長度為2 個位元組，緊跟在HEADER 後面，接著就是幀的實體資料 ，也就是MAIN_DATA了，格式如下：
    HEADER
    CRC（free）
    MAIN_DATA
    4 BYTE
   0 OR 2 BYTE

－－－－幀頭HEADER的詳細結構為：

－－－－－MAIN_DATA：
      MAIN_DATA 部分長度是否變化決定於HEADER 的bitrate是否變化，一首MP3 歌曲，它有三個版本：96Kbps（96 千位元位每秒）、128Kbps 和192Kbps。Kbps （位元位速率）， 表明了音樂每秒的資料量，Kbps 值越高，音質越好，檔案也越大，MP3標準規定，不變的bitrate 的MP3 檔案稱作CBR，大多數MP3 檔案都是CBR 的，而變化的bitrate 的MP3 檔案稱作VBR， 每個 的長度都可能是變化的。
———— C,LAME標籤幀
      當你真的開啟一個MP3檔案的時候，你會發現第一幀並不是真正的資料幀，而是LAME編碼的標誌幀。
這裡牽涉到兩個概念：CBR和VBR。它還存放了MP3檔案裡幀的總個數，和100個位元組的播放總時間分段的幀的INDEX，還有其他一些引數;
          
1）CBR：表示位元率不變，也就是每幀的長度是一致的，它以字串“INFO”為標記。只要知道檔案總長度
       和幀長,即可由播放每幀需26ms 計算得出mp3 播放的總時間，也可通過計數幀的個數控制快進、快退
       慢放等操作。
2）VBR：VBR是 Variable BitRate的簡稱，也就是每幀的位元率和幀的長度是變化的，是XING 公司推出的
       演算法，所以在MP3 的 裡會有“XING"這個關鍵字（現在很多流行的小軟體也可以進行VBR 壓縮，它們
       是否遵守這個約定，那就不得而知了），它存放在MP3 檔案中的第一個有效幀裡，它標識了這個MP3
       檔案是VBR 的。同時第一個 裡存放了MP3 檔案的 幀的總個數，這就很容易獲得了播放總時間，同時
       還有100 個位元組存放了播放總時間的100 個時間分段的幀的INDEX，假設4 分鐘的MP3 歌曲，
       240S， 分成100 段，每兩個相鄰INDEX 的時間差就是2.4S， 所以通過這個INDEX，只要前後處理少  
       數的，就能快速找出我們需要快進的 頭。除了INDEX,還有其他的一些引數，這被稱為Zone A，傳統  
       Xing VBR標籤資料，共120個位元組。 在二進位制文字編輯器裡我們還可看到一個字串“LAME”，並且
       後面清楚地跟著版本號。這就是20個位元組的Zone B初始LAME資訊，表示該檔案是用LAME編碼技術。
       接下來一直到該幀結束就是Zone C－LAME標籤。
     
   長度由幀頭計算得出 ：
1）每幀的播放時間：無論幀長是多少，每幀的播放時間都是26ms；
2）資料幀大小:
         Size = (((MpegVersion == MPEG1 ? 144 : 72) * Bitrate) / SamplingRate) + PaddingBit
   例如: Bitrate ＝ 128000, a SamplingRate ＝44100, and PaddingBit ＝ 1
         Size = (144 * 128000) / 44100 + 1 = 417 bytes

    3.ID3V1
其資料結構如下：
char Header[3];          /* 標籤頭必須是"TAG"否則認為沒有標籤 */
char Title[30];         /* 標題 */
char Artist[30];        /* 作者 */
char Album[30];         /* 專集 */
char Year[4];           /* 出品年代 */
char Comment[28];       /* 備註 */
char reserve;           /* 保留 */
char track;             /* 音軌 */
char Genre;             /* 型別 */
其實，關於最後31個位元組還存在另外一個版本，就是30個位元組的Comment和一個位元組的Genre.
有了上述的這些資訊，我們就可以自己寫程式碼，從MP3檔案中抓取資訊以及修改檔名了。但是，如果真的想寫一個播放軟體，還是需要讀它的資料幀，並進行解碼。

     三.MP3編碼與解碼流程

    MP3音訊壓縮包含編碼和解碼兩個部分。編碼是將WAV檔案中的資料轉換成高壓縮率的位流形式，解碼是接受位流並將其重建到WAV檔案中。MP3 採用了感知音訊編碼（Perceptual Audio Coding）這一失真演算法。人耳感受聲音的頻率範圍是20Hz-20kHz，MP3截掉了大量的冗餘訊號和無關的訊號，編碼器通過混合濾波器組將原始聲 音變換到頻率域，利用心理聲學模型，估算剛好能被察覺到的噪聲水平，再經過量化，轉換成Huffman編碼，形成MP3位流。解碼器要簡單得多，它的任務 是從編碼後的譜線成分中，經過反量化和逆變換，提取出聲音訊號。
MP3的解碼總體上可分為9個過程：位元流分析，霍夫曼編碼，逆量化處理，立體聲處理，頻譜重排列，抗鋸齒處理，IMDCT變換，子帶合成，PCM輸出。
簡要描述一下MP3的壓縮流程：聲音是一個模擬訊號，對聲音進行取樣，量化，編碼將得到PCM資料。PCM又稱為脈衝調製資料，是計算機可以播放的最原始資料，也是mp3壓縮的源，為了達到更大的資料壓縮率，MPEG錶針採用了子帶編碼技將PCM資料分成32個子帶，每個子帶都是獨立編碼的，然後將資料變換到頻域下分析，MPEG採用的是改進的離散餘弦變換，也可以使用傅立葉變換，再下來為了重建立體聲進行了頻域按特定規則的排列，隨後立體聲處理，處理後的資料按照協議定義進行量化。為了達到更大的壓縮，再進行霍夫曼編碼。最後將一些係數與主資訊融合形成MP3檔案。
解碼是編碼的反過程大概如下：
所謂位元流分解是指將mp3檔案以二進位制方式開啟，然後根據其壓縮格式的定義，依次從這個mp3檔案中取出頭資訊，邊資訊，比例因子資訊等。這些資訊都是後面的解碼過程中需要的。霍夫曼編碼是一種無失真壓縮編碼，屬於熵編碼[平均資訊量編碼（Entropy Coding）]。Mp3的解碼可以通過公式實時進行資料的解碼，但往往採用的是通過查表法實現解碼（節省了CPU時間資源）。
  MP3的技術亮點－－MDCT （修正的離散餘弦變換）：
修正的離散餘弦變換（MDCT）是指將一組時域資料轉換成頻域資料，以得知時域變化情況。MDCT是對DCT演算法的改進。早期的快速演算法是快速付立葉變換（FFT），但FFT有複數運算，MDCT都是實數運算，便於程式設計。
在 壓縮音訊資料時，先將原始聲音資料分成固定的分塊，然後做順向MDCT（Forward MDCT）將每塊的值轉換為512個MDCT係數，解壓時，經反向MDCT（Inverse MDCT）將512個係數還原成原始聲音資料，前後的原始聲音資料是不一致的，因為在壓縮過程中，去掉了冗餘和不相關資料。FMDCT變換公式為：
k=0，1，…，N/2-1
式中N是轉換視窗長度，即每塊樣本點數，N=8，16，…，1024，2048。
n0=（N/2+1）/2，X(n)為時域值，X(k)為頻域值。若N取1024點，則轉換成512個頻域值。
IMDCT變換公式為：
      n=0，1，…，N-1
MDCT本身並不進行資料壓縮，它只是把訊號對映到另一個域，量化才使資料得到壓縮。在對量化後的變換樣值進行位元分配時要考慮使整個量化塊最小，這就成為有失真壓縮了。

四、MP3檔案的播放流程

     一個完整MP3播放機要分幾個部分：中央處理器、解碼器、儲存裝置、主機通訊埠、音訊DAC和功放、顯示介面和控制鍵。其中中央處理器和解碼器是整個系統的核心。這裡的中央處理器我們通常稱為MCU（單片微處理器），簡稱微控制器。它執行MP3的整個控制程式，也稱為fireware（或者韌體程式）。控制MP3的各個部件的工作：從儲存裝置讀取資料送到解碼器解碼；與主機連線時完成與主機的資料交換；接收控制按鍵的操作，顯示系統執行狀態等任務。解碼器是晶片中的一個硬體模組，或者說是硬體解碼（有的MP3播放機是軟體解碼，由高速中央處理器完成）。它可以直接完成各種格式MP3資料流的解碼操作，並輸出PCM或I2S格式的數字音訊訊號。

     儲存裝置是MP3播放機的重要部分，通常的MP3隨身聽都是採用半導體儲存器（FLASH MEMORY）或者硬碟（HDD）作為儲存裝置的。它通過接受儲存主機通訊埠傳來的資料（通常以檔案形式），回放的時候MCU讀取儲存器中的資料並送到解碼器。資料的儲存是要有一定格式的，眾所周知，PC管理磁碟資料是以檔案形式，MP3也不例外，最常用的辦法就是直接利用PC的檔案系統來管理儲存器，微軟作業系統採用的是FAT檔案系統，這也是最廣泛使用的一種。播放機其中一個任務就是要實現FAT檔案系統，即可以從FAT檔案系統的磁碟中按檔名訪問並讀出其中的資料。

      主機通訊埠是MP3播放機與PC機交換資料的途徑，PC通過該埠操作MP3播放機儲存裝置中的資料，拷貝、刪除、複製檔案等操作。目前最廣泛使用的是USB匯流排，並且遵循微軟定義的大容量移動儲存協議規範，將MP3播放機作為主機的一個移動儲存裝置。這裡需要遵循幾個規範：USB通訊協議、大容量移動儲存器規範和SCSI協議。

     音訊DAC是將數字音訊訊號轉換成模擬音訊訊號，以推動耳機、功放等模擬音響裝置。這裡要介紹一下數字音訊訊號。數字音訊訊號是相對模擬音訊訊號來說的。我們知道聲音的本質是波，人說能聽到的聲音的頻率在20Hz到20kHz之間，稱為聲波。模擬訊號對波的表示是連續的函式特性，基本的原理是不同頻率和振幅的波疊加在一起。數字音訊訊號是對模擬訊號的一種量化，典型方法是對時間座標按相等的時間間隔做取樣，對振幅做量化。單位時間內的取樣次數稱為取樣頻率。這樣一段聲波就可以被數字化後變成一串數值，每個數值對應相應抽樣點的振幅值，按順序將這些數字排列起來就是數字音訊訊號了。這是ADC（模擬-數字轉換）過程，DAC（數字-模擬轉換）過程相反，將連續的數字按取樣時候的頻率順序轉換成對應的電壓。MP3解碼器解碼後的資訊屬於數字音訊訊號（數字音訊訊號有不同的格式，最常用的是PCM和I2S兩種），需要通過DAC轉換器變成模擬訊號才能推動功放，被人耳所識別。

     MP3播放機的顯示裝置通常採用LCD或者OLED等來顯示系統的工作狀態。控制鍵盤通常是按鈕開關。鍵盤和顯示裝置合起來構成了MP3播放機的人機互動介面。

     MP3播放機的軟體結構跟硬體是相對應的，即每一個硬體部分都有相應的軟體程式碼，這是因為大多數的硬體部分都是數字可程式設計控制的。

    總結一下，最簡化的MP3的工作原理我們可以概括如下：首先將MP3歌曲檔案從記憶體中取出並讀取儲存器上的訊號→到解碼晶片對訊號進行解碼→通過數模轉換器將解出來的數字訊號轉換成模擬訊號→再把轉換後的模擬音訊放大→低通濾波後到耳機輸出口，輸出後就是我們所聽到的音樂了。