MP3文件格式解析3

windflowerz

III, 数据帧
  g( c# M* P* x' O! f& k
% q. k3 J* o2 J: \+ V2 t0 B7 O) M数据帧往往有多个，至于有多少，由文件大小和帧大小来决定。每个帧都有一个四字节长的帧头，接下来可能有两个字节的CRC校验，其存在由帧头中的具体信息决定。接着就是帧的实体数据，也就是MAIN_DATA了。

A,帧头结构如下：

$ `9 E) V3 Y6 ?) G0 l. ^! j1 c位置     长度     描述
; [( F2 T2 W' U* k3 [6 }* K（BIT）  （BITS）
————————————————————————————
31－19   12       Frame sync(0xFFF)
( w( D( z7 Q: M; J* [  |8 p/ G$ A18/17    2        Layer, 00 – reserved, 01 – Layer III
% F$ t5 p) P# b  e; m/ C% B4 H+ ]                         10 – Layer II, 11 － Layer I
16       1         protection_bit, 0 意味着受CRC保护，帧头后面跟16位的CRC。
$ z$ Z) s( U+ A2 r5 m) S! \% E  ^15-12    4        bitrate_index, 比特率
11-10    2        sampling_frequency,    00 – 44.1KHz, 01 – 48KHz
                                         10 – 32 KHz,  11 – 保留
2 C  f$ [3 R9 a& i9        1        padding_bit,1 意味着帧里包含padding位，仅当采样频率为44.1KHz时发生。
  o6 k1 N6 [4 |0 E2 l5 C# s8        1        private_bit
4 M' |4 R! r7 [, v1 j8 X7－6     2        mode,    00－stereo,       01-joint stereo(intensity stereo and/or ms_stereo)
                           11- dual_channel, 11 – single_channel
5 q( m( j- R9 X. Z8 z8 t0 P6 \5-4      2        mode_extension,在Layer III中表示使用了哪一种joint stereo编码方式。
7 e  D6 ~! Z' S. y3 |; F# i! N                            Intensity_stereo   ms_stereo
                   00            off                off
                   01            on                 off
% p6 d2 {7 s( ^$ J* M' _                   10            off                on
                   11            on                 on
4 ~' E) O% ~7 f4 J+ M! V3        1        copyright,1 表示受版权保护。
$ m! K6 f6 f3 N  `2        1        original，0表示该bitstream是一个copy，1表示是original.
- v2 H7 [* n) w4 S+ M% n1-0      2        emphasis，表示会使用哪一种de-emphasis。
                   00 － no emphasis,     01 – 50/15 microsec. Emphasis
# K  l+ C- t4 B0 _                   10 – reserved,        11 – CCITT J.17
) B& m6 y" n- t, X
1 z9 j% o- \: ^9 A* v1)      无论帧长是多少，每帧的播放时间都是26ms
' ~0 ~, K- x( `4 ^: Q
2)      数据帧大小：

3 i+ q  B, W& h+ ^) FFrameSize = 144 * Bitrate / SamplingRate + PaddingBit(bytes)
当144 * Bitrate / SamplingRate不能被8整除，则加上相应的paddingBit.


B,MAIN_DATA:

) J# L' R! B4 P. QMP3的granule包含18 * 32个subband采样。每个数据帧含有两个granule的数据，其内容结如下：
       - main_data_end pointer
       - side info for both granules (scfsi)
) k' c# E/ t4 H" v$ f  }& k$ ^& {       - side info granule 1
8 G) K  H3 `+ E& H+ y7 W  X       - side info granule 2
       - scalefactors and Huffman code data granule 1
       - scalefactors and Huffman code data granule 2

# F6 q+ E% a' `8 M4 E7 a1 k# k主要数据里包含了scalefactors, Huffman encoded data和ancillary information。其内容不再详叙，可以参考MP3 SPEC－IS0 11172-3 AUDIO PART。我们一般用的都是立体声，scfsi的长度为32个字节。

这里要解释的一个概念就是位流――bitstream。我们平常接触到的数据都是整数，最小的单位就是byte后者char。虽然我们也会用一个字节里的不同位来表示不同的含义，但总的来说，我们在出来数据的时候还是把它当作一个个字节看待。但对MP3这种数据格式来说，这是行不通的。在解码时，它的数据输入就是一个个比特流。其中一个或几个比特会是你的采样数据或者信息编码。你需要从整个MAIN_DATA里提取你所需要的以BIT为单位的参数和输入信号，从而进行解码。所以我们需要一个子程序，getbit(n)，也就是从缓冲中提取所需要的位，并形成一个新的整数，作为我们的输出。

' I/ Q  ]9 }2 oC,LAME标签帧
! y9 E3 {- B. u
可是，当你真的打开一个MP3文件的时候，你会发现，很奇怪，很多时候第一个数据帧的帧头后面的32个字节居然都为0，这是为什么呢，这么奇怪的解码信息该如何解释？找到MP3 INFO TAG REV SPECIFICATION的网站，我才明白，原来第一帧并不是真正的数据帧，而是LAME编码的标志帧。

" _! r2 }( u( R. p9 R8 ~这里又要牵涉到两个概念：CBR和VBR。CBR表示比特率不变，也就是每帧的长度是一致的，它以字符串“INFO”为标记。VBR是Variable BitRate的简称，也就是每帧的比特率和帧的长度是变化的，它以字符串“Xing”为标记。同时，它还存放了MP3文件里帧的总个数，和100个字节的播放总时间分段的帧的INDEX，还有其他一些参数，这被称为Zone A，传统Xing VBR标签数据，共120个字节。

在二进制文本编辑器里我们还可看到一个字符串“LAME”，并且后面清楚地跟着版本号。这就是20个字节的Zone B初始LAME信息，表示该文件是用LAME编码技术。接下来一直到该帧结束就是Zone C－LAME标签。

3，      相关资料

2 r/ U! t, d, S0 V: E# W× Mp3 Info Tag rev 1 specifications - draft 0
http://gabriel.mp3-tech.org/mp3infotag.html

× MP3 文件格式
. ~, @' Z, u/ ~$ c$ i7 a% khttp://bbs.gliet.edu.cn/bbs/inde ... post&id=1813051
8 d7 B/ D  z1 l/ j# L% h
0 L5 G8 e) W& Q0 R5 \, d) u6 L- i' ^× MP3 SPEC－IS0 11172-3 AUDIO PART
http://www.ece.cmu.edu/~ece796/documents/MPEG-1_Audio_CD.doc