AAC（Advanced Audio Coding，高级音频编码）是一种感知音频编码技术。它诞生于1997年，由Fraunhofer IIS、杜比实验室、AT&T、索尼等公司联合开发，旨在取代MP3格式，在相同的比特率下提供更好的声音品质。2000年，AAC被纳入MPEG-4标准，增加了PNS（Perceptual Noise Substitution，感知噪声替换）等新技术。
本文将从心理声学原理、核心编码工具、规格与封装格式三个层面，深入拆解AAC的工作原理。
一、核心基石：心理声学模型
AAC之所以能用较低的比特率保持高音质，其核心秘密在于心理声学模型。简单来说，这个模型会分析音频信号，并计算出人耳能感知到的掩蔽阈值。
1.1 听觉掩蔽效应
人耳对声音的感知并非线性，存在两种关键的掩蔽效应：
- 频域掩蔽：一个强信号（如鼓声）会“盖住”它附近频率的弱信号。AAC会计算出这个掩蔽曲线，将被掩蔽的、听不见的频率成分丢弃。
- 时域掩蔽：强信号出现前/后的短暂时间内，人耳灵敏度会降低。AAC利用此特性处理信号瞬变。
基于这些原理，AAC的心理声学模型会计算出每个频段的 “信掩比”（Signal-to-Mask Ratio），指导后续量化过程——给需要被“掩蔽”的频率成分分配更少的比特，甚至直接丢弃，从而在保证主观听感的前提下，大幅压缩数据量。
1.2 量化与编码：双循环控制
在心理声学模型计算出掩蔽阈值后，AAC进入量化与编码阶段。AAC使用了双循环控制（Two Nested Loops） 结构来精确控制每个帧的比特消耗和量化噪声：
- 外层循环（Rate Loop）：检查编码后数据是否超过目标比特数，若超过则调整量化步长（量化步长越大，数据量越小，质量也越低）。
- 内层循环（Distortion Loop）：检查量化噪声是否已低于心理声学模型计算出的掩蔽阈值，若低于则停止，否则进一步调整量化步长。
通过这两个循环的反复迭代，AAC能在文件大小和声音质量之间取得最佳平衡。
二、核心编码工具
除了心理声学模型，AAC还集成了一系列先进的编码工具：
2.1 滤波器组（Filter Bank）
AAC使用 MDCT（Modified Discrete Cosine Transform，改进型离散余弦变换） 将时域音频信号转换到频域。它支持两种块长度：
- 长块（1024点）：适用于稳态信号（如弦乐），频率分辨率高，压缩效率好。
- 短块（128点）：适用于瞬态信号（如打击乐），时间分辨率高，能有效避免“预回声”（Pre-echo）失真。
2.2 时域噪声整形（TNS）
TNS是AAC一个非常重要的工具。它通过在频域上进行预测，来精确控制量化噪声在时域上的分布形状。对于类似打击乐的瞬态信号，TNS能将量化噪声“整形”到信号能量高的区域附近，从而显著抑制“预回声”现象。
2.3 立体声编码（Joint Stereo Coding）
AAC提供了两种高效的立体声编码技术，用于消除左右声道间的冗余：
- M/S（Mid/Side）立体声：记录“左右声道之和（M）”与“左右声道之差（S）”。当两个声道内容相似时，差值（S）的能量很小，可以用极少比特编码，大幅提升压缩效率。
- 强度立体声（Intensity Stereo）：利用人耳在高频区域对相位不敏感的特性，在高频部分只用一个声道加方向信息，从而节省比特。
2.4 预测（Prediction）与PNS
- 预测（Prediction）：利用已解码的前一帧数据来预测当前帧，只需编码预测误差，能有效去除信号间的冗余。但在AAC LC规格中被禁用，以降低复杂度。
- PNS（Perceptual Noise Substitution，感知噪声替换）：对于类似噪声的信号（如风声、镲片声），编码器不传输具体频谱，而只传输一个“噪声”参数，解码端据此重建相似的噪声信号，能大幅节省比特。
三、AAC的规格（Profile）与封装格式
3.1 AAC的常见规格（Profile）
AAC提供了多种规格以适应不同场景，常见的一些如下：
| Profile | 特点 | 典型应用 |
|---|---|---|
| AAC LC | 最常见规格，复杂度低，音质优异 | 音乐流媒体（Apple Music、YouTube）、便携播放器 |
| HE-AAC (v1) | AAC LC + SBR（频段复制）。SBR技术专门编码高频成分，在低码率下效率极高 | 数字广播（DAB+）、低码率流媒体 |
| HE-AAC v2 | HE-AAC v1 + PS（参数立体声）。PS技术用极少数据描述立体声信息 | 极低码率（< 32kbps）的音频流，如移动网络广播 |
| AAC-LD | 低延迟（Low Delay），算法延迟极低 | 实时双向通信：视频会议、在线游戏 |
3.2 两种常见的封装格式：ADIF vs ADTS！！！！！
AAC编码后需要封装成文件或流，主要有两种格式：
-
ADIF（Audio Data Interchange Format，音频数据交换格式）：
- 所有数据共用一个头信息。
- 特点：必须从头开始解码，无法随机访问和从中间开始播放。
- 用途：适合本地文件存储。
-
ADTS（Audio Data Transport Stream，音频数据传输流）：
- 每一帧（1024个采样点）数据前都有一个独立的头信息，头部包含同步字
0xFFF。 - 特点：解码器可随时找到同步字并从任意一帧开始解码，非常适合网络流媒体传输。
- 每一帧（1024个采样点）数据前都有一个独立的头信息，头部包含同步字
总结： AAC编码的整个过程，可以理解为：高分辨率MDCT变换将信号映射到频域；心理声学模型计算出人耳听不到的“冗余”信息；TNS、M/S立体声、预测等工具进一步去除信号间的相关性；量化与Huffman编码对最终数据进行高效的无损压缩；最终数据以ADTS格式封装，用于实时传输，或以ADIF格式存储为本地文件。这一套精密流程，造就了AAC在同等码率下优于MP3的声音品质。
