T-CAIACN00X-2023低延遲低復雜度高清音頻編解碼技術規(guī)范

T/CAIACN00X—2023

低延遲低復雜度高清音頻編解碼技術規(guī)范

1范圍

本文件規(guī)定了低延遲低復雜度高清音頻編解碼技術標準音頻編碼的位流表示方式及解碼過程。

本文件適用于無線音頻、實時通信、廣播流媒體、網絡電視、虛擬現(xiàn)實和增強現(xiàn)實、視頻監(jiān)控等領

域。

2規(guī)范性引用文件

下列文件中的內容通過文中的規(guī)范性引用而構成本文件必不可少的條款。其中，注日期的引用文件，

僅該日期對應的版本適用于本文件；不注日期的引用文件，其最新版本（包括所有的修改單）適用于本

文件。

GB/T9002-2017音頻、視頻和視聽設備及系統(tǒng)詞匯

GB/T5271.1信息技術詞匯第1部分：基本術語（GB/T5271.1-2000eqvISO/IEC2382-1：

1993）

GB/T5271.4信息技術詞匯第4部分：數據的組織（GB/T5271.4-2000eqvISO/IEC2382-4：

1987）

GB/T5271.9信息技術詞匯第9部分：數據通信（GB/T5271.9-2001eqvISO/IEC2382-9：

1995）

3術語和定義

GB/T9002-2017、GB/T5271.1、GB/T5271.4和GB/T5271.9界定的以及下列術語和定義適用于

本文件。

3.1

編碼coding

讀入音頻采樣值，并產生一個符合本文件的有效位流。

3.2

解碼decoding

在本文件中定義的一種數據處理，即讀入編碼位流并輸出音頻采樣值的過程。

3.3

編碼位流codedbitstream

音頻信號的編碼表示。

1

T/CAIACN00X—2023

3.4

邊信息sideinformation

位流中控制解碼的必要信息。

3.5

聲道channel

用于傳送到單個揚聲器或其他重放設備的一組有序音頻樣本集合。

3.6

雙聲道立體聲stereoaudio

一種音頻格式，該格式下，使用兩個聲道承載有一定相位關系的音頻信號，通常通過位于聽音者前

方的兩個對稱的揚聲器或使用耳機重放，帶給聽音者更寬的聲場感覺。

4縮略語

下列縮略語適用于本文件。

MDCT改進離散余弦變換modifieddiscretecosinetransform

L2HC低延遲低復雜度高清音頻編解碼lowlatencylowcomplexityhighresolutionaudio

Codec

CBR恒定比特流constantbitrate

5約定

5.1概述

本文件中使用的數學運算符和優(yōu)先級與C語言使用的類似，但對整型除法和算術移位操作進行了

特定的定義。除特別說明外，約定編號和計數從0開始。

5.2算數運算符

算術運算符定義見表1表1。

表1算術運算符定義

算術運算符定義

+加法運算

-減法運算（二元運算符）或取反（一元前綴運算符）

乘法運算

*乘法運算

ab冪運算，表示a的b次冪。也可表示上標

pow(a，b)冪運算，表示a的b次冪

/除法運算，不做截斷或四舍五入

2

T/CAIACN00X—2023

表1算術運算符定義（續(xù)）

算術運算符定義

÷除法運算，不做截斷或四舍五入

?

除法運算，不做截斷或四舍五入

?

b

fi()自變量i取由a到b（含b）的所有整數值時，函數f(i)的累加和

ia

?·?下取整

√?a的算術平方根

‖·‖22-范數

5.3邏輯運算符

邏輯運算符定義見表2。

表2邏輯運算符定義

邏輯運算符定義

||邏輯或

&&邏輯與

!邏輯非

5.4關系運算符

關系運算符定義見表3。

表3關系運算符定義

關系運算符定義

>大于

大于或等于

<小于

小于或等于

==等于

不等于

5.5位運算符

位運算符定義見表4。

3

T/CAIACN00X—2023

表4位運算符定義

位運算符定義

&與運算

|或運算

~取反運算

將以2的補碼形式表示的整數a向右移b位。僅當b取正數時定義此運算。向右移至最高有效位時，

a>>b

其值與a移位運算前的最高有效位相等

將以2的補碼形式表示的整數a向左移b位。僅當b取正數時定義此運算。向左移至最低有效位時，

a<<b

其值等于0

5.6賦值

賦值運算符定義見表5。

表5賦值運算符定義

賦值運算定義

=賦值運算符

++自加，x+1相當于x=x+1。當用于數組下標時，在自加運算前先求變量值

+=自加指定值，例如，x+=3相當于x=x+3，x+=(-3)相當于x=x+(-3)

-=自減指定值，例如，x-=3相當于x=x+(-3)，x-=(-3)相當于x=x–(-3)

5.7助記符

助記符定義見表6。

表6助記符定義

助記符定義

rpchof多項式余數，高階在先

位串，左位在前。位串是帶單引號的1和0串。如‘10000001’。位串內的空格是便于閱讀的，無

bslbf

特殊意義。（bitstreamleftbitfirst）

uimsbf無符號整數，最高有效位優(yōu)先。（unsignedinteger,mostsignificantbitfirst）

位串，帶單引號的1和0串，右位在前，如先編碼一個5bit的數值6，然后編碼一個3bit的數值2，

bsmbf

那么編碼位串為‘01000110’

5.8數學函數

數學函數定義見如下公式。

?;?>0

|?|={0;?=0

??;?<0

4

T/CAIACN00X—2023

式中：

?——自變量。

5.9位流語法規(guī)則

位流中的每一個數據項用粗體字，通過名字、按位的長度及其類型和傳輸順序的助記符來描述。

位流中被解碼的數據元素所導致的操作依賴于該數據的值及以前解碼的數據元素。如無特殊說明，

本文件中的“位”指二進制位。

本文件語法用“C”代碼規(guī)定，變量或表達式為非零值時等價于條件為真，變量或表達式為零值時

等價于條件為非真。

while(condition){

data_element

…

}

若條件為真，則數據元素組緊接著數據流產生，如此重復直到條件為非真。

do{

data_element

…

}while(condition)

若條件為真，則數據元素組緊接著數據流產生，如此重復直到條件為非真。

if(condition){

data_element

…

}else{

data_element

…

}

若條件為真，在數據流中產生第一組數據元素，若條件為非真，在數據流中產生第二組數據元素。

for(expr1;expr2;expr3){

data_element

…

}

expr1是指定循環(huán)初始狀態(tài)表達式，通常它指定了計數器的初始狀態(tài)；expr2是指定的每次循環(huán)前的

測試條件，條件為非真時循環(huán)終止；expr3是每次循環(huán)結束時執(zhí)行的表達式，一般是增加計數器。

最通常用法為：

for(i=0;i<n;i++){

data_element

…

}

5

T/CAIACN00X—2023

數據元素組產生n次。數據元素組內的條件結構可能依賴循環(huán)控制變量i的值。第一次出現(xiàn)時被置

為‘0’，第二次增加到‘1’，如此往復。

根據表達式expr的值，產生對應的數據元素。expr的值為constcase1時產生數據元素

data_element1，expr的值為constcase2時產生數據元素data_element2，以此類推，expr的值為

constcasen時產生數據元素data_elementn。當expr的值不等于constcase1，constcase2，…，

constcasen中的任何一個值時，產生數據元素data_elementdefault。

switch(expr){

caseconstcase1:

data_element1

break

caseconstcase2:

data_element2

break

…

caseconstcasen:

data_elementn

break

default:

data_elementdefault

break

}

本結構的一類變體是在case后不出現(xiàn)break，expr的值constcasex時，從對應的caseconstcasex

開始產生數據元素，直到break出現(xiàn)。expr的值為constcase1時產生數據元素data_element1和

data_element2，expr的值為constcasen時產生數據元素data_elementn。

switch(expr){

caseconstcase1:

data_element1

caseconstcase2:

data_element2

break

…

caseconstcasen:

data_elementn

break

default:

data_elementdefault

break

}

數據元素組中可能含有嵌套結構。為簡便起見，當后面只有一個數據元素時“[]”省略。數據元素

組表示方法如下：

6

T/CAIACN00X—2023

data_element[]：一數組數據，數據元素的個數由上下文而定。

data_element[n]：數組數據的第n＋1個元素。

data_element[m][n]：二維數組的第m＋1，n+1個元素。

data_element[l][m][n]：三維數組的第l+1，m+1，n+1個元素。

data_element[m…n]：位m到位n之間包括的位。

雖然語法用過程項表示，但不能認為條款實現(xiàn)了可靠的解碼過程。它只是定義了一個無錯誤的位流

輸入。

6L2HC音頻編解碼

6.1概述

本文件規(guī)定了面向低延遲、低復雜度、高保真的基于MDCT（ModifiedDiscreteCosineTransform）

實現(xiàn)的頻域音頻編解碼器，L2HC（LowDelayLowComplexityHighResolutionAudioCodec）。

L2HC編解碼器包括單聲道編解碼、立體聲（雙聲道）編解碼。L2HC支持單聲道、立體聲音頻編解

碼，編碼模式為CBR（ConstantBitRate）模式，單聲道編碼碼率范圍為64kbps到960kbps，立體聲編

碼碼率范圍為128kbps到1920kbps。在碼率支持的范圍內，編碼碼率可以在編碼端任意設置，最小步

長變化為1kbps。輸入/輸出的音頻信號采樣率支持44.1kHz、48kHz、88.2kHz和96kHz。位深支持16

位定點，24位定點和32位定點/浮點，編碼器和解碼器位深可以不同。

L2HC編解碼器支持幀長5ms和10ms。10ms幀長條件下，在48kHz和96kHz采樣率下的算法時延為

12.5ms，lookahead為2.5ms，采樣率48kHz和96kHz對應的幀長分別為480點和960采樣點；在

44.1kHz和88.2kHz采樣率下的算法時延為13.6ms，其中幀長為10.88ms，lookahead為2.72ms，采

樣率44.1kHz和88.2kHz對應的幀長分別為480點和960點。5ms幀長條件下，在48kHz和96kHz采樣

率下的算法時延為7.5ms，lookahead為2.5ms，采樣率48kHz和96kHz對應的幀長分別為240點和

480采樣點；在44.1kHz和88.2kHz采樣率下的算法時延為8.16ms，其中幀長為5.44ms，lookahead

為2.72ms，采樣率44.1kHz和88.2kHz對應的幀長分別為240點和480點。

L2HC編解碼器在解碼端需要配置的參數包括：解碼信號位深和解碼模式。在處理立體聲信號時，

L2HC支持3種解碼模式,分別為左聲道輸出，右聲道輸出和立體聲輸出。

6.2節(jié)介紹L2HC編解碼器框架，6.3節(jié)介紹L2HC位流數據格式，6.4節(jié)描述邊信息解碼流程，6.5

節(jié)描述頻域噪聲整形參數的獲取方法，6.6節(jié)描述MDCT系數的熵解碼方法，6.7節(jié)描述殘余解碼方法，

6.8節(jié)描述MDCT系數的逆量化方法，6.9節(jié)描述立體聲信號的上混方法，6.10節(jié)描述逆時頻變換方法，

6.11節(jié)介紹L2HC位流格式，6.12節(jié)介紹L2HC信號輸入/輸出位深處理方法。附錄A包含子帶包絡劃

分表、Huffman碼表等。

6.2L2HC編解碼器框架

L2HC音頻編碼器框架如圖1所示，L2HC音頻編碼器可分為時頻變換、信號自適應分析、立體聲下

混、子帶包絡參數獲取與編碼、頻域噪聲整形參數獲取、MDCT系數量化、熵編碼和殘余編碼等模塊。

7

T/CAIACN00X—2023

圖1L2HC音頻編碼器框架

L2HC音頻解碼器框架如圖2所示，L2HC音頻解碼器可分為邊信息解碼、頻域噪聲整形參數獲取、

熵解碼、殘余解碼、MDCT系數逆量化、立體聲上混和逆時頻變換。

圖2L2HC音頻解碼器框架

8

T/CAIACN00X—2023

以下分別對輸入信號為單聲道和立體聲的情況進行介紹。

6.2.1L2HC單聲道編碼

L2HC在編碼單聲道信號時，信號需經過時頻變換、信號自適應分析、子帶包絡參數獲取與編碼、頻

域噪聲整形參數獲取、MDCT系數量化、熵編碼和殘余編碼等模塊處理。下面對各模塊功能進行簡要介

紹。

6.2.1.1時頻變換

時頻變換模塊對輸入的時域信號加窗并進行MDCT變換。

6.2.1.2信號自適應分析

對輸入信號進行帶寬檢測，結合碼率確定子帶劃分情況，輸出邊信息包括：需要編碼的子帶個數

bandNum、子帶劃分方式索引sfId、低碼率標識符lowBrFlag等，并寫入位流。

6.2.1.3子帶包絡獲取與編碼

根據子帶劃分情況計算各個子帶的包絡信息并進行編碼。編碼對象可以是子帶包絡參數或子帶包

絡參數的差分值。

6.2.1.4頻域噪聲整形參數獲取

利用子帶包絡和子帶間掩蔽關系計算頻域噪聲整形參數，包括心理聲學譜包絡參數

psyScalefactor和量化等級參數quantScale。

6.2.1.5MDCT系數量化

利用心理聲學譜包絡參數psyScalefactor求得子帶的噪聲基底noisefloor，對各子帶的MDCT系

數進行量化。其中，量化精度數值上等于噪聲基底noisefloor。

6.2.1.6熵編碼

對量化后的單聲道信號的MDCT系數進行熵編碼，并寫入位流。

6.2.1.7殘余編碼

利用剩余比特進行殘余編碼，提升MDCT系數的編碼精度，相關信息寫入位流。

6.2.2L2HC單聲道解碼

L2HC在解碼單聲道信號時，位流需經過邊信息解碼、頻域噪聲整形參數獲取、熵解碼、殘余解碼、

MDCT系數逆量化和逆時頻變換，最終獲得解碼單聲道信號。下面對各模塊功能進行簡要介紹。

6.2.2.1邊信息解碼

從位流中獲取與邊信息相關的位流信息，進行解碼得到低碼率標識符lowBrFlag、心理聲學譜包絡

系數動態(tài)調節(jié)因子dr、輔助調節(jié)因子drQuater、子帶劃分方式索引sfId、編碼子帶個數bandNum、子

帶包絡差分編碼開啟標志diffFlag、子帶包絡參數和Huffman解碼碼表索引等。

9

T/CAIACN00X—2023

6.2.2.2頻域噪聲整形參數獲取

利用解碼獲取的子帶包絡信息和子帶間掩蔽關系得到各子帶的頻域噪聲整形因子dradjust。結合心理

聲學譜包絡系數動態(tài)調節(jié)因子dr和輔助調節(jié)因子drQuater求得頻域噪聲整形參數，包括心理聲學譜

包絡參數psyScalefactor和量化等級參數quantScale。

6.2.2.3熵解碼

從位流中獲取與MDCT系數編碼相關的位流信息，結合Huffman碼表進行熵解碼得到量化后的MDCT

系數。

6.2.2.4殘余解碼

從位流中獲取殘余編碼相關的位流信息，進行殘余解碼。

6.2.2.5MDCT系數逆量化

MDCT系數逆量化模塊是由心理聲學譜包絡參數psyScalefactor獲取噪聲基底noisefloor。然后

利用noisefloor參數對量化的MDCT系數進行逆量化得到解碼的MDCT系數。

6.2.2.6逆時頻變換

逆時頻變換模塊將MDCT系數變換到時域，并進行加窗和疊接相加操作，得到解碼的時域音頻信號。

6.2.3L2HC立體聲編碼

L2HC在編碼立體聲信號時，信號需經過時頻變換、信號自適應分析、立體聲下混、子帶包絡參數獲

取與編碼、頻域噪聲整形參數獲取、MDCT系數量化、熵編碼和殘余編碼等模塊處理。

與L2HC單聲道編碼相比增加了立體聲下混模塊，立體聲下混模塊根據立體聲信號特征對左右聲道

MDCT系數進行M/S下混，以去除信號間冗余信息，提升編碼效率。

6.2.4L2HC立體聲信號解碼

L2HC在解碼立體聲信號時，位流需經過邊信息解碼、頻域噪聲整形參數獲取、熵解碼、殘余解碼、

MDCT系數逆量化、M/S上混和逆時頻變換等模塊處理，最終獲得解碼立體聲信號。

與L2HC單聲道解碼流程相比，立體聲解碼增加了立體聲上混模塊，立體聲上混模塊是編碼端立體

聲下混的逆過程，對解碼所得下混聲道的MDCT系數進行M/S上混，得到立體聲的MDCT系數。

6.3L2HC位流數據

6.3.1語法

L2HC位流數據語法見表7。

表7L2hcDecodeRawData()語法

L2hcDecodeRawData()語法比特數助記符

L2hcDecodeRawData(){——

L2hcHeaderUnpack()——

switch(codecFormat){——

case0x0:L2hcCommonDec(chNumDec=chNum)——

10

T/CAIACN00X—2023

表7L2hcDecodeRawData()語法（續(xù)）

L2hcDecodeRawData()語法比特數助記符

case0x1:L2hcHighCostDec()——

}——

PcmCopyChannel()——

}——

包頭信息解碼見表8。

表8L2hcHeaderUnpack()語法

L2hcHeaderUnpack()語法比特數助記符

L2hcHeaderUnpack(){——

codecType2uimsbf

sampleRate2uimsbf

chNum1uimsbf

chNum=chNum+1——

frameLength2uimsbf

}——

單聲道/立體聲普通解碼語法見表9。

表9L2hcCommonDec()語法

L2hcCommonDec()語法比特數助記符

L2hcCommonDec(chNumDec){——

DecodeCoreSideBits(chNumDec)——

GetMdctSnsParam(chNumDec)——

for(ch=0;ch<chNumDec;ch++){——

DecodeMdctSpec()——

}——

if(bitLeft){——

DecodeMdctRes()——

}——

chBegin,chEnd=GetDecodeChRange(chNum,decMode)——

if(msFlag==1){

for(ch=0;ch<chNumDec;ch++){

QuantInvMdct()

}

MdctInvMS()

}else{

11

T/CAIACN00X—2023

表9L2hcCommonDec()語法（續(xù)）

L2hcCommonDec()語法比特數助記符

for(ch=chBegin;ch<chEnd;ch++){——

QuantInvMdct()——

}——

}——

for(ch=chBegin;ch<chEnd;ch++){——

InverseMdct()——

}——

}——

立體聲高清低功耗解碼模式語法見表10。

表10L2hcHighCostDec()語法

L2hcHighCostDec()語法比特數助記符

L2hcHighCostDec(){——

MovPosByDecMode()——

chNumDec=1——

if(decMode==0||decMode==1){——

L2hcCommonDec(chNumDec)——

}else{——

L2hcCommonDec(chNumDec)——

L2hcCommonDec(chNumDec)——

}——

}——

解碼通道復制語法見表1表11。

表11PcmCopyChannel()語法

PcmCopyChannel()語法比特數助記符

PcmCopyChannel(){——

if(chNum==2){——

if(decMode==0){——

CopyPcmL2R()——

}——

if(decMode==1){——

CopyPcmR2L()——

}——

}——

}

12

T/CAIACN00X—2023

解碼通道索引范圍獲取語法見表1表12。

表12GetDecodeChRange()語法

GetDecodeChRange()語法比特數助記符

GetDecodeChRange(){——

chBegin=0——

chEnd=chNum——

if(chNum==2){——

if(decMode==0){——

chBegin=0——

chEnd=1——

}——

if(decMode==1){——

chBegin=1——

}——

}——

}——

6.3.2語義

L2hcHeaderUnpack()

解析包頭信息，包括幀類型、采樣率、聲道數、幀長。

L2hcCommonDec()

單聲道/立體聲普通解碼。

L2hcHighCostDec()

立體聲高清低功耗解碼。

PcmCopyChannel()

解碼通道復制，用于僅解碼L通道或R通道的情況。

DecodeCoreSideBits()

解析邊信息。

GetMdctSnsParam()

頻域噪聲整形參數獲取。

DecodeMdctSpec()

MDCT系數解碼。

DecodeMdctRes()

殘余解碼。

GetDecodeChRange()

獲取解碼通道索引范圍。

QuantInvMdct()

MDCT系數逆量化。

13

T/CAIACN00X—2023

MdctInvMS()

M/S上混。

InverseMdct()

MDCT逆變換。

MovPosByDecMode()

位流讀取位置跳轉，decMode等于0或者2時位流讀取位置不跳轉，decMode等于1時位流讀取位

置跳轉至右聲道位流起始位置。

CopyPcmL2R()

將左聲道信號復制到右聲道。

CopyPcmR2L()

將右聲道信號復制到左聲道。

codecFormat

編碼格式，0代表單/立體聲普通格式，1代表立體聲高清低功耗格式。

codecType

2比特,代表編碼器類型；當前版本設為1。0,2,3作為保留字段。

sampleRate

2比特，用于表示音頻信號的采樣率，取值范圍為0、1、2、3，對應的采樣率依次為44.1kH、48kHz、

88.2kHz、96kHz。

chNum

1比特，用于表示音頻信號的聲道數，0代表單聲道，1代表立體聲。

chNumDec

用于表示實際解碼的聲道數，取值小于或等于chNum。

frameLength

2比特，用于表示音頻信號的幀長,取值范圍為0、1、2、3，對應的幀長依次為120采樣點、240采

樣點、480采樣點、960采樣點。

decMode

立體聲解碼模式，通過解碼器命令行配置，取值范圍為0、1、2,分別對應左聲道輸出，右聲道輸出

和立體聲輸出。

bitLeft

是否有比特剩余標識符，當標識符為0時，表示比特已全部解碼，當標識符為1時，表示比特有剩

余，需要進行殘余解碼。

chBegin

解碼通道索引范圍的起始值。

chEnd

解碼通道索引范圍的終止值。

6.3.3解碼過程

L2HC解碼器獲取一幀音頻位流信息并進行解碼，解碼過程可參照L2hcDecodeRawData()，基本過程

描述如下：

解碼器首先解析包頭信息，獲得編碼器類型、編碼采樣率、編碼通道數和幀長等信息。

codecFormat參數需要根據編碼通道數、編碼采樣率和碼率綜合判斷獲得，判斷條件為：當同時滿

足編碼通道數為2（即立體聲信號編碼），編碼碼率大于等于300kbps，編碼采樣率大于等于88.2kHz三

14

T/CAIACN00X—2023

個條件時，codecFormat為1，否則codecFormat為0。其中，編碼碼率由通訊協(xié)議上層獲得的接收幀

的包大小計算得到。

codecFormat為0時，編碼器選擇單聲道/立體聲普通格式，解碼過程表示為L2hcCommonDec()。首

先解碼核心編碼器邊信息；而后參照GetMdctSnsParam()獲取頻域噪聲整形參數；然后參照

DecodeMdctSpec()解碼MDCT系數；如果仍然有比特剩余，則參照DecodeMdctRes()進行殘余解碼；根

據chNum和decMode獲取解碼通道索引的范圍。當msFlag等于1時，參照QuantInvMdct()依次對

chNumDec個解碼通道進行MDCT系數逆量化操作，后進行立體聲上混操作；當msFlag不等于1時，根

據解碼通道索引范圍起始值chBegin和終止值chEnd，依次對解碼通道進行MDCT系數逆量化操作；最

后參照InverseMdct()進行逆時頻變換，得到解碼單聲道/立體聲信號。

codecFormat為1時，編碼器選擇立體聲高清低功耗格式，解碼過程可參照L2hcHighCostDec()。

首先參照函數MovPosByDecMode()進行位流讀取位置跳轉操作，并將通道數chNumDec設為1。而后根據

解碼器命令行配置的解碼模式decMode參數進行不同的解碼處理。當decMode為0時，參照

L2hcCommonDec(chNumDec)進行單聲道普通解碼來獲得左聲道的解碼信號，并將左聲道的PCM值賦值給

右聲道。當decMode為1時，參照L2hcCommonDec(chNumDec)進行單聲道普通解碼來獲得右聲道的PCM

值，并將右聲道的解碼信號賦值給左聲道。當decMode為2時，參照L2hcCommonDec(chNumDec)進行單

聲道普通解碼來分別獲取左聲道和右聲道的解碼信號。

完成上述流程后可參照PcmCopyChannel()，根據解碼聲道數chNum和立體聲解碼模式decMode進

行解碼通道復制，最后輸出解碼的立體聲信號。

6.4邊信息解碼

6.4.1語法

邊信息解碼語法見表13。

表13DecodeCoreSideBits()語法

DecodeCoreSideBits()語法比特數助記符

DecodeCoreSideBits(chNumDec){——

lowBrFlag1uimsbf

if(chNumDec==2){——

msFlag1uimsbf

}else{——

msFlag