声网Aogra 开源了自研的 SOLO 编解码器，面向所有音视频、WebRTC 开发者。本系列源码解读将讲解底层核心技术，并分享如何集成到自己的 WebRTC 应用中。本文为第一篇。
SOLO 在 Silk 的基础上扩展了带宽扩展模块，用来分别处理低频信息（0-8kHz 采样部分）和高频信息（8-16kHz 采样部分），在编码端，两者使用两套耦合的分析编码系统进行码流生成。在解码端，利用低频信号和高频信息，SOLO 可以解码出宽带信号。SOLO 使用带宽扩展主要有两个原因，首先，带宽扩展可以让更多的码率分配到更重要的低频部分，提升编码效率；第二个原因是带宽扩展可以减少进入到信号分析模块的采样点数，从而减少信号分析部分的复杂度（之前需要分析全部的信号，现在只需要分析低频部分）。在减少了原有复杂度的前提下，SOLO 才能够在低频部分额外增加较多计算以选取最佳的多描述编码状态（详细内容可见下一篇源码解析），让编解码音质达到预期。
编码端
SOLO 编码端的大部分操作都是在下述函数中完成的：
SKP_int32 AGR_Sate_encode_process(
SATEEncCtl *sateCtl, /* I/O SATE Encoder state */
const SKP_int16 *vin, /* I input signal */
NovaBits *bits, /* I bitstream operator */
void *skctrl,
void *hbctrl,
SKP_int16 *nBytesOut /* I encoded bits */
)
首先，输入的16kHz 采样率的语音帧会先进入到一个正交镜像滤波器组（QMF）里进行频带的划分:
void AGR_Sate_qmf_decomp(
const spx_word16_t *xx, /* I Input signal */
const spx_word16_t *aa, /* I Qmf coefficients */
spx_word16_t *y1, /* O Output low band signal */
spx_word16_t *y2, /* O Output high band signal */
SKP_int32 N, /* I frame size */
SKP_int32 M, /* I Qmf order */
spx_word16_t *mem, /* I/O Qmf state */
SKP_int8 *stack
)
该函数的输出的是两个时域帧，分别包含低频信息和高频信息。低频信息和高频信息会在后续分别进行处理，其中，低频信息会通过函数SKP_Silk_SDK_Encode进行分析和编码，这部分内容我们会在下一期 SOLO 代码解析里进行详细解读。
SKP_int SKP_Silk_SDK_Encode(
void *encState, /* I/O: State */
const SKP_SILK_SDK_EncControlStruct *encControl, /* I: Control structure */
const SKP_int16 *samplesIn, /* I: Input samples */
SKP_int nSamplesIn, /* I: Number of samples */
SKP_uint8 *outData, /* O: Encoded output */
SKP_int16 *nBytesOut /* I/O: I: Max bytes O:out bytes */
)
高频信息的编码以线性滤波分析为基础，同时为了减少码率，部分依赖于低频信号的残差信息，因此在进行高频信息编码之前，需要通过下述函数提取低频编码信息中的残差信息：
SKP_int SKP_Silk_SDK_Get_Encoder_Residue( void *encState,SKP_int32 *r )
高频信息的分析和编码在函数AGR_Bwe_encode_frame_FLP中进行：
SKP_int32 AGR_Bwe_encode_frame_FLP(
AGR_Sate_HB_encoder_control_FLP *hbEncCtrl,
AGR_Sate_encoder_hb_state_FLP *psHBEnc,
NovaBits *bits, /* I bitstream operator */
SKP_float *high,
SKP_int32 *residue,
SKP_int16 *nBytesOut /* I/O: Number of bytes in outData (input: Max bytes) */
)
首先高频信息通过 AGR_Sate_find_HB_LPC_FLP进行分析得到自身的 8 阶 LPC 系数，并将其转化为编码误差较小的 LSP 系数:
SKP_int32 AGR_Sate_find_HB_LPC_FLP(
AGR_Sate_encoder_hb_state_FLP *psEnc, /* I/O Encoder state FLP */
AGR_Sate_HB_encoder_control_FLP *hbEncCtrl, /* I/O HB Encoder control FLP */
SKP_int32 hb_subfr_length, /* I subframe length */
SKP_int32 hb_lpc_order, /* I high band lpc order */
SKP_int32 first /* I */
)
随后通过AGR_Sate_lsp_quant_highband进行双码本量化
SKP_int32 AGR_Sate_lsp_quant_highband(
SKP_float *lsp, /* I/O lsp coefficients */
SKP_int32 order /* I lpc order */
)
量化后，编码器会将 LSP 系数转化为 1 个 index 来表示：
idx1 = lsp_weight_quant(qlsp, quant_weight1, AGR_Sate_highband_lsp_cdbk1, HB_LSP_CB1, order); idx2 = lsp_weight_quant(qlsp, quant_weight2, AGR_Sate_highband_lsp_cdbk2, HB_LSP_CB2, order); idx = (idx2<<8)+idx1;
随后，该帧被分为 4 个子帧，计算各个子帧的残差信号，并计算其对应窄带残差信号子帧的增益，共计4个，使用单码本量化。量化后的 LSP index 和 gain 使用下述函数写入独立码流。
void AGR_Sate_bits_pack(NovaBits *bits, int data, int nbBits)
其中，LSP index 使用 12 bits 编码，每个子帧 gain 使用 5 bits 编码，所以高频信息的码流共计 12+4*5=32 bits，即 4 bytes，该段码流位于窄带码流之后，和窄带码流中的第二组多描述码流绑定在一起组包。
解码端
解码器可以看做编码器的镜像，解码器收到码流后，首先会通过下述函数解码得到 0-8kHz 采样率的低频信息，这部分也会在下一期 SOLO 代码解析里进行详细解读。
SKP_int SKP_Silk_SDK_Decode(
void* decState, /* I/O: State */
SKP_SILK_SDK_DecControlStruct* decControl, /* I/O: Control structure */
SKP_int lostFlag, /* I: 0: no loss, 1 loss */
const SKP_uint8 *inData, /* I: Encoded input vector */
const SKP_int16 nBytesIn[], /* I: Number of input Bytes */
SKP_int16 *samplesOut, /* O: Decoded output */
SKP_int16 *nSamplesOut /* I/O: Number of samples */
)
随后，解码器通过下述函数得到低频残差信息以用来解码 8-16kHz 的高频信息。
SKP_int SKP_Silk_SDK_Get_Decoder_Residue(void *decState, SKP_int32 *r)
同时，解码器会使用以下函数来进行高频信息的解码。
SKP_int32 AGR_Bwe_decode_frame_FLP(
AGR_Sate_HB_decoder_control_FLP *hbDecCtrl,
AGR_Sate_decoder_hb_state_FLP *psHBDec,
NovaBits *bits, /* I bitstream operator */
SKP_float *OutHigh,
SKP_int32 *residue_Q10,
SKP_int32 lostflag /* I lost falg */
)
该函数内的处理整体上可以分成两种 case，第一种是没有正常接收到包含高频信息的多描述码流，这种情况下会复用上一帧解码出的 LSP index 和子帧增益；如果正常接收到了包含高频信息的多描述码流，则会从 4 bytes 的高频信息中解码、反量化出所需的 LPC 滤波器系数和 4 个子帧增益。
恢复高频信号使用的残差信号是乘上子帧增益后的低频残差信号。使用高频残差再加上高频 LPC 系数，通过以下函数就可以解码得到高频信号。
void AGR_Sate_LPC_synthesizer(
SKP_float *output, /* O output signal */
SKP_float *ipexc, /* I excitation signal */
SKP_float *sLPC, /* I/O state vector */
SKP_float *a_tmp, /* I filter coefficients */
SKP_int32 LPC_order, /* I filter order */
SKP_int32 subfr_length /* I signal length */
)
随后，低频信息和高频信息会进入到以下函数中，进行高低频的合成，函数输出的是 16kHz 采样率的宽带信号。
void AGR_Sate_qmf_synth(
const spx_word16_t *x1, /* I Low band signal */
const spx_word16_t *x2, /* I High band signal */
const spx_word16_t *a, /* I Qmf coefficients */
spx_word16_t *y, /* O Synthesised signal */
SKP_int32 N, /* I Signal size */
SKP_int32 M, /* I Qmf order */
spx_word16_t *mem1, /* I/O Qmf low band state */
spx_word16_t *mem2, /* I/O Qmf high band state */
SKP_int8 *stack
)
至此，解码端就完成了将窄带信号扩展成宽带信号的操作。
如有疑问，可在 RTC 开发者社区与我们交流。
原文地址：https://juejin.im/post/5e16bf1ef265da5d73743040
文章作者：赵晓涵，声网Agora 音频算法工程师
