git.sesse.net Git - ffmpeg/blob - libavcodec/aac.h

   1 /*
   2  * AAC definitions and structures
   3  * Copyright (c) 2005-2006 Oded Shimon ( ods15 ods15 dyndns org )
   4  * Copyright (c) 2006-2007 Maxim Gavrilov ( maxim.gavrilov gmail com )
   5  *
   6  * This file is part of FFmpeg.
   7  *
   8  * FFmpeg is free software; you can redistribute it and/or
   9  * modify it under the terms of the GNU Lesser General Public
  10  * License as published by the Free Software Foundation; either
  11  * version 2.1 of the License, or (at your option) any later version.
  12  *
  13  * FFmpeg is distributed in the hope that it will be useful,
  14  * but WITHOUT ANY WARRANTY; without even the implied warranty of
  15  * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
  16  * Lesser General Public License for more details.
  17  *
  18  * You should have received a copy of the GNU Lesser General Public
  19  * License along with FFmpeg; if not, write to the Free Software
  20  * Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301 USA
  21  */
  22
  23 /**
  24  * @file
  25  * AAC definitions and structures
  26  * @author Oded Shimon  ( ods15 ods15 dyndns org )
  27  * @author Maxim Gavrilov ( maxim.gavrilov gmail com )
  28  */
  29
  30 #ifndef AVCODEC_AAC_H
  31 #define AVCODEC_AAC_H
  32
  33
  34 #include "aac_defines.h"
  35 #include "libavutil/float_dsp.h"
  36 #include "libavutil/fixed_dsp.h"
  37 #include "avcodec.h"
  38 #if !USE_FIXED
  39 #include "imdct15.h"
  40 #endif
  41 #include "fft.h"
  42 #include "mpeg4audio.h"
  43 #include "sbr.h"
  44
  45 #include <stdint.h>
  46
  47 #define MAX_CHANNELS 64
  48 #define MAX_ELEM_ID 16
  49
  50 #define TNS_MAX_ORDER 20
  51 #define MAX_LTP_LONG_SFB 40
  52
  53 #define CLIP_AVOIDANCE_FACTOR 0.95f
  54
  55 enum RawDataBlockType {
  56     TYPE_SCE,
  57     TYPE_CPE,
  58     TYPE_CCE,
  59     TYPE_LFE,
  60     TYPE_DSE,
  61     TYPE_PCE,
  62     TYPE_FIL,
  63     TYPE_END,
  64 };
  65
  66 enum ExtensionPayloadID {
  67     EXT_FILL,
  68     EXT_FILL_DATA,
  69     EXT_DATA_ELEMENT,
  70     EXT_DYNAMIC_RANGE = 0xb,
  71     EXT_SBR_DATA      = 0xd,
  72     EXT_SBR_DATA_CRC  = 0xe,
  73 };
  74
  75 enum WindowSequence {
  76     ONLY_LONG_SEQUENCE,
  77     LONG_START_SEQUENCE,
  78     EIGHT_SHORT_SEQUENCE,
  79     LONG_STOP_SEQUENCE,
  80 };
  81
  82 enum BandType {
  83     ZERO_BT        = 0,     ///< Scalefactors and spectral data are all zero.
  84     FIRST_PAIR_BT  = 5,     ///< This and later band types encode two values (rather than four) with one code word.
  85     ESC_BT         = 11,    ///< Spectral data are coded with an escape sequence.
  86     RESERVED_BT    = 12,    ///< Band types following are encoded differently from others.
  87     NOISE_BT       = 13,    ///< Spectral data are scaled white noise not coded in the bitstream.
  88     INTENSITY_BT2  = 14,    ///< Scalefactor data are intensity stereo positions (out of phase).
  89     INTENSITY_BT   = 15,    ///< Scalefactor data are intensity stereo positions (in phase).
  90 };
  91
  92 #define IS_CODEBOOK_UNSIGNED(x) (((x) - 1) & 10)
  93
  94 enum ChannelPosition {
  95     AAC_CHANNEL_OFF   = 0,
  96     AAC_CHANNEL_FRONT = 1,
  97     AAC_CHANNEL_SIDE  = 2,
  98     AAC_CHANNEL_BACK  = 3,
  99     AAC_CHANNEL_LFE   = 4,
 100     AAC_CHANNEL_CC    = 5,
 101 };
 102
 103 /**
 104  * The point during decoding at which channel coupling is applied.
 105  */
 106 enum CouplingPoint {
 107     BEFORE_TNS,
 108     BETWEEN_TNS_AND_IMDCT,
 109     AFTER_IMDCT = 3,
 110 };
 111
 112 /**
 113  * Output configuration status
 114  */
 115 enum OCStatus {
 116     OC_NONE,        ///< Output unconfigured
 117     OC_TRIAL_PCE,   ///< Output configuration under trial specified by an inband PCE
 118     OC_TRIAL_FRAME, ///< Output configuration under trial specified by a frame header
 119     OC_GLOBAL_HDR,  ///< Output configuration set in a global header but not yet locked
 120     OC_LOCKED,      ///< Output configuration locked in place
 121 };
 122
 123 typedef struct OutputConfiguration {
 124     MPEG4AudioConfig m4ac;
 125     uint8_t layout_map[MAX_ELEM_ID*4][3];
 126     int layout_map_tags;
 127     int channels;
 128     uint64_t channel_layout;
 129     enum OCStatus status;
 130 } OutputConfiguration;
 131
 132 /**
 133  * Predictor State
 134  */
 135 typedef struct PredictorState {
 136     AAC_FLOAT cor0;
 137     AAC_FLOAT cor1;
 138     AAC_FLOAT var0;
 139     AAC_FLOAT var1;
 140     AAC_FLOAT r0;
 141     AAC_FLOAT r1;
 142     AAC_FLOAT k1;
 143     AAC_FLOAT x_est;
 144 } PredictorState;
 145
 146 #define MAX_PREDICTORS 672
 147
 148 #define SCALE_DIV_512    36    ///< scalefactor difference that corresponds to scale difference in 512 times
 149 #define SCALE_ONE_POS   140    ///< scalefactor index that corresponds to scale=1.0
 150 #define SCALE_MAX_POS   255    ///< scalefactor index maximum value
 151 #define SCALE_MAX_DIFF   60    ///< maximum scalefactor difference allowed by standard
 152 #define SCALE_DIFF_ZERO  60    ///< codebook index corresponding to zero scalefactor indices difference
 153
 154 #define POW_SF2_ZERO    200    ///< ff_aac_pow2sf_tab index corresponding to pow(2, 0);
 155
 156 #define NOISE_PRE       256    ///< preamble for NOISE_BT, put in bitstream with the first noise band
 157 #define NOISE_PRE_BITS    9    ///< length of preamble
 158 #define NOISE_OFFSET     90    ///< subtracted from global gain, used as offset for the preamble
 159
 160 /**
 161  * Long Term Prediction
 162  */
 163 typedef struct LongTermPrediction {
 164     int8_t present;
 165     int16_t lag;
 166     int coef_idx;
 167     INTFLOAT coef;
 168     int8_t used[MAX_LTP_LONG_SFB];
 169 } LongTermPrediction;
 170
 171 /**
 172  * Individual Channel Stream
 173  */
 174 typedef struct IndividualChannelStream {
 175     uint8_t max_sfb;            ///< number of scalefactor bands per group
 176     enum WindowSequence window_sequence[2];
 177     uint8_t use_kb_window[2];   ///< If set, use Kaiser-Bessel window, otherwise use a sine window.
 178     int num_window_groups;
 179     uint8_t group_len[8];
 180     LongTermPrediction ltp;
 181     const uint16_t *swb_offset; ///< table of offsets to the lowest spectral coefficient of a scalefactor band, sfb, for a particular window
 182     const uint8_t *swb_sizes;   ///< table of scalefactor band sizes for a particular window
 183     int num_swb;                ///< number of scalefactor window bands
 184     int num_windows;
 185     int tns_max_bands;
 186     int predictor_present;
 187     int predictor_initialized;
 188     int predictor_reset_group;
 189     int predictor_reset_count[31];  ///< used by encoder to count prediction resets
 190     uint8_t prediction_used[41];
 191     uint8_t window_clipping[8]; ///< set if a certain window is near clipping
 192     float clip_avoidance_factor; ///< set if any window is near clipping to the necessary atennuation factor to avoid it
 193 } IndividualChannelStream;
 194
 195 /**
 196  * Temporal Noise Shaping
 197  */
 198 typedef struct TemporalNoiseShaping {
 199     int present;
 200     int n_filt[8];
 201     int length[8][4];
 202     int direction[8][4];
 203     int order[8][4];
 204     int coef_idx[8][4][TNS_MAX_ORDER];
 205     INTFLOAT coef[8][4][TNS_MAX_ORDER];
 206 } TemporalNoiseShaping;
 207
 208 /**
 209  * Dynamic Range Control - decoded from the bitstream but not processed further.
 210  */
 211 typedef struct DynamicRangeControl {
 212     int pce_instance_tag;                           ///< Indicates with which program the DRC info is associated.
 213     int dyn_rng_sgn[17];                            ///< DRC sign information; 0 - positive, 1 - negative
 214     int dyn_rng_ctl[17];                            ///< DRC magnitude information
 215     int exclude_mask[MAX_CHANNELS];                 ///< Channels to be excluded from DRC processing.
 216     int band_incr;                                  ///< Number of DRC bands greater than 1 having DRC info.
 217     int interpolation_scheme;                       ///< Indicates the interpolation scheme used in the SBR QMF domain.
 218     int band_top[17];                               ///< Indicates the top of the i-th DRC band in units of 4 spectral lines.
 219     int prog_ref_level;                             /**< A reference level for the long-term program audio level for all
 220                                                      *   channels combined.
 221                                                      */
 222 } DynamicRangeControl;
 223
 224 typedef struct Pulse {
 225     int num_pulse;
 226     int start;
 227     int pos[4];
 228     int amp[4];
 229 } Pulse;
 230
 231 /**
 232  * coupling parameters
 233  */
 234 typedef struct ChannelCoupling {
 235     enum CouplingPoint coupling_point;  ///< The point during decoding at which coupling is applied.
 236     int num_coupled;       ///< number of target elements
 237     enum RawDataBlockType type[8];   ///< Type of channel element to be coupled - SCE or CPE.
 238     int id_select[8];      ///< element id
 239     int ch_select[8];      /**< [0] shared list of gains; [1] list of gains for right channel;
 240                             *   [2] list of gains for left channel; [3] lists of gains for both channels
 241                             */
 242     INTFLOAT gain[16][120];
 243 } ChannelCoupling;
 244
 245 /**
 246  * Single Channel Element - used for both SCE and LFE elements.
 247  */
 248 typedef struct SingleChannelElement {
 249     IndividualChannelStream ics;
 250     TemporalNoiseShaping tns;
 251     Pulse pulse;
 252     enum BandType band_type[128];                   ///< band types
 253     enum BandType band_alt[128];                    ///< alternative band type (used by encoder)
 254     int band_type_run_end[120];                     ///< band type run end points
 255     INTFLOAT sf[120];                               ///< scalefactors
 256     int sf_idx[128];                                ///< scalefactor indices (used by encoder)
 257     uint8_t zeroes[128];                            ///< band is not coded (used by encoder)
 258     uint8_t can_pns[128];                           ///< band is allowed to PNS (informative)
 259     float  is_ener[128];                            ///< Intensity stereo pos (used by encoder)
 260     float pns_ener[128];                            ///< Noise energy values (used by encoder)
 261     DECLARE_ALIGNED(32, INTFLOAT, pcoeffs)[1024];   ///< coefficients for IMDCT, pristine
 262     DECLARE_ALIGNED(32, INTFLOAT, coeffs)[1024];    ///< coefficients for IMDCT, maybe processed
 263     DECLARE_ALIGNED(32, INTFLOAT, saved)[1536];     ///< overlap
 264     DECLARE_ALIGNED(32, INTFLOAT, ret_buf)[2048];   ///< PCM output buffer
 265     DECLARE_ALIGNED(16, INTFLOAT, ltp_state)[3072]; ///< time signal for LTP
 266     DECLARE_ALIGNED(32, AAC_FLOAT, lcoeffs)[1024];  ///< MDCT of LTP coefficients (used by encoder)
 267     DECLARE_ALIGNED(32, AAC_FLOAT, prcoeffs)[1024]; ///< Main prediction coefs (used by encoder)
 268     PredictorState predictor_state[MAX_PREDICTORS];
 269     INTFLOAT *ret;                                  ///< PCM output
 270 } SingleChannelElement;
 271
 272 /**
 273  * channel element - generic struct for SCE/CPE/CCE/LFE
 274  */
 275 typedef struct ChannelElement {
 276     int present;
 277     // CPE specific
 278     int common_window;        ///< Set if channels share a common 'IndividualChannelStream' in bitstream.
 279     int     ms_mode;          ///< Signals mid/side stereo flags coding mode (used by encoder)
 280     uint8_t is_mode;          ///< Set if any bands have been encoded using intensity stereo (used by encoder)
 281     uint8_t ms_mask[128];     ///< Set if mid/side stereo is used for each scalefactor window band
 282     uint8_t is_mask[128];     ///< Set if intensity stereo is used (used by encoder)
 283     // shared
 284     SingleChannelElement ch[2];
 285     // CCE specific
 286     ChannelCoupling coup;
 287     SpectralBandReplication sbr;
 288 } ChannelElement;
 289
 290 /**
 291  * main AAC context
 292  */
 293 struct AACContext {
 294     AVClass        *class;
 295     AVCodecContext *avctx;
 296     AVFrame *frame;
 297
 298     int is_saved;                 ///< Set if elements have stored overlap from previous frame.
 299     DynamicRangeControl che_drc;
 300
 301     /**
 302      * @name Channel element related data
 303      * @{
 304      */
 305     ChannelElement          *che[4][MAX_ELEM_ID];
 306     ChannelElement  *tag_che_map[4][MAX_ELEM_ID];
 307     int tags_mapped;
 308     int warned_remapping_once;
 309     /** @} */
 310
 311     /**
 312      * @name temporary aligned temporary buffers
 313      * (We do not want to have these on the stack.)
 314      * @{
 315      */
 316     DECLARE_ALIGNED(32, INTFLOAT, buf_mdct)[1024];
 317     /** @} */
 318
 319     /**
 320      * @name Computed / set up during initialization
 321      * @{
 322      */
 323     FFTContext mdct;
 324     FFTContext mdct_small;
 325     FFTContext mdct_ld;
 326     FFTContext mdct_ltp;
 327 #if USE_FIXED
 328     AVFixedDSPContext *fdsp;
 329 #else
 330     IMDCT15Context *mdct480;
 331     AVFloatDSPContext *fdsp;
 332 #endif /* USE_FIXED */
 333     int random_state;
 334     /** @} */
 335
 336     /**
 337      * @name Members used for output
 338      * @{
 339      */
 340     SingleChannelElement *output_element[MAX_CHANNELS]; ///< Points to each SingleChannelElement
 341     /** @} */
 342
 343
 344     /**
 345      * @name Japanese DTV specific extension
 346      * @{
 347      */
 348     int force_dmono_mode;///< 0->not dmono, 1->use first channel, 2->use second channel
 349     int dmono_mode;      ///< 0->not dmono, 1->use first channel, 2->use second channel
 350     /** @} */
 351
 352     DECLARE_ALIGNED(32, INTFLOAT, temp)[128];
 353
 354     OutputConfiguration oc[2];
 355     int warned_num_aac_frames;
 356
 357     /* aacdec functions pointers */
 358     void (*imdct_and_windowing)(AACContext *ac, SingleChannelElement *sce);
 359     void (*apply_ltp)(AACContext *ac, SingleChannelElement *sce);
 360     void (*apply_tns)(INTFLOAT coef[1024], TemporalNoiseShaping *tns,
 361                       IndividualChannelStream *ics, int decode);
 362     void (*windowing_and_mdct_ltp)(AACContext *ac, INTFLOAT *out,
 363                                    INTFLOAT *in, IndividualChannelStream *ics);
 364     void (*update_ltp)(AACContext *ac, SingleChannelElement *sce);
 365     void (*vector_pow43)(int *coefs, int len);
 366     void (*subband_scale)(int *dst, int *src, int scale, int offset, int len);
 367
 368 };
 369
 370 void ff_aacdec_init_mips(AACContext *c);
 371
 372 #endif /* AVCODEC_AAC_H */