AAC（Advanced Audio Coding，高级音频编码）是一种基于心理声学原理的有损音频编解码技术，广泛应用于流媒体、数字广播、移动音频等场景。其编解码流程围绕 “保留人耳可感知信息、去除冗余” 设计，分为编码（从音频信号到 AAC 比特流） 和解码（从 AAC 比特流到音频信号） 两部分，具体流程如下：

一、AAC 编码流程（音频信号 → AAC 比特流）

编码的核心是通过心理声学模型筛选 “人耳可感知的关键信息”，并通过变换、量化、熵编码等步骤压缩数据，最终生成紧凑的比特流。流程可分为以下关键步骤：

1.1 预处理与心理声学模型

信号预处理
首先对输入的原始音频信号（时域连续信号）进行预处理：

• 采样与量化：将模拟音频信号通过 ADC（模数转换）转换为数字信号（如 44.1kHz 采样率、16bit 量化）；
  声道处理：对多声道信号（如立体声、5.1 声道）进行联合编码（如 M/S 立体声编码，将左右声道转换为中间声道和侧面声道，减少冗余）；
• 分帧：将数字音频按固定长度（通常 2048 或 1024 样本 / 帧）分成帧，逐帧处理。

心理声学模型计算
这是 AAC 编码的核心，基于人耳听觉特性（如掩蔽效应）去除 “不可感知的冗余信息”：

• 利用傅里叶变换将时域信号转换为频域，分析各频率成分的能量；
• 计算掩蔽阈值：根据人耳对不同频率、响度的敏感度（如低频掩蔽高频、强音掩蔽弱音），确定每个频率成分的 “可接受失真上限”（即人耳无法察觉的最大失真）；
• 筛选有效频率成分：仅保留能量高于掩蔽阈值的频率成分，其余成分被视为 “冗余”，可被压缩或丢弃。

1.2 频域变换与增强处理

通过变换将时域信号转换为频域，便于按频率成分进行精细化处理，核心技术包括：

• MDCT（改进离散余弦变换）
  将每帧时域信号转换为频域系数（子带能量），相比传统 DCT，MDCT 通过重叠变换减少频谱泄漏，提高频率分辨率（尤其适合音频的非平稳特性）。
• TNS（时域噪声整形）
  针对变换后可能出现的 “预回声”（快速变化信号在变换后产生的噪声扩散），通过在频域施加滤波，将噪声能量集中到信号强的区域，使人耳难以察觉。
• LTP（长时预测）
  对具有周期性的信号（如语音、乐器持续音），通过分析历史帧的周期性特征，预测当前帧的信号，减少冗余（类似 “差分编码”，仅传输预测误差）。

1.3. 量化与缩放因子调整

根据心理声学模型的掩蔽阈值，对频域系数进行量化（用有限比特表示连续值），平衡压缩率与音质：

• 缩放因子（Scale Factors）：为每个子带（或子带组）计算缩放因子，表示该子带的能量级别（类似 “量级”），用于解码时恢复绝对振幅。
• 量化：根据缩放因子和掩蔽阈值，对频域系数进行量化 —— 能量越高、越容易被人耳感知的系数，用更多比特表示（减少失真）；反之用更少比特（甚至丢弃）。量化过程会引入失真，但需控制在掩蔽阈值内。

1.4. 熵编码与比特流打包

将量化后的系数、缩放因子、控制信息（如采样率、声道数、帧同步信息）编码为紧凑比特流，进一步减少冗余：

• 熵编码：采用 Huffman 编码（主流）或算术编码，对量化结果进行 “变长编码”—— 出现概率高的符号用短码，低概率用长码，降低总比特数。
• 比特流组织：按 AAC 标准格式打包，加入帧头（同步字、帧长度）、边信息（缩放因子、声道模式）、数据块（量化系数）等，确保解码端可正确解析。

（可选）扩展技术（如 HE-AAC）
低比特率场景下（如 32-64kbps），HE-AAC（高效 AAC）会引入SBR（频谱带宽扩展） 技术：

• 编码时仅传输低频部分（如≤7kHz），高频部分（>7kHz）由解码端根据低频信号的谐波特性 “重建”，大幅降低比特率同时保持音质。

二、AAC 解码流程（AAC 比特流 → 音频信号）

解码是编码的逆过程，目标是从比特流中恢复出接近原始的音频信号，流程如下：

2.1. 比特流解析与熵解码

首先解析比特流的帧结构，提取帧头（同步、采样率等）、边信息（缩放因子、声道模式）和数据块（量化系数）。
通过熵解码（如逆 Huffman 编码），将压缩的比特流还原为量化系数、缩放因子等原始量化数据。

2.2. 反量化与频域系数恢复

根据缩放因子和量化参数，对量化系数进行反量化，恢复频域系数的相对振幅。
若存在 LTP 或 TNS，需执行逆操作（如逆 LTP 预测、逆 TNS 滤波），还原频域信号的原始特性。

2.3. 逆 MDCT 与时域信号重建

对频域系数执行逆 MDCT，将频域信号转换回时域信号（每帧信号通过重叠相加，消除帧间 discontinuity）。

2.4. 后处理与输出

若为多声道信号，执行声道合成（如 M/S 解码为左右声道）；
若为 HE-AAC，通过 SBR 模块重建高频信号，扩展频谱带宽；
最后通过 DAC（数模转换）将数字信号转换为模拟音频，输出到扬声器或耳机。

总结

AAC 的编解码流程核心是 “基于心理声学的选择性保留”：编码通过频域变换、量化和熵编码去除冗余，解码通过逆过程恢复信号。其高效性源于多种技术的结合（MDCT、TNS、LTP、SBR 等），使其在相同比特率下音质优于 MP3，成为主流音频编码标准之一。