FFmpeg/AAC 编码器 · libavutil 变换库

把 AAC 的 MDCT 变换分解为较小 FFT

FFmpeg 的 AAC 编码器通过 av_tx_init 取得 MDCT 函数。通用实现用折叠、旋转与半长 FFT 完成变换，FFT 再分解为较小子变换。

n7.1音视频处理核验 2026-10-11

工程问题#

AAC 编码需要反复把加窗音频转换为频域系数。直接逐项求和的 MDCT 成本随块长平方增长；同时，不同 CPU、数据类型与变换长度需要不同实现，编码器不宜直接绑定某个 FFT 内核。

实际实现#

编码器初始化 1024 和 128 点输出的浮点 MDCT，并在长窗或短窗路径调用相应函数。av_tx_init 根据类型、长度、标志与 CPU 能力挑选 codelet。以 ff_tx_mdct_fwd 这一通用 C 快速路径为例，它把 2N 个实数采样折叠并预旋转成 N/2 个复数，执行 N/2 点 FFT，再后旋转生成 N 个系数；对 M 点 FFT，split-radix codelet 再分成 M/2、M/4、M/4 点子变换并组合；这里首层 M = N/2。

处理流程#

AAC 编码器初始化两种 MDCT 上下文；av_tx_init 返回匹配的上下文和函数指针
对长窗执行一次 1024 系数变换，或对八个短窗分别执行 128 系数变换
通用 MDCT 路径折叠实数采样、按映射排列并预旋转，准备较小的复数 FFT
FFT 按可用 codelet 分解并组合子变换，MDCT 再后旋转得到输出系数
变换上下文与预计算表可供后续音频帧继续使用，销毁时统一释放

源码片段#

固定版本 · 原文摘录

libavcodec/aacenc.cn7.1 · L1212–L1217

查看原文件

1212    if ((ret = av_tx_init(&s->mdct1024, &s->mdct1024_fn, AV_TX_FLOAT_MDCT, 0,1213                          1024, &scale, 0)) < 0)1214        return ret;1215    if ((ret = av_tx_init(&s->mdct128, &s->mdct128_fn,   AV_TX_FLOAT_MDCT, 0,1216                          128, &scale, 0)) < 0)1217        return ret;

dsp_init — MDCT 初始化

初始化 1024 和 128 个输出系数的正向浮点 MDCT。len 是帧/系数长度，输入窗为其两倍；函数指针由变换库返回。

CLGPL-2.1-or-later（文件头许可声明）

libavcodec/aacenc.cn7.1 · L475–L490

查看原文件

475static void apply_window_and_mdct(AACEncContext *s, SingleChannelElement *sce,476                                  float *audio)477{478    int i;479    float *output = sce->ret_buf;480481    apply_window[sce->ics.window_sequence[0]](s->fdsp, sce, audio);482483    if (sce->ics.window_sequence[0] != EIGHT_SHORT_SEQUENCE)484        s->mdct1024_fn(s->mdct1024, sce->coeffs, output, sizeof(float));485    else486        for (i = 0; i < 1024; i += 128)487            s->mdct128_fn(s->mdct128, &sce->coeffs[i], output + i*2, sizeof(float));488    memcpy(audio, audio + 1024, sizeof(audio[0]) * 1024);489    memcpy(sce->pcoeffs, sce->coeffs, sizeof(sce->pcoeffs));490}

apply_window_and_mdct

音频加窗后，长窗调用一次 mdct1024_fn，八短窗则逐块调用 mdct128_fn。这是编码器实际消费变换接口的位置。

CLGPL-2.1-or-later（文件头许可声明）

libavutil/tx_template.cn7.1 · L1243–L1260

查看原文件

1243    s->scale_d = *((SCALE_TYPE *)scale);1244    s->scale_f = s->scale_d;12451246    flags &= ~FF_TX_OUT_OF_PLACE; /* We want the subtransform to be */1247    flags |=  AV_TX_INPLACE;      /* in-place */1248    flags |=  FF_TX_PRESHUFFLE;   /* First try with an in-place transform */12491250    if ((ret = ff_tx_init_subtx(s, TX_TYPE(FFT), flags, &sub_opts, len >> 1,1251                                inv, scale))) {1252        flags &= ~FF_TX_PRESHUFFLE; /* Now try with a generic FFT */1253        if ((ret = ff_tx_init_subtx(s, TX_TYPE(FFT), flags, &sub_opts, len >> 1,1254                                    inv, scale)))1255            return ret;1256    }12571258    s->map = av_malloc((len >> 1)*sizeof(*s->map));1259    if (!s->map)1260        return AVERROR(ENOMEM);

ff_tx_mdct_init — 子 FFT

通用 MDCT 申请 len/2 点复数 FFT，并先尝试适合预重排的原地实现；若不匹配再尝试一般 FFT。后续还会准备映射与旋转因子。

CLGPL-2.1-or-later（文件头许可声明）

libavutil/tx_template.cn7.1 · L1293–L1306

查看原文件

1293    for (int i = 0; i < len2; i++) { /* Folding and pre-reindexing */1294        const int k = 2*i;1295        const int idx = sub_map[i];1296        if (k < len2) {1297            tmp.re = FOLD(-src[ len2 + k],  src[1*len2 - 1 - k]);1298            tmp.im = FOLD(-src[ len3 + k], -src[1*len3 - 1 - k]);1299        } else {1300            tmp.re = FOLD(-src[ len2 + k], -src[5*len2 - 1 - k]);1301            tmp.im = FOLD( src[-len2 + k], -src[1*len3 - 1 - k]);1302        }1303        CMUL(z[idx].im, z[idx].re, tmp.re, tmp.im, exp[i].re, exp[i].im);1304    }13051306    s->fn[0](&s->sub[0], z, z, sizeof(TXComplex));

ff_tx_mdct_fwd — 折叠和 FFT

把两倍窗长的实数数据按对称关系折叠、预旋转并写入复数布局，再调用初始化时选出的子 FFT；s->len 是输出系数数。

CLGPL-2.1-or-later（文件头许可声明）

libavutil/tx_template.cn7.1 · L1308–L1318

查看原文件

1308    for (int i = 0; i < len4; i++) {1309        const int i0 = len4 + i, i1 = len4 - i - 1;1310        TXComplex src1 = { z[i1].re, z[i1].im };1311        TXComplex src0 = { z[i0].re, z[i0].im };13121313        CMUL(dst[2*i1*stride + stride], dst[2*i0*stride], src0.re, src0.im,1314             exp[i0].im, exp[i0].re);1315        CMUL(dst[2*i0*stride + stride], dst[2*i1*stride], src1.re, src1.im,1316             exp[i1].im, exp[i1].re);1317    }1318}

ff_tx_mdct_fwd — 后旋转

对 FFT 结果后旋转并按 stride 写出 MDCT 系数。它说明这里不是把 FFT 输出直接当作 MDCT 结果。

CLGPL-2.1-or-later（文件头许可声明）

libavutil/tx_template.cn7.1 · L619–L633

查看原文件

619#define DECL_SR_CODELET(n, n2, n4)                                    \620static void TX_NAME(ff_tx_fft##n##_ns)(AVTXContext *s, void *_dst,    \621                                        void *_src, ptrdiff_t stride) \622{                                                                     \623    TXComplex *src = _src;                                            \624    TXComplex *dst = _dst;                                            \625    const TXSample *cos = TX_TAB(ff_tx_tab_##n);                      \626                                                                      \627    TX_NAME(ff_tx_fft##n2##_ns)(s, dst,        src,        stride);   \628    TX_NAME(ff_tx_fft##n4##_ns)(s, dst + n4*2, src + n4*2, stride);   \629    TX_NAME(ff_tx_fft##n4##_ns)(s, dst + n4*3, src + n4*3, stride);   \630    TX_NAME(ff_tx_fft_sr_combine)(dst, cos, n4 >> 1);                 \631}                                                                     \632                                                                      \633DECL_SR_CODELET_DEF(n)