LHDC V5 手机到耳机音乐传输链路详解

以手机本地播放 test1.mp3 通过 LHDC V5 编码传输到蓝牙耳机并播放为例，详细说明从文件到声音的完整技术链路。

---

一、整体链路概览

┌───────────────────────────── 手机（Source / A2DP Source）─────────────────────────────┐
│                                                                                      │
│  test1.mp3 文件 → MP3 解码 → PCM 重采样/位深转换 → LHDC V5 编码 → A2DP 封包 → 蓝牙射频   │
│                                                                                      │
└──────────────────────────────────────────────────────────────────────────────────────┘
                                            │
                                            ▼ 蓝牙无线传输（2.4GHz ISM 频段）
                                            │
┌───────────────────────────── 耳机（Sink / A2DP Sink）──────────────────────────────────┐
│                                                                                       │
│  蓝牙射频接收 → A2DP 解包 → LHDC V5 解码 → PCM → I2S/TDM → DAC → 功放 → 喇叭发声         │
│                                                                                       │
└───────────────────────────────────────────────────────────────────────────────────────┘

整个链路可以分为 7 个大阶段，下面逐一详细说明。

---

二、阶段 1：MP3 文件解码（手机端）

2.1 文件读取

手机操作系统（Android / iOS）从存储（UFS / eMMC / SSD）读取 test1.mp3 文件：

• MP3 文件结构：ID3 标签（元数据：歌名、艺术家、专辑封面）+ MPEG 音频帧序列
• 每个 MP3 帧：帧头（4 字节，含同步字 0xFFE、比特率、采样率、声道模式）+ 边信息 + 主数据（Huffman 编码的频谱系数）
• 典型 MP3 帧长：48kHz/320kbps 时约 1041 字节/帧，每帧 1152 采样 = 24ms 音频

2.2 MP3 解码流程

手机使用系统内置的 MP3 解码器（Android 的 MediaCodec / AudioTrack，iOS 的 AVAudioPlayer / CoreAudio）：

MP3 比特流 → 同步字检测 → 帧头解析 → 边信息解码 → Huffman 解码
  → 逆量化 → 重排序 → 立体声解码（M/S / 强度立体声）
  → 抗混叠滤波 → IMDCT → 多相合成滤波器组 → PCM

输出：32-bit float 或 16/24-bit integer 的 PCM 数据，采样率通常为 44.1kHz 或 48kHz，立体声。

注意：MP3 是有损编码，解码后的 PCM 已经不是原始录音的精确复现，存在量化噪声和预回声等伪影。但这一步与 LHDC V5 无关------LHDC V5 接收到的就是这个"已经有损一次"的 PCM。

---

三、阶段 2：PCM 预处理（手机端）

3.1 音频系统路由

手机的音频系统（Android AudioFlinger / iOS CoreAudio）将解码后的 PCM 路由到蓝牙输出通道：

• 混音器（Mixer）：如果有多个音频流（音乐 + 通知音），在此混合
• 音量控制：应用系统音量和媒体音量
• 重采样器（Resampler）：如果 MP3 采样率与蓝牙协商的采样率不一致，进行重采样

3.2 采样率协商

手机与耳机通过 A2DP 的 SDP（Service Discovery Protocol） 和 AVDTP（Audio/Video Distribution Transport Protocol） 协商音频参数：

1. 耳机在 SDP 记录中声明支持的编码格式和能力（包括 LHDC V5 的 Vendor ID 0x053a（Savitech）、Codec ID、支持的采样率/位深/码率）
2. 手机在 SET_CONFIGURATION 命令中选择双方都支持的配置
3. 典型协商结果：48kHz / 24-bit / 立体声 / 900kbps（或 Auto 模式）

3.3 位深转换

如果协商为 24-bit 输出，而 MP3 解码输出为 16-bit，则需要位深转换：

• 16→24：左移 8 位（低 8 位补零），或使用抖动（dithering）提升主观听感
• 32-bit float→24-bit：缩放 + 截断/舍入

3.4 输入到 LHDC V5 编码器

最终送入 LHDC V5 编码器的是：

• 格式：交织立体声 PCM（L R L R ...）
• 位深：16-bit（S16LE，2 字节/采样）或 24-bit（packed S24LE，3 字节/采样）
• 采样率：44.1 / 48 / 96 / 192 kHz
• 每帧采样数：240（44.1/48k）/ 480（96k）/ 960（192k），对应 5ms 帧长

---

四、阶段 3：LHDC V5 编码（手机端）

4.1 编码器初始化

手机蓝牙协议栈（Android Bluedroid / iOS CoreBluetooth）在 A2DP 连接建立时初始化 LHDC V5 编码器：

lhdcv5_enc_t *enc = lhdcv5_enc_new(LHDC_VERSION_1);
lhdcv5_enc_init_encoder(enc,
    48000,              // 协商采样率
    24,                 // 协商位深
    LHDC_QUALITY_HIGH,  // 码率档位（900 kbps）或 LHDC_QUALITY_AUTO
    LHDC_MTU_2MBPS,     // 蓝牙链路 MTU（660 字节，EDR 2Mbps）
    LHDC_ENC_INTERVAL_20MS);  // 编码间隔（攒帧周期）

4.2 逐帧编码

音频系统以 5ms 为单位向编码器喂入 PCM 数据：

// 每 5ms 调用一次，喂入一帧交织立体声 PCM
lhdcv5_enc_encode(enc, pcm_frame, pcm_len,
                  out_buf, out_buf_len,
                  &written_bytes, &written_frames);

编码内部流程 （详见《 LHDC V5 编解码流程与原理详解 》）：

PCM 输入
  │
  ├─→ LD-MDCT 时频变换（时域 → 频域频谱系数）
  │
  ├─→ SNS 频谱噪声整形（ADPCM 编码频谱包络，逐段缩放）
  │
  ├─→ 量化 + 码率控制循环（搜索最优全局量化步长，使输出比特数落在目标范围）
  │     ├─ 系数量化
  │     ├─ 比特数预测（coef3 / coef7 IIR 预测器）
  │     ├─ 三进制符号生成
  │     └─ 算术编码比特数估算
  │
  ├─→ 比特流打包
  │     ├─ 前导信息（global_gain, sns_mode, 方向位, nzc, flag2, resid）
  │     ├─ FAC 自适应算术编码（三进制符号流 → 字节流）
  │     ├─ 尾数 + 符号位平面（因果 IIR 预测比特分配）
  │     └─ 填充到固定帧长
  │
  └─→ 帧头加扰（XOR + 字节重排，前 8 字节）
       │
       ▼
  LHDC V5 编码帧（每声道固定字节数，双声道等长）

4.3 帧攒包（Packetization）

LHDC V5 编码器内部维护一个帧队列。由于每帧编码输出较小（48kHz/900kbps 时每帧约 562 字节，双声道共 1125 字节），而蓝牙 MTU 通常为 660~1023 字节，编码器会攒够一个数据包的量后一次性输出：

编码间隔 20ms = 4 帧（每帧 5ms）
攒够 4 帧后组成一个 A2DP 媒体包输出

written_bytes 在大多数调用中为 0，每隔 N 次调用返回一个完整数据包。

4.4 自适应码率（ABR，可选）

如果使用 LHDC_QUALITY_AUTO 模式，手机蓝牙协议栈会根据 A2DP 发送队列深度动态调整码率：

• 队列积压（链路质量差，重传多）→ 降低码率（如 900k → 500k → 400k）
• 队列空闲（链路质量好）→ 提升码率
• 通过 lhdcv5_enc_set_bitrate_index() 无缝切换，在下一帧队列排空后生效

---

五、阶段 4：A2DP 封包与蓝牙传输

5.1 A2DP 媒体封包

编码后的 LHDC V5 数据被封装为 A2DP 媒体包：

┌──────────────────────────────────────────────────────────────────┐
│                      A2DP 媒体包（Media Packet）                  │
├──────────┬──────────┬────────────────────────────────────────────┤
│  RTP 头  │ 媒体载荷头 │              LHDC V5 编码数据              │
│ (12 字节) │ (可变)   │             （多个 5ms 帧拼接）             │
└──────────┴──────────┴────────────────────────────────────────────┘

RTP 头字段：

• V（版本）= 2
• P（填充）= 0
• X（扩展）= 0
• CC（CSRC 计数）= 0
• M（标记）= 帧边界标记
• PT（载荷类型）= 动态分配（Vendor Specific）
• 序列号：每包递增，用于丢包检测
• 时间戳：采样时钟驱动，用于播放同步
• SSRC：同步源标识

LHDC V5 媒体载荷头（Vendor Specific Header）：

• Vendor ID：0x053a（Savitech / HWA）
• Codec ID：LHDC V5 标识
• 帧信息：码率索引、采样率、位深等（部分信息在 A2DP 协商时已确定，部分在每帧头中）

5.2 L2CAP 封包

A2DP 媒体包被送入 L2CAP（Logical Link Control and Adaptation Protocol）层：

• 加入 L2CAP 头（2 字节长度 + 2 字节 Channel ID = 0x0041，A2DP 信道）
• 如果超过 L2CAP MTU（通常 1024 字节），进行分片

5.3 基带与射频

L2CAP PDU 进入蓝牙基带（Baseband）：

• 前向纠错（FEC）：1/3 FEC 或 2/3 FEC（增强数据率 EDR 模式下可选）
• 白化（Whitening）：与信道跳频序列同步的伪随机序列异或，避免长 0/长 1
• 跳频（Frequency Hopping）：蓝牙经典（BR/EDR）在 79 个 1MHz 信道间每秒跳 1600 次
• GFSK 调制（BR 1Mbps）/ π/4-DQPSK（EDR 2Mbps）/ 8DPSK（EDR 3Mbps）
• 2.4GHz ISM 频段射频发射

5.4 无线传输

• 传输距离：典型 1 ~ 10 米（Class 2 设备）
• 干扰源：WiFi（同 2.4GHz 频段）、微波炉、其他蓝牙设备、USB 3.0 等
• 重传机制：ARQ（Automatic Repeat reQuest），接收方 CRC 校验失败则请求重传
• 延迟：空中传输时间约 1 ~ 3ms，加上重传和排队，端到端无线延迟通常 10 ~ 30ms

---

六、阶段 5：蓝牙接收与 A2DP 解包（耳机端）

6.1 射频接收与基带解调

耳机蓝牙芯片（如 Qualcomm QCC 系列、恒玄 BES 系列、杰理 AC 系列等）执行发射的逆过程：

• 2.4GHz 射频接收 → GFSK/DQPSK 解调 → 去白化 → FEC 纠错 → CRC 校验
• 如果 CRC 失败 → 通过 ACK/NAK 机制请求重传
• 跳频同步：与手机保持相同的跳频序列和时序

6.2 L2CAP 与 A2DP 解包

• L2CAP 层：去除 L2CAP 头，重组分片
• A2DP 层：去除 RTP 头和媒体载荷头，提取 LHDC V5 编码数据
• RTP 序列号检测丢包，时间戳用于播放同步和抖动缓冲（Jitter Buffer）

6.3 抖动缓冲（Jitter Buffer）

由于无线传输延迟不稳定（抖动），耳机通常维护一个抖动缓冲区：

• 缓存若干帧已解码/待解码的音频数据
• 吸收无线传输延迟波动，避免播放卡顿
• 典型缓冲深度：50 ~ 150ms（低延迟模式可降至 20 ~ 30ms）
• 缓冲过深 → 延迟增大；缓冲过浅 → 抖动导致欠载（under-run），出现爆音/断音

---

七、阶段 6：LHDC V5 解码（耳机端）

7.1 解码器初始化

耳机蓝牙协议栈在 A2DP 连接建立时，根据协商的参数初始化 LHDC V5 解码器：

size_t ws_size = lhdc_dec_get_workspace_size(48000, 5);  // 48kHz/5ms
void *ws = malloc(ws_size);  // 或静态分配
lhdc_dec_config_t cfg = {
    .sample_rate = LHDC_DEC_SR_48000,
    .bit_depth = LHDC_DEC_BITDEPTH_24,
    .frame_duration = LHDC_DEC_FRAME_5MS,
    .channels = 2,
    .max_frame_bytes = 1024,
};
lhdc_decoder_t *dec = lhdc_dec_init(ws, &cfg);

7.2 逐帧解码

A2DP 解包后的 LHDC V5 帧数据送入解码器：

lhdc_dec_decode_frame(dec, frame_data, frame_len,
                       pcm_out, pcm_capacity,
                       &consumed, &generated, &frame_info);

解码内部流程 （详见《 LHDC V5 编解码流程与原理详解 》）：

LHDC V5 编码帧
  │
  ├─→ 帧解析（2B 帧头 → payload 长度 + 标志）
  │
  ├─→ 逐声道独立解码（ch0 = L, ch1 = R）
  │     │
  │     ├─→ 解扰（逆字节重排 + XOR，前 8 字节）
  │     │
  │     ├─→ 前导信息读取
  │     │     ├─ flag (1b), global_gain (9b), sns_mode (4b)
  │     │     ├─ SNS 方向位 (num_sfb-1 b)
  │     │     ├─ nzc (7~9b), flag2 (1b), resid (0/4b)
  │     │
  │     ├─→ SNS 参数解码（adsq 逆 DPCM → 每段缩放因子 → 后处理平滑）
  │     │
  │     ├─→ FAC 熵解码
  │     │     ├─ 自适应范围解码（滑动窗口三符号模型）
  │     │     ├─ Stream1（marker plane）+ Stream2（quotient）
  │     │     └─ Rice 商解码 → 量化系数高位
  │     │
  │     ├─→ 尾数 + 符号位平面解码
  │     │     ├─ 因果 IIR 预测器分配尾数位数
  │     │     ├─ 拼接高位和尾数 → 完整系数量值
  │     │     ├─ 读取符号位
  │     │     └─ 系数逆序（恢复自然频序）
  │     │
  │     ├─→ 逆量化（spectrum = quant × 2^e(global_gain)）
  │     │
  │     ├─→ SNS 合成（逐段乘以增益，逆频谱整形）
  │     │
  │     ├─→ 快速 IMDCT（频域 → 时域，FFT-based 480/960/1920 点）
  │     │
  │     └─→ 加窗重叠相加（KBD 窗 + 50% overlap-add → 时域 PCM）
  │
  ├─→ 立体声交织（L/R 交织）
  │
  ├─→ 输出缩放（位深转换 + 采样率归一化 + 电平校准）
  │
  └─→ 错误隐藏（如检测到 FAC 失同步 → 该帧静音 + 清空重叠缓冲）
       │
       ▼
  PCM 输出（16-bit int16 或 24-bit in int32 容器，交织立体声）

7.3 解扰选择器自动重试

解码器的一个重要鲁棒性设计：由于前导信息中第 9 字节最低位选择的解扰排列在少数帧上可能错误（导致 FAC 范围解码器失同步，产生巨大的虚假系数），解码器会：

1. 先用默认选择器解码
2. 检测解码后 PCM 峰值是否超过 2× 满量程
3. 如果异常，恢复重叠缓冲区，用翻转的选择器重解码
4. 保留峰值更小的结果

这确保了即使在个别帧解扰选择错误的情况下，也能正确解码，避免爆音。

---

八、阶段 7：PCM 输出与发声（耳机端）

8.1 I2S/TDM 接口

解码后的 PCM 数据通过数字音频接口发送到 DAC（数模转换器）：

• I2S（Inter-IC Sound） ：最常用的 3 线接口（BCLK 位时钟、LRCK 左右声道时钟、SD 串行数据）
  • 48kHz/立体声/24-bit：BCLK = 48000 × 2 × 32 = 3.072 MHz（24-bit 在 32-bit 槽中传输）
• TDM（Time Division Multiplexing）：多声道时分复用，高端耳机/降噪耳机可能使用
• DSD（Direct Stream Digital）：少数高端设备支持，但 LHDC V5 输出为 PCM，不涉及

数据通过 DMA（Direct Memory Access）从解码器内存缓冲区自动搬运到 I2S 发送 FIFO，无需 CPU 干预。

8.2 DAC 数模转换

DAC 将数字 PCM 转换为模拟电信号：

• Δ-Σ DAC（Delta-Sigma） ：绝大多数消费级音频 DAC 使用此架构
  • 过采样（Oversampling）：通常 32×~256× 过采样，将量化噪声推到高频
  • 噪声整形（Noise Shaping）：反馈环路将噪声推向人耳不敏感的高频段
  • 1-bit 或 multi-bit 调制
• 信噪比（SNR）：典型 95~120 dB
• 总谐波失真（THD）：典型 -90~-105 dB

8.3 模拟信号处理

DAC 输出的模拟信号经过：

• 低通滤波（LPF）：去除 Δ-Σ 调制产生的高频噪声和镜像频谱
• 音量控制：模拟电位器或数字音量控制（通常在 DAC 前端数字域完成）
• EQ 均衡器：部分耳机有自定义 EQ 调音（通过数字 IIR/FIR 滤波器实现，在 PCM 域处理）
• 主动降噪（ANC）：如果耳机支持 ANC，在此阶段混合反相声波（通常通过独立的 ANC DSP 芯片处理）

8.4 功放与喇叭

• 耳机功放（Headphone Amplifier） ：将模拟信号放大到足以驱动喇叭的功率
  • 典型输出功率：1~10 mW（32Ω 负载）
  • 类 AB 或 D 类功放
• 喇叭（Speaker Driver） ：
  • 动圈式（Dynamic）：最常见，音圈在磁场中振动带动振膜
  • 动铁式（Balanced Armature）：高端入耳式耳机常用，体积小、解析力高
  • 圈铁混合：低频动圈 + 高频动铁
• 发声原理：交变电流通过音圈 → 在磁场中受力振动 → 带动振膜推动空气 → 产生声波 → 人耳感知为声音

---

九、端到端延迟分析

环节	典型延迟	说明
MP3 解码	5~20ms	系统音频解码缓冲
PCM 预处理	<1ms	重采样/位深转换
LHDC V5 编码	<1ms	5ms 帧，编码计算 <1ms
编码攒包	0~20ms	取决于编码间隔（10/20ms）
A2DP 封包	<1ms	协议栈处理
蓝牙无线传输	10~30ms	空中传输 + 重传 + 排队
抖动缓冲	20~150ms	吸收抖动，可配置
LHDC V5 解码	<2ms	5ms 帧，双声道 <2ms（ESP32）
I2S/DAC 缓冲	5~20ms	DMA 缓冲 + DAC FIFO
模拟滤波/功放	<1ms	模拟电路延迟
总计	40~250ms	低延迟模式可降至 ~40ms

LHDC V5 的 5ms 帧长设计是其低延迟特性的关键------相比传统 SBC 的 20 ~ 40ms 帧长，编码/解码延迟大幅降低。

---

十、音质损失链路分析

从 test1.mp3 到耳机发声，信号经历了多次有损处理：

原始录音（模拟/高码率 PCM）
    │
    ├─→ MP3 编码（第一次有损）：320kbps CBR，典型 SNR ~95dB
    │
    ├─→ MP3 解码 → PCM
    │
    ├─→ LHDC V5 编码（第二次有损）：900kbps，典型 THD ~-64dB（量化噪声底）
    │
    ├─→ 蓝牙无线传输（可能丢包/误码）：FEC + ARQ 保护，通常无误码
    │
    ├─→ LHDC V5 解码 → PCM
    │
    ├─→ DAC（非线性失真 + 量化噪声）：SNR ~100dB
    │
    └─→ 喇叭（频响不平 + 失真）：取决于耳机品质

关键观察：

1. LHDC V5 在 900kbps 码率下的量化噪声底约 -64dB，远低于 MP3 320kbps 的失真水平，因此第二次有损编码的损伤通常被第一次 MP3 编码的损伤掩盖
2. 如果源文件是无损格式（FLAC / WAV / ALAC），LHDC V5 900kbps 的音质损失才成为主导因素
3. LHDC V5 支持最高 192kHz/24bit，对于高解析度音源（Hi-Res Audio），其编码质量明显优于 SBC / AAC
4. 蓝牙无线传输本身通常不引入音质损失（FEC + ARQ 确保无差错），除非链路极差导致丢包隐藏（丢包帧用静音/插值替代）

---

十一、关键协议与标准对照

层级	协议/标准	作用
应用层	A2DP（Advanced Audio Distribution Profile）	蓝牙音频分发配置文件，定义音频流传输流程
应用层	AVDTP（Audio/Video Distribution Transport Protocol）	音视频分发传输协议，A2DP 的信令通道
表示层	LHDC V5 Codec	音频编解码标准（Savitech 私有，谷歌 AOSP 开源实现）
会话层	SDP（Service Discovery Protocol）	服务发现，协商编码能力
传输层	L2CAP（Logical Link Control and Adaptation Protocol）	逻辑链路控制与适配，分片/重组
链路层	Baseband + LMP	基带控制 + 链路管理，跳频/功率控制
物理层	Bluetooth BR/EDR Radio	2.4GHz 射频，GFSK/DQPSK 调制

---

十二、与其他蓝牙编码链路的对比

编码	典型码率	帧长	编码延迟	音质（主观）	支持平台
SBC	128~328kbps	20~40ms	高	一般	所有蓝牙设备（强制）
AAC	128~256kbps	20~40ms	高	较好	iOS / 部分 Android
aptX	352kbps	4~11ms	低	较好	高通芯片设备
aptX HD	576kbps	4~11ms	低	好	高通芯片设备
LDAC	330~990kbps	可配	中	很好	索尼 / Android 8.0+
LHDC V5	64~1000kbps	5ms 固定	很低	很好	华为/小米/OPPO 等 / Android

LHDC V5 的核心优势在于固定 5ms 低延迟帧长 + 高码率高解析度支持的组合，在保证音质的同时实现了低延迟，适合游戏、视频等对延迟敏感的场景。