2.2 核心工具箱：MDCT窗切换、TNS与联合立体声

2.2 核心工具箱：MDCT 窗切换、TNS 与联合立体声

本节摘要：AAC-LC 的质量来自四件工具的协作——可切换长短窗的 MDCT、时域噪声整形 TNS、按带分配精度的尺度因子循环、按相关性切换的联合立体声。本节逐件拆解它们"解决什么听感问题、付出什么代价"，并给出可验证的调参观察点。

2.1 节确认了 LC 是主干，本节把主干拆到零件级。这些零件在 Opus 那边大多能找到对应物或反例——短窗策略、噪声整形、立体声降维——第 3 章会逐一回照。

一、MDCT 与窗切换：时频分辨率的换挡机构

MDCT 是重叠变换：相邻窗各有 50% 重叠，配合恰当的窗函数可在临界采样下完美重构。AAC 长窗 2048 点（对应 1024 个系数，48 kHz 下约 21.3 ms），频率分辨率好、压缩效率高，适合稳态内容；问题出在瞬态——若鼓点落在长窗中部，整窗能量被变换摊开，量化噪声铺满整个窗宽，其中"提前于鼓点出现"的那部分就是预回声（1.3 节埋的雷在此引爆）。

对策是块切换：检测到瞬态时，本帧改用 8 个连续短窗（每个 256 点、128 系数，约 2.7 ms），噪声被限制在短窗内，预回声显著缩短；帧与帧之间用长-短过渡窗衔接以维持重构条件。代价是短窗频率分辨率骤降（约 187.5 Hz/线），高频精细结构编码效率下降——所以切换决策必须保守，AAC 编码器普遍用能量突变检测（相邻子带能量差超阈值计数）来触发。

图：长窗与短窗的时频网格对比

二、TNS：在频域里修时间上的账

TNS（时域噪声整形）解决的是窗切换的遗留问题：即便短窗限制了噪声时长，噪声的时间包络仍可能与信号包络不匹配——信号已经安静下来，噪声还在响。TNS 的做法出人意料：对 MDCT 系数序列再做一次线性预测滤波。因为 MDCT 系数的排列顺序对应频率，对其做预测等效于在时域对噪声包络整形——预测滤波器把量化误差的能量分布"贴"到信号自身的包络上，安静段噪声自动变小。

编码端传输少量滤波器系数（量化为整数索引），解码端逆向恢复。工具开销小、收益集中在瞬态密集的内容（打击乐、语音爆破音），是 LC 相对 MP3 的重要改进点之一。Opus 的 CELT 没有照搬 TNS，而是用更短的块从源头限制噪声时间跨度——同一问题的两种解法，又一次呼应 1.4 的分岔。

三、尺度因子与双循环：感知账本的执行机构

1.3 节讲过阈值怎么算，这里讲比特怎么落。MDCT 系数按"尺度因子频带"分组（分组近似临界频带，随采样率有一套预设表），每个带由一个尺度因子控制量化步长。编码器的核心是一个双循环结构：

• 内循环：固定整体尺度，逐带调整量化、用哈夫曼码表编码、检查总比特是否达标；超了就整体加粗（提高公共增益）重试；
• 外循环：检查各带量化噪声是否越过掩蔽阈值，越线的带细化（降尺度因子），在质量约束下再进内循环压缩。

两循环互相拉锯直到收敛或达到迭代上限。这个结构的工程含义：AAC 编码器的速度与质量主要由它决定，也是各实现差距的主要来源（fdk-aac 与 FFmpeg 原生编码器的差异多出于此）。调参时能观察到的外显行为是码率分配：-v debug 级别的日志能打出逐帧尺度因子表，对比语音与音乐帧的差异可以直接看到"感知账本"在翻页。

四、联合立体声：空间信息的降维

左右声道通常高度相关，独立编码浪费明显。AAC 按尺度因子频带粒度在三种模式间切换：

• L/R 独立：相关性低时保留全部信息；
• M/S（和差）：M 为和、S 为差。多数内容 S 能量远低于 M，对 S 用粗量化省比特；M/S 还能规避左右反相相消的灾难；
• 强度立体声：高码率不足时，只传一个声道加能量比例，声像靠比例恢复，细节有损但预算友好。

切换判据通常是基于带内左右声道的相关性与能量比。听感上的风险点在强度立体声启用过度：声场会"收窄成一点"，人声位置发飘。低码率立体声出问题时，第一件事就是查强度立体声的启用范围。

调参观察点：把工具行为变成可见的日志

四件工具都有外部可观察的行为，养成看日志的习惯比背参数更重要。窗切换：多数编码器能输出逐帧的块类型（长窗/短窗序列），对照音频的瞬态位置看切换是否及时——切换滞后是预回声的前兆，切换过频（稳态内容也频繁换挡）则说明检测阈值过敏感，码率在白白浪费。TNS：帧级日志里 TNS 的启用标志与滤波器阶数；打击乐密集段 TNS 应该高频启用，若长期关闭，检查编码器实现是否默认禁用（部分实现为了速度牺牲了它）。

尺度因子循环：调试级别日志能打出逐帧的迭代次数与最终码率偏离度；迭代频繁触顶（达到上限仍未收敛）说明码率预算与内容难度严重失配——该升码率或换 Profile，调其他参数都是缘木求鱼。联合立体声：逐带的模式标记（LR/MS/强度）；立体声声场问题的工单，第一眼就该看这个标记的分布是否异常（强度模式占比过高）。

把这些观察点整理成一页"体检单"，编码器侧的很多问题在听感投诉之前就能在日志里现形——这也是 5.3 节工具链里"核查段"的具体内容之一。

⚠️ 常见坑：四个工具彼此耦合，单独调任何一个都可能帮倒忙。典型如关掉 TNS 去救 CPU，结果瞬态内容的预回声立刻抬头；又如强制长窗提高压缩率，鼓点噪声立刻扩散。排障时按"瞬态问题查窗切换与 TNS、空间问题查联合立体声、码率问题查双循环"的顺序定位，比逐参数试错快得多。

💡 关键直觉：AAC-LC 的四件工具分别在治四种病——预回声（短窗）、噪声包络错位（TNS）、比特落点（尺度因子）、空间冗余（联合立体声）。判断一段 AAC 音质问题时，先辨认症状属于哪种病，再找对应工具的参数与日志。

本节要点回顾

• 窗切换是时频换挡：长窗买频率分辨率，短窗买时间分辨率，切换由能量突增检测触发、靠过渡窗维持重构；
• TNS 用频域预测整形时域噪声包络，与 Opus 的"短块源头限制"构成同一问题的两种解法；
• 双循环是感知账本的执行机构：内循环管码率达标，外循环管噪声不越阈值，实现质量差距主要在此；
• 联合立体声三模式按带切换，强度立体声过度启用是低码率声场坍缩的头号嫌疑；
• 工具间强耦合，调参必须成组考虑，排障按症状归类远快于盲试。

下一节看 AAC 在码率压力下的"省流大招"：SBR 与 PS 如何用参数化重建把立体声压进几十 kbps。