libavcodec/aacpsy.c

   1 /*
   2  * AAC encoder psychoacoustic model
   3  * Copyright (C) 2008 Konstantin Shishkov
   4  *
   5  * This file is part of Libav.
   6  *
   7  * Libav is free software; you can redistribute it and/or
   8  * modify it under the terms of the GNU Lesser General Public
   9  * License as published by the Free Software Foundation; either
  10  * version 2.1 of the License, or (at your option) any later version.
  11  *
  12  * Libav is distributed in the hope that it will be useful,
  13  * but WITHOUT ANY WARRANTY; without even the implied warranty of
  14  * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
  15  * Lesser General Public License for more details.
  16  *
  17  * You should have received a copy of the GNU Lesser General Public
  18  * License along with Libav; if not, write to the Free Software
  19  * Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301 USA
  20  */
  21
  22 /**
  23  * @file
  24  * AAC encoder psychoacoustic model
  25  */
  26
  27 #include "avcodec.h"
  28 #include "aactab.h"
  29 #include "psymodel.h"
  30
  31 /***********************************
  32  *              TODOs:
  33  * try other bitrate controlling mechanism (maybe use ratecontrol.c?)
  34  * control quality for quality-based output
  35  **********************************/
  36
  37 /**
  38  * constants for 3GPP AAC psychoacoustic model
  39  * @{
  40  */
  41 #define PSY_3GPP_THR_SPREAD_HI   1.5f // spreading factor for low-to-hi threshold spreading  (15 dB/Bark)
  42 #define PSY_3GPP_THR_SPREAD_LOW  3.0f // spreading factor for hi-to-low threshold spreading  (30 dB/Bark)
  43 /* spreading factor for low-to-hi energy spreading, long block, > 22kbps/channel (20dB/Bark) */
  44 #define PSY_3GPP_EN_SPREAD_HI_L1 2.0f
  45 /* spreading factor for low-to-hi energy spreading, long block, <= 22kbps/channel (15dB/Bark) */
  46 #define PSY_3GPP_EN_SPREAD_HI_L2 1.5f
  47 /* spreading factor for low-to-hi energy spreading, short block (15 dB/Bark) */
  48 #define PSY_3GPP_EN_SPREAD_HI_S  1.5f
  49 /* spreading factor for hi-to-low energy spreading, long block (30dB/Bark) */
  50 #define PSY_3GPP_EN_SPREAD_LOW_L 3.0f
  51 /* spreading factor for hi-to-low energy spreading, short block (20dB/Bark) */
  52 #define PSY_3GPP_EN_SPREAD_LOW_S 2.0f
  53
  54 #define PSY_3GPP_RPEMIN      0.01f
  55 #define PSY_3GPP_RPELEV      2.0f
  56
  57 #define PSY_3GPP_C1          3.0f           /* log2(8) */
  58 #define PSY_3GPP_C2          1.3219281f     /* log2(2.5) */
  59 #define PSY_3GPP_C3          0.55935729f    /* 1 - C2 / C1 */
  60
  61 #define PSY_SNR_1DB          7.9432821e-1f  /* -1dB */
  62 #define PSY_SNR_25DB         3.1622776e-3f  /* -25dB */
  63
  64 #define PSY_3GPP_SAVE_SLOPE_L  -0.46666667f
  65 #define PSY_3GPP_SAVE_SLOPE_S  -0.36363637f
  66 #define PSY_3GPP_SAVE_ADD_L    -0.84285712f
  67 #define PSY_3GPP_SAVE_ADD_S    -0.75f
  68 #define PSY_3GPP_SPEND_SLOPE_L  0.66666669f
  69 #define PSY_3GPP_SPEND_SLOPE_S  0.81818181f
  70 #define PSY_3GPP_SPEND_ADD_L   -0.35f
  71 #define PSY_3GPP_SPEND_ADD_S   -0.26111111f
  72 #define PSY_3GPP_CLIP_LO_L      0.2f
  73 #define PSY_3GPP_CLIP_LO_S      0.2f
  74 #define PSY_3GPP_CLIP_HI_L      0.95f
  75 #define PSY_3GPP_CLIP_HI_S      0.75f
  76
  77 #define PSY_3GPP_AH_THR_LONG    0.5f
  78 #define PSY_3GPP_AH_THR_SHORT   0.63f
  79
  80 enum {
  81     PSY_3GPP_AH_NONE,
  82     PSY_3GPP_AH_INACTIVE,
  83     PSY_3GPP_AH_ACTIVE
  84 };
  85
  86 #define PSY_3GPP_BITS_TO_PE(bits) ((bits) * 1.18f)
  87
  88 /* LAME psy model constants */
  89 #define PSY_LAME_FIR_LEN 21         ///< LAME psy model FIR order
  90 #define AAC_BLOCK_SIZE_LONG 1024    ///< long block size
  91 #define AAC_BLOCK_SIZE_SHORT 128    ///< short block size
  92 #define AAC_NUM_BLOCKS_SHORT 8      ///< number of blocks in a short sequence
  93 #define PSY_LAME_NUM_SUBBLOCKS 3    ///< Number of sub-blocks in each short block
  94
  95 /**
  96  * @}
  97  */
  98
  99 /**
 100  * information for single band used by 3GPP TS26.403-inspired psychoacoustic model
 101  */
 102 typedef struct AacPsyBand{
 103     float energy;       ///< band energy
 104     float thr;          ///< energy threshold
 105     float thr_quiet;    ///< threshold in quiet
 106     float nz_lines;     ///< number of non-zero spectral lines
 107     float active_lines; ///< number of active spectral lines
 108     float pe;           ///< perceptual entropy
 109     float pe_const;     ///< constant part of the PE calculation
 110     float norm_fac;     ///< normalization factor for linearization
 111     int   avoid_holes;  ///< hole avoidance flag
 112 }AacPsyBand;
 113
 114 /**
 115  * single/pair channel context for psychoacoustic model
 116  */
 117 typedef struct AacPsyChannel{
 118     AacPsyBand band[128];               ///< bands information
 119     AacPsyBand prev_band[128];          ///< bands information from the previous frame
 120
 121     float       win_energy;              ///< sliding average of channel energy
 122     float       iir_state[2];            ///< hi-pass IIR filter state
 123     uint8_t     next_grouping;           ///< stored grouping scheme for the next frame (in case of 8 short window sequence)
 124     enum WindowSequence next_window_seq; ///< window sequence to be used in the next frame
 125     /* LAME psy model specific members */
 126     float attack_threshold;              ///< attack threshold for this channel
 127     float prev_energy_subshort[AAC_NUM_BLOCKS_SHORT * PSY_LAME_NUM_SUBBLOCKS];
 128     int   prev_attack;                   ///< attack value for the last short block in the previous sequence
 129 }AacPsyChannel;
 130
 131 /**
 132  * psychoacoustic model frame type-dependent coefficients
 133  */
 134 typedef struct AacPsyCoeffs{
 135     float ath;           ///< absolute threshold of hearing per bands
 136     float barks;         ///< Bark value for each spectral band in long frame
 137     float spread_low[2]; ///< spreading factor for low-to-high threshold spreading in long frame
 138     float spread_hi [2]; ///< spreading factor for high-to-low threshold spreading in long frame
 139     float min_snr;       ///< minimal SNR
 140 }AacPsyCoeffs;
 141
 142 /**
 143  * 3GPP TS26.403-inspired psychoacoustic model specific data
 144  */
 145 typedef struct AacPsyContext{
 146     int chan_bitrate;     ///< bitrate per channel
 147     int frame_bits;       ///< average bits per frame
 148     int fill_level;       ///< bit reservoir fill level
 149     struct {
 150         float min;        ///< minimum allowed PE for bit factor calculation
 151         float max;        ///< maximum allowed PE for bit factor calculation
 152         float previous;   ///< allowed PE of the previous frame
 153         float correction; ///< PE correction factor
 154     } pe;
 155     AacPsyCoeffs psy_coef[2][64];
 156     AacPsyChannel *ch;
 157 }AacPsyContext;
 158
 159 /**
 160  * LAME psy model preset struct
 161  */
 162 typedef struct {
 163     int   quality;  ///< Quality to map the rest of the vaules to.
 164      /* This is overloaded to be both kbps per channel in ABR mode, and
 165       * requested quality in constant quality mode.
 166       */
 167     float st_lrm;   ///< short threshold for L, R, and M channels
 168 } PsyLamePreset;
 169
 170 /**
 171  * LAME psy model preset table for ABR
 172  */
 173 static const PsyLamePreset psy_abr_map[] = {
 174 /* TODO: Tuning. These were taken from LAME. */
 175 /* kbps/ch st_lrm   */
 176     {  8,  6.60},
 177     { 16,  6.60},
 178     { 24,  6.60},
 179     { 32,  6.60},
 180     { 40,  6.60},
 181     { 48,  6.60},
 182     { 56,  6.60},
 183     { 64,  6.40},
 184     { 80,  6.00},
 185     { 96,  5.60},
 186     {112,  5.20},
 187     {128,  5.20},
 188     {160,  5.20}
 189 };
 190
 191 /**
 192 * LAME psy model preset table for constant quality
 193 */
 194 static const PsyLamePreset psy_vbr_map[] = {
 195 /* vbr_q  st_lrm    */
 196     { 0,  4.20},
 197     { 1,  4.20},
 198     { 2,  4.20},
 199     { 3,  4.20},
 200     { 4,  4.20},
 201     { 5,  4.20},
 202     { 6,  4.20},
 203     { 7,  4.20},
 204     { 8,  4.20},
 205     { 9,  4.20},
 206     {10,  4.20}
 207 };
 208
 209 /**
 210  * LAME psy model FIR coefficient table
 211  */
 212 static const float psy_fir_coeffs[] = {
 213     -8.65163e-18 * 2, -0.00851586 * 2, -6.74764e-18 * 2, 0.0209036 * 2,
 214     -3.36639e-17 * 2, -0.0438162 * 2,  -1.54175e-17 * 2, 0.0931738 * 2,
 215     -5.52212e-17 * 2, -0.313819 * 2
 216 };
 217
 218 /**
 219  * calculates the attack threshold for ABR from the above table for the LAME psy model
 220  */
 221 static float lame_calc_attack_threshold(int bitrate)
 222 {
 223     /* Assume max bitrate to start with */
 224     int lower_range = 12, upper_range = 12;
 225     int lower_range_kbps = psy_abr_map[12].quality;
 226     int upper_range_kbps = psy_abr_map[12].quality;
 227     int i;
 228
 229     /* Determine which bitrates the value specified falls between.
 230      * If the loop ends without breaking our above assumption of 320kbps was correct.
 231      */
 232     for (i = 1; i < 13; i++) {
 233         if (FFMAX(bitrate, psy_abr_map[i].quality) != bitrate) {
 234             upper_range = i;
 235             upper_range_kbps = psy_abr_map[i    ].quality;
 236             lower_range = i - 1;
 237             lower_range_kbps = psy_abr_map[i - 1].quality;
 238             break; /* Upper range found */
 239         }
 240     }
 241
 242     /* Determine which range the value specified is closer to */
 243     if ((upper_range_kbps - bitrate) > (bitrate - lower_range_kbps))
 244         return psy_abr_map[lower_range].st_lrm;
 245     return psy_abr_map[upper_range].st_lrm;
 246 }
 247
 248 /**
 249  * LAME psy model specific initialization
 250  */
 251 static void lame_window_init(AacPsyContext *ctx, AVCodecContext *avctx) {
 252     int i, j;
 253
 254     for (i = 0; i < avctx->channels; i++) {
 255         AacPsyChannel *pch = &ctx->ch[i];
 256
 257         if (avctx->flags & CODEC_FLAG_QSCALE)
 258             pch->attack_threshold = psy_vbr_map[avctx->global_quality / FF_QP2LAMBDA].st_lrm;
 259         else
 260             pch->attack_threshold = lame_calc_attack_threshold(avctx->bit_rate / avctx->channels / 1000);
 261
 262         for (j = 0; j < AAC_NUM_BLOCKS_SHORT * PSY_LAME_NUM_SUBBLOCKS; j++)
 263             pch->prev_energy_subshort[j] = 10.0f;
 264     }
 265 }
 266
 267 /**
 268  * Calculate Bark value for given line.
 269  */
 270 static av_cold float calc_bark(float f)
 271 {
 272     return 13.3f * atanf(0.00076f * f) + 3.5f * atanf((f / 7500.0f) * (f / 7500.0f));
 273 }
 274
 275 #define ATH_ADD 4
 276 /**
 277  * Calculate ATH value for given frequency.
 278  * Borrowed from Lame.
 279  */
 280 static av_cold float ath(float f, float add)
 281 {
 282     f /= 1000.0f;
 283     return    3.64 * pow(f, -0.8)
 284             - 6.8  * exp(-0.6  * (f - 3.4) * (f - 3.4))
 285             + 6.0  * exp(-0.15 * (f - 8.7) * (f - 8.7))
 286             + (0.6 + 0.04 * add) * 0.001 * f * f * f * f;
 287 }
 288
 289 static av_cold int psy_3gpp_init(FFPsyContext *ctx) {
 290     AacPsyContext *pctx;
 291     float bark;
 292     int i, j, g, start;
 293     float prev, minscale, minath, minsnr, pe_min;
 294     const int chan_bitrate = ctx->avctx->bit_rate / ctx->avctx->channels;
 295     const int bandwidth    = ctx->avctx->cutoff ? ctx->avctx->cutoff : ctx->avctx->sample_rate / 2;
 296     const float num_bark   = calc_bark((float)bandwidth);
 297
 298     ctx->model_priv_data = av_mallocz(sizeof(AacPsyContext));
 299     pctx = (AacPsyContext*) ctx->model_priv_data;
 300
 301     pctx->chan_bitrate = chan_bitrate;
 302     pctx->frame_bits   = chan_bitrate * AAC_BLOCK_SIZE_LONG / ctx->avctx->sample_rate;
 303     pctx->pe.min       =  8.0f * AAC_BLOCK_SIZE_LONG * bandwidth / (ctx->avctx->sample_rate * 2.0f);
 304     pctx->pe.max       = 12.0f * AAC_BLOCK_SIZE_LONG * bandwidth / (ctx->avctx->sample_rate * 2.0f);
 305     ctx->bitres.size   = 6144 - pctx->frame_bits;
 306     ctx->bitres.size  -= ctx->bitres.size % 8;
 307     pctx->fill_level   = ctx->bitres.size;
 308     minath = ath(3410, ATH_ADD);
 309     for (j = 0; j < 2; j++) {
 310         AacPsyCoeffs *coeffs = pctx->psy_coef[j];
 311         const uint8_t *band_sizes = ctx->bands[j];
 312         float line_to_frequency = ctx->avctx->sample_rate / (j ? 256.f : 2048.0f);
 313         float avg_chan_bits = chan_bitrate / ctx->avctx->sample_rate * (j ? 128.0f : 1024.0f);
 314         /* reference encoder uses 2.4% here instead of 60% like the spec says */
 315         float bark_pe = 0.024f * PSY_3GPP_BITS_TO_PE(avg_chan_bits) / num_bark;
 316         float en_spread_low = j ? PSY_3GPP_EN_SPREAD_LOW_S : PSY_3GPP_EN_SPREAD_LOW_L;
 317         /* High energy spreading for long blocks <= 22kbps/channel and short blocks are the same. */
 318         float en_spread_hi  = (j || (chan_bitrate <= 22.0f)) ? PSY_3GPP_EN_SPREAD_HI_S : PSY_3GPP_EN_SPREAD_HI_L1;
 319
 320         i = 0;
 321         prev = 0.0;
 322         for (g = 0; g < ctx->num_bands[j]; g++) {
 323             i += band_sizes[g];
 324             bark = calc_bark((i-1) * line_to_frequency);
 325             coeffs[g].barks = (bark + prev) / 2.0;
 326             prev = bark;
 327         }
 328         for (g = 0; g < ctx->num_bands[j] - 1; g++) {
 329             AacPsyCoeffs *coeff = &coeffs[g];
 330             float bark_width = coeffs[g+1].barks - coeffs->barks;
 331             coeff->spread_low[0] = pow(10.0, -bark_width * PSY_3GPP_THR_SPREAD_LOW);
 332             coeff->spread_hi [0] = pow(10.0, -bark_width * PSY_3GPP_THR_SPREAD_HI);
 333             coeff->spread_low[1] = pow(10.0, -bark_width * en_spread_low);
 334             coeff->spread_hi [1] = pow(10.0, -bark_width * en_spread_hi);
 335             pe_min = bark_pe * bark_width;
 336             minsnr = pow(2.0f, pe_min / band_sizes[g]) - 1.5f;
 337             coeff->min_snr = av_clipf(1.0f / minsnr, PSY_SNR_25DB, PSY_SNR_1DB);
 338         }
 339         start = 0;
 340         for (g = 0; g < ctx->num_bands[j]; g++) {
 341             minscale = ath(start * line_to_frequency, ATH_ADD);
 342             for (i = 1; i < band_sizes[g]; i++)
 343                 minscale = FFMIN(minscale, ath((start + i) * line_to_frequency, ATH_ADD));
 344             coeffs[g].ath = minscale - minath;
 345             start += band_sizes[g];
 346         }
 347     }
 348
 349     pctx->ch = av_mallocz(sizeof(AacPsyChannel) * ctx->avctx->channels);
 350
 351     lame_window_init(pctx, ctx->avctx);
 352
 353     return 0;
 354 }
 355
 356 /**
 357  * IIR filter used in block switching decision
 358  */
 359 static float iir_filter(int in, float state[2])
 360 {
 361     float ret;
 362
 363     ret = 0.7548f * (in - state[0]) + 0.5095f * state[1];
 364     state[0] = in;
 365     state[1] = ret;
 366     return ret;
 367 }
 368
 369 /**
 370  * window grouping information stored as bits (0 - new group, 1 - group continues)
 371  */
 372 static const uint8_t window_grouping[9] = {
 373     0xB6, 0x6C, 0xD8, 0xB2, 0x66, 0xC6, 0x96, 0x36, 0x36
 374 };
 375
 376 /**
 377  * Tell encoder which window types to use.
 378  * @see 3GPP TS26.403 5.4.1 "Blockswitching"
 379  */
 380 static av_unused FFPsyWindowInfo psy_3gpp_window(FFPsyContext *ctx,
 381                                                  const int16_t *audio,
 382                                                  const int16_t *la,
 383                                                  int channel, int prev_type)
 384 {
 385     int i, j;
 386     int br               = ctx->avctx->bit_rate / ctx->avctx->channels;
 387     int attack_ratio     = br <= 16000 ? 18 : 10;
 388     AacPsyContext *pctx = (AacPsyContext*) ctx->model_priv_data;
 389     AacPsyChannel *pch  = &pctx->ch[channel];
 390     uint8_t grouping     = 0;
 391     int next_type        = pch->next_window_seq;
 392     FFPsyWindowInfo wi;
 393
 394     memset(&wi, 0, sizeof(wi));
 395     if (la) {
 396         float s[8], v;
 397         int switch_to_eight = 0;
 398         float sum = 0.0, sum2 = 0.0;
 399         int attack_n = 0;
 400         int stay_short = 0;
 401         for (i = 0; i < 8; i++) {
 402             for (j = 0; j < 128; j++) {
 403                 v = iir_filter(la[(i*128+j)*ctx->avctx->channels], pch->iir_state);
 404                 sum += v*v;
 405             }
 406             s[i]  = sum;
 407             sum2 += sum;
 408         }
 409         for (i = 0; i < 8; i++) {
 410             if (s[i] > pch->win_energy * attack_ratio) {
 411                 attack_n        = i + 1;
 412                 switch_to_eight = 1;
 413                 break;
 414             }
 415         }
 416         pch->win_energy = pch->win_energy*7/8 + sum2/64;
 417
 418         wi.window_type[1] = prev_type;
 419         switch (prev_type) {
 420         case ONLY_LONG_SEQUENCE:
 421             wi.window_type[0] = switch_to_eight ? LONG_START_SEQUENCE : ONLY_LONG_SEQUENCE;
 422             next_type = switch_to_eight ? EIGHT_SHORT_SEQUENCE : ONLY_LONG_SEQUENCE;
 423             break;
 424         case LONG_START_SEQUENCE:
 425             wi.window_type[0] = EIGHT_SHORT_SEQUENCE;
 426             grouping = pch->next_grouping;
 427             next_type = switch_to_eight ? EIGHT_SHORT_SEQUENCE : LONG_STOP_SEQUENCE;
 428             break;
 429         case LONG_STOP_SEQUENCE:
 430             wi.window_type[0] = switch_to_eight ? LONG_START_SEQUENCE : ONLY_LONG_SEQUENCE;
 431             next_type = switch_to_eight ? EIGHT_SHORT_SEQUENCE : ONLY_LONG_SEQUENCE;
 432             break;
 433         case EIGHT_SHORT_SEQUENCE:
 434             stay_short = next_type == EIGHT_SHORT_SEQUENCE || switch_to_eight;
 435             wi.window_type[0] = stay_short ? EIGHT_SHORT_SEQUENCE : LONG_STOP_SEQUENCE;
 436             grouping = next_type == EIGHT_SHORT_SEQUENCE ? pch->next_grouping : 0;
 437             next_type = switch_to_eight ? EIGHT_SHORT_SEQUENCE : LONG_STOP_SEQUENCE;
 438             break;
 439         }
 440
 441         pch->next_grouping = window_grouping[attack_n];
 442         pch->next_window_seq = next_type;
 443     } else {
 444         for (i = 0; i < 3; i++)
 445             wi.window_type[i] = prev_type;
 446         grouping = (prev_type == EIGHT_SHORT_SEQUENCE) ? window_grouping[0] : 0;
 447     }
 448
 449     wi.window_shape   = 1;
 450     if (wi.window_type[0] != EIGHT_SHORT_SEQUENCE) {
 451         wi.num_windows = 1;
 452         wi.grouping[0] = 1;
 453     } else {
 454         int lastgrp = 0;
 455         wi.num_windows = 8;
 456         for (i = 0; i < 8; i++) {
 457             if (!((grouping >> i) & 1))
 458                 lastgrp = i;
 459             wi.grouping[lastgrp]++;
 460         }
 461     }
 462
 463     return wi;
 464 }
 465
 466 /* 5.6.1.2 "Calculation of Bit Demand" */
 467 static int calc_bit_demand(AacPsyContext *ctx, float pe, int bits, int size,
 468                            int short_window)
 469 {
 470     const float bitsave_slope  = short_window ? PSY_3GPP_SAVE_SLOPE_S  : PSY_3GPP_SAVE_SLOPE_L;
 471     const float bitsave_add    = short_window ? PSY_3GPP_SAVE_ADD_S    : PSY_3GPP_SAVE_ADD_L;
 472     const float bitspend_slope = short_window ? PSY_3GPP_SPEND_SLOPE_S : PSY_3GPP_SPEND_SLOPE_L;
 473     const float bitspend_add   = short_window ? PSY_3GPP_SPEND_ADD_S   : PSY_3GPP_SPEND_ADD_L;
 474     const float clip_low       = short_window ? PSY_3GPP_CLIP_LO_S     : PSY_3GPP_CLIP_LO_L;
 475     const float clip_high      = short_window ? PSY_3GPP_CLIP_HI_S     : PSY_3GPP_CLIP_HI_L;
 476     float clipped_pe, bit_save, bit_spend, bit_factor, fill_level;
 477
 478     ctx->fill_level += ctx->frame_bits - bits;
 479     ctx->fill_level  = av_clip(ctx->fill_level, 0, size);
 480     fill_level = av_clipf((float)ctx->fill_level / size, clip_low, clip_high);
 481     clipped_pe = av_clipf(pe, ctx->pe.min, ctx->pe.max);
 482     bit_save   = (fill_level + bitsave_add) * bitsave_slope;
 483     assert(bit_save <= 0.3f && bit_save >= -0.05000001f);
 484     bit_spend  = (fill_level + bitspend_add) * bitspend_slope;
 485     assert(bit_spend <= 0.5f && bit_spend >= -0.1f);
 486     /* The bit factor graph in the spec is obviously incorrect.
 487      *      bit_spend + ((bit_spend - bit_spend))...
 488      * The reference encoder subtracts everything from 1, but also seems incorrect.
 489      *      1 - bit_save + ((bit_spend + bit_save))...
 490      * Hopefully below is correct.
 491      */
 492     bit_factor = 1.0f - bit_save + ((bit_spend - bit_save) / (ctx->pe.max - ctx->pe.min)) * (clipped_pe - ctx->pe.min);
 493     /* NOTE: The reference encoder attempts to center pe max/min around the current pe. */
 494     ctx->pe.max = FFMAX(pe, ctx->pe.max);
 495     ctx->pe.min = FFMIN(pe, ctx->pe.min);
 496
 497     return FFMIN(ctx->frame_bits * bit_factor, ctx->frame_bits + size - bits);
 498 }
 499
 500 static float calc_pe_3gpp(AacPsyBand *band)
 501 {
 502     float pe, a;
 503
 504     band->pe           = 0.0f;
 505     band->pe_const     = 0.0f;
 506     band->active_lines = 0.0f;
 507     if (band->energy > band->thr) {
 508         a  = log2f(band->energy);
 509         pe = a - log2f(band->thr);
 510         band->active_lines = band->nz_lines;
 511         if (pe < PSY_3GPP_C1) {
 512             pe = pe * PSY_3GPP_C3 + PSY_3GPP_C2;
 513             a  = a  * PSY_3GPP_C3 + PSY_3GPP_C2;
 514             band->active_lines *= PSY_3GPP_C3;
 515         }
 516         band->pe       = pe * band->nz_lines;
 517         band->pe_const = a  * band->nz_lines;
 518     }
 519
 520     return band->pe;
 521 }
 522
 523 static float calc_reduction_3gpp(float a, float desired_pe, float pe,
 524                                  float active_lines)
 525 {
 526     float thr_avg, reduction;
 527
 528     thr_avg   = powf(2.0f, (a - pe) / (4.0f * active_lines));
 529     reduction = powf(2.0f, (a - desired_pe) / (4.0f * active_lines)) - thr_avg;
 530
 531     return FFMAX(reduction, 0.0f);
 532 }
 533
 534 static float calc_reduced_thr_3gpp(AacPsyBand *band, float min_snr,
 535                                    float reduction)
 536 {
 537     float thr = band->thr;
 538
 539     if (band->energy > thr) {
 540         thr = powf(thr, 0.25f) + reduction;
 541         thr = powf(thr, 4.0f);
 542
 543         /* This deviates from the 3GPP spec to match the reference encoder.
 544          * It performs min(thr_reduced, max(thr, energy/min_snr)) only for bands
 545          * that have hole avoidance on (active or inactive). It always reduces the
 546          * threshold of bands with hole avoidance off.
 547          */
 548         if (thr > band->energy * min_snr && band->avoid_holes != PSY_3GPP_AH_NONE) {
 549             thr = FFMAX(band->thr, band->energy * min_snr);
 550             band->avoid_holes = PSY_3GPP_AH_ACTIVE;
 551         }
 552     }
 553
 554     return thr;
 555 }
 556
 557 /**
 558  * Calculate band thresholds as suggested in 3GPP TS26.403
 559  */
 560 static void psy_3gpp_analyze_channel(FFPsyContext *ctx, int channel,
 561                                      const float *coefs, const FFPsyWindowInfo *wi)
 562 {
 563     AacPsyContext *pctx = (AacPsyContext*) ctx->model_priv_data;
 564     AacPsyChannel *pch  = &pctx->ch[channel];
 565     int start = 0;
 566     int i, w, g;
 567     float desired_bits, desired_pe, delta_pe, reduction, spread_en[128] = {0};
 568     float a = 0.0f, active_lines = 0.0f, norm_fac = 0.0f;
 569     float pe = pctx->chan_bitrate > 32000 ? 0.0f : FFMAX(50.0f, 100.0f - pctx->chan_bitrate * 100.0f / 32000.0f);
 570     const int      num_bands   = ctx->num_bands[wi->num_windows == 8];
 571     const uint8_t *band_sizes  = ctx->bands[wi->num_windows == 8];
 572     AacPsyCoeffs  *coeffs      = pctx->psy_coef[wi->num_windows == 8];
 573     const float avoid_hole_thr = wi->num_windows == 8 ? PSY_3GPP_AH_THR_SHORT : PSY_3GPP_AH_THR_LONG;
 574
 575     //calculate energies, initial thresholds and related values - 5.4.2 "Threshold Calculation"
 576     for (w = 0; w < wi->num_windows*16; w += 16) {
 577         for (g = 0; g < num_bands; g++) {
 578             AacPsyBand *band = &pch->band[w+g];
 579
 580             float form_factor = 0.0f;
 581             band->energy = 0.0f;
 582             for (i = 0; i < band_sizes[g]; i++) {
 583                 band->energy += coefs[start+i] * coefs[start+i];
 584                 form_factor  += sqrtf(fabs(coefs[start+i]));
 585             }
 586             band->thr      = band->energy * 0.001258925f;
 587             band->nz_lines = form_factor / powf(band->energy / band_sizes[g], 0.25f);
 588
 589             start += band_sizes[g];
 590         }
 591     }
 592     //modify thresholds and energies - spread, threshold in quiet, pre-echo control
 593     for (w = 0; w < wi->num_windows*16; w += 16) {
 594         AacPsyBand *bands = &pch->band[w];
 595
 596         //5.4.2.3 "Spreading" & 5.4.3 "Spreaded Energy Calculation"
 597         spread_en[0] = bands[0].energy;
 598         for (g = 1; g < num_bands; g++) {
 599             bands[g].thr   = FFMAX(bands[g].thr,    bands[g-1].thr * coeffs[g].spread_hi[0]);
 600             spread_en[w+g] = FFMAX(bands[g].energy, spread_en[w+g-1] * coeffs[g].spread_hi[1]);
 601         }
 602         for (g = num_bands - 2; g >= 0; g--) {
 603             bands[g].thr   = FFMAX(bands[g].thr,   bands[g+1].thr * coeffs[g].spread_low[0]);
 604             spread_en[w+g] = FFMAX(spread_en[w+g], spread_en[w+g+1] * coeffs[g].spread_low[1]);
 605         }
 606         //5.4.2.4 "Threshold in quiet"
 607         for (g = 0; g < num_bands; g++) {
 608             AacPsyBand *band = &bands[g];
 609
 610             band->thr_quiet = band->thr = FFMAX(band->thr, coeffs[g].ath);
 611             //5.4.2.5 "Pre-echo control"
 612             if (!(wi->window_type[0] == LONG_STOP_SEQUENCE || (wi->window_type[1] == LONG_START_SEQUENCE && !w)))
 613                 band->thr = FFMAX(PSY_3GPP_RPEMIN*band->thr, FFMIN(band->thr,
 614                                   PSY_3GPP_RPELEV*pch->prev_band[w+g].thr_quiet));
 615
 616             /* 5.6.1.3.1 "Prepatory steps of the perceptual entropy calculation" */
 617             pe += calc_pe_3gpp(band);
 618             a  += band->pe_const;
 619             active_lines += band->active_lines;
 620
 621             /* 5.6.1.3.3 "Selection of the bands for avoidance of holes" */
 622             if (spread_en[w+g] * avoid_hole_thr > band->energy || coeffs[g].min_snr > 1.0f)
 623                 band->avoid_holes = PSY_3GPP_AH_NONE;
 624             else
 625                 band->avoid_holes = PSY_3GPP_AH_INACTIVE;
 626         }
 627     }
 628
 629     /* 5.6.1.3.2 "Calculation of the desired perceptual entropy" */
 630     ctx->ch[channel].entropy = pe;
 631     desired_bits = calc_bit_demand(pctx, pe, ctx->bitres.bits, ctx->bitres.size, wi->num_windows == 8);
 632     desired_pe = PSY_3GPP_BITS_TO_PE(desired_bits);
 633     /* NOTE: PE correction is kept simple. During initial testing it had very
 634      *       little effect on the final bitrate. Probably a good idea to come
 635      *       back and do more testing later.
 636      */
 637     if (ctx->bitres.bits > 0)
 638         desired_pe *= av_clipf(pctx->pe.previous / PSY_3GPP_BITS_TO_PE(ctx->bitres.bits),
 639                                0.85f, 1.15f);
 640     pctx->pe.previous = PSY_3GPP_BITS_TO_PE(desired_bits);
 641
 642     if (desired_pe < pe) {
 643         /* 5.6.1.3.4 "First Estimation of the reduction value" */
 644         for (w = 0; w < wi->num_windows*16; w += 16) {
 645             reduction = calc_reduction_3gpp(a, desired_pe, pe, active_lines);
 646             pe = 0.0f;
 647             a  = 0.0f;
 648             active_lines = 0.0f;
 649             for (g = 0; g < num_bands; g++) {
 650                 AacPsyBand *band = &pch->band[w+g];
 651
 652                 band->thr = calc_reduced_thr_3gpp(band, coeffs[g].min_snr, reduction);
 653                 /* recalculate PE */
 654                 pe += calc_pe_3gpp(band);
 655                 a  += band->pe_const;
 656                 active_lines += band->active_lines;
 657             }
 658         }
 659
 660         /* 5.6.1.3.5 "Second Estimation of the reduction value" */
 661         for (i = 0; i < 2; i++) {
 662             float pe_no_ah = 0.0f, desired_pe_no_ah;
 663             active_lines = a = 0.0f;
 664             for (w = 0; w < wi->num_windows*16; w += 16) {
 665                 for (g = 0; g < num_bands; g++) {
 666                     AacPsyBand *band = &pch->band[w+g];
 667
 668                     if (band->avoid_holes != PSY_3GPP_AH_ACTIVE) {
 669                         pe_no_ah += band->pe;
 670                         a        += band->pe_const;
 671                         active_lines += band->active_lines;
 672                     }
 673                 }
 674             }
 675             desired_pe_no_ah = FFMAX(desired_pe - (pe - pe_no_ah), 0.0f);
 676             if (active_lines > 0.0f)
 677                 reduction += calc_reduction_3gpp(a, desired_pe_no_ah, pe_no_ah, active_lines);
 678
 679             pe = 0.0f;
 680             for (w = 0; w < wi->num_windows*16; w += 16) {
 681                 for (g = 0; g < num_bands; g++) {
 682                     AacPsyBand *band = &pch->band[w+g];
 683
 684                     if (active_lines > 0.0f)
 685                         band->thr = calc_reduced_thr_3gpp(band, coeffs[g].min_snr, reduction);
 686                     pe += calc_pe_3gpp(band);
 687                     band->norm_fac = band->active_lines / band->thr;
 688                     norm_fac += band->norm_fac;
 689                 }
 690             }
 691             delta_pe = desired_pe - pe;
 692             if (fabs(delta_pe) > 0.05f * desired_pe)
 693                 break;
 694         }
 695
 696         if (pe < 1.15f * desired_pe) {
 697             /* 6.6.1.3.6 "Final threshold modification by linearization" */
 698             norm_fac = 1.0f / norm_fac;
 699             for (w = 0; w < wi->num_windows*16; w += 16) {
 700                 for (g = 0; g < num_bands; g++) {
 701                     AacPsyBand *band = &pch->band[w+g];
 702
 703                     if (band->active_lines > 0.5f) {
 704                         float delta_sfb_pe = band->norm_fac * norm_fac * delta_pe;
 705                         float thr = band->thr;
 706
 707                         thr *= powf(2.0f, delta_sfb_pe / band->active_lines);
 708                         if (thr > coeffs[g].min_snr * band->energy && band->avoid_holes == PSY_3GPP_AH_INACTIVE)
 709                             thr = FFMAX(band->thr, coeffs[g].min_snr * band->energy);
 710                         band->thr = thr;
 711                     }
 712                 }
 713             }
 714         } else {
 715             /* 5.6.1.3.7 "Further perceptual entropy reduction" */
 716             g = num_bands;
 717             while (pe > desired_pe && g--) {
 718                 for (w = 0; w < wi->num_windows*16; w+= 16) {
 719                     AacPsyBand *band = &pch->band[w+g];
 720                     if (band->avoid_holes != PSY_3GPP_AH_NONE && coeffs[g].min_snr < PSY_SNR_1DB) {
 721                         coeffs[g].min_snr = PSY_SNR_1DB;
 722                         band->thr = band->energy * PSY_SNR_1DB;
 723                         pe += band->active_lines * 1.5f - band->pe;
 724                     }
 725                 }
 726             }
 727             /* TODO: allow more holes (unused without mid/side) */
 728         }
 729     }
 730
 731     for (w = 0; w < wi->num_windows*16; w += 16) {
 732         for (g = 0; g < num_bands; g++) {
 733             AacPsyBand *band     = &pch->band[w+g];
 734             FFPsyBand  *psy_band = &ctx->ch[channel].psy_bands[w+g];
 735
 736             psy_band->threshold = band->thr;
 737             psy_band->energy    = band->energy;
 738         }
 739     }
 740
 741     memcpy(pch->prev_band, pch->band, sizeof(pch->band));
 742 }
 743
 744 static void psy_3gpp_analyze(FFPsyContext *ctx, int channel,
 745                                    const float **coeffs, const FFPsyWindowInfo *wi)
 746 {
 747     int ch;
 748     FFPsyChannelGroup *group = ff_psy_find_group(ctx, channel);
 749
 750     for (ch = 0; ch < group->num_ch; ch++)
 751         psy_3gpp_analyze_channel(ctx, channel + ch, coeffs[ch], &wi[ch]);
 752 }
 753
 754 static av_cold void psy_3gpp_end(FFPsyContext *apc)
 755 {
 756     AacPsyContext *pctx = (AacPsyContext*) apc->model_priv_data;
 757     av_freep(&pctx->ch);
 758     av_freep(&apc->model_priv_data);
 759 }
 760
 761 static void lame_apply_block_type(AacPsyChannel *ctx, FFPsyWindowInfo *wi, int uselongblock)
 762 {
 763     int blocktype = ONLY_LONG_SEQUENCE;
 764     if (uselongblock) {
 765         if (ctx->next_window_seq == EIGHT_SHORT_SEQUENCE)
 766             blocktype = LONG_STOP_SEQUENCE;
 767     } else {
 768         blocktype = EIGHT_SHORT_SEQUENCE;
 769         if (ctx->next_window_seq == ONLY_LONG_SEQUENCE)
 770             ctx->next_window_seq = LONG_START_SEQUENCE;
 771         if (ctx->next_window_seq == LONG_STOP_SEQUENCE)
 772             ctx->next_window_seq = EIGHT_SHORT_SEQUENCE;
 773     }
 774
 775     wi->window_type[0] = ctx->next_window_seq;
 776     ctx->next_window_seq = blocktype;
 777 }
 778
 779 static FFPsyWindowInfo psy_lame_window(FFPsyContext *ctx,
 780                                        const int16_t *audio, const int16_t *la,
 781                                        int channel, int prev_type)
 782 {
 783     AacPsyContext *pctx = (AacPsyContext*) ctx->model_priv_data;
 784     AacPsyChannel *pch  = &pctx->ch[channel];
 785     int grouping     = 0;
 786     int uselongblock = 1;
 787     int attacks[AAC_NUM_BLOCKS_SHORT + 1] = { 0 };
 788     int i;
 789     FFPsyWindowInfo wi;
 790
 791     memset(&wi, 0, sizeof(wi));
 792     if (la) {
 793         float hpfsmpl[AAC_BLOCK_SIZE_LONG];
 794         float const *pf = hpfsmpl;
 795         float attack_intensity[(AAC_NUM_BLOCKS_SHORT + 1) * PSY_LAME_NUM_SUBBLOCKS];
 796         float energy_subshort[(AAC_NUM_BLOCKS_SHORT + 1) * PSY_LAME_NUM_SUBBLOCKS];
 797         float energy_short[AAC_NUM_BLOCKS_SHORT + 1] = { 0 };
 798         int chans = ctx->avctx->channels;
 799         const int16_t *firbuf = la + (AAC_BLOCK_SIZE_SHORT/4 - PSY_LAME_FIR_LEN) * chans;
 800         int j, att_sum = 0;
 801
 802         /* LAME comment: apply high pass filter of fs/4 */
 803         for (i = 0; i < AAC_BLOCK_SIZE_LONG; i++) {
 804             float sum1, sum2;
 805             sum1 = firbuf[(i + ((PSY_LAME_FIR_LEN - 1) / 2)) * chans];
 806             sum2 = 0.0;
 807             for (j = 0; j < ((PSY_LAME_FIR_LEN - 1) / 2) - 1; j += 2) {
 808                 sum1 += psy_fir_coeffs[j] * (firbuf[(i + j) * chans] + firbuf[(i + PSY_LAME_FIR_LEN - j) * chans]);
 809                 sum2 += psy_fir_coeffs[j + 1] * (firbuf[(i + j + 1) * chans] + firbuf[(i + PSY_LAME_FIR_LEN - j - 1) * chans]);
 810             }
 811             hpfsmpl[i] = sum1 + sum2;
 812         }
 813
 814         /* Calculate the energies of each sub-shortblock */
 815         for (i = 0; i < PSY_LAME_NUM_SUBBLOCKS; i++) {
 816             energy_subshort[i] = pch->prev_energy_subshort[i + ((AAC_NUM_BLOCKS_SHORT - 1) * PSY_LAME_NUM_SUBBLOCKS)];
 817             assert(pch->prev_energy_subshort[i + ((AAC_NUM_BLOCKS_SHORT - 2) * PSY_LAME_NUM_SUBBLOCKS + 1)] > 0);
 818             attack_intensity[i] = energy_subshort[i] / pch->prev_energy_subshort[i + ((AAC_NUM_BLOCKS_SHORT - 2) * PSY_LAME_NUM_SUBBLOCKS + 1)];
 819             energy_short[0] += energy_subshort[i];
 820         }
 821
 822         for (i = 0; i < AAC_NUM_BLOCKS_SHORT * PSY_LAME_NUM_SUBBLOCKS; i++) {
 823             float const *const pfe = pf + AAC_BLOCK_SIZE_LONG / (AAC_NUM_BLOCKS_SHORT * PSY_LAME_NUM_SUBBLOCKS);
 824             float p = 1.0f;
 825             for (; pf < pfe; pf++)
 826                 if (p < fabsf(*pf))
 827                     p = fabsf(*pf);
 828             pch->prev_energy_subshort[i] = energy_subshort[i + PSY_LAME_NUM_SUBBLOCKS] = p;
 829             energy_short[1 + i / PSY_LAME_NUM_SUBBLOCKS] += p;
 830             /* FIXME: The indexes below are [i + 3 - 2] in the LAME source.
 831              *          Obviously the 3 and 2 have some significance, or this would be just [i + 1]
 832              *          (which is what we use here). What the 3 stands for is ambigious, as it is both
 833              *          number of short blocks, and the number of sub-short blocks.
 834              *          It seems that LAME is comparing each sub-block to sub-block + 1 in the
 835              *          previous block.
 836              */
 837             if (p > energy_subshort[i + 1])
 838                 p = p / energy_subshort[i + 1];
 839             else if (energy_subshort[i + 1] > p * 10.0f)
 840                 p = energy_subshort[i + 1] / (p * 10.0f);
 841             else
 842                 p = 0.0;
 843             attack_intensity[i + PSY_LAME_NUM_SUBBLOCKS] = p;
 844         }
 845
 846         /* compare energy between sub-short blocks */
 847         for (i = 0; i < (AAC_NUM_BLOCKS_SHORT + 1) * PSY_LAME_NUM_SUBBLOCKS; i++)
 848             if (!attacks[i / PSY_LAME_NUM_SUBBLOCKS])
 849                 if (attack_intensity[i] > pch->attack_threshold)
 850                     attacks[i / PSY_LAME_NUM_SUBBLOCKS] = (i % PSY_LAME_NUM_SUBBLOCKS) + 1;
 851
 852         /* should have energy change between short blocks, in order to avoid periodic signals */
 853         /* Good samples to show the effect are Trumpet test songs */
 854         /* GB: tuned (1) to avoid too many short blocks for test sample TRUMPET */
 855         /* RH: tuned (2) to let enough short blocks through for test sample FSOL and SNAPS */
 856         for (i = 1; i < AAC_NUM_BLOCKS_SHORT + 1; i++) {
 857             float const u = energy_short[i - 1];
 858             float const v = energy_short[i];
 859             float const m = FFMAX(u, v);
 860             if (m < 40000) {                          /* (2) */
 861                 if (u < 1.7f * v && v < 1.7f * u) {   /* (1) */
 862                     if (i == 1 && attacks[0] < attacks[i])
 863                         attacks[0] = 0;
 864                     attacks[i] = 0;
 865                 }
 866             }
 867             att_sum += attacks[i];
 868         }
 869
 870         if (attacks[0] <= pch->prev_attack)
 871             attacks[0] = 0;
 872
 873         att_sum += attacks[0];
 874         /* 3 below indicates the previous attack happened in the last sub-block of the previous sequence */
 875         if (pch->prev_attack == 3 || att_sum) {
 876             uselongblock = 0;
 877
 878             for (i = 1; i < AAC_NUM_BLOCKS_SHORT + 1; i++)
 879                 if (attacks[i] && attacks[i-1])
 880                     attacks[i] = 0;
 881         }
 882     } else {
 883         /* We have no lookahead info, so just use same type as the previous sequence. */
 884         uselongblock = !(prev_type == EIGHT_SHORT_SEQUENCE);
 885     }
 886
 887     lame_apply_block_type(pch, &wi, uselongblock);
 888
 889     wi.window_type[1] = prev_type;
 890     if (wi.window_type[0] != EIGHT_SHORT_SEQUENCE) {
 891         wi.num_windows  = 1;
 892         wi.grouping[0]  = 1;
 893         if (wi.window_type[0] == LONG_START_SEQUENCE)
 894             wi.window_shape = 0;
 895         else
 896             wi.window_shape = 1;
 897     } else {
 898         int lastgrp = 0;
 899
 900         wi.num_windows = 8;
 901         wi.window_shape = 0;
 902         for (i = 0; i < 8; i++) {
 903             if (!((pch->next_grouping >> i) & 1))
 904                 lastgrp = i;
 905             wi.grouping[lastgrp]++;
 906         }
 907     }
 908
 909     /* Determine grouping, based on the location of the first attack, and save for
 910      * the next frame.
 911      * FIXME: Move this to analysis.
 912      * TODO: Tune groupings depending on attack location
 913      * TODO: Handle more than one attack in a group
 914      */
 915     for (i = 0; i < 9; i++) {
 916         if (attacks[i]) {
 917             grouping = i;
 918             break;
 919         }
 920     }
 921     pch->next_grouping = window_grouping[grouping];
 922
 923     pch->prev_attack = attacks[8];
 924
 925     return wi;
 926 }
 927
 928 const FFPsyModel ff_aac_psy_model =
 929 {
 930     .name    = "3GPP TS 26.403-inspired model",
 931     .init    = psy_3gpp_init,
 932     .window  = psy_lame_window,
 933     .analyze = psy_3gpp_analyze,
 934     .end     = psy_3gpp_end,
 935 };