一種直通音頻與視頻重同步的設(shè)計與應(yīng)用

袁金保，黃化吉，楊雪松

（偉樂視訊科技股份有限公司，廣東 惠州 516003）

0 引 言

在數(shù)字電視前端的轉(zhuǎn)碼系統(tǒng)中，經(jīng)常存在3種需要擴展音頻升級的場景：場景1，新發(fā)布的音頻格式，隨著計算機技術(shù)的快速發(fā)展，不斷有新的音頻編碼格式與標準出現(xiàn)，如我國的DRA音頻標準；場景2，客戶希望保持轉(zhuǎn)碼前的音頻輸出而不做任何修改；場景3，轉(zhuǎn)碼系統(tǒng)規(guī)格限制，無法實現(xiàn)某些音頻格式的轉(zhuǎn)碼。為解決這3種場景的轉(zhuǎn)碼系統(tǒng)音頻問題，本文設(shè)計一種直通音頻方案，對音頻實施直通，并與轉(zhuǎn)碼后的音視頻進行重同步，從而使原轉(zhuǎn)碼系統(tǒng)輕松實現(xiàn)音頻格式的擴展升級。

1 轉(zhuǎn)碼系統(tǒng)直通音頻設(shè)計與實現(xiàn)

1.1 編解碼端音視頻同步原理

圖像和聲音數(shù)字化后，數(shù)據(jù)量巨大，隨之出現(xiàn)了各種壓縮標準和算法。目前使用最廣泛的壓縮標準是MPEG2，壓縮后的數(shù)據(jù)通常用TS流（Transport Stream）格式傳送。整個音視頻系統(tǒng)按照處理先后順序大致可以分為編碼、傳輸及解碼3個部分。如把傳輸部分理想化，則可忽略掉傳輸部分的影響，將系統(tǒng)進一步簡化為編碼和解碼2個部分。

MPEG2協(xié)議規(guī)定，編碼端定期將本端的時間信息插入到TS流的固定位置，起到為解碼端報時的作用，需要接收端“對表”同步。如圖1所示，編碼器中有一個27 MHz的系統(tǒng)時鐘，用該時鐘產(chǎn)生一個PCR計數(shù)器，計數(shù)器由PCR_Ext和PCR_Bas組成。PCR_Ext為27 MHz時鐘進行模300計數(shù)分頻，即計數(shù)器從0累加299，再回到0，獲得9位二進制值。PCR_Ext每計數(shù)到299時，進行模233計數(shù)，獲得33位計數(shù)值PCR_Bas。在每個新編碼的PES分組中，在其頭信息里插入當前的PCR_Bas作為PTS/DTS值，表示該包數(shù)據(jù)是在x點x分x秒打包；除了在PES頭中插入PTS/DTS，按照協(xié)議要求，通常每隔10～100 ms需要把PCR_Bas值插入到TS數(shù)據(jù)流中一次。

圖1 編碼端插入PTS和PCR時戳

解碼端也有一個和發(fā)送端類似的PCR時鐘計數(shù)系統(tǒng)，如圖2所示。接收端從接收到的流中解析出PCR包，與本地的PCR計數(shù)比較。如果有偏差，就會調(diào)整本地的27 MHz時鐘，從而使本地PCR去同步跟蹤編碼端（信源端）的PCR，以此保證解碼端27 MHz時鐘與編碼端的27 MHz時鐘一直保持在一定的偏差內(nèi)。解碼器根據(jù)本地的PCR與數(shù)據(jù)包中的時間標簽PTS對比，就可在正確的時間進行播出。

圖2 解碼端PCR時戳對表

1.2 轉(zhuǎn)碼系統(tǒng)時鐘方案設(shè)計

解碼器根據(jù)本地時鐘的PCR計數(shù)值與待解碼TS流中的PCR比對，根據(jù)比對結(jié)果動態(tài)調(diào)節(jié)本地時鐘，以此達到解碼端時鐘與TS流源端（編碼端）時鐘同步。因此對于這種機制的解碼器，解碼端時鐘會跟蹤編碼端時鐘，其輸入時鐘無需特殊處理。

為了簡化設(shè)計，市面上很多解碼器并沒有根據(jù)PCR來動態(tài)調(diào)節(jié)時鐘以跟蹤編碼端，而是以音頻作為參考進行音視頻解碼。由于未跟蹤源端PCR來調(diào)節(jié)本地時鐘，解碼器長時間運行后，就會出現(xiàn)視頻Buffer上溢或下溢。對此，當Buffer上溢時，解碼器進行丟幀處理；而當Buffer下溢時，則進行幀重讀處理，以此保證解碼的正常運行。利用人眼視覺的不敏感性，長時間內(nèi)丟一幀/重讀一幀處理，并不會影響觀看效果。但從實際項目運行來看，該種方案在運行一段時間后會出現(xiàn)音視頻解碼異常的情況，停止幾分鐘之后自動恢復。為保持系統(tǒng)長時間穩(wěn)定運行，需要采用解碼端跟蹤編碼端時鐘的根本性解決方案。

如圖3所示，采用IDT高精度可編程時鐘芯片IDT5P49V5901實現(xiàn)解碼器時鐘跟蹤信源時鐘，其實現(xiàn)原理實際如圖2所述。具體過程為：TS_PCR_EXACT模塊提取待解碼TS流的PCR，LOCAL_PCR_CNT模塊為解碼時鐘進行本地PCR計數(shù)。ADJUST_CTRL模塊負責比較TS流的PCR和本地PCR計數(shù)，得到偏差。之后通過I2C總線控制IDT5P49V5901進行時鐘高精度調(diào)整。

圖3 時鐘跟蹤調(diào)整框圖

1.3 轉(zhuǎn)碼系統(tǒng)直通音頻設(shè)計與實現(xiàn)

解碼端實現(xiàn)跟蹤源端時鐘后，即可保證轉(zhuǎn)碼系統(tǒng)長時間不偏離源端時鐘穩(wěn)定運行，才具備直通音頻實施的系統(tǒng)基礎(chǔ)。直通音頻設(shè)計實現(xiàn)如下圖4所示，主要包含2部分：Transcode System為原來的轉(zhuǎn)碼系統(tǒng)；BypAud_System為直通音頻部分。

圖4 直通音頻設(shè)計實現(xiàn)

該設(shè)計中主要模塊功能如下。

（1）TS_SRC為待轉(zhuǎn)碼的TS流，整個TS流會送給原有轉(zhuǎn)碼系統(tǒng)實施轉(zhuǎn)碼，轉(zhuǎn)碼后的輸出TS流為TS_ENC。

（2）Tbase_Gen模塊是一個時基產(chǎn)生模塊，從TS_SRC中獲取節(jié)目PCR包并取出其PCR值作為計數(shù)器的初始值，以27 MHz時鐘按照PCR計數(shù)器的規(guī)則進行實時計數(shù)，此處計為T1。

（3）Aud_Filte模塊負責從TS_SRC中過濾出需要直通的音頻TS包。

（4）Aud_Add_Tbase模塊負責將Tbase_Gen模塊產(chǎn)生的計數(shù)值標記到直通音頻包的自定義包頭中，以此作為該直通音頻包緩存入BUF的時間點，此處計為T2。

（5）Byp_Aud_Buf負責緩存直通音頻。

（6）Aud_Out_Ctl負責控制直通音頻的輸出。假設(shè)TS_SRC進入原轉(zhuǎn)碼系統(tǒng)，轉(zhuǎn)碼完成后到從TS_ENC輸出，其延時為Tdelay。在設(shè)計中，預先從Byp_Aud_Buf中讀取直通音頻的包頭，獲取包頭中標記的存入緩存的時間點T2，并在獲取T2的時刻，鎖存Tbase_Gen當前的時刻值T1_byp。當T1_byp-T2≥Tdelay，表示直通音頻包在緩存中滯留的時間已達到Tdelay，此時該直通音頻包可以輸出，從而保證直通音頻包的物理到達時間和編碼后的音視頻包匹配。

（7）Pcr_Pts_Dts_Adj模塊負責修改編碼后TS流的PCR、PTS及DTS，從而保證音視頻同步。因為直通音頻的PTS是未做修改的，所以TS_ENC需要與TS_SRC建立關(guān)系。

當TS_ENC中的PCR包到達時刻，鎖存Tbase_Gen當前的計數(shù)值，即當前時刻值T1_enc，同時以PCR_enc為計數(shù)器初始值，以27 MHz時鐘按照PCR計數(shù)器的規(guī)則進行實時計數(shù)，此處計為T3。由于直通音頻的PTS未做修改，PCR修正按照如下公式：

由式（1）可知，TS_ENC修正后的PCR值為TS_SRC的PCR作為時基參考計數(shù)減去Tdelay得到，其關(guān)系可以保證PCR和PTS的同步關(guān)系。

當TS_ENC中的PTS、DTS到達時刻，分別將T1和T3的計數(shù)值鎖存下來，計為T1_pts/T3_pts和T1_dts/T3_dts。則PTS和DTS修正按照如下公式：

1.4 調(diào)試與驗證

由前文可知，本系統(tǒng)唯一不確定的參數(shù)值為Tdelay，該值為轉(zhuǎn)碼系統(tǒng)的延遲值。在不同的轉(zhuǎn)碼系統(tǒng)中，其值是不一樣的。為此，在調(diào)試時，可以在終端連接分析儀，根據(jù)分析儀上報的PCR/PTS/DTS之間的關(guān)系，調(diào)試Tdelay值，直到滿足標準要求；如果不具備分析儀，則可以通過終端解碼，根據(jù)聽覺，動態(tài)調(diào)整Tdelay值，直至音視頻同步。

2 結(jié) 語

本文分析了音視頻同步的關(guān)鍵技術(shù)點，并詳細介紹用FPGA實現(xiàn)解碼端跟蹤信源時鐘的方案以及直通音頻的設(shè)計實現(xiàn)。所述方案已成功應(yīng)用到偉樂公司DMP等媒體平臺設(shè)備中。實踐證明該系統(tǒng)長時間穩(wěn)定運行，均能保證音視頻同步，為原轉(zhuǎn)碼系統(tǒng)實現(xiàn)音頻規(guī)格的擴展升級提供了很好的解決方案。