一種直通音頻與視頻重同步的設計與應用

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

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

1 轉碼系統直通音頻設計與實現

1.1 編解碼端音視頻同步原理

圖像和聲音數字化后，數據量巨大，隨之出現了各種壓縮標準和算法。目前使用最廣泛的壓縮標準是MPEG2，壓縮后的數據通常用TS流（Transport Stream）格式傳送。整個音視頻系統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，將系統進一步簡化為編碼和解碼2個部分。

MPEG2協議規定，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的系統時鐘，用該時鐘產生一個PCR計數器，計數器由PCR_Ext和PCR_Bas組成。PCR_Ext為27 MHz時鐘進行模300計數分頻，即計數器從0累加299，再回到0，獲得9位二進制值。PCR_Ext每計數到299時，進行模233計數，獲得33位計數值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，表示該包數據是在x點x分x秒打包；除了在PES頭中插入PTS/DTS，按照協議要求，通常每隔10～100 ms需要把PCR_Bas值插入到TS數據流中一次。

圖1 編碼端插入PTS和PCR時戳

解碼端也有一個和發送端類似的PCR時鐘計數系統，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計數比較。如果有偏差，就會調整本地的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。解碼器根據本地的PCR與數據包中的時間標簽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 轉碼系統時鐘方案設計

解碼器根據本地時鐘的PCR計數值與待解碼TS流中的PCR比對，根據比對結果動態調節本地時鐘，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。

為了簡化設計，市面上很多解碼器并沒有根據PCR來動態調節時鐘以跟蹤編碼端，而是以音頻作為參考進行音視頻解碼。由于未跟蹤源端PCR來調節本地時鐘，解碼器長時間運行后，就會出現視頻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。為保持系統長時間穩定運行，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實現解碼器時鐘跟蹤信源時鐘，其實現原理實際如圖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。ADJUST_CTRL模塊負責比較TS流的PCR和本地PCR計數，得到偏差。之后通過I2C總線控制IDT5P49V5901進行時鐘高精度調整。

圖3 時鐘跟蹤調整框圖

1.3 轉碼系統直通音頻設計與實現

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

圖4 直通音頻設計實現

該設計中主要模塊功能如下。

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

（2）Tbase_Gen模塊是一個時基產生模塊，從TS_SRC中獲取節目PCR包并取出其PCR值作為計數器的初始值，以27 MHz時鐘按照PCR計數器的規則進行實時計數，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模塊產生的計數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TS_SRC進入原轉碼系統，轉碼完成后到從TS_ENC輸出，其延時為Tdelay。在設計中，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建立關系。

當TS_ENC中的PCR包到達時刻，鎖存Tbase_Gen當前的計數值，即當前時刻值T1_enc，同時以PCR_enc為計數器初始值，以27 MHz時鐘按照PCR計數器的規則進行實時計數，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作為時基參考計數減去Tdelay得到，其關系可以保證PCR和PTS的同步關系。

當TS_ENC中的PTS、DTS到達時刻，分別將T1和T3的計數值鎖存下來，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 調試與驗證

由前文可知，本系統唯一不確定的參數值為Tdelay，該值為轉碼系統的延遲值。在不同的轉碼系統中，其值是不一樣的。為此，在調試時，可以在終端連接分析儀，根據分析儀上報的PCR/PTS/DTS之間的關系，調試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，根據聽覺，動態調整Tdelay值，直至音視頻同步。

2 結 語

本文分析了音視頻同步的關鍵技術點，并詳細介紹用FPGA實現解碼端跟蹤信源時鐘的方案以及直通音頻的設計實現。所述方案已成功應用到偉樂公司DMP等媒體平臺設備中。實踐證明該系統長時間穩定運行，均能保證音視頻同步，為原轉碼系統實現音頻規格的擴展升級提供了很好的解決方案。