基于公網的4K遠程制作QoE對比

陳 波

（浙江廣播電視集團，浙江 杭州 310000）

0 引 言

用戶體驗質量（Quality of Experience，QoE）指終端用戶對設備、網絡和系統、應用或業務的質量和性能的綜合主觀感受。影響這項綜合指標的因素主要包括視頻源的節目質量、端到端的網絡服務質量（Quality of Service，QoS）、中間媒體的透明性和影響用戶期望體驗等相關的主觀因素[1]。

對于QoE的測量，實際上就是對影響用戶體驗的各種環境變量的測量，包括但不限于數據傳輸QoS中的帶寬（吞吐量）、時延、抖動及丟包率等指標，映射到最終用戶端就是圖像質量、時延量、聲畫同步等相關主觀感受。對網絡提供商來說，要在資源成本預算內盡可能對網絡性能進行優化，最大程度地提高用戶的滿意度。毫無疑問，良好的網絡傳輸能力能夠產生更好的用戶體驗質量[2]。

1 系統搭建

在傳統的演播室制作中，所有設備都在中心機房，基帶信號和Tally、通話的傳輸都是實時且可控的。但在遠程制作的時候，前端需要攜帶盡可能少的設備，以體現遠程制作輕量化、靈活性、低成本的優勢，才能夠解決高并發、聯合制作、隨時隨地等需求問題。

4K遠程制作的傳輸鏈路如圖1所示，可分為演播室端和遠端兩個部分。演播室端就是集中控制或不方便移動的部分設備，主要包括切換臺、Tally主機、通話矩陣以及攝像機遙控控制面板等。遠端就是需要人員布置的EFP設備，主要包括攝像機、攝像機控制單元、無線通話腰包以及Tally指示燈等。目前的4K編解碼設備，一組只能傳輸一路4K信號，按照傳輸碼率和介質的不同，4K超高清可分為無壓縮（ST 2110-20/30）、淺壓縮（ST 2110-22/JPEGXS）、深壓縮（H.264/H.265）傳輸。其中，無壓縮形式需要使用裸光纖進行傳輸，淺壓縮形式可用裸纖或專線進行傳輸，深壓縮用專線即可實現。

圖1 4K遠程制作傳輸鏈路

2 參數對比

編解碼設備有硬件編解碼和軟件編解碼兩類。硬件編碼相較FFMpeg等軟件編碼具有更好的穩定性和更快的參數處理性能，不容易發生并發量太高造成的系統崩潰等情況。但軟件編解碼的好處是設置相對簡便，更易擴展接口和配置參數，缺點是經過處理器延時較大。不同編解碼設備的參數對比如表1所示。由表1可以看出，以M/H/A指代的廠商設備能夠支持的編解碼格式和參數比較豐富，特別是軟件編碼器還支持ST 2110的IP流直接輸入。對于實際使用場景來說，無論是H.264還是H.265基本都屬于百兆碼流的范疇，五百到千兆基本屬于JPEG-XS（肉眼無損母帶級）的較優范疇，再往上就是無壓縮的萬兆碼流。

表1 編解碼設備參數對比

一般實時流傳輸摒棄推拉流常用的傳輸控制協議（Transfer Control Protocol，TCP）連接，采用基于用戶數據協議（User Data Protocol，UDP）的實時傳輸協議，通過誤碼校正和丟包重傳等手段實現數據包的穩定傳輸，常用的包括安全可靠協議（Secure Reliable Transport，SRT）、實 時 傳 輸 協 議（Real Time Streaming Protocol，RTSP）、用戶數據報協議UDP三種，廣播電視封裝一般均采用傳輸流（Real Time Streaming Protocol，TS）協議。

SRT協議由于采用了改進后的自動重傳請求技術，能夠根據網絡波動在測試時即選取合適的網絡緩沖區，且丟包重傳的額外網絡開銷不占用視音頻等數據通道，能夠有效減少丟包率，帶來更加精準的時間戳和抗抖動機制，哪怕是在地球的對拓點進行遠程傳輸，通過合理的參數設置也能夠在保證高質量視音頻的同時提供極低的網絡延時。需要注意的是，由于SRT緩沖區的設置，會比使用UDP等協議帶來至少1幀的延時，而且SRT使用額外的帶寬來保證錯誤數據包的重傳，因此需要考慮至少105%的帶寬標稱值，上溢的部分只做數據包的傳輸通道，不傳輸新的數據。

根據各廠商的設備可調參數，本文詳細對比了編解碼設備的底層架構、輸入輸出接口、網絡接口、音視頻編碼、音視頻碼率、幀率、取樣格式、取樣深度、壓縮率、圖像組、參考幀、傳輸協議、碼率控制、熵編碼、流量整形、帶寬限制、流模式以及SRT緩沖區等參數，給設備選型和方案設計提供了參考。

3 指標測試

由于使用設備和測試流程所限，本次使用高清信號源通過上下變換成為4K信號進行編解碼和傳輸，將上下變換設備的參數也進行單獨測試，使之成為固定數值偏移，理論上不影響最終結果的正向參考。結合百兆帶寬的公網實際，碼率選取40 Mb·s-1，60 Mb·s-1和80 Mb·s-1，圖像組（Group of Pictures，GOP）長度選取60或100，參考幀數量選取IP或IBP。三者通過組合進行圖像質量、時延量和聲畫同步的測試，均分為局域網和公網環境下分別測試。

綜合各家廠商建議和默認配置，有些參數無法拉到同一水平線進行對比，實測結果不是圖像質量不能接收就是其他指標不合格，所以均按各家最優組合進行配置和測試。不變的參數有4K信號格式3 840×2 160/50p，根據往返時延（Round-Trip Time，RTT）為6 ms參考的兩端SRT緩沖區設置40 ms（市內基本為這個數值），SRT帶寬限制為25%（總帶寬為總碼率125%），數據包存活時間TTL根據實測設置為56（軟編默認64），解碼端模式為自適應以匹配視音頻包同步輸出（延時比固定模式稍大），視頻碼率均設置為固定碼率，音頻固定為48 kHz、256 kb·s-1。

3.1 影響因素

原始4K流中，視頻數據碼率為3 840×2 160×50×10×2=8 294.4 Mb·s-1，音頻數據碼率為48 kHz×16×2 ch=1.536 Mb·s-1，編碼時的視頻編碼碼率類比AVS2需要至少不小于36 Mb·s-1，音頻編碼碼率不小于256 kb·s-1，可以看出，壓縮比比肉眼無損的ST 2110-22大了很多，更加適合帶寬受限的公網傳輸[3]。在比特率控制環節可以選擇固定或可變等不同的碼率控制，流量整形帶來的額外網絡帶寬開銷在帶寬的5%～100%，這部分內容會另外進行丟包重傳等工作，不占用視音頻網絡傳輸帶寬。

對時延來說，兩端編解碼帶來的固定時延無法消除，特別是深壓縮帶來的50 ms以上的編碼時延相比淺壓縮確實不占優。解碼端可以根據需求增大流到基帶信號間的轉換時間，可以實現更好的圖像和聲畫同步效果，也可選擇固定時延以實現更低的時延量[4]。

3.2 圖像質量

圖像質量分析儀的測試結果主要有圖像質量比（Picture Quality Ratio，PQR）、平均主觀得分差異（Differential Mean Opinion Score，DMOS）和峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）。圖像質量較好時一般采用PQR來測量，當圖像損傷較大時（PQR＞15以后），采用DMOS來測量。待測圖像測試序列均為國家標準，測試序列要求具有不同類型圖像內容，從而使圖像出現亮度和色度、空間和時間的不同特性的組合。測試中常采用的國標高清測試圖像序列一般有花壇、轉盤、男籃、秋葉、旋轉鳥籠等。測試框架和測試結果如圖2所示。

圖2 編解碼圖像質量測試框架及結果示例

測試中實際使用SRT緩沖區大小（Latency），由于是局域網，象征性地設置了1幀的長度，固定參數包括幀率設置為50 f·s-1、分辨率設置為3 840×2 160、熵編碼固定模式等，可修改的參數指標包括碼率大小、GOP長度和IBP參考幀。常用的GOP按幀倍數60或100設定，IBP幀格式一般取IP/IBP，因為B幀太多將導致運算量顯著上升，且一旦丟失容易造成更多誤碼率，只取P幀是為了追求更小的延時量。

測試結果可以看出并非線性，PQR結果更貼近人眼主觀感受，PSNR結果更符合客觀參數指標，而且不同廠商設備間，H.265編碼也并非一定比H.264編碼的圖像質量指標好。雖然并非所有參數都在同一指標下進行比較，但也具有一定的實際意義，在延時效果差別不大的情況下，選擇適配網絡狀況的碼率是決定圖像質量的關鍵。

3.3 時延量

實際使用中，可以借助網絡往返時間RTT來作為參考，有助于設置SRT緩沖區的大小。對于廣播電視的實時流來說，必須將網絡時延控制在極低的范圍內。類似WebRTC這種端到端實時傳輸，時延需在1 s之內，才能符合所見即所得的實時切換感受，而在實測當中，硬件編解碼的時延基本都在幾百毫秒不等。

時延量的測試流程和結果如圖3所示。對比以上的時延量可以得出，硬件編解碼的時延遠小于軟件編解碼，在碼率允許范圍內延時量增長有限，較好的圖像質量一般會呈現出更大的延時。不同處理設備經過公網之后時延量大小可能并不相同，可能是跟具體設備內部的某些相關設置和所選編解碼參數有關，比如M/H.264/4∶2∶2/10 bit/60 Mb·s-1/GOP60/IP這組參數在公網中進行測試時，時延量達到了268 ms左右，跟局域網連接測試的時延差不多；H/H.265/4∶2∶0/10 bit/60 Mb·s-1/GOP100/IP這組參數在公網中進行測試時，時延量達到340 ms，比局域網大了不少。如果解碼端設置為固定延時，相當于設置了SRT流到SDI輸出的時間，時延量會顯著減少為一半左右，但會帶來聲畫不同步等影響傳輸質量的情況。

圖3 編解碼時延測試流程及結果

3.4 聲畫同步

聲畫同步（AV Delay）或唇音同步在節目制作中是一個重要的質量問題，主要是由視頻和音頻各自分開處理造成的。在國家標準中要求比ITU標準-125～+45 ms更加嚴格，聲畫同步的指標為-60～+20 ms，表示音頻相對滯后60 ms或超前20 ms人眼無察覺[5]。泰克示波器參照基準為音頻幀，指標為-20～+40 ms。

在上下變換器直連過程中進行測試，聲畫同步的初始值是1 ms（聲音滯后），基本可以忽略不計。后續在中間連接編解碼器進行測試，分別從局域網和公網進行測試，結果聲畫同步在不同網絡間沒有差別，但不同廠商設備間有差別。造成編解碼器聲畫不同步的原因是視頻和音頻以不同的碼流分開編碼傳輸，到解碼端再通過節目參考時鐘（Program Clock Reference，PCR）來定位同步，實現視音頻的同步輸出。從以上的測試中可以得出結論，幾種設備的聲畫同步基本都合格，數值可能固定也可能在一定范圍內浮動，相較于國標來說都在范圍之內。

4 結 語

根據測試結果，幾種主流的編解碼器都能實現4K超高清信號的實時IP鏈路傳輸，基本的傳輸圖像質量客觀化指標、時延、聲畫同步、眼圖等都符合廣播電視制作域的要求。在考慮低時延的實時遠程制作方案中優選硬件編解碼，通過公網固定IP和本身接口或第三方智能路由組網，都能夠實現導攝的Tally和通話雙向傳輸。對不同的設備選項來說，還需考慮實際使用方向、性價比、售后支持、遠程協助及兼容性等多個方面，合適的才是最好的。

QoE屬于一個多屬性融合的問題，基于統計學、心理學、人工智能或隨機模型的評價方法并不一定能夠反映真實的用戶體驗。QoE的影響中包括人的主觀觀測因素和觀測環境等因素，難以被完整測量和有效量化。對不同的業務和應用環境建立一套通用的評價標準，還需要進一步探討。