MPEG2基础

       MPEG-2

1.1      概述

MPEG-1的扩展性有限，于是MPEG在1995年发布了MPEG-2，编号为ISO/IEC13818，名称为“运动图像及其伴音信息的通用编码”（Generic coding of moving pictures and associated audioinformation）。目前最新的版本是2000版，分为10个部分：

² Part 1 系统   与MPEG-1的Part 1作用类似，规定了将视音频及其它相关数据组合成一个单一数据流的方法，并针对不同的应用场合提供了两种格式：应用于无错环境的节目流（PS: ProgramStream）和应用于恶劣环境的传输流（TS: TransportStream）；

²  Part 2 视频   规定了视频编码的方法；

²  Part 3 音频   规定了音频编码的方法，本质上与MPEG-1的Part 3相同，但进行了扩展，可以支持5.1声道和7.1声道的环绕立体声；

²  Part 4 符合性测试             规定了测试方法，相关厂家可据此测试某个具体实现是否遵从了前三部分的规定；

²  Part 5 软件模拟         给出了一个包含Part1,2,3的完整软件实现；

²  Part 6 DSM-CC数字存储媒体-命令与控制    描述交互式多媒体网络中服务器与用户间的会话信令集；

²  Part 7     规定了一种与MPEG-1 Part 3不兼容的音频编码算法，又被称为AAC（Advanced Audio Coding），同时支持多达48个音轨、15个低频音轨、高达96kHz采样率和比特率、多种语言的兼容能力、更高的效率，AAC可以在比MP3文件缩小30%的前提下提供更好的音质；

²  Part 8     原计划开发一种针对10bit采样数据的视频编码算法，但后来发现业界对此欠缺兴趣，现已中止开发；

²  Part 9     定义了用于传输流的实时接口；

²  Part10    与Part 6的符合性测试有关，目前正在开发中；

另外，1990年成立的ATM视频编码专家组与MPEG在MPEG-2的Part 1和Part 2进行了合作，故MPEG-2的Part 1和Part 2同时也是ITU的标准，编号分别为H.220和H.262。

1.2      系统层

1.2.1          全貌

上图虚线右侧就是MPEG-2 Part 1的定义范围，首先将来自视音频编码期器的数据（即ES流，ElementaryStream）封装为PES（PacketisedElementary Streams），然后再视环境和用途不同进一步封装成两种码流：

² Program Stream节目流              用于相对无错的环境（如各种存储介质），封装后的包不定长，而且尺寸较大，DVD就是节目流的一种应用，MPEG-2的节目流与MPEG-1的系统层后向兼容。

² TransportSream传输流             适用于在各种恶劣环境（如ATM、SDH等）传输MPEG-2码流，采用定长包，并规定了相应的检错手段。IPTV的应用场景是IP网络，链路质量比ATM和SDH恶劣得多，显然应该采用TS格式，后面将加以详细描述。

1.2.2          TS包结构

MPEG-2传输流由一个个连续的TS包（TransportStream Packet）组成，TS包长固定为188个字节，之所以确定这个长度，其中有点故事：

MPEG-2的系统层标准是由ISO和ITU联合制定的，而在标准制定的时期，ATM炙手可热，作为ITU的标准自然要有所考虑：ATM信元的大小是53字节，其中负荷字段48字节，但其中有一个特殊字节，实际可用的负载长度是47字节，这样一个TS包刚好可以封装为4个ATM信元！

上图给出了TS包结构的语法，各字段含义如下：

²  sync_byte             同步字节，固定取值为0x47，接收端可以通过这个字段从连续的字节流中正确定位TS包的起始位置——这个过程称为同步，由于0x47这个取值也可能出现在TS包的其它位置，故在进行同步时必须利用同步字节固定间隔和固定数值的特性，连续多次（通常为5-6次）在期望的位置接收到同步字节才能认为实现了同步；

²  transport_error_indicator            传输错误指示，通常由MPEG-2标准范围以外的实体设置，表明TS包出错；

²  payload_unit_start_indicator              负荷起始标志，TS包的负荷数据可能被封装在多个TS包中，而本字段则表示本TS包携带有其负荷数据的起始字节；

²  transport_priority         优先级标志，如果此标志被置位，则负责传输TS的设备必须为这个包分配较高的优先级；

²  PID         包标识，TS可以将不同用途的数据复用到同一路码流中，而不同用途的数据则靠PID彼此区分，相同用途的数据具有相同的PID。如下图所示：

PID的取值需要遵循一定的规则，其中一些被保留用于特殊用途：

PID	用途
0x0000	PAT (Program  Association Table)，节目关联表，描述本路TS流中有哪些节目以及如何访问这些节目。
0x0001	CAT (Conditional  Access Table)，条件访问表，与加密有关
0x0002	Transport  Stream Description Table，传输流描述表
0x0003-0x000F	保留给系统使用
0x0010	NIT  (Network Information Table)，网络信息表，描述承载TS流的传输网络的情况。在MPEG-2标准中其实并没有为NIT指定特定的PID，但厂家在具体实现时，都是使用0x0010这个值。
0x0011-0x1FFFE	供应用使用
0x1FFF	Null Packe，用于填充的空包，TS流最初被设计为在E3、T3等时隙链路上传输，如果有效数据不足的话，就要使用空包来填充。

 

²  transport_scrambling_control            传输加密标识，用来说明包负荷数据的加密方式，全0表示无加密，其余取值则由用户定义；

²  adaptation_field_control             调整字段控制，用来指示TS包头是否有调整字段，取值及含义如下：

PID	含义
0x00	本TS包没有调整字段也没有负荷
0x01	本TS包仅有负荷，没有调整字段
0x10	本TS包仅有调整字段，没有负荷
0x11	本TS包既有调整字段，又有负荷

调整字段类似于RTP的扩展头，逻辑上属于包头的一部分，通常用来携带一些不是专属于单个TS包的信息，某个节目的参考时钟PCR（Program Clock Reference）就是通过调整字段来传递的。PCR是一个42比特的时钟计数，其频率为27MHz，作为媒体PTS和DTS的基准，在MPEG-2中，PTS和DTS计数的时钟频率为90KHz，精度仅为PCR的1/300。

²  continuity_counter              连续性计数，该字段在具有相同PID的TS包之间保持单调递增，如发生溢出则取值回绕，对于前面介绍PID时给出的例子，各TS包的连续性计数可能取值如下：

如果某个TS包没有携带负荷（调整字段控制取值为0x00或0x10，比如说空包），则该包的连续性计数字段不必递增。设计TS时的目标环境是较低差错率的时隙链路，极少发生连续数百个字节都丢失的情况，所以这个字段只分配了4个比特。在IPTV环境，连续丢包极为常见，TS的这个字段宽度显然不够用，所以在IPTV中检测TS包的丢包数，无法做到100%准确。

1.2.3          PSI

TS流中有多个节目，而每个节目又有音频、视频、字幕等多种数据，如何将其复用为一路码流？各个PID之间的关系是什么？MPEG-2将这些信息称为PSI  (Program Specific Information)，TS设计了一系列的表格来传输PSI，下面做一简单介绍：

Ø  PAT        Program AssociationTable，节目关联表，一个TS流中有且仅有一个PAT。PAT里面有多个条目，通常每个条目描述一个节目，每个条目有两个内容：节目的节目号和对应的PMT表的PID。MPEG-2中的“节目”与通常的频道概念相近，16位（二进制位）的节目号是其唯一标识，其中节目号0被保留给网络信息表NIT使用，下图为PAT的表结构。

Ø  PMT              Program MapTable，节目映射表，一个节目有一个PMT，PMT中有多个条目，每个条目给出属于该节目的一个数据流的信息，包括两部分：该数据流的类型（视频、音频、字幕等）及其对应的PID。除此之外，PMT中还可携带了与节目有关的其它信息，如PCR的PID、节目描述等，下图为PMT的表结构：

Ø  NIT        Network InformationTable，网络信息表，提供了传输流的相关数据以及网络自身特性相关的信息，比如网络名称，传输参数（如频率，调制方式等），NIT的PID由PAT给出，但基本固定。NIT采用PrivateSection即私有段的格式来定义，在此不做介绍。

 

Ø  CAT        Conditional AccessTable，条件接收表，用于节目的加密和解密，所在分组的PID为1，其中给出了条件控制信息（ECM）和条件管理信息（EMM）所在分组的PID。下图为其表结构：

以PAT为入口的节目复用体系如下图所示：

上图给出了PSI表格的一个例子，可见PAT和PMT中的条目基本相当于指针，PAT里面的指针指向PMT，而PMT里面的指针指向组成节目的具体媒体流。上图中ProgramB有两路音频，可能是配音语言不同，而ProgramC使用了与ProgramB同样的音频内容，这在MPEG-2的规范中也是允许的。

在实际运行时，节目的情况可能发生改变，所以在PAT和PMT的结构中，还有一个版本号字段，通过版本号的变化通知接收端需要重新解析节目信息。TS流最初被设计为用于无上行链路的环境，接收端开始接收TS流的时机是任意的，为了让接收端能正常获得节目信息，PAT和PMT必须不断重复发送（就算版本号无变化时也是如此）。为了不让接收端为此等待太长时间，重复发送的时间间隔不能太长，但MPEG-2标准本身并没有给出任何相关的建议，一般是希望不要超过500ms，也有些标准规定了比这更小的值。

上图中没有考虑CA，以CAT为入口的加扰码流结构如下图所示：