MPEG2-TS音视频同步原理
http://blog.chinaunix.net/uid-26000296-id-3478558.html
一、引言
MPEG2系统用于视音频同步以及系统时钟恢复的时间标签分别在ES，PES和TS这3个层次中。
在TS 层, TS头信息包含了节目时钟参考PCR(Program Clock Reference),
用于恢复出与编码端一致的系统时序时钟STC(System Time Clock)。
在PES层, 在PES头信息里包含有表示时间戳PTS(Presentation Time Stamp)和
解码时间戳DTS(Decoding Time Stamp);
在ES 层, 与同步有关的主要是视频缓冲验证VBV(Video Buffer Verifier),
用以防止解码器的缓冲器出现上溢或者下溢;
标准规定在原始音频和视频流中,
PTS的间隔不能超过0.7s，
出现在TS包头的PCR间隔不能超过0.1s。
图1 从ES到PES的示意图
MPEG-2对视频的压缩产生I帧、P帧、B帧.
将上图所示的帧顺序 "I1-P4-B2-B3-P7-B5-B6" 表示的ES帧,
通过打包并在每个帧中插入PTS/DTS标志，组成PES.
在插入PTS/DTS标志时，
对于B帧, 由于在B帧PTS和DTS是相等的，所以无须在B帧插入DTS(参见图1).
对于I帧和P帧, 由于经过复用后, 数据包的顺序会发生变化,
显示前一定要存储于视频解码器的排序缓存器中，经过从新排序后再显示，
所以一定要同时插入PTS和DTS作为从新排序的依据.
二、同步机制
编码器
系统时钟STC:
编码器中有一个系统时钟(其频率是27MHz),
此时钟用来产生指示音视频的正确显示和解码的时间戳,
同时可用来指示在采样过程中系统时钟本身的瞬时值。
PCR(Program Clock Reference):
指示系统时钟本身的瞬时值的时间标签称为节目参考时钟标签(PCR)。
PCR的插入必须在PCR字段的最后离开复用器的那一时刻,
同时把27MHz系统时钟的采样瞬时值作为PCR字段插入到相应的PCR域。
它是放在TS包头的自适应区中传送.
27MHz的系统时钟STC经波形整理后分成两路:
PCR_ext (9bits ), 由27MHz脉冲直接触发计数器生成扩展域.
PCR_base(33bits), 经300分频器分频成90kHz脉冲送入一个33位计数器生成90kHz基值,
用于和PTS/DTS比较，产生解码和显示所需要的同步信号.
这两部分被置入PCR域，共同组成42位的PCR.
Table 2-2 Transport packet of the Recommendation|International Standard
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
==============================================================================
syntax No.of bits Mnemonic
==============================================================================
transport_packet(){
sync_byte
...
adaptation_field_control 2 bslbf
continuity_counter 4 uimsbf
if
(adaptation_field_control ==
'10'
||
adaptation_field_control ==
'11'
){
adaptation_field()
}
...
}
==============================================================================
|
Table 2-6 Transport Stream adaptation field
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
==============================================================================
syntax No.of bits Mnemonic
==============================================================================
adaptation_field(){
adaptation_field_length 8 uimsbf
if
(adaptation_field_length>0){
...
PCR_flag 1 bslbf
...
if
(PCR_flag ==
'1'
){
program_clock_reference_base 33 uimsbf
Reserved 6 bslbf
program_clock_reference_extension 9 uimsbf
...
}
}
}
==============================================================================
|
输入到T-STD解码器的第i个字节的PCR值:
PCR(i) = PCR_base(i)*300 + PCR_ext(i)
i: 包含program_clock_reference_base域的最后一个比特的字节号.
PCR_base(i) = ((system_clock_frequency * t(i)) / 300) % 2^33
PCR_ext(i) = ((system_clock_frequency * t(i)) / 1 ) % 300
t(i): 字节i的编码时间.
时间"03:02:29.012"的PCR计算如下:
03:02:29.012 = ((3 * 60) + 2) * 60 + 29.012 = 10949.012s
PCR_ext = ((27 000 000 * 10949.012) / 1 ) % 300 = 0
PCR = 98 541 080 * 300 + 0 = 295 623 324 000
PCR-base的作用:
a. 与PTS和DTS作比较, 当二者相同时, 相应的单元被显示或者解码.
b. 在解码器切换节目时,提供对解码器PCR计数器的初始值,
以让该PCR值与PTS、DTS最大可能地达到相同的时间起点.
PCR-ext的作用:
通过解码器端的锁相环路修正解码器的系统时钟, 使其达到和编码器一致的27MHz.
PTS(Presentation Time Stamp):
指示音视频显示时间的时间戳称为显示时间戳(PTS);
PTS域为33bits, 是对系统时钟的300分频的时钟的计数值.
它被编码成为3个独立的字段:
PTS[32..30][29..15][14..0]
表示此分组中第一个访问单元在系统目标解码器中的预定显示时间.
PTS值为:
PTS(k) = ((system_clock_frequency * TPn(k)) / 300) % 2^33
TPn(k): 表示单元Pn(k)的表示时间.
DTS(Decoding Time Stamp):
指示音视频的解码时间戳称为解码时间戳(DTS),
DTS域为33bits,编码成为3个独立的字段:
DTS[32..30][29..15][14..0]
表示此分组中第一个访问单元在系统目标解码器中的预定解码时间.
DTS值为:
DTS(j) = ((system_clock_frequency * TDn(j)) / 300) % 2^33
TDn(j): 第n个ES流的第j个存取单元An(j)的解码时间.
DTS就视频来说,因为视频编码的时候用到了双向预测,
一个图像单元被解出,并非马上就被显示,可能在存储器中留一段时间,作为其余图像单元的解码参考,
在被参考完毕后,才被显示.
音频PTS:
针对音频和视频的同步显示，MPEG提出了一个音频PTS.
由于声音没有用到双向预测，它的解码次序就是它的显示次序，故它只有PTS.
Table 2-21 PES packet
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
|
==============================================================================
syntax No.of bits Mnemonic
==============================================================================
PES_packet(){
packet_start_code_prefix 24 bslbf
stream_id 8 uimsbf
PES_packet_length 16 uimsbf
if
(stream_id != program_stream_map
&& stream_id != padding_stream
&& stream_id != private_stream_2
&& stream_id != ECM
&& stream_id != EMM
&& stream_id != program_stream_directory
&& stream_id != DSMCC_stream
&& stream_id != ITU-T REc.H.222.1 type E stream){
'10'
2 bslbf
...
PTS_DTS_flags 2 bslbf
...
if
(PTS_DTS_flags ==
'10'
){
'0010'
4 bslbf
PTS[32..30] 3 bslbf
marker_bit 1 bslbf
PTS[29..15] 15 bslbf
marker_bit 1 bslbf
PTS[14..0] 15 bslbf
marker_bit 1 bslbf
}
if
(PTS_DTS_flag ==
'11'
){
'0011'
PTS[32..30] 3 bslbf
marker_bit 1 bslbf
PTS[29..15] 15 bslbf
marker_bit 1 bslbf
PTS[14..0] 15 bslbf
marker_bit 1 bslbf
'0001'
4 bslbf
DTS[32..30] 3 bslbf
marker_bit 1 bslbf
DTS[29..15] 15 bslbf
marker_bit 1 bslbf
DTS[14..0] 15 bslbf
marker_bit 1 bslbf
}
...
}
...
}
==============================================================================
|
视频流延时值,
在解码时利用视频流缓冲区把视频流缓存到相应的vbv_delay时间后,
再启动解码器解码、显示、实现音视频的同步.
VBV_delay存在于视频ES的头部，长度为16bit.
解码器
首先, 解析PCR, 重建和编码器同步的27MHz系统时钟, 恢复27MHz系统时钟后;
再, 通过VBV_delay(视频流延时值)的数值来确定解码的开始;
之后, 利用PES流中解码时间戳(DTS)和显示时间戳(PTS)来确定解码和显示的次序.
用PCR来对系统时钟进行修正.
解码器同步算法总结如下:
(1). 解码器从输入码流的包头中解出时间信息PCR送入到系统时间时钟恢复电路;
系统时间时钟恢复电路在接收到每一个新的PCR时，进行本地系统时间时钟恢复和锁相。
(2). 解复用器后，从PES包头中解出显示时间标签PTS和解码时间标签DTS，并送入到基本流解码器中。
(3). 基本流解码器在接收到新的PTS/DTS后，存入对应的FIFO(先进先处存储器)中进行管理；
对于没有PTS/DTS的显示单元，需要对其时间标签进行插值，并送入到FIFO中管理。
(4). 每一显示单元开始解码前，用其对应的DTS与STC进行比较，当STC与DTS相等时开始解码；
(5). 每一显示单元开始显示前，用其对应的PTS与STC进行比较，当STC与PTS相等时开始显示。
三、失同步处理
27 MHz系统时钟经过300分频后，得到本地的33 bits PCR_Base, 该时钟与寄存器中当前图像的PTS/DTS进行比较,
系统软件根据比较结果做出相应的处理:
(1). 若当前的PTS/DTS比PCR计数器的值小于半帧以上，即PTS_Base≤-ΔPTS/2,
此时说明系统解码过慢，解码器处于失步状态，应根据该帧的结构做出相应的同步调整；
(2). 若当前的PTS/DTS比PCR计数器的值在半帧时间以内，
我们认为此时系统解码正常，立即显示/解码当前帧；
(3). 若当前的PTS/DTS大于PCR计数器的值，则此时解码器稍快，
在这种情况下，只需等到PCR与PTS/DTS相等时，就可显示/解码。
附注:
上面讲的都是解码器的同步机制，
对于转码来说，如ffmpeg等并不是这么做的。