ГОСТ Р 54462-2011 Система цифрового радиовещания DRM. Требования и параметры

ГОСТ Р 54462-2011

НАЦИОНАЛЬНЫЙ СТАНДАРТ РОССИЙСКОЙ ФЕДЕРАЦИИ

СИСТЕМА ЦИФРОВОГО РАДИОВЕЩАНИЯ DRM

Требования и параметры

Digital broadcasting system DRM. Technical requirements and parameters

ОКС 33.170

ОКПО 657300

Дата введения 2012-12-01

Предисловие

Цели и принципы стандартизации в Российской Федерации установлены Федеральным законом от 27 декабря 2002 г. N 184-ФЗ "О техническом регулировании", а правила применения национальных стандартов Российской Федерации - ГОСТ Р 1.0-2004* "Стандартизация в Российской Федерации. Основные положения"

________________

* На территории Российской Федерации документ не действует. Действует ГОСТ Р 1.0-2012. - .

Сведения о стандарте

1 РАЗРАБОТАН Федеральным государственным унитарным предприятием "Всероссийский научно-исследовательский институт стандартизации и сертификации в машиностроении" (ВНИИНМАШ) и Федеральным государственным унитарным предприятием "Ордена Трудового Красного Знамени Научно-исследовательский институт радио", Самарский филиал "Самарское отделение Научно-исследовательского института радио" (филиал ФГУП "НИИР-СОНИИР")

2 ВНЕСЕН Управлением технического регулирования и стандартизации Федерального агентства по техническому регулированию и метрологии

3 УТВЕРЖДЕН И ВВЕДЕН В ДЕЙСТВИЕ Приказом Федерального агентства по техническому регулированию и метрологии от 29 сентября 2011 г. N 416-ст

4 Настоящий стандарт разработан с учетом основных нормативных положений стандарта Европейского института по стандартизации в области телекоммуникаций ЕТСИ ЕС 201 980 v3.1.1 (2009-08)* "Всемирное цифровое радио (DRM). Системные требования" (ETSI ES 201 980 v3.1.1 (2009-08) "Digital Radio Mondiale (DRM); System Specification")

________________

* Доступ к международным и зарубежным документам, упомянутым в тексте, можно получить, обратившись в Службу поддержки пользователей. - .

5 ВВЕДЕН ВПЕРВЫЕ

Информация об изменениях к настоящему стандарту публикуется в ежегодно издаваемом информационном указателе "Национальные стандарты", а текст изменений и поправок - в ежемесячно издаваемых информационных указателях "Национальные стандарты". В случае пересмотра (замены) или отмены настоящего стандарта соответствующее уведомление будет опубликовано в ежемесячно издаваемом информационном указателе "Национальные стандарты". Соответствующая информация, уведомление и тексты размещаются также в информационной системе общего пользования - на официальном сайте Федерального агентства по техническому регулированию и метрологии в сети Интернет

Введение

ETSI ES 201 980 v3.1.1 (2009-08) создан Объединенным техническим комитетом (JTC) "Радиовещание" Европейского радиовещательного союза (EBU), Европейского комитета нормализации в области электротехники (CENELEC) и Европейского института по стандартизации в области телекоммуникаций (ETSI).

По сравнению со второй редакцией ETSI ES 201 980, выпущенной в феврале 2008 г., ETSI ES 201 980 V3.1.1 (2009-08) содержит расширение системы DRM для обеспечения ее работы во всех вещательных диапазонах ниже 174 МГц. Эти усовершенствования системы были разработаны, проверены и согласованы Консорциумом DRM.

Для радиовещания ниже 30 МГц используются следующие частотные диапазоны:

- диапазон низких частот (НЧ (LF): от 148,5 до 283,5 кГц, только в регионе 1 согласно Регламенту радиосвязи [1];

- диапазон средних частот (СЧ (MF): от 526,5 до 1606,5 кГц, в регионах 1 и 3 и от 525 до 1705 кГц в регионе 2 согласно Регламенту радиосвязи [1];

- диапазон высоких частот (ВЧ (HF): набор индивидуальных радиовещательных полос в диапазоне от 2,3 до 27 МГц, в общем случае доступных на всемирной основе.

Эти диапазоны обладают уникальными свойствами распространения, которые позволяют обеспечить:

- большие зоны покрытия, размер и расположение которых могут зависеть от времени дня, года или периода солнечной активности (примерно 11 лет);

- портативный и мобильный прием со сравнительно небольшим ухудшением качества за счет окружающей обстановки.

Таким образом, имеется потребность вещания в этих диапазонах, в особенности международного вещания, для которого ВЧ диапазоны представляют единственную возможность, при этом не требуя наземных ретрансляционных станций.

Однако, вещание в этих диапазонах:

- использует аналоговые технологии;

- обеспечивает невысокое качество;

- подвержено заметным помехам в результате механизма дальнего распространения, который преобладает в этой части спектра, и из-за большого числа работающих станций.

Прямым следствием приведенных выше обстоятельств является желание перевести вещание на цифровые технологии передачи и приема, чтобы повысить качество, что необходимо для привлечения слушателей, которые имеют все больший выбор приема программ различными средствами, которые, как правило, предлагают более высокие качество и надежность.

Чтобы удовлетворить потребность в системе цифрового радиовещания, пригодной для использования в диапазонах ниже 30 МГц, в начале 1998 г. был организован Консорциум Всемирное цифровое радио (DRM). Консорциум DRM - некоммерческая организация, которая стремится разработать и продвинуть систему DRM по всему миру. Его члены включают радиовещателей, сетевых провайдеров, производителей приемного и передающего оборудования и исследовательские институты. На веб-сайте (http://www.drm.org/) можно получить дополнительную информацию о Консорциуме DRM.

В марте 2005 г. Консорциум DRM на своей Генеральной ассамблее предложил рассмотреть возможность распространения системы DRM для оказания услуг цифрового радио на более высоких частотах передачи. Этот диапазон включает:

- полосу 47-68 МГц (полоса I), распределенную аналоговому телевизионному вещанию;

- полосу 65,8-74 МГц (ОИРТ FM полоса);

- полосу 76-90 МГц (японская FM полоса);

- полосу 87,5-107,9 МГц (полоса II), распределенную FM радиовещанию.

1 Область применения

Настоящий стандарт определяет основные параметры и технические требования к системе DRM для цифровой передачи в радиовещательных диапазонах ниже 174 МГц.

2 Нормативные ссылки

В настоящем стандарте нормативные ссылки не использовались.

3 Термины, определения, обозначения и сокращения

3.1 Термины и определения

В настоящем стандарте применены следующие термины с соответствующими определениями:

3.1.1 зарезервировано для будущих добавлений (reserved for future addition; rfa): Биты с таким обозначением устанавливаются в ноль.

Примечание - Приемники не декодируют эти биты.

3.1.2 зарезервировано для будущего использования (reserved for future use; rfu): Биты с таким обозначением устанавливаются в ноль.

Примечание - Приемникам необходимо проверить эти биты с целью определения действительного состояния других полей в том же самом просмотре.

3.1.3 канал быстрого доступа (Fast Access Channel; FAC): Канал мультиплексного потока данных, который содержит информацию, необходимую для поиска служб и начала декодирования мультиплекса.

3.1.4 канал описания услуг (Service Description Channel; SDC): Канал мультиплексного потока данных, который дает информацию для декодирования служб, включенных в мультиплекс.

Примечание - SDC также содержит дополнительную информацию, которая позволяет приемнику определить альтернативные источники тех же самых данных.

3.1.5 кбит/с (kbit/s): Килобит в секунду (1000 битов в секунду).

3.1.6 логический фрейм (logical frame): Данные, содержащиеся в одном потоке длительностью 400 мс или 100 мс.

3.1.7 мультиплексный фрейм (multiplex frame): Фрейм, образованный логическими фреймами всех потоков.

Примечание - Мультиплексный фрейм является существенной основой для кодирования и перемежения.

3.1.8 одночастотная сеть (Single Frequency Network; SFN): Сеть передатчиков, совместно использующих одну и ту же частоту для достижения большей зоны покрытия.

3.1.9 основной сервисный канал (Main Service Channel; MSC): Канал мультиплексного потока данных, который занимает большую часть фрейма передачи и который несет данные всех цифровых аудио служб вместе с данными вспомогательных и дополнительных служб.

3.1.10 профиль UEP (UEP Profile): Комбинация уровней защиты и длин частей с повышенной защитой для неравной защиты от ошибок.

3.1.11 символ OFDM (OFDM symbol): Передаваемый сигнал, соответствующий промежутку времени, когда амплитуда модуляции и состояние фазы сохраняются постоянными для каждой из разнесенных несущих сигнала.

3.1.12 суперфрейм передачи (transmission super frame): Три последовательных фрейма передачи, причем первые символы OFDM содержат блок SDC.

3.1.13 фрейм передачи (transmission frame): Некоторое количество последовательных символов OFDM, причем первый символ OFDM содержит ячейки временной синхронизации.

3.1.14 энергетическое рассредоточение (скремблирование) (energy dispersal): Обработка, включающая детерминированное селективное дополнение битов в логическом фрейме с целью исключения систематического повторения комбинаций, приводящего к нежелательной регулярности передаваемого сигнала.

3.1.15 ячейка (cell): Часть синусоидального колебания длительностью , передаваемая с заданной амплитудой и фазой и соответствующая позиции поднесущей.

Примечание - Каждый символ OFDM является суммой таких частичек синусоидального колебания, равномерно смещенных по частоте.

3.1.16 mod: Оператор по модулю.

Примечание - , где >0, так что , - целое число, и .

3.2 Обозначения

В настоящем стандарте применены следующие обозначения:

- ожидаемая величина выражения в скобках;

- опорная частота излучаемого сигнала;

- число активных несущих в символе OFDM;

- индекс верхней активной несущей в OFDM сигнале;

- индекс нижней активной несущей в OFDM сигнале;

- число входных битов в мультиплексном фрейме для многоуровневого кодирования;

- число ячеек MSC (символов QAM) в мультиплексном фрейме;

- элементарный период времени, равный 83 мкс (1/12 кГц);

- длительность фрейма передачи;

- длительность защитного интервала;

- длительность символа OFDM;

- длительность суперфрейма передачи, образованного рядом фреймов передачи;

- длительность полезной (ортогональной) части символа OFDM, исключая защитный интервал;

- комплексная величина, сопряженная с ;

- округление в сторону плюс бесконечности;

- округление в сторону минус бесконечности.

3.3 Сокращения

В настоящем стандарте применены следующие сокращения:

ВЧ (High Frequency; HF) - высокая частота, высокочастотный;

НЧ (Low Frequency; LF) - низкая частота;

СЧ (Medium Frequency; MF) - средняя частота;

AAC (Advanced Audio Coding) - усовершенствованное аудио кодирование;

AF (Audio Frequency) - звуковая частота;

AFS (Alternative Frequency Switching) - переключение альтернативных частот;

AM (Amplitude Modulation) - амплитудная модуляция;

BER (Bit Error Rate) - частота битовых ошибок;

CELP (Code Excited Linear Prediction) - линейное предсказание с управлением;

CI (Continuity Index) - индекс непрерывности;

CRC (Cyclic Redundancy Check) - циклический контроль с избыточностью;

DAB (Digital Audio Broadcasting) - Цифровое звуковое радиовещание;

DRM (Digital Radio Mondiale) - Всемирное цифровое радио;

DSB (Double Side Band) - двойная боковая полоса;

EEP (Equal Error Protection) - равная защита от ошибок;

ER (Error Robust) - устойчивость к ошибкам;

ESC (Error Sensitivity Categories) - категории чувствительности к ошибкам;

FAC (Fast Access Channel) - канал быстрого доступа;

FEC (Forward Error Correction) - прямое исправление ошибок путем введения избыточности;

FM (Frequency Modulation) - частотная модуляция;

HCR (Huffman Codeword Reordering) - переупорядочение кодового слова Хаффмана;

HF (High Frequency) - высокая частота, высокочастотный; ВЧ;

HMmix (mixed Hierarchical Mapping) - смешанное иерархическое отображение;

HVXC (Harmonic Vector eXcitation Coding) - гармоническое кодирование с векторным возбуждением;

IDFT (Inverse Discrete Fourier Transform) - обратное дискретное преобразование Фурье;

IFFT (Inverse Fast Fourier Transform) - обратное быстрое преобразование Фурье;

ISO (International Organization for Standardization) - Международная организация по стандартизации;

LAV (Largest Absolute Value) - наибольшая абсолютная величина;

LF (Low Frequency) - низкая частота; НЧ;

LPC (Linear Predictive Coding) - кодирование с линейным предсказанием;

LSb (Least Significant bit) - младший значащий бит;

LSP (Line Spectral Pairs) - пары спектральных линий;

LTO (Local Time Offset) - сдвиг локального времени;

Msym (symmetrical Hierarchical Mapping) - симметричное иерархическое отображение;

MF (Medium Frequency) - средняя частота; СЧ;

MPEG (Moving Picture Experts Group) - группа экспертов по сжатию цифрового видео и аудио; набор стандартов кодирования и сжатия цифрового видео и аудио;

MPS (MPEG Surround) - стандарт сжатия многоканального звука для объемного звучания;

MSb (Most Significant bit) - старший значащий бит;

MSC (Main Service Channel) - основной сервисный канал;

OFDM (Orthogonal Frequency Division Multiplexing) - ортогональное частотное разделение каналов с мультиплексированием;

OIRT (Organisation Internationale de Radiodiffusion en de Television) - Международная организация радиовещания и телевидения;

Pan (Panorama) - панорама, обзор;

PNS (Perceptual Noise Substitution) - замещение воспринимаемого шума;

PPI (Padded Packet Indicator) - индикатор дополненного пакета;

PRBS (Pseudo-Random Binary Sequence) - псевдослучайная бинарная последовательность;

PS (Parametric Stereo) - параметрическое стерео;

QAM (Quadrature Amplitude Modulation) - квадратурная амплитудная модуляция;

QMF (Quadrature Mirror Filter) - квадратурный зеркальный фильтр;

RF (Radio Frequency) - радиочастота;

rfa (reserved for future addition) - зарезервировано для будущих добавлений;

rfu (reserved for future use) - зарезервировано для будущего использования;

RS (Reed-Solomon) - Рид-Соломон;

RVLC (Reversible Variable Length Coding) - обратное кодирование с переменной длиной;

SA (Stereo Ambience) - стерео окружение;

SAC (Spatial Audio Coding) - пространственное звуковое кодирование;

SBR (Spectral Band Replication) - копирование спектральной полосы;

SDC (Service Description Channel) - канал описания служб;

SFN (Single Frequency Network) - одночастотная сеть;

SI (Side Information) - побочная информация;

SM (Standard Mapping) - стандартное отображение;

SPP (Standard Protected Part) - часть со стандартной защитой;

SSB (Single Side Band) - одна боковая полоса частот;

TNS (Temporal Noise Shaping) - формирование временной огибающей шума;

UEP (Unequal Error Protection) - неравная защита от ошибок;

uimsbf (unsigned integer most significant bit first) - целое число без знака, старший бит вначале;

VCB11 (Virtual Codebooks for Codebook 11) - виртуальные таблицы кодирования для таблицы кодирования 11;

VSB (Vestigial Side Band) - подавленная боковая полоса частот;

VSPP (Very Strongly Protected Part) - часть с очень сильной защитой;

VXC (Vector eXcitation Coding) - кодирование с векторным возбуждением;

WSSUS (Wide Sense Stationary Uncorrelated Scattering model) - модель стационарного некоррелированного рассеяния.

Примечание - В тексте стандарта, если не указано иное, принято следующее соглашение о порядке следования битов:

- на рисунках бит, показанный в крайней левой позиции, считается первым;

- в таблицах бит, показанный в крайней левой позиции, считается первым;

- в числовых полях старший бит (MSb) считается первым и обозначается большим номером. Например, MSb одного байта обозначается b7, а младший бит (LSb) обозначается b0;

- в векторах (математических выражениях) бит с низшим индексом считается первым.

4 Общие характеристики

4.1 Краткий обзор системы

Система DRM разработана для использования на любых частотах ниже 174 МГц, которые имеют разнообразные ограничения по формированию каналов и различные условия распространения в разных диапазонах. Чтобы удовлетворить этим ограничениям, в системе имеются различные режимы передачи. Режимы передачи определяются параметрами передачи, которые подразделяются на два типа:

- параметры, относящиеся к ширине полосы сигнала;

- параметры, относящиеся к эффективности передачи.

Первый тип параметров определяет ширину полосы частот, необходимую для одной передачи. Параметры эффективности позволяют выработать компромисс между пропускной способностью (полезной битовой скоростью) и устойчивостью к шумам, многолучевости и Доплеровскому эффекту.

4.2 Архитектура системы

Этот подраздел дает общее представление об архитектуре системы, представленной в общем виде на рисунке 1, со ссылками на пункты, определяющие индивидуальные части системы.

Рисунок 1 - Концептуальная блок-схема передачи DRM

Рисунок 1 описывает обобщенный поток различных классов информации (аудио данные и т.д.) и не проводит различия между службами, которые могут обеспечиваться информацией одного или более классов. Подробное описание распределения служб по этим классам приведено в разделе 6.

Кодер источника и предварительные кодеры обеспечивают преобразование входных потоков в подходящий формат цифровой передачи. В случае кодирования исходных аудио сигналов эта операция включает компрессию согласно 4.3 и разделу 5. Выход кодера(ов) источника сигнала и предварительного кодера данных может состоять из двух составляющих, требующих разного уровня защиты от ошибок в последующих канальных кодерах. Все службы должны использовать эти два уровня защиты.

Мультиплексор комбинирует уровни защиты всех сигналов и данных, как описано в разделе 6.

Энергетическое рассредоточение (скремблирование) состоит в детерминированном селективном дополнении битов с целью исключения систематического повторения комбинаций, приводящего к нежелательной регулярности передаваемого сигнала.

Канальный кодер добавляет избыточную информацию для обеспечения квази-безошибочной передачи и отображает закодированную цифровую информацию для последующей квадратурной амплитудной модуляции (QAM), как описано в разделе 7.

Перемежитель ячеек преобразует ячейки QAM в последовательность ячеек, квазислучайно распределенных по времени и частоте, чтобы обеспечить устойчивую передачу в каналах, неоднородных во времени и по частоте. Пилот-генератор позволяет на приемном конце получить информацию о состоянии каналов и осуществить когерентную демодуляцию сигнала.

Транслятор OFDM ячеек накапливает ячейки различных классов и размещает их на сетке время - частота, как указано в разделе 7.

Генератор OFDM сигналов преобразует каждый набор ячеек с одинаковым временным индексом в представление сигнала во временной области. Далее из этого представления во временной области получается символ OFDM путем добавления защитного интервала в виде цикличного повторения части сигнала, как оговорено в разделе 7.

Модулятор преобразует цифровое представление OFDM сигнала в аналоговый сигнал для передачи в эфир. Эта операция включает цифро-аналоговое преобразование и фильтрацию, которая должна соответствовать спектральным требованиям согласно приложению Д.

4.3 Кодирование источников

В рамках ограничений радиовещательных документов на радиовещательные каналы ниже 30 МГц и параметры применяемых схем кодирования и модуляции скорость передачи, доступная для кодирования источников, лежит в пределах от 8 кбит/с (половинные каналы) до ~20 кбит/с (стандартные каналы) и до ~72 кбит/с (сдвоенные каналы).

В рамках ограничений радиовещательных документов на радиовещательные каналы в диапазоне от 30 до 174 МГц и параметры применяемых методов кодирования и модуляции скорость передачи, доступная для кодирования источников, лежит в пределах от 35 до 185 кбит/с.

Чтобы обеспечить оптимальное качество при заданной скорости передачи, в системе применяются различные методы кодирования источников:

- метод MPEG-4 ААС - усовершенствованное аудио кодирование, включая средства защиты от ошибок для широкополосного моно и стерео вещания;

- метод MPEG-4 CELP кодирования речи для защищенного от ошибок речевого моно вещания для тех случаев, когда доступна только низкая скорость передачи или требуется исключительно высокая защита от ошибок;

- метод MPEG-4 HVXC кодирования речи для очень низких скоростей передачи и защищенного от ошибок речевого моно вещания, особенно хорошо подходит для приложений речевых баз данных;

- метод SBR, усовершенствованное средство аудио кодирования, которое позволяет получить полную ширину полосы аудио частот при низкой скорости передачи. Оно может применяться совместно с ААС, CELP и HVXC;

- PS, усовершенствованное средство аудио кодирования, которое позволяет обеспечить стерео кодирование при низкой скорости передачи;

- метод MPEG Surround - инструмент улучшения кодирования аудио, который позволяет учитывать многоканальное кодирование на низких битовых скоростях.

Транспортный формат битового потока схем кодирования источника был модифицирован с целью удовлетворения требований системы DRM (формирование аудио суперфреймов). Для улучшения поведения системы в каналах, подверженных ошибкам, может использоваться UEP.

Предусмотрено дальнейшее усовершенствование аудио системы путем объединения двух сигналов DRM.

4.4 Режимы передачи

4.4.1 Параметры, относящиеся к ширине полосы сигнала

В настоящее время для вещания на частотах ниже 30 МГц установлены полосы шириной 9 кГц и 10 кГц. Система DRM предназначена для использования:

- в этих номинальных полосах, чтобы вписаться в существующую сетку частот;

- в половинных полосах (4,5 или 5 кГц), чтобы обеспечить одновременную передачу с аналоговым AM сигналом;

- в удвоенных полосах (18 или 20 кГц), чтобы обеспечить большую пропускную способность, где это позволяет сетка частот.

Необходимая ширина канала для радиовещания в диапазоне от 30 до 174 МГц там, где определено, составляет 100 кГц. Система DRM предназначена для работы с использованием таких каналов.

Параметры, касающиеся указанных полос сигнала, определяются в разделе 8.

4.4.2 Параметры, относящиеся к эффективности передачи

Для любого значения ширины полосы сигнала параметры эффективности передачи определяются таким образом, чтобы достичь компромисса между пропускной способностью (полезной скоростью передачи) и устойчивостью к шумам, многолучевости и Доплеровскому эффекту. Эти параметры подразделяются на два типа:

- параметры скорости кодирования и группирования, определяющие, какие скорости кодирования и группы созвездия используются для передачи данных;

- параметры символов OFDM, определяющие структуру символов OFDM, которую необходимо использовать в зависимости от условий распространения.

4.4.2.1 Скорости кодирования и созвездия

Система предлагает выбор из различных вариантов для обеспечения одного или двух уровней защиты от ошибок в зависимости от требуемого уровня защиты для каждой службы или части службы. В зависимости от требований службы эти уровни защиты могут определяться или скоростью кодирования канального кодера (например, 0,6 и т.д.), или видом созвездия (например, 4-QAM, 16-QAM, 64-QAM), или иерархической модуляцией. Подробное описание этих вариантов дается в разделе 7.

4.4.2.2 Набор параметров OFDM

Набор параметров OFDM представлен в данном подпункте. Требования к форме сигнала приведены в разделе 8. Эти параметры определяются для различных условий распространения и обеспечивают различные режимы устойчивости сигнала. Для заданной полосы частот различные режимы устойчивости обеспечивают разные скорости передачи данных. В таблице 1 приведены типичные случаи использования режимов устойчивости.

Таблица 1 - Использование режимов устойчивости

Передаваемый сигнал содержит последовательность символов OFDM, каждый символ состоит из защитного интервала, за которым следует так называемая полезная часть символа. Каждый символ является суммой отрезков синусоиды, равномерно разнесенных по частоте. Каждый отрезок синусоиды, называемый "ячейкой", передается с заданной амплитудой и фазой и соответствует позиции несущей. Каждая несущая обозначается индексом , где принадлежит интервалу [, ] (0 соответствует опорной несущей частоте передаваемого сигнала).

Временные параметры символов OFDM выражаются в кратных значениях временного периода , равного (83+1/3) мкс. Этими параметрами являются:

- - длительность защитного интервала;

- - длительность символа OFDM;

- - длительность полезной (ортогональной) части символа OFDM (т.е. исключая защитный интервал).

Символы OFDM группируются с образованием фреймов передачи длительностью .

Параметры символа OFDM в соответствии с таблицей 2.

Таблица 2 - Параметры символа OFDM

Как указано в разделе 8, определенное число ячеек в каждом символе OFDM передается с заданной амплитудой и фазой, чтобы служить эталоном в процессе демодуляции. Они называются "опорными пилотами" и представляют некоторую пропорцию от общего числа ячеек.

5 Режимы кодирования источников

5.1 Краткий обзор

Как описано в 4.3, система DRM осуществляет кодирование аудио ААС и кодирование речи (CELP и HVXC). Кроме того, возможно использование метода высокочастотного восстановления (SBR) для усиления субъективного восприятия качества звучания этих трех схем исходного кодирования. В комбинации с кодер/декодером ААС может использоваться инструмент MPEG PS. Опционально метод многоканальной реконструкции может использоваться дополнительно к AAC/SBR для обеспечения многоканального декодирования.

Были приняты специальные меры, чтобы закодированный аудио сигнал был преобразован в аудио суперфреймы постоянной длины. Мультиплексирование и неравномерная защита от ошибок аудио/речевых служб проводится посредством модулей мультиплексирования и канального кодирования. Специальная информация о конфигурации аудио передается в SDC (см. 6.4.3.10).

Варианты кодирования сигналов в системе DRM показаны на рисунке 2.

а) Кодирование источников аудио сигналов в системе DRM

б) Декодирование источников аудио сигналов в системе DRM

Рисунок 2 - Кодирование источников аудио сигналов

5.1.1 Кодирование аудио ААС

Для обобщенного кодирования аудио сигналов используется набор правил ААС стандарта MPEG-4 как наиболее подходящий для применения в системе DRM. Например, стандартной конфигурацией для единичного коротковолнового канала может быть 20 кбит/с моно ААС.

Конкретными особенностями реализации потока ААС в рамках системы DRM являются:

- битовая скорость: ААС может использоваться на любой скорости. Установленная битовая скорость ААС равна 20 бит/с для режимов устойчивости A, B, C, D и 80 бит/с - для режима устойчивости E;

- частоты дискретизации: допустимыми частотами дискретизации являются 12 кГц и 24 кГц для режимов A, B, C и D и 24 кГц и 48 кГц - для режима Е. 48 кГц разрешается при условии, что метод SBR не используется;

- длина преобразования: длина преобразования составляет 960 отсчетов, так что один аудио фрейм соответствует по времени 80 или 40 мс (режимы устойчивости A, B, C и D) и 40 или 20 мс (режим устойчивости Е). Это требуется для увязки длин фреймов CELP и ААС так, чтобы аудио суперфрейм длительностью 400 мс (режимы устойчивости A, B, C и D) или 200 мс (режим устойчивости Е) состоял из целого числа аудио фреймов;

- защита от ошибок: для улучшения устойчивости к ошибкам битового потока AAC в каналах, подверженных ошибкам, используется набор средств MPEG-4 (инструмент MPEG-4 EP не используется);

- аудио суперфреймы: 5 или 10 аудио фреймов объединяются в один суперфрейм. Для режимов устойчивости A, B, C и D соответствующие частоты дискретизации составляют 12 и 24 кГц, обеспечивающие формирование аудио суперфрейма длительностью 400 мс; для режима устойчивости E соответствующие частоты дискретизации составляют 24 и 48 кГц, обеспечивающие формирование аудио суперфреймов длительность 200 мс. Аудио фреймы в аудио суперфреймах закодированы вместе таким образом, что каждый аудио суперфрейм имеет постоянную длину, т.е. обмен битами между аудио фреймами возможен только в пределах одного аудио суперфрейма. Один аудио суперфрейм всегда размещается в одном логическом фрейме в режимах устойчивости A, B, C и D и в двух логических фреймах в режиме устойчивости E (см. раздел 6). Таким образом не требуется никакой дополнительной синхронизации для аудио кодирования. Внутри аудио суперфрейма происходит также установление границ фрейма и установок UEP;

- UEP: применение UEP в битовом потоке AAC обеспечивает более устойчивую работу при высокой частоте битовых ошибок. Неравная защита от ошибок реализуется с помощью модулей мультиплексирования/кодирования. Для режима надежности Е длина более защищенной части аудио суперфрейма должна быть кратна 2 байтам.

5.1.2 MPEG CELP кодирование

MPEG CELP речевое кодирование доступно в режимах устойчивости A, B, C и D для получения приемлемого качества передачи речи при битовых скоростях существенно ниже стандартных (например, работа на "половинной" скорости при 8 кбит/с). Возможные сценарии использования этого речевого кодера следующие:

- двойное/тройное речевое применение: вместо одной аудио программы на скорости от 20 до 24 кбит/с канал содержит два или три речевых сигнала со скоростью от 8 до 10 кбит/с каждый, обеспечивая параллельные речевые передачи;

- речевые программы в дополнение к аудио программе;

- одновременные передачи: в случае одновременной аналоговой и цифровой передачи могут быть доступны только низкие битовые скорости, вплоть до 8 кбит/с;

- очень защищенные речевые передачи: предполагается, что благодаря своей природе речевой кодер обеспечивает более высокую защиту от ошибок в канале. Поэтому речевое кодирование на скорости 8 кбит/с может использоваться, когда требуется высшая степень защиты в одном канале.

Основными характеристиками MPEG CELP кодирования являются:

- частоты дискретизации 8 или 16 кГц;

- битовые скорости от 4 до 20 кбит/с;

- устойчивость к ошибкам;

- объединение целого числа фреймов CELP в один аудио суперфрейм.

5.1.3 MPEG HVXC кодирование

MPEG-4 HVXC (гармоническое кодирование с векторным возбуждением) речевое кодирование используется в режимах устойчивости A, B, C и D для получения удовлетворительного качества передачи речи при очень низких битовых скоростях, например до 2 кбит/с. Рабочие битовые скорости HVXC открывают новые возможности системы DRM, такие как:

- речевые программы в дополнение к аудио программе;

- многоязычное вещание;

- хранение множества программ в памяти, таких как новости, база данных приемника на карте расширения (например, на флэш-памяти объемом 4 Мб может храниться до 4,5 ч радиопрограмм);

- изменение масштаба времени для быстрого воспроизведения или просмотра хранящихся программ;

- передачи с высокой защитой от ошибок с использованием или без использования методов иерархической модуляции.

Основными характеристиками HVXC кодирования являются:

- частота дискретизации 8 кГц;

- битовые скорости 2 и 4 кбит/с для кодирования с фиксированной скоростью;

- временный масштаб и степень сжатия произвольных отклонений;

- поддерживается синтаксис защиты от ошибок, возможно использование механизма CRC для улучшения устойчивости битового потока HVXC в каналах, подверженных ошибкам;

- формирование постоянного целого числа фреймов HVXC (20) для аудио суперфрейма.

5.1.4 SBR кодирование

Для поддержания приемлемого субъективного качества звука при низких битовых скоростях классические алгоритмы аудио или речевого кодирования требуют снижения ширины звуковой полосы и частоты дискретизации. Желательно иметь возможность предоставить широкую полосу звуковых частот и низкие скорости передачи. Это может быть реализовано с использованием метода SBR.

Задачей SBR является воспроизведение высокочастотной части полосы частот звукового сигнала, которая не может быть воспринята кодером. Чтобы достичь этого наиболее подходящим способом, в битовом потоке должна передаваться некоторая дополнительная информация, которая использует некоторую долю битовой скорости, доступной кодеру. Эта дополнительная информация извлекается из полного аудио сигнала до его кодирования и обеспечивает воспроизведение высокочастотных составляющих после декодирования аудио/речи.

SBR существует в двух версиях. Версии различаются только устройством декодера. SBR высокого качества использует гребенку фильтров комплексных переменных, в то время как маломощный SBR использует фильтры вещественных величин совместно с модулями подавления наложенного спектра. Маломощная версия SBR значительно проще по сравнению с высококачественной версией, незначительно уступая ей в качестве звука. AAC+SBR описан в стандарте MPEG-4-Aydio* (профиль ААС высокой эффективности). SBR используется также в конфигурациях HVXC+SBR и CELP+SBR.

________________

* Текст документа соответствует оригиналу. - .

5.1.5 PS кодирование

Для повышения качества стерео сигнала при низких битовых скоростях применяется кодер PS. Средства параметрического стерео могут использоваться в конфигурациях AAC+SBR (профиль AAC высокой эффективности MPEG). Общая идея PS кодирования состоит в том, чтобы передать данные, описывающие стерео картину, параллельно с моно сигналом в качестве дополнительной информации. Эта дополнительная стерео информация очень компактная и требует лишь незначительной доли цифрового потока, обеспечивая максимальное качество моно сигнала в рамках доступной общей битовой скорости.

Синтез стерео сигнала в декодере воспроизводит пространственные свойства звука, но не затрагивает суммарный энергетический спектр. Поэтому отсутствует окраска звука, характерная для моно сигнала, полученного преобразованием из стерео. Битовые скорости для передачи параметрического стерео по системе AAC+SBR должны предпочтительно лежать в диапазонах скоростей, при которых невозможна передача традиционного стерео.

Если радиовещательный сигнал содержит данные PS, должны использоваться средства PS, как оговорено в стандарте MPEG-4 Audio согласно ISO/IEC [2]. Кроме того, могут использоваться методы, описанные в 5.7, для режимов устойчивости A, B, C и D.

5.1.6 Маскировка ошибок

Для каждого аудио кодера, а также для средств SBR и PS приводится описание способа маскировки ошибочных битовых потоков. Маскировка ошибок, которая производится DRM декодером, должна обеспечивать как минимум тот же уровень качества, как описанные выше методы, но может и превышать его за счет конкретных схемных решений.

5.1.7 Кодирование MPEG Surround

Кодер MPS используется для совместного моно/стерео многоканального кодирования. MPEG Surround стандартизован как MPEG-D, часть 1 согласно ISO/IEC [3]. Этот документ описывает:

- кодирование многоканальных сигналов на базе преобразованных вниз сигналов оригинального многоканального сигнала и связанных пространственных параметров. Используется самая низкая скорость для кодирования многоканальных сигналов такая же, как для преобразованного вниз моно или стерео сигнала, включенного в поток данных. Следовательно, моно или стерео сигнал может быть дополнен к многоканальному в виде очень малых дополнительных данных;

- бинауральное декодирование потока MPEG Surround, дающее возможность прослушивать через наушники стереозвучание;

- улучшенный матричный режим, который допускает многоканальное преобразование вверх сигналов стерео без любых пространственных параметров.

Приемники, не поддерживающие многоканальное декодирование, могут декодировать немодифицированный моно или основной стерео сигнал.

Следовательно, MPEG Surround (SAC - пространственное аудио кодирование) обеспечивает восстановление N каналов, основанных на M<N передаваемых каналов, и дополнительных данных управления. В предпочтительных режимах действия системы пространственного аудио кодирования M каналов может быть или единственным моноканалом или парой стерео каналов. Данные управления представляют более низкую скорость передачи данных, чем необходимо для передачи всех каналов N, делая кодирование очень эффективным, в то же время гарантируя совместимость с устройствами каналов M и N.

Стандарт MPEG Surround включает многие инструментальные средства, обеспечивающие многие возможности, которые учитывают широкое применение стандарта. Главная особенность заключается в способности масштабировать пространственное представление постепенно от очень низкого пространственного наверху к прозрачности. Другая главная особенность заключается в том, что совместный вход декодера может быть выполнен совместно с существующей матрицей технологий окружения. Все инструментальные средства сгруппированы для обеспечения определенных конфигураций.

Приемники с числом выходных каналов, отличным от числа целевых каналов MPS, индицируемых SDC, должны все же получить многоканальный аудио сигнал согласно доступному числу выходных каналов (возможно с худшим качеством по сравнению со случаем, когда число целевых каналов соответствует числу выходных каналов).

5.2 UEP и образование аудио суперфреймов

Современные схемы кодирования в высшей степени оптимизированы с точки зрения эффективности кодирования, и согласно теории информации это приводит к тому факту, что энтропия всех бит практически одинакова. Если это предположение верно, то канальное кодирование должно быть оптимизировано, чтобы общее количество остаточных ошибок, называемое BER, было минимальным. Этот критерий может быть выполнен с помощью метода канального кодирования, называемого EEP, при котором все информационные биты получают защиту от ошибок за счет одинаковой степени избыточности.

Однако воздействие ошибки, заметное на слух, зависит от содержания затронутого ошибкой фрагмента битового потока. Этот эффект неравномерной чувствительности к ошибкам хорошо известен в методах кодирования сигналов, используемых в связи и радиовещании, таких как DAB (Eureka 147) или GSM. Вариант оптимизации, призванный справиться с эффектом неравномерной чувствительности к ошибкам, называется UEP. В такой системе более высокий уровень защиты присваивается более чувствительной части информации, а меньшая защита предоставляется менее чувствительной части битового потока.

Чтобы обеспечить канальное кодирование с неравномерной защитой, необходимо иметь фреймы постоянной длины и неизменный профиль UEP для заданной битовой скорости. Так как AAC является методом кодирования с переменной длиной, несколько закодированных фреймов объединяются в один аудио суперфрейм. Битовая скорость суперфрейма постоянна. Так как канальное кодирование основано на аудио суперфреймах, сами аудио суперфреймы состоят из двух частей: часть с высокой защитой и часть с низкой защитой. Поэтому закодированные аудио суперфреймы должны разделяться на эти две части. Подробности структуры аудио суперфреймов для методов AAC,CELP и HVXC приведены в соответствующих разделах. HVXC используется только в схеме EEP. Синтаксис аудио_суперфрейма приведен в таблице 3.

Таблица 3 - Синтаксис аудио_суперфрейма

Для режимов устойчивости A, B, C и D аудио суперфрейм отображается непосредственно на логический фрейм, так как оба имеют одинаковую продолжительность. Для режима устойчивости E аудио суперфрейм отображается двумя логическими фреймами, так как продолжительность аудио суперфрейма в этом случае вдвое больше, чем продолжительность логического фрейма. Отображение выполнено так, что первая половина высоко защищенных байтов, сопровождаемая первой половиной низко защищенных, отображается к логическому фрейму , а вторая половина высоко защищенных байтов, сопровождаемая второй половиной низко защищенных байтов, отображается к логическому фрейму +1, как показано на рисунке 3.

Рисунок 3 - Отображение аудио суперфрейма двумя логическими фреймами в режиме устойчивости E

5.3 AAC кодирование

Следующие три пункта описывают, как фреймы AAC, AAC+SBR и расширенные фреймы MPS помещаются в аудио суперфрейм.

5.3.1 AAC

ISO/IEC [2] представляет собой стандарт MPEG-4 Audio. Стандарт аудио кодирования MPEG-4 AAC является частью стандарта MPEG-4 Audio. В системе DRM из всех возможных типов объектов используется только устойчивый к ошибкам (ER) AAC масштабируемый тип (Object Туре ID=20), который является частью аудио профиля высокого качества.

Особенности использования MPEG-4 AAC в системе DRM: в битовом потоке MPEG-4 ER AAC могут использоваться три механизма защиты от ошибок: HCR (перестановка кодовых слов по Хаффману), VCB11 и RVLC. В системе DRM все битовые потоки AAC должны использовать метод HCR, так как этот метод существенно снижает чувствительность потока к ошибкам с минимальными затратами. Используется и метод VCB11, так как для низких битовых скоростей затраты на защиту не превышают 1%. Метод RVLC не используется, так как он приводит к существенным потерям битовой скорости, что для низких скоростей, используемых в системе DRM, является серьезным недостатком.

Механизм MPEG-4 AAC PNS (замещение воспринимаемого шума) в системе DRM не используется, так как SBR обеспечивает эту функцию более подходящим образом.

Для DRM должно использоваться 960 преобразований.

Режимы устойчивости A, B, C и D:

- если используется дискретизация с частотой 12 кГц, 5 фреймов AAC должны объединяться в один аудио суперфрейм;

- если используется дискретизация с частотой 24 кГц, 10 фреймов AAC должны объединяться в один аудио суперфрейм;

- частота дискретизации 24 кГц должна применяться AAC при реализации стерео режима.

Режим устойчивости E:

- если используется частота дискретизации 24 кГц, 5 фреймов AAC должны объединяться в один аудио суперфрейм;

- если используется частота дискретизации 48 кГц, 10 фреймов AAC должны объединяться в один аудио суперфрейм.

Не должен использоваться никакой стандарт расширения полезной нагрузки (extension_payload() ), единственными и разрешенными расширениями должны быть: SBR (сообщаемое посредством SDC) и MPS (сообщаемое посредством SDC).

Правый и левый каналы в одном стерео сигнале передаются с перемежением, чтобы снизить чувствительность к ошибкам внутри стерео фрейма.

Любой AAC битовый поток в системе DRM легко может быть преобразован в поток согласно требованиям MPEG-4 ER с помощью приведенных выше правил.

Если передача идет на базовом уровне (флажок базовый/расширенный в FAC установлен в 0, см. 6.3.3), фрейм AAC соответствует функции aac_scalable_main_element(), как определено в стандарте MPEG-4 согласно ISO/IEC [2].

Стандарт MPEG-4 определяет, как должны сохраняться биты исходного защищенного от ошибок AAC фрейма. Каждый элемент защищенного от ошибок AAC битового потока получает категорию чувствительности к ошибкам. В системе DRM существует два вида возможных защищенных от ошибок аудио фреймов AAC.

Моно аудио фрейм

Один моно аудио фрейм состоит из трех последовательных частей, называемых mono1, mono2 и mono3. Mono1 содержит биты SI, mono2 содержит биты TNS и mono3 содержит биты спектральных данных. Чувствительность к ошибкам уменьшается от mono1 к mono3.

Стерео аудио фрейм

Один стерео аудио фрейм состоит из семи последовательных частей, называемых stereo1 (общая дополнительная информация), stereo2 (дополнительная информация левого канала), stereo3 (дополнительная информация правого канала), stereo4 (TNS левого канала), stereo5 (TNS правого канала), stereo6 (спектральные данные левого канала), stereo7 (спектральные данные правого канала). С таким перемежением левого и правого каналов чувствительность к ошибкам уменьшается от stereo1 к stereo7.

5.3.1.1 AAC аудио суперфрейм

Синтаксис аас_суперфрейма приведен в таблице 4.

Таблица 4 - Синтаксис аас_суперфрейма

Синтаксис заголовка аас_суперфрейма приведен в таблице 5.

Таблица 5 - Синтаксис заголовка аас_суперфрейма

Часть с высокой защитой

Часть с высокой защитой содержит один заголовок, за которым следует num_frames блоков с высокой защитой. Num_frames - это число аудио фреймов в аудио суперфрейме.

Заголовок

Заголовок содержит информацию, необходимую для восстановления длин фреймов для num_frames AAC фреймов, хранящихся в аудио суперфрейме.

Все длины фреймов извлекаются из абсолютных позиций границ фреймов. Эти границы фреймов хранятся последовательно в заголовке. Каждая граница фрейма занимает 12 бит (целое число без знака, старший бит в начале). Граница фрейма измеряется в байтах от начала AAC битовой последовательности. Четыре бита заполнения добавляются в случае, если num_frames==10. В заголовке хранится num_frames-1 границ фреймов.

Блок с высокой защитой

Один блок с высокой защитой содержит определенное количество байтов в начале каждого AAC фрейма в зависимости от профиля UEP. Далее следует 8-битный контроль CRC, полученный из CRC битов в соответствующем AAC фрейме (о вычислении CRC см. приложение Г). Для моно сигнала CRC биты распространяются на mono1, mono2. Для стерео сигнала CRC биты распространяются на stereo1, stereo2, stereo3, stereo4, stereo5.

Часть с низкой защитой

Байты с низкой защитой (оставшиеся байты, не записанные в часть с высокой защитой) AAC фреймов последовательно записываются в часть с низкой защитой.

Рисунок 4 иллюстрирует пример аудио суперфрейма с 10 аудио фреймами для случаев с равномерной и неравномерной защитой от ошибок.

Рисунок 4 - Пример AAC аудио суперфрейма с 10 аудио фреймами

5.3.2 AAC+SBR

Частота дискретизации в режиме SBR вдвое выше частоты дискретизации при AAC. Один исходный фрейм AAC+SBR содержит ААС часть и SBR часть. SBR часть расположена в конце фрейма. Первый бит битового потока SBR является последним битом фрейма, следовательно биты SBR записываются/считываются в обратном порядке. Таким образом, начальная точка соответствующих частей данных фрейма легко определяется.

Размеры данных как AAC, так и SBR меняются от фрейма к фрейму. Общий размер индивидуальных фреймов, включающих данные SBR, может быть получен из aac_super_frame_header(), как описано в 5.3.1. Таким образом, для реакции на меняющуюся битовую скорость SBR не требуется дополнительная сигнализация.

Фреймы AAC+SBR вставляются в аудио суперфрейм таким же образом, как и при отсутствии SBR (рисунок 5).

Рисунок 5 - Фрейм AAC+SBR

Подробно битовый поток SBR описан в 5.6.1.

5.3.3 Маскировка ошибок в AAC

Базовый декодер AAC имеет функцию маскировки ошибок, что увеличивает задержку в декодере на один фрейм.

В базовом декодере имеются разнообразные тесты, начиная от контроля CRC и заканчивая проверками правдоподобия. Если такая проверка указывает на поврежденный битовый поток, применяется маскировка. Маскировка применяется также в случае, если канальный декодер обнаруживает поврежденный фрейм данных.

Маскировка производится на основе анализа спектральных характеристик непосредственно перед частотно-временным преобразованием. В случае, если поврежден один фрейм, механизм маскировки производит интерполяцию между предыдущим и последующим неповрежденными фреймами и создает спектральную картину для отсутствующего фрейма. Если повреждены несколько фреймов, маскировка в первую очередь запускает ослабление на основе слегка модифицированной спектральной характеристики последнего исправного фрейма. Как только декодер вышел из состояния ошибки, алгоритм маскировки производит восстановление сигнала уже на основе корректных спектральных данных. Восстановление может быть замедлено (подавлено), если состояние ошибки приводит к появлению редких случайных корректных фреймов.

5.3.3.1 Интерполяция одного поврежденного фрейма

В последующем тексте текущий фрейм - это фрейм номер , поврежденный фрейм, подлежащий интерполяции, это фрейм номер -1, предыдущий фрейм имеет номер -2. Фрейм номер -2 - последний исправный фрейм, спектральные характеристики которого сохранились на предыдущем шаге работы декодера.

Определение последовательности кадров и формы кадров окон поврежденного фрейма приведены в таблице 5а.

Таблица 5а - Интерполированные последовательности кадров и формы кадров

Рассчитываются масштабные коэффициенты энергии полос частот фреймов -2 и . Если кадровая последовательность этих фреймов представляет собой EIGHT_SHORT_SEQUENCE и конечная кадровая последовательность для фрейма -1 является одной из длинных последовательностей, масштабные коэффициенты энергии полос частот рассчитываются для масштабных коэффициентов полос частот длинных блоков путем отображения индекса линий спектральных полос коротких блоков на представление в виде длинных блоков. Новый интерполированный спектр образуется на основе масштабных коэффициентов полос частот путем использования спектра предыдущего фрейма -2 и умножения его на соответствующий спектральный коэффициент. Исключение сделано для случая короткой кадровой последовательности во фрейме -2 и длинной кадровой последовательности во фрейме , здесь спектр текущего фрейма модифицируется на интерполяционный коэффициент. Этот коэффициент постоянен для всех индивидуальных полос частот и вычисляется, исходя из разницы спектральных энергий в индивидуальных полосах фреймов -2 и . В конце всех преобразований проводится подстановка шума путем случайной смены знака интерполированных спектральных коэффициентов.

5.3.3.2 Ослабление и восстановление

Характеристики операции ослабления и восстановления, т.е. крутизна нарастания и спадания громкости сигнала может быть фиксированной или устанавливаться пользователем. Спектральные коэффициенты последнего правильного фрейма снижаются на коэффициент, соответствующий характеристикам ослабления, и затем передаются системе отображения частота-время. В зависимости от крутизны нарастания маскирование переключается в режим полного отключения после некоторого числа последовательных поврежденных фреймов, это означает, что все спектральные данные будут установлены в 0.

После окончания серии ошибок декодер восстанавливает громкость с крутизной, возможно отличающейся от крутизны ослабления. Если маскирование перешло в состояние отключения, то восстановление может быть задержано на задаваемое число фреймов, чтобы избежать досадного выхода в результате случайных разорванных во времени неповрежденных фреймов.

5.3.3.3 Градация маскирования

В случае, если спектральные данные нарушены только частично, т.е. контроль CRC и проверка правдоподобности проходят успешно, ослабление может вводиться с более тонкой детализацией. Использование механизмов защиты от ошибок HCR и VCB11 позволяет декодеру выявить дефектные спектральные линии. В случае, если повреждено несколько спектральных линий, стратегия маскирования AAC может применяться только к соответствующим масштабным коэффициентам полос или поврежденным спектральным линиям.

5.3.4 AAC+MPS

AAC фреймы и AAC+SBR фреймы могут быть увеличены данными MPS. Часть MPS аудио фрейма следует за частью AAC и о присутствии данных MPS сообщается в информационном объекте SDC 9. Если режим MPEG Surround соответствует 000, тогда данные MPS доступны в аудио фрейме. Биты данных MPS пишутся/читаются в том же самом порядке, как и биты AAC данных (рисунок 6).

Рисунок 6 - AAC+MPS фрейм

Если MPS и SBR данные присутствуют в аудио фрейме, биты наполнения вставляются между MPS и данными SBR (рисунок 7).

Рисунок 7 - AAC+SBR+MPS фрейм

Более детально MPS-битовый поток описан в 5.8.

5.4 MPEG CELP кодирование

5.4.1 MPEG CELP

ISO/IEC [2] представляет собой стандарт MPEG-4 Audio. Стандарт аудио кодирования MPEG-4 CELP (линейное предсказание с кодовым возбуждением) является частью стандарта MPEG-4 Audio. Определены две версии, но используется только версия 2, предназначенная для каналов с высоким уровнем ошибок. Поэтому битовые потоки CELP в системе DRM являются потоками версии 2 MPEG-4. Из всех возможных типов звуковых объектов в системе DRM используется только устойчивый к ошибкам (ER) тип CELP (Object Type ID=24), который является частью аудио профиля высокого качества.

MPEG-4 CELP описывает компрессию и декодирование естественных речевых сигналов при битовых скоростях от 4 до 24 кбит/с. MPEG-4 CELP является широко известным алгоритмом кодирования с новыми функциональными возможностями. Обычные кодеры CELP обеспечивают компрессию на единственной битовой скорости и оптимизированы для конкретных применений. Компрессия - это одна из функций MPEG-4 CELP, но MPEG-4 позволяет также использовать один базовый кодер во многих приложениях. Он гарантирует масштабируемость в смысле битовой скорости и ширины полосы пропускания, а также способность генерировать битовые потоки с произвольной битовой скоростью. Кодер MPEG-4 CELP поддерживает две частоты дискретизации, а именно 8 и 16 кГц. Соответствующие полосы пропускания составляют от 100 до 3800 Гц для частоты дискретизации 8 кГц и от 50 до 7000 Гц - для частоты дискретизации 16 кГц.

Типовая блок-схема CELP декодера показана на рисунке 8.

Рисунок 8 - Блок-схема CELP декодера

CELP декодер прежде всего состоит из генератора возбуждения и фильтра синтеза. Кроме того, CELP декодеры часто включают выходной фильтр. Генератор возбуждения имеет адаптивную кодовую таблицу для моделирования периодических компонент, постоянные кодовые таблицы для моделирования случайных компонент и декодер усиления для определения уровня речевого сигнала. Индексы для кодовых таблиц и усиления создаются кодером. Индексы кодовых таблиц (индекс запаздывания высоты тона для адаптивной таблицы и индекс формы для постоянных таблиц) и индексы усиления (усиление для адаптивной и постоянных кодовых таблиц) используются для генерации сигнала возбуждения. Сигнал возбуждения далее фильтруется фильтром синтеза с линейным предсказанием (фильтр синтеза LP). Коэффициенты фильтра реконструируются с использованием индексов LPC, затем интерполируются с коэффициентами, полученными последовательным анализом фреймов. Для повышения качества речи может быть подключен выходной гребенчатый фильтр.

MPEG-4 CELP кодер имеет следующие функциональные возможности: множество битовых скоростей, масштабируемые битовые скорости, масштабируемые полосы пропускания, компрессия в паузах, плавное управление скоростью. DRM использует функциональные возможности множества битовых скоростей.

Множество битовых скоростей: доступные битовые скорости зависят от частоты дискретизации. Могут использоваться скорости, представленные в таблице 6.

Таблица 6 - Фиксированные битовые скорости для CELP кодера

Алгоритмическая задержка в CELP кодере обусловлена длиной фрейма и дополнительной продолжительностью предварительного просмотра. Продолжительность предварительного просмотра является информативным параметром и зависит от режима кодирования. Приведенные ниже задержки (таблицы 7 и 8) применимы к режимам, используемым в системе DRM.

Таблица 7 - Задержка и длина фрейма для CELP кодера при частоте дискретизации 8 кГц

Таблица 8 - Задержка и длина фрейма для CELP кодера при частоте дискретизации 16 кГц

5.4.1.1 CELP аудио суперфрейм

Фреймы CELP имеют фиксированную длину. Аудио фреймы CELP группируются с целью образования аудио суперфреймов длительностью 400 мс. Возможно применение UEP Начало каждого аудио фрейма размещается в части с высокой защитой, остальные биты размещаются в части с низкой защитой. Синтаксис celp_суперфрейма представлен в таблице 9. Структура фреймов CELP приведена в таблицах 10 и 11. Индекс битовой скорости CELP передается в SDC.

Таблица 9 - Синтаксис celp_суперфрейма

Таблица 10 - Параметры UEP для CELP с частотой дискретизации 8 кГц

Таблица 11 - Параметры UEP для CELP с частотой дискретизации 16 кГц

5.4.2 CELP+SBR

На рисунке 9 показана структура аудио суперфрейма для CELP+SBR. Основная часть CELP фрейма идентична CELP аудио суперфрейму, описанному в 5.4.1.1, и включает до 4 бит заполнения. Независимо от длины основного фрейма CELP (10 мс, 20 мс или 40 мс) SBR использует фреймы длиной 40 мс.

Аудио суперфрейм - 400 мс

Рисунок 9 - Структура аудио суперфрейма CELP+SBR

Число битов в SBR фрейме постоянно и информация о размещении фреймов внутри суперфрейма не передается. За последним SBR фреймом вставляются дополнительные биты для выравнивания байтов. Если в SDC установлен флаг sbr_header_flag (см. 6.4.3.10), перед SBR фреймами передается один SBR заголовок. В этом режиме возможны разнообразные настройки SBR и соответственно различные дополнительные затраты. Если флаг не установлен, заголовок не передается и используются определенные комбинации параметров настройки, как указано в приложении К (К.1).

5.4.3 Маскирование ошибок в CELP

Должна использоваться стратегия маскирования информативных ошибок, описанная в ISO/IEC [2] (раздел 1.В.2.2 "Пример для CELP"). В системе DRM применим только режим битовых ошибок (BE) и флаг BF_fIag соответствует результату проверки CRC: BF_fIag=0, если проверка CRC прошла успешно, и BF_fIag=1, если проверка CRC была неудачной.

5.5 HVXC кодирование

Механизм кодирования речи MPEG-4 HVXC, как определено в ISO/IEC [2], охватывает компрессию и декодирование звуков естественной речи при битовых скоростях 2,0 и 4,0 кбит/с. HVXC использует гармоническое кодирование остаточных сигналов LPC для речевых сигналов и кодирование с VXC - для неречевых сегментов. HVXC обеспечивает качество речи на уровне телефонной связи в полосе частот от 100 до 3800 Гц при частоте дискретизации 8 кГц. Вдобавок, имеется функция изменения высоты тона и скорости во время декодирования. Эта функция бывает полезна при поиске или просмотре речевых баз данных. HVXC имеет встроенный синтаксис, содержащий категории защиты от ошибок, который может использоваться совместно с механизмом защиты от ошибок. Дополнительно для использования в каналах, подверженных ошибкам, поддерживается функция маскирования ошибок.

DRM использует подмножество описания HVXC в ISO/IEC [2], которое ограничивает синтаксис до пределов синтаксиса защиты от ошибок и доступные битовые скорости до двух значений - 2,0 и 4,0 кбит/с. Далее HVXC используется только с немасштабируемым синтаксисом. Для надежного декодирования в каналах с ошибками специально для DRM был определен механизм маскирования ошибок малой сложности (CRC плюс внутрифреймовое перемежение).

Синтаксис аудио суперфрейма HVXC идентичен для всех режимов HVXC (таблица 12), так как HVXC не поддерживает функцию UEP и длина аудио фрейма HVXC всегда составляет 20 мс.

Таблица 12 - Синтаксис hvxc_суперфрейма

Число битов в одном аудио фрейме передается в составе информации SDC (HVXC_rate, HVXC_CRC).

В случае фиксированной битовой скорости 4 кбит/с HVXC кодер используется совместно с контролем CRC, причем последние 4 бита каждого аудио суперфрейма дополняются нулями, и приемник эти биты игнорирует. В результате суммарная битовая скорость составит 4,66 кбит/с.

В аудио суперфреймах используются только фиксированные режимы HVXC (2,0 или 4,0 кбит/с). Режимы с переменной скоростью могут применяться в приложениях с пакетным режимом в будущем.

5.5.1 Определения

5.5.1.1 Параметры HVXC кодера источника

Определения основных информационных объектов системы кодирования речи HVXC, совместимой с MPEG-4, содержатся в ISO/IEC [2] и приведены в таблице Р.1.

5.5.1.2 Биты CRC для режимов с фиксированной битовой скоростью

В таблице 13 приведены различные биты CRC, которые добавляются для защиты от ошибок в системе DRM.

Таблица 13 - Биты CRC для режимов с фиксированной битовой скоростью

5.5.2 HVXC декодер

На рисунке 10 показана обобщенная блок-схема HVXC декодера.

Рисунок 10 - Блок-схема HVXC декодера

Основа процесса декодирования состоит из следующих шагов: деквантизация параметров; генерация сигналов возбуждения для речевых фреймов посредством синтеза синусоидальных составляющих (гармонический синтез) и добавление шумовых компонент; генерация сигналов возбуждения для неречевых фреймов, используя просмотр кодовых таблиц и синтез LPC. Для повышения качества синтезированного речевого сигнала используется спектральная фильтрация на выходе. Информативное описание выходного фильтра приведено в MPEG-4 ISO/IEC [2] (приложение 2.В), которое является нормативным для DRM.

Для речевых фреймов спектральный вектор фиксированной размерности, полученный путем деквантизации спектральных магнитуд, сначала преобразуется в вектор с исходной размерностью, которая меняется от фрейма к фрейму в соответствии с высотой тона. Это преобразование происходит в конверторе размерности, в котором интерполятор с ограниченной полосой частот генерирует набор величин спектральных магнитуд на гармонических частотах, не меняя формы спектральной огибающей. Используя эти величины спектральных магнитуд и алгоритм быстрого гармонического синтеза, с помощью IFFT генерируется сигнал возбуждения во временной области. Чтобы синтезированная речь звучала естественно, используется дополнительная шумовая составляющая. Спектральная компонента Гауссовского шума, занимающая полосу 2-3,8 кГц, окрашивается в соответствии с гармоническими спектральными магнитудами в частотной области, и его IDFT складывается с речевым сигналом возбуждения во временной области. Уровень и ширина полосы частот этого добавляемого шума управляется двухбитовой величиной V/UV, которая закодирована на основе нормализованной максимальной автокорелляции остаточного LPC сигнала. Гармонические сигналы возбуждения для речевых сегментов с добавленным шумом далее подаются на фильтр синтеза LPC и затем на выходной фильтр.

Для неречевых сегментов используется обычный алгоритм декодирования VXC, где сигнал возбуждения генерируется перемножением величины уровня и вектора стохастического кода. Результат подается на вход фильтра синтеза LPC, а затем на выходной фильтр. Синтезированные компоненты речи и неречевые сегменты складываются и образуют выходной сигнал. Описание стандарта преобразования временного масштаба содержится в MPEG-4 ISO/IEC [2].

5.5.3 HVXC кодер

На рисунке 11 показана обобщенная блок-схема кодера MPEG-4 HVXC. В таблице Р.2 приведены предельные значения бит для кодеров 2,0 и 4,0 кбит/с с кодированием на фиксированной скорости. Параметры с окончанием enh используются только на скорости 4,0 кбит/с. Функционирование каждого элемента кодера поясняется рисунком 11.

Рисунок 11 - Блок-схема HVXC кодера

5.5.3.1 Анализ LPC и квантование LSP

Входная речь при частоте дискретизации 8 кГц преобразуется во фреймы длиной 256 отсчетов и интервалом 160 отсчетов. Анализ LPC 10-го порядка производится, используя входные данные в рамках одного фрейма, разделенного на коды. Параметры LPC преобразуются в параметры LSP и векторно квантуются с использованием частичного предсказания и схемы многоступенчатого векторного квантования. Остаточные сигналы LPC вычисляются обратной фильтрацией входных данных с использованием квантованных и интерполированных параметров LSP.

5.5.3.2 Поиск основного тона разомкнутого цикла

Величина высоты основного тона разомкнутого цикла определяется на основе пиковых значений автокорелляции остаточных сигналов LPC. Используя оценку прошлых и текущих значений высоты тона, производится отслеживание высоты тона для получения непрерывного контура высоты тона и повышения достоверности оценки высоты тона. Различение речь/не речь, произведенное на предыдущем фрейме, также участвует в операции отслеживания высоты тона.

5.5.3.3 Оценка гармонической магнитуды и тонкая оценка основного тона

Спектр мощности остаточного LPC сигнала подается далее на вход блока тонкой оценки основного тона и оценки гармонической магнитуды, где спектральная огибающая остаточного сигнала оценивается следующим образом: основной спектр, представляющий собой спектр одной гармоники, масштабируется в соответствии с уровнем и организуется в соответствии с отклонением первой гармоники, полученным поиском основного тона разомкнутого цикла. Уровень каждой гармоники и основного тона подстраивается одновременно так, чтобы разница между синтезированным спектром мощности и реальным остаточным LPC спектром была минимальной. Затем векторно квантуется огибающая гармонического спектра речевого сегмента.

5.5.3.4 Векторное квантование гармонических магнитуд

Чтобы оцифровать векторным методом спектральную огибающую меняющегося числа гармонических составляющих, сначала гармонический спектральный вектор преобразуется в вектор фиксированной размерности. Для преобразования размерности используется многофазная гребенка фильтров и интерполяция с ограниченной полосой частот. Спектральный вектор с фиксированной размерностью затем квантуется со взвешенной мерой искажения

, (1)

где - выход первой кодовой таблицы формы;

- выход второй кодовой таблицы формы;

- выход кодовой таблицы усиления.

Диагональные компоненты матриц и представляют собой магнитуды частотных характеристик фильтра синтеза LPC и взвешивающего фильтра восприятия соответственно. Чтобы снизить требования к памяти и сложность поиска при сохранении производительности, применена двухступенчатая схема векторного квантования спектральной формы совместно со скалярным дискретизатором для уровня при скоростях ниже 2,0 кбит/с. Для режима 4,0 кбит/с квантованный вектор гармонических магнитуд с фиксированной размерностью сначала преобразуется к размерности исходных гармоник с помощью интерполяции с ограниченной полосой, описанной выше. Разница между исходными гармониками и деквантованными и приведенными к размерности гармониками квантуется еще одним векторным дискретизатором. Многоступенчатая структура позволяет генерировать масштабируемые битовые потоки.

5.5.3.5 Различение речь/не речь

Различение речь/не речь производится на основе максимальной автокорелляции остаточного LPC сигнала, числа переходов через нуль и гармонической структуры энергетического спектра остаточного LPC сигнала.

5.5.3.6 VXC кодирование неречевых сигналов

Для неречевых сегментов производится обычное VXC кодирование, когда используются только стохастические кодовые таблицы. В режиме 2,0 кбит/с используется 6-битовая кодовая таблица формы с размерностью 80 и 4-битовая кодовая таблица усиления. Для режима 4,0 кбит/с ошибка квантования 2-килобитного режима на дополнительном этапе квантуется с помощью 5-битовой кодовой таблицы формы с размерностью 40 и 3-битовой кодовой таблицы усиления.

5.5.4 HVXC канальное кодирование

5.5.4.1 Выбор защищаемых бит

В соответствии с чувствительностью бит к ошибкам закодированные биты подразделяются на несколько категорий ESC. Число битов для каждой ESC показано в таблице 14 (2,0 кбит/с, речевой звук), таблице 15 (2,0 кбит/с, неречевой звук), таблице 16 (4,0 кбит/с, речевой звук) и таблице 17 (4,0 кбит/с, неречевой звук). ESC0 - это группа наиболее чувствительных бит, a ESC4 - группа наименее чувствительных бит. Показаны суммарные битовые скорости: 2,4 кбит/с при скорости исходного кодирования 2,0 кбит/с и 4,66 кбит/с при скорости исходного кодирования 4,0 кбит/с.

Примечание - Общая битовая скорость за счет использования CRC составит 4,65 кбит/с, но в каждый фрейм должны быть вставлены дополнительные 4 бита заполнения, доводя суммарную скорость до 4,66 кбит/с, см. 5.5.

Таблица 14 - Число ESC битов в режиме фиксированной скорости 2,0 кбит/с (речевой звук)

Таблица15 - Число ESC битов в режиме фиксированной скорости 2,0 кбит/с (неречевой звук)

Таблица 16 - Число ESC битов в режиме фиксированной скорости 4,0 кбит/с (речевой звук)

Таблица 17 - Число ESC битов в режиме фиксированной скорости 4,0 кбит/с (неречевой звук)

5.5.4.2 Синтаксис защиты от ошибок DRM HVXC (ErHVXCfixframe_CRC)

Синтаксис битового потока состоит из нескольких ESC. Некоторые ESC включают исходные биты и биты CRC, где биты CRC вычисляются из исходных бит внутри той же самой ESC.

Поле HVXC_CRC в канале SDC используется для обозначения наличия или отсутствия в битовом потоке битов четности CRC (см. 6.4.3.10). Синтаксис входного контроля CRC битового потока показан на рисунке 12.

Рисунок 12 - Блок-схема синтаксиса HVXC

5.5.5 Категории перемежения

Для повышения устойчивости битового потока к ошибкам в канале выполняется перемежение, когда биты данных меняются местами внутри одного фрейма. Перемежение битов производится после формирования битового потока и добавления битов CRC в соответствии с таблицами 18-27.

Таблица 18 - Синтаксис ErHVXCfixframe_CRC()

Таблица 19 - Синтаксис 2k_ESC0_CRC0()

Таблица 20 - Синтаксис 2k_ESC1_CRC1()

Таблица 21 - Синтаксис 2k_ESC2_CRC2()

Таблица 22 - Синтаксис 2k_ESC3_NoCRC()

Таблица 23 - Синтаксис 4k_ESC0_CRC0()

Таблица 24 - Синтаксис 4k_ESC1_CRC1()

Таблица 25 - Синтаксис 4k_ESC2_CRC2()

Таблица 26 - Синтаксис 4k_ESC3_CRC3()

Таблица 27 - Синтаксис 4k_ESC4_NoCRC()

Перемежение происходит в два этапа. Сначала битовый поток HVXC разделяется на две последовательности, а именно:

- : последовательность состоит из битов ESC0, где - число битов, включаемых в ESC0;

- : последовательность состоит из битов, не входящих в ESC0.

Последовательность [ ] состоит из ESC1, ESC2, ... - число битов, включаемых в ESC0, а - число битов, не включаемых в ESC0. Общее число битов равно .

Затем последовательности [ ] и [ ] перемешиваются в одну последовательность . Сначала переменные и устанавливаются в ноль. Если больше или равна , добавляется один бит из последовательности [ ]. При этом после введения бита к прибавляется . В противном случае вставляется один бит из [ ]. После этого к прибавляется . Алгоритм процесса показан на рисунке 13.

Рисунок 13 - Блок-схема метода перемежения

5.5.6 Обнаружение ошибок и маскирование в HVXC

5.5.6.1 Циклический контроль с избыточностью

Биты четности CRC вычисляются из исходных битов в той же самой категории ESC. Схема устройства контроля CRC, полиномы и процедуры инициализации приведены в приложении Г.

5.5.6.2 Маскирование ошибок

Если обнаружена ошибка CRC, в декодере HVXC выполняется процедура маскирования (маскирование поврежденного фрейма). Диаграмма смены состояния показана на рисунке 14.

Рисунок 14 - Переходы состояний маскирования фреймов

Состояние маскирования фрейма в текущем фрейме обновляется на основании результата декодирования CRC категории ESC0. Если в категории ESC0 обнаруживается ошибка CRC, фрейм объявляется "плохим". Исходное состояние по диаграмме состояний - это состояние = 0. Стрелка, помеченная 1, обозначает переход в состояние плохого фрейма, помеченная 0, - в состояние хорошего фрейма. При скорости 2,0 кбит/с битами CRC защищаются категории ESC1 и ESC2; при 4,0 кбит/с ESC1 и ESC3 защищаются битами CRC. Результаты контроля CRC в сопоставлении с этими категориями для достижения наилучшего качества звучания приведены ниже.

5.5.6.2.1 Замещение параметров

В соответствии со значением состояния параметра производится следующая подмена параметров. При отсутствии ошибок состояние параметра равно 0 и принятые биты исходного кода используются без процедуры маскирования.

Параметры LSP

В состояниях 1...6 параметры LSP заменяются параметрами предыдущего состояния. Если состояние = 7, параметры LSP рассчитываются исходя из всех индексов LSP, принятых в текущем фрейме. Если LSP4=1 (режим LSP квантования с межфреймовым кодированием), тогда параметры LSP вычисляются следующим методом, при котором параметры LSP, принадлежащие индексу LSP1, интерполируются с предыдущими LSP.

, (2)

где 1...10;

- параметры LSP базового уровня;

- декодированные LSP предыдущего фрейма;

- декодированные параметры LSP текущего индекса LSP,

- коэффициент интерполяции, изменяется в соответствии с числом предыдущих поврежденных фреймов, как показано в таблице 28.

Таблица 28 - Значения коэффициента интерполяции

LSP индексы LSP2, LSP3 и LSP5 не используются, a , вычисленные из уравнения (2), используются как текущие параметры LSP.

Переменная mute

В соответствии со значением переменной состояния устанавливается значение переменной "mute" для управления выходным уровнем речи на воспроизведении. Используются значения переменной "mute", приведенные в таблице 29. В состоянии = 7 используется среднее между 1,0 и значением "mute" предыдущего фрейма (=0,5 (1,0+предыдущее значение "mute"). Однако если эта величина превысит 0,8, значение "mute" устанавливается равным 0,8.

Таблица 29 - Значение переменной "mute"

Подмена и управление уровнем "речевых" параметров

В состояниях 1...6 спектральные параметры SE_shape1, SE_shape2, спектральный параметр уровня SE_gain, спектральный параметр для режима 4,0 кбит/с SE_shape3...SE_shape6 заменяются соответствующими параметрами предыдущего фрейма. Кроме того, для управления уровнем речи на выходе и параметрами гармонических магнитуд остаточного сигнала LPC служит "Am[0... 127]", которая вычисляется согласно уравнению

. (3)

В уравнении (3) вычисляется исходя из параметров последнего правильно принятого фрейма. Если последний фрейм неречевой, а текущий фрейм находится в состоянии 7, уравнение (3) заменяется уравнением (4)

. (4)

Как описано выше, SE_shape1 и SE_shape2 индивидуально защищаются однобитовыми CRC. ESC1 действует в отношении SE_shape1 и ESC2 действует в отношении SE_shape2 при 2,0 кбит/с. Таким же образом, ESC2 применимо к SE_shape1 и ESC3 применимо к SE_shape2 при 4,0 кбит/с. В состояниях 0 или 7, если оба CRC в переменных SE_shape1 и SE_shape2 показывают одновременно состояние ошибки, уровни квантованных гармонических магнитуд с фиксированной размерностью подавляются в соответствии с выражением

, (5)

где - коэффициент ослабления усиления согласно таблице 30;

- гармонические магнитуды фиксированной размерности, полученные из SE_shape1 и SE_shape2, содержащих битовые ошибки. Тогда - преобразованная размерность для получения .

Таблица 30 - Коэффициент ослабления усиления, [0…44]

При 4,0 кбит/с SE_shape4, SE_ shape5, и SE_shape6 проходят контроль CRC как принадлежащие к категории ESC1. Если обнаружена ошибка CRC, спектральный параметр расширенного уровня не применяется.

Подмена и управление уровнем "неречевых" параметров

В состояниях 1...6 параметры уровня стохастических кодовых таблиц VX_gain1[0] и VX_gain1[1] заменяются величиной VX_gain1[1] из предыдущего фрейма. Параметры уровня стохастических кодовых таблиц для режима 4,0 кбит/с VX_gain2[0]...VX_gain2[3] заменяются значениями VX_gain2[3] предыдущего фрейма. Параметры формы стохастических кодовых таблиц для режима 4,0 кбит/с VX_shape1[0], VX_shape1[1] и параметры формы стохастических кодовых таблиц для режима 4,0 кбит/с VX_shape2[0], VX_shape2[1], VX_shape2[2] и VX_shape2[3] генерируются из случайно сгенерированных значений индексов. Для управления уровнем речи на выходе производится установка уровня остаточного сигнала LPC [0...159] согласно уравнению

, (6)

где - сигнал возбуждения, полученный с использованием уровней стохастической кодовой таблицы усиления и параметров формы, сгенерированных, как описано выше.

5.5.7 HVXC+SBR

На рисунке 15 показана обобщенная структура аудио суперфрейма для HVXC+SBR. Базовая часть HVXC идентична аудио суперфрейму HVXC, показанному на рисунке 15, и включает возможные 4 бита заполнения. Базовый HVXC имеет длину фреймов 20 мс, a SBR использует фреймы длиной 40 мс. Таким образом, с каждым SBR фреймом связано два HVXC фрейма.

Рисунок 15 - Обобщенная структура аудио суперфрейма HVXC+SBR

Число битов во фрейме постоянно и сигнализация о расположении фрейма внутри суперфрейма не применяется. После последнего SBR фрейма следуют биты выравнивания байтов. Если флаг sbr_header_flag в SDC установлен (см. 6.4.3.10), фреймы SDC предваряются одним SBR заголовком. В этом режиме возможен широкий набор настроек и, следовательно, возможных затрат ресурсов. Если флаг не установлен, заголовок не передается и используется заранее определенная комбинация настроек (приложение К (К.2). Определенные настройки SBR выбираются таким образом, чтобы объединенные данные HVXC+SBR поместились в очень защищенной части обычно используемых конфигураций каналов передачи.

5.6 SBR кодирование

5.6.1 AAC+SBR

Комбинация ААС и SBR использует средства SBR, как определено в стандарте MPEG-4 Audio ISO/IEC [2], а размещение данных внутри аудио суперфрейма ААС описано в 5.3.2. Данный пункт описывает только, как извлечь элементы SBR из SBR данных и, таким образом, описывает отображение на формат, заданный в стандарте MPEG-4.

Синтаксис ААС+SBR фрейма представлен в таблице 31.

Таблица 31 - Синтаксис sbr_aac_frame()

sbr_crc_bits - циклическая контрольная сумма избыточности для SBR части битового потока. Алгоритм CRC применяется ко всем sbr_extension_data_bits().

5.6.2 CELP/HVXC+SBR

Стандарт MPEG-4 Audio определяет средства SBR для работы совместно с AAC. В системе DRM средства SBR применимы также и для CELP и HVXC, однако с изменением битового потока и длины фреймов. Следующие подпункты основаны на описании процесса декодирования AAC+SBR, как определено в MPEG-4 Audio, и определяют только области, в которых CELP/HVXC+SBR отличается от AAC+SBR.

5.6.2.1 Полезная нагрузка SBR

Этот подпункт описывает речевой протокол SBR с использованием псевдокода в стиле MPEG. Суперфреймы CELP+SBR и HVXC+SBR были описаны в 5.4.2 и 5.5.7 соответственно. Первый подпункт представляет синтаксис битового потока, а второй - определяет используемые в нем синтаксические элементы.

5.6.2.1.1 Синтаксис битового потока

Синтаксис, приведенный в таблицах 32-34, является прямой заменой содержащегося в MPEG-4 Audio подраздела "Полезная информация в аудио объекте типа SBR". Он применим, когда поле кодирования аудио SDC равно 1 (CELP) или 2 (HVXC) и поле SBR flag равно 1. Поля SDC audio mode и sbr_header_flag используются как параметры (см. 6.4.3.10).

Таблица 32 - Синтаксис SBR речевого аудио суперфрейма

Таблица 33 - Синтаксис SBR речевого заголовка

Таблица 34 - Синтаксис SBR речевых данных

5.6.2.1.2 Определение элементов битового потока

Для полноты картины ниже приводится перечень элементов битового потока SBR, несмотря на то, что многие из них идентичны элементам битового потока AAC+SBR, как указано в стандарте MPEG-4 Audio, раздел "Определения". Элементы, которые уникальны для данного речевого протокола или имеют отличающееся толкование, выделены курсивом.

Таблица 35 - Таблица начал частотных полос (Fs=32000 Гц)

Таблица 36 - Таблица окончаний частотных полос (Fs=32000 Гц)

5.6.2.2 Процесс декодирования SBR

Этот подпункт является вольной интерпретацией подраздела "Процесс декодирования" стандарта MPEG-4 Audio lSO/IEC [2].

5.6.2.2.1 Обозначения, константы и умолчания

В дополнение к определениям, данным в MPEG-4 Audio, раздел "Обозначения, принятые для SBR", используются следующие обозначения:

- % - по модулю ;

- floor - округление до ближайшего целого в сторону минус бесконечности.

При решении уравнений декодирования должны использоваться следующие величины:

- RATE=1 - постоянная, указывающая число отсчетов в полосе QMF за один таймслот;

- NOISE_FLOOR_OFFSET=2 - смещение минимального уровня ("пола");

- 20 - число таймслотов в одном фрейме SBR.

В значительной степени протокол передачи речи SBR является разновидностью протокола, используемого в AAC+SBR. В таблице 37 определены значения сигналов битового потока MPEG-4 AAC+SBR, которые отсутствуют в речевом протоколе, однако необходимы для процесса декодирования. Эти величины должны использоваться в речевом режиме SBR при решении уравнений декодирования SBR, приведенных в MPEG-4 Audio, подраздел "Процесс декодирования".

Таблица 37 - Константы битового потока

Как следует из псевдокода таблицы 34 в 5.6.2.1.1, речевой протокол SBR имеет "слоистую" структуру. Более того, заголовок SBR является необязательным (см. 5.4.2 и 5.5.7). Таким образом, для некоторых настроек и режимов один или более синтаксических элементов может отсутствовать в битовом потоке. В этих случаях декодер полагается на величины по умолчанию для указанных элементов, как определено в таблице 38, а также в приложении К.

Таблица 38 - Умолчания для битового потока

Существует также возможность полностью отключить форму (bs_num_shape=0). Этот режим предназначен для возможных будущих модификаций декодеров, которые смогут экстраполировать огибающую верхней полосы частот исходя из нижней полосы. При этом сигнал уровня будет использоваться как управляющий сигнал с малыми затратами ресурсов. Декодеры без функции экстраполирования будут попросту представлять собой базовую часть кодера.

5.6.2.2.2 Таблицы частотных полос

Речевой декодер использует ту же самую схему для определения частотного группирования частичных полосовых отсчетов QMF, что используется в AAC+SBR. Однако не используется ни переменная частота перехода между базовым кодеком и SBR, ни адаптивное частотное разрешение. Таким образом, для кодирования огибающих требуется лишь одна таблица частотных полос. Существует два различных случая:

1) sbr_header_flag = 1.

Функционирование почти идентично случаю AAC+SBR. Начальные и конечные каналы получаются из bs_start_freq и bs_stop_freq, приведенных в таблицах 35 и 36 соответственно (см. 5.6.2.1.2) .

Таблица эталонных полос частот вычисляется в соответствии с диаграммами, приведенными в MPEG-4 Audio, пункт "Таблица эталонных полос частот", принимая k0, к2, bs_start_freg и bs_stop_freg в качестве параметров. Здесь вместо temp2={1,0; 1,3} используется temp2={1,0; 1,5}. Таблица огибающих полос частот получается из , которые получаются из , как указано в MPEG-4 Audio, пункт "Расчетные таблицы частотных полос". Таблица уровня шума также рассчитывается в соответствии с описанием указанного случая, причем в качестве входного параметра используются bs_noise_bands.

2) sbr_header_flag = 0.

Число полос, а также начало и конец полос QMF однозначно задаются таблицами К.1-К.4. Таким образом, выражения для numBands0 и numBands1 в MPEG-4 Audio, подраздел "Таблица эталонных полос частот" подставляются в соответствии с правилом:

Далее исполнение диаграммы согласно MPEG-4 Audio, рисунок "Диаграмма расчета , когда bs_freq_scale>0" дает непосредственно, т.е. преобразование в и в пропускается. Таблица уровня шума получается из в соответствии с MPEG-4 Audio, подраздел "Расчетные таблицы частотных полос", с тем отличием, что используется NQ=num_noise_bands.

В обоих вышеприведенных случаях число огибающих частотных полос num_shape_bands и полос шума num_noise_bands используются для последующего декодирования фреймов данных SBR, sbr_speech_data().

5.6.2.2.3 Частотно-временная сетка

В отличие от протокола AAC+SBR версия речевого кодека не имеет переменных границ фреймов. В терминах классов фреймов, определенных в MPEG-4 Audio, подраздел "Генерация временной/частотной сетки" соответствует постоянному использованию bs_frame_class=FIXFIX. Один фрейм состоит из 20 частичных полосовых отсчетов QMF, которые в этом контексте соответствуют 20 таймслотам. Кроме того, не поддерживается адаптивное переключение частотного и временного разрешения.

Временные границы огибающей (в таймслотах) определяются следующим выражением

(7)

Временные границы огибающей контролируются параметром . Если установлен в меньшее значение, заданный вектор формы применим к более чем одной огибающей. Это поясняется далее в 5.6.2.2.4.

Аналогично временные границы уровня шума (в таймслотах) определяются выражением

(8)

5.6.2.2.4 Декодирование и деквантизация огибающей и уровня шума

Декодирование масштабного коэффициента огибающей отличается от случая AAC+SBR и полностью описывается далее (взамен текста MPEG-4 Audio, подраздел "Декодирование и деквантизация SBR").

Для вычисления масштабных коэффициентов огибающей из элементов уровня и формы битового потока применяются:

Матрица уровней выводится из элемента битового потока следующим образом

(9)

Аналогично из элемента битового потока выводится матрица формы

(10)

где 4.

К матрице формы применяется спектральный наклон согласно

, (11)

где (12)

определяется по таблице 39.

Таблица 39 - Определение trend[k]

Матрица формы отображается в соответствии с выражением

(13)

Масштабные коэффициенты огибающей вычисляются из матриц формы и уровня в соответствии с выражением

. (14)

Примечание - Условие 29 будет соблюдено при

Масштабные коэффициенты огибающей деквантуются, как описано в MPEG-4 Audio, подраздел "Деквантование и декодирование стерео" для случая элемента одного канала.

Для расчета уровня шума принимается:

Матрица уровня шума выводится из элемента битового потока следующим образом

, (15)

где 4. Если 0, равно по умолчанию величине (0) или в соответствии с содержимым заголовка SBR (1) для каждого фрейма, и , или определяются другими средствами оценки, см. 5.6.2.2.1.

Определяются максимальные значения и прибавляется статическое отклонение

, (16)

где 11 и 4.

Масштабные коэффициенты уровня шума, как и масштабные коэффициенты огибающей, вычисляются согласно MPEG-4 Audio, подраздел "Деквантование и декодирование стерео" для случая элемента одного канала.

5.6.2.3 Обзор гребенки фильтров и средств SBR

Для CELP/HVXC+SBR используется та же гребенка QMF, что и для AAC+SBR, как описано в MPEG-4 Audio. Более того, MPEG-4 Audio, подраздел "Обзор средств SBR" применим к CELP/HVXC+SBR с незначительными изменениями: все ссылки на ядро AAC должны читаться как ссылки на ядро CELP или HVXC, а декодирование по Хаффману заменяется процедурами, описанными в 5.6.2.2.4. Определенное число выходных фреймов речевого кодека объединяется в соответствии с таблицей 40, образуя фреймы длиной 320 отсчетов при частоте дискретизации 8 кГц или 640 отсчетов - при частоте дискретизации 16 кГц, которые подаются на вход гребенки фильтров анализа. Генерация ВЧ и подстройка ВЧ производятся на частоте дискретизации 32 кГц, и повышение частоты дискретизации в 2 или 4 раза происходит в гребенке фильтров, как показано в таблице 40.

Таблица 40 - Соответствие фреймов ядра кодека и фреймов SBR

Гребенка фильтров анализа размером 32 описана в MPEG-4 Audio. Случай размера 16 определен в диаграмме на рисунке 16 и описан ниже, где предполагается массив х, состоящий из 160 входных отсчетов во временной области. Более высокий индекс в массиве соответствует более старшим отсчетам:

- сдвинуть массив х на 16 позиций. Самые старые 16 отсчетов удалить, а новые 16 отсчетов записать в позиции с 0 по 15;

- умножить отсчеты в массиве х на каждый четвертый коэффициент в кадре с. Кадровые коэффициенты приведены в MPEG-4 Audio, приложение таблицы SBR, таблица "Коэффициенты c[i] кадра гребенки QMF";

- просуммировать отсчеты в соответствии с формулой на диаграмме и создать 32-элементный массив u.

Рисунок 16 - Блок-схема процесса декодирования в QMF гребенке 16-канального анализа

Вычислить 16 новых частичных полосовых отсчетов с помощью матричной операции Mu, где

. (17)

В этом выражении обозначает комплексную экспоненциальную функцию, а - мнимая единица.

Каждый цикл в диаграмме создает 16 комплексных отсчетов субполосы, каждый из которых представляет выход одной из субполос гребенки фильтров. Для каждого SBR фрейма гребенка фильтров создает numTimeSlots·Rate отсчетов для каждой субполосы, соответствующих сигналу во временной области длиной numTimeSlots·Rate·16 отсчетов. В диаграмме соответствует отсчету субполосы в QMF частичной полосе .

MPEG-4 аудио "Синхронизация и тактирование" определяет буфера и порядок образования окон для CELP/HVXC+SBR, применяя константы согласно 5.6.2.2.1 и используя длину выходного фрейма, равную 1280 отсчетам, при этом учитывается установленный коэффициент повышения частоты дискретизации.

5.6.2.4 Генерация ВЧ и подстройка ВЧ

Генерация высокой частоты, т.е. транспозиция и обратная фильтрация очень похожи на изложенное в MPEG-4 Audio, подраздел "Генерация ВЧ". Однако, так как передается только один параметр обратной фильтрации bs_invf_mode, вычисление коэффициента повышения тона несколько отличается. Таким образом, массив bwArray(i), как определено в MPEG-4 Audio, заменяется на bwArray, где обозначает номер поправки, определенный ниже, и

, (18)

где вычисляется по формуле

, (19)

а вычисляется в соответствии со стандартом MPEG-4 Audio. Значение для поправок >0 определяется из выражения

. (20)

Поправка для генератора ВЧ создается в соответствии с блок-схемой рисунка 17, которая заменяет блок-схему, приведенную в стандарте MPEG-4. Генерация ВЧ происходит в соответствии с выражением

, (21)

где (22)

для , , и

(23)

Рисунок 17 - Блок-схема создания поправок

Подстройка ВЧ отличается от приведенной в MPEG-4 Audio тем, что соответствующие выражения в подразделе "Расчет усиления" заменяются на и .

5.6.3 SBR маскирование ошибок

5.6.3.1 SBR маскирование ошибок для ААС

Алгоритм маскирования ошибок SBR основан на использовании предыдущей огибающей и значений уровня шума с наложенным затуханием в качестве замены поврежденных данных. На рисунке 18 показан алгоритм основных операций маскирования ошибок SBR.

Рисунок 18 - Алгоритм маскирования ошибок SBR

Если установлен флаг ошибки фрейма, генерируется битовый поток маскирования ошибки взамен данных испорченного битового потока. Данные маскирования генерируются следующим образом.

Частотно-временная сетка устанавливается в:

,

,

,

,

,

,

.

Направление дельта кодирования как данных огибающей, так и данных уровня шума устанавливается по оси времени. Данные огибающей вычисляются по выражению

, (24)

где: ; (25)

. (26)

Параметры и устанавливаются в значения предыдущего фрейма.

Данные уровня шума вычисляются в соответствии с выражением

. (27)

Далее уровни обратной фильтрации в устанавливаются в значения предыдущего фрейма, а все элементы устанавливаются в ноль.

Если флаг ошибки фрейма не установлен, временная сетка и данные огибающей могут потребовать модификации, если предыдущий фрейм был испорчен. Если предыдущий фрейм был испорчен, временная сетка текущего фрейма модифицируется для плавного перехода между фреймами. Данные для первой огибающей изменяются согласно выражению

, (28)

где: - номер таймслота.

После того как данные дельта кодирования были декодированы, проводится проверка правдоподобности, чтобы убедиться в том, что декодированные данные находятся в разумных пределах. Требуемые пределы следующие: для данных огибающей логарифмические значения должны удовлетворять условиям

, (29)

в противном случае данные будут считаться поврежденными.

Временная сетка также проверяется в соответствии со следующими правилами (если любое из сравнений оказывается верным, то фрейм считается поврежденным):

-

-

-

-

-

-

- (30)

-

- ,

-

-

-

-

- ,

- все элементы не принадлежат к элементам .

Если проверка правдоподобности оказалась неуспешной, устанавливается флаг ошибки фрейма и запускается описанное выше маскирование ошибки.

5.6.3.2 SBR маскирование ошибок для CELP и HVXC

Минимальный алгоритм маскирования ошибок SBR для речевых кодеков состоит в применении заранее определенного набора значений данных, как только обнаружен поврежденный SBR фрейм. Значения устанавливаются в соответствии со следующими условиями:

;

; (31)

;

где: , , , , соответствуют последнему корректному заголовку SBR или определенным настройкам (приложение К, К.1, К.2), после чего производится декодирование в соответствии с 5.6.2.2.4.

Указанные выше значения дают статическую огибающую высокочастотного спектра с относительно низким уровнем воспроизведения, имеющую снижение в направлении высоких частот. Цель состоит в том, чтобы уберечь уши слушателя от неожиданно громких, неприятных щелчков путем введения мягкого шума (в отличие от резкого выключения). Ясно, что повторное использование последнего корректно декодированного фрейма с последовательным плавным снижением уровня до нуля аналогично случаю AAC+SBR, описанному выше в 4.1, представляет разумную альтернативу.

В дополнение к проверке CRC (если запущена) декодер проверяет следующие условия по отношению к сигналу sbr_speech_header() (если заголовок SBR используется):

и проводит "санитарную" проверку масштабных коэффициентов огибающей , рассчитанной на основе матриц уровней и формы:

при нарушении любого из которых фрейм считается поврежденным и запускается маскирование ошибки.

5.7 Кодирование параметрического стерео

5.7.1 Введение

В настоящем документе аудио кодер AAC+SBR, который сочетает AAC с расширением полосы пропускания средствами SBR, включен в соответствии с 5.3.2 и 5.6.1. Для улучшения характеристик стерео кодирования при низких битовых скоростях имеется кодер PS, частично основанный на структуре SBR. Используется механизм MPEG PS, как описано в MPEG-4 Audioc* ISO/IEC [2], и реализация MPEG PS приведена в 5.7.3. Также может использоваться протокол PS в соответствии с 5.7.2 и 5.7.4 для режимов устойчивости A, B, C и D.

________________

* Текст документа соответствует оригиналу. - .

В обобщенном виде идея PS кодирования состоит в передаче данных, описывающих стерео звучание, совместно с комбинированным моно сигналом. Эта дополнительная стерео информация очень сжата и требует незначительную долю битового потока, позволяя моно сигналу иметь максимальное качество при заданной битовой скорости.

Метод PS кодирования, описанный ниже, сочетает технологию частотно-избирательной панорамы с техникой воссоздания стерео окружения. В результате воссоздается стерео картина, хорошо пригодная для воспроизведения как с помощью динамиков, так и наушников.

Стерео синтез в декодере воссоздает пространственные свойства, но не затрагивает спектральную энергию. Поэтому отсутствует окраска частотного спектра, характерная для моно сигнала, полученного преобразованием из стерео. Дополнительным преимуществом является обратная совместимость, которая позволяет декодерам, не поддерживающим PS, успешно декодировать ядро моно сигнала. Это возможно благодаря тому, что PS данные передаются в дополнительном поле данных, которое может быть проигнорировано.

Битовые скорости для передачи параметрического стерео по системе AAC+SBR должны лежать предпочтительно в диапазонах скоростей от 18 до 26 кбит/с, но эта технология может использоваться на любой битовой скорости.

5.7.2 Технический обзор

5.7.2.1 Стерео параметры

В PS используются два различных параметра для описания стерео картины - Pan и SA. Параметр Pan содержит информацию о частотно-селективном уровне разности между правым и левым каналами, в то время как параметр SA содержит информацию о частотно-селективном уровне стерео окружения, которое не может быть выражено распределением энергии между левым и правым каналами.

Рассматривая представление большинства стерео сигналов в соотношении середина/боковые стороны, можно заметить, что в боковых каналах реверберация заметно больше по сравнению с центральным каналом. Потому после получения моно сигнала путем смешения боковых каналов реверберация в значительной степени теряется. Синтез SA является методом для восстановления потерянной реверберации добавлением синтезированной ее версии в боковые каналы.

Для анализа и синтеза в частотной области используется собственная гребенка фильтров (гребенка QMF) системы SBR. Так как дополнительное частотно-временное преобразование не требуется, кодирование и декодирование PS усложняет систему незначительно. Используемая в системе SBR гребенка QMF представляет собой 64-канальную гребенку фильтров комплексной переменной без присутствия смешанных эффектов даже в случае чрезмерного изменения усиления соседних частичных полос.

Параметры SA и Pan обновляются на каждом SBR фрейме и интерполируются между фреймами для получения плавных переходов. SA и Pan рассматриваются как индивидуальные параметры. Однако воздействие сигнала с измененным SA в некоторой степени корреллируется с параметрами Pan. При больших значениях Pan, т.е. при более неравном распределении мощности между левым и правым каналами, SA имеет тенденцию к снижению значимости. Это обусловливает сосуществование параметров SA и Pan.

5.7.2.2 Сигнализация

Техническую концепцию PS кодирования легко понять, используя представление стерео сигнала в виде сочетания центральный/боковой канал вместо представления в виде правый/левый каналы. Это достигается простым преобразованием:

- центральный = левый + правый;

- боковой = левый - правый.

Согласно топологическому представлению на рисунке 19 данные PS влияют на сигнал только в самом конце процесса декодирования. Более того, можно прийти к заключению, что кодирование и декодирование PS данных не зависит от реального кодека, используемого для кодирования моно сигнала.

Рисунок 19 - Топология системы кодека, использующей параметрическое стерео

PS кодирование создает весьма незначительный объем данных, которые служат для воссоздания стерео звучания на приеме. Эти данные включают параметры SA и Pan согласно 5.7.3, а также несколько малозначительных управляющих битов. Для конфигурации AAC+SBR с использованием протокола битового потока no MPEG-4 Audio ISO/IEC [2] PS данные размещаются в поле расширенных данных. Это гарантирует обратную совместимость с MPEG-4 Audio, так как любой декодер, не поддерживающий PS, просто игнорирует эту часть расширенных данных. Однако это средство PS недоступно в комбинации со средствами маломощного SBR.

Скорость сигнализации для PS динамическая благодаря энтропии кодирования, но можно ожидать, что распределение битовой скорости редко (менее чем в 1% случаев) будет превышать 2 кбит/с для стерео программ. Окончательно скорость передачи PS выбирается кодером и поэтому может быть легко ограничена желаемой величиной.

Если применить PS к AAC+SBR при скорости 24 кбит/с, типичные средние скорости будут распределяться в пределах:

- 22,8 кбит/с - основные данные (AAC+SBR);

- 1,2 кбит/с - данные для стерео сигналов.

Для чистых моно сигналов PS данные займут всего лишь 0,05 кбит/с, следовательно, серьезного ухудшения качества моно сигнала не произойдет. Для стерео сигналов со стерео базой, близкой к моно, скорость передачи PS данных будет ниже, чем средняя. Однако для чистого моно вещания PS не передается вообще. В таблице 41 приведены типичные значения битовых скоростей PS.

Таблица 41 - Типичные значения битовых скоростей PS данных

5.7.3 Протокол битового потока

5.7.3.1 Интеграция битового потока

Данные PS передаются в поле расширенных данных SBR. PS передает уникальный идентификатор в поле расширенных данных SBR, определяемый элементом битового потока bs_extension_id. Для успешного декодирования PS необходимо получить данные из единственного канального элемента битового потока, а именно, из битового потока моно.

5.7.3.2 Синтаксис PS

Функция sbr_extension(), используемая в sbr_channel_pair_base_element() и sbr_channel_pair_element(), описанная в MPEG-4 Audio, подраздел "Полезная нагрузка для аудио объектов типа SBR", определяется в соответствии с таблицами 42-45.

Таблица 42 - Синтаксис sbr_extension()

Таблица 43 - Синтаксис drm_ps_data()

Таблица 44 - Синтаксис sbr_sa_element()

Таблица 45 - Синтаксис sbr_pan_element()

5.7.3.3 Определение элементов битового потока

Элементы битового потока определены в таблицах 46-50.

bs_extension_id - содержит идентификатор элемента расширенных данных.

Таблица 46 - Определение bs_extension_id

bs_enable_sa - включает или выключает стерео окружение (SA), если записано 1 или 0 соответственно.

Таблица 47 - Определение bs_enable_sa

bs_enable_pan - включает или выключает Pan, если записано 1 или 0 соответственно.

Таблица 48 - Определение bs_enable_pan

bs_sa_dt_flag - показывает, следует ли применять дельта декодирование по временной или частотной оси для данных SA. Если bs_header_flag (элемент битового потока sbr_extension_данные(), определенный в стандарте MPEG-4 Audio ISO/IEC [2], равен 1, то bs_sa_dt_flag должен равняться 0.

Таблица 49 - Определение bs_sa_df_flag

bs_pan _dt_flag - показывает, следует ли применять дельта декодирование по временной или частотной оси для данных Pan. Если bs_header_flag (элемент битового потока sbr_extension_data(), определенный в стандарте MPEG-4 Audio ISO/IEC [2], равен 1, то bs_pan_dt_flag должен равняться 0.

Таблица 50 - Определение bs_pan_dt_flag

5.7.4 Декодирование PS

5.7.4.1 Обзор декодирования

Процесс декодирования PS разделяется на две независимые части, SA процесс и Pan процесс. Так как обработка PS представляет собой операции над отсчетами частичных полос в области QMF перед окончательным синтезом гребенки QMF, синтез в двух выходных каналах должен выполняться после декодирования PS. SA использует моно сигнал в качестве входного сигнала, a Pan в качестве входного использует стереосигнал. Прохождение сигнала проиллюстрировано на рисунке 20.

Рисунок 20 - Структура модуля PS декодера

Специфичные для PS декодера переменные и обозначения:

Константы:

5.7.4.2 Деквантизация и отображение

Как параметры SA, так и параметры Pan дельта кодируются по временной и частотной оси. Векторы и содержат дельта-кодированные индексы. и указывают, закодированы они по частотной или временной оси. Абсолютные индексы, обозначенные и , получаются из приведенных ниже формул

; (32)

, (33)

где ' обозначает величины из предыдущего фрейма.

После декодирования данных SA и Pan по Хаффману и дельта алгоритму векторы и будут содержать индексы, используемые для получения реальных величин для декодирования. Таблицы, связанные с этими индексами, частотно-селективные и могут быть найдены в матрицах квантования и соответственно. Какую таблицу использовать в матрице для определенной полосы масштабных коэффициентов SA и Pan, определяется векторами класса квантования и .

Деквантизация производится по следующим формулам

, (34)

, (35)

где и определены в таблицах К.10 и К.11.

Данные SA и Pan, извлеченные из битового потока, являются векторами, содержащими элементы данных, представляющие диапазон нескольких частотных полос QMF. Для упрощения последующего изложения, а временами и по необходимости, эти сгруппированные данные отображаются на максимально доступное частотное разрешение, т.е. на наибольшее число каналов QMF. Это означает, что несколько соседних каналов в отображаемом векторе могут иметь одинаковую величину.

Отображение данных SA и Pan показано ниже:

; (36)

, (37)

где и определены в таблицах К.14 и К.15.

5.7.4.3 Декодирование SA

Как показано на рисунке 20, блок обработки SA принимает входной сигнал и совместно с параметрами SA создает выходные сигналы SA и . является суммой верхней и нижней полос области QMF, причем верхняя полоса - это сигнал в системе SBR, который скорректирован по частоте (т.е. соответствует сигналу , определенному в MPEG-4 Audio, подраздел "Компоновка ВЧ сигналов").

Расчет матрицы усиления SA

Как первый шаг, рассчитываются матрицы усиления SA, основанные на фреймах.

Коэффициенты усиления SA и линейно интерполируются внутри фрейма в соответствии с выражениями:

; (38)

, (39)

где , обозначает данные из предыдущего фрейма.

и - это крутизна скатов, используемая для интерполяции. Это позволяет получить интерполированные значения коэффициента усиления для одного фрейма в соответствии с выражениями:

, (40)

. (41)

Расчет бокового сигнала окружения

Процесс окружения описывается в Z-плоскости. Его функция передачи для каждой полосы QMF определяется выражением

, (42)

где вектор коэффициента фильтрации и вектор длины задержки определены из таблиц К.16 и К.17 соответственно. Матрица длин дробной задержки определяется с использованием вектора длины дробной задержки , который также определен в таблице К.18 выражением

, (43)

где обозначает мнимую единицу.

Вектор содержит неизменные во времени коэффициенты, чтобы затухание окружения было частотно зависимым. Он задается выражением

(44)

для .

Пусть - сигнал окружения, - входной моно сигнал в Z-плоскости для каждой полосы QMF. Тогда определяется из выражения

. (45)

Обнаружение переходного процесса

Чтобы обработать переходные процессы и другие быстрые временные огибающие окружение для этих сигналов должно быть подавлено. Это производится в последовательности.

Применить пиковое затухание к сигналу входной мощности в соответствии с выражением

(46)

для , .

Отфильтровать сигналы мощности и спада пика мощности с помощью функции передачи в Z-плоскости :

, (47)

(48)

для ,

где

; (49)

, (50)

Для и .

Затухание переходных процессов далее вычисляется следующим образом

, (51)

Для и .

где 1,5 - коэффициент учета быстрого провала уровня.

Добавление окружения к выходным сигналам и

SA процесс добавляет скорректированный по уровню сигнал окружения к боковому выходному сигналу, где и - выходные матрицы SA процесса для левого и правого каналов соответственно. Если SA включено сигналом элемента битового потока 1, выход SA будет определяться выражениями:

; (52)

(53)

Для и .

Установить некоторые полосы QMF в режим моно для областей, не охватываемых SA:

.

для , .

В противном случае (если =0) SA игнорируется и

,

.

5.7.4.4 Декодирование Pan

Как видно из рисунка 20, для обработки Pan в качестве входных используются сигналы и , которые являются выходными сигналами декодера SA совместно с параметрами Pan, что позволяет получить на выходе сигналы Pan и . Эти выходные сигналы подаются на оконечную гребенку QMF синтеза, как описано в системе SBR.

Расчет матрицы Pan,

Коэффициент Pan линейно интерполируется внутри фрейма согласно выражению

, , (54)

где ' обозначает величины из предыдущего фрейма.

- это крутизна наклона, используемая для интерполяции. Интерполированная матрица Pan, вычисляется затем в соответствии с выражением

. (55)

Применение матрицы Pan, , для получения и

Процесс Pan устанавливает уровень сигнала, поступающего с выхода SA, тогда и становятся выходными матрицами процесса Pan для левого и правого каналов соответственно. Если Pan включена, о чем сигнализирует элемент битового потока 1, выходные сигналы Pan будут определяться выражением

(56)

, (57)

для и .

В противном случае (если 0) Pan игнорируется и

,

.

5.7.5 Маскирование параметрического стерео

Маскирование параметрического стерео основано на том факте, что стерео картина является квазистационарной. Стратегия маскирования сохраняет установки параметрического стерео из последнего неповрежденного фрейма до тех пор, пока не будут декодированы новые установки из корректно принятого фрейма.

5.8 Кодирование MPEG Surround

Комбинация AAC или AAC+SBR с MPEG окружением (MPS) использует инструмент MPEG Surround, как это определено в ISO/IEC [3], и месmonoложение данных MPS в аудио суперфрейме ААС, описаное в 5.3.3. Это подраздел описывает, как извлечь элементы MPS из данных MPS и, таким образом, описывает отображение к формату, определенному в стандарте MPEG. Синтаксис mps_aac_frame() приведен в таблице 51.

Таблица 51 - Синтаксис mps_aac_frame()

mps_crc_bits - циклическая контрольная сумма избыточности для MPS части битового потока. Алгоритм CRC охватывает все биты в элементе mps_aac_frame(), кроме непосредственно mps_crc_bits.

ancType - указывает тип вспомогательных данных согласно таблице 52.

Таблица 52 - Определение ancType

6 Определение мультиплекса

6.1 Введение

Суперфрейм DRM передачи состоит из трех каналов: MSC, FAC и SDC. MSC содержит данные о службах. FAC предоставляет информацию о ширине канала и другие подобные параметры, а также содержит информацию о выборе услуг для быстрого поиска программ. SDC несет информацию о том, как декодировать MSC, как найти альтернативные источники тех же данных, и атрибуты услуг внутри мультиплекса. Он также может включать ссылки на одновременно передаваемые аналоговые службы.

6.2 Основной сервисный канал

6.2.1 Введение

MSC содержит данные обо всех службах, передаваемых внутри мультиплекса DRM. Мультиплекс может содержать от одной до четырех служб, и каждая из служб может быть службой аудио или данных. Суммарная битовая скорость MSC зависит от полосы пропускания канала DRM и режима передачи.

6.2.2 Структура

MSC содержит от одного до четырех потоков. Каждый поток разделяется на логические фреймы длиной 400 мс каждый. Аудио потоки содержат сжатый аудио сигнал и опционально могут нести текстовые сообщения. Потоки данных могут быть составлены из пакетов данных, содержащих информацию до четырех "частичных потоков". Аудио служба состоит из одного аудио потока и, опционально, из одного потока данных или одного частичного потока данных. Служба данных состоит из одного потока данных или одного частичного потока данных.

Каждый логический фрейм обычно состоит из двух частей, каждая со своим уровнем защиты. Длины каждой из частей устанавливаются независимо. Неравномерная защита от ошибок для потока обеспечивается установкой разного уровня защиты для этих двух частей.

Для режимов устойчивости A, B, C и D длительность логических фреймов составляет 400 мс. Если поток несет аудио, логический фрейм несет данные для одного аудио суперфрейма. Для режима устойчивости E длительность логического фрейма составляет 100 мс. Если поток несет аудио, логический фрейм несет данные для первой или второй части одного аудио суперфрейма, содержащего аудио информацию продолжительностью 200 мс. В этом случае потоку можно назначить два уровня защиты, логические фреймы несут ровно половину байтов с высоким и низким уровнем защиты.

Логические фреймы всех потоков отображаются совместно и образуют мультиплексные фреймы той же самой длительности (400 мс), которые передаются на канальный кодер. Возможен вариант, когда первый поток передается в логических фреймах, отображаемых как иерархические фреймы.

Конфигурация мультиплекса сигнализируется с помощью SDC. Мультиплекс можно переконфигурировать во время передачи на стыке суперфреймов.

В приложении П приводятся примеры различных конфигураций MSC.

6.2.3 Построение MSC

MSC состоит из последовательности мультиплексных фреймов и, если используется иерархическая модуляция, также из последовательности иерархических фреймов. Мультиплексные фреймы и иерархические фреймы подаются на канальный кодер отдельно.

6.2.3.1 Мультиплексные фреймы

Мультиплексные фреймы создаются объединением логических фреймов из каждого неиерархического потока. Логические фреймы в общем случае состоят из двух частей, каждая из которых имеет свой уровень защиты. Мультиплексный фрейм создается, принимая данные из части логического фрейма с высшей защитой из потока с наименьшим номером (поток 0, если иерархическая модуляция не используется, и поток 1, если иерархическая модуляция используется) и размещая их в начале мультиплексного фрейма. Затем размещаются данные из части логического фрейма с высшей защитой из потока со следующим номером и так до тех пор, пока не будут переданы все потоки. Затем фрейм дополняется данными из части логического фрейма с низшей защитой из потока с наименьшим номером (поток 0, если иерархическая модуляция не используется, и поток 1, если иерархическая модуляция используется), затем данными из части логического фрейма с низшей защитой из потока со следующим номером и так до тех пор, пока не будут переданы все потоки. Часть с высшей защитой в описании мультиплекса обозначается как часть A, а часть с низшей защитой - как часть B.

Емкость мультиплексного фрейма равна или более суммы логических фреймов, из которых он сформирован. Остальная часть фрейма, если он не заполнен, заполняется нулями. Эти биты игнорируются приемником.

Примечание - Биты заполнения не вставляются между окончанием части A и началом части B. Емкость части A мультиплексного фрейма равна сумме частей с высшей защитой логических фреймов, но в результате ограничений, налагаемых процедурой кодирования, применяемой в DRM (см. 7.2.1.1), некоторые биты, которые обычно принадлежат к части с низшей защитой B, получат более высокую защиту.

6.2.3.2 Иерархические фреймы

Иерархические фреймы существуют, только если используется иерархическая модуляция. Они создаются из данных логического фрейма потока 0, размещаемого в начале иерархического фрейма.

Емкость иерархического фрейма больше или равна емкости логического фрейма, из которого он сформирован. Оставшаяся часть иерархического фрейма, если что-то осталось, заполняется нулями. Эти биты игнорируются приемником.

6.2.4 Реконфигурация

Конфигурация мультиплекса может быть изменена на границе суперфреймов передачи.

Реконфигурация мультиплекса производится, когда меняются параметры канала в FAC или когда мультиплекс реорганизуется. Новая конфигурация передается с опережением во времени внутри SDC, а время отмечается в индексе реконфигурации в FAC. Сигнализация о реконфигурации описана в 6.4.6.

6.3 Канал быстрого доступа

6.3.1 Введение

FAC используется для передачи информации о параметрах канала для демодуляции мультиплекса, а также базовой информации о выборе служб для быстрого сканирования.

Параметры канала (например, занимаемый спектр и глубина перемежения) позволяют приемнику эффективно начать декодирование мультиплекса. FAC также содержит информацию о службах, что позволяет приемнику либо декодировать мультиплекс, либо сменить частоту и продолжить сканирование.

6.3.2 Структура

Каждый фрейм передачи содержит блок FAC. Блок FAC содержит параметры, которые описывают канал, и параметры, которые описывают одну или две службы, вместе с CRC.

Для режимов устойчивости A, B, C и D должен передаваться один набор параметров службы, для режима устойчивости Е - два набора параметров службы.

Если мультиплекс несет более чем одну службу, для описания всех служб требуется несколько блоков FAC (см. 6.3.6).

6.3.3 Параметры канала

Канал имеет следующие параметры:

Действуют следующие определения:

флаг базовый/расширенный: Этот однобитовый флаг показывает базовый или расширенный уровень передачи следующим образом:

0: базовый уровень - декодирование возможно всеми приемниками DRM;

1: расширенный уровень - декодирование доступно только приемникам с возможностями расширенного уровня.

идентификация: Это 2-битовое поле идентифицирует текущий блок FAC внутри суперфрейма передачи и оценивает индекс SDC AFS (см. 6.4) следующим образом:

00: первый блок FAC суперфрейма передачи и индекс SDC AFS верный;

01: промежуточный блок FAC суперфрейма передачи;

10: последний блок FAC суперфрейма передачи;

11: первый блок FAC суперфрейма передачи и индекс SDC AFS недопустимы.

Примечание - Один или два промежуточных блоков FAC могут присутствовать в передаваемом суперфрейме в зависимости от значения флага RM. Промежуточные блоки FAC можно различить при использовании флага переключения.

флаг RM: Это 1-битовое поле указывает режим устойчивости следующим образом:

0: режимы устойчивости A, B, C или D; блок FAC содержит один набор параметров службы;

1: режим устойчивости E; блок FAC содержит два набора параметров службы.

Интерпретация занимаемого спектра, флага глубины перемежения, режима MSC, режима SDC и флага переключения зависит от значения флага RM, как показано в следующих выражениях.

занимаемый спектр: Это 3-битовое поле, кодированное как целое число без знака, определяет номинальную ширину полосы частот канала и конфигурацию цифрового сигнала следующим образом (см. также раздел 8):

флаг RM = 0:

0: 4,5 кГц;

1: 5 кГц;

2: 9 кГц;

3: 10 кГц;

4: 18 кГц;

5: 20 кГц.

Остальные значения зарезервированы.

флаг RM = 1:

0: 100 кГц.

Остальные значения зарезервированы.

флаг глубины перемежения: Этот 1-битовый флаг показывает глубину перемежения по времени следующим образом:

флаг RM = 0:

0: 2 с (длинное перемежение);

1: 400 мс (короткое перемежение).

флаг RM = 1:

0: 600 мс;

1: зарезервировано.

режим MSC: Это 2-битовое поле показывает режим модуляции в канале MSC следующим образом:

флаг RM = 0:

00: 64-QAM, неиерархическая;

01: 64-QAM, иерархическая по I;

10: 64-QAM, иерархическая по I и Q;

11: 16-QAM, неиерархическая.

флаг RM = 1:

00: 16-QAM, неиерархическая;

01: зарезервировано;

10: зарезервировано;

11: 4-QAM, неиерархическая.

режим SDC: Это 1-битовое поле показывает режим модуляции и кодовую скорость в канале SDC следующим образом:

флаг RM = 0:

0: 16-QAM; кодовая скорость = 0,5;

1: 4-QAM; кодовая скорость = 0,5.

флаг RM = 1:

0: 4-QAM; кодовая скорость = 0,5;

1: 4-QAM; кодовая скорость = 0,25.

число служб: Это 4-битовое поле показывает число служб аудио и данных следующим образом:

0000: 4 службы аудио;

0001: 1 служба данных;

0010: 2 службы данных;

0011: 3 службы данных;

0100: 1 служба аудио;

0101: 1 служба аудио и 1 служба данных;

0110: 1 служба аудио и 2 службы данных;

0111: 1 служба аудио и 3 службы данных;

1000: 2 службы аудио;

1001: 2 службы аудио и 1 служба данных;

1010: 2 службы аудио и 2 службы данных;

1011: зарезервировано;

1100: 3 службы аудио;

1101: 3 службы аудио и 1 служба данных;

1110:зарезервировано;

1111: 4 службы данных.

индекс реконфигурации: Это 3-битовое поле показывает статус и временной график реконфигурации мультиплекса. Ненулевое значение указывает на число суперфреймов передачи, которые будут переданы перед тем, как вступит в силу новая конфигурация, см. 6.4.6.

флаг переключения: Этот однобитовый флаг должен использоваться, чтобы указать, что этот фрейм передачи может содержать начало аудио суперфрейма следующим образом:

RM = 0:

Флаг переключения постоянно установлен на нуль.

RM = 1:

Флаг переключения установлен на нуль для первого и третьего блока FAC передаваемого суперфрейма и для второго и четвертого блока FAC. Это может использоваться в комбинации с параметрами идентичности, чтобы отличить полученные фреймы передачи.

rfu: Этот однобитовый флаг зарезервирован для будущего использования в целях полного определения параметров FAC и до этого времени должен устанавливаться в нуль.

6.3.4 Параметры службы

Службы имеют следующие параметры:

Эти параметры определяются следующим образом:

идентификатор службы: Это 24-битовое поле содержит уникальный идентификатор для этой службы.

краткий идентификатор: Это 2-битовое поле содержит краткий идентификатор, присвоенный данной службе и используемый в SDC для ссылок. Краткий идентификатор назначается на все время существования службы и сохраняется во время реконфигурации мультиплекса.

индикатор аудио CA: Этот 1-битовый флаг указывает на наличие или отсутствие условного доступа к данной службе следующим образом:

0: аудио поток не использует систему СА (или в службе нет аудио потока);

1: аудио поток использует систему СА.

Примечание 1 - Подробности приведены в информационном объекте SDC, тип 2.

Каждый приемник DRM должен проверять бит "Индикатор аудио СА", прежде чем предоставлять аудио поток аудио службы. Приемник DRM, не имеющий функции СА, не должен пытаться декодировать аудио поток, если "Индикатор аудио СА" установлен в 1.

язык: Это 4-битовое поле указывает на язык целевой аудитории согласно таблице 53.

Примечание 2 - Дополнительные языки приведены также в информационном объекте SDC, тип 12.

Таблица 53 - Коды языков

флаг аудио/данные: Этот 1-битовый флаг указывает на вид службы: аудио служба или служба данных:

0: аудио служба;

1: служба данных.

описание службы: Это 5-битовое поле зависит от значения флага аудио/данные следующим образом:

0: тип программы;

1: идентификатор приложения.

Независимо от значения флага аудио/данные, величина 31 (все биты установлены в 1), указывает, что стандартный приемник DRM должен пропустить эту программу и продолжить сканирование служб.

Примечание 3 - Эта установка введена в технических целях, чтобы испытательные передачи игнорировались стандартным приемником DRM.

тип программы: Это 5-битовое поле показывает тип программы аудио службы в соответствии с таблицей 54.

Таблица 54 - Коды типов программ

тип приложения: Это 5-битовое поле показывает тип приложения аудио службы в соответствии с ISO/IEC [3].

индикатор CA данных: Этот 1-битовый флаг указывает на наличие или отсутствие условного доступа к данным следующим образом:

0: поток/частичный поток не использует систему СА (или в службе нет потока/частичного потока данных);

1: поток/частичный поток использует систему СА.

Примечание 4 - Подробности приведены в информационном объекте SDC, тип 2.

Каждый приемник DRM должен проверять бит "Индикатор CA данных", прежде чем предоставлять поток/частичный поток данных аудио службы. Приемник DRM, не имеющий функции CA, не должен пытаться декодировать поток/частичный поток данных, если "Индикатор CA данных" установлен в 1.

rfa: Эти 6 битов зарезервированы для будущих добавлений и до этого времени должны устанавливаться в нуль.

6.3.5 Циклический контроль с избыточностью

8-битовый циклический контроль с избыточностью (CRC) должен вычисляться с использованием параметров канала и службы. При этом должен использовать полиномиальный генератор (см. приложение Г).

Когда флаг RM = 0, CRC вычисляется по сформированным 64 битам, которые объединяют 20 битов параметров канала и 44 бита параметров службы. Когда флаг RM = 1, CRC вычисляется по сформированным 112 битам, которые объединяют 20 битов параметров канала, 88 битов параметров службы (2 набора по 44 бита) и 4 бита установки в нуль. Эти 4 бита используются при вычислении CRC, но не направляются для кодирования и передачи.

6.3.6 Повторение FAC

Параметры канала FAC должны передаваться в каждом блоке FAC. Параметры службы FAC для одной или двух служб должны посылаться в каждом блоке FAC. Если необходимо более одного блока FAC для сообщения обо всех службах в мультиплексе, то для времени сканирования приемника существенную роль играет шаблон повторения. Когда все службы одного типа (например, все аудио или все данные), параметры всех служб должны передаваться последовательно. Если присутствует комбинация служб аудио и данных, должны передаваться шаблоны, показанные в таблице 55. В случае присутствия только одной службы и если блок FAC сообщает о двух наборах параметров служб, то оба набора должны иметь идентичное наполнение.

Таблица 55 - Шаблоны повторения параметров служб для комбинации служб аудио и данных

Здесь An означает аудио службу, a Dn означает службу данных.

6.4 Канал описания служб

6.4.1 Введение

Этот подраздел описывает формат и содержание SDC. SDC дает информацию, как декодировать MSC, как найти альтернативные источники одних и тех же данных и дает атрибуты служб в мультиплексе. Емкость данных в SDC меняется в зависимости от спектрального размещения мультиплекса и других параметров. Емкость SDC может быть также увеличена использованием AFS индекса.

Проверка альтернативной частоты может быть выполнена без потери службы, сохраняя данные, переносимые в SDC квази-статически. Поэтому данными во фреймах SDC следует тщательно управлять.

6.4.2 Структура

SDC блок в SDC данных содержится в одном передаваемом суперфрейме.

SDC рассматривается как одиночный канал данных. Общая величина отправляемых данных может требовать для отправки больше одного SDC блока. Поэтому AFS индекс позволяет приемнику знать, когда будет передана следующая часть текущего SDC блока, и таким образом позволяет провести проверку и переключение для AFS. Правильность функции обеспечена в FAC индикацией верен или нет AFS индекс, индицирующий приемнику, когда AFS функция может действовать.

SDC блок составлен следующим образом: