MPEG2-TS音视频同步原理

from:http://blog.chinaunix.net/uid-26000296-id-3478558.html

一、引言

MPEG2系统用于视音频同步以及系统时钟恢复的时间标签分别在ES，PES和TS这3个层次中。

在TS 层, TS头信息包含了节目时钟参考PCR(Program Clock Reference),

用于恢复出与编码端一致的系统时序时钟STC(System Time Clock)。

在PES层, 在PES头信息里包含有表示时间戳PTS(Presentation Time Stamp)和

解码时间戳DTS(Decoding Time Stamp);

在ES 层, 与同步有关的主要是视频缓冲验证VBV(Video Buffer Verifier),

用以防止解码器的缓冲器出现上溢或者下溢;

标准规定在原始音频和视频流中,

PTS的间隔不能超过0.7s，

出现在TS包头的PCR间隔不能超过0.1s。



图1 从ES到PES的示意图

MPEG-2对视频的压缩产生I帧、P帧、B帧.

将上图所示的帧顺序 "I1-P4-B2-B3-P7-B5-B6" 表示的ES帧,

通过打包并在每个帧中插入PTS/DTS标志，组成PES.

在插入PTS/DTS标志时，

对于B帧, 由于在B帧PTS和DTS是相等的，所以无须在B帧插入DTS(参见图1).

对于I帧和P帧, 由于经过复用后, 数据包的顺序会发生变化,

显示前一定要存储于视频解码器的排序缓存器中，经过从新排序后再显示，

所以一定要同时插入PTS和DTS作为从新排序的依据.

二、同步机制

编码器

系统时钟STC:

编码器中有一个系统时钟(其频率是27MHz),

此时钟用来产生指示音视频的正确显示和解码的时间戳,

同时可用来指示在采样过程中系统时钟本身的瞬时值。

PCR(Program Clock Reference):

指示系统时钟本身的瞬时值的时间标签称为节目参考时钟标签(PCR)。

PCR的插入必须在PCR字段的最后离开复用器的那一时刻,

同时把27MHz系统时钟的采样瞬时值作为PCR字段插入到相应的PCR域。

它是放在TS包头的自适应区中传送.

27MHz的系统时钟STC经波形整理后分成两路:

PCR_ext (9bits ), 由27MHz脉冲直接触发计数器生成扩展域.

PCR_base(33bits), 经300分频器分频成90kHz脉冲送入一个33位计数器生成90kHz基值,

用于和PTS/DTS比较，产生解码和显示所需要的同步信号.

这两部分被置入PCR域，共同组成42位的PCR.

Table 2-2 Transport packet of the Recommendation|International Standard

Table 2-6 Transport Stream adaptation field

输入到T-STD解码器的第i个字节的PCR值:

PCR(i) = PCR_base(i)*300 + PCR_ext(i)

i: 包含program_clock_reference_base域的最后一个比特的字节号.

PCR_base(i) = ((system_clock_frequency * t(i)) / 300) % 2^33

PCR_ext(i) = ((system_clock_frequency * t(i)) / 1 ) % 300

t(i): 字节i的编码时间.

例如:

时间"03:02:29.012"的PCR计算如下:

03:02:29.012 = ((3 * 60) + 2) * 60 + 29.012 = 10949.012s

PCR_base = ((27 000 000 * 10949.012) / 300) % 2^33 = 98 541 080

PCR_ext = ((27 000 000 * 10949.012) / 1 ) % 300 = 0

PCR = 98 541 080 * 300 + 0 = 295 623 324 000

PCR-base的作用:

a. 与PTS和DTS作比较, 当二者相同时, 相应的单元被显示或者解码.

b. 在解码器切换节目时,提供对解码器PCR计数器的初始值,

以让该PCR值与PTS、DTS最大可能地达到相同的时间起点.

PCR-ext的作用:

通过解码器端的锁相环路修正解码器的系统时钟, 使其达到和编码器一致的27MHz.

PTS(Presentation Time Stamp):

指示音视频显示时间的时间戳称为显示时间戳(PTS);

PTS域为33bits, 是对系统时钟的300分频的时钟的计数值.

它被编码成为3个独立的字段:

PTS[32..30][29..15][14..0]

表示此分组中第一个访问单元在系统目标解码器中的预定显示时间.

PTS值为:

PTS(k) = ((system_clock_frequency * TPn(k)) / 300) % 2^33

TPn(k): 表示单元Pn(k)的表示时间.

DTS(Decoding Time Stamp):

指示音视频的解码时间戳称为解码时间戳(DTS),

DTS域为33bits,编码成为3个独立的字段:

DTS[32..30][29..15][14..0]

表示此分组中第一个访问单元在系统目标解码器中的预定解码时间.

DTS值为:

DTS(j) = ((system_clock_frequency * TDn(j)) / 300) % 2^33

TDn(j): 第n个ES流的第j个存取单元An(j)的解码时间.

DTS就视频来说,因为视频编码的时候用到了双向预测,

一个图像单元被解出,并非马上就被显示,可能在存储器中留一段时间,作为其余图像单元的解码参考,

在被参考完毕后,才被显示.

音频PTS:

针对音频和视频的同步显示，MPEG提出了一个音频PTS.

由于声音没有用到双向预测，它的解码次序就是它的显示次序，故它只有PTS.

Table 2-21 PES packet

VBV_delay:

视频流延时值,

在解码时利用视频流缓冲区把视频流缓存到相应的vbv_delay时间后,

再启动解码器解码、显示、实现音视频的同步.

VBV_delay存在于视频ES的头部，长度为16bit.

解码器

首先, 解析PCR, 重建和编码器同步的27MHz系统时钟, 恢复27MHz系统时钟后;

再, 通过VBV_delay(视频流延时值)的数值来确定解码的开始;

之后, 利用PES流中解码时间戳(DTS)和显示时间戳(PTS)来确定解码和显示的次序.

用PCR来对系统时钟进行修正.

解码器同步算法总结如下:

(1). 解码器从输入码流的包头中解出时间信息PCR送入到系统时间时钟恢复电路;

系统时间时钟恢复电路在接收到每一个新的PCR时，进行本地系统时间时钟恢复和锁相。

(2). 解复用器后，从PES包头中解出显示时间标签PTS和解码时间标签DTS，并送入到基本流解码器中。

(3). 基本流解码器在接收到新的PTS/DTS后，存入对应的FIFO(先进先处存储器)中进行管理；

对于没有PTS/DTS的显示单元，需要对其时间标签进行插值，并送入到FIFO中管理。

(4). 每一显示单元开始解码前，用其对应的DTS与STC进行比较，当STC与DTS相等时开始解码；

(5). 每一显示单元开始显示前，用其对应的PTS与STC进行比较，当STC与PTS相等时开始显示。

三、失同步处理

27 MHz系统时钟经过300分频后，得到本地的33 bits PCR_Base, 该时钟与寄存器中当前图像的PTS/DTS进行比较,

系统软件根据比较结果做出相应的处理:

(1). 若当前的PTS/DTS比PCR计数器的值小于半帧以上，即PTS_Base≤-ΔPTS/2,

此时说明系统解码过慢，解码器处于失步状态，应根据该帧的结构做出相应的同步调整；

(2). 若当前的PTS/DTS比PCR计数器的值在半帧时间以内，

我们认为此时系统解码正常，立即显示/解码当前帧；

(3). 若当前的PTS/DTS大于PCR计数器的值，则此时解码器稍快，

在这种情况下，只需等到PCR与PTS/DTS相等时，就可显示/解码。

附注:

上面讲的都是解码器的同步机制，

对于转码来说，如ffmpeg等并不是这么做的。