數(shù)字音頻在廣播電視工程中的同步傳輸與控制技術(shù)

劉貴臣

（沂水縣融媒體中心，山東 臨沂 276400）

0 引言

隨著數(shù)字技術(shù)的發(fā)展，數(shù)字音頻技術(shù)在廣播電視系統(tǒng)中的應用日益廣泛。相較于傳統(tǒng)模擬音頻技術(shù)，數(shù)字音頻技術(shù)具有抗干擾能力強、質(zhì)量損失小、編解碼方便以及傳輸容量大等顯著優(yōu)勢，能夠提供更高的音質(zhì)和更強大的處理能力。由于廣播電視傳輸系統(tǒng)結(jié)構(gòu)復雜，數(shù)字音頻信號在傳輸過程中容易受到信道失真、時延誤差等影響，導致音頻質(zhì)量下降，嚴重時可能出現(xiàn)音畫不同步、雜音及失真等問題[1]。對此，本文以數(shù)字音頻在廣播電視工程中的同步傳輸與控制技術(shù)為研究對象，分析數(shù)字音頻信號的同步傳輸方法、質(zhì)量控制技術(shù)手段以及系統(tǒng)傳輸控制方式，為數(shù)字音頻技術(shù)在廣播電視工程領(lǐng)域的應用與發(fā)展提供理論支撐。

1 數(shù)字音頻在廣播電視中的應用概述

1.1 數(shù)字音頻概述

1.1.1 數(shù)字音頻的概念與特征

數(shù)字音頻是指利用數(shù)字信號處理技術(shù)對聲音進行取樣、量化、編碼、存儲、處理和轉(zhuǎn)換的過程，使用二進制數(shù)字代碼而非模擬電信號來表示聲音信息。數(shù)字音頻通過模數(shù)轉(zhuǎn)換器（Analogto-Digital Converter，ADC）將模擬音頻信號轉(zhuǎn)換成數(shù)字脈沖編碼，再通過數(shù)模轉(zhuǎn)換器（Digital-to-Analog Converter，DAC）將數(shù)字信號轉(zhuǎn)換回模擬信號。數(shù)字音頻可以通過提高取樣頻率（48 kHz 或更高）和采用高分辨率量化（16 bits 或24 bits）來獲取更多的聲音細節(jié)特征，頻率響應范圍更寬（可超過20 kHz），信噪比高（可達90 dB 以上）[2]，因而可以實現(xiàn)高保真的音質(zhì)，逼真地再現(xiàn)聲音的質(zhì)感，利用數(shù)字信號處理技術(shù)進行各種音頻效果的合成，如回聲、混響、均衡等，實現(xiàn)傳統(tǒng)模擬音頻難以達到的強大音頻處理能力。

1.1.2 數(shù)字音頻的編碼標準

數(shù)字音頻在傳輸和存儲過程中需要進行編碼壓縮以減少數(shù)據(jù)量。當前應用較廣泛的數(shù)字音頻編碼標準主要包括以下幾種。

（1）MP3（MPEG-1 音頻層Ⅲ），使用psychoacoustic 模型進行有損壓縮，通過過濾人耳難以聽見的聲音成分，實現(xiàn)11 ∶1 的高壓縮率，是互聯(lián)網(wǎng)使用最普遍的編碼格式。

（2）AAC 是在MPEG-2 和MPEG-4 中使用的專業(yè)級編碼標準，其壓縮效率優(yōu)于MP3，支持多聲道、更多比特率選項，應用在數(shù)字電視和數(shù)字音樂播放中。

（3）AC-3，也稱Dolby Digital，是杜比實驗室研發(fā)的綜合多聲道數(shù)字音頻格式，包含1 ～6 個聲道，采樣率為48 kHz，應用在DVD、藍光影碟及數(shù)字電視等產(chǎn)品中。

（4）WMA 是微軟公司的音頻壓縮格式，可在與MP3 相媲美的音質(zhì)下獲得更小的文件體積，是Windows Media Player 軟件默認的編碼標準。

（5）FLAC 是一種無損編碼方式，可減小50%～60%的存儲空間而不損失音質(zhì)，適用于對音質(zhì)要求極高的場合。

1.2 數(shù)字音頻在廣播電視工程中的應用方向

1.2.1 數(shù)字電視音頻廣播

數(shù)字電視可以提供CD 級別的高保真音質(zhì)，支持立體聲以及AC-3、Dolby Digital 等多聲道環(huán)繞音效，遠高于模擬電視的單聲道音質(zhì)，針對不同節(jié)目提供多語言音軌、視障解說等音頻服務，還可實現(xiàn)交互娛樂節(jié)目中的環(huán)繞音效，觀眾可以自由選擇所需的音頻通道。

1.2.2 數(shù)字有線電視音頻

數(shù)字有線電視通過有線網(wǎng)絡采用數(shù)字編碼技術(shù)傳輸視頻與音頻信號，可提供CD 級別音質(zhì)的數(shù)字立體聲，支持杜比AC-3、DTS 等多聲道環(huán)繞音效，同時采用正交振幅調(diào)制（Quadrature Amplitude Modulation，QAM）、編碼正交頻分復用（Coded Orthogonal Frequency Division Multiplexing，COFDM）等數(shù)字調(diào)制技術(shù)，可有效抵抗傳輸鏈路中的各種隨機噪聲和相鄰信道干擾，保證音頻信號的完整性[3]。

1.2.3 網(wǎng)絡在線音視頻

網(wǎng)絡在線音視頻服務的廣泛應用，主要建立在數(shù)字音頻技術(shù)基礎(chǔ)上。網(wǎng)絡在線音視頻需要使用數(shù)字音頻編碼技術(shù)對音頻信號進行壓縮，常用的編碼標準有MP3、AAC、WMA 等，可以顯著降低音頻數(shù)據(jù)流量，滿足網(wǎng)絡傳輸?shù)男枨蟆＝?jīng)過編碼壓縮后的數(shù)字音頻信號與視頻信號多路復用，打包成流媒體格式，通過傳輸控制協(xié)議/網(wǎng)際協(xié)議（Transmission Control Protocol/Internet Protocol，TCP/IP）網(wǎng)絡進行傳輸，支持用戶點播需求。

2 數(shù)字音頻同步傳輸技術(shù)分析

2.1 基于時間戳的音頻同步

基于時間戳是數(shù)字音頻同步的一種常用技術(shù)手段，其基本原理是在對數(shù)字音頻信號進行編碼和封包過程中，在每個音頻數(shù)據(jù)包的首部添加表示采樣時間或發(fā)送時間的時間戳信息。解碼端接收到數(shù)據(jù)包后，根據(jù)數(shù)據(jù)包中的時間戳，設(shè)置定時器，將音頻數(shù)據(jù)預存入緩沖區(qū)。當定時器時間與時間戳一致，從緩沖區(qū)取出對應音頻數(shù)據(jù)進行播放。采用時間戳同步的優(yōu)點有：直接依賴時間信息同步，無須解析音頻內(nèi)容，實現(xiàn)簡單；只需要編碼端加入時間戳，無須改變網(wǎng)絡傳輸機制；同步精度高，誤差可控制在幾毫秒以內(nèi)；可適用于各種網(wǎng)絡條件，抗網(wǎng)絡抖動能力強。

2.2 基于流媒體協(xié)議的音頻同步

流媒體協(xié)議同步是數(shù)字音頻同步傳輸?shù)牧硪环N重要方式，主要過程如下：

（1）在對數(shù)字音頻流進行封裝處理時采用實時流媒體協(xié)議，如RTSP、實時傳輸協(xié)議（Real-time Transport Protocol，RTP）等，在協(xié)議消息頭中插入表示時間信息的時間戳；

（2）在接收端，根據(jù)流媒體協(xié)議中的時間戳對音頻數(shù)據(jù)包進行重排序和緩存，緩存過長的數(shù)據(jù)包可以棄用；

（3）解碼器根據(jù)流媒體消息中的時間戳，在時間一致時從緩存中取出相應的音頻數(shù)據(jù)包進行解碼和播放。

3 數(shù)字音頻傳輸過程中的質(zhì)量控制技術(shù)

3.1 數(shù)字音頻傳輸質(zhì)量評估指標

評估數(shù)字音頻傳輸質(zhì)量的主要技術(shù)指標有：

（1）誤碼率，用于表示數(shù)字傳輸系統(tǒng)在傳輸過程中發(fā)生比特誤碼的比率，數(shù)字音頻傳輸?shù)恼`碼率越低，傳輸誤差就越少，音質(zhì)的損失也越小；

（2）抖動和丟包率，抖動是數(shù)據(jù)包到達間隔時間的變化，丟包率是傳輸中未能成功到達的包的比率，音頻傳輸?shù)亩秳雍蛠G包率越低，音頻延遲變化和中斷就越少；

（3）客觀的聽覺質(zhì)量模型評估，通過仿真信號傳輸和分析模型，如語音質(zhì)量感知評估（Perceptual Evaluation of Speech Quality，PESQ）、音頻質(zhì)量感知評估（Perceptual Evaluation of Audio Quality，PEAQ）等，來評估編碼和網(wǎng)絡傳輸對音質(zhì)的影響；

（4）主觀聽覺質(zhì)量評估，需要專業(yè)評委進行耳機監(jiān)聽，判斷數(shù)字處理對音質(zhì)的損害程度。

3.2 數(shù)字音頻傳輸質(zhì)量控制方法

3.2.1 前饋控制

數(shù)字音頻傳輸?shù)那梆伩刂剖且环N重要的控制策略，主要技術(shù)流程如下：

（1）進行數(shù)字音頻編碼和傳輸之前，通過模型預測等方式，實時獲取網(wǎng)絡當前的狀態(tài)參數(shù)，如帶寬、時延抖動等；

（2）根據(jù)這些預測結(jié)果，對數(shù)字音頻編碼器的控制參數(shù)如編碼比特率、丟包補償能力等進行智能優(yōu)化，配置編碼器使用適應當前網(wǎng)絡狀態(tài)的編碼參數(shù)；

（3）采用經(jīng)優(yōu)化配置的編碼器對音頻數(shù)據(jù)進行編碼后傳輸?shù)浇邮斩耍瑥亩畲笙薅鹊剡m應網(wǎng)絡狀態(tài)，提高數(shù)字音頻的傳輸質(zhì)量；

（4）通過從接收端反饋獲得的實際網(wǎng)絡狀態(tài)和服務質(zhì)量（Quality of Service，QoS）數(shù)據(jù)實現(xiàn)閉環(huán)控制，持續(xù)校正和優(yōu)化編碼器的參數(shù)。

采用前饋控制策略的優(yōu)點在于可以動態(tài)調(diào)整編碼參數(shù)以適應網(wǎng)絡變化。主動控制策略可以快速反應網(wǎng)絡狀態(tài)，簡化接收端處理，可以根據(jù)不同指標進行多目標的聯(lián)合控制。

3.2.2 反饋控制

數(shù)字音頻傳輸?shù)姆答伩刂剖腔陂]環(huán)控制理論的另一種重要控制策略，主要技術(shù)流程包括：

（1）在數(shù)字音頻接收端實時監(jiān)測網(wǎng)絡傳輸狀態(tài)和音頻播放質(zhì)量參數(shù)，如傳輸延遲、丟包率及抖動等，將這些監(jiān)測結(jié)果即網(wǎng)絡狀態(tài)反饋傳回發(fā)送端的數(shù)字音頻編碼器控制器；

（2）控制器根據(jù)反饋回來的實際網(wǎng)絡狀態(tài)，動態(tài)調(diào)整數(shù)字音頻編碼的參數(shù)，如編碼比特率、丟包容錯能力等，經(jīng)編碼器調(diào)控輸出的數(shù)字音頻數(shù)據(jù)，可以更好地適應當前的網(wǎng)絡傳輸狀況，保證接收端播放質(zhì)量；

（3）通過該閉環(huán)反饋的控制方式，持續(xù)優(yōu)化數(shù)字音頻編碼的控制效果[4]。

反饋控制策略的主要優(yōu)點在于可以根據(jù)真實網(wǎng)絡來調(diào)控編碼器，可配合其他控制手段實現(xiàn)多目標控制，對網(wǎng)絡動態(tài)變化有很強的適應能力。通過反饋環(huán)路可以有效應對網(wǎng)絡動態(tài)變化，但其控制效率還取決于反饋通道的實時性能[5]。

4 結(jié)語

數(shù)字音頻技術(shù)的發(fā)展為廣播電視業(yè)提供了實現(xiàn)高保真音質(zhì)傳輸?shù)目赡苄浴Ｏ嚓P(guān)技術(shù)的持續(xù)創(chuàng)新與改進，將促進數(shù)字音頻在抗干擾、精確同步等方面的性能不斷提升，并與視頻和數(shù)據(jù)技術(shù)實現(xiàn)深度融合，支持廣播電視系統(tǒng)實現(xiàn)更具互動性和智能化的音頻服務，為觀眾提供更優(yōu)質(zhì)的視聽體驗。數(shù)字音頻技術(shù)具有廣闊的應用前景，將在廣播電視工程領(lǐng)域得到進一步的應用與發(fā)展，在保證音質(zhì)的同時實現(xiàn)傳輸?shù)目煽啃浴㈧`活性與智能化，拓展廣播電視的新功能與應用空間。