电视数字音频嵌入技术

电视数字音频嵌入技术

一、电视视频信号在系统中的安装位置和效率进行了一个整体随着电视设备数字化的逐步深入，我们发现在电视信号模式转换和传输过程中，视频源信号的处理方法和传输路径存在差异，并且视频源信号的接收延迟，导致图像和声音之间的不同步。为达到图像和声音的和谐统一以及保证干净的切换,我们可以在系统中添置相应的数字视/音频延时器。但数字延时器必须经过实地测量视音频的延时量后才能进行预调谐,一旦系统有所变动,还得重新调整,这样也就增加了系统的复杂程度,影响了系统的可靠性。同时我们也发现,虽然电视视频信号的模数转换方式,随模拟信号的构成不同(复合和分量方式)而有一定的差异,数字拾取后的数据传输方式也有并行和串行之分,但都有一个共同的特征,那就是在共同的部位,如数字视频信号的行、场消隐期间的信息是不需要的,因而不予采样,使数字视频中存在空隙,可以携带数字信息,我们可以将数字音频和其他一些辅助数据按照一定方式镶嵌在这个空间里,利用数字视频信号对数字音频信号加以携带,形成一个有机统一的整体,达到互相同步。这就是音频嵌入技术(EmbeddedAudio)。二、输、存储、播出系统的操作如图1所示,从录像机输出的视频信号经A/D转换后成为串行数字信号,再经过MirandaAMX1Oi(内带音频A/D转换)嵌入音频信号后直接进入数字传输、存储、播出系统,其中包括数字矩阵、Profile视频服务器、播出切换台及下游键等设备,进行切换、压缩、存储、按指令自动播出等操作。播出的SDI数字信号经过视频D/A转换即可还原出模拟视频信号,经MirandaADX10i(内带音频D/A转换)可解出内嵌的数字音频信号并转换成模拟音频信号,再经音分后与模拟视频信号一起送发射系统或总控模拟矩阵。音频信号的嵌入、解嵌过程都是在嵌入、解嵌设备内部控制数据处理器的指令下进行工作,保证了时间关系的准确无误。三、数字音频嵌入技术采用音频嵌入方式的设备系统,视音频采用同一根电缆进行传送,无需设置专门的音频通道,省掉了音频切换矩阵、音频处理设备系统、大量的音频连接电缆、连接器及相应的延时器,大大简化了系统的设备构成,使系统出故障几率相对减少,也就很大程度地提高了电视播出的安全系数。系统最好采用配有音频嵌入功能的数字式放像机,如我台使用的DVCPRO50等机型。对于以前的模拟式放像机及一些外来信号,需配备音频嵌入设备。采用音频嵌入的数字电视系统中的电视信号,必须通过解嵌设施,才能供监听、监看及播出,这需要增加部分投资,但这些相对于系统所省去的设备来说,还是微不足道的。采用音频嵌入技术后,系统中间环节无法对数字音频进行调整,因此对播出节目带的音频信号的幅度等指标一定要符合标准。我们在进行系统设计时,曾担心采用数字音频嵌入技术后可能会出现的两个问题:一是在进行信号源切换时,可能会出现轻微“喀啪”声,二是据说各个厂商为了保护自己的利益,在进行音频嵌入操作时,处理方式可能稍有差别,致使整个数字系统中只能使用同一类型的嵌入、解嵌设备,如我台的DVCPRO50放像机等设备内有的嵌入系统也不能直接使用,造成资源浪费。但在系统投入运行后,这两个问题均未出现。可见,音频嵌入式电视系统,相对于系统的音视频分离模式,有着很多优点。一般来说,音频嵌入模式适合于较大型系统中音视频的各种切换、传输,达到灵活轻便。切换中的音视频的协调统一,是靠程序控制中央处理器的统一指令完成的,而中央处理器的程序设计很容易实现,运作简单、实用、可靠。对于小型系统,音频嵌入也有一定的使用价值,当然要看设备系统的性价比和需要而确定。四、数字音频的提取视频信号进行模数转换有两种编码方式,即复合编码和分量编码。采用复合编码时由取样频率和副载频间的差拍造成的干扰将影响图像的质量,分量编码由于Y、Cb和Cr分别编码,可采用时分复用方式,避免亮色互串,可获得高质量的图像。因此,对于带有分量输出的设备来说,应尽量使用分量编码方式。据行业规定,对于最常用的4:2:2方式分量数字视频格式的有效行中,625/50PAL制共有1728个取样字节,其中对Y、Cb和Cr取样有1440个取样字节,行消隐期间的取样可安排288个取样字节。数据传送中,每行的消隐期间的数据是相同的,在标准中用“SAV”(StartofActiveVideo)和“EAV”(EndofActiveVideo)予以界定并作为接收端恢复的标志,就不再需要传送同步和色同步信息了。那么在“EAV”和“SAV”之间的288个字节,可用来放置辅助数据(包括“SAV”和“EAV”的8个字节),这个区域称为行辅助数据区“HANC”,如图2所示,图中画出了一个数字帧的信号,其中包含两个数据场。根据AES(美国音频工程学会)/EBU(欧洲广播联盟)接口标准,数字音频信号的取样频率为48kHz,则相对于625/50扫描标准,行频为15625Hz,所以在对应于一个行周期时间内,音频的取样点数为:48kHz/15625Hz=3.072个,约为3个取样。如果音频按20比特量化,一个音频取样值为2个字节(每字节10比特),则共为6个字节。在行消隐期间留下的280个字节(除去“SAV”和“EAV”的8个字节)可传送几十路数字音频,通常留出16路AES/EBU标准的数字音频信号空间。为实现较长距离及较经济的传输,我们把所有的数字视频数据、同步信息、多种辅助数据以及多路AES/EBU标准的数字音频数据,通过时分复用方式合为一路时序信号,用一根电缆进行传输,即SDI串行数字传输方式,接口标准规定为10比特的量化精度。图3表示出把数字音频嵌入数字串行视频中的过程。被嵌入的音频信号是以块为单位打包传送的。一个块由192个连续帧组成,每个帧表示一路AES/EBU标准的数字音频信号,包含相关的两个子帧,每个子帧(32比特)表示一个音频通道,放置一个音频取样字。如图中所示,每个通道包括1个通道标识Z(或Y、X,由首标和附加数据组成,共8比特)和1个音频样值(20比特)及有效标志码V、用户数据码U、通道状态码C和子帧的奇偶校验码P(各为1比特,共4比特)。当把它嵌入数字视频行消隐期间时,去掉原首标和附加数据及最后的奇偶校验码P,共计去掉9比特,剩下的数字音频信号和V、U、C相关数据共23比特,通过映射转换成30比特,即3个10比特字X、X+1、X+2嵌入到靠近音频数字包的包头之后,把通道2也以同样方式嵌入靠近通道1之后,构成1个样对。一个样对的两个通道一般是从同一AES/EBU音频源中得到的。其后又可以把通道3和通道4构成第2个样对,由2个样对构成1个音频组。在视频串行接口中可传输多达8个AES/EBU样对,即4个音频组,16个音频通道。图中附属数据标志ADF表示数据包的开始,数据标识DID规定附属数据包中用户数据字所运载数据的内容和性质,数据块序号DBN表明数据包号码,以区分带有共用数据标识的相继附属数据包,接收机可根据包号码的连续性,来判别是否丢失数据,数据计数DC表示附属数据包中用户数据字的数量,数据包误码校验CS用于在接受端确定数据包的有效性。由23比特数字音频映射为3个连续的辅助数据字(X、X+1、X+2),其格式如下表所示。表中CH表明该子帧属于那个通道,Z表示AES/E-BU通道状态块开始比特即0帧开始信息,LSB表示最低有效值,MSB为最高有效值。数字分量串行数据,其数据率高达270MHZ,可以同时传输16个音频通道,即四个音频组,经由一RAM缓冲器进行时间压缩,使之形成与数字视频信号一样的比特流后嵌入到数字分量串行视频数据流之中,达到数字视音频信号同时传输之目的。嵌入音频数据字均匀地放置在各电视行中,有效消除很敏感的伴音和画面口形的不一致,进而达到声画同步,协调一致。为适应数字音频高分辨率,即符合全AES实施标准规定的24比特量化的要求,又在紧靠数字音频包后设置了扩展数据包,每帧增加8比特,每个通道由20比特变为24比特。随着信息技术和数字技术、广播电视新技术的突飞猛