基于T-DMB的手机电视设计要领

Arithmetic Coding)或者AAC+(欧洲T-DMB采用)，图像格式为CIF(Common Intermediate Format)(352×288)，把这些音频和视频码流加上一些用户数据，经过MPEG-4 SL(Sync Layer)同步层打包和MPEG-2 TS(Transport Stream)复用后，交给调制器调制为适宜在信道上传播的信号发射出去。各种标准的接收端除信道解码有较大差别，信源的解码很相近。T-DMB系统发送端编码器结构如图2所示。

　　图2 T-DMB发送端编码框图

　　其中的MPEG-4 OD/BINFS发生器产生视听对象、场景时空关系信息和视听对象的描述符信息。IOD发生器产生视听对象的初始信息：场景描述和对象描述信息。分段发生器主要收集SLP和IOD数据信息，用于产生和节目解复用相关的参考信息PSI(Program Specific Information)。在T-DMB的数据流中，可以通过解析PMT中的描述字段得到IOD_descriptor ,由IOD_descriptor可以得到场景、对象描述信息。由对象描述可以得到ES_ descriptor等信息。SL同步打包器主要负责视听对象和辅助数据的同步。SL包经PES打包之后，再把PES包打为TS包发送给调制器。

　　 软件的功能描述

　　软件的主要任务是TS流的解复用、H.264和AAC+的解码，采用微软的Direct Show技术开发，可以降低开发难度和开发周期。Direct Show技术是微软提供的Windows平台多媒体开发包，以COM为基础。Direct Show使用Filter Graph的模型来管理整个数据流的处理过程。参与处理的各个功能模块叫Filter，按功能分3类:Source、Transform、 Rendering Filter 。Source Filter主要负责获取数据和前期的处理;Transform Filter负责数据格式的转换和传输，主要是负责解码;Render Filter负责显示。各个Filter和应用程序的交互靠事件通知机制来完成：Filter状态改变时发出一个事件，由Filter Graph Manager处理或发给应用程序。整个软件可以分为5大功能模块，如图3所示。TS解复用器模块属于Source Filter，作用是从DMA缓冲中获取数据，然后从TS流中解析PAT(Program Association Table)和PMT(Program Map Table)，得到相关节目的音频和视频数据TS包的PID(Packet Identifier)之后，就可以组合PES(Packetized Elementary Stream)包，同时还可以得到和音视频同步相关的参数：PCR(Program Clock Reference)、CTS(Presentation Time Stamp)、DTS(Decoding Time Stamp)，最后把PES包去包头后的ES(Elementary Stream)数据发给下游的解码Filter。H.264和AAC+解码模块属于Transform Filter，主要功能是把从上游获取的音频和视频数据进行解码，把解码得到的PU(Presentation Unit)重新排序(只有用到双向预测时需排序)，送给下游的生成器。视频生成器和音频生成器模块属于Rendering Filter，主要完成显示功能。如果数据格式需要转换，可以在解码器和生成器之间加一个具有转化功能的Transform Filter。

　　音频和视频的同步

　　软件设计中的关键技术是解决音视频同步的问题。音视频同步主要在 TS解复用器中解决。要想做到音频和视频的同步，需要用到这几个参数：PCR、DTS、PTS。可以在TS包的调整域中得到PCR,从PES包中得到 PTS。PES包中的数据是SL包，可以从SL包头中得到DTS。DTS是解码时间，PTS是显示时间。PCR是对编码器90K时钟的计数，它的作用是在解码器切换节目时，提供对解码器PCR计数器的初始值。PTS、DTS最大可能和PCR达到相同的时间起点，即对解码器提供一个公共的时钟参考，以便准确地进行音视频的同步。PCR捕捉到和DTS数值相同的时刻，就可以进行音视频解码。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后并非马上显示，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，在被参考完毕后才显示。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，故对它 MPEG只提出PTS的概念，PTS就是音频的DTS值。即：

　　DTS=PTS (1)

　　如果得不到PTS，那么按下式计算：

　　PTS=PTS_pre +Xms (2)

　　其中，PTS_pre表示前面一个AU的PTS，X是ACC+一帧的时间间隔，以ms为单位。

　　一般视频对象分为I-VOP、B-VOP、P-VOP三种编码类型。假设在解码器端的VO(Video Object)输入次序为：

　　1 2 3 4 5 6 7 8 9 10………

　　I B B P B B P B B P B B P B B I B B P........

　　由于视频对象编码时用到双向预测，解码器的实际解码次序为：

　　I P B B P B B P B B P B B I B B P B B ........

　　显示次序同解码器的输入次序。假设知道I帧的PTS和DTS。那么得到关于P帧：

　　PTS_P4=PTS_I +33.67ms * 3 (3)

　　DTS_P4=DTS_I +33.67ms (4)

　　B1帧：PTS_Bn=PTS_I +33.67ms * 2 (5)

　　DTS_Bn=DTS_I +33.67ms (6)