ГОСТ Р 53556.1-2012. Национальный стандарт Российской Федерации. Звуковое вещание цифровое. Кодирование сигналов звукового вещания с сокращением избыточности для передачи по цифровым каналам связи. Часть 3 (MPEG-4 audio). Общие требования к кодированию

(утв. и введен в действие Приказом Росстандарта от 20.11.2012 № 940-ст)

Утвержден и введен в действие Приказом Федерального агентства по техническому регулированию и метрологии от 20 ноября 2012 г. № 940-ст

НАЦИОНАЛЬНЫЙ СТАНДАРТ РОССИЙСКОЙ ФЕДЕРАЦИИ

ЗВУКОВОЕ ВЕЩАНИЕ ЦИФРОВОЕ

КОДИРОВАНИЕ СИГНАЛОВ ЗВУКОВОГО ВЕЩАНИЯ С СОКРАЩЕНИЕМ ИЗБЫТОЧНОСТИ ДЛЯ ПЕРЕДАЧИ ПО ЦИФРОВЫМ КАНАЛАМ СВЯЗИ. ЧАСТЬ 3 (MPEG-4 AUDIO)

ОБЩИЕ ТРЕБОВАНИЯ К КОДИРОВАНИЮ

Digital sound broadcasting. Coding of sound broadcasting signals with redundancy reduction for transfer on digital communication channels. Part III (MPEG-4 audio). General requirements for coding

ГОСТ Р 53556.1-2012

ОКС 33.170

Дата введения 1 сентября 2013 года

Предисловие

Цели и принципы стандартизации в Российской Федерации установлены Федеральным законом от 27 декабря 2002 г. № 184-ФЗ «О техническом регулировании», а правила применения национальных стандартов Российской Федерации — ГОСТ Р 1.0-2004 «Стандартизация в Российской Федерации. Основные положения»

Сведения о стандарте

1 РАЗРАБОТАН Санкт-Петербургским филиалом Центрального научно-исследовательского института связи «Ленинградское отделение» (ФГУП ЛО ЦНИИС)

2 ВНЕСЕН Техническим комитетом по стандартизации № 480 «Связь»

3 УТВЕРЖДЕН И ВВЕДЕН В ДЕЙСТВИЕ Приказом Федерального агентства по техническому регулированию и метрологии от 20 ноября 2012 г. № 940-ст

4 Настоящий стандарт разработан с учетом основных нормативных положений международного стандарта ИСО/МЭК 14496-3:2009 Информационные технологии. Кодирование аудиовизуальных объектов. Часть 3. Аудио (ИСО/МЭК 14496-3:2009 Information technology — Coding of audio-visual objects — Part 3: Audio) [1]

5 ВВЕДЕН ВПЕРВЫЕ

Правила применения настоящего стандарта установлены в ГОСТ Р 1.0-2012 (раздел 8). Информация об изменениях к настоящему стандарту публикуется в ежегодном (по состоянию на 1 января текущего года) информационном указателе «Национальные стандарты», а официальный текст изменений и поправок — в ежемесячном информационном указателе «Национальные стандарты». В случае пересмотра (замены) или отмены настоящего стандарта соответствующее уведомление будет опубликовано в ближайшем выпуске 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 (gost.ru)

1 Область применения

Для достижения лучшего качества звучания на низких скоростях передачи данных (менее 64 Кбит/с на канал) вводятся три дополнительных частоты дискретизации (Fs) — 16 кГц, 22,05 кГц и 24 кГц. Это позволяет поддерживать звуковые сигналы с полосами частот 7,5 кГц, 10,3 кГц и 11,25 кГц соответственно, и обеспечивать передачу сигналов звукового вещания по стандартным каналам (ГОСТ Р 52742-2007 и ГОСТ Р 53537-2009).

Синтаксис, семантика и методы кодирования ГОСТ Р 54711-2011 сохраняются в данном стандарте, за исключением определения поля частоты дискретизации, поля скорости передачи и таблиц распределения бит. Новые значения действительны, если бит ID в заголовке ГОСТ Р 54711-2011 равняется нулю. Для получения лучшей производительности звуковой системы параметры психоакустической модели, используемой в кодере, должны быть изменены соответственно.

Вход кодера и выход декодера совместимы с существующими стандартами ИКМ, такими как ГОСТ 27667-88, ГОСТ 28376-89.

Показатели, определенные настоящим документом, являются базовыми для профессиональной и бытовой аппаратуры — проигрывателей компакт-дисков, усилителей сигналов звуковой частоты и другого оборудования класса Hi-Fi.

Универсальная и совместимая многоканальная звуковая система применима для спутникового и наземного телевизионного вещания, цифрового звукового вещания (наземного и спутникового), так же как и для других носителей, например:

2 Нормативные ссылки

В настоящем стандарте использованы нормативные ссылки на следующие стандарты:

ГОСТ Р 54711-2011 Звуковое вещание цифровое. Кодирование сигналов звукового вещания с сокращением избыточности для передачи по цифровым каналам связи. MPEG-1 часть III (MPEG-1 audio)

ГОСТ Р 54712-2011 Звуковое вещание цифровое. Кодирование сигналов звукового вещания с сокращением избыточности для передачи по цифровым каналам связи. MPEG-2, часть III (MPEG-2 audio)

ГОСТ Р 54713-2011 Звуковое вещание цифровое. Кодирование сигналов звукового вещания с сокращением избыточности для передачи по цифровым каналам связи. MPEG-2, часть VII. Усовершенствованное кодирование звука (MPEG-2 AAC)

ГОСТ Р 53556.0-2009 Звуковое вещание цифровое. Кодирование сигналов звукового вещания с сокращением избыточности для передачи по цифровым каналам связи. MPEG-4, часть III (MPEG-4 audio). Основные положения

ГОСТ Р 52742-2007 Каналы и тракты звукового вещания. Типовые структуры. Основные параметры качества. Методы измерений

ГОСТ Р 53537-2009 Звуковое вещание. Основные электрические параметры каналов и трактов студийного качества (с полосой частот 20...20000 Гц)

ГОСТ 27667-88 Система цифровая звуковая «Компакт-диск». Параметры

ГОСТ 28376-89 Компакт-диск. Параметры и размеры

Примечание - При пользовании настоящим стандартом целесообразно проверить действие ссылочных стандартов и классификаторов в информационной системе общего пользования — на официальном сайте Федерального агентства по техническому регулированию и метрологии в сети Интернет или по ежегодно издаваемому информационному указателю «Национальные стандарты», который опубликован по состоянию на 1 января текущего года, и по соответствующим ежемесячно издаваемым информационным указателям, опубликованным в текущем году. Если ссылочный документ заменен (изменен), то при пользовании настоящим стандартом следует руководствоваться замененным (измененным) документом. Если ссылочный документ отменен без замены, то положение, в котором дана ссылка на него, применяется в части, не затрагивающей эту ссылку.

3 Термины, определения, символы и сокращения

3.1 Термины и определения

В настоящем стандарте применены термины и сокращения с соответствующими определениями, по ГОСТ Р 53556.0-2009, а также следующие термины с соответствующими определениями, не вошедшие в указанный стандарт:

3.1.1 буфер: Устройство памяти большой емкости, позволяющее записывать и хранить большой объем данных.

3.1.2 программа AAC: Основные звуковые каналы, спаренные каналы, канал lfe и связанные потоки данных, которые должны быть декодированы и воспроизведены одновременно. Программа может быть задана по умолчанию или с помощью program_config_element (). Данные single_channel_element (), channel_pair_element (), coupling_channel_element (), lfe_channel_element () или data_stream_element () могут сопровождать одну или более программ в любом заданном потоке.

3.1.3 звуковой блок доступа: Часть звуковых данных в пределах элементарного потока с возможностью индивидуального доступа.

3.1.4 звуковой композитный блок: Часть выходных данных, которую звуковой декодер производит из звуковых блоков доступа.

3.1.5 абсолютное время: Время, которому соответствует тот или иной звук; реальное время. Время в партитуре.

3.1.6 фактический параметр: Параметр команды.

3.1.7 адаптивная кодовая книга: Способ кодирования длительной периодичности сигнала. Входными параметрами кодовой книги являются перекрывающиеся сегменты прошлых возбуждений.

3.1.8 API: Интерфейс прикладного программирования.

3.1.9 масштабируемость полосы пропускания: Возможность менять полосу пропускания сигнала во время передачи.

3.1.10 ELD: Расширенная низкая задержка.

3.1.11 EP: Защита от ошибок.

3.1.12 R: Способность системы противостоять ошибкам.

3.1.13 возбуждение: Сигнал возбуждения представляет вход модуля LPC.

3.1.14 межфреймовое предсказание: Метод предсказания значений в текущем фрейме по значениям в предыдущих фреймах. Используется в VQ LSP.

3.1.15 LTP: Долгосрочное предсказание.

3.1.16 основные звуковые каналы: Весь single_channel_elements или channel_pair_elements в одной программе.

3.1.17 MIDI: Стандарт цифрового интерфейса музыкальных инструментов.

3.1.18 смешанный голосовой фрейм: Речевой сегмент, в котором присутствуют как голосовые, так и неголосовые компоненты.

3.1.19 PS: Параметрическое стерео.

3.1.20 TTSI: Интерфейс преобразования текста в речь.

3.1.21 VQ: Векторное квантование.

3.1.22 VXC: Векторное кодирование возбуждения. Синоним CELP.

3.2 Символы и сокращения

3.2.1 Математические операторы

Математические операторы, используемые в настоящем стандарте, аналогичны используемым в языке программирования C. Однако целочисленное деление с усечением и округление определены особым образом. Побитные операторы определяются с учетом представления чисел в дополнительном коде. Нумерация и счетчики циклов обычно начинаются с нуля.

+ Сложение.

• Вычитание (как бинарный оператор) или отрицание (как унарный оператор).

++ Инкремент.

-- Декремент.

• Умножение.

Возведение в степень.

/ Целочисленное деление с округлением к меньшему по модулю целому. Например, 7/4 и -7/4 округляются до одного, а -7/4 и 7/-4 округляются до минус одного.

// Целочисленное деление с округлением к ближайшему целому числу. Полуцелые числа округляются в сторону ближайшего большего по модулю числа, если не указано другое. Например 3//2 округляется до двух, а -3//2 округляется до минус двух.

D/V	Целочисленное разделение с округлением результата в сторону - \infty .
| | Абсолютное значение.		|x| = x, когда x > 0; |x| = 0, когда x = = 0; |x| = -x, когда x < 0.
%	Деление с остатком. Операция определена только для положительных чисел.
Sign ( )	Принимает следующие значения:		Sign (x) = 1,	когда x > 0;
			Sign (x) = 0,	когда x = 0;
			Sign (x) = -1,	когда x < 0.
NINT ( )	Округление до ближайшего целого. Возвращает самое близкое к вещественному аргументу целочисленное значение. Полуцелые числа округляются в сторону от нуля.
sin	Синус.
cos	Косинус.
exp	Экспонента.
	Квадратный корень.
log10	Логарифм по основанию 10
loge	Натуральный логарифм.
log2	Логарифм по основанию 2.

3.2.2 Логические операторы

3.2.3 Операторы сравнения

3.2.4 Побитные операторы

Использование побитных операций подразумевает представление чисел в дополнительном коде.

3.2.5 Оператор присвоения

3.2.6 Мнемоники

Следующие мнемоники подлежат определению для описания различных типов данных, используемых в кодированном потоке битов.

В многобайтовых словах старший байт является первым.

3.2.7 Константы

\pi 3,14159265358...

e 2,71828182845...

3.3 Метод описания синтаксиса потока битов

Для выражения условий присутствия элементов данных используются следующие конструкции, указанные обычным шрифтом:

Группа элементов данных может содержать вложенные условные конструкции. Для компактности скобки {} могут быть опущены, когда следует только один элемент данных.

3.4 Арифметические типы данных

3.5 Технический обзор

3.5.1 Типы звуковых объектов MPEG-4

3.5.1.1 Определение типов звуковых объектов приведено в таблице 1.

Таблица 1

Определение типов звуковых объектов на основе инструментов/модулей

Примечания

1 Функция битового поиска обязательна для декодера. Однако функции обнаружения и исправления ошибок являются необязательными.

2 Содержит AAC LC.

3 Содержит таблично-волновой синтез, алгоритмический синтез и звуковые эффекты.

4 Содержит спецификацию General MIDI.

5 Содержит ER AAC LC.

6 Инструмент передискретизации требуется только в комбинации с основным кодером.

3.5.1.2 Описание

3.5.1.2.1 Тип объекта NULL

Объект NULL обеспечивает возможность подать необработанные ИКМ отсчеты непосредственно в звуковой процессор. Декодирование не применяется, однако дескриптор звуковых объектов используется для определения частоты дискретизации и конфигурации звуковых каналов.

3.5.1.2.2 Тип объекта AAC — Main

Объект AAC Main очень схож с профилем AAC Main. Однако, дополнительно доступен инструмент PNS. Ограничения профиля AAC Main относительно различных программ и элементов сведения также относятся к типу объекта AAC Main. Все многоканальные возможности AAC MPEG-2 доступны. Декодер, способный декодировать поток основного объекта MPEG-4, также в состоянии анализировать и декодировать поток необработанных данных AAC MPEG-2. С другой стороны, несмотря на то, что кодер AAC MPEG-2 может анализировать полезный поток битов AAC MPEG-4 Main, возможна ошибка декодирования из-за использования PNS.

3.5.1.2.3 Тип объекта AAC — Low Complexity (LC)

Тип объекта AAC MPEG-4 Low Complexity является копией профиля пониженной сложности AAC MPEG-2 с теми же ограничениями, как и для типа объекта AAC Main.

3.5.1.2.4 Тип объекта AAC — Scalable Sampling Rate (SSR)

Тип объекта AAC MPEG-4 Scalable Sampling Rate является копией профиля масштабируемой частоты дискретизации AAC MPEG-2 с теми же ограничениями, как и для типа объекта AAC Main.

3.5.1.2.5 Тип объекта AAC — Long Term Predictor (LTP)

Тип объекта AAC MPEG-4 LTP подобен типу объекта AAC Main, однако, предсказатель AAC MPEG-2 заменен долговременным предсказателем. LTP достигает схожего усиления эффективности кодирования, но требует значительно более низкой сложности реализации. Полезный поток бит профиля AAC MPEG-2 LC может быть декодирован декодером объекта LTP AAC MPEG-4 без ограничений.

3.5.1.2.6 Тип объекта SBR

Объект SBR содержит инструмент SBR и может быть объединен с типами звуковых объектов, обозначенными в таблице 2.

Таблица 2

Типы звуковых объектов, которые могут быть объединены с инструментом SBR

3.5.1.2.7 Тип объекта AAC Scalable

Объект AAC Scalable использует различный синтаксис полезного потока бит для реализации масштабируемости скорости передачи и полосы пропускания. Доступно большое количество масштабируемых комбинаций, включая комбинации с инструментами TwinVQ и CELP. Однако, поддерживаются только моно или 2-канальные стерео объекты.

3.5.1.2.8 Тип объекта TwinVQ

Объект TwinVQ принадлежит схеме кодирования GA, реализующей квантование коэффициентов МДКП. Эта схема кодирования основана на векторном квантовании с фиксированной скоростью вместо кода Хаффмана в AAC.

Доступны низкие скорости передачи для моно и стерео. Схемы масштабируемых скоростей также доступны в профиле Scalable Audio, объединенном с типом объекта AAC Scalable.

3.5.1.2.9 Тип объекта CELP

Объект CELP поддерживается инструментами кодирования речи CELP, которые обеспечивают кодирование на частотах дискретизации 8 кГц и 16 кГц при скоростях передачи данных в диапазоне 4 — 24 кбит/с. Дополнительно доступны масштабируемость скорости передачи и полосы пропускания для обеспечения масштабируемого декодирования потоков CELP. Объект CELP всегда содержит только один моно сигнал.

3.5.1.2.10 Тип объекта HVXC

Объект HVXC поддерживается инструментами параметрического кодирования речи (HVXC), которые обеспечивают режимы кодирования с фиксированной скоростью передачи данных (2,0 — 4,0 кбит/с) в масштабируемой и немасштабируемой схеме, режим с переменной скоростью передачи данных (< 2,0 кбит/с) и функции изменения высоты и скорости воспроизведения. Поддерживаются только звуковые сигналы с частотой дискретизации 8 кГц, моно.

3.5.1.2.11 Тип объекта TTSI

Объект TTSI поддерживается инструментами TTSI. Это позволяет осуществить передачу фонемных дескрипторов речи на очень низких скоростях для дальнейшего синтеза. MPEG-4 не дает определения самому методу синтеза речи; инструменты TTSI скорее определяют интерфейс нестандартных методов синтеза. Этот метод позволяет получить скорость передачи 200 — 1200 бит/с.

3.5.1.2.12 Тип объекта Main Synthetic

Объект Main Synthetic позволяет использовать все инструменты MPEG-4 Structured Audio. Это обеспечивает гибкий, высококачественный алгоритмический синтез на основе языка синтеза музыки SAOL, эффективный таблично-волновой синтез с форматом банка сэмплов SASBF и реализует высококачественное сведение и пост-продакшн с набором инструментов Systems AudioBIFS. Описание звука может быть передано на скоростях от 0 кбит/с (не требуется непрерывная передача) до 3 — 4 кбит/с для чрезвычайно экспрессивных звуков в формате Structured Audio MPEG-4.

3.5.1.2.13 Тип объекта Wavetable Synthesis

Объект таблично-волнового синтеза поддерживается только форматом SASBF и инструментами MIDI. Это позволяет использовать простой сэмплерный синтез, когда качество и гибкость полного набора инструментов синтеза не требуются.

3.5.1.2.14 Тип объекта General MIDI

Объект General MIDI включен только для предоставления функциональной совместимости с существующим контентом. Стандартизованное качество звучания и свойства декодера объектом General MIDI не предоставляются.

3.5.1.2.15 Тип объекта Algorithmic Synthesis и Audio FX

Объект Algorithmic Synthesis обеспечивает синтез звука на основе SAOL при очень низких скоростях передачи. Он также используется для поддержки узла AudioBIFS AudioFX там, где не требуется синтезированный звук.

3.5.1.2.16 Тип объекта Error Resilient (ER) AAC Low Complexity (LC)

Тип объекта Error Resilient (ER) AAC Low Complexity (LC) является копией объекта AAC MPEG-4 Low Complexity с дополнительными функциональными возможностями.

3.5.1.2.17 Тип объекта Error Resilient (ER) AAC Long Term Predictor (LTP)

Тип объекта Error Resilient (ER) AAC Long Term Predictor (LTP) является копией объекта AAC MPEG-4 LTP с дополнительными функциональными возможностями.

3.5.1.2.18 Тип объекта Error Resilient (ER) AAC scalable

Тип объекта Error Resilient (ER) AAC scalable является копией объекта AAC MPEG-4 scalable с дополнительными функциональными возможностями.

3.5.1.2.19 Тип объекта Error Resilient (ER) TwinVQ

Тип объекта Error Resilient (ER) AAC TwinVQ является копией объекта AAC MPEG-4 TwinVQ с дополнительными функциональными возможностями.

3.5.1.2.20 Тип объекта Error Resilient (ER) BSAC

Объект BSAC ER поддерживается инструментом точного масштабирования (BSAC). Это позволяет обеспечить как устойчивость к ошибкам, так и точную масштабируемость шага квантования в кодере MPEG-4 General Audio (GA). Данный объект используется в комбинации с инструментами кодирования AAC и заменяет кодирование без потерь и форматирование полезного потока бит кодера AAC MPEG-4. Доступно большое количество масштабируемых уровней, что обеспечивает уровень расширения на скорости 1 кбит/с/канал, то есть 2 кбит/с шага для сигнала стерео.

3.5.1.2.21 Тип объекта Error Resilient (ER) AAC LD

Объект AAC LD поддерживается инструментом кодирования AAC с низкой задержкой. Он также допускает комбинации с инструментами PNS и LTP. Объект AAC LD расширяет использование универсального низкоскоростного кодирования аудио на приложения, требующие очень низкой задержки кодирования/декодирования (например дуплексная связь в режиме реального времени).

3.5.1.2.22 Тип объекта Error Resilient (ER) CELP

Объект ER CELP поддерживается инструментами сжатия тишины и ER. Это позволяет уменьшить среднюю скорость передачи благодаря более низкому сжатию для участков тишины с дополнительными функциональными возможностями.

3.5.1.2.23 Тип объекта Error Resilient (ER) HVXC

Объект ER HVXC поддерживается инструментами параметрического речевого кодирования (HVXC), которые обеспечивают режимы с фиксированной скоростью передачи данных (2,0 — 4,0 кбит/с) и режимы с переменной скоростью передачи данных (< 2,0 кбит/с и < 4,0 кбит/с), как с использованием масштабирования, так и без него, с возможностью изменения высоты и скорости воспроизведения. Синтаксис инструмента EP и способность устранения ошибок поддерживаются для использования в каналах связи, подверженных ошибкам. Поддерживаются только звуковые сигналы с частотой дискретизации 8 кГц, моно.

3.5.1.2.24 Тип объекта Error Resilient (ER) HILN

Объект ER HILN поддерживается инструментами параметрического кодирования звука (HILN: гармонические и индивидуальные линии вместе с шумом), которые обеспечивают кодирование обычных звуковых сигналов при очень низких скоростях передачи в пределах от менее 4 кбит/с до более 16 кбит/с. Доступны масштабируемость скорости передачи с возможностью изменения высоты и скорости воспроизведения. Объект ER HILN поддерживает звуковые объекты моно в широком диапазоне частот дискретизации.

3.5.1.2.25 Тип объекта Error Resilient (ER) Parametric

Объект ER Parametric поддерживается инструментами параметрического кодирования звука и кодирования речи HILN и HVXC. Этот встроенный параметрический кодер комбинирует функциональные возможности объектов ER HILN и ER HVXC. Поддерживаются только звуковые сигналы моно с частотой дискретизации 8 кГц.

3.5.1.2.26 Тип объекта SSC Audio

Объект SSC (синусоидальное кодирование) комбинирует инструменты параметрического кодирования SSC: транзиенты, синусоиды, шум и параметрическое стерео. Поддерживаются сигналы моно, двойное моно и стерео (параметрическое) с частотой дискретизации 44,1 кГц.

3.5.1.2.27 Тип объекта Layer-1 Audio

Объект Layer-1 является копией алгоритма кодирования уровня I.

3.5.1.2.28 Тип объекта Layer-2 Audio

Объект Layer-2 является копией алгоритма кодирования уровня II.

3.5.1.2.29 Тип объекта Layer-3 Audio

Объект Layer-3 схож с алгоритмом кодирования уровня III.

3.5.1.2.30 Тип объекта ALS Audio

Тип объекта ALS копия алгоритма кодирования без потерь (ALS), содержит соответствующие инструменты ALS.

3.5.1.2.31 Тип объекта SLS Audio

Объект SLS поддерживается инструментом масштабируемого кодирования без потерь, который обеспечивает точное масштабирование расширения кодирования без потерь в перцепционных звуковых кодеках MPEG, таких как AAC, позволяя применять различные шаги по улучшению — от качества звучания основного алгоритма до кодирования без потерь и почти незаметного кодирования. Он также обеспечивает stand-alone кодирование звука без потерь, когда основной звуковой кодек отключен.

3.5.1.2.32 SLS Тип объекта SLS Non-Core Audio

Объект SLS non-core поддерживается инструментом масштабируемого кодирования без потерь. Он подобен типу объекта SLS, однако основной звуковой кодек отключен.

3.5.1.2.33 Тип объекта PS

Тип объекта PS содержит инструмент PS и может быть объединен с инструментом SBR.

3.5.1.2.34 Тип объекта MPEG Surround

Объект MPEG Surround содержит служебную информацию MPEG Surround.

3.5.1.2.35 Тип объекта SMR Simple

Тип объекта SMR Simple используется для передачи музыкальных партитур для их аудио и видео обработки. Кодированные данные содержат информацию относительно основной партитуры, частей (то есть партий отдельных инструментов), возможных многоязычных текстов, связанных с частями, правил визуального форматирования, которые будут использоваться при обработке видео, шрифтов для специальных музыкальных символов и информации синхронизации. Шрифты и информация синхронизации представлены как двоичные данные, остальные — как XML данные. Тип объекта SMR Simple может передать XML данные в виде простого XML текста или как gzip XML.

3.5.1.2.36 Тип объекта SMR Main

Тип объекта SMR Main может передавать музыкальные партитуры, как тип объекта SMR Simple, однако в этом случае XML данные могут быть закодированы инструментами MPEG-B.

3.5.1.2.37 Тип объекта Error Resilient (ER) AAC ELD

Тип объекта с улучшенной низкой задержкой (ER AAC ELD) идентичен типу объекта ER AAC LD с добавлением банка фильтров с низкой задержкой (LDFB) и улучшенного окна. Возможны комбинации с инструментом PNS, так же как и с инструментом низкой задержки SBR. Тип объекта ER AAC ELD расширяет применение универсального низкоскоростного кодирования звука для приложений, требующих очень низкой задержки кодирования/декодирования (например, дуплексная связь в режиме реального времени).

3.5.2 Звуковые профили и уровни

3.5.2.1 Профили

Определены следующие звуковые профили (см. таблицу 3):

1 Речевой профиль обеспечивает параметрический речевой кодер, речевой кодер CELP и интерфейс преобразования текста в речь.

2 Профиль синтезированного звука обеспечивает возможность генерировать звук и речь при очень низких скоростях передачи.

3 Масштабируемый профиль — надмножество речевого профиля, является подходящим для масштабируемого кодирования речи и музыки для Интернета и цифрового вещания.

4 Основной профиль — надмножество масштабируемого профиля, речевого профиля и профиля звукового синтеза, содержит инструменты для обычного и синтезированного звука.

5 Профиль высокого качества содержит речевой кодер CELP и кодер низкой сложности AAC, включающий долгосрочное предсказание. Масштабируемое кодирование может быть выполнено объектом типа AAC Scalable. Дополнительно может применяться новый ER синтаксис потока битов.

6 Профиль низкой задержки содержит речевые кодеры HVXC и CELP (дополнительно использующие ER синтаксис), кодер AAC низкой задержки и интерфейс преобразования текста в речь TTSI.

7 Профиль натурального звука содержит все доступные в MPEG-4 инструменты для кодирования натурального звука.

8 Профиль звука для Интернета содержит типы объектов с низкой задержкой и масштабированием AAC, включая TwinVQ и BSAC. Эта конфигурация предназначена для расширения коммуникационных приложений при помощи не-MPEG алгоритмов кодирования речи с высоким качеством.

9 Профиль AAC содержит тип звукового объекта 2 (AAC-LC).

10 Профиль AAC высокой производительности содержит типы звуковых объектов 5 (SBR) и 2 (AAC-LC). Профиль AAC высокой производительности является надмножеством профиля AAC.

11 Профиль AAC высокой производительности версии 2 содержит типы звуковых объектов 5 (SBR), 29 (PS) и 2 (AAC-LC). Профиль AAC высокой производительности версии 2 является надмножеством профиля AAC высокой производительности.

12 Профиль AAC с низкой задержкой содержит тип звукового объекта 23 (ER AAC LD).

Таблица 3

Определение звуковых профилей

В дополнение к описаниям профилей, данным выше, необходимо отметить, что объекты AAC Scalable, использующие широкополосный уровень ядра CELP (с или без синтаксиса полезного битового потока ER) не являются частью какого бы то ни было звукового профиля.

3.5.2.2 Единицы сложности

Единицы сложности введены для того, чтобы дать приблизительную оценку сложности декодера в терминах вычислительной мощности и использования RAM, необходимых для обработки полезной части потока бит MPEG-4 Аудио в зависимости от определенных параметров.

Приблизительная вычислительная мощность дана в единицах вычислительной сложности (PCU), выраженных в MOPS. Приблизительное использование оперативной памяти дано в единицах использования памяти (RCU), выраженных в килословах (1000 слов). Количество RCU не включает в себя объем буфера, который может быть разделен между различными объектами и/или каналами.

Если уровень профиля определен максимальным числом единиц сложности, то гибкая конфигурация декодера, обрабатывающего различные типы объектов, допустима при условии, что оба значения сложности (PCU и RCU) для декодирования и преобразования частоты дискретизации (если требуется) не превышают этот предел.

Таблица 4 дает оценку сложности для различных типов объектов. Значения PCU даны в MOPS на канал, значения RCU — в килословах на канал (в AAC термин «канал» соответствует основному каналу, например, канал SCE, один канал CPE или канал независимо переключаемого CCE).

Таблица 4

Сложность типов звуковых объектов и преобразования частоты дискретизации

Определения:

fs = частота дискретизации

rf = отношение частот дискретизации

Примечания

1 PCU пропорционально частоте дискретизации.

2 Включает основной декодер.

3 Сложность для синтеза речи не учитывается.

4 Параметрический кодер в режиме HILN, для режима HVXC см. ER HVXC.

5 PCU зависит от fs и ns, см. ниже.

6 Преобразование частоты дискретизации необходимо, если объекты с различными частотами дискретизации объединены в сцене. Указанные значения должны быть добавлены для каждого необходимого преобразования.

PCU для HILN:

Вычислительная сложность HILN зависит от частоты дискретизации fs и максимального числа синусоид ns, которое должно быть синтезировано одновременно. Значение ns для фрейма является общим количеством гармонических и индивидуальных линий, синтезируемых в этом фрейме, то есть суммой начальных, промежуточных и конечных линий. Для fs в кГц PCU в MOPS вычисляется следующим образом:

PCU = (1 + 0,15*ns) * fs/16

Типовые максимальные значения ns составляют 47 для HILN 6 кбит/с и 93 для потоков HILN 16 кбит/с.

PCU и RCU для AAC:

Для типов объектов AAC PCU и RCU зависят от частоты дискретизации и конфигурации каналов следующим образом:

3.5.2.3 Уровни профилей

Под числом звуковых каналов понимается число основных звуковых каналов. На основании количества основных звуковых каналов (A) в таблице 5 указано число каналов LFE (L), число независимо переключаемых спаренных каналов (I) и число зависимо переключаемых спаренных каналов (D) для типов объектов, полученных из многоканального AAC в форме A.L.I.D.

Таблица 5

Максимальное число индивидуальных типов каналов AAC в зависимости от указанного количества основных звуковых каналов

Примечание - В случае масштабируемых схем кодирования для определения количества объектов, допустимых по сложности, учитывается только первая реализация каждого типа объекта. Например, в масштабируемом кодере, состоящем из основного кодера CELP и двух уровней расширения, реализованных средствами масштабируемых объектов AAC, считается один объект CELP и один масштабируемый объект AAC, учитываются их соответствующие показатели сложности, так как практически отсутствуют затраты, связанные со вторым (и выше) уровнем расширения GA.

Уровни профиля речи

Определены два уровня по числу объектов:

1. Один речевой объект.

2. До 20 речевых объектов.

Уровни профиля синтезированного звука

Определены три уровня:

1. Синтезированный звук 1: все элементы полезной части потока бит могут использоваться с:

• режимом пониженной производительности
• только основными частотами дискретизации
• только одним объектом TTSI

2. Синтезированный звук 2: все элементы полезной части потока бит могут использоваться с:

• режимом средней производительности.
• только основными частотами дискретизации
• максимум четырьмя объектами TTSI

3. Синтезированный звук 3: все элементы полезной части потока бит могут использоваться с:

• режимом высокой производительности
• максимум двенадцатью объектами TTSI
• уровнями масштабируемого профиля

Профилем определены четыре уровня; четвертый уровень определяется единицами сложности:

1. Максимальное значение частоты дискретизации — 24 кГц, один моно объект (все типы объектов).

2. Максимальное значение частоты дискретизации — 24 кГц, один стерео объект или два моно (все типы объектов).

3. Максимальное значение частоты дискретизации — 48 кГц, один стерео объект или два моно (все типы объектов).

4. Максимальное значение частоты дискретизации — 48 кГц, один 5-канальный объект или несколько объектов с одним целочисленным множителем частоты дискретизации максимум для двух каналов.

Разрешена гибкая конфигурация при PCU < 30 и RCU < 19.

Для типов звуковых объектов 2 (AAC LC) и 4 (AAC LTP) допускается длина фрейма только 1024 отсчета для уровней 1, 2, 3 и 4. Для типов звуковых объектов 2 (AAC LC) и 4 (AAC LTP) не допускаются моно или стерео элементы сведения для уровней 1, 2, 3 и 4. Для типа звуковых объектов 6 (AAC Scalable) применяются следующие ограничения. Число уровней AAC не должно превышать 8 для всех масштабируемых конфигураций. Если тип звукового объекта 8 (CELP) будет использоваться как основной кодер уровня, то число уровней CELP не должно превышать 2. Если тип звукового объекта 7 (TwinVQ) используется как основной кодер уровня, разрешен только один моно уровень TwinVQ.

Уровни основного профиля

Основной профиль содержит все натуральные и синтезированные типы объектов. Уровни определяются как комбинация двух различных типов уровней двух различных показателей, определенных для натуральных инструментов (показатели на основе вычислительной мощности) и инструментов синтеза (макропоказатели).

Для типов объектов, не принадлежащих профилю синтезированного звука определены четыре уровня:

• Натуральный звук 1: PCU < 40, RCU < 202.
• Натуральный звук 2: PCU < 80, RCU < 643.
• Натуральный звук 3: PCU < 160, RCU < 1284.
• Натуральный звук 4: PCU < 320, RCU < 256.

Для типов объектов, принадлежащих к профилю синтезированного звука, определены те же самые три уровня, то есть синтезированный звук 1, синтезированный звук 2 и синтезированный звук 3.

Четыре уровня определены для основного профиля:

• Натуральный звук 1 + синтезированный звук 1.
• Натуральный звук 2 + синтезированный звук 1.
• Натуральный звук 3 + синтезированный звук 2.
• Натуральный звук 4 + синтезированный звук 3.

Для типов звуковых объектов 1 (AAC main), 2 (AAC LC), 3 (AAC SSR) и 4 (AAC LTP) допустима длина фрейма только 1024 отсчета для уровней 1, 2, 3 и 4. Для типов звуковых объектов 1 (AAC main), 2 (AAC LR), 3 (AAC SSR) и 4 (AAC LTP) не разрешены моно или стерео элементы сведения для уровней 1, 2, 3 и 4. Для типа звуковых объектов 6 (AAC Scalable) применяются следующие ограничения. Число уровней AAC не должно превышать 8 в любой из масштабируемых конфигураций. Если тип звуковых объектов 8 (CELP) используется как основной кодер уровня, то число уровней CELP не должно превышать 2. Если тип звукового объекта 7 (TwinVQ) используется как основной кодер слоя, то разрешен только один моно уровень TwinVQ.

Уровни профиля высокого качества приведены в таблице 6.

Таблица 6

Уровни профиля высокого качества

<*> Значение определяет максимальную избыточность на основе доступного звукового объекта с самой большой длиной фрейма. Избыточность может принимать большие значения в случае меньших длин фрейма. Однако использование любого FEC класса не разрешено при 0%. Предел действителен для каждого звукового объекта. Так как это значение не учитывает ни заголовок EP и его биты защиты, ни любой CRC, 5% всегда должны быть добавлены к этому значению для получения необходимого увеличения минимального входного буфера декодера. Это подразумевает, что не более, чем 5% может быть потрачено для заголовка EP и его бит защиты или любого CRC.

<**> Уровни 5 - 8 не включают оперативную память и вычислительную сложность для инструмента EP.

<***> Подразумевается совместное использование рабочих буферов для множественных объектов и элементов канальных пар.

Для типов звуковых объектов 2 (AAC LC), 4 (AAC LTP), 17 (ER AAC LC) и 19 (ER AAC LTP) допустима длина фрейма только 1024 отсчета для уровней 1, 2, 3, 4, 5, 6, 7 и 8. Для типов звуковых объектов 2 (AAC LC) и 4 (AAC LTP) не разрешены моно или стерео элементы сведения для уровней 1, 2, 3, 4, 5, 6, 7 и 8. Для типа звуковых объектов 6 и 20 (ER) AAC Scalable) применяются следующие ограничения. Число уровней AAC не должно превышать 8 для любой масштабируемой конфигурации. Если тип звукового объекта 8 или 24 (ER) CELP) будет использоваться как основной кодер уровня, то число уровней CELP не должно превышать 2.

Уровни профиля низкой задержки приведены в таблице 7.

Таблица 7

Уровни профиля низкой задержки

<*> Значение определяет максимальную избыточность на основе доступного звукового объекта с самой большой длиной фрейма. Избыточность может принимать большие значения в случае меньших длин фрейма. Однако использование любого FEC класса не разрешено при 0%. Предел действителен для каждого звукового объекта. Так как это значение не учитывает ни заголовок EP и его биты защиты, ни любой CRC, 5% всегда должны быть добавлены к этому значению для получения необходимого увеличения минимального входного буфера декодера. Это подразумевает, что не более, чем 5% может быть потрачено для заголовка EP и его бит защиты или любого CRC.

<**> Уровни 5 - 8 не включают оперативную память и вычислительную сложность для инструмента EP.

<***> Подразумевается совместное использование рабочих буферов для множественных объектов и элементов канальных пар.

Уровни профиля натурального звука приведены в таблице 8.

Таблица 8

Уровни профиля натурального звука

<*> Значение определяет максимальную избыточность на основе доступного звукового объекта с самой большой длиной фрейма. Избыточность может принимать большие значения в случае меньших длин фрейма. Однако использование любого FEC класса не разрешено при 0%. Предел действителен для каждого звукового объекта. Так как это значение не учитывает ни заголовок EP и его биты защиты, ни любой CRC, 5% всегда должны быть добавлены к этому значению для получения необходимого увеличения минимального входного буфера декодера. Это подразумевает, что не более, чем 5% может быть потрачено для заголовка EP и его бит защиты или любого CRC.

<****> Уровни 3 и 4 не включают оперативную память и вычислительную сложность для инструмента EP.

Для данного профиля нет ограничений по RCU.

Для типов звуковых объектов 1 (AAC main), 2 (AAC LC), 3 (AAC SSR), 4 (AAC LTP), 17 (ER AAC LC) и 19 (ER AAC LTP) допустима длина фрейма только 1024 отсчета для уровней 1, 2, 3 и 4. Для типов звуковых объектов 1 (AAC main), 2 (AAC LC), 3 (AAC SSR) и 4 (AAC LTP) не разрешены моно или стерео элементы сведения для уровней 1, 2, 3 и 4. Для типа звуковых объектов 6 и 20 (ER) AAC Scalable) применяются следующие ограничения. Число уровней AAC не должно превышать 8 для любой масштабируемой конфигурации. Если тип звукового объекта 8 или 24 (ER) CELP) будет использоваться как основной кодер уровня, то число уровней CELP не должно превышать 2. Если тип звукового объекта 7 или 21 (ER) TwinVQ) будет использоваться как основной кодер уровня, то только один моно уровень TwinVQ допустим.

Уровни профиля звука для Интернета приведены в таблице 9.

Таблица 9

Уровни профиля звука для Интернета

<*> Значение определяет максимальную избыточность на основе доступного звукового объекта с самой большой длиной фрейма. Избыточность может принимать большие значения в случае меньших длин фрейма. Однако использование любого FEC класса не разрешено при 0%. Предел действителен для каждого звукового объекта. Так как это значение не учитывает ни заголовок EP и его биты защиты, ни любой CRC, 5% всегда должны быть добавлены к этому значению для получения необходимого увеличения минимального входного буфера декодера. Это подразумевает, что не более, чем 5% может быть потрачено для заголовка EP и его бит защиты или любого CRC.

<**> Максимальное значение RCU для одного канала в любом объекте этой конфигурации — 4. Для ER BSAC это является ограничением входного размера буфера. Максимальный возможный размер входного буфера в битах для этого случая дается PCU/RCU (таблица 4).

<***> Уровни 4 - 6 не включают оперативную память и вычислительную сложность для инструмента EP.

<****> Подразумевается совместное использование рабочих буферов для множественных объектов и элементов канальных пар.

Для типа звуковых объектов 17 (ER AAC LC) допустима длина фрейма только 1024 отсчета для уровней 1, 2, 3, 4, 5 и 6. Для типа звуковых объектов 20 (ER AAC Scalable) применяются следующие ограничения. Число уровней AAC не должно превышать 8 для любой масштабируемой конфигурации. Если тип звукового объекта 21 (ER TwinVQ) будет использоваться как основной кодер уровня, то только один моно уровень TwinVQ допустим.

Уровни профиля AAC приведены в таблице 10.

Таблица 10

Уровни профиля AAC

Для типа звукового объекта 2 (AAC LC) не разрешены моно или стерео элементы сведения.

Уровни с пометкой «не применяется» введены для сохранения иерархической структуры профиля AAC и профиля AAC высокой производительности. Следовательно, декодер, поддерживающий профиль AAC высокой производительности на данном уровне, может декодировать поток профиля AAC того же самого или более низкого уровня. Уровни с пометкой «не применяется» не обозначены в таблице audioProfileLevelIndication (таблица 14).

Уровни профиля AAC высокой производительности приведены в таблице 11.

Таблица 11

Уровни профиля AAC высокой производительности

Примечание 1 — Для уровней 3 и 4 декодера является обязательным управление инструментом SBR в режиме децимации, если частота дискретизации ядра AAC превышает 24 кГц. Следовательно, если инструмент SBR обрабатывает сигнал AAC на частоте 48 кГц, то внутренняя частота дискретизации инструмента SBR составит 96 кГц, однако выходной сигнал будет подвергнут децимации инструментом SBR до 48 кГц.

Примечание 2 — Для одного или двух каналов максимальная частота дискретизации AAC с включенным SBR составляет 48 кГц. Для более чем двух каналов максимальная частота дискретизации AAC с включенным SBR составляет 24 кГц.

Для типа звукового объекта 2 (AAC LC) не разрешены моно или стерео элементы сведения.

Уровни профиля AAC высокой производительности версии 2 приведены в таблице 12.

Таблица 12

Уровни профиля AAC высокой производительности версии 2

Примечание 1 — Декодеры уровней 2, 3 и 4 HE AAC профиля версии 2 реализуют базовую версию параметрического инструмента стерео. Декодер уровня 5 не должен быть ограничен базовой версией параметрического инструмента стерео.

Примечание 2 — Для уровней декодера 3 и 4 инструмент SBR должен использоваться в режиме децимации, если частота дискретизации ядра AAC выше, чем 24 кГц. Следовательно, если инструмент SBR будет обрабатывать сигнал AAC с частотой дискретизации 48 кГц, то внутренняя частота дискретизации инструмента SBR составит 96 кГц, однако при этом входной сигнал будет децимирован инструментом SBR до 48 кГц.

Примечание 3 — Если присутствуют параметрические стерео данные, то максимальная частота дискретизации AAC составляет 24 кГц, в противном случае максимальная частота дискретизации AAC составляет 48 кГц.

Примечание 4 — Для одного или двух каналов максимальная частота дискретизации AAC с включенным SBR составляет 48 кГц. Для большего числа каналов максимальная частота дискретизации AAC с включенным SBR составляет 24 кГц.

Примечание 5 — Количество PCU/RCU дается для декодера, использующего инструмент SBR, если необходимо.

Для типа звукового объекта 2 (AAC LC) не разрешены моно или стерео элементы сведения.

Декодер профиля HE AAC v2 обрабатывает с помощью инструмента HQ SBR потоки бит, содержащие параметрические стерео данные. Для потоков бит, не содержащих параметрические стерео данные, декодер профиля HE AAC v2 может использовать инструмент HQ SBR или инструмент LP SBR.

Только потоки бит, содержащие строго один отдельный канальный элемент AAC, могут содержать параметрические стерео данные. Потоки бит, содержащие больше одного канала в части AAC, не должны содержать параметрические стерео данные.

Уровни профиля AAC с низкой задержкой приведены в таблице 13.

Таблица 13

Уровни профиля AAC с низкой задержкой

LTP не разрешен. Импульсные данные не разрешены.

3.5.2.4 audioProfileLevelIndication

audioProfileLevelIndication — элемент данных InitialObjectDescriptor. Он показывает профиль и уровень, требуемые для обработки контента, ассоциируемого с InitialObjectDescriptor, согласно таблице 14.

Таблица 14

Значения audioProfileLevelIndication

3.6 Интерфейс MPEG-4 Системы

3.6.1 Введение

Потоки заголовка транспортируются через MPEG-4 Системы. Эти потоки содержат информацию о конфигурации, которая необходима для декодирования и анализа необработанных потоков данных. Однако обновление необходимо только при изменениях в конфигурации.

3.6.2 Синтаксис

3.6.2.1 AudioSpecificConfig

Audio SpecificConfig () расширяет абстрактный класс. В этом случае наличие AudioSpecificConfig () обязательно (см. таблицы 15, 16).

Таблица 15

Синтаксис AudioSpecificConfig ()

Таблица 16

Синтаксис GetAudioObjectType ()

3.6.2.2 Полезная нагрузка

3.6.2.2.1 Краткий обзор

Для объекта NULL размер полезной нагрузки должен быть целым 16-битным числом со знаком в диапазоне от -32768 до +32767. Размеры полезной нагрузки для всех других звуковых типов объекта определены в соответствующих частях. Полезные нагрузки являются основными объектами, которые будет переносить транспортный уровень систем. Для всех схем кодирования натурального звука выходной сигнал масштабируется до максимума 32767/-32768. Однако компоновщик систем MPEG-4 ожидает масштабирование.

Полезные нагрузки без побайтного выравнивания добавляются в конец потока, так как транспортные схемы требуют выравнивания.

3.6.2.2.2 Соответствие полезных звуковых нагрузок блокам доступа и элементарным потокам

3.6.2.2.2.1 AAC Main, AAC LC, AAC SSR, AAC LTP

Одной полезной нагрузке верхнего уровня (raw_data_block ()) соответствует один блок доступа. Последующие блоки доступа формируют один элементарный поток.

3.6.2.2.2.2 AAC Scalable

Одной полезной нагрузке верхнего уровня (aac_scalable_main_element (), ASME) соответствует один блок доступа. Последующие блоки доступа формируют один элементарный поток.

Одной полезной нагрузке верхнего уровня (aac_scalable_extension_element (), ASEE) соответствует один блок доступа. Последующие блоки доступа того же самого уровня расширения формируют один элементарный поток. Это приводит к индивидуальным элементарным потокам для каждого уровня.

Потоки последующих уровней зависят друг от друга.

3.6.2.2.2.3 ER AAC LC, ER AAC SSR, ER AAC LTP, ER AAC, ER AAC LD

Элементы данных соответствующих полезных нагрузок верхнего уровня (er_raw_data_block (), aac_scalable_main_element (), aac_scalable_extension_element ()) подразделены на различные категории в зависимости от ошибочной чувствительности и собраны в экземплярах класса этих категорий. В зависимости от значения epConfig есть несколько способов поставить в соответствие эти экземпляры класса блокам доступа для формирования одного или нескольких элементарных потоков. Последующие элементарные потоки зависят друг от друга.

Примечание - Биты функции byte_alignment (), завершающей полезные нагрузки верхнего уровня AAC, могут быть исключены, если элементы данных согласно полезной нагрузке верхнего уровня не отображаются непосредственно в один блок доступа. Следовательно их можно исключить, если полезная нагрузка верхнего уровня разбита (например, в случае epConfig=1) или подвергнута пост-обработке (например, в случае epConfig=3).

3.6.2.2.2.4 ER AAC ELD

Полезная нагрузка верхнего уровня для ER AAC ELD определена в er_raw_data_block_eld (). Все определения, упомянутые в 3.6.2.2.2.3, также верны для этого AOT.

3.6.3 Семантика

3.6.3.1 AudioObjectType

Пять бит, указывающие тип звукового объекта. Это главный переключать, определяющий фактический синтаксис полезного битового потока звуковых данных. В целом различные типы объектов используют различный синтаксис полезного битового потока. Значения комбинаций битов даны в таблице 1.

3.6.3.2 AudioObjectTypeExt

Этот элемент данных расширяет диапазон типов звуковых объектов.

3.6.3.3 SamplingFrequency

Частота дискретизации, используемая в этом звуковом объекте. Передается либо непосредственно значение, либо код samplingFrequencyIndex.

3.6.3.4 SamplingFrequencyIndex

Четыре бита, указывающие частоту дискретизации. Если samplingFrequencyIndex равно 15, то фактическое значение частоты дискретизации содержится в samplingFrequency. Во всех других случаях samplingFrequency установлено в соответствии с таблицей 17.

Таблица 17

Индекс частоты дискретизации

3.6.3.5 Конфигурация каналов

Четыре бита, указывающие конфигурацию выходных звуковых каналов.

Конфигурация каналов приведена в таблице 18.

Таблица 18

Конфигурация каналов

3.6.3.6 Элемент данных epConfig

Этот элемент данных сообщает тип схемы обработки ошибок (таблица 19).

Таблица 19

Элемент данных epConfig

Таблица 20

Элемент данных directMapping

3.6.3.8 extensionSamplingFrequencyIndex

Четыре бита, указывающие выходную частоту дискретизации инструмента расширения, соответствующего extensionAudioObjectType, согласно таблице 18.

3.6.3.9 extensionSamplingFrequency

Выходная частота дискретизации инструмента расширения, соответствующего extensionAudioObjectType. Передается непосредственно ее значение или код в форме extensionSamplingFrequencyIndex.

3.6.3.10 bits_to_decode

Вспомогательная функция возвращает число битов, еще не декодированных в текущем AudioSpecificConfig (), если о длине этого элемента известно на системном/транспортном уровне. Если размер этого элемента неизвестен, то bits_to_decode () возвращает 0.

3.6.3.11 syncExtensionType

Синхропоследовательность, определяющая начало данных конфигурации расширения. Эти данные конфигурации соответствуют инструменту расширения, кодированные данные которого помещены (обратно совместимым способом) в audioObjectType. Если syncExtensionType присутствует, данные конфигурации инструмента расширения отделены от соответствующего audioObjectType, который учитывает обратно совместимое сообщение. Декодеры, которые не поддерживают инструмент расширения, могут проигнорировать данные конфигурации. Такая обратносовместимая индикация может использоваться только в системах MPEG-4, передающих длину AudioSpecificConfig ().

3.6.3.12 sbrPresentFlag

Флаг, указывающий присутствие или отсутствие данных SBR в случае extensionAudioObjectType = = 5 (явная сигнализация SBR). Значение-1 указывает, что sbrPresentFlag не был передан в AudioSpecificConfig (). В этом случае декодер профиля AAC высокой производительности должен быть в состоянии обнаружить присутствие данных SBR в элементарном потоке.

3.6.3.13 extensionAudioObjectType

Пять битов, указывающие расширения типа звукового объекта. Этот тип объекта соответствует инструменту расширения, который используется для увеличения audioObjectType.

3.6.3.14 psPresentFlag

Бит, указывающий присутствие или отсутствие параметрических стерео данных. Значение -1 указывает, что psPresentFlag не был передан в AudioSpecificConfig (). В этом случае декодер профиля AAC высокой производительности v2 должен поддерживать неявную сигнализацию.

3.6.3.15 fillBits

Биты заполнения для побайтного выравнивания ALSSpecificConfig () относительно начала AudioSpecificConfig ().

3.6.3.16 extensionChannelConfiguration

Четыре бита, указывающие конфигурацию каналов расширений BSAC. Эти данные конфигурации доступны в случае явной сигнализации расширений BSAC. Число выходных звуковых каналов определяется из таблицы 9 конфигурации каналов.

3.6.3.17 sacPayloadEmbedding

Флаг типа звукового объекта 30 MPEG Surround, используемый для передачи служебной информации кодированного пространственного звука для декодирования. В зависимости от этого флага полезная нагрузка MPEG Surround, например SpatialFrame (), доступна различными средствами (см. таблицу 21).

Таблица 21

Элемент данных sacPayloadEmbedding

3.6.4 Восходящие потоки (потоки клиент-сервер)

3.6.4.1 Введение

Восходящие потоки данных вводятся для того, чтобы позволить удаленному пользователю динамически управлять потоками из сервера.

Сигнал запроса восходящего потока данных поступает на клиентский терминал, предоставляя дескриптор соответствующего элементарного потока с указанием его параметров. Клиентский терминал открывает этот канал восходящего потока данных аналогично открытию нисходящего потока. Объекты (например, кодеры и декодеры), которые подключены через канал восходящего потока данных, известны через параметры дескриптора элементарного потока и ассоциацию дескриптора элементарного потока с определенным дескриптором объекта.

Восходящий поток данных может быть связан с отдельным потоком или группой (нисходящих) потоков. Тип нисходящего потока, связанного с восходящим, определяет область видимости восходящего потока данных. Когда восходящий поток данных связан с отдельным нисходящим потоком, он несет сообщения об этом потоке. Синтаксис и семантика сообщений для MPEG-4 Аудио определены в следующем подзаголовке.

3.6.4.2 Синтаксис AudioUpstreamPayload () (таблица 22)

Таблица 22

Синтаксис AudioUpstreamPayload ()

3.6.4.3 Определения

upStreamType — 4-битовое беззнаковое целое, представляющее тип восходящего потока данных, в соответствии с таблицей 23.

Таблица 23

Определение upStreamType

avgBitrate [level] — среднее значение скорости передачи в битах в секунду для уровня с большим шагом, который запрашивает клиент для передачи с сервера.

numOfSubFrame — 5-битовое беззнаковое целое, представляющее количество фреймов, сгруппированных для уменьшения загрузки канала передачи. При этом задержка увеличивается пропорционально numOfSubFrame.

multiLayOrSynEle — бит сигнализирует об использовании многоканальной или многоуровневой конфигурации. В этом случае требуется передача номеров уровней или элементов.

layOrSynEle — 6-битовое беззнаковое целое, представляющее число синтаксических элементов (в случае многоканального режима) или число уровней (в случае многоуровневого режима), которым соответствует следующая информация контроля качества. Это число относится к одному из уровней или синтаксических элементов, содержащихся в пределах ассоциируемого звукового объекта. Если звуковой объект не поддерживает ни масштабируемость, ни многоканальные возможности, это значение равно 1.

numFrameExp [layOrSynEle] — это значение указывает количество последних переданных фреймов (2numFrameExp — 1), которое учитывается в следующем значении lostFrames.

lostFrames [layOrSynEle] — эта область содержит число потерянных фреймов относительно обозначенного уровня или синтаксического элемента в пределах последних переданных фреймов, о которых сообщает numFrameExp.

avgBitrate — среднее значение скорости передачи в битах в секунду целого звукового объекта, который был запрошен клиентом с сервера.

3.6.4.4 Процесс декодирования

В первую очередь upStreamType анализируется для обнаружения его типа, от которого зависит остальное декодирование.

3.6.4.4.1 Декодирование управления масштабируемости

Далее декодируется значение numOfLayer. Это представляет число элементов данных avgBitrate, которое необходимо считать. После этого следует avgBitratefollows.

3.6.4.4.2 Декодирование чередования во фрейме BSAC

Считывается элемент данных numOfSubFrame. Он представляет собой число подфреймов, которые будут чередоваться в инструменте BSAC. BSAC позволяет корректировку в процессе работы. Далее контент восходящего потока данных передается от клиента на сервер для осуществления динамической и интерактивной передачи. Данные BSAC разбиваются и объединяются в сервере.

3.6.4.4.3 Декодирование контроля качества

Процент потерянных фреймов может быть получен, используя следующую формулу

frameLossRate[layOrSynEle] = \frac{lostFrames[layOrSynEle]}{2^{numFrameExp[layOrSynEle]} - 1} *100\% .

3.6.4.4.4 Декодирование контроля скорости передачи

Происходит обнаружение avgBitrate.

3.6.5 Сигнализация SBR

3.6.5.1 Генерация и сигнализация контента AAC+SBR

Инструмент SBR в комбинации с кодером AAC обеспечивает существенное увеличение эффективности сжатия звука. В то же самое время обеспечивается совместимость с AAC декодерами. Однако качество звука декодеров без инструмента SBR будет значительно ниже по сравнению с теми, которые поддерживают инструмент SBR. Поэтому в зависимости от приложения поставщик контента или его создатель могут выбрать между этими двумя вариантами. Данные SBR всегда внедряются в поток AAC таким образом, чтобы была обеспечена совместимость с AAC (в extension_payload), а SBR относится к пост-процессингу в декодере. Это позволяет достичь совместимости. Однако путем различной сигнализации создатель контента может выбрать между режимом полного качества и режимом обратной совместимости способом, указанным ниже.

Ни один из методов сигнализации SBR, описанных в этом подзаголовке, не является допустимым для AAC ELD. Вместо этого используется флаг IdSbrPresentFlag в ELDSpecificConfig () для сигнализации использования инструмента Low Delay SBR.

3.6.5.1.1 Обеспечение полного качества звучания AAC + SBR для слушателя

Чтобы гарантировать получение всеми слушателями полного звукового качества AAC + SBR, поток должен соответствовать профилю HE ACC и использовать явную сигнализацию, чтобы быть обработанным декодером профиля HE ACC. Указанный декодер в состоянии обработать все потоки профиля AAC соответствующего уровня, так как профиль HE ACC — надмножество профиля AAC.

3.6.5.1.2 Достижение обратной совместимости с существующими декодерами AAC

Цель этого режима состоит в том, чтобы обеспечить воспроизведение потока на любых AAC декодерах, даже если они не поддерживают инструмент SBR. Совместимые потоки могут быть созданы следующими двумя способами сигнализации:

а) индикация профиля, содержащего AAC данные (например, профиля AAC), кроме профиля HE ACC, и использование явной обратносовместимой сигнализации (как описано ниже). Этот метод рекомендуется для всех основных систем MPEG-4, в которых длина AudioSpecificConfig () известна декодеру. Из-за проблемы с LATM при audioMuxVersion = = 0 (см. 1.7) этот метод не может использоваться для LATM с audioMuxVersion = = 0. При явной обратносовместимой сигнализации данные SBR добавляются в конец AudioSpecificConfig (). Декодеры, которые не поддерживают SBR, проигнорируют эти части, в то время как декодеры профиля HE ACC обнаружат ее присутствие и сконфигурируют декодер соответствующим образом;

б) индикация профиля, содержащего AAC, кроме профиля HE ACC, и использование неявной сигнализации. В этом режиме нет никакой явной индикации присутствия SBR данных. Декодеры проверяют наличие данных при декодировании потока и используют инструмент SBR, если данные SBR найдены. Это возможно, потому что SBR может быть декодирован без конфигурационных данных SBR при определенном способе выбора выходной частоты дискретизации, как описано ниже для декодеров профиля HE ACC.

Оба метода приводят к тому, что часть AAC потоков AAC+SBR будет декодирована декодерами AAC. Декодеры AAC+SBR обнаружат присутствие SBR и декодируют полный качественный поток AAC+SBR.

3.6.5.2 Неявная и явная сигнализация SBR

В этом подразделе описаны различные методы сигнализации SBR и соответствующее поведение декодеров.

Есть несколько способов сигнализации данных SBR:

1 Неявная сигнализация: Если EXT_SBR_DATA или EXT_SBR_DATA_CRC элементы extension_payload () обнаружены в полезном битовом потоке, это неявно сигнализирует о присутствии данных SBR. Способность обнаружить и декодировать SBR с неявной сигнализацией обязательна для всех декодеров профиля High Efficiency AAC (HE ACC).

2 Явная сигнализация: наличие данных SBR сигнализируется явным образом посредством типа звукового объекта SBR в AudioSpecificConfig (). Когда используется явная сигнализация, неявная не должна применяться. Допустимы два различных типа явной сигнализации:

а) иерархическая сигнализация: если первый сигнализируемый audioObjectType (AOT) является SBR AOT, то сигнализируется второй тип звукового объекта, который указывает на основной тип. Этот тип сигнализации не является обратносовместимым. Он может быть необходим в системах, которые не передают длину AudioSpecificConfig (), таких как LATM с audioMuxVersion = = 0, где производители контента должны использовать это только по необходимости;

б) обратносовместимая сигнализация: extensionAudioObjectType сигнализируется в конце AudioSpecificConfig (). Этот метод должен использоваться в системах, которые передают длину AudioSpecificConfig (). Следовательно это не должно использоваться для LATM с audioMuxVersion = = 0.

Таблица 24 отражает поведение декодера в зависимости от профиля и индикации типа звукового объекта, когда используется неявная или явная сигнализация.

Таблица 24

Сигнализация SBR и соответствующее поведение декодера

Примечание 1 — Неявная сигнализация: необходимо проверить полезную нагрузку для определения выходной частоты дискретизации или принять наличие данных SBR в полезной нагрузке, означающих, что выходная частота дискретизации равна удвоенной частоте дискретизации samplingFrequency в AudioSpecificConfig () (до тех пор, пока инструмент SBR не используется или двойная частота дискретизации, обозначенная как samplingFrequency, превышает максимальное позволенное для уровня значение, выходная частота дискретизации равна samplingFrequency).

Примечание 2 — Явная сигнализации указывает на отсутствие данных SBR, следовательно, отсутствие неявной сигнализации; выходная частота дискретизации равна samplingFrequency в AudioSpecificConfig ().

Примечание 3 — Выходная частота дискретизации равна extensionSamplingFrequency в AudioSpecificConfig ().

3.6.5.3 Поведение декодера профиля HE ACC в случае неявной сигнализации

Если присутствие данных SBR сигнализируется обратносовместимым методом [сигнализация 2.а], extensionAudioObjectType не является SBR AOT, и sbrPresentFlag установлен в -1, указывая, что неявная сигнализация может произойти.

Так как декодер профиля HE ACC представляет собой систему с двойной скоростью, с инструментом SBR, работающим на удвоенной частоте дискретизации основного декодера AAC, выходная частота дискретизации не может быть принята за частоту дискретизации декодера AAC из-за неявной сигнализации SBR. Декодер должен определить выходную частоту дискретизации любым из следующих двух методов:

• проверить присутствие данных SBR в полезном битовом потоке до декодирования. Если никакие данные SBR не найдены, выходная частота дискретизации равна samplingFrequency в AudioSpecificConfig (). Если данные SBR найдены, то частота равна удвоенной samplingFrequency в AudioSpecificConfig;
• предположить, что данные SBR присутствуют и принять выходную частоту дискретизации в два раза больше, чем в AudioSpecificConfig ().

Вышеупомянутое применяется только в том случае, если удвоенная частота дискретизации, сигнализируемая в AudioSpecificConfig (), не превышает максимальную выходную частоту дискретизации, учитывая текущее значение. Следовательно, для декодера профиля HE ACC уровней 2, 3 или 4 выходная частота дискретизации равна типовой, которая сигнализируется в AudioSpecificConfig (), если последняя превышает 24 кГц.

Инструмент SBR с децимацией должен использоваться, если нужно гарантировать, что выходная частота дискретизации не будет превышать максимальное допустимое значение для текущего уровня декодера профиля AAC высокой производительности.

3.6.5.4 Поведение декодера профиля HE ACC в случае явной сигнализации

Если присутствие данных SBR явно сигнализируется (сигнализация 2), то используется обратносовместимая явная сигнализация [сигнализация 2.б] или несовместимая явная сигнализация [сигнализация 2.а].

Для обратносовместимой явной сигнализации [сигнализация 2.б] сигнализируемый extensionAudioObjectType является SBR AOT. Для этого передается обратносовместимая явная сигнализация о sbrPresentFlag, который может быть нулем или единицей. Если sbrPresentFlag — нуль, это указывает, что данные SBR отсутствуют и, следовательно, декодер профиля HE ACC не должен проверять Fill-элемент на наличие данных SBR или делать предположение о выходной частоте дискретизации в ожидании данных SBR. Если sbrPresentFlag — один, данные SBR присутствуют и декодер профиля HE ACC должен управлять инструментом SBR.

Для несовместимой явной сигнализации SBR [сигнализация 2.а] сигнализируемый extensionAudioObjectType является SBR AOT. Для этой иерархической явной сигнализации sbrPresentFlag установлен, если extensionAudioObjectType — SBR. sbrPresentFlag не передается и, следовательно, невозможно явно сигнализировать об отсутствии неявной сигнализации. Следовательно при иерархической явной сигнализации данные SBR всегда присутствуют, и декодер профиля HE ACC должен управлять инструментом SBR.

Инструмент SBR с децимацией должен использоваться, если выходная частота дискретизации превысит максимально допустимую выходную частоту дискретизации для текущего уровня или если extensionSamplingFrequency равна samplingFrequency.

3.6.6 Сигнализация параметрического стерео (PS)

3.6.6.1 Генерация и сигнализация контента HE ACC + PS

Инструмент PS в комбинации с кодером HE ACC обеспечивает хорошее качество стерео при очень низких скоростях передачи. В то же самое время он позволяет обеспечить совместимость с существующими декодерами HE ACC. Однако выход декодера HE ACC будет только моно для потока HE ACC v2, содержащего данные PS.

Следовательно, в зависимости от приложения поставщик контента или создатель контента могут выбрать из двух вариантов, данных ниже. В целом данные PS всегда помещаются в поток HE ACC совместимым образом (в sbr_extension элемент), и PS полностью принадлежит к пост-обработке. Это позволяет достичь совместимости. Посредством различной сигнализации создатель контента может выбрать между режимом полного качества и режимом обратной совместимости, как показано в 3.6.6.1.1 и 3.6.6.1.2.

Для иерархических профилей более высокий профиль в иерархии в состоянии декодировать контент более низкого профиля иерархии. На рисунке 1 отображена иерархическая структура профилей AAC, HE ACC и HE ACC v2. Из рисунка видно, что декодер профиля HE ACC полностью способен декодировать любой поток AAC, при условии, что декодер профиля HE ACC имеет тот же или более высокий уровень. Так же декодер профиля HE ACC v2 определенного уровня может обработать все потоки профиля HE ACC того же самого уровня или ниже, так же как и все потоки профиля AAC того же самого или более низкого уровня.

Рисунок 1 — Структура иерархии профилей AAC, HE ACC и HE ACC v2 и совместимость между ними

3.6.6.1.1 Обеспечение полного звукового качества AAC+SBR+PS для слушателя

Чтобы гарантировать получение слушателями полного звукового качества AAC+SBR+PS, поток должен соответствовать профилю HE ACC v2 и использовать явную иерархическую сигнализацию [сигнализация 2.а, как описано ниже] так, чтобы он был воспроизведен декодерами профиля HE ACC v2, то есть PS декодерами. Декодер профиля HE ACC v2 будет декодировать все потоки профиля HE ACC и AAC соответствующего уровня, так как профиль HE ACC v2 является надмножеством профилей HE ACC и AAC.

3.6.6.1.2 Достижение обратной совместимости с существующими HE ACC и AAC

Цель этого режима состоит в обеспечении возможности воспроизведения потока на всех декодерах профилей AAC и HE ACC, даже если они не поддерживают инструмент PS. Совместимые потоки могут быть созданы следующими двумя способами сигнализации:

а) индикация профиля, содержащего SBR данные (например, профиля HE ACC), кроме профиля HE ACC v2, и использование явной обратносовместимой сигнализации [2б, как описано ниже]. Этот метод рекомендуется для всех MPEG-4 систем, в которых длина AudioSpecificConfig () известна декодеру. Из-за проблемы с LATM при audioMuxVersion = = 0 (см. 1.7) этот метод не может использоваться для LATM с audioMuxVersion = = 0. При явной обратносовместимой сигнализации данные PS добавляются в конец AudioSpecificConfig (). Декодеры, которые не поддерживают PS, проигнорируют эти части, в то время как декодеры профиля HE ACC v2 обнаружат их присутствие и сконфигурируют декодер соответствующим образом;

б) индикация профиля, содержащего SBR (например, профиля HE ACC), кроме профиля HE ACC v2, и использование неявной сигнализации. В этом режиме нет никакой явной индикации присутствия PS данных.

Вместо этого декодеры профиля HE ACC v2 открывают два выходных канала для потока, содержащего SBR данные с channelConfiguration= =1, например моно поток с одним канальным элементом, проверяют наличие PS данных и применяют инструмент PS, если PS данные были обнаружены. Это возможно, так как PS может быть декодировано без конфигурационных данных, если соблюдается определенный способ декодирования каналов в соответствии с профилем HE ACC v2.

Оба метода приводят к тому, что часть AAC+SBR потоков AAC+SBR+PS будет декодирована декодерами HE ACC, а часть AAC потока AAC+SBR+PS будет декодирована декодерами AAC. Декодеры HE ACC v2 обнаружат присутствие PS и декодируют полный качественный поток AAC+SBR+PS.

3.6.6.2 Неявная и явная сигнализация параметрического стерео

В этом подразделе описаны различные методы сигнализации SBR и соответствующее поведение декодеров.

Есть несколько способов сигнализации данных PS:

1 Неявная сигнализация: если bs_extension_id равен EXTENSION_ID_PS, данные PS представлены в элементе sbr_extension; это неявно сигнализирует о присутствии данных PS. Способность обнаружить и декодировать PS с неявной сигнализацией обязательна для всех декодеров профиля High Efficiency AAC v2 (HE ACC v2).

2 Явная сигнализация: наличие данных PS сигнализируется явным образом посредством типа звукового объекта PS и флага psPresentFlag в AudioSpecificConfig (). Когда используется явная сигнализация PS, неявная не должна применяться. Допустимы два различных типа явной сигнализации:

а) иерархическая сигнализация: Если первый сигнализируемый audioObjectType (AOT) является PS AOT, то extensionAudioObjectType устанавливается в SBR и сигнализируется второй тип звукового объекта, который указывает на основной тип. Этот тип сигнализации не является обратно совместимым. Он может быть необходимым в системах, которые не передают длину AudioSpecificConfig (), таких как LATM с audioMuxVersion = = 0, где производители контента должны использовать это только по необходимости;

б) обратносовместимая сигнализация: extensionAudioObjectType сигнализируется в конце AudioSpecificConfig (), а флаг psPresentFlag передается в конце обратносовместимой явной сигнализации SBR, указывая наличие или отсутствие данных PS. Этот метод должен использоваться в системах, которые передают длину AudioSpecificConfig (). Следовательно, это не должно использоваться для LATM с audioMuxVersion = = 0.

Для всех типов сигнализации параметрического стерео channelConfiguration в audioSpecificConfig показывает количество каналов потока AAC. Таким образом, если данные параметрического стерео присутствуют, channelConfiguration равно 1, т.е. один канальный элемент, а инструмент параметрического стерео произведет два выходных канала на основе одного канального элемента и данных параметрического стерео.

Таблица 25 отражает поведение декодера в зависимости от профиля и индикации типа звукового объекта, когда используется неявная или явная сигнализация.

Таблица 25

Сигнализация PS и соответствующее поведение декодера

Примечание 1 — Неявная сигнализация; принять наличие данных PS в полезной нагрузке, получив два выходных канала из одного элемента канала.

Примечание 2 — Явная сигнализация о том, что нет никаких данных PS, следовательно, отсутствует неявная сигнализация.

Примечание 3 — Число выходных каналов равно двум для одного элемента канала, содержащего AAC+SBR+PS данные.

3.6.6.3 Поведение декодера профиля HE ACC v2 в случае неявной сигнализации

Если присутствие данных PS сигнализируется неявным обратносовместимым образом [сигнализация 1], то первый сигнализируемый AudioObjectType не является PS AOT и флаг psPresentFlag не считывается из AudioSpecificConfig(). Далее флаг psPresentFlag устанавливается в -1, показывая что неявная сигнализация параметрического стерео может применяться.

Так как полученный моно поток будет преобразован в стерео выход при наличии данных параметрического стерео в потоке, то декодер профиля HE ACC v2 должен подразумевать наличие данных PS и принимать решение о количестве выходных каналов, равном 2 для одного канального элемента, содержащего SBR данные и, возможно, PS данные. Если данных PS не было обнаружено, моно выход должен быть поставлен в соответствие двум открытым каналам для каждого отдельного канального элемента.

3.6.6.4 Поведение декодера профиля HE ACC v2 в случае явной сигнализации

Если присутствие данных PS сигнализируется явным образом (сигнализация 2), то для этого используется обратносовместимая явная сигнализация [сигнализация 2.б] или явная сигнализация без обратной совместимости [сигнализация 2.а].

При обратносовместимой явной сигнализации [сигнализация 2.б] сигнализируемый extensionAudioObjectType является SBR AOT. Явная сигнализация PS выполняется посредством psPresentFlag, который может быть нулем или единицей.

Если psPresentFlag равен нулю, это указывает, что данные PS отсутствуют и, следовательно, декодер профиля HE ACC v2 не должен принимать решение о числе выходных каналов в ожидании данных PS (как в случае неявной сигнализации PS), и вместо этого использовать оригинальный channelConfiguration. Если psPresentFlag равен одному, данные PS присутствуют и декодер профиля HE ACC v2 должен управлять инструментом PS.

Для явной сигнализации PS без обратной совместимости [сигнализация 2.а] первый сигнализируемый AudioObjectType является PS AOT. extensionAudioObjectType назначают SBR AOT. Для этой иерархической явной сигнализации флаг psPresentFlag устанавливается в единицу, если первый сигнализируемый AOT — PS AOT. psPresentFlag не передается и, следовательно, невозможно сигнализировать явным образом об отсутствии неявной сигнализации. Следовательно, для иерархической явной сигнализации параметрического стерео данные PS всегда присутствуют и декодер профиля HE ACC v2 должен управлять инструментом PS.

3.6.7 Интерфейс между частями Аудио и Системами

3.6.7.1 Введение

В этой части описывается интерфейс между MPEG-4 Аудио и MPEG-4 Системами.

Каждый блок доступа, доставленный звуковому декодеру системным интерфейсом, должен привести к соответствующему композитному блоку, доставляемому от звукового декодера к системному интерфейсу. Это должно включать условия начала и завершения, то есть, когда блок доступа будет первым или последним в конечной последовательности блоков доступа.

3.6.7.2 Обработка временных меток композиции

Для блока звуковой композиции временная метка композиции (CTS) определяет, что время композиции относится к n-му звуковому отсчету в пределах блока композиции. Значение n принимается равным 1, если не указано другое.

Для сжатых данных, таких как кодированный звук HE ACC, которые могут быть декодированы декодерами различных профилей, декодирование может быть выполнено как обратносовместимым путем (только AAC), так и в расширенном виде (AAC+SBR). Чтобы обеспечить корректную обработку временных меток композиции (так, чтобы звук остался синхронизированным с другими медиа), применяется следующее:

если сжатые данные позволяют как обратносовместимое, так и расширенное декодирование, и если декодер работает обратносовместимым образом, то ему не нужно выполнять никаких специальных действий. В этом случае, значение n равно 1;

если сжатые данные позволяют как обратносовместимое, так и расширенное декодирование, и если декодер работает в расширенном режиме, используя постпроцессор, который вызывает некоторую дополнительную задержку (например, постпроцессор SBR в HE ACC), то необходимо учесть эту дополнительную задержку с помощью конкретного значения n из таблицы 26.

Таблица 26

Обработка временной метки композиции для различных режимов декодера

Примечание - Задержка из-за постпроцессинга дается в количестве отсчетов (на один звуковой канал) при выходной частоте дискретизации для данного режима декодера.

3.6.8 Сигнализация полезных нагрузок расширения BSAC

Метод неявной сигнализации полезных нагрузок расширения BSAC аналогичен тому, что применяется в инструменте SBR. Декодер BSAC, который может декодировать полезную нагрузку расширения BSAC, проверяет наличие расширения для инструмента SBR 'EXT_BSAC_SBR_DATA' в bsac_raw_data_block (). Частота дискретизации должна быть обновлена при обнаружении расширения, а инструмент SBR должен управляться в режиме двойной скорости.

Декодер расширения BSAC проверяет наличие типа расширения для расширения канала BSAC, например 'EXT_BSAC_CHANNEL' в bsac_raw_data_block (). В случае многоканального типа расширения номер канала из AudioSpecificConfig () для объекта типа BSAC Аудио обновляется в зависимости от 'channel_configuration_index' каждого extended_bsac_base_element ().

Когда используется явная сигнализация, неявная сигнализация не должна использоваться. Доступны два различных метода явной сигнализации:

1 Метод явной сигнализации 1: иерархическая сигнализация

Если первым сигнализируемым audioObjectType (AOT) является SBR AOT, сигнализируется второй тип звукового объекта, который указывает BSAC ER AOT. extensionChannelConfiguration указывает общее количество каналов в bsac_raw_data_block ().

2 Метод явной сигнализации 2: обратносовместимая сигнализация

extensionAudioObjectType сигнализируется в конце AudioSpecificConfig (). Если extensionAudioObjectType — BSAC ER AOT, то extensionChannelConfiguration указывает общее количество каналов в bsac_raw_data_block (). Этот метод должен использоваться только в системах, которые передают длину AudioSpecificConfig (). Следовательно это не должно использоваться для LATM с audioMuxVersion = = 0.

Таблица 27 объясняет поведение декодера с SBR и сигнализацией расширения канала BSAC.

Таблица 27

Сигнализация SBR и расширения канала BSAC и соответствующее поведение декодера