ГОСТ Р 53556.10-2014. Национальный стандарт Российской Федерации. Звуковое вещание цифровое. Кодирование сигналов звукового вещания с сокращением избыточности для передачи по цифровым каналам связи. Часть III (МPEG-4 audio). Передискретизация аудио

(утв. и введен в действие Приказом Росстандарта от 18.04.2014 № 386-ст)

Утвержден и введен в действие Приказом Федерального агентства по техническому регулированию и метрологии от 18 апреля 2014 г. № 386-ст

НАЦИОНАЛЬНЫЙ СТАНДАРТ РОССИЙСКОЙ ФЕДЕРАЦИИ

ЗВУКОВОЕ ВЕЩАНИЕ ЦИФРОВОЕ

КОДИРОВАНИЕ СИГНАЛОВ ЗВУКОВОГО ВЕЩАНИЯ С СОКРАЩЕНИЕМ ИЗБЫТОЧНОСТИ ДЛЯ ПЕРЕДАЧИ ПО ЦИФРОВЫМ КАНАЛАМ СВЯЗИ

ЧАСТЬ III (МPEG-4 AUDIO)

ПЕРЕДИСКРЕТИЗАЦИЯ АУДИО

Sound broadcasting digital. Coding of signals of sound broadcasting with reduction of redundancy for transfer on digital communication channels. Part III (MPEG-4 audio). Oversampled audio

ISO/IEC 14496-3:2009 (NEQ)

ГОСТ Р 53556.10-2014

ОКС 33.170

Дата введения 1 января 2015 года

Предисловие

1 РАЗРАБОТАН ТК 480 «Связь»

2 ВНЕСЕН Техническим комитетом по стандартизации № 480 «Связь»

3 УТВЕРЖДЕН И ВВЕДЕН В ДЕЙСТВИЕ Приказом Федерального агентства по техническому регулированию и метрологии от 18 апреля 2014 г. № 386-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» (ISO/IEC 14496-3:2009 «Information technology — Coding of audio-visual objects — Part 3: Audio», NEQ) [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 информационного указателя «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

Стандарт описывает алгоритм кодирования без потерь MPEG-4 для передискретизированных аудиосигналов.

2 Термины и определения

В этом стандарте используются следующие термины и определения:

3 Условные обозначения

3.1 Арифметические и битовые операции

3.2 Упорядочивание разрядов

Графическое изображение всех многоразрядных величин является таким, что старший значащий бит (msb) расположен слева, а младший значащий бит (lsb) — справа. Рисунок 1 определяет позицию двоичного разряда в байте.

Рисунок 1 — Упорядочивание бита в байте

3.3 Последовательность разрядов

Во всех местах, где используется последовательность битов, применяется нотация со старшим значащим разрядом на первом месте.

3.4 Десятичная запись

Всем десятичным величинам предшествуют пробел или индикатор диапазона (..), когда включено в диапазон. Старшая значащая цифра находится слева, младшая значащая цифра — справа.

3.5 Порядок битов DSD

Первый выбранный бит DSD сохраняется в старшем значащем бите байта.

3.6 Полярность DSD

Бит DSD, равный единице, означает «плюс». Бит DSD, равный нулю, означает «минус».

3.7 Шестнадцатеричная нотация

Всем шестнадцатеричным значениям предшествует $. Старший значащий полубайт располагается слева, младший значащий полубайт — справа.

3.8 Диапазон

Constant_1.. Constant_2 обозначают диапазон от и включая Constant_1 до и включая Constant_2, с инкрементами 1.

3.9 Until

Until используется в рисунках, чтобы указать, что для позиции байта структуры используются до, но не включая, данное значение.

В позиции байта B₁ выражение «until B₂» определяет байты B₂-B₁. В позиции байта B₁ выражение, «until esc» определяет число байтов от B₁ до и включая последний байт текущего сектора. Позиция байта определяется относительно начала текущего или предыдущего сектора.

4 Основные типы

4.1 BsMsbf

Последовательность битов, старший значащий бит сначала, должна интерпретироваться как строка битов.

4.2 Char

Закодированный однобайтовый символ. NUL (нулевой) символ ($00) не разрешен для Char.

4.3 SiMsbf

Последовательность битов должна интерпретироваться как целое число со знаком.

4.4 UiMsbf

Последовательность битов должна интерпретироваться как целое число без знака.

4.5 Uintn

Закодированный двоичный файл n битов, численное значение без знака.

4.6 Uint8

Двоично закодированное 8-битовое численное значение без знака. Значение Uint8 должно записываться в однобайтовом поле.

4.7 Uint16

Двоично закодированное 16-битовое численное значение без знака. Значение Uint16, представленное шестнадцатеричным представлением $wxyz, должно записываться в двухбайтовом поле как $wx $yz (старший значащий байт сначала).

4.8 Uint32

Двоично закодированное 32-битовое численное значение без знака. Значение Uint32, представленное шестнадцатеричным представлением $stuvwxyz, должно записываться в четырехбайтовом поле как $st $uv $wx $yz (старший значащий байт сначала).

5 Полезные нагрузки для аудиообъекта

5.1 Конфигурация декодера (DSTSpecificConfig)

Таблица 1

Синтаксис Audio_Frame ()

5.2 Полезная нагрузка потока битов

Таблица 2

Синтаксис Audio_Frame ()

Таблица 3

Синтаксис DSD

Таблица 4

Синтаксис DST

Таблица 5

Синтаксис сегментации

Таблица 6

Синтаксис сегментов

Таблица 7

Синтаксис Channel_Segmentation

Таблица 8

Синтаксис отображения

Таблица 9

Синтаксис отображений

Таблица 10

Синтаксис Channel_Mapping

Таблица 11

Синтаксис Half_Probability

Таблица 12

Синтаксис Arithmetic_Coded_Data

Таблица 13

Синтаксис Filter_Coef_Sets

Таблица 14

Синтаксис Probability_Tables

6 Семантика

6.1 Аудиопотоки

Аудиопоток содержит аудиосигнал DSD (простой DSD или DST-кодированный DSD). Аудиопоток является конкатенацией всех аудиофреймов в потоке байтов.

6.1.1 Данные потока битов дискретизированного DSD

Для сигнала 2-канального аудио разрядная последовательность дискретизированного DSD определяется следующим образом: L₀, L₁, L₂, L3, L4, L5, L6, L7, R0, R1, R2, R3, R4, R5, R6, R7, L8, L9, L10, ..., где L0 является первым битом выборки левого канала аудиофрейма.

Для каждого звукового канала восемь последовательных битов выборки группируются в один аудиобайт. Старший значащий бит аудиобайта является первым битом выборки этого байта.

6.1.2 Структура аудиопотока

У кодированных аудиофреймов DST существует переменная длина. Эталонная модель декодера DST определяется в разделе 7.

6.1.3 Audio_Frame

Audio_Frame (аудиофрейм) содержит кодированную DST или просто DSD аудиоинформацию для одного фрейма. Максимальный размер Audio_Frame равен размеру кодированного просто DSD Audio_Frame плюс один байт. Синтаксис Audio_Frame определяется в таблице 1.

N_Channels является числом используемых звуковых каналов.

6.2 DSD содержит аудиоданные для одной Audio_Frame простого DSD. Синтаксис DSD определяется в полезной нагрузке потока битов

Channel_Nr является номером звукового канала.

Frame_Length является длиной аудиофрейма в байтах на звуковой канал. Frame_Length может быть вычислено, исходя из частоты дискретизации по формуле:

Frame_Length = \frac{SamplingFrequence}{75*8} bytesperAudioChannel

Частота дискретизации может быть: 6444100 Гц, 12844100 Гц или 256*44100 Гц. Соотношение между Frame_Length и частотой дискретизации дается в таблице 15.

Таблица 15

Соотношение Frame_Length и частоты дискретизации

DSDDST_Coded сигнализирует, кодирован ли поток битов DSD или DST. Если DSDDST_Coded = % 0 — это DSD-кодированный поток, а если DSDDST_Coded = % 1 — DST-кодированный.

6.2.1 DSD_Byte

DSD_Byte [Channel_Nr] [Byte_Nr] содержит сигнал DSD как определено в 6.1.1.

6.2.1.1 DST

DST содержит аудиоданные для кодированного Audio_Frame одного DST. Синтаксис DST определяется в таблице 4.

6.2.1.1.1 Processing_Mode

Если бит Processing_Mode устанавливается в единицу, Audio_Frame содержит DST_X_Bit и сигнал DSD в форме кодирования без потерь. Если бит Processing_Mode обнуляется, Audio_Frame содержит DST_X_Bit и сигнал DSD без кодирования без потерь.

6.2.1.1.2 DST_X_Bit

Если Frame_Format DST_Coded, то каждый Audio_Frame содержит один бит DST_X_Bit. При кодировании DST_X_Bit должен быть обнулен. Декодер должен проигнорировать контент DST_X_Bit.

6.2.1.1.3 Зарезервировано

Это значение должно быть установлено в ноль.

6.2.1.1.4 DSD

См. 6.1.1.

6.2.1.1.5 Сегментация

Для каждого звукового канала аудиофрейм делится на один или более сегментов для фильтров и один или более сегментов для Ptables. Каждый сегмент может использовать различные фильтр прогноза/Ptable. Синтаксис сегментации определяется в таблице 5.

Filter_Segmentation

Для каждого звукового канала аудиофрейм делится на один или более сегментов для фильтров прогноза. Каждый сегмент может использовать различные фильтры прогноза. Переменные Nr_Of_Segments[ ] и Segment_Length[ ][ ] из Segment_Alloc, используемые для Filter_Segmentation, упоминаются как Filters.Nr_Of_Segments[Channel_Nr] и Filters.Segment_Length[Channel_Nr][1..Filters.Nr_Of_Segments[Channel_Nr]], где Channel_Nr = 1.. N_Channels.

Ptable_Segmentation

Для каждого звукового канала аудиофрейм делится на один или более сегментов для Ptables. Каждый сегмент может использовать различные Ptable. Переменные Nr_Of_Segments[] и Segments_Length[][] из Segment_Alloc, используемые для Ptable_Segmentation, упоминаются как Ptables.Nr_Of_Segments[Channel_Nr] и Ptables.Segment_Length[Channel_Nr][1..Ptables.Nr_Of_Segments[Channel_Nr]], где Channel_Nr = 1.. N_Channels.

Filter_And_Ptable_Segmentation

Для каждого звукового канала аудиофрейм делится на один или более сегментов. Каждый сегмент может использовать различные комбинации Prediction Filter и Ptable. Для каждого звукового канала должны быть истиной следующие уравнения:

Filters.Nr_Of_Segments[Channel_Nr] = Ptables. Nr_Of_Segments[Channel_Nr] = Nr_Of_Segments[Channel_Nr]

Filters.Segment_Length [Channel_Nr] [ ] = Ptables. Segment_Length [Channel_Nr] [ ] = Segment_Length [Channel_Nr] [ ],

где Channel_Nr= 1.. N_Channels.

6.2.1.1.5.1 Same_Segmentation

Если Same_Segmentation равно единице, Ptables и фильтры прогноза используют одну и ту же сегментацию. Если Same_Segmentation является нулем, разделение для аудиофрейма для фильтров прогноза независимо от разделения для Ptables.

6.2.1.1.5.2 Segment_Alloc

Segment_Alloc определяет сегментацию для фильтров прогноза и/или Ptables. Синтаксис Segment_Alloc определяется в таблице 6.

Для каждого звукового канала переменные Nr_Of_Segments и Segment_Length [1.. Nr_Of_Segments] из Channel_Segmentation упоминаются как Nr_Of_Segments [Channel_Nr] или Segment_Length [Channel_Nr] [1.. Nr_Of_Segments [Channel_Nr]].

Resolution_Read указывает, было ли считано разрешение из Channel_Segmentation. Resolution_Read устанавливается в истину в Channel_Segmentation первого звукового канала больше чем с одним сегментом. Если фильтры прогноза и Ptables используют независимую сегментацию, они также используют независимое Resolution_Read. Channel_Nr является локальной индексной переменной. N_Channels является числом используемых звуковых каналов.

6.2.1.1.5.2.1 Same_Segm_For_All_Channels

Если Same_Segm_For_All_Channels равно единице, сохраняется только сегментация для первого звукового канала и Channel_Segmentation ()[Channel_Nr] = Channel_Segmentation () для всех звуковых каналов. Если Same_Segm_For_All_Channels является нулем, аудиофрейм делится на сегменты, независимые для каждого звукового канала.

6.2.1.1.5.2.2 Channel_Segmentation

Channel_Segmentation определяет сегментацию фильтров прогноза и/или Ptables. Синтаксис Channel_Segmentation определяется в таблице 7.

В синтаксисе Channel_Segmentation используются переменные Nr_Of_Segments, Start[1.. Nr_Of_Segments], Segment_Length [1.. Nr_Of_Segments].

Nr_Of_Segments является числом сегментов для текущего звукового канала. Максимальное количество сегментов является MAXNRSEGS. MAXNRSEGS должно быть 4 для Filter_Segmentation, 8 для Ptable_Segmentation и 4 для Filter_And_Ptable_Segmentation.

Resolution_Read указывает, была ли считана переменная Resolution в этом или предыдущем Channel_Segmentation. Resolution_Read устанавливается в истину в Channel_Segmentation первого звукового канала с больше чем одним сегментом. Если Prediction Filters и Ptables используют независимую сегментацию, они также используют и независимое Resolution_Read.

Segment_Length [Seg_Nr] содержит длину сегмента в байтах, где:

1 <= Seg_Nr <= Nr_Of_Segments.

Start[Seg_Nr] является стартовой позицией в байтах Segment[Seg_Nr].

6.2.1.1.5.2.2.1 End_Of_Channel_Segm

Если End_Of_Channel_Segm является нулем, будет следовать одно или более значений для Scaled_Length. Если End_Of_Channel_Segm равно единице, структура Channel_Segmentation заканчивается.

6.2.1.1.5.2.2.2 Resolution

Каждое значение Scaled_Length умножается на Resolution (разрешение), чтобы получить длину сегмента в байтах. Разрешение сохраняется только однажды, в начале первого звукового канала с больше чем одним сегментом. Если у всех звуковых каналов имеется только один сегмент, Resolution не кодируется.

Разрешение должно быть в диапазоне от 1 до Frame_Length — MINSEGLEN. MINSEGLEN должно составлять 128 байтов для Filter_Segmentation, 4 байта для Ptable_Segmentation и 128 байтов для Filter_And_Ptable_Segmentation.

6.2.1.1.5.2.2.3 Scaled_Length

Для каждого сегмента, кроме последнего, значение Scaled_Length кодируется. Длина сегмента в байтах вычисляется по следующей формуле:

Segment_Length [Seg_Nr] = = Resolution * Scaled_Length [Seg_Nr],

где 1 <= S_Nr <Nr_Of_Segments.

Минимальная длина сегмента каждого Segment является MINSEGLEN.

Для Ptable_Segmentation длина первого сегмента каждого звукового канала должна быть (Pred_Order [Filter[Channel_Nr] [1]] +7)/8 байтов.

Число битов, необходимых для кодирования Scaled_Length[Seg_Nr], зависит от значения диапазона. Диапазон (Range) должен быть вычислен по формуле:

Range = Trunc(\frac{Frame_Length - Start[Seg_Nr] - MINSEGLEN}{Resolution}) .

Если 2n-1 <= Range < 2n, чтобы закодировать Scaled_Length[Seg_Nr] должны использоваться n битов, см. таблицу 16. Минимальное значение Range равно 1. Длина последнего сегмента не кодируется. Длина последнего сегмента может быть вычислена, исходя из длины фрейма и стартовой позиции последнего сегмента по формуле:

Segment_Length [Nr_Of_Segments] = = Frame_Length — Start[Nr_Of_Segments].

Таблица 16

Диапазон и биты для кодирования Scaled_Length

6.2.1.1.6 Mapping

Mapping (отображение) определяет фильтры прогноза и Ptables, используемого с сегментами, определенными в 6.2.1.1.5. Синтаксис отображения определяется в таблице 8.

Filter_Mapping

Для каждого звукового канала и каждого сегмента кодируется номер фильтра прогноза. Для Filter_Mapping переменная Element [ ][ ] из Channel_Mapping содержит номера фильтра прогноза. Для Filter_Mapping переменная Element[ ][ ] упоминается как Filter[Channel_Nr][1.. Filters. Nr_Of_Segments [Channel_Nr]]. Для Filter_Mapping переменная Nr_Of_Elements упоминается как Nr_Of_Filters.

Ptable_Mapping

Для каждого звукового канала и каждого сегмента кодируется номер Ptable. Для Ptable_Mapping переменная Element[ ][ ] из Channel_Mapping содержит номера Ptable. Для Ptable_Mapping переменная Element[][] упоминается как Ptable [Channel_Nr] [1.. Ptables. Nr_Of_Segments [Channel_Nr]]. Для Ptable_Mapping переменная Nr_Of_Elements упоминается как Nr_Of_Ptables.

Filter_And_Ptable_Mapping

Для каждого звукового канала и каждого сегмента кодируется общий номер Prediction Filter и Ptable. Для Filter_and_Ptable_Mapping переменная Element[][] из Channel_Mapping содержит общие номера Prediction Filter и Ptable. Для Filter_and_Ptable_Mapping переменная Element[][] упоминается как Filter[Channel_Nr] [1.. Filters.Nr_Of_Segments[Channel_Nr]] или Ptable[Channel_Nr][1.. Ptables.Nr_Of_Segments[Channel_Nr]]. Для Filter_and_Ptable_Mapping переменная Nr_Of_Elements упоминается как Nr_Of_Filters, а также как Nr_Of_Ptables.

6.2.1.1.6.1 Same_Mapping

Если Same_Mapping равно единице, Ptables и фильтры прогноза используют одно и то же отображение. Если Same_Mapping является нулем, для аудиофрейма отображение для фильтров прогноза независимо от отображения для Ptables.

6.2.1.1.6.2 Maps

Maps (отображения) определяют отображение в фильтры прогноза и в сегменты, определенные в 6.2.1.1.5. Синтаксис отображений определяется в таблице 9.

В синтаксисе отображений используются переменные Element[Channel_Nr][1.. Nr_Of_Segments[Channel_Nr]] для каждого звукового канала и Nr_Of_Elements

Nr_Of_Elements является общим номером фильтра прогноза и/или Ptables, используемого в отображениях. Nr_Of_Elements должен быть в диапазоне 1.. 2 * N_Channels.

Channel_Nr является локальной индексной переменной, используемой в таблице 9 и таблице 10.

N_Channels является числом используемых звуковых каналов.

6.2.1.1.6.2.1 Same_Maps_For_All_Channels

Если Same_Maps_For_All_Channels равно единице, сохраняется только Element[1][ ], и каждый звуковой канал использует тот же самый Element[Channel_Nr][ ] = Element[1][ ] массива. Если Same_Maps_For_All_Channels равно нулю, Element[Channel_Nr][ ] сохраняется независимо для каждого звукового канала. Если Nr_Of_Segments [Channel_Nr] не имеет для всех звуковых каналов одинакового значения, то Same_Maps_For_All_Channels должно быть нулем.

6.2.1.1.6.2.2 Channel_Mapping

Channel_Mapping содержит номера фильтра прогноза и/или Ptable на звуковой канал, используемые для каждого сегмента. Синтаксис Channel_Mapping определяется в таблице 10.

Nr_Of_Elements является общей численностью фильтров прогноза и/или Ptables для всех каналов. Nr_Of_Elements инициализируется в отображениях, таблица 9.

Channel_Nr является индексной переменной из отображений, таблица 9.

Seg_Nr является локальной индексной переменной.

Nr_Of_Segments [Channel_Nr] является общим количеством сегментов, используемых в текущем аудиофрейме для звукового канала Channel_Nr.

6.2.1.1.6.2.2.1 Element

Element является номером фильтра прогноза и/или Ptable, используемым в сегменте. Количество используемых для кодирования Element битов зависит от значения Nr_Of_Elements. В каждой итерации Element должен быть <= Nr_Of_Elements. Поэтому, Element[1][1] всегда является нулем и не сохраняется (#bits = 0). Для всех других звуковых каналов и сегментов Nr_Of_Elements > 0 и число битов, необходимых для сохранения Element, равно n с: 2n-1 <= Nr_Of_Elements < 2n, таблица 17.

Таблица 17

Биты, используемые для кодирования Element

6.2.1.1.7 Half_Probability

Синтаксис Half_Probability определяется в таблице 11.

Channel_Nr является локальной индексной переменной.

N_Channels является числом используемых звуковых каналов.

6.2.1.1.7.1 Half_Prob

Half_Prob используется, при кодировании, для каждого звукового канала. Метод обычно используется для того, чтобы применить значение вероятности к арифметическому декодеру. Определение Half_Prob дается в таблице 18.

Таблица 18

Определение Half_Prob

Для оптимальной эффективности кодирования требуется, чтобы у следующего остаточного бита в E было значение, которое имеет наибольшую вероятность. Если применяется вероятность, которая отражает высокий шанс следующего бита E быть 1, в то время как следующий бит E является 0, то требуется более 1 бита в арифметическом коде, чтобы отправить этот бит.

Фильтр прогноза первоначально заполнен образцом инициализации. Во время первых выборок Pred_Order в звуковом канале Channel_Nr фильтр прогноза постепенно заполняется реальными данными DSD. Как следствие распределение вероятности может отличаться от остальной части фрейма, и комбинация примененных E и P для этих битов приведет к большему количеству битов, чем требуется. Применяя вероятность 1/2 во время кодирования, каждый бит будет также стоить только одного бита в арифметическом коде.

Чтобы быть в состоянии отвергнуть плохую комбинацию E и P в начале фрейма Half_Prob доступен для каждого канала отдельно.

6.2.1.1.8 Filter_Coef_Sets

Для каждого сегмента в каждом звуковом канале декодер DST использует фильтр прогноза. В случае если два или более фильтра прогноза одинаковы, соответствующие коэффициенты фильтра могут кодироваться только однажды. В синтаксисе Filter_Coef_Sets используются переменные Pred_Order[Filter_Nr] и Coef[Filter_Nr][0..Pred_Order[Filter_Nr]-1], где Filter_Nr = 0.. Nr_Of_Filters-1.

Все коэффициенты фильтра прогноза кодируются. Коэффициенты фильтра прогноза могут быть закодированы, используя простое линейное предсказание и кодирование Райса. Кодирование Райса является методом кодирования переменной длины (особый случай кодирования методом Хаффмана), который используется, чтобы сократить число битов, необходимых для определенного «сообщения», без потери информации. Синтаксис Filter_Coef_Sets определяется в таблице 13.

Младший значащий бит Coef[0] [0] называют DST_Y_Bit.

Nr_Of_Filters является значением, вычисленным в отображении.

Pred_Order [ ] является массивом, который содержит порядок прогноза для каждого фильтра прогноза, где Pred_Order [Filter_Nr] = Coded_Pred_Order + 1, для Filter_Nr \in I ] ]((0.. Nr_Of_Filters-1). Допустимый диапазон порядка прогноза равен: 1 <= Pred_Order [Filter_Nr] <= 128.

Coef[ ][ ] является двухмерным массивом, который содержит все коэффициенты всех фильтров прогноза. Каждая запись Coef[ ][ ] должна быть в диапазоне от -256 до +255. Первый (левый) индекс является Filter_Nr и простирается от 0 до Nr_Of_Filters-1. Второй (правый) индекс является номером коэффициента и простирается от 0 до Pred_Order[Filter_Nr]-1.

CCPO является порядком прогноза кодирования коэффициента (CCPO). Отношение между CC_Method и CCPO определяется в таблице 19.

Таблица 19

Отношение между CC_Method и CCPO

Применяется ограничение CCPO < Pred_Order [Filter_Nr].

Run_Length является вспомогательной переменной, предназначенной для подсчета числа нулей в коде длины серии, который является частью кода Райса.

Delta является вспомогательной переменной, чтобы вычислять кодированный по Райсу номер.

Delta8 является вспомогательной переменной, чтобы вычислять кодированный по Райсу номер.

CCPC [ ] является массивом, который содержит коэффициенты прогноза кодирования коэффициентов (CCPC), которые используются для линейного прогноза коэффициентов фильтра. Отношение между CC_Method и CCPC [ ] определяется в таблице 20.

Таблица 20

Отношение между CC_Method и CCPC [ ]

Линейное предсказание требует округления, как определено в синтаксисе таблицы 13.

6.2.1.1.8.1 DST_Y_Bit

DST_Y_Bit является младшим значащим битом Coef[0][0]. При кодировании DST_Y_Bit должен быть установлен в единицу. Декодер должен игнорировать контент DST_Y_Bit.

6.2.1.1.8.2 Coded_Pred_Order

Coded_Pred_Order является 7-битовым целым числом без знака, которое содержит кодированный порядок прогноза текущего фильтра прогноза.

6.2.1.1.8.3 Coded_Filter_Coef_Set

Coded_Filter_Coef_Set указывает, предсказываются ли коэффициенты фильтра прогноза, и кодированы ли они по Райсу. Coded_Filter_Coef_Set обнуляется, если коэффициенты фильтра прогноза сохраняются.

Coded_Filter_Coef_Set устанавливается в единицу, если коэффициенты фильтра прогноза предсказываются и кодированы по Райсу.

Максимальное количество битов, разрешенных для единственного фильтра прогноза внутри Filter_Coef_Sets, равно 7+1+Pred_Order [ ] *9, где 7 — количество битов для Coded_Pred_Order, 1 — количество битов Coded_Filter_Coef_Set и остальные коэффициенты Pred_Order [ ] имеют по 9 битов каждый.

6.2.1.1.8.4 CC_Method

CC_Method является 2-битовым кодом, который идентифицирует метод кодирования коэффициентов текущего фильтра прогноза.

6.2.1.1.8.5 CCM

CCM является 3-битовым целым числом без знака, которое содержит параметр M кодирования коэффициентов, который используется для декодирования по Райсу коэффициентов текущего фильтра прогноза. Минимальное разрешенное значение для CCM равно нулю. Максимальное разрешенное значение для CCM равно 6.

6.2.1.1.8.6 RL_Bit

RL_Bit используется, чтобы получить единственные биты кода длины серии, который состоит из нулей с завершающей единицей. Самым коротким кодом длины серии является '1'.

6.2.1.1.8.7 LSBs

Младшие значащие биты CCM абсолютного значения предсказанного коэффициента считываются непосредственно из потока и сохраняются в LSBs.

6.2.1.1.8.8 Sign

Sign (знак) является битом, который указывает, положителен ли предсказанный коэффициент (Sign = '0') или отрицателен (Sign = '1').

6.2.1.1.9 Probability_Tables

Для каждого сегмента в каждом звуковом канале декодер использует таблицу вероятности (Ptable). В случае если две или более таблицы вероятности равны, соответствующие записи таблицы вероятности могут быть доступными из потока только однажды. В синтаксисе Probability_Tables используются переменные Ptable_Len [Ptable_Nr] и P_One [Ptable_Nr] [0...Ptable_Len [Ptable_Nr]-1]. Где Ptabie_Nr = 0.. Nr_Of_Ptables-1.

В Probability_Tables кодируются все записи таблицы вероятности. На таблицу вероятности кодируются длина таблицы (= число записей) и записи. Записи Ptable могут быть кодированы с использованием простого линейного прогноза и кодирования Райса. Синтаксис Probability_Tables определяется в таблице 14.

Nr_Of_Ptables является значением, вычисленным в отображении. Ptable_Len [] является массивом, который содержит длину таблицы вероятности для каждой Ptable, где Ptable_Len [Ptable_Nr] = Coded_Ptabie_Len + 1, для Ptable_Nr \in {0..Nr_Of_Ptables - 1} .

Допустимый диапазон длины Ptable: 1Ptable_Len[Ptable_Nr]64 .

P_one[ ][ ] является двухмерным массивом, который содержит все записи всех таблиц вероятности. Первый (левый) индекс является Ptable_Nr и находится в диапазоне от 0 до Nr_Of_Ptabies-1. Второй (правый) индекс является числом записей и лежит в диапазоне от 0 до Ptable_Len [Ptable_Nr]-1. Каждая запись P_one[ ][ ] находится в диапазоне 1 — 128, соответствуя вероятности от 1/256 до 128/256 следующего ошибочного бита.

PCPO является порядком прогноза кодирования Ptable (PCPO). Отношение между PC_Method и PCPO определяется в таблице 21.

Таблица 21

Отношение между PC_Method и PCPO

Применяется ограничение PCPO < Ptabie_Len [Ptable_Nr].

Run_Length является переменной справки, чтобы считать число нулей в коде длины серии, который является частью кода Райса.

Delta является переменной справки, чтобы вычислять декодированное число Райса.

PCPC [ ] является массивом, который содержит коэффициенты прогноза кодирования Ptable (PCPC), которые используются для линейного предсказания записей Ptable. Отношение между PC_Method и PCPC [ ] определяется в таблице 22.

Таблица 22

Отношение между PC_Method и PCPC [ ]

6.2.1.1.9.1 Coded_Ptable_Len

Coded_Ptable_Len является 6-битовым целым числом без знака, которое содержит кодированную длину таблицы вероятности.

6.2.1.1.9.2 Coded_Ptable

Coded_Ptable указывает, прогнозируются ли записи Ptable и кодируются ли по Райсу. Coded_Ptable обнуляется, если записи Ptable сохраняются. Coded_Ptable устанавливается в единицу, если записи Ptable прогнозируются и кодируются по Райсу.

Максимальное количество битов, разрешенных для единственной Ptable внутри Probability_Tables равно 6+1+Ptable_Len[]*7, где 6 — количество битов для Coded_Ptable_Len, 1 — количество битов Coded_Ptable и остальные Ptable_Len [ ] кодированные записи Ptable по 7 битов каждая.

6.2.1.1.9.3 Coded_P_one

Coded_P_one является 7-битовым целым числом без знака, которое содержит кодированное значение следующей записи текущей Ptable.

6.2.1.1.9.4 PC_Method

PC_Method является 2 битовым полем, которое идентифицируют метод кодирования Ptable для текущей Ptable.

6.2.1.1.9.5 PCM

PCM является 3-битовым целым числом без знака, которое содержит параметр Ptable Coding M, использующийся для декодирования по Райсу записей Ptable текущей Ptable. Минимальное позволенное значение для PCM является нулем. Максимальное допустимое значение для PCM равно 4.

6.2.1.1.9.6 RL_Bit

RL_Bit содержит единственные код длины серии, который состоит из нулей с завершающей единицей. Самый короткий код длины серии равен '1'.

6.2.1.1.9.7 LSB

Младшие значащие биты PCM абсолютного значения прогнозируемой записи сохраняются в LSB.

6.2.1.1.9.8 Sign

Sign (знак) представляет собой бит, который указывает, является ли предсказанная запись положительной (Sign = '0') или отрицательной (Sign = '1').

6.2.1.1.10 Arithmetic_Coded_Data

Синтаксис Arithmetic_Coded_Data определяется в таблице 12. Длина Arithmetic_Coded_Data не кодируется.

6.2.1.1.10.1 A_Data

A_Data [ ] содержит арифметический код и биты заполнения.

Биты заполнения добавляются в конце арифметического кода, чтобы выровнять Audio_Frame до границы байта. Число битов заполнения составляет 0 ... 7. Значение битов заполнения должно быть нулем.

A_Data [ ] используется функцией «input next bit D». Минимальная длина A_Data составляет нуль битов. Если длина A_Data не равна нулю, у A_Data [0] должно быть значение нуль. Максимальная длина арифметического кода является числом битов, обработанных «input next bit D». Разрешается, чтобы конечные нули арифметического кода не были закодированы в A_Data [ ].

7 Эталонная модель декодера DST

7.1 Процессы декодирования DST

Параметры, обработанные и извлеченные из потока, используются, чтобы декодировать кодированный фрейм DST. Этот подпункт объясняет процессы декодирования, необходимые для кодированных фреймов DST.

7.1.1 Введение

Существуют три функции: арифметический декодер, мультиплексор/демультиплексор и ряд моделей источника. Арифметический декодер получает последовательность битов (D=A_Data) и последовательность вероятностей (P) и генерирует последовательность битов (E). Последовательности E и P присваиваются моделям источника в циклическом порядке, которым управляет мультиплексор/демультиплексор. Каждая модель источника получает необходимые параметры, как коэффициенты фильтра прогноза и записи таблицы вероятности из потока, как определено в синтаксисе и семантике.

Модель источника S соответствует каналу S. Вывод X из модели источника S является сигналом DSD для канала S.

7.1.2 Арифметический декодер

Арифметическое кодирование является методом кодирования переменной длины для сжатия данных близко к их энтропии. Кодированные данные представляются как число. Число использует столько цифр, сколько требуется, чтобы однозначно определять исходные данные.

Таблица 23 определяет переменные, используемые на рисунке 2, рисунке 3, рисунке 4 и рисунке 5.

Таблица 23

Переменные, используемые в рисунке 2, рисунке 3, рисунке 4 и рисунке 5

Рисунок 2 показывает полную блок-схему алгоритма декодирования DST.

Рисунок 2 — Блок-схема арифметического декодера

Процесс инициализации показан на рисунке 3 и требуется в начале декодирования каждого фрейма. Он состоит из загрузки первых 13 битов арифметического кода в регистр C и переустановки регистра A в 4095. Первый бит, считываемый в C, будет перезаписан, это предусмотрено, потому что первый бит всегда 0.

Рисунок 3 — Инициализация

Функция «Input next bit D» (ввод следующего бита D) на рисунке 2, рисунке 3 и рисунке 5 означает, что бит D берется из A_Data [ ], начиная с первого бита. После того, как все биты из A_Data [ ] были считаны, функция «Input next bit D» устанавливает бит D в 0.

Чтение информации о вероятности P получает из модели источника, за исключением первого бита, где вместо этого читается вероятность DST_X_Bit.

Рисунок 4 иллюстрирует декодирование одного бита E и обновление регистра A и C. Сначала вычисляется текущий аппроксимированный размер интервала K. Затем произведение аппроксимированного размера интервала K и применяемой величины вероятности P сохраняется в Q. Если C больше или равно A-Q, то арифметический код находится в верхней части интервала, что означает, что исходный закодированный бит E был битом '1'; иначе был передан бит '0'. A и C должны быть скорректированы таким же образом как в кодере.

Рисунок 4 — Декодирование бита E, обновление A и C

Процесс ренормализации показан на рисунке 5. Ренормализация требуется когда значение A слишком маленькое. Если A является слишком маленьким, то A и C смещаются на один бит влево, и новый бит арифметического кода D читается в младший значащий бит C.

Рисунок 5 — Ренормализация A и C, ввод следующего бита(ов) D

Возможно, что последние биты A_Data не используются функцией «Input next bit D» для того, чтобы декодировать аудиофрейм. Эти неиспользованные биты являются битами заполнения для выравнивания аудиофрейма на границе байта.

7.1.3 Модель источника

Процесс декодирования в модели источника описывается только для одного канала, поскольку он эквивалентен для всех каналов.

Сегментация и отображение определяют, какой фильтр прогноза и какая Ptable должны использоваться, чтобы декодировать следующий бит звукового канала. Две функции Filter_N(n) и Ptable_N(n) возвращают номер фильтра прогноза и Ptable, используемых для того, чтобы декодировать бит n звукового канала. Функции Filter_N(n) и Ptable_N(n) используют информацию сегментации и отображения. Filter_N(n) определяется следующим образом:

Filters.Start[1] = 0

Filters.Start[Seg+1] = Filters.Start[Seg] + Filters.Segment_Length[Channel_Nr][Seg],

где: Seg = 1 .. Filters.Nr_Of_Segments[Channel_Nr] и Seg является номером сегмента звукового канала Channel_Nr.

Для бита n переменный Seg может быть определен:

Filter_N(n) может быть найдено путем использования формулы Filter_N(n) = Filter[Channel_Nr][Seg].

Функция Ptable_N (n) определяется, используя тот же самый механизм путем замены Filters на Ptables и замены Filter_N на Ptable_N.

Filters.Segment_Length[ ][ ] и Ptables.Segment_Length[ ][ ] определяются в 6.2.1.1.5.

Filters.Nr_Of_Segments[ ] и Ptables.Nr_Of_Segments[] определяются в 6.2.1.1.5.

Filter[ ][ ] и Ptable[ ][ ] определяется в 6.2.1.1.6.

Filter_N(n) и Ptable_N(n) используются в следующих определениях:

7.1.3.1 Инициализация

Инициализация фильтра прогноза в начале каждого фрейма определяется следующим образом:

Y[m] = (-1)m для -N <= m <0

Выходное значение фильтра прогноза определяется как:

Z[n] = \sum_{i = 0}^{N - 1} Y[n - 1 - i]H[i]

Q-функция преобразовывает Z в F следующим образом:

Есть два метода для того, чтобы применить значения вероятности к арифметическому декодеру. В случай Half_Prob [Channel_Nr] = '0' значение вероятности определяется так:

P[n] = T[min(|Z(n)|>>3, L — 1)]

В случае, если Half_Prob [Channel_Nr] = '1' значение вероятности определяется:

Значение P [n] применяется к арифметическому декодеру, который возвратит значение E[n]. Выходное значение X[n] (выборка DSD) является исключающим ИЛИ для E [n] и F [n]:

X[n] = E[n]F[n]

Логическое значение X[n] преобразовывается в численное значение Y[n] следующим образом:

7.1.4 Мультиплексирование/демультиплексирование

Устройство мультиплексирования/демультиплексирования соединяет каждую модель источника с арифметическим декодером в соответствующий момент.

Для удобочитаемости уравнений вводятся некоторые новые переменные:

Для 1 <= i <= C имеем:

DST_X_Bit = E[0],

P [0] = P (DST_X_Bit),

Ei [n] = E[C n + i],

P [C · n + i] = Pi[n].

P (DST_X_Bit) должно быть взято из Coef[0][0]) следующим образом. Если Coef[0][0] = %c₈c₇c₆c₅c₄c₃c₂c₁c₀, то P (DST_X_Bits) должно быть равным %0c0c1c2c3c4c5c6 + 1. cx представляет значение отдельных битов с x, находящимся в диапазоне 0 .. 8. Значение P (DST_X_Bit) находится в диапазоне 1 .. 128.

7.2 Ограничения на кодированный DST Audio_Frames

Чтобы позволить оптимальный проект декодера DST, должны быть введены следующие ограничения для кодированных DST аудиофреймов.

7.2.1 Ограниченное количество ошибочно предсказанных выборок

Максимальное разрешенное число ошибочно предсказанных выборок в кодированном Audio_Frame DST является половиной числа выборок DSD во фрейме.

N_Errors_max = \frac{N_Channels*Frame_Length*8}{2}

Общее количество ошибочных предсказанных выборок (N_Errors) во фрейме является суммой числа ошибочных предсказанных выборок на звуковой канал:

,

где Ei [n] равно 0 (хороший прогноз) или 1 (неправильный прогноз).

Для каждого кодированного DST аудиофрейма должно применяться следующее правило:

N_Errors <= N_Errors_max

7.2.2 Требование к разработке таблицы вероятности

Определенные в этом пункте ограничения должны применяться к таблицам Ptables.

Для каждой Ptable, которая используется во фрейме, содержание определяется следующим алгоритмом:

Обратите внимание на все выборки фрейма, которые используют рассматриваемую Ptable, и подсчитайте для этих выборок сколько раз используется запись Ptable(CA [ ] [ ]) и сколько раз сигнал E равен 1 для записи Ptable (CW [ ] [ ])

Для каждой записи Ptable вероятность для ошибочного прогноза получается из этих чисел следующим образом:

P_min [ ] [ ] являются минимальными разрешенными значениями вероятности для записей Ptables. Для каждой записи каждой Ptable вероятности, фактически используемые для кодирования (P_one [ ] [ ]), должны соответствовать следующему условию:

P_min [Ptable_Nr] [Entry_Nr] <= <= P_one [Ptable_Nr] [Entry_Nr] <= 1.

Приложение А (справочное)

ОПИСАНИЕ КОДЕРА

А.1 Технический обзор

В алгоритме аудиокодирования без потерь имеют место три основных процесса: формирование фреймов (структурирование), прогноз и кодирование энтропии. В кодере входящие одноразрядные данные сначала структурируются, а затем передаются этапу прогноза. После этапа прогноза ошибочный сигнал, вычисленный на основе прогноза и исходного сигнала, передается этапу кодирования энтропии. На этом последнем этапе ошибочный сигнал кодируется, используя арифметическое кодирование, у которого производительность близка к (оптимальному) кодированию энтропии. Фильтры прогноза и таблицы вероятности могут быть сгруппированы для каналов с целью еще лучшей эффективности кодирования. Сгенерированные арифметическим кодером данные объединяются с коэффициентами прогноза и мультиплексируются в потоке битов.

А.1.1 Структурирование

Цель структурирования (формирования фрейма) является двоякой. Во-первых, структурирование необходимо, чтобы обеспечить легкий, «случайный» доступ к аудиоданным во время воспроизведения. По той же самой причине каждый фрейм должен быть независимо закодирован, что позволяет проигрывателю декодировать отдельные фреймы без знания о предыдущих фреймах. Во-вторых, структурирование позволяет аудиоконтенты во фрейме расценивать как стационарные (или по крайней мере, квазистационарные). Это — базовое предположение в процессе прогноза.

Процесс структурирования делит исходный одноразрядный аудиопоток, состоящий из выборок b \in {0,1} на фреймы длиной M = 37,632 битов, соответствующие 1/75 с, принимая частоту дискретизации 2,8224 MS/с.

А.1.2 Прогноз

Фильтрация прогноза является первым необходимым шагом в процессе сжатия (аудио) данных. Шаг фильтрации прогноза пытается удалить избыточность из аудиопотока битов b, создавая новый поток битов e, который не избыточен. Вместе с коэффициентами фильтра прогноза h поток с ошибками e переносит ту же самую информацию, что и b. Фильтр прогноза обозначается как z-1H(z), чтобы подчеркнуть тот факт, что передача фильтра содержит задержку, которая обязательна, чтобы создать кодер, который может быть инвертирован по времени.

Фильтр прогноза FIR может быть разработан согласно стандартным методам, самый известный из них основан на минимальной среднеквадратической ошибке (MMSE). Применение критерия MMSE приводит к уравнению ошибочного прогноза, которое должно быть минимизировано:

\sum_{n = 1}^{M} \epsilon^{2}[n] = \sum_{n = 1}^{M} (\sum_{i = 1}^{L} h[i]b[n - i] - b[n])^{2} ,

где M является числом битов на фрейм и L — числом коэффициентов прогноза, которые кодируются как 'Coded_Pred_Order+1'. После дальнейшего манипулирования это приводит к коэффициентам h. Фильтр FIR, найденный таким образом, будет минимальным фазовым фильтром. Чтобы получить оптимальный баланс между точностью прогноза и числом битов, взятых описанием фильтра прогноза, коэффициенты фильтра прогноза квантуются в 9-разрядные числа с фиксированной точкой первым масштабированием их на 256. Полученные коэффициенты сохраняются в 'Coef[Filter_Nr] [Coef_Nr]', где Filter_Nr обозначает индекс фильтра, а Coef_Nr — индекс коэффициента фильтра, соответственно. Сигнал прогноза z является мультибитовым. Биты прогноза q получаются из мультибитовых значений z простым усечением, обозначенным блоком, который маркирован как Q (z). Ошибка между потоком битов b и мультибитовым сигналом z минимизируется, тогда как в идеале было бы минимизировано различие между b и q, однобитовая квантованная версия z. Это однако приводит к трудоемким расчетам.

Ошибочный сигнал e вычисляется операцией исключающего или (XOR) между b и q. Цель фильтра прогноза состоит в том, чтобы создать столько нулей в e, сколько возможно, поскольку это обеспечит существенное снижение объема данных энтропийным кодированием.

А.1.3 Арифметическое кодирование

Когда используются надлежащие фильтры прогноза, сигнал e будет состоять из большего количества нулей, чем единиц, и может таким образом привести к возможному усилению компрессии. Предположите, что вероятность '1' в e обозначается как p, тогда вероятность '0' равняется (1-p). Минимальное число битов Nbits, которым может быть представлен в среднем единственный бит потока e, тогда равняется:

Nbits = -(plog2[p] + (1 — p) log2[1 — p]).

Предположим, что 90% всех прогнозов корректны, тогда p = 0,1 и Nbits = 0,47. Как правило, возможна компрессия приблизительно с коэффициентом 2. В то время как этот подсчет, основанный на вычислении энтропии, представляет верхний предел достижимого сжатия, алгоритм, который при практических обстоятельствах приближается к этому пределу, является алгоритмом арифметического кодирования.

Методы арифметического кодирования могут успешно использоваться только тогда, когда доступна точная информация о вероятностях символов «0» или «1».

Вероятности символов, необходимые для арифметического кодирования, вычисляются, составляя гистограмму (или таблицу). Обозначая вероятность, что прогноз корректен P(e=0), видим, что, так как P (e=0) = 1 — P (e=1), нет необходимости вычислять две таблицы: для арифметического кодирования используется только таблица вероятности ошибки t для P (e=1), и передается декодеру.

А.1.4 Мультиплексирование канала

В предыдущих разделах «модель источника», состоящая из фильтра прогноза и таблицы вероятности, обсуждалась для одного канала. В полном кодере у каждого канала имеется своя собственная модель источника, тогда как используется только единственный арифметический кодер. Однако чтобы использовать корреляцию между каналами также можно позволить каналам совместно использовать фильтры прогноза и/или таблицы вероятности. Совместное использование фильтров или таблиц вероятности выгодно, когда уменьшение числа битов метаданных, необходимых чтобы передать информацию о фильтре или таблице с кодера на декодер, выше, чем увеличение числа битов арифметического кода. Последнее число обычно будет несколько больше, так как не всегда возможно создать фильтр прогноза (или таблицу вероятности), который приводит к оптимальному арифметическому кодированию для всех каналов, которые его используют.

Арифметический кодер получает для каждого канала потоки e и p, которые поставляются отдельными моделями источника.

Библиография