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

(утв. и введен в действие Приказом Росстандарта от 13.12.2011 № 873-ст)

Утвержден и введен в действие Приказом Федерального агентства по техническому регулированию и метрологии от 13 декабря 2011 г. № 873-ст

НАЦИОНАЛЬНЫЙ СТАНДАРТ РОССИЙСКОЙ ФЕДЕРАЦИИ

ЗВУКОВОЕ ВЕЩАНИЕ ЦИФРОВОЕ

КОДИРОВАНИЕ СИГНАЛОВ ЗВУКОВОГО ВЕЩАНИЯ С СОКРАЩЕНИЕМ ИЗБЫТОЧНОСТИ ДЛЯ ПЕРЕДАЧИ ПО ЦИФРОВЫМ КАНАЛАМ СВЯЗИ MPEG-₂ ЧАСТЬ III (MPEG-2 AUDIO)

Digital sound broadcasting. Coding of sound broadcasting signals with redundancy reduction for transfer on digital communication channels. MPEG-2 part III (MPEG-2 audio)

(ISO/IEC 13818-3:1998, NEQ)

ГОСТ Р 54712-2011

ОКС 33.170

Дата введения 1 июля 2013 года

Предисловие

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

2 ВНЕСЕН Техническим комитетом по стандартизации ТК 480 «Связь»

3 УТВЕРЖДЕН И ВВЕДЕН В ДЕЙСТВИЕ Приказом Федерального агентства по техническому регулированию и метрологии от 13 декабря 2011 г. № 873-ст

4 Настоящий стандарт разработан с учетом основных нормативных положений международного стандарта ИСО/МЭК 13818-3:1998 «Информационные технологии. Универсальное кодирование движущихся изображений и сопутствующего аудио. Часть III. Аудио» (ISO/IEC 13818-3:1998 «Information technology — Generic coding of moving pictures and associated audio information — Part III. Audio», NEQ) [1]

5 ВВЕДЕН ВПЕРВЫЕ

6 ПЕРЕИЗДАНИЕ. Июль 2020 г.

Правила применения настоящего стандарта установлены в статье 26 Федерального закона от 29 июня 2015 г. № 162-ФЗ «О стандартизации в Российской Федерации». 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 ежемесячного 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 (www.gost.ru)

1 Область применения

Для достижения лучшего качества звучания на низких скоростях передачи данных (менее 64 кбит/с на канал), в частности по сравнению с [2], для уровней I, II и III ГОСТ Р 54711 вводятся три дополнительные 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 и ГОСТ Р 53537).

Синтаксис, семантика и методы кодирования ГОСТ Р 54711 сохраняются в данном стандарте, за исключением определения поля частоты дискретизации, поля скорости передачи и таблиц распределения битов. Новые значения действительны, если в заголовке ГОСТ Р MPEG-1 audio битов ID 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 28376, ГОСТ 27667 и др.

Стандарт предназначен для регулирования отношений между оператором и пользователем в процессе установления соединения в части выполнения технических требований к электрическим параметрам, определяющим качество каналов и трактов звукового вещания с полосой передаваемых частот до 20 000 Гц.

Настоящий стандарт используется при проектировании, вводе в эксплуатацию и техническом обслуживании каналов и трактов звукового вещания студийного качества (с полосой частот до 20 000 Гц), организуемых в наземных и спутниковых линиях на магистральной, внутризоновых и местных сетях связи.

Действие настоящего стандарта распространяется на услуги местной, внутризоновой, междугородной и международной сети звукового вещания, независимо от используемой сетевой технологии. Это способствует обеспечению целостности сетей звукового вещания, устойчивости работы сети, выполнению норм на основные электрические параметры при разработке и проектировании каналообразующей аппаратуры звукового вещания (ГОСТ Р 52742 и ГОСТ Р 53537). Показатели, определенные настоящим стандартом, 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:

CATV — кабельное телевидение;

CDAD — кабельное цифровое звуковое вещание;

DAB — широковещательная передача цифрового звукового сигнала;

DVD — цифровой универсальный диск;

ENG — электронные новости (включая новости по спутнику);

HDTV — телевидение высокой четкости;

IPC — межличностное общение (видеоконференция, видеотелефон и т.д.);

ISM — интерактивные носители (оптические диски и т.д.).

2 Нормативные ссылки

В настоящем стандарте использованы нормативные ссылки на следующие стандарты:

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

ГОСТ 28376 Компакт-диск. Параметры и размеры

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

ГОСТ Р 53537 Звуковое вещание. Основные электрические параметры каналов и трактов студийного качества (с полосой частот 20... 20 000 Гц)

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

Примечание - При пользовании настоящим стандартом целесообразно проверить действие ссылочных стандартов в информационной системе общего пользования — на официальном сайте Федерального агентства по техническому регулированию и метрологии в сети Интернет или по ежегодному информационному указателю «Национальные стандарты», который опубликован по состоянию на 1 января текущего года, и по выпускам ежемесячного информационного указателя «Национальные стандарты» за текущий год. Если заменен ссылочный стандарт, на который дана недатированная ссылка, то рекомендуется использовать действующую версию этого стандарта с учетом всех внесенных в данную версию изменений. Если заменен ссылочный стандарт, на который дана датированная ссылка, то рекомендуется использовать версию этого стандарта с указанным выше годом утверждения (принятия). Если после утверждения настоящего стандарта в ссылочный стандарт, на который дана датированная ссылка, внесено изменение, затрагивающее положение, на которое дана ссылка, то это положение рекомендуется применять без учета данного изменения. Если ссылочный стандарт отменен без замены, то положение, в котором дана ссылка на него рекомендуется применять в части, не затрагивающей эту ссылку.

3 Термины, определения, символы и сокращения

3.1 Термины и определения

В настоящем стандарте применены следующие термины и сокращения с соответствующими определениями:

3.1.1 дополнительные данные: Часть потока битов, которая может использоваться для передачи вспомогательных данных.

3.1.2 динамическое перекрестное распределение: Метод сокращения объема многоканальных данных, при котором нелокализуемые в пространстве компоненты копируются в другой канал.

3.1.3 динамическое переключение канала передачи: Метод сокращения объема многоканальных данных, при котором для передачи выбираются наиболее ортогональные компоненты.

3.1.4 канал низкой частоты (LFE): Ограниченный по частоте канал для низкочастотных звуковых эффектов в многоканальной системе.

3.1.5 канал окружения: Звуковой канал, добавленный к фронтальным каналам (L и R или L, R и C) для улучшения пространственного восприятия.

3.1.6 канал представления: Звуковые каналы на выходе декодера, соответствующие левой, центральной, правой, левой окружения и правой окружения позициям громкоговорителей.

3.1.7 многоканальная система: Комбинация звуковых каналов для создания пространственного звукового поля.

3.1.8 многоязычная система: Передача диалогов более чем на одном языке.

3.1.9 многоканальное предсказание: Метод понижения объема многоканальных данных, основанный на статистических зависимостях между каналами.

3.1.10 несоответствующая стерео: Часть стереофонического звукового сигнала, не способствующая пространственному восприятию.

3.1.11 обратная совместимость: Более новый стандарт кодирования обратно совместим с более ранним стандартом, если декодеры, разработанные для раннего стандарта кодирования, в состоянии декодировать весь или часть потока битов, произведенного в соответствии с более новым стандартом кодирования.

3.1.12 основной поток битов: Информация, представленная в потоке битов, который состоит из непрерывных основных фреймов. Этот поток битов декодируется декодерами, выполненными в соответствии как с ГОСТ Р 54711, так и данным стандартом. Поток битов данного стандарта всегда состоит из основного потока битов, к которому может быть дополнительно добавлен поток битов расширения.

3.1.13 основной фрейм: Часть звукового фрейма данного стандарта, которая может обрабатываться декодером ГОСТ Р 54711 и содержит основной сигнал стерео.

3.1.14 ошибка предсказания: Разность фактического значения отсчета или элемента данных и его результата предсказания.

3.1.15 параметр: Переменная в пределах этого стандарта, которая может принимать одно значение из диапазона значений.

3.1.16 поток битов расширения: Информация, содержащаяся в дополнительном потоке битов, связанном с основным звуковым потоком битов на системном уровне, для поддержки скоростей передачи, не определенных в ГОСТ Р 54711. Дополнительный поток битов расширения содержит оставшиеся многоканальные и (или) многоязычные данные.

3.1.17 предсказание: Использование предсказателя с целью получить оценку значения отсчета или элемента данных, которые должны быть декодированы.

3.1.18 предсказатель: Линейная комбинация ранее декодированных значений отсчетов или элементов данных.

3.1.19 прямая совместимость: Более новый стандарт кодирования обладает прямой совместимостью с более старым стандартом кодирования, если декодеры, разработанные для более нового стандарта кодирования, в состоянии декодировать потоки битов более старого стандарта кодирования.

3.1.20 сведение: Матрицирование n каналов для получения меньшего числа каналов.

3.1.21 флаг: Переменная, которая может принимать только одно из двух значений, определенных в этом стандарте.

3.1.22 фрейм расширения: Часть аудиофрейма, которая может быть декодирована только декодером данного стандарта. Этот дополнительный фрейм содержит оставшиеся многоканальные и (или) многоязычные данные, так же как и дополнительные данные.

3.1.23 центральный канал: Один из каналов многоканальной звуковой системы, в котором сосредоточена информация о передней части пространственного звукового образа.

3.2 Символы и сокращения

3.2.1 Арифметические операторы

Математические операторы, используемые в настоящем стандарте, аналогичны используемым в языке программирования C. Однако целочисленное деление с усечением и округление определены особым образом. Побитовные 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 единицы, -7/4 и 7/-4 округляются до минус единицы.
//	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.
lg	Логарифм по основанию 10.
ln	Натуральный логарифм.
log2	Логарифм по основанию 2.

3.2.2 Логические операторы

3.2.3 Операторы сравнения

3.2.4 Побитовные операторы

Использование побитовных 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

3.3 Метод описания синтаксиса потока битов

Поток битов, полученный декодером, описывается в 4.1.1 и 4.2.3. Каждый элемент данных описывается именем, длиной в битах, мнемоникой типа и порядком передачи.

Действие, вызванное декодируемым элементом данных в потоке битов, зависит от значений этого элемента данных и элементов данных, декодированных ранее. Декодирование элементов данных и определение параметров состояния, используемых в их декодировании, описываются в 4.1.2, 4.1.3, 4.2.4 и 4.2.5.

Для выражения условий присутствия элементов данных используются следующие конструкции:

В этом синтаксисе используется принятое в языке C соглашение о том, что переменная или выражение, возвращающие ненулевое значение, эквивалентны результату «истина».

Следует обратить внимание на наиболее распространенные варианты использования этой конструкции:

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

Знание самого синтаксиса потока битов в разделах 4.1.3 и 4.2.5 не следует считать достаточным для декодирования. В частности, это лишь определяет корректный и свободный от ошибок входной поток битов. Для правильного начала декодирования реальные декодеры должны иметь средства обнаружения стартовых последовательностей.

Эта функция проверяет, является ли текущая позиция побайтно выровненной. Иначе, присутствуют нулевые биты стаффинга. Это означает, что перед синхрословом может присутствовать любое количество нулевых байтов. В связи с этим синхрослово всегда является побайтно выровненным и ему может предшествовать любое число нулевых битов стаффинга.

4 Задачи по совершенствованию обработки цифровых сигналов звукового вещания с целью повышения качества передачи

4.1 Требования к расширению ГОСТ Р 54711 для поддержки низких частот дискретизации

4.1.1 Дополнительные частоты дискретизации

Для достижения лучшего качества звучания на низких скоростях передачи данных (менее 64 кбит/с на канал), в частности по сравнению с [1], для уровней I, II и III предусматриваются три дополнительные частоты дискретизации (Fs): 16 кГц, 22,05 кГц и 24 кГц. Дополнительные частоты дискретизации позволяют поддерживать звуковые сигналы с полосами частот 7,5 кГц, 10,3 кГц и 11,25 кГц соответственно. Синтаксис, семантика и методы кодирования ГОСТ Р 54711 сохраняются, за исключением определения поля частоты дискретизации, поля скорости передачи и таблиц распределения. Новые значения действительны, если бит ID в заголовке MPEG-1 audio равняется нулю. Чтобы получить лучшую производительность, параметры психоакустической модели, используемой в кодере, должны быть соответственно изменены.

С указанными частотами дискретизации продолжительность аудиофрейма соответствует:

4.1.2 Спецификация кодированного звукового потока битов

4.1.2.1 Последовательность звукового сигнала

См. ГОСТ Р 54711, 5.1.1.

4.1.2.2 Фрейм звукового сигнала

См. ГОСТ Р 54711, 5.1.2.

4.1.2.3 Заголовок

См. ГОСТ Р 54711, 5.1.3.

4.1.2.4 Проверка на ошибки

См. ГОСТ Р 54711, 5.1.4.

4.1.2.5 Данные звукового сигнала. Уровень I

См. ГОСТ Р 54711, 5.1.5.

4.1.2.6 Данные звукового сигнала. Уровень II

См. ГОСТ Р 54711, 5.1.6.

4.1.2.7 Данные звукового сигнала. Уровень III

Ниже определяется структура основного потока битов данных. Поле main_data в audio_data() содержит байты основных данных. Однако из-за свойств кодов Хаффмана, используемых на Уровне III, основные данные кадра обычно не следуют непосредственно за заголовком и служебной информацией об этом кадре. Данные main_data начинаются в потоке битов перед заголовком фрейма при отрицательном смещении, заданном значением main_data_begin.

4.1.2.8 Дополнительные данные

См. ГОСТ Р 54711, 5.1.8.

4.1.3 Семантика звукового потока битов

4.1.3.1 Последовательность звуковых сигналов

См. ГОСТ Р 54711, 5.2.1.

Фрейм Уровня III с низкой частотой дискретизации содержит информацию только о 576 отсчетах в отличие от 1152 отсчетов фрейма Уровня III ГОСТ Р 54711.

4.1.3.2 Звуковой фрейм

См. ГОСТ Р 54711, 5.2.2.

4.1.3.3 Заголовок

Первые 32 бита (четыре байта) являются заголовком, который одинаков для всех уровней.

syncword — см. ГОСТ Р 54711, 5.2.3.

ID — Бит — идентификатор алгоритма. Равен '1' для ГОСТ Р 54711, значение '0' означает режим малых частот дискретизации.

Layer — ГОСТ Р 54711, 5.2.3.

protection_bit — см. ГОСТ Р 54711, 5.2.3.

bitrate_index — Четыре бита, определяющие скорость передачи. При равенстве всех битов нулю устанавливается «свободный формат», при котором используется фиксированная скорость передачи, не указанная в списке. «Фиксированная» означает, что фрейм содержит или N, или N+1 слотов, в зависимости от значения битова дополнения. bitrate_index является индексом таблицы, которая одинакова для Уровней II и III, но отличается для Уровня I.

bitrate_index указывает на полную скорость передачи независимо от режима (стерео, joint_stereo, dual_channel, single_channel), в соответствии со следующей таблицей, верной при ID=='0':

Декодер, работая в свободном режиме, не обязан поддерживать скорости передачи выше чем 256 кбит/с, 160 кбит/с, 160 кбит/с на Уровнях I, II и III соответственно.

sampling_frequency — Указывает на частоту дискретизации при ID == '0' согласно следующей таблице:

При смене частоты дискретизации возможен сброс аудиодекодера.

padding_bit — см. ГОСТ Р 54711, 5.2.3. Дополнение нулями необходимо при частоте дискретизации 22,05 кГц. Дополнение нулями может также требоваться в свободном формате.

private_bit — см. ГОСТ Р 54711, 5.2.3.

mode — см. ГОСТ Р 54711, 5.2.3.

mode_extension — см. ГОСТ Р 54711, 5.2.3.

copyright — см. ГОСТ Р 54711, 5.2.3.

original/copy — см. ГОСТ Р 54711, 5.2.3.

emphasis — см. ГОСТ Р 54711, 5.2.3.

4.1.3.4 Проверка на ошибки

Для Уровней I и II см. ГОСТ Р 54711, 5.2.4.

Для Уровня III для проверки на ошибки используются следующие биты:

• биты 16 ... 31 заголовка;
• биты 0 ... 71 audio_data для режима single channel;
• биты 0 ... 135 audio_data для других режимов.

4.1.3.5 Звуковые данные. Уровень I

См. ГОСТ Р 54711, 5.2.5.

4.1.3.6 Звуковые данные. Уровень II

См. ГОСТ Р 54711, 5.2.6.

4.1.3.7 Звуковые данные. Уровень III

См. ГОСТ Р 54711, 5.2.7, за исключением различного определения scalefac_compress.

scalefac_compress[ch] — Определяет количество битов, используемых для передачи масштабных коэффициентов, и устанавливает или сбрасывает префлаг. Если префлаг установлен, значения таблицы добавляются к масштабным коэффициентам, как описано в ГОСТ Р 54711 (таблица Б.6).

4.1.3.8 Дополнительные данные

См. ГОСТ Р 54711, 5.2.8.

4.1.4 Процесс декодирования звука

4.1.4.1 Декодирование звука. Уровни I и II

См. ГОСТ Р 54711, 5.3.2, 5.3.3. Для Уровня II вместо таблиц Б.2 ГОСТ Р 54711 должна использоваться таблица Б.1 настоящего стандарта.

4.1.4.2 Декодирование звука. Уровень III

Декодирование уровня III при использовании низких частот дискретизации выполняется аналогично декодированию Уровня III в ГОСТ Р 54711 при следующих различиях.

1. При низких частотах дискретизации фрейм Уровня III содержит только одну гранулу, в отличие от ГОСТ Р 54711, где фрейм Уровня III состоит из двух гранул. Переменная 'gr' больше не существует. Число отсчетов на фрейм — 576. В связи с этим константа, которая используется для вычисления длины фрейма, и алгоритм дополнения нулями должны быть изменены для Уровня III в соответствии со следующей таблицей:

2. Если выбран режим intensity stereo, то максимальное значение интенсивностной позиции укажет на недопустимую позицию. Полосы масштабных коэффициентов в ГОСТ Р 54711 с недопустимой интенсивностной позицией должны декодироваться согласно уравнениям MS, в соответствии с ГОСТ Р 54711, 5.5.5.2, если MS stereo включен, или оба канала независимы, если MS stereo не включен.

3. Как и в ГОСТ Р 54711, последняя полоса масштабных коэффициентов, для которой не применяется интенсивностное кодирование, равна последней полосе масштабных коэффициентов правого канала, не являющейся полностью нулевой, и для которой соответствующий масштабный коэффициент не указывает на недопустимую интенсивностную позицию. Как в ГОСТ Р 54711, декодирование нижней границы при intensity stereo выполняется индивидуально для каждого окна в случае коротких блоков (block_type == '10'). Это означает, что, как и в ГОСТ Р 54711, 5.3.4, вычисление границы интенсивности применяется к значениям каждого короткого окна и допускается индивидуальное декодирование intensity stereo для короткого окна.

4. Шаги 4 и 5 описанного процесса декодирования для декодирования intensity stereo изменены:

Значения kl и kr вычисляются по переданному масштабному коэффициенту / is_possb следующим образом:

Коэффициент декодирования intensity stereo i0 определяется по intensity_scale (1¡2forintensity_scale = = 1,else1î¡î¡2)î . Значение intensity_scale определяется из значения scalefac_compress правого канала:

intensity_scale = scalefac_compress % 2

5. Масштабные коэффициенты

Масштабные коэффициенты декодируются в соответствии с slen1, slen2, slen3 и slen4 и nr_of_sfb1, nr_of_sfb2, nr_of_sfb3, nr_of_sfb4, которые определяются из значений scalefac_compress.

Количество битов, используемых для кодирования масштабных коэффициентов, называется part2_length и вычисляется следующим образом:

part2_length = nr_of_sfb1 slen1 + nr_of_sfb2slen2 + nr_of_sfb3slen3 + nr_of_sfb4slen4

Масштабные коэффициенты передаются в четырех разделах. Количество масштабных коэффициентов в каждом разделе (nr_of_sfb1, nr_of_sfb2, nr_of_sfb3 и nr_of_sfb4), длина масштабных коэффициентов в каждом разделе (slen1, slen2, slen3 и slen4) и префлаг декодируются по scalefac_compress согласно следующей процедуре:

В полосах масштабных коэффициентов, где slen1, slen2, slen3 или slen4 являются нулями и соответствующие nr_of_slen1, nr_of_slen2, nr_of_slen3 или nr_of_slen4 не равны нулю, масштабные коэффициенты этих полос должны быть обнулены, что соответствует нулевой позиции интенсивностности.

4.2 Требования к расширению ГОСТ Р 54711 для поддержки многоканального звука

4.2.1 Кодирование многоканального звука при низкой скорости передачи

4.2.1.1 Универсальная многоканальная звуковая система

Стандарт на низкоскоростное кодирование моно- и стереозвуковых сигналов был установлен в ГОСТ Р 54711. Настоящий стандарт применим для кодирования высококачественных цифровых аудиосигналов без изображений для каналов передачи с ограниченной пропускной способностью.

Стандарт аудиокодирования ГОСТ Р 54711 может использоваться как вместе с MPEG-1 Видео, так и с MPEG-2 Видео, если требования ограничены двухканальным стерео. MPEG-2 Аудио (настоящий стандарт) обеспечивает расширение до 3/2 многоканального аудио и дополнительного НЧ-канала (LFE).

В данном стандарте регламентируется субполосная система аудиокодирования под названием MPEG-AudioMultichannel, которая может использоваться для высококачественного цифрового многоканального и/или многоязычного звука на носителях или для передачи по каналам связи с ограниченной емкостью. Одной из основных характеристик является обратная совместимость с ГОСТ Р 54711 моно, стерео или двухканальными аудиопрограммами. Эта система разработана для использования в различных приложениях.

Системы многоканального звука обеспечивают улучшенное стереозвучание по сравнению со стандартными двухканальными системами. Улучшенное звучание требуется не только для приложений сопровождения изображений, но также и для звуковых приложений.

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.

4.2.1.2 Представление многоканального звука

4.2.1.2.1 3/2-stereo плюс LFE

Для стереофонического представления звуковой программы рекомендуется использование дополнительного центрального канала C и двух каналов окружения LS и RS вместе с фронтальными левым и правым каналами L и R. Такая система названа 3/2-stereo (3 фронтальных канала / 2 канала окружения) и требует передачи соответственным образом форматированных пяти аудиосигналов.

Для звукового сопровождения изображения (например, HDTV) три фронтальных канала обеспечивают достаточную направленность и четкость фронтальных звуковых образов, связанных с изображением, в соответствии с принятой в кино практикой. Основным преимуществом является «устойчивый центр», который обеспечен при любом расположении слушателя и важен для большинства диалогов.

Кроме того, для приложений, ориентированных только на звуковые программы, формат 3/2-stereo является улучшением двухканального стерео. Добавление одной пары каналов окружения позволяет получить улучшение эффекта пространственного звучания.

Канал НЧ (в данном случае канал LFE) может быть добавлен к любой из этих конфигураций. Назначение этого канала заключается в расширении диапазона воспроизводимых нижних частот и увеличении их уровня громкости. В этом смысле данный канал несет ту же функцию, что и канал LFE, предложенный киноиндустрией для их цифровых звуковых систем.

Канал LFE не должен использоваться для всего низкочастотного контента многоканальной звуковой программы. Канал LFE является дополнительным в ресивере и, следовательно, должен использоваться только для низкочастотных эффектов большого уровня громкости. Канал LFE исключен из любых операций дематрицирования в декодере. Частота дискретизации канала LFE соответствует частоте дискретизации основных каналов, разделенной на 96. Это обеспечивает 12 отсчетов LFE в пределах одного аудиофрейма. Канал LFE способен передавать сигналы в диапазоне от 15 до 120 Гц.

4.2.1.2.2 Совместимость

В результате широкого использования стандартных стереопрограмм с двумя каналами (2/0-stereo) должна поддерживаться совместимость с существующими системами озвучания 2/0-stereo или с существующими матрицируемыми ресиверами объемного звука. Это означает, что для многих приложений основной сигнал стерео, содержащий сумму сигналов многоканальной системы, должен быть передан вместе с многоканальной аудиоинформацией. Соответствующие пары выражений являются (1, 2), (3, 4), (5, 6) и (7, 8).

L_{0} = L + _{2}^{1} \sqrt{2} \cdot C + _{2}^{1} \sqrt{2} \cdot LS , (1)

R_{0} = R + _{2}^{1} \sqrt{2} C + _{2}^{1} \sqrt{2} RS , (2)

или

L_{0} = L + _{2}^{1} \sqrt{2} C + _{2}^{1}LS , (3)

R_{0} = R + _{2}^{1} \sqrt{2} C + _{2}^{1}RS , (4)

или

L₀ = L, (5)

R0 = R, (6)

или

L_{0} = L + _{2}^{1} \sqrt{2} C - _{2}^{1} \sqrt{2} jS , (7)

R_{0} = R + _{2}^{1} \sqrt{2} C + _{2}^{1} \sqrt{2} jS , (8)

где jS образуется из LS и RS вычислением моносоставляющей.

Затем к этой составляющей применяются сжатие динамического диапазона и фазовый сдвиг на 90 градусов. Пара [(7), (8)] приемлема для существующих декодеров объемного звука с матрицированием.

Формат потока битов настоящего стандарта выбран так, чтобы аудиодекодер мог правильно декодировать основную стереоинформацию в соответствии с одной из приведенных выше парой выражений. В случае использования этой части данного стандарта существует три возможных варианта обеспечения пользователя основным стереозвуком вместе с многоканальной аудиоинформацией.

1. Непосредственная передача 2/0-stereo вместе с многоканальной информацией в одном потоке битов с обеспечением обратной совместимости с ГОСТ Р 54711, во избежание одновременной передачи, обеспечивает наиболее рациональное использование скорости передачи, требуемой для обеих программ — 2/0-stereo и многоканальной. Дополнительные преимущества состоят в том, что обе программы строго синхронизируются по отсчетам ИКМ и что информация, связанная с аудио, которая передается во вспомогательном поле данных потока битов MPEG-Аудио, должна быть передана всего один раз. Создание стерео из многоканального аудиосигнала выполняется кодером настоящего стандарта. Для этого в данной части стандарта представлен ряд матричных опций, соответствующих выражениям (1) и (2), (3) и (4).

2. Одновременная передача многоканального аудиосигнала, кодированного в соответствии с настоящим стандартом, вместе с сигналом 2/0-stereo, кодированным в соответствии с ГОСТ Р 54711, требует использования двух независимых потоков битов, которые могут быть мультиплексированы и переданы совместно [1]. При наличии обоих потоков синхронизацию обеспечивает провайдер программы. Кроме того, опция одновременной передачи требует более высокой скорости передачи, так как вместо пяти каналов в случае 3/2-многоканального звука должны быть переданы семь звуковых каналов. Однако опция одновременной передачи учитывает индивидуальные требования, то есть звукооператор имеет возможность контролировать баланс 2/0-stereo.

3. Передача только многоканального сигнала при использовании нематрицируемого режима [выражения (5), (6)] возможна со стереодекодером, который должен декодировать все пять каналов и переводить их в стереорежим. В то же время сведение сигналов в стереорежим может быть выполнено в декодере перед блоком фильтров, вследствие чего фильтрации будут подвергнуты отсчеты только двух каналов. Однако это значительно усложняет алгоритм декодирования.

Если требуется совместимость с существующими матрицируемыми декодерами объемного звука, эта часть стандарта снова предоставляет три решения.

1. Для гарантирования высокой производительности относительно скорости передачи, требуемой как для 3/2-multichannel, так и для матрицируемого объемного звука, последний может быть передан в стереоканале, имеющем обратную совместимость. Матричная опция '10' согласно уравнениям (7) и (8) обеспечивает соответствующую стереосовместимость для сигнала, который передается в обычных стереоканалах. Матрицируемый сигнал окружения, подходящий для существующих матрицируемых декодеров, может быть получен в ресивере при использовании двухканального декодера по ГОСТ Р 54711. Соответствующий 3/2-канальный выходной сигнал может быть получен при использовании декодера, описанного в настоящем стандарте.

2. Для одновременной передачи матрицируемого сигнала окружения, использующего ГОСТ Р 54711, и 3/2-канального звукового сигнала, использующего настоящий стандарт, необходима более высокая скорость передачи. Эта опция допускает регулирование звукооператором баланса матрицируемых каналов окружения.

Недостаток данного решения заключается в увеличении скорости передачи цифрового потока из-за необходимости передавать семь звуковых каналов вместо пяти при использовании матричной опции '10'.

3. Для передачи только многоканального сигнала при использовании нематрицируемого режима каждый декодер стерео должен иметь возможность декодировать все пять сигналов и выполнять микширование согласно уравнениям (7) и (8). Несмотря на то что микширование может быть применено в декодере перед блоком фильтров и фильтрации подлежат только два канала, это значительно усложняет декодер.

Иерархия аудиоформатов, обеспечивающих пониженное число каналов, качество (2/0-stereo или даже моно) и соответствующий набор вниз суммирующих уравнений, дана в [3]. Альтернативными аудиоформатами, которые могут использоваться при экономических или физических ограничениях канала передачи, являются 3/1, 3/0, 2/2, 2/1, 2/0 и 1/0. Соответствующие расположения громкоговорителей — 3/2, 3/1, 3/0, 2/2, 2/1, 2/0 и 1/0.

Основная задача состоит в том, чтобы расширить существующие 2/0-stereo аудиосистемы путем передачи дополнительных звуковых каналов (центрального, окружения) без одновременной передачи. Это условие обратной совместимости с существующими ресиверами подразумевает использование матриц совместимости: декодер предыдущего поколения должен воспроизводить два стандартных основных сигнала стерео L'o/R'o, а многоканальный декодер — полный 3/2-stereo набор каналов L'/C'/R'/LS'/RS' основного стереосигнала и сигналов расширения.

4.2.1.3 Многоязычная поддержка

В ряде случаев требуются многоканальное стерео и двуязычные программы или многоязычные комментарии, в частности в HDTV. Эта часть данного стандарта предусматривает альтернативные конфигурации звуковых каналов в аудиосистеме с пятью каналами, например двуязычная 2/0 программа стерео или стереозвук 2/0, 3/0 плюс сопроводительные службы (например, «чистый диалог» для слабослышащего, комментарии для людей со слабым зрением, многоязычные комментарии и т.д.). Важной частью конфигурации является возможность воспроизведения диалога комментария (например, через центральный громкоговоритель) вместе с музыкой/эффектами (например, документальный фильм, спортивные передачи).

4.2.2 Основные параметры многоканальной системы звукового кодирования

Передача пяти аудиосигналов системы 3/2 требует наличия пяти каналов передачи (хотя в контексте сжатия сигналов эти каналы не обязательно должны быть независимы). Чтобы два из переданных сигналов могли обеспечить стереорежим, исходные звуковые сигналы, как правило, объединяются перед кодированием в линейной матрице. Эти комбинированные сигналы (и их каналы передачи) обозначаются T0, T1, T2, T3 и T4.

4.2.2.1 Совместимость с ГОСТ Р 54711

Многоканальная система полностью совместима с ГОСТ Р 54711. Для многоканального аудиопотока битов наличие обратной совместимости означает, что аудиодекодер ГОСТ Р 54711 будет должным образом декодировать основную стереоинформацию (см. 4.2.1.2.2). Совместимость с ГОСТ Р 54711 означает, что многоканальный аудиодекодер MPEG-2 может декодировать поток битов звука, сформированного по ГОСТ Р 54711.

Обратная совместимость реализуется за счет кодирования основной стереоинформации в соответствии с ГОСТ Р 54711 при использовании полей дополнительных данных аудиофрейма (в этой части стандарта — основной фрейм) плюс дополнительный фрейм расширения для многоканального расширения.

Полный аудиофрейм включает четыре различных типа данных:

• информация заголовка в пределах первых 32 битов аудиофрейма ГОСТ Р 54711;
• контроль ошибок с помощью циклического избыточного кода (CRC), состоящего из 16 битов, следующих сразу после информации заголовка (дополнительная опция);
• аудиоданные, состоящие для Уровня II из информации о распределении битов (BAL), информации о выборе масштабных коэффициентов (SCFSI), масштабных коэффициентов (SCF) и субполосных отсчетов;
• дополнительные данные, которые из-за большого количества различных приложений будут использовать эту часть стандарта, длина и назначение этого поля не определены.

Переменная длина вспомогательного поля данных позволяет поместить полную информацию о расширении каналов T2/T3/T4 в первую часть поля вспомогательного поля. Если кодер MC не использует все поле дополнительных данных для информации о многоканальном расширении, оставшаяся часть этого поля может применяться для других дополнительных данных.

Скорость передачи, необходимая для передачи информации о многоканальном расширении, может меняться от фрейма к фрейму в зависимости от свойства звуковых сигналов. Полная скорость передачи может превышать значения, предусмотренные в настоящем стандарте, из-за использования дополнительных битов расширения. Максимальные скорости передачи, с учетом передачи битов расширения, определяются в соответствии со следующей таблицей:

В этой части стандарта описываются комбинации основных стереосигналов L0, R0 Уровней I, II и III и многоканальное расширение Уровня II и Уровня III. Возможны следующие комбинации:

4.2.2.2 Формат входного/выходного звукового сигнала

Частоты дискретизации: 48, 44,1 или 32 кГц.

Квантование: до 24 битов на ИКМ-отсчет.

Следующие комбинации звуковых каналов могут использоваться в качестве входов аудиокодера:

а) конфигурация 3/2 — пять каналов, включая L, C, R плюс два канала окружения LS, RS;

б) конфигурация 3/1 — четыре канала, включая L, C, R плюс один канал окружения S;

в) конфигурация 3/0 — три канала, включая L, C, R без каналов окружения;

г) конфигурация 3/0 + 2/0 — пять каналов, включая L, C, R первой программы плюс L2, R2 второй программы;

д) конфигурация 2/2 — четыре канала, включая L, R плюс два канала окружения LS, RS;

е) конфигурация 2/1 — три канала, включая L, R с одним каналом окружения S;

ж) конфигурация 2/0 (или 1/0 + 1/0) — стерео или два независимых канала, как в ГОСТ Р 54711;

и) конфигурация 2/0 + 2/0 (или 1/0 + 1/0 + 2/0) — четыре канала, включая L, R (или каналы I и II) первой программы плюс L2, R2 второй программы;

к) конфигурация 1/0 — одноканальный режим, как в ГОСТ Р 54711;

л) конфигурация 1/0 + 2/0 — три канала, включая одноканальный режим, как в ГОСТ Р 54711, плюс L2, R2 второй программы.

Различные комбинации входных аудиосигналов кодируются и передаются в пяти доступных каналах передачи T0, T1, T2, T3 и T4, из которых T0 и T1 являются двумя основными каналами ГОСТ Р 54711 и соответствуют сигналам L0 и R0. По каналам T2, T3 и T4 передается многоканальная информация, использующая вспомогательное поле данных ГОСТ Р 54711 и дополнительный поток битов расширения.

После многоканального декодирования возможно восстановление до пяти звуковых каналов, которые затем могут быть представлены в любом удобном формате по выбору слушателей:

а) пять каналов, конфигурация 3/2

фронт — левый (L) и правый (R) каналы плюс центральный канал (C),

окружение — левый (LS) и правый (RS) каналы окружения;

б) четыре канала, конфигурация 3/1

фронт — левый (L) и правый (R) каналы плюс центральный канал (C),

окружение — моноканал окружения (S);

в) три канала, конфигурация 3/0

фронт — левый (L) и правый (R) каналы плюс центральный канал (C),

окружение — нет каналов окружения;

г) четыре канала, конфигурация 2/2

фронт — левый (L) и правый (R) каналы,

окружение — левый (LS) и правый (RS) каналы окружения;

д) три канала, конфигурация 2/1

фронт — левый (L) и правый (R) каналы,

окружение — моноканал окружения (S);

е) два канала, конфигурация 2/0

фронт — левый (L) и правый (R) каналы,

окружение — нет каналов окружения;

ж) один канал, конфигурация 1/0

фронт — моно (M0),

окружение — нет каналов окружения.

Канал НЧ может быть дополнительно добавлен к любой из этих конфигураций, за исключением конфигурации 1/0.

Сигналы на выходах должны быть представлены раздельно или объединенными в соответствии с уравнениями преобразования, как определено в [5].

4.2.2.3 Режимы составного кодирования

4.2.2.3.1 Динамическое переключение канала передачи

Для обеспечения лучшей ортогональности между двумя совместными сигналами T0 и T1 и тремя дополнительными сигналами T2, T3 и T4, необходимо иметь определенную гибкость при выборе каналов T2, T3 и T4. Эта часть настоящего стандарта позволяет, независимо от количества частотных областей, выбрать между несколькими комбинациями трех сигналов из указанных пяти L, C, R, LS, RS. Выбранная комбинация будет передана в T2, T3 и T4.

4.2.2.3.2 Динамическое перекрестное распределение

Согласно бинауральной модели слуха возможно определить части стереофонического сигнала, которые не важны при пространственном восприятии стереофонического представления. Такие составляющие стереосигнала не маскируются, однако они не влияют на локализацию звуковых источников. Они игнорируются при бинауральном восприятии в слуховой системе человека. Поэтому составляющие любого стереосигнала (L, C, R, LS или RS), не влияющие на локализацию, могут быть воспроизведены через любой громкоговоритель или через несколько громкоговорителей системы, не влияя на стереофоническое восприятие. Это может быть выполнено независимо для различных частотных областей.

4.2.2.3.3 Адаптивное многоканальное предсказание

Для того чтобы использовать для устранения избыточности статистические зависимости между сигналами в различных каналах, применяют адаптивное многоканальное предсказание. Вместо того чтобы передавать непосредственно сами сигналы в каналах передачи T2, T3, T4, передаются соответствующие сигналы ошибки предсказания. Используются предсказывающие устройства вплоть до 2-го порядка с компенсацией задержки.

4.2.2.3.4 Фантомное кодирование центрального канала

Слуховая система человека при локализации на верхних частотах реагирует только на интенсивность звуковых сигналов, вследствие чего можно передавать ВЧ-часть центрального канала во фронтальных левом и правом каналах. При этом образуется фантомный источник звука, расположенный по центру.

4.2.2.4 Параметры кодера и декодера

4.2.3 Спецификация кодированного звукового потока битов

4.2.3.1 Поток битов расширения

Последовательность звукового сигнала состоит из основного потока битов, декодируемого в соответствии с ГОСТ Р 54711, и дополнительного потока битов расширения:

4.2.3.2 Основной фрейм Уровня 1

4.2.3.3 Основной фрейм Уровня II

4.2.3.4 Основной фрейм Уровня III

4.2.3.5 Фрейм расширения

4.2.3.6 MPEG-1 заголовок

См. ГОСТ Р 54711, 5.1.3.

4.2.3.7 MPEG-1 проверка на ошибки

См. ГОСТ Р 54711, 5.1.4.

4.2.3.8 MPEG-1 данные звука

См. ГОСТ Р 54711, 5.1.5, 5.1.6 и 5.1.7.

4.2.3.9 MPEG-1 дополнительные данные

Если ext_bit_stream_present == '1' || layer == 3, то допустим следующий синтаксис:

Если ext_bit_stream_present == '0' && layer != 3, см. ГОСТ Р 54711, 5.1.8.

4.2.3.10 Ext заголовок

4.2.3.11 Ext дополнительные данные

4.2.3.12 MC расширение

4.2.3.12.1 MC расширение. Уровни I и II

4.2.3.12.2 MC расширение. Уровень III

4.2.3.12.3 Расположение данных MC Extension

На Уровне I содержимое mc_extension () разделяется на mc_extension_data_part1 (), mc_extension_data_part2 () и mc_extension_data_part3 () с необязательным наличием ext_data (), которые передаются в соответствующем фрейме расширения.

На Уровнях II и III содержимое mc_extension () разделяется на mc_extension_data_part1 () с необязательным наличием ext_data (), которые передаются в соответствующем фрейме расширения. Это может быть представлено следующим образом:

4.2.3.13 MC заголовок

4.2.3.14 MC проверка на ошибки

4.2.3.15 Информация о статусе MC Composite. Уровни I и II

4.2.3.16 Информация о статусе MC Composite. Уровень III

4.2.3.17 MC данные звука. Уровни I и II

4.2.3.18 ML аудиоданные. Уровни I и II

4.2.3.19 ML аудиоданные. Уровень III

4.2.3.20 LFE дополнительные данные. Уровень III

4.2.3.21 LFE основные данные звука. Уровень III

4.2.3.22 ML дополнительные данные. Уровень III

Если multi_lingual_fs == 0, но без main_data_begin, private_bits и main_data ().

Если multi_lingual_fs == 1, см. синтаксис audio_data () в ГОСТ Р 54711 и 4.1.2.7 в настоящем стандарте, но без main_data_begin, private_bits и main_data ().

Для использования в качестве ML служебных данных nch устанавливается в no_of_multi_lingual_ch.

4.2.3.23 ML основные аудиоданные. Уровень III

Если multi_lingual_fs == 0, см. синтаксис main_data в ГОСТ Р 54711.

Если multi_lingual_fs == 1, см. синтаксис main_data в 4.1.2.7 настоящего стандарта.

Для использования в качестве ML основных аудиоданных nch устанавливаются в no_of_multi_lingual_ch.

4.2.4 Семантика синтаксиса звукового потока битов

4.2.4.1 Общая звуковая последовательность

Часть потока битов base_frame плюс дополнительный ext_frame декодируется на основе информации, содержащейся только в ней самой. Эта часть содержит данные о 1152 звуковых отсчетах каждого кодированного звукового канала, 12 отсчетов для канала LFE и или 1152, или 576 отсчетов каждого многоязычного канала. Данная часть начинается с синхрослова и заканчивается перед третьим по счету следующим синхрословом на Уровне I и перед следующим синхрословом на Уровнях II и III. Эта часть состоит из целого числа слотов (четыре байта на Уровне I, один байт на Уровнях II и III).

Основной фрейм должен содержать или обратносовместимые стерео, или левый и правый каналы в зависимости от данных матрицирования. Основной фрейм начинается с mpeg1_header, mpeg1_error_check, за которыми следуют mpeg1_audio_data, mc_extension_data_part1 и mpeg1_ancillary_data на Уровнях I и II. На Уровне I mc_extension_data_part разделяется на три части: mc_extension_data_part1, mc_extension_data_part2 и mc_extension_data_part3. На Уровне III основной фрейм также начинается с mpeg1_header и mpeg1_error_check, за которыми следуют mpeg1_audio_side_info и mpeg1_main_data. Первый из них состоит из mpeg1_audio_main_data, mc_extension_data_part1 и mpeg1_ancillary_data.

Если полная скорость передачи превышает скорость передачи base_frame, mc_extension_data_part1 должен включать по крайней мере mc_header. Тогда base_frame декодируется на основе информации, содержащейся только в нем самом с помощью декодера ГОСТ Р 54711.

4.2.4.2 Основной фрейм. Уровень I

mpeg1_header — Часть потока битов, содержащая синхронизацию и информацию о состоянии.

mpeg1_error_check — Часть потока битов, содержащая информацию для обнаружения ошибок в MPEG-1 части потока битов.

mpeg1_audio_data — Часть потока битов, содержащая информацию об отсчетах звукового сигнала MPEG-1 части потока битов.

mc_extension_data_part1, mc_extension_data_part2, mc_extension_data_part3 — Эти три части плюс дополнительный ext_data фрейма расширения образуют полное многоканальное поле расширения mc_extension одного аудиофрейма, которое состоит из mc_header, mc_error_check, mc_composite_status_info, mc_audio_data и ml_audio_data.

continuation_bit — Один бит со значением '0' для улучшения синхронизации.

mpeg1_ancillary_data — Часть потока битов, которая может использоваться для служебных данных.

4.2.4.3 Основной фрейм. Уровень II

mpeg1_header-mpeg1_error_check.

mpeg1_audio_data.

mc_extension_data_part1 () — Эта часть плюс дополнительный ext_data фрейма расширения образуют многоканальное поле расширения, которое состоит из mc_header, mc_error_check, mc_composite_status_info, mc_audio_data и ml_audio_data.

mpeg1_ancillary_data.

4.2.4.4 Основной фрейм. Уровень III

mpeg1_header — См. 4.2.4.2.

mpeg1_error_check — См. 4.2.4.2.

mpeg1_audio_side_info — То же самое, что элемент синтаксиса audio_data () в ГОСТ Р 54711, но без main_data ().

mpeg1_main_data — То же самое, что элемент синтаксиса main_data () в ГОСТ Р 54711. Содержит MPEG-1 аудиоданные, так же как и MPEG-2 аудиоданные (многоканальные и многоязычные) и дополнительные данные.

mpeg1_audio_main_data — То же самое, что элемент синтаксиса main_data () в ГОСТ Р 54711, 5.1.7, но без дополнительных данных.

mc_extension_data_part1 — Эта часть плюс дополнительный ext_data фрейма расширения образуют многоканальное поле расширения, которое состоит из mc_header, mc_error_check, mc_composite_status_info, mpeg2_audio_side_info и mpeg2_audio_main_data.

mpeg1_ancillary_data — См. 4.2.4.2.

4.2.4.5 Фрейм расширения

ext_header — Часть потока битов расширения, содержащая синхронизацию и информацию о состоянии.

ext_data — Часть многоканального/многоязычного поля в потоке битов, которая содержит те биты, которые не могут быть переданы в base_frame.

ext_ancillary_data — Часть потока битов расширения, которая может использоваться для того, чтобы передать дополнительные данные для Уровней I и II. Для Уровня III дополнительные данные для многоканального/многоязычного расширения mpeg2_ancillary_data располагаются в mpeg2_audio_main_data независимо от того, используется ли поток битов расширения или нет.

4.2.4.6 MPEG-1 заголовок

См. ГОСТ Р 54711, 5.2.3.

4.2.4.7 MPEG-1 проверка на ошибки

См. ГОСТ Р 54711, 5.2.4.

4.2.4.8 MPEG-1 аудиоданные

См. ГОСТ Р 54711, 5.2.5, 5.2.6 и 5.2.7.

4.2.4.9 MPEG-1 Дополнительные данные

См. ГОСТ Р 54711, 5.2.8.

4.2.4.10 Заголовок расширения

ext_syncword — Строка из 12 битов '0111 1111 1111' для синхронизации основного потока битов и потока битов расширения.

ext_crc_check — Обязательное проверочное слово длиной 16 битов. CRC-проверка начинается с первого бита ext_length поля. Число битов, включенных в проверку CRC, равняется 128 или меньше, если конец ext_data поля достигается ранее.

ext_length - ₁₁-битовое число, указывающее на общее количество байтов фрейма расширения.

ext_ID_bit — Зарезервирован для будущего использования. Должен быть установлен в '0' для фрейма расширения настоящего стандарта.

4.2.4.11 Служебные данные расширения

ext_ancillary_bit — Определяется пользователем. Количество битов служебных данных расширения (no_of_ext_ancillary_bits) равняется ext_length минус количество битов, используемых для ext_header и ext_data.

4.2.4.12 MC расширение

4.2.4.12.1 MC расширение. Уровни I и II

mc_header — Часть потока битов, содержащая синхронизацию и информацию о состоянии для многоканального и многоязычного расширений потока битов.

mc_error_check — Часть потока битов, содержащая информацию для обнаружения ошибок в многоканальной части расширений потока битов.

mc_composite_status_info — Часть потока битов, содержащая информацию о режиме составного кодирования.

mc_audio_data — Часть потока битов, содержащая информацию о звуковых отсчетах многоканальной части расширения потока битов.

ml_audio_data — Часть потока битов, содержащая информацию о звуковых отсчетах части расширения комментария потока битов.

4.2.4.12.2 MC расширение. Уровень III

mpeg2_audio_side_info — Часть потока битов, содержащая информацию, необходимую для декодирования многоканального и многоязычного расширений.

byte_align_bit — Бит, используемый для выравнивания байта mpeg2_audio_main_data.

mpeg2_audio_main_data — Часть потока битов, содержащая информацию о звуковых отсчетах многоканального и многоязычного расширений. К этим данным получают доступ через mc_data_begin в элементе синтаксиса mc_composite_status_info. Из-за переменной природы кодирования методом Хаффмана на Уровне III и методом резервуара битов, mpeg2_audio_main_data для фрейма обычно не следует за mpeg2_audio_side_info того же фрейма. mpeg2_audio_main_data фрейма предшествует mc_header и mpeg2_audio_side_info фрейма при отрицательном смещении, заданном значением mc_data_begin. Число байт, используемых для информации, отличной от mpeg2_audio_main_data, не принимается во внимание, если речь идет о mc_data_begin.

mc_side_info — Часть потока битов, содержащая информацию, необходимую для декодирования широкополосных каналов.

lfe_side_info — Часть потока битов, содержащая информацию, необходимую для декодирования низкочастотного канала.

ml_side_info — Часть потока битов, содержащая информацию, необходимую для декодирования многоязычных каналов.

mc_audio_main_data — Часть потока битов, содержащая информацию о звуковых отсчетах широкополосных каналов.

lfe_audio_main_data — Часть потока битов, содержащая информацию о звуковых отсчетах низкочастотного канала.

ml_audio_main_data — Часть потока битов, содержащая информацию о звуковых отсчетах многоязычных каналов.

mpeg2_ancillary_data — Дополнительные данные многоканальной/многоязычной части расширения. Число дополнительных битов данных l3_mpeg2_ancillary_bits соответствует расстоянию между концом многоканальных/многоязычных данных после кодирования кодом Хаффмана и расположением в mpeg2_audio_main_data, на который указывает mc_data_begin следующего фрейма.

4.2.4.13 MC заголовок

ext_bit_stream_present — Один бит, показывающий, существует ли поток битов расширения, который содержит остаток от многоканальной и многоязычной аудиоинформации в случае, если информация не помещается в один base_frame;

'0' — поток расширения отсутствует;

'1' — поток расширения присутствует.

Если значение ext_bit_stream_present меняется, возможен сброс декодера. При использовании переменной скорости передачи для потока битов расширения, если требуемое число битов для определенного аудиофрейма укладывается в base_frame и, следовательно, ext_frame не требуется, ext_frame может состоять только из ext_header во избежание сброса декодера.

n_ad_bytes — Восемь битов, которые образуют целое число без знака, определяющее, сколько байт используется для MPEG-1-совместимого поля служебных данных, если поток битов расширения существует (Уровни I и II) или если используется Уровень III (с потоком или без потока битов расширения).

centre — Два бита, определяющие, используется ли центральный канал и его пропускную способность:

'00' — центральный канал не представлен;

'01 — центральный канал представлен;

'10' — не определено;

'11' — ограниченная пропускная способность центрального канала (фантомное кодирование).

Если пропускная способность центрального канала C ограниченна, то субполосы выше 11 не передаются. Декодер должен установить переменную centre_limited [mch] [sb] в значение «истина» для этих субполос, и выделение битов для них должно быть обнулено:

for (sb=0; sb <12; sb++)

centre_limited [centre] [sb] =false;

if (centre == '11'),

for (sb=12; sb <msblimit; sb ++)

centre_limited [centre] [sb] =true;

else

for (sb=12; sb <msblimit; sb ++)

centre_limited [centre] [sb] =false.

Для тех субполос, где centre_limited [mch] [sb] возвращает «истину», могут использоваться только те выделения канала передачи, которые включают центральный сигнал. В случае динамических перекрестных помех, включающих центральный канал, масштабные коэффициенты указанных субполос не передаются.

surround — Два бита, показывающие, содержатся ли каналы окружения в потоке битов mc_extension:

'00' — нет каналов окружения;

'01' — моноканал окружения;

'10' — стереоканал окружения;

'11' — нет каналов окружения, однако присутствует вторая стереопрограмма.

lfe — один бит, показывающий, присутствует ли канал низкой частоты:

'0' — канал низкой частоты отсутствует;

'1' — канал низкой частоты присутствует.

audio_mix — Один бит, показывающий характер сведения сигнала: для прослушивания в больших помещениях, как театр, или для прослушивания в небольших помещениях, как комната. Этот бит игнорируется декодером, однако может быть использован системой воспроизведения:

'0' — аудиопрограмма сведена для прослушивания в больших помещениях;

'1' — аудиопрограмма сведена для прослушивания в небольших помещениях.

dematrix_procedure — Два бита, показывающие тип процедуры дематрицирования, которая должна быть применена в декодере. dematrix_procedure влияет на декодирование tc_allocation и процедуру денормализации. Для описания процедур см. 4.5.3.2.1.1 и 4.5.3.2.5:

'00' — процедура 0;

'01' — процедура 1;

'10' — процедура 2;

'11' — процедура 3.

Значение '10' может встречаться только в комбинации с конфигурациями 3/1 или 3/2.

no_of_multi_lingual_ch — Три бита, образующие беззнаковое целое число, соответствующее количеству многоязычных каналов или каналов комментария в потоке битов mc_extension.

multi_lingual_fs — Один бит, показывающий, являются ли частоты дискретизации многоязычного и основных звуковых каналов одинаковыми или нет. Равняется '1', если частота дискретизации многоязычных каналов равна половине частоты дискретизации основных каналов, '0', если обе частоты дискретизации равны.

multi_lingual_layer — Один бит, показывающий, используется ли ml Уровня II или ml Уровня III. На Уровне I всегда используется ml Уровня II:

copyright_identification_bit — Один бит, являющийся частью 72-разрядного поля идентификации авторского права. Начало поля обозначается битом copyright_identification_start. Поле состоит из 8-разрядного copyright_identifier, сопровождаемого 64-разрядным copyright_number. Идентификатор авторского права дается организацией по защите авторских прав. copyright_number является уникальным значением, которое идентифицирует защищенный авторским правом материал.

copyright_identification_start — Один бит, показывающий, что copyright_identification_bit в этом аудиофрейме является первым битом 72-разрядной идентификации авторского права. Если никакая идентификация авторского права не передается, этот бит должен быть равен '0':

'0' — в аудиофрейме отсутствует начало идентификации авторского права;

'1' — в аудиофрейме присутствует начало идентификации авторского права.

4.2.4.14 MC проверка на ошибки

mc_crc_check — Обязательное 16-разрядное слово для обнаружения ошибок. Также используется для обнаружения наличия многоканальной или многоязычной информации. На Уровнях I и II вычисление начинается с первого бита многоканального заголовка и заканчивается последним битом поля scfsi, исключая само поле mc_crc_check.

На Уровне III вычисление начинается с первого бита многоканального заголовка и заканчивается последним битом ML_header ().

4.2.4.15 MC информация о состоянии. Уровни I, II

tc_sbgr_select — Один бит, указывающий, используется ли tc_allocation для всех субполос или только для отдельных групп субполос. Равен '1', если tc_allocation используется для всех субполос, '0', если tc_allocation используется только для отдельных групп субполос. Следующая таблица показывает соответствие субполос группам субполос sbgr:

dyn_cross_on — Один бит, показывающий, используется ли динамическое перекрестное распределение. Равен '1', если динамическое перекрестное распределение используется, в противном случае равен '0'.

mc_prediction_on — Один бит, показывающий, используется ли mc_prediction. Равен '1', если mc_prediction используется, в противном случае равен '0'.

tc_allocation, tc_allocation [sbgr] — Содержит информацию о выделении канала передачи для всех субполос или для субполос в группе субполос sbgr соответственно. T0 всегда содержит L0, а T1 всегда содержит R0. В случае, когда dematrix_procedure равно '11', подразумевается, что tc_allocation [sbgr] == 0. Если используется фантомное кодирование ( centre == '11'), центральный канал групп субполос содержится в дополнительных каналах передачи, так что для этих групп субполос значение tc_allocation должно быть ограничено следующим образом:

0, 3, 4, 5 — в режиме 3/2;

0, 3, 4 — в режиме 3/1;

0 — в режимах 3/0 и 3/0+2/0.

1. Конфигурация 3/2 (nmch == 3, длина поля tc_allocation 3 бита):

2. Конфигурация 3/1 (nmch == 2, длина поля tc_allocation 3 бита):

{возможно только при dematrix_procedure == '10'}

3. Конфигурация 3/0 (+ 2/0) (nmch == 1 в режиме 3/0, nmch == 3 в режиме 3/0+2/0, длина поля tc_allocation 2 бита):

При наличии второй стереопрограммы T3 содержит L2, а T4 содержит R2 второй стереопрограммы.

4. Конфигурация 2/2 (nmch == 2, длина поля tc_allocation 2 бита):

5. Конфигурация 2/1 (nmch == 1, длина поля tc_allocation 2 бита):

6. Конфигурация 2/0 (+ 2/0) (nmch == 0 в режиме 2/0, nmch == 2 в режиме 2/0+2/0, длина поля tc_allocation 0 битов).

При наличии второй стереопрограммы T2 содержит L2, а T3 содержит R2 второй стереопрограммы.

7. Конфигурация 1/0 (+ 2/0) (nmch == 0 в режиме 1/0, nmch == 2 в режиме 1/0+2/0, длина поля tc_allocation 0 битов).

При наличии второй стереопрограммы T1 содержит L2, а T2 содержит R2 второй стереопрограммы.

dyn_cross_LR — Один бит, показывающий, будут ли CW и/или SW скопированы из L0 (dyn_cross_LR == '0') или из R0 (dyn_cross_LR == '1').

dyn_cross_mode [sbgr] — От одного до четырех битов, показывающие, между какими каналами передачи активно динамическое перекрестное распределение для субполос в группе субполос sbgr. Для этих субполос информация о распределении битов и субполосные отсчеты отсутствуют в потоке битов. Число битов этого поля зависит от конфигурации каналов, которая может быть 3/2 (A), 3/1 (B), 3/0 (C), 2/2 (D) или 2/1 (E). Следующие таблицы дают оставшиеся каналы передачи для всех режимов. Если канал передачи Tj отсутствует (обозначен '-' в таблицах), переквантованные, но еще не масштабируемые субполосные отсчеты соответствующего звукового канала должны быть скопированы согласно следующим правилам:

• если существует Tij в той же самой строке таблицы, субполосные отсчеты канала передачи j должны быть скопированы из канала передачи i;
• если существует Tijk в той же самой строке таблицы, субполосные отсчеты каналов передачи j и k должны быть скопированы из канала передачи i;
• для остальных случаев:
• Lw и LSw должны быть скопированы из L_{0} ,
• Rw и RSw должны быть скопированы из R_{0} ,
• Cw и Sw должны быть скопированы из L_{0} , если dyn_cross_LR == '0', или из R_{0} , если dyn_cross_LR == '1'.

Первоначально для всех субполос всех каналов передачи переменная dyn_cross [Tx] [sb] должна быть установлена в «ложь». Затем для субполос каналов передачи, для которых не передаются информация о распределении битов и отсчеты, переменная dyn_cross [mch] [sb] должна быть установлена в «истину»:

for (sb = lim1; sb <= lim2; sb ++) dyn_cross [Tx] [sb] = true,

где lim1 и lim2 — границы групп субполос.

Распределение битов для субполос со значением dyn_cross [Tx] [sb], равным «истина», должно быть скопировано из соответствующего канала передачи. Если было выделено 0 битов, информация о выборе масштабных коэффициентов и масштабные коэффициенты не передаются.

1. Конфигурация 3/2 (длина поля 'dyn_cross_mode' 4 бита):

2. Конфигурация 3/1 (длина поля 'dyn_cross_mode' 3 бита):

3. Конфигурация 3/0 (+ 2/0) (длина поля 'dyn_cross_mode' 1 бит):

4. Конфигурация 2/2 (длина поля 'dyn_cross_mode' 3 бита):

5. Конфигурация 2/1 (длина поля 'dyn_cross_mode' 1 бит):

6. Конфигурация 2/0 (+ 2/0) (длина поля 'dyn_cross_mode' 0 бит).

7. Конфигурация 1/0 (+ 2/0) (длина поля 'dyn_cross_mode' 0 бит).

dyn_second_stereo [sbgr] — Один бит, показывающий, используется ли динамическое перекрестное распределение во второй стереопрограмме. Равен '0', если динамическое перекрестное распределение не используется. Если бит равен '1', то субполосные отсчеты R2 (канал передачи T3 в конфигурации 2/0 + 2/0, T4 в конфигурации 3/0 + 2/0) копируются из L2 (канал передачи T2 в конфигурации 2/0 + 2/0, T3 в конфигурации 3/0 + 2/0).

mc_prediction [sbgr] — Один бит, показывающий, используется ли многоканальное устранение избыточности путем предсказания в группе субполос sbgr. Использование mc_prediction ограничивается группами субполос от 0 до 7. Равен '1', если устранение избыточности используется, '0', если устранение избыточности не используется.

predsi [sbgr] [px] — Информация о выборе предсказывающего устройства. Показывает, используется ли предсказывающее устройство px в группе субполос sbgr, и если да, сколько коэффициентов передается:

Максимальное количество используемых предсказывающих устройств npred зависит от динамических перекрестных помех (dyn_cross_mode). Значения npred следующие:

4.2.4.16 MC информация о состоянии. Уровень III

mc_data_begin — Одиннадцать битов, определяющих отрицательное смещение в байтах относительно первого байта фактического фрейма. Число байт, относящихся к MPEG 1 части фрейма mc_header, mc_error_check и mc_composite_status_info, не принимается во внимание. Это означает, что если mc_data_begin == 0, то mc_main_data начинается после последнего byte_aligned_bit.

seg_list_present [gr] [ch] — Передается, только если канал отмечен как существующий в mc_header (). Если seg_list_present не отмечен (что допустимо только для максимум двух каналов), соответствующий канал восстанавливается дематрицированием левого/правого объединенных и переданных каналов.

seg_list_nodef [gr] [ch] — Показывает, передается ли список сегментов или используется список по умолчанию. Список сегментов по умолчанию показывает, что канал передается полностью в указанном канале.

segment_list_repeat [ch] — Показывает, идентичен ли список сегментов второй гранулы списку сегментов первой. Эта переменная передается, если список сегментов первой гранулы не равен списку по умолчанию.

tc_present [gr] [ch] — Показывает, представлен ли передаваемый канал tc в потоке битов. Различие между seg_list_present и tc_present заключается в том, что количество переданных каналов может быть меньше, чем количество выходных каналов, даже если учитывать каналы, восстанавливаемые дематрицированием. Канал, для которого имеется список сегментов, но отсутствует соответствующий tc, должен быть восстановлен через intensity stereo. Канал, для которого существует tc_present, может быть использован в tc_select. tc_present == '1' означает, что канал присутствует. Для звуковых каналов, которые отмечены в mc_header () как несуществующие, принимается tc_present == '0'.

ch_present [ch] — Функция, показывающая, присутствует ли звуковой канал ch в соответствии с mc_header().

block_type [gr] [ch] — Указывает на тип окна для гранулы/канала (см. описание банка фильтров, Уровень III):

block_type — дает информацию об объединении значений в блок и о длине и количестве преобразований (см. блок-схему на рисунке 4 приложения В для аналитического описания). Полифазный банк фильтров описывается в ГОСТ Р 54711, 5.3.6.

При использовании длинных блоков (block_type != '10'), ОМДКП образует 36 значений для каждых 18 входных значений. Выходные значения берутся в окно в соответствии с block_type, и первая половина значений перекрывается со второй половиной предыдущего блока. Получающийся вектор значений поступает на вход одной из полос полифазного банка фильтров синтеза.

При использовании коротких блоков (block_type=='10') выполняются три преобразования, образуя 12 выходных значений каждое. Эти три вектора значений берутся в окно и перекрываются. Дополнение шестью нулями обоих концов результирующего вектора дает вектор длиной 36, который обрабатывается как выход длинного преобразования.

Если block_type != '00', ряд других переменных устанавливается по умолчанию:

region0_count = 7 (в случае block_type == '01' или block_type == '11'),

region0_count = 8 (в случае block_type == '10'),

region1_count = 36. Таким образом, все оставшиеся значения в области big_value содержатся в области 1.

dematrix_length — Количество scalefactorband_groups, где дематрицируемые каналы передаются. Для первых dematrix_length scalefactorband_groups не передается joint stereo информация (tc_select). Если dematrix_length == '0000', каналы, которые будут восстановлены дематрицированием, определяются из seg_list_present.

dematrix_select [sbgr] — Информация для первых dematrix_length scalefactorband_groups. Показывает, какой из выходных каналов должен быть восстановлен дематрицированием с использованием формулы совместной матрицы. Следующая таблица показывает соответствие передаваемого значения в dematrix_select каналам, которые должны быть восстановлены путем дематрицирования. x означает, что этот канал восстанавливается дематрицированием, '0' означает, что для указанного канала дематрицирование не используется.

Конфигурации 3/2, 3/1 и 2/2 (4 бита)

Конфигурации 3/0 и 2/1 (3 бита)

scalefactorband_group — Для передачи dematrix_length и списка сегментов scalefactorbands группируются. Следующие две таблицы показывают группировку для длинных блоков (block_type == '00', '01', '11') и коротких блоков (block_type == '10'). Для коротких блоков scalefactorband_group включает соответствующие значения всех трех подблоков.

Ширина и начало каждого scalefactorband_group (sbgr) в scalefactorbands:

attenuation_range [gr] [ch] — Для аттенюации списка сегментов отведено четыре различных диапазона. Следующая таблица показывает диапазоны аттенюации:

attenuation_scale [gr] [ch] — Определяет размер шага аттенюации. Для attenuation_scale == 0 размер шага равен 1¡î¡2î . Для attenuation_scale == 1 размер шага равен 1¡2î .

seg_length [gr] [ch] [seg] — Номера scalefactorband_groups, которые умножаются с аттенюацией от tc_select и копируются в канал (ch). Seg_length == 0 немедленно прекращает передачу tc_select и аттенюацию. Невыбранные scalefactorband_groups обнуляются.

tc_select [gr] [ch] [seg] — Номер передаваемого канала, который является источником для обработки списков сегментов. Если tc_select == 7, это означает, что в этом сегменте используется и восстановление путем дематрицирования.

attenuation [gr] [ch] [seg] [sbgr] — Для каждой scalefactorband_group передается одно значения аттенюации для составления канала. Ширина аттенюации может меняться в диапазоне от 2 до 5 битов. Это обозначается как attenuation_range. Размер шага аттенюации определяется attenuation_scale и может меняться между ¡2î и ¡î¡2î . Если tc_select == 7, это означает, что используется дематрицирование канала без передачи аттенюаций.

Если tc_select == ch, это означает, что передаваемый канал является выбранным каналом и аттенюации не передаются.

mc_prediction_on — Один бит, показывающий, используется ли mc_prediction. Равен '1', если mc_prediction используется, '0' — в противном случае.

mc_prediction [sbgr] — Один бит, показывающий, используется ли устранение многоканальной избыточности путем предсказания в группе субполос sbgr. Равен '1', если устранение избыточности используется, '0' — в противном случае.

predsi [sbgr] [pci] — Информация о выборе предсказывающего устройства. Показывает, передается ли коэффициент предсказывающего устройства pci в группе субполос sbgr. Равен '1', если коэффициент передается, '0' — в противном случае.

pred_coef [sbgr] [pci] — Фактический коэффициент предсказания, используемый для субполос в группе субполос sbgr и индекса pci.

4.2.4.17 MC звуковые данные. Уровни I и II

lfe_allocation — Содержит информацию о квантователе, используемом для отсчетов канала низкой частоты. Четыре бита этого поля образуют беззнаковое целое, используемое в качестве индекса в следующей таблице, которая дает количество битов на отсчет и количество уровней квантования. Таким образом, lfe_allocation показывает количество битов для кодирования отсчетов канала низкой частоты. Следующая таблица допустима для всех частот дискретизации:

allocation [mch] [sb] — Содержит информацию о квантователе, используемом для отсчетов субполосы sb канала расширения mch. Существование этого поля для определенной субполосы и канала зависит от composite_status_info. Биты этого поля образуют беззнаковое целое, используемое в качестве индекса в соответствующей таблице (таблица Б.2 ГОСТ Р 54711, которая дает количество уровней квантования). Если Fs равна 48 кГц, используется таблица Б.2а, если Fs равна 44,1 кГц или 32 кГц, используется таблица Б.2б, независимо от скорости передачи. Значение msblimit должно быть установлено в sblimit соответствующей таблицы.

scfsi [mch] [sb] — Информация о выборе масштабных коэффициентов, показывающая количество масштабных коэффициентов, передаваемых для субполосы sb канала расширения mch. Аудиофрейм делится на три равных части по 12 отсчетов в каждой субполосе:

'00' — передаются три масштабных коэффициента для частей 0, 1, 2 соответственно;

'01' — передаются два масштабных коэффициента, первый — для частей 0 и 1, второй — для части 2;

'10' — передается один масштабный коэффициент, допустимый для всех трех частей;

'11' — передаются два масштабных коэффициента, первый — для части 0, второй — для частей 1 и 2.

delay_comp [sbgr] [px] — Три бита, определяющие сдвиг 0, 1, 2..., 7 субполосных отсчетов для компенсации задержки в группе субполос sbgr и предсказывающем устройстве px.

pred_coef [sbgr] [px] [pci] — Фактический коэффициент предсказывающего устройства вплоть до второго порядка в группе субполос sbgr и предсказывающем устройстве px.

lf_scalefactor — Указывает на множитель для повторно квантованных отсчетов канала низкой частоты. Шесть битов образуют беззнаковое целое, являющееся индексом в таблице В.1 ГОСТ Р 54711.

scalefactor [mch] [sb] [p] — Указывает на множитель для повторно квантованных отсчетов субполосы sb части p аудиофрейма канала расширения mch. Шесть битов образуют беззнаковое целое, являющееся индексом в таблице Б.1 ГОСТ Р 54711.

lf_sample [gr] — Кодированный отсчет гранулы gr канала низкой частоты.

samplecode [mch] [сурьма] [gr] — Кодированные значения трех последовательных отсчетов гранулы gr субполосы sb канала расширения mch.

sample [mch] [sb] [s] — Кодированный отсчет s субполосы sb канала расширения mch.

4.2.4.18 ML звуковые данные. Уровни I и II

allocation [mlch] [sb] — Содержит информацию о квантователе, используемом для отсчетов субполосы sb канала расширения mlch. Биты этого поля образуют беззнаковое целое, используемое в качестве индекса в соответствующей таблице (таблица Б.2 ГОСТ Р 54711), которая дает количество уровней квантования. Если Fs равна 48 кГц, используется таблица Б.2а, если Fs равна 44,1 кГц или 32 кГц, используется таблица Б.2б, независимо от скорости передачи. Если для многоязычных каналов используется вдвое меньшее значение частоты дискретизации (multi_lingual_fs == '1'), то должна использоваться таблица Б.1 этой части настоящего стандарта. Значение mlsblimit должно быть установлено в sblimit соответствующей таблицы.

scfsi [mlch] [sb] — Информация о выборе масштабных коэффициентов, показывающая количество масштабных коэффициентов, передаваемых для субполосы sb канала расширения mlch. Аудиофрейм делится на три равных части по 12 (если multi_lingual_fs =='0', основная частота дискретизации) или 6 (если muiti_lingual_fs =='1', вдвое меньшая частота дискретизации) отсчетов в каждой субполосе:

'00' — передаются три масштабных коэффициента для частей 0, 1, 2 соответственно;

'01' — передаются два масштабных коэффициента, первый — для частей 0 и 1, второй — для части 2;

'10' — передается один масштабный коэффициент, допустимый для всех трех частей;

'11' — передаются два масштабных коэффициента, первый — для части 0, второй — для частей 1 и 2.

scalefactor [mlch] [sb] [p] — Указывает на множитель для повторно квантованных отсчетов субполосы sb части p аудиофрейма канала расширения mlch. Шесть битов образуют беззнаковое целое, являющееся индексом в таблице Б.1 ГОСТ Р 54711.

samplecode [mlch] [sb] [gr] — Кодированные значения трех последовательных отсчетов гранулы gr субполосы sb канала расширения mch. Число гранул ngr равняется 12, если multi_lingual_fs == '0' (основная частота дискретизации), и равняется 6, если multi_lingualj_fs == '1' (вдвое меньшая частота дискретизации).

sample [mlch] [sb] [s] — Кодированный отсчет s субполосы sb канала расширения mlch.

4.2.4.19 MC звуковые данные. Уровень III

data_present [gr] [tc] [sfb] — Карта, описывающая, какие данные (в зависимости от гранулы, переданного канала и scalefactorband) фактически передаются. Эта карта не передается, но восстанавливается в декодере путем определения scalefactorbands, на которые ссылаются dematrix_select или segment_lists.

js_carrier [gr] [tc] [sbgr] — Карта, описывающая, какие scalefactorband_group данные (в зависимости от гранулы, переданного канала и scalefactorband_group) используются в качестве транспорта для передачи joint stereo. Эта карта не передается, но восстанавливается в декодере путем определения scalefactorband_groups, на которые ссылается tc_select! = ch.

matrix_attenuation_present — Обозначает, передается ли matrix_attenuation. matrix_attenuation_present равен '1', если matrix_attenuation передается.

matrix_attenuation_l/r [gr] [ch] [sbgr] — В случае кодирования joint stereo корректирующие значения необходимы, чтобы обеспечить сохранение энергии в объединенных смешанных сигналах L0 и R0. В декодере аттенюация применяется для получения корректного дематрицирования.

Фактические коэффициенты аттенюации вычисляются как:

attenuation = 1/(¡î¡2*î*matrix_attenuation_lr)

Для процедуры дематрицирования с использованием L₀ (R₀) используется matrix_attenuation_l (matrix_attenuation_r). Модификация операции дематрицирования описывается в процессе декодирования.

scfsi [tc] [scfsi_band] — На Уровне III информация о выборе масштабных коэффициентов используется так же, как на Уровне II. Основным различием является использование переменной scfsi_band для применения scfsi к группам масштабных коэффициентов вместо единственного масштабного коэффициента.

Использование масштабных коэффициентов для гранул определяет scfsi. Информация о выборе масштабных коэффициентов передается, только если канал передается в обеих гранулах. Другие обнуляются:

Если включены короткие окна, то есть block_type == '10' для одной из гранул, то scfsi всегда '0' для этого фрейма.

scfsi_band — Управляет использованием информации о выборе масштабных коэффициентов для групп масштабных коэффициентов (scfsi_bands):

part2_3_length [gr] [tc] — Содержит число main_data битов, используемых для кодов Хаффмана и масштабных коэффициентов.

big_values [gr] [tc] — Спектральные значения каждой гранулы кодируются с использованием различных таблиц Хаффмана. Весь частотный диапазон от нуля до частоты Найквиста делится на несколько областей, которые затем кодируются при помощи различных таблиц. Разделение на области выполняется в соответствии с максимумами квантованных значений с учетом того, что значения на верхних частотах, как ожидается, будут иметь небольшие амплитуды или вообще не будут кодироваться. Начиная с верхних частот, подсчитывается количество пар квантованных значений, равных нулю. Это число называют rzero. Затем подсчитывается количество четверок квантованных значений с абсолютным значением, не превышающим 1 (то есть требующих только три возможных уровня квантования). Это число называют count1. В результате получается четное число. Наконец, число пар значений в нижней области спектра, вблизи нуля оси частот, называется big_values. Максимальное абсолютное значение в этом диапазоне равно 8191. На следующем рисунке показано описываемое разделение:

global_gain [gr] [tc] — Информация о размере шага квантования передается в global_gain. Используется логарифмическое квантование. Об использовании global_gain см. формулу в ГОСТ Р 54711, 5.3.4.7, «Формула для переквантования и масштабирования».

scalefac_compress [gr] [tc] — Определяет число битов, используемых для передачи масштабных коэффициентов согласно следующей таблице:

• при block_type '00', '01', '11':

slen1 — размер масштабных коэффициентов для полос 0 — 10,

slen2 — размер масштабных коэффициентов для полос 11 — 20;

• при block_type '10':

slen1 — размер масштабных коэффициентов для полос 0 — 5,

slen2 — размер масштабных коэффициентов для полос 6 — 11:

table_select [gr] [tc] [region] — Различные кодовые таблицы Хаффмана используются в зависимости от максимального квантованного значения и локальной статистики сигнала.

subblock_gain [gr] [tc] [window] — Указывает изменение усиления (квантование с коэффициентом 4) текущего субблока по отношению к глобальному усилению одного субблока. Используется только с типом блока 2 (короткие окна). Значения субблока должны быть разделены в декодере на 4(subblock_gain [window]).

region0_count [gr] [tc] — Дальнейшее разделение спектра используется, чтобы улучшить производительность кодера Хаффмана. Делению подлежит область big_values. Цель этого деления состоит в том, чтобы получить лучшую устойчивость к ошибкам и лучшую эффективность кодирования. Используются три области — 0, 1 и 2. Каждая область кодируется с помощью отдельной таблицы Хаффмана в зависимости от максимального квантованного значения и статистических свойствах сигнала.

Значения region0_count и regionl_count используются для указания на границы областей. Границы области выравниваются по полосам масштабных коэффициентов.

Поле region0_count содержит значение на единицу меньшее, чем количество полос масштабных коэффициентов в области 0. В случае коротких блоков каждая полоса масштабирующего коэффициента считается три раза, по разу на каждое короткое окно, так что region0_count, равное 8, указывает, что область 1 начинается с полосы номер 3.

Если block_type=='10', общее количество полос масштабных коэффициентов для гранулы равно 12 * 3 = 36. Если block_type! =='10', количество полос масштабных коэффициентов равно 21.

region1_count [gr] [tc] — На единицу меньше числа полос масштабных коэффициентов в области 1. Если block_type=='10', то полосы масштабных коэффициентов, представляющие различные временные интервалы, считаются отдельно.

preflag [gr] [tc] — Флаг дополнительного усиления ВЧ квантованных значений. Если preflag установлен, значения таблицы добавляются к масштабным коэффициентам. Это эквивалентно умножению повторно квантованных масштабных коэффициентов на табличные значения. Если block_type=='10' (короткие блоки), preflag не используется.

scalefac_scale [gr] [tc] — Масштабные коэффициенты логарифмически квантуются с размером шага 2 или ¡2î в зависимости от scalefac_scale. В следующей таблице даны множители масштабных коэффициентов, используемые в уравнении квантования для каждого шага:

count1table_select [gr] [tc] — Этот флаг определяет использование одной из двух возможных таблиц Хаффмана для области тетрад квантованных значений с величиной, не превышающей 1:

scalefac_l [gr] [tc] [sfb], scalefac_s [gr] [tc] [sfb] [window], is_pos [sfb] — Масштабные коэффициенты используются, чтобы окрасить шумы квантования. Правильная окраска шумов квантования позволяет полностью их маскировать. В отличие от Уровней I и II, на Уровне III масштабные коэффициенты не несут информации о локальных максимумах квантованного сигнала. На Уровне III масштабные коэффициенты используются в декодере, чтобы получить коэффициенты, на которые будут разделены группы значений. В случае Уровня III группы расширяются на несколько спектральных линий. Эти группы называют полосами масштабных коэффициентов, и они выбираются так, чтобы приблизить критические полосы настолько близко, насколько возможно.

Из таблицы scalefac_compress видно, что масштабные коэффициенты 0...10 находятся в диапазоне от 0 до 15 (максимальная длина 4 бита) и масштабные коэффициенты 11...21 — в диапазоне от 0 до 7 (максимальная длина 3 бита).

Разделение спектра на полосы масштабных коэффициентов фиксировано для каждой возможной длины блока и частоты дискретизации и сохранено в таблицах, в кодере и декодере (см. ГОСТ Р 54711, таблица Б.8). Масштабным коэффициентом для спектральных линий выше самой высокой линии в таблицах является нуль, то есть фактический коэффициент равен 1,0.

Значения масштабных коэффициентов квантуются логарифмически. Шаг квантования устанавливается в scalefac_scale.

Масштабные коэффициенты полос, которые не выбраны каналом передачи, не передаются. Это означает, что масштабные коэффициенты будут упакованы вместе для передачи и должны быть распакованы для декодирования или дематрицирования.

huffmancodebits () — Данные, закодированные с помощью кода Хаффмана.

Синтаксис huffmancodebits() показывает, как кодируются квантованные значения. В пределах участка big_values пары квантованных значений с абсолютным значением меньше 15 кодируются напрямую с использованием кодов Хаффмана. Коды выбираются из таблиц Хаффмана с 0 по 31 в ГОСТ Р 54711, таблица Б.7. Всегда кодируются пары значений (x, y). Если квантованные значения имеют амплитуду больше или равно 15, то они кодируются отдельно. Если одно или оба значения пары отличны от нуля, один или два знаковых бита должны быть добавлены к кодовой комбинации.

Таблицы Хаффмана для big_values раздела состоят из трех параметров:

hcod [|x|] [|y|] — элемент таблицы значений кода Хаффмана для значений x, y;

hlen [|x|] [|y|] — элемент таблицы длин кода Хаффмана для значений x, y;

linbits — длина linbitsx или linbitsy, если они кодируются.

Синтаксис для huffmancodebits содержит следующие поля и параметры:

signv — знак v (0, если положительный, 1, если отрицательный);

signw — знак w (0, если положительный, 1, если отрицательный);

signx — знак x (0, если положительный, 1, если отрицательный);

signy — знак y (0, если положительный, 1, если отрицательный);

linbilsx — используется, чтобы закодировать значение x, большее или равное 15. Это поле кодируется, только если |x| в hcod равен 15. Если linbits равно нулю, то есть никакие биты не были фактически кодированы, когда |x|==15, то значение linbitsx приравнивается нулю;

linbitsy — то же самое, что и linbitsx, но для y;

is[1] — квантованное значение спектральной линии номер 1.

Поля linbitsx или linbitsy используются только при кодировании значений, больших или равных 15. Эти поля интерпретируются как целые числа без знака и добавляются к 15, чтобы получить кодированное значение. Поля linbitsx и linbitsy никогда не используются, если выбрана таблица для блоков с максимальным квантованным значением, меньшим 15. Следует обратить внимание, что значение 15 все еще может быть закодировано таблицей Хаффмана, для которой linbits является нулем. В этом случае поля linbitsx или linbitsy не кодируются, так как linbits является нулем.

В пределах раздела countl кодируются четверки значений с амплитудой, меньшей или равной единице. Значения кодируются с использованием кодов Хаффмана. Снова для каждого ненулевого значения добавляется бит знака после символа кода Хаффмана.

Таблицы Хаффмана для раздела countl состоят из следующих параметров:

hcod [|v|] [|w|] [|x|] [|y|] — элемент таблицы значений кода Хаффмана для значений v, w, x, y;

hlen [|v|] [|w|] [|x|] [|y|] — элемент таблицы длин кода Хаффмана для значений v, w, x, y.

Таблица кода Хаффмана Б не является настоящим 4-мерным кодом, потому что она создается из тривиального кода: 0 кодируется с 1 и 1 кодируется с 0.

Квантованные значения выше раздела countl являются нулями, таким образом, они не кодируются.

Для ясности, параметр countl используется здесь для указания на число кодов Хаффмана в countl области. Однако, в отличие от раздела bigvalues, число значений в разделе countl не кодируется явным образом. Конец раздела countl известен только, когда все биты гранулы (определяемые part2_3_length) были исчерпаны и значение countl становится точно известным после декодирования области countl.

Порядок следования данных кода Хаффмана зависит от block_type гранулы. Если block_type равен '00', '01' или '11', данные кода Хаффмана упорядочиваются по нарастанию частоты.

Если block_type=='10' (короткие блоки), данные Хаффмана организуются в том же самом порядке, что и значения масштабных коэффициентов для гранулы. Данные Хаффмана даются для последовательных полос масштабных коэффициентов, начиная с полосы 0. В пределах каждой полосы данные соответствуют последовательным временным окнам, начиная с окна 0 и заканчивая окном 2. В пределах каждого окна квантованные значения располагаются в порядке увеличения частоты.

4.2.4.20 LFE дополнительные данные. Уровень III

lfe_table_select — Определяет таблицу кода Хаффмана, которая используется для декодирования спектральных значений канала низкой частоты. Аналогично table_select.

lfe_hc_len — Определяет полную длину кодированных с помощью кода Хаффмана спектральных значений канала низкой частоты для обеих гранул.

lfe_gain — Определяет размер шага квантователя канала низкой частоты. Аналогично global_gain.

4.2.4.21 LFE основные звуковые данные. Уровень III

lfe_audio_main_data () — Содержит кодированные с помощью кода Хаффмана спектральные значения канала низкой частоты для обеих гранул. Структура lfe_main_data () аналогична структуре huffmancodebits(), состоящей только из big_values и zero_values. Так же как count1 в huffmancodebits(), количество кодов Хаффмана в lfe_main_data() (то есть lfe_bigval) не передается явным образом. Вместо этого восстановление происходит в декодере Хаффмана до тех пор, пока не будут исчерпаны все биты, обозначенные в lfe_hc_len. В отличие от структуры huffmancodebits(), декодируемые значения x и y обозначают значения спектральных коэффициентов для гранул 0 и 1 соответственно.

4.2.4.22 ML дополнительные данные. Уровень III

Если multi_lingual_fs == 0, исключая main_data_begin, private_bits и main_data().

Если multi_lingual_fs == 1, исключая main_data_begin, private_bits и main_data().

4.2.4.23 ML звуковые данные. Уровень III

См. ГОСТ Р 54711, 5.2.7, или раздел 4.1.2.7 настоящего стандарта, в зависимости от multi_lingual_fs.

4.2.5 Процесс декодирования звуковых сигналов

4.2.5.1 Основные положения

Общий процесс декодирования схож с процессом, описанным в ГОСТ Р 54711. Он включает декодирование информации о распределении битов, декодирование информации о выборе масштабных коэффициентов, декодирование масштабных коэффициентов, переквантование субполосных отсчетов в случае Уровней I или II и декодирование служебной информации, декодирование масштабных коэффициентов, декодирование Хаффмана, переквантование, переупорядочение, банк фильтров синтеза и устранение элайзинга в случае Уровня III.

Сначала осуществляется декодирование обратносовместимого сигнала L₀, R₀ в соответствии с ГОСТ Р 54711. Предполагается, что поле дополнительных данных MPEG-1 содержит кодированное многоканальное расширение. Если обязательная проверка CRC приведет к допустимому результату, то будет запущен режим многоканального декодирования. Только каждый третий фрейм Уровня I содержит многоканальный заголовок. Первые 16 или 24 бит многоканального расширения образуют многоканальный заголовок, предоставляя информацию о наличии центрального канала, каналов окружения, канала LFE, требуемой процедуры дематрицирования, числе многоязычных каналов, содержавшихся в потоке битов многоканального расширения, частоте дискретизации многоязычных каналов, уровне кодирования, который был применен к многоязычным каналам и идентификации авторского права.

Эта часть стандарта позволяет расширить диапазон скоростей передачи для трех Уровней. Это достигается путем использования потока битов расширения, который содержит остаток от данных многоканальных/многоязычных данных. Пример структуры этого потока битов для Уровня II изображен на рисунке А.2. В пределах потока битов MPEG-2 основной поток битов содержит по крайней мере аудиоданные MPEG-1 и заголовок MC. Соответствующая структура потока битов Уровня III изображена на рисунке А.3.

Метод обнаружения ошибок с помощью обязательного слова проверки CRC, которое следует непосредственно за mc_header, идентичен используемому в ГОСТ Р 54711.

4.2.5.2 Декодирование. Уровни I и II

4.2.5.2.1 Режимы составного кодирования

4.2.5.2.1.1 Переключение канала передачи

Распределение звуковых каналов по каналам передачи (tc_allocation) допустимо как для всего спектра, так и для отдельных групп субполос в зависимости от значения tc_sbgr_select. Поле tc_allocation определяет, какие звуковые каналы содержатся в каналах передачи. Для каждого варианта существует матрица декодирования, которая должна быть применена в пространстве субполос ко всем передаваемым каналам для получения выходных каналов. Матрицы даны ниже. Результирующие сигналы по-прежнему должны оставаться денормализованными. Если выбирается dematrix_procedure =='11', все сигналы могут быть получены непосредственно из каналов передачи, и дематрицирование не требуется. В этом случае применяется значение по умолчанию tc_allocation == '0'. Если dematrix_procedure == '10', следующая обработка необходима для каналов окружения:

а) в конфигурации 3/2 вычислить моноканал окружения

jSw = 0,5 * (jLSw + jRSw);

б) результирующий сигнал jSw должен использоваться для дематрицирования.

Следующая обработка может быть применена к сигналам jLSw и jRSw в конфигурации 3/2 или jSw в конфигурации 3/1 до выхода (эти операции не могут быть выполнены до дематрицирования):

а) фазовый сдвиг на — 90 градусов;

б) экспандирование.

Матрицы декодирования:

Следующие уравнения дематрицирования допустимы для различных многоканальных конфигураций. Уравнения дематрицирования не влияют на вторую стереопрограмму.

Конфигурация 3/2, процедура дематрицирования '00' или '01':

Конфигурация 3/2, процедура дематрицирования '10':

Конфигурация 3/1, процедура дематрицирования '00' или '01':

Конфигурация 3/1, процедура дематрицирования '10':