"ГОСТ Р 53556.9-2013. Национальный стандарт Российской Федерации. Звуковое вещание цифровое. Кодирование сигналов звукового вещания с сокращением избыточности для передачи по цифровым каналам связи. Часть III (MPEG-4 audio). Методы кодирования звука MPEG-1/2 Audio в MPEG-4. Основные технические требования"
(утв. и введен в действие Приказом Росстандарта от 22.11.2013 N 1721-ст)

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

2 ВНЕСЕН Техническим комитетом по стандартизации N 480 "Связь"

3 УТВЕРЖДЕН И ВВЕДЕН В ДЕЙСТВИЕ Приказом Федерального агентства по техническому регулированию и метрологии от 22 ноября 2013 г. N 1721-ст

4 Настоящий стандарт разработан с учетом основных нормативных положений международного стандарта ИСО/МЭК 14496-3:2009 "Информационные технологии. Кодирование аудиовизуальных объектов. Часть 3. Звуковое кодирование" (ISO/IEC 14496-3:2009 "Information technology - Coding of audio-visual objects - Part 3: Audio" (NEQ)

5 ВВЕДЕН ВПЕРВЫЕ

Стандарт MPEG-1/2 Аудио в MPEG-4 спецификации MPEG-4 Аудио определяет использование MPEG-1/2 уровня 1, 2 или 3 ориентированным на MPEG-4 способом, то есть так, что сигнализация и доступ до обработки на системном уровне идентичны другим типам объектов MPEG-4 Аудио.

Чтобы перенести фреймы потока битов MPEG-1/2 уровень 1, 2 или 3 в MPEG-4, они переформатируются таким образом, что становятся автономными единицами доступа MPEG-4. Это облегчает транспортировку по пакетным сетям, произвольный доступ, и возможность редактирования. Автономные единицы доступа, которые используются в системах совместимой транспортировки или формата хранения MPEG-4, могут быть переконвертированы в совместимые с MPEG-1/2 потоки битов и затем декодированы любым совместимым с MPEG-1/2 декодером.

Синтаксис MPEG-4 Аудио дополнительно расширяется, чтобы сделать возможными многоканальные конфигурации на базе ГОСТ Р 54711 и ГОСТ Р 54712. Многоканальные конфигурации подобны конфигурациям, определенным для других аудио объектных типов MPEG-4 с многоканальными возможностями. Для MPEG-1/2 уровня 1 и 2 формат не расширяется. Многоканальный формат для этих уровней описывается в ГОСТ Р 54712.

Разрешенные частоты дискретизации для уровня 3 расширяются для речевого выхода инструментов FA и для дублирования MP с информацией о форме губ.

Для использования MPEG-1/2 уровня 1, 2 или 3 в MPEG-4 посредством унаследованного интерфейса MPEG 4, используется ObjectTypeIndication 0x69 или 0x6b.

--------------------------------

<*> extension должно быть нулем.

Применяются следующие правила:

элементы single_channel_element ()'s и lfe_element ()'s представляются монофоническими аудиофреймами;

элементы channel_pair_element ()'s представляются стереофоническими аудиофреймами;

для уровня 1 и уровня 2 разрешается не больше одного монофонического аудиофрейма, представляющего single_channel_element (), или одного стереофонического аудиофрейма, представляющего channel_pair_element ().

Один аудио фрейм отображается непосредственно одной единицей доступа.

Одна единица доступа состоит из одного или нескольких элементов mp3_channel_elements. Элемент mp3_channel_element равняется аудиофрейму уровня 3 со следующими изменениями по сравнению с его определением в ГОСТ Р 54711 или ГОСТ Р 54712:

Все прочие элементы данных должны быть установлены согласно их спецификации в ГОСТ Р 54711 или ГОСТ Р 54712. Все установки в заголовке должны соответствовать установкам в AudioSpecificConfig ().

Все элементы mp3_channel_elements, принадлежащие одной и той же метке времени, сохраняются последовательно в одной единице доступа

В этом пункте приводятся спецификации, позволяющие использовать уровень 3 с частотами дискретизации, не определенными в ГОСТ Р 54711 или ГОСТ Р 54712.

Синтаксис и описание потока битов для расширения частот дискретизации ниже, чем определенные в ГОСТ Р 54711-2012, находятся в соответствии с ГОСТ Р 54712-2012 (один фрейм охватывает 576 выборок).

Таблица 1 определяет скорость передачи в зависимости от bitrate_index и частоты дискретизации.

В зависимости от частоты дискретизации, сообщенной в AudioSpecificConfig, элемент данных sampling_frequency в заголовке должен быть установлен, как определено в таблице 2.

Дополнение необходимо при частоте дискретизации 11,025 кГц и ее кратных.

Подразделение спектра на scalefactor полосы фиксируется для каждого размера блока и частоты дискретизации и сохраняется в таблицах в кодере и декодере. Таблицы для частот дискретизации, не определенные в ГОСТ Р 54711 или ГОСТ Р 54712, определяются в Приложении А. В соответствии с ГОСТ Р 54711 или ГОСТ Р 54712 масштабный коэффициент для частоты выше самой высокой строки в таблицах является нулем, что означает, что фактический фактор умножения равен 1,0.

Использование битового накопителя обычно вызывает запуск появления main_data () в прошлом фрейме потока битов. Это следует изменить, перемещая main_data () сразу после его дополнительной информации. Каждый результирующий элемент mp3_channel_element отображается непосредственно в единицу доступа. Получающийся заголовок и дополнительная информация обозначаются как H' и Sl' соответственно.

Все элементы данных header () должны быть сохранены. Элемент данных main_data_begin может быть обнулен. В этом случае CRC должно быть пересчитано.

Элементы mp3_channel_elements, извлеченные из единицы доступа, должны подвергнуться следующим операциям преобразования, чтобы получить аудиопотоки битов MPEG-1/2 уровень 3, соответствующие ГОСТ Р 54711 или ГОСТ Р 54712:

для каждого mp3_channel_elements на устройство доступа открыть экземпляр декодера или выходной поток;

для каждого mp3_channel_elements в каждой единице доступа выполнить:

восстановить syncword и IDex;

скорректировать bitrate_index;

отрегулировать main_data_begin;

пересчитать crc_word;

восстановить кадрирование.

Чтобы позволить использовать сигнализацию о частотах дискретизации, не определенных в ГОСТ Р 54711 или ГОСТ Р 54712, используется последний бит syncword. Это приводит к следующей модификации синтаксиса:

Следующая таблица определяет частоту дискретизации в зависимости от значений для IDex и ID:

Этот процесс реконструкции предоставляет определенные степени свободы:

bitrate_index (чтобы отрегулировать длину фрейма потока битов согласно новым настройкам bitrate_index, частоте дискретизации и padding_bit, может потребоваться вставка битов (стаффинг)),

1) установить максимально позволенное значение (сигнализация максимально позволенной длины фрейма потока битов).

2) установить ближайшее более высокое значение, которое соответствует длине mp3_channel_element.

3) установить ближайшее более высокое значение, которое соответствует длине mp3_channel_element минус main_data_begin текущего аудиофрейма.

4) main_data_begin обнулить.

5) установить main_data_begin в значение, указывающее на конец main_data предыдущего аудиофрейма.

6) установить корректное значение main_data_begin соответствующего потока битов MPEG-1/2 уровень 3.

7) расположение наполнения (вставки битов) в конце main_data: сохраняет вспомогательные данные, записанные в прямом направлении, начиная после последней кодовой комбинации Хаффмана.

8) расположение наполнения (вставки битов) в конце последней кодовой комбинации Хаффмана (расположение может быть вычислено, используя part_2_3_length): сохраняет вспомогательные данные, записанные в обратном направлении, начиная перед main_data следующего фрейма.

9) никакое наполнение не требуется: сохраняет любые вспомогательные данные.

В зависимости от требований скорости передачи и вспомогательной обработки данных, эти возможности могут быть объединены несколькими способами.

Самый простой метод устанавливает максимальную величину скорости передачи. Это предпочтительный метод, когда питание существующих декодеров MPEG-1/2 уровень 3. main_data_begin обнуляется. Биты стаффинга добавляются до или после вспомогательных данных.

Более передовой метод можно получить из этого простого метода, устанавливая bitrate_index в ближайшее более высокое значение, которое соответствует длине mp3_channel_element. С этой модификацией скорость передачи может быть значительно уменьшена.

Для частот дискретизации до 24 кГц (то есть в случаях, где одна гранула формирует фрейм), размер гранулы может превысить максимальный размер фрейма. Максимальный индекс скорости передачи может не позволить хранить целый фрейм после заголовка (main_data_begin=0). Это следует из того факта, что максимальная длина гранулы составляет 960 байтов (7680 битов), но максимальная длина фрейма, основанная на самом высоком индексе скорости передачи, составляет 576 байтов (для 8 кГц), 417 байтов (для 11,025 кГц), 384 байта (для 12 кГц), 720 байтов (для 16 кГц), 522 байта (для 22,05 кГц), 480 байтов (для 24 кГц). В этом случае main_data_begin должен быть должным образом скорректирован между нулем и различием между максимальным размером гранулы и максимальной длиной фрейма.

Чтобы избежать необходимости стаффинга и неопределенности, main_data_begin устанавливается в значение, указывающее на конец main_data предыдущего фрейма. bitrate_index устанавливается в ближайшее более высокое значение, которое соответствует длине mp3_channel_element минус main_data_begin текущего аудиофрейма. Только если main_data_begin превысит дозволенное значение, должен быть выполнен стаффинг.

Исходный поток битов уровня 3 отлично может быть восстановлен, если корректное значение main_data_begin соответствующего потока битов MPEG-1/2 уровень 3 было сохранено.

Это приложение обеспечивает помощь в использовании decSpecificInfo и accessUnit, чтобы применять MPEG-1/2 уровень 1, 2, 3 и MPEG 2 AAC в MPEG-4, используя следующие значения objectTypeIndication:

0x6b (ГОСТ Р 54711)

0x69 (ГОСТ Р 54712)

0x66 (ГОСТ Р 54712 основной профиль)

0x67 (ГОСТ Р 54712 профиль малой сложности)

0x68 (ГОСТ Р 54712 профиль масштабируемой частоты дискретизации)

В ГОСТ Р 53556.1 decSpecificInfo определяется для некоторой информации о декодере носителей информации. Эта специальная информация о декодере составляет непрозрачный контейнер с информацией для специального медиа-декодера (декодера носителей). При ее наличии, она может использоваться для инициализации декодера и априорной реализации наборщика. Нет необходимости определять эту специальную информацию декодера. Ее существование и семантика зависят от значений DecoderConfigDescriptor.streamType и DecoderConfigDescriptor.objectTypeIndication.

Нехватка доступности любого decSpecificInfo приводит к ситуации, когда формат памяти композиции нельзя априорно различить, чтобы реализовать наборщиком. Следовательно декодер определяет формат памяти композиции.

Г.2.1 MPEG-2 AAC

Для MPEG-2 AAC определяется decSpecificInfo, то есть в случае значений DecoderConfigDescriptor.objectTypeIndication, которые обращаются к потокам, удовлетворяющим ГОСТ Р 54712.

В этом случае аудио декодеры получают всю релевантную информацию от этого decSpecificInfo, которая состоит из adif_header (), и могут переслать формат памяти композиции в память композиции.

Г.2.2 MPEG-1 Audio и MPEG-2 Audio

Для MPEG-1 Audio и MPEG-2 Audio никакой decSpecificInfo не определяется, то есть в случае значений DecoderConfigDescriptor.objectTypeIndication, которые относятся к потокам, соответствующим ГОСТ Р 54711 и ГОСТ Р 54712. В этих случаях аудиодекодеры получают всю значимую информацию в элементе 'header()' их собственного потока битов и могут передать формат памяти композиции в память композиции. Таким образом, динамически внося изменения в выходном формате, необходимые для того, чтобы иметь дело с ним, то есть без элементарного обновления дескриптора потока.

Фрейм MPEG-1/2 уровней 1, 2 или 3 (данные между синхронизирующими словами) или фрейм MPEG-2 AAC (raw_data_block) могут быть обработаны как единицы доступа аудио не только в контексте ГОСТ Р 54711 и ГОСТ Р 54712, но также и в контексте настоящего стандарта.

При обработке фреймов MPEG-1/2 уровней 1, 2, 3 или MPEG-2 AAC, как единиц MPEG-4, единицам доступа присваивается информация синхронизации.

Так как определения единицы аудиодоступа точно не соответствуют между MPEG-1/2 и MPEG-4, то нужно принимать во внимание некоторые специальные соображения.

В частности для уровня 3 единица аудиодоступа определяется в MPEG-1/2, как часть потока битов, которая может быть декодирована только с использованием ранее полученной основной информации, которая не отражает определение единицы аудиодоступа в MPEG-4.

Впоследствии некоторые единицы аудиодоступа могут быть не декодированы из-за нехватки некоторой потерянной основной информации в случае перфораций в потоке битов и произвольного доступа. Однако информация синхронизации сохраняется правильно.

В случае, когда считают необходимым иметь лучшее редактирование или возможности вставки перфораций для потоков уровня 3, желательно использовать потоки, закодированные VBR.

Существует возможность преобразовать любой существующий поток уровня 3 в поток VBR:

однозначно;

полностью совместимый с MPEG-1 или MPEG-2;

декодируемый любым существующим декодером уровня 1, 2 или 3.

Это можно сделать следующим образом:

main_data () для единственного фрейма помещается непосредственно рядом с его дополнительной информацией. Указатель main_data_begin обнуляется. Фрейм за фреймом индексы скорости передачи (bitrate_index) увеличиваются до минимального значения, нужного, чтобы получить длину фрейма, которая может разместить исходный заголовок, error_check, дополнительную информацию и основные данные. Из-за гранулярности в доступных скоростях передачи обычно эта длина фрейма больше, чем длина заголовка, error_check, дополнительная информация и основные данные. В этом случае в конце main_data добавляются биты стаффинга, чтобы получить совместимые фреймы.