Rick Tewell
早在19世紀50年代，連環(huán)畫偵探就用Dick Tracy發(fā)明的手表直接從自己的手腕上打出電話。他能打通的人數(shù)肯定有限，但他的這一舉動給所有親眼目睹的人都留下了深刻印象。 當然，移動電話技術(shù)現(xiàn)已無處不在，因此現(xiàn)在的年輕人對Detective Tracy的手表都不以為然�，F(xiàn)有的這種類似的技術(shù)設(shè)備可以讓我們將視頻流通過無線方式傳輸?shù)饺魏我粋�地方的便攜式設(shè)備上。這項技術(shù)一旦成功，便攜式實時視頻會議就能成為現(xiàn)實。
現(xiàn)在，Dick Tracy的手表發(fā)明已經(jīng)過去50年了，電信基礎(chǔ)設(shè)施也達到了數(shù)十億美元，我們已經(jīng)成功地解決了許多音頻問題的挑戰(zhàn)——但是，對于無線視頻技術(shù)呢？大部分的技術(shù)都到位了——剩下的唯一一個主要問題就是消費需求及一個使企業(yè)開發(fā)可行解決方案的經(jīng)濟模式。其中最重要的一項技術(shù)是MPEG-4視頻標準，及它的早期實現(xiàn)。MPEG-4非常適合無線移動視頻設(shè)備，這一問題下面將會談到。我們先來了解一些技術(shù)背景，讓它帶我們進入正題。
音頻流這項技術(shù)本身是可取的——例如在音樂播放和電話交談中。然而，視頻——當然它需要伴音——卻有所不同。在19世紀20年代，有聲技術(shù)得到足夠發(fā)展以后，有聲電影就立即取代了無聲電影。今天，無聲視頻在消費者的眼中已經(jīng)是種用處不大的設(shè)備。將聲音添加到電影中去的兩個關(guān)鍵問題是“音頻同步”和“放大”。在視頻流的環(huán)境中——不論通過無線或有線網(wǎng)絡(luò)——音頻/視頻同步這一基本問題仍然在困擾著我們。 我們可以容忍視頻出現(xiàn)偶爾出現(xiàn)些小故障，但我們對聲音斷續(xù)和音頻不同步等音頻差異卻極度敏感。人耳可以分辨出僅相差幾毫秒的音頻差錯，因此，視頻和音頻的精確同步對視頻傳輸?shù)某晒κ侵陵P(guān)重要的。
要通過無線方式將視頻和音頻同時傳輸，就必須先利用技術(shù)將視頻和音頻同時送入容器中，并要它們在傳輸之前、之中和之后都合并在一起。盡管我們對音頻和視頻的編碼和解碼都談到了很多、也寫到了很多，但對將已編碼的音頻流和視頻流都置于容器當中，以在有線或無線網(wǎng)絡(luò)上傳輸?shù)募夹g(shù)卻了解不夠。本文的目的就是幫助大家進一步了解音頻和視頻的傳輸技術(shù)。
A/V容器格式
那么，什么是A/V容器格式呢？簡單地說，A/V容器格式就是容納音頻和視頻樣本的信息框(見圖1)，它的另一個名稱叫做“文件格式”。容器格式并不是一種編碼或壓縮的手段，事實上，許多容器都不具備這種功能。它們只是告訴我們A/V樣本們是怎樣共存于一個“文件”當中。AVI、MOV、ASF、MPEG-1系統(tǒng)流、MPEG-2節(jié)目流、MPEG-2傳輸流以及MPEG-4系統(tǒng)流都是A/V容器格式。
 |
|
圖1：A/V容器格式 |
A/V容器格式的基本概念是：一個容納將被傳輸?shù)侥康牡氐囊纛l和視頻流的盒子�！澳康牡亍蔽募ň佑贑D-ROM、DVD這樣的硬盤驅(qū)動器上，或置于局域網(wǎng)或互聯(lián)網(wǎng)遠端的存儲設(shè)備上。有時候，接收端直到容器打開之后才知道里面裝的是什么。所有的容器格式都會附有報頭，以告知接收端容器中傳輸?shù)膬?nèi)容。
 |
|
圖2：音頻/視頻編碼器 |
AVI文件
一種早期基于PC技術(shù)的A/V容器叫做AVI——音頻視頻交錯(Audio/Video Interleaved)。AVI文件含有AVI文件的報頭，還含有音頻和視頻的樣本。AVI文件的報頭中含有一個四字符代碼(FOURCC)，說明文件內(nèi)視頻流的類型。該FOURCC告訴接收端觀看文件需要什么樣的視頻解碼器。 http://www.fourcc.org/codecs.php上有一組可用的四字代碼。AVI文件不是為網(wǎng)絡(luò)上的碼流(有線網(wǎng)絡(luò)或無線網(wǎng)絡(luò))而設(shè)計的。AVI文件事實上比常用的PC網(wǎng)絡(luò)更早出現(xiàn)。圖3為AVI文件中一個視頻流和一個音頻流的典型分布圖。
 |
|
圖3： RIFF AVI數(shù)據(jù)塊。 |
盡管視頻流和音頻流傳輸AVI文件，因為音頻流和視頻流可以交錯編碼，但是當網(wǎng)絡(luò)的信息包丟失時，AVI文件不會在音頻流和視頻流內(nèi)為的嵌入式時標提供讓兩者重新達成同步的機制。另外，由于索引常常出現(xiàn)在文件的末尾，因此很多人都等到文件收到——即整個文件都傳輸完之后再試圖啟動AVI文件。請注意，如何才能對AVI文件中的音頻和視頻采用任何一種壓縮手段處理呢？
由于AVI文件簡單靈活， 是最常用最普遍的A/V容器格式之一。例如，從數(shù)碼相機中捕捉到的A/V就包含在視窗操作系統(tǒng)下的AVI 文件中。DivX這種流行的公共域MPEG-4編解碼器就把它本身包含在在視窗操作系統(tǒng)下的AVI 文件中。所以，未來好幾十年我們?nèi)匀粫褂肁VI這一文件格式，但是它不能也不會流動。這是可下載容器格式的最好例證。下面我們來看看另一種非常流行的容器格式——MPEG。
MPEG容器格式
許多人都認為MPEG不是一種容器格式，而是一項編碼或壓縮技術(shù)。按理說，這種理解是正確的。MPEG不僅指定了視頻、音頻解碼的有效手段，而且指定了視頻、音頻解碼在比特流或容器中的分布情況。MPEG將基本流(音頻流和視頻流)在容器中的分布稱為“系統(tǒng)”。在MPEG中，單一基本流的孤立存在是不“合法”的；只有加進系統(tǒng)信息之后，才會產(chǎn)生有效的MPEG比特流。在MPEG-1中，MPEG中的系統(tǒng)信息或?qū)佣际侵苯觽鬏數(shù)模换玖髋c系統(tǒng)流之間的關(guān)系緊密，二者能夠組成完整的MPEG流。這種關(guān)系在MPEG-2中更加緊密，在MPEG-4中又進一步緊密。
那么，MPEG系統(tǒng)流和MPEG層的目的是什么呢?簡單地說，就是記錄基本流下所發(fā)生的情況。流層提供時標、音頻同步、封包及其它的一些性能，讓基本流的錄音重放裝置可靠并使視頻和音頻精確同步。
MPEG-1是為一種無錯誤傳輸環(huán)境如CD-ROM而設(shè)計的。MPEG-2增強了在容易出現(xiàn)錯誤的網(wǎng)絡(luò)上的傳輸能力，這就是說，處理這樣的環(huán)境的MPEG-2系統(tǒng)層的復(fù)雜性更高；并且，它與MPEG-1保持后向兼容性。圖4為MPEG-2中MPEG系統(tǒng)層的范圍。
 |
|
圖4：MPEG-2系統(tǒng)。 |
MPEG-1因其子集具備一種稱為“約束參數(shù)比特流”或CPB的性能而得到廣泛應(yīng)用。這種性能是為在CD-ROM上儲存符合紅皮書音頻標準規(guī)定的、相同數(shù)量的視頻和音頻數(shù)據(jù)而設(shè)計的。這意味著在一張74分鐘的CD-ROM上，你能存足足74分鐘的視頻和音頻。這個標準被稱為白皮書或視頻CD(VCD)。在44.1kHz的采樣率條件下，視頻數(shù)據(jù)率被定為1.15Mb/s，音頻數(shù)據(jù)率為224 Kb/s；視頻大小被鎖定為352x240 30fps NTSC和352x280 25fps PAL(也被稱為CIF)。
這一標準運作良好，但卻只有“標準”電視性能的四分之一，并且常在電視公眾中引起爭議，但當時來說這仍是一項令人驚訝的技術(shù)成果。在大約1.5 Mbit/s(125 Kbytes/s)比特率下，現(xiàn)有的電纜調(diào)制解調(diào)器能輕松地傳輸MPEG-1 CPB流，但是對于無線蜂窩技術(shù)網(wǎng)絡(luò)來說，要可靠地做好這一點還有很長一段路要走。此外，MPEG-1缺少更正網(wǎng)絡(luò)傳輸和重新同步中錯誤的能力。MPEG-2具有這一功能性，但是，到該技術(shù)趕上實際實施的時候，MPEG-4和其它的流格式已經(jīng)展示在人們面前。
MPEG-2具有更高的數(shù)據(jù)傳輸率，其范圍是6到10 Mbit/s。比特率在6Mbit/s和9Mbit/s之間的MPEG-2(720x480分辨率)是DVD的理想選擇，因此也被選來做這項工作；然而，在那個比特率之下，網(wǎng)絡(luò)傳輸就要困難的多，但是畫面質(zhì)量能夠達到觀看電視的標準。MPEG-2還具有封包、容錯和校正、快進倒帶及其它一些廣播所需的功能。那么 MPEG-2是否也適合無線/移動流視頻設(shè)備呢？網(wǎng)絡(luò)頻道必須以1MB/s的速率傳輸數(shù)據(jù)，才能保證MPEG-2視頻能可靠傳輸、可回放和可觀看。因此，人們一直在探索最佳的視頻流格式。MPEG-4就是答案。
為什么答案是MPEG-4？
要求: 高壓縮率、高視頻質(zhì)量和強大的系統(tǒng)層；MPEG-4能夠為無線移動視頻設(shè)備提供這些理想性能。(注：這里沒有涉及到MPEG-3，是從MPEG-2直接上升到MPEG-4；常被誤認為是MPEG-3的MP3音頻事實上是MPEG-1音頻的第三層)。
MPEG-4格式在1MBit/s的比特率下能達到MPEG-2 720x480分辨率的質(zhì)量。如果把該視頻降為MPEG-1CPB，就能得到350KBit/s的數(shù)據(jù)率及合理的可接收視頻效果。若進一步縮小比例，就可能得到100KB/s的數(shù)據(jù)率。當然，由于質(zhì)量的下降，視頻已不值得看了。我們認為352x240的分辨率或通用交換格式(CIF,Common Interchange Format)是能夠接受的最小視頻清晰度。QCIF很有趣，并且在一些網(wǎng)絡(luò)頻道上是必不可少的。下表1列出了視頻清晰度的常用術(shù)語。
我們暫且不考慮視頻清晰度的問題，先來看看是否適合用無線方式傳輸MPEG-4視頻流。要回答這個問題，我們得從兩個方面來研究MPEG-4——視頻壓縮能力和系統(tǒng)層�，F(xiàn)有的移動電話使用通用分組無線業(yè)務(wù)(GPRS)標準的2.5G技術(shù)，其網(wǎng)絡(luò)數(shù)據(jù)傳輸率能達到接近112kbps。這一速率并不快，也不算可靠，看你用在哪里。3G的網(wǎng)絡(luò)數(shù)據(jù)傳輸率接近2Mbps，這是一個很大的提高。盡管2.5G w/GPRS能支持一些視頻流，但直到3G出現(xiàn)之后，利用移動電話隨時隨地收看視頻流才普及起來。當然，數(shù)據(jù)管道越寬，視頻質(zhì)量越高。
我們現(xiàn)在來仔細地看看一些數(shù)據(jù)，以將它們列入本文。大多數(shù)寬帶網(wǎng)數(shù)據(jù)率都是用每幾秒多少比特來表示。由于每個字節(jié)有8比特，因此我們把它更簡單地表示為每秒鐘多少個字節(jié)或bps除以8。那么，2.5G w/GPRS就是速度為每秒鐘14000字節(jié)的通道(14kBps。注：大寫B(tài)表示字節(jié))。相應(yīng)地，3G是速率為250kBps的通道。光盤驅(qū)動器在1X下的傳輸數(shù)據(jù)的速度為150kBps。由于3G的帶寬為250kBps，理論上講，將MPEG-1 CPB視頻、音頻流直接傳輸?shù)?G接收端應(yīng)該沒有什么問題。當然，我們也許只用通道的60%來為視頻服務(wù)，但這已經(jīng)能得到非常好的視頻效果了。既然它的壓縮效果比MPEG-1好得多，那么，我們能否利用3G技術(shù)得到DVD格式的效果呢。對MPEG-4來說，答案是肯定的。
MPEG-1需要數(shù)據(jù)傳輸速率達到每秒600kBps(4.8Mbps)的通道，才能達到全D1的視頻清晰度。這就顯然要求3G那樣的帶寬預(yù)算為。DVD(目前使用MPEG-2視頻壓縮)常以每秒6Mbps的速度壓縮。所以，要想使用3G技術(shù)體驗視頻內(nèi)容，需要的壓縮技術(shù)不是MPEG-1 也不是MPEG-2�，F(xiàn)在我們?nèi)圆磺宄谝淮?G技術(shù)的實施能否使DVD視頻體驗成為可能；但如果可能的話，那MPEG-4及相關(guān)的壓縮技術(shù)就能給我們一個方向。那么現(xiàn)行的3G技術(shù)能使視頻性能最終達到什么樣的境界呢，我們認為會是CIF。如前所述，30幀數(shù)的CIF畫面質(zhì)量已相當清晰，被定為目前的視頻基準。那么，如果有傳輸率為2Mbps的通道，而CPB VCD又適應(yīng)于這一通道，我們?yōu)槭裁床恢苯佑肕PEG-1呢？理由很簡單，在同樣的比特率下，MPEG-4的壓縮效率是它的3倍，而且在某些條件下效率會更高。這就意味著，傳輸率為300-400 kbps的MPEG-4流與1.2Mbps下的MPEG-1 CPB具有同樣的CI畫面質(zhì)量。
富士通已將MPEG-4的芯片添加到移動媒體處理器(MMP)的新產(chǎn)品線中。富士通節(jié)能型MPEG-4內(nèi)核能達到每秒2Mbps的比特率，并以每秒30fps的速度為CIF編碼或解碼(見圖5)，這一標準比較適合幀率為15fps的QCIF的視頻電話。MPEG-4內(nèi)核有兩個值得注意的特點。一是具有自適應(yīng)運動移動向量技術(shù)的運動估值電路的運算量是傳統(tǒng)運動監(jiān)測系統(tǒng)的1/20。二是它的自動時鐘門控只為現(xiàn)有的編碼/解碼所需要的功能塊提供時間。簡言之，富士通MPEG-4內(nèi)核是目前GPRS 2.5G無線電話及視頻效果要求更高的、下一代3G電話的理想選擇。
 |
|
圖5：MPEG系統(tǒng)。 |
MPEG-4系統(tǒng)層
MPEG-4相對于MPEG-1和MPEG-2的一個主要優(yōu)勢就在于它的“系統(tǒng)”層。大致地看看MPEG-4系統(tǒng)能幫我們更好地了解MPEG-4在目前和今后生活中發(fā)揮的重要作用。許多人都認為MPEG-4只是一種更好的音頻和視頻壓縮標準。這當然是正確的，但MPEG-4還有很多其他的性能，這些性能會涉及到今后幾年的視頻廣播產(chǎn)業(yè)。 除音頻、視頻壓縮之外，MPEG-4還為動漫編碼增加了3D環(huán)境和圖像，提供了碼流互動、數(shù)字版權(quán)管理、多個網(wǎng)絡(luò)間的內(nèi)容分發(fā)(包括IP和MPEG-2傳輸流DVB)。數(shù)百家公司都參與到MPEG-4標準的研發(fā)中來，事實上，MPEG-4包含了20條國際標準組織(ISO)的規(guī)格，以及幾個行業(yè)組織，如3GPP(http://www.3gpp.org)和國際流媒體聯(lián)合會或ISMA(http://www.isma.tv)的標準。下圖6是MPEG-4標準的視圖書館表示。
據(jù)MPEG-4工作組透露，MPEG-4 “系統(tǒng)”是用來提供“一些必要的設(shè)施，以詳細說明視聽對象是如何排列在MPEG-4終端而形成完成的圖像場景、用戶端是如何與內(nèi)容互動以及視頻、音頻流是如何得到傳輸或儲存的”。
同樣據(jù)工作組透露，“ MPEG-4提供的大部分功能出自系統(tǒng)部分。由于系統(tǒng)負責(在其它問題中)碼流管理和場景描繪，因此它的作用就好比源編碼技術(shù)的‘打包器’”。
 |
|
圖6：MPEG-4容器的容量。 |
MPEG-4系統(tǒng)中的一部分是它的文件或 “容器格式”。一條如富士通MPEG-4內(nèi)核所產(chǎn)生的單一MPEG-4視頻基本碼流不能孤立存在，它必須被置于“容器”中，以得到MPEG-4解碼器的處理和解碼。這就是說，在從一移動電話傳到另一電話之前，MPEG-4視頻必須被放在容器格式(MPEG-4文件)中。這個文件詳細說明了MP4容器中的內(nèi)容以及MP4文件接收端播放視頻和音頻的方式。沒有該框架，接收端就無法辨別接收到的數(shù)據(jù)。一個合理格式化了的MP4文件對于MPEG-4終端間的互通性來說是非常關(guān)鍵的。有關(guān)MPEG-4系統(tǒng)的知識，請詳見http://www.chiariglione.org/mpeg/faq/mp4-sys/mp4-sys.htm.
富士通的移動媒體處理器(MMP)能產(chǎn)生一種MPEG-4 視頻基本流(ES)，也被稱為.M4V。這一視頻基本流與MPEG-4音頻基本流相結(jié)合，就構(gòu)成了一個叫.MP4文件的“可視”視頻。那么，這一結(jié)合是在什么情況下由什么而產(chǎn)生的呢？ 對富士通MMP而言，答案是MP4富士通軟件庫。富士通MPEG-4 數(shù)字視頻編解碼器芯片與富士通MP4儲存庫相結(jié)合就能產(chǎn)生MPEG-4符合性文件，這些文件在所有的MPEG-4終端都能互通。但是，沒有經(jīng)過MP4文件壓縮的MPEG-4視頻基本流，不是能用在所有的MPEG-4符合性終端上播放。
