[发明专利]分组生成器

说明书

技术领域

本发明涉及媒体传输，并且特别地但不是排他地，涉及编码语音、音频或视频信号的传输。

背景技术

对音频信号(像语音或音乐)进行编码，例如用于使得能够有效地传输或存储该音频信号。

使用音频编码器和解码器来表示基于音频的信号，诸如音乐和背景噪声。这些类型的编码器通常并不使用用于编码过程的语音模型，而是使用用于表示包括语音在内的所有类型的音频信号的过程。

语音编码器和解码器(编解码器)通常被优化用于语音信号，并且可以以固定比特速率或者以可变比特速率进行操作。

音频编解码器还可以被配置以便以变化的比特速率进行操作。在较低的比特速率处，这样的音频编解码器可以以等同于纯语音编解码器的编码速率在语音信号的情况下工作。在较高的比特速率处，音频编解码器可以在较高的质量和性能的情况下，对包括音乐、背景噪声和语音在内的任何信号进行编码。

在一些音频编解码器中，输入信号被划分成有限数目的频带。每个频带信号均可以被量化。根据心理声学理论可知，感觉上频谱中的高频没有低频重要。这在一些音频编解码器中通过比特分配来反映，其中，高频信号比低频信号被分配更少的比特。

媒体编码领域中的一个新兴趋势是所谓的分层编解码器，例如ITU-T嵌入式可变比特速率(EV-VBR)语音/音频编解码器和ITU-T可扩缩视频编解码器(SVC)。可扩缩媒体数据由核心层以及一个或若干个增强层构成，所述核心层对于能在接收端进行重构来说一直是需要的，所述一个或若干个增强层可被用于向重构的媒体提供附加价值(例如，针对传输错误而增强的稳健性或改进的媒体质量，等等)。

这些编解码器的可扩缩性可用于传输级中，例如，用于控制网络容量或形成多播媒体流，以便促进与不同带宽的接入链路背后的参与者的操作。在应用级中，可扩缩性可用于控制如计算复杂性、编码延迟或期望的质量水平这样的变量。要注意，虽然在一些情形中可扩缩性可被应用于传输端点处，但是也存在一些操作情形，其中，居间网络单元能够实现扩缩是更适合的。

例如，可以在电话技术中采用这种对音频编码的可扩缩层操作。例如，在通常为基于IP的语音(VoIP)所采用的分组交换网络传输协议中，使用根据实时传输协议(RTP)所传送的分组，音频信号被进行了分层编码，按照用户数据报协议(UDP)进行封装，并且进一步按照因特网协议(IP)进行封装。

在这样的媒体传输布置中，可以以两种方式中的一种来处理可扩缩编解码器。在第一种布置中，可以在与核心层数据相同的分组中(即，在相同的RTP会话中)传送增强层。

在单个分组中携带(媒体帧的)所有层的方法提供了低开销和容易的跨层同步，因为接收机解码器知道特定媒体帧的所有信息被携带在相同分组中，这也隐含地提供了跨层媒体同步。然而，这种方法的缺陷在于：执行扩缩操作的任何居间网络单元需要了解分组的细节以及媒体内容结构，并且然后通过读取、解析以及随后修改分组内容来执行过滤操作。

第二种方法是：可以在与核心层数据分离的分组流中传送增强层(或者增强层的子集)。该第二种方法还要求信令机制，所述信令机制可用来对携带了相同媒体源的各层的分离的分组数据流进行同步。

然而，对各层(或各层的子集)采用分离数据流的第二种方法提供了更容易的扩缩机会，因为可以通过丢弃一些数据流的分组来实现扩缩操作，并且因此不要求修改分组。

这种方法因此不要求深入了解分组结构，而是可以基于与数据流之间的关系有关的信息来实现扩缩操作。

多个数据流使用多个RTP会话是在RTP框架内传送分层媒体数据的常规方式(这种方法经常被称为可扩缩多播)。

当接收机使用跨多个RTP会话分布的各层来重构媒体帧时，多个数据流的同步明显是个问题。

可以使用RTP报头中所包括的时间戳(TS)信息来重构RTP分组中所接收到的媒体流的时间线。RTP TS提供关于与相同RTP会话中所传送的其它RTP分组相比的时间差的信息，这使得能够将所接收的每个媒体帧放置到它在时间线中的正确位置。

然而，RTP会话的RTP TS的初始值是随机值。因而，RTP TS并不指示绝对时间(即，“挂钟时间”)，而仅仅是RTP会话内的相对时间或定时参考。要注意，这种“随机性”可被视为针对绝对时间的未知偏移。该未知偏移可以并且很可能在每个RTP会话中是不同的。

因而，两个或更多RTP会话不能仅基于它们的RTP TS值来进行同步，这对于被用来携带分层编码的各层(或各层的子集)的分离的RTP会话是有效的。