引言：MPEG-H 電視音頻系統 ( 下一代音頻編解碼器 ) 基于音頻編碼標準化組織 MPEG 最新開發的MPEG-H 3D 音頻標準，能夠為家庭端帶來沉浸式聲音體驗，增強電視節目的真實感和沉浸感，并通過音頻對象為觀眾呈現個性化的音頻內容。為了方便用戶使用交互性功能，廣播電視公司可以提供“預設”服務，即預定義對象增益和位置的混音效果。而沉浸式聲音的制作播出則可通過將基于聲道的信號或基于場景的聲音元素與靜態或動態音頻對象相結合的方式來實現。改良后的響度和動態范圍控制，能夠根據不同類型的用戶設備和收聽環境來定制聲音效果，從而實現最佳的聲音還放。目前，MPEG-H 電視音頻系統已經被 DVB 標準采納，并已成為 ATSC 3.0 數字電視標準中的正式音頻標準。此外，韓國于 2017 年 5 月 31 日推出基于ATSC 3.0 標準的超高清電視服務，這也是首個采用MPEG-H 電視音頻系統的常規廣播電視服務。2014 年，為了支持包括沉浸式聲音和交互性能等在內的全新音頻功能并提升用戶體驗，美國高級電視系統委員會 (ATSC) 發布公告征集下一代廣播電視音頻系統標準方案，并將其作為 ATSC 3.0 標準的一部分。與此同時，ATSC 還要求解決方案能夠實現部分高級功能，例如 ：將通過互聯網發送的音頻元素與通過地面廣播路徑傳輸的音頻元素相結合 ；支持觀眾調整節目中的某些聲音元素 ；使音頻可以適用于各種終端用戶設備，從而通過同一音頻碼流就可以服務于所有類型的終端用戶設備 ；通過binaural( 雙耳還放 ) 技術實現耳機端的沉浸式聲音還放等。而 MPEG-H 3D 音頻標準可以滿足以上所有需求。MPEG-H 電視音頻系統是 MPEG-H 3D 音頻標準的子集，專為滿足 ATSC 3.0 和 DVB 所規定的廣播電視需求而定制。
2 MPEG-H 電視音頻系統的特征
2.1沉浸式聲音
MPEG-H 電視音頻系統能夠通過在垂直維度上擴展聲像實現“3D”聲音還放，進而實現沉浸式聲音并區分于傳統環繞聲。該功能能夠使聲音聽起來更加真實，使用戶不再是一名旁觀者，而是體驗身臨其境一般的感受。研究表明，與環繞聲相比較，在沉浸式聲音環境下，人們感知到的整體音質明顯改善，兩者之間的差異就像立體聲與環繞聲之間的差異一樣大。圖 1 為與 22.2 聲道參考信號相比，環繞聲、沉浸式 /3D 聲音格式的聲音還放系統擴展后的整體音質改善。
2.2交互功能 / 個性化定制
MPEG-H 電視音頻系統中包含“預設”功能。內容創作者可以定義“預設”內容，可以涵蓋不同聲音元素的組合以及調整不同元素在位置和音量上的關系。如此一來，廣播電視公司可以讓用戶輕而易舉地選擇不同的聲音體驗。另外，通過 MPEG-H電視音頻系統，用戶能夠通過與其他混音元素的比較，直接選和調整不同混音元素在位置和音量上的關系，從而對聲音體驗進行微調。其中一個典型的用例是調高或調低解說員的聲音 ( 也稱為“對白增強”) 或者選擇不同的解說評論的語言。而實現傳輸交互內容其實也并不復雜，只需對現有制作流程稍作調整便能夠為內容創作者提供全新選擇，也能夠為觀眾帶來更好的體驗。
2.3通用傳輸
在多平臺環境下，相同的 MPEG-H 內容通過不同的分發網絡進行傳輸 ( 例如 ：廣播電視網絡、移動網絡和寬帶網絡 )，并且在不同的環境 ( 如嘈雜的公交車和安靜的客廳 ) 和設備上 ( 如電視機、移動設備和 AVR) 進行播放。為了滿足以上需求，MPEG-H電視音頻系統針對每個完整混音甚至是單一音頻元素提供響度和動態范圍控制，以及對輸出的峰值和削波預防進行控制。此外，全新的主動下混算法能夠帶來更高質量的下混音頻信號。為了能通過耳機聆聽沉浸聲和環繞聲音頻內容，MPEG-H 電視音頻系統還包含 binaural 渲染器。
3 MPEG-H 電視音頻系統的核心性能
3.1碼流效率
下一代廣播電視節目需要能夠通過各種方式向用戶提供內容，其中包括最高質量的有線電視和衛星電視傳輸方式以及移動設備上的流媒體傳輸方式等。為此，電視音頻系統需要傳輸各種音頻內容，從立體聲道到 5.1 聲道、7.1 聲道和用于沉浸式音頻內容的更多聲道。MPEG-H 音頻規范的目標碼流范圍旨在滿足質量和效率的雙重目標。對于當今的 5.1環繞聲，96~256 kbit/s 的碼流便能夠提供良好甚至優異的音頻質量。對于未來具有更多聲道 (5.1 +4H 或者 7.1+4H) 的音頻內容，256 kbit/s~1.2 Mbit/s 的碼流即可實現相同的音頻質量。MPEG-H 音頻編解碼器能夠利用相同的碼流承載更高質量和 / 或更多聲道的音頻內容。例如，在常用的廣播音頻數據傳輸碼率 (384 kbit/s) 下，MPEG-H能夠傳輸最多包括四個附加對象的 7.1+4H 音頻聲道的信號，從而實現高度揚聲器播放效果。
3.2動態范圍控制
動態范圍控制 (DRC) 技術能夠使產生的音頻信號適應于不同的還放設備和聆聽環境。在 MPEG-H電視音頻系統的 DRC 框架內，通過信號傳輸的不同DRC增益序列能夠在播放設備中實現由編碼器控制的動態范圍處理。多個單獨的 DRC 增益序列可以通過高分辨率信號傳輸，以適用于各種播放設備和收聽環境，如 ：移動環境和家庭環境。通過 MPEG-H DRC技術，還可以實現更好的削波預防和峰值限制效果。
3.3響度標準化
為了符合不同的響度規范并帶來一致的用戶體驗，響度信號傳送和標準化對于任何下一代音頻系統都扮演著至關重要的角色。在 MPEG-H 電視音頻系統中，基于 EBU R128 或 ITU-R BS.1770-3 的圖 1?聲音還放系統擴展后的整體音質改善標準化研究、信息技術與標準化。
所有響度相關測量數據都被嵌入到用于響度標準化的數據流之中，并通過解碼器對音頻信號進行標準化，從而將節目響度映射至還放所需的目標響度。例如，在移動設備上，目標響度范圍為 -12~-15 dB LKFS，而在家庭 AVR 上，目標響度通常設置為-31 dB LKFS。然而，通過下混和動態范圍控制，可能會改變信號的響度。因此，可以將專用的節目響度元數據植入到 MPEG-H 比特流中，以確保在還放端實現正確的響度標準化。
3.4音頻對象
將音頻對象作為附加音軌嵌入到音頻節目內容中，可以實現一系列的全新應用。其中，最為突出的應用就是允許用戶通過改變混音效果實現交互性功能。用戶可以選擇不同的語言音軌、附加音軌，例如導演對電影的評論或針對視障者的場景敘述等。同時，用戶能夠調節特定音軌聲音，以便獲取個性化收聽體驗，例如調高解說評論的聲音使其高于背景音。諸如對白的音頻對象可以根據其動態范圍進行單獨控制，這樣可確保在任何壓縮模式下都能清晰地聽到對白內容。利用音頻對象的概念，還可以在不同播放場景下，實現準確的空間聲音還放。為實現以上需求，可將描述幾何位置的對象元數據嵌入到比特流中。MPEG-H 電視音頻系統的解碼器包含一個對象渲染器，它能夠根據元數據和用戶家中揚聲器的位置將對象信號映射并分配至揚聲器中。
3.5Ambisonics
Ambisonics 能夠通過特定的數學方程式呈現聲場壓力。隨著 Ambisonics 階數的提升，其還放準確度也隨之升高。此外，Ambisonics 的呈現不受終端揚聲器配置的影響，因此，在聲音還放之前可以輕而易舉地對其進行調整。得益于以上特性，Ambisonics 還放技術非常適用于當今的虛擬現實應用。目前，結合音頻對象的FOA(一階高保真)技術和HOA(高階高保真)技術在虛擬現實制作中的應用越來越廣泛。
3.6流媒體
對于傳輸系統和其所涉及的媒體來說，將互聯網流媒體音頻內容傳輸到移動設備的過程極具挑戰性。甚至當今常用的 3GPP 或 LTE 網絡的移動數據連接也無法保證提供恒定的帶寬。為了確保內容還放的連續性，最新的廣播電視設備采用了諸如MPEG-DASH 等動態自適應流媒體技術，從而確保內容碼流能夠完全適應于當前的信號連接質量。其實，自適應流媒體的概念并不新鮮，早在MPEG-4 HE-AAC 流媒體應用中已經采用了這一方式。MPEG-H 電視音頻系統在設計階段就已考慮到自適應流媒體的需求，進而可以更容易地實現基于DASH 服務。音頻幀的內置概念縮短了調準時間，并且顯著降低了實施復雜性，從而可以在制作過程中輕松進行碼流拼接和廣告插播，即使是在本地接收機端也可實現個性化廣告內容。
3.7靈活的渲染和還放
針對立體聲和 5.1 聲道的音頻制作和監聽揚聲器的安裝已經很成熟。然而，消費者家中揚聲器的配置、數量和位置都有所不同，為了應對這些問題，在 MPEG-H 電視音頻系統中，可以通過格式轉換器實現針對不同揚聲器布局的靈活渲染，從而使內容格式適應于播放端的揚聲器設置。過去幾年間，媒體消費已更多轉向移動設備，而用戶也主要通過耳機收聽音頻內容。因此，MPEG-H電視音頻系統解碼器中集成了 binaural 渲染組件，專門應用于將沉浸聲和環繞聲內容還放到耳機端。
4 MPEG-H 電視音頻系統成功納入 ATSC 3.0 標準
2010 年，在 ATSC 舉辦的下一代廣播電視最新技術研討會上，Fraunhofer IIS 提出了全新方案，即通過對象與聲道相結合的方式作為下一代音頻技術標準。2015 年 1 月，由幾家公司組成的聯盟向工作組提交了基于 MPEG-H 3D 音頻標準的提案。除了MPEG-H 電視音頻系統以外，ATSC 還收到了另外兩份提案。圖2為MPEG-H電視音頻系統納入ATSC 3.0標準的發展過程。工作組根據預認證階段所提交的文件，對三套提案系統進行了評估，其中兩套系統獲準進入下一階段的遴選，包括正式的多站點雙盲聆聽測試和系標準化研究
圖 2?MPEG-H 電視音頻系統發展大事記
系統特征評估。聽音測試結果表明 ：兩套提案均實現了所需的編碼效率，在某些項目中稍微傾向于選擇MPEG-H 電視音頻系統，特別是具有低碼流語音的項目 (MPEG-H 電視音頻系統編解碼器的語音編碼工具可在其中使用 )2015 年 5、6 月，ATSC 評估員到訪兩個提案方的實驗室，以評估提案特征的演示。最終，兩套系統均符合 ATSC 規定的所有要求。2015 年 7 月，ATSC 組織了一次特別的演示活動并對 MPEG-H 測試床進行了展示。2015 年 11 月，ATSC 將兩套系統升級為候選標準狀態，并建議每個區域使用一套系統。2016 年底，兩套系統均被升級為 ATSC 建議標準。2017 年 3 月，兩套系統被確認為 ATSC 3.0 的最終標準。目前，兩套系統信息都能夠在 ATSC 官網 A/342 標準中下載。
5結語
MPEG-H 電視音頻系統的附加功能 ( 如音頻對象和靈活渲染等 )，能夠為用戶帶來交互式和身臨其境的沉浸式音頻體驗。經過改良響度和 DRC 控制功能，充分體現了以用戶為中心的音頻標準設計理念。在 MPEG-H 電視音頻系統內部以及 ATSC 3.0 標準開發過程中的測試均表明，MPEG-H 電視音頻系統可以滿足廣播電視公司對于下一代音頻系統的所有要求。MPEG-H 電視音頻系統已被 ATSC 3.0 采納為最終標準，并被韓國選定為基于 ATSC 3.0 標準的唯一音頻系統，并于 2017 年 5 月 31 日起提供常規服務。此外，支持 ATSC 3.0 標準 ( 包含 MPEG-H電視音頻系統 ) 的電視機已經在韓國正式銷售，韓國的廣播電視公司將在 2018 年平昌冬季奧運會上采用 MPEG-H 電視音頻系統進行電視轉播。此外，MPEG-H電視音頻系統也是DVB標準系列的一部分，并被考慮應用于其他電視標準中，如中國廣播電視3D 音頻標準等。
|
