Введение

Аудиокодек Dolby Digital Plus, также известный как Enhanced AC-3 (и обычно сокращаемый как DDP, DD+, E AC-3 или EC-3), — это схема сжатия цифрового аудио, разработанная Dolby Labs для передачи и хранения многоканального цифрового аудио. Он является преемником Dolby Digital (AC-3) и обладает рядом улучшений по сравнению с этим кодеком, включая поддержку более широкого диапазона скоростей передачи данных (от 32 кбит/с до 6144 кбит/с), увеличенное количество каналов и поддержку нескольких программ (с помощью подпотоков), а также дополнительные инструменты (алгоритмы) для представления сжатых данных и подавления артефактов. В то время как Dolby Digital (AC-3) поддерживает до пяти аудиоканалов полной полосы пропускания с максимальной битрейтом 640 кбит/с, E AC-3 поддерживает до 15 аудиоканалов полной полосы пропускания с максимальной битрейтом 6,144 Мбит/с. Полный набор технических спецификаций для E AC-3 (и AC-3) стандартизирован и опубликован в приложении E ATSC A/52:2012, а также в приложении E ETSI TS 102 366.

Структура

Услуга Dolby Digital Plus состоит из одного или нескольких подпотоков. Существуют три типа подпотоков: независимые подпотоки, которые могут содержать одну программу до 5.1 каналов. В потоке Dolby Digital Plus может быть до восьми зависимых подпотоков. Каналами, присутствующими в независимом подпотоке, являются традиционные 5.1 канала: левый (L), правый (R), центральный (C), левый тыловой (Ls) и правый тыловой (Rs), а также канал низких частот (Lfe). Подпотоки устаревшего формата, содержащие одну программу 5.1 и непосредственно соответствующие контенту Dolby Digital. В потоке DD+ может присутствовать не более одного подпотока устаревшего формата. Зависимые подпотоки, содержащие дополнительные каналы сверх традиционных 5.1 каналов. Поскольку зависимые подпотоки имеют ту же структуру, что и независимые подпотоки, каждый зависимый подпоток может содержать до пяти каналов с полной полосой пропускания и один канал низкой частоты; однако эти каналы могут быть назначены для различных конфигураций динамиков. Метаданные в подпотоке описывают назначение каждого включенного канала. Все потоки DD+ должны содержать как минимум один независимый подпоток или подпоток устаревшего формата, содержащий первые (или единственные) 5.1 канала основной аудиопрограммы. Дополнительные независимые подпотоки могут использоваться для вторичных аудиопрограмм, таких как звуковые дорожки на других языках, комментарии или описания/аудиокомментарии для людей с нарушениями зрения. Зависимые подпотоки могут быть предусмотрены для программ, имеющих дополнительные звуковые каналы сверх 5.1. В каждом подпотоке предусмотрена возможность кодирования пяти каналов с полной полосой пропускания, одного канала низкой частоты и одного канала объединения. Канал объединения используется для передачи средне- и высокочастотной информации, общей для нескольких каналов с полной полосой пропускания. Его содержимое смешивается с другими каналами в соответствии с метаданными и не воспроизводится декодером как отдельный канал. Dolby Digital Plus включает в себя всесторонние метаданные битового потока для управления декодером выходной громкостью (через dialnorm), понижающим микшированием и обратимым управлением динамическим диапазоном (через DRC).

Синтаксис

Dolby Digital Plus – это протокол, номинально рассчитанный на 16 бит, однако очень немногие поля в синтаксисе соответствуют байтовым или словесным границам. Поскольку многие элементы синтаксиса являются необязательными или имеют переменную длину, включая некоторые, наличие или длина которых зависит от сложных предварительных вычислений, и в синтаксисе присутствует мало избыточности, DD+ может быть чрезвычайно сложно правильно разбирать. Синтаксически корректные, но неверные интерпретации могут легко создаваться дефектными кодировщиками. Поток DD+ представляет собой набор пакетов синхронного кадра фиксированной длины, каждый из которых соответствует 256, 512, 768 или 1536 последовательным аудиосемплам во временной области. (Вариант с 1536 семплами является наиболее распространенным и соответствует Dolby Digital; более короткие длины субкадров предназначены для использования в интерактивных приложениях, таких как видеоигры, где снижение задержки кодирования является важной задачей). Каждый синхронный кадр может быть декодирован независимо и принадлежит к определенному подпотоку в рамках сервиса. Синхронный кадр состоит из следующих элементов синтаксиса (некоторые из которых могут быть опущены, когда сервис Dolby Digital Plus инкапсулируется в другой формат или транспорт): 16-битное синхронизирующее слово со значением 0x0b77. Секция "Информация о битовом потоке" (BSI), включающая ключевые метаданные, такие как размер кадра, идентификатор битового потока (указывающий версию используемого синтаксиса), режим каналов, идентификатор подпотока, закодированный уровень диалога (dialnorm) и метаданные для управления созданием понижающего микширования декодером. Секция Audio Frame, содержащая информацию о декодировании, общую для всех аудиоблоков в синхронном кадре, включая необходимую информацию для определения способа упаковки экспонент и мантисс. Один, два, три или шесть секций Audio Block. Эти секции содержат дополнительные метаданные для декодирования, а также закодированные и квантованные частотные коэффициенты. Каждый аудиоблок соответствует 256 PCM-семплам на каждый канал. Заключительная секция, содержащая пользовательские вспомогательные данные, необходимое заполнение для обеспечения одинаковой длины синхронных кадров и 16-битный циклический код избыточности для обнаружения ошибок.

Хранение коэффициентов трансформации

В основе Dolby Digital и DD+ лежит модифицированная дискретная косинусная трансформация (MDCT), которая используется для преобразования аудиосигнала в частотную область; в каждом блоке может передаваться до 256 частотных коэффициентов. Коэффициенты передаются в двоичном формате с плавающей точкой, при этом экспоненты передаются отдельно от мантисс. Это обеспечивает высокоэффективное кодирование. Экспоненты для каждого канала кодируются в сильно упакованном дифференциальном формате, при этом разности между последовательными частотными ячейками (кроме первой) передаются в потоке. Используются три формата, или стратегии экспонентирования; они известны как "D15", "D25" и "D45". В D15 каждой ячейке соответствует уникальный экспонент, в то время как в D25 и D45 значения разностей соответствуют парам или группам из четырех частотных ячеек. Аудиоблоки, следующие за первым в синхрокадре, могут дополнительно использовать набор экспонент предыдущего блока (это необходимо для каналов, использующих адаптивную гибридную трансформацию). Декодированные экспоненты, вместе с набором параметров метаданных, используются для получения указателей распределения битов (BAP), которые определяют количество битов, выделенных каждой мантиссе. Ячейкам, соответствующим частотам, на которых человеческий слух более чувствителен, выделяется больше битов; ячейкам, соответствующим частотам, к которым люди менее чувствительны, выделяется меньше. Для каждой мантиссы может быть выделено от 0 до 16 битов; если передается нулевое количество битов, для генерации частотного коэффициента может быть опционально применена функция дитеринга.

Алгоритм

Dolby Digital Plus, как и многие аудиокодеки с потерями, использует сильно квантованное частотное представление сигнала для повышения эффективности кодирования. В этом разделе описывается работа базового преобразования, а также различные необязательные "инструменты", определенные стандартом, которые позволяют добиться большей степени сжатия или уменьшить слышимые артефакты кодирования.

Модифицированная дискретная косинозная преобразование

Как Dolby Digital, так и кодер DD+ преобразуют многоканальный аудиосигнал в частотную область, используя модифицированное дискретное косинусное преобразование (MDCT) с возможностью выбора длины блока – 256 или 512 отсчетов (последнее используется для стационарных сигналов, первое – для переходных сигналов). Затем частотное представление квантуется в соответствии с психоакустической моделью и передается. Для частотных коэффициентов используется формат с плавающей точкой, при этом мантиссы и экспоненты хранятся и передаются раздельно, подвергаясь при этом сильному сжатию.

Адаптируемая гибридная трансформация (АХТ)

Для высокостационарных сигналов, таких как длинные ноты в музыкальном исполнении, используется адаптивная гибридная трансформация (АГТ). Этот инструмент уникален для Dolby Digital Plus (и не поддерживается в Dolby Digital) и использует дополнительное дискретное косинусное преобразование типа II (DCT) для объединения шести смежных блоков преобразования (расположенных в синхрокадре) в эффективно более длинный блок. Помимо двухступенчатого преобразования, используется иная структура распределения битов, а также применяются два способа представления закодированных мантисс: использование векторного квантования, обеспечивающего наибольшее усиление при кодировании, и использование квантования с адаптивным усилением (GAQ), когда требуется более высокая точность сигнала. Квантование с адаптивным усилением может быть включено независимо для каждого частотного канала в пределах одного канала, что позволяет использовать мантиссы переменной длины.

Соединение

Поскольку многие многоканальные аудиопрограммы демонстрируют высокую степень корреляции между отдельными каналами, обычно используется канал совмещения. Высокочастотная информация, общая для двух или более каналов, передается по отдельному каналу (который не воспроизводится декодером, а лишь смешивается с исходными каналами), известному как канал совмещения, вместе с коэффициентами, называемыми "координатами совмещения", которые указывают декодеру, как восстановить исходные каналы. Dolby Digital Plus поддерживает более сложную версию этого инструмента, известную как Enhanced Coupling (ECPL). Этот алгоритм, значительно более затратный в вычислительном плане как для кодировщиков, так и для декодировщиков, позволяет включать фазовую информацию в координаты совмещения, что обеспечивает сохранение фазовых соотношений между каналами, подвергнутыми совмещению.

Расширение спектра

Dolby Digital Plus предоставляет еще один инструмент для обработки высоких частот. Поскольку высокочастотные компоненты часто являются гармониками низкочастотных звуков, технология спектрального расширения (SPX) позволяет алгоритмически синтезировать высокочастотные компоненты на основе низкочастотных. Этот инструмент уникален для Dolby Digital Plus и не поддерживается в Dolby Digital.

Рематрицирование

Стереопрограммы обычно преобразуются в матричную форму и кодируются как каналы L+R и L-R. Это делается как для повышения эффективности кодирования (канал L-R обычно можно сильно сжать, а последующее обратное преобразование матрицы приводит к взаимному подавлению многих артефактов сжатия), так и для сохранения фазовых соотношений, необходимых для корректного воспроизведения материала, закодированного в Dolby Surround.

Периодическая прелюдоустройственная обработка

Транзиторная предварительная обработка шума (TPNP) – это специализированный инструмент Dolby Digital Plus, предназначенный для снижения артефактов, возникающих при квантовании сигнала и использовании других методов сжатия. В отличие от других инструментов, описанных выше, которые работают в частотной области и применяются до преобразования обратно в PCM-сигнал, TPNP представляет собой инструмент, который по сути выполняет операцию вырезания и вставки с использованием оконной функции во временной области для устранения определенных предсказуемых артефактов квантования.

Отношение к Dolby Digital и Dolby Atmos

Бит-потоки Dolby Digital Plus не обеспечивают прямой обратной совместимости с устаревшими декодерами Dolby Digital. Однако Dolby Digital Plus является функциональным расширением Dolby Digital, и декодеры включают обязательный компонент, который напрямую преобразует (без декодирования и повторного кодирования) битовый поток Dolby Digital Plus в битовый поток Dolby Digital (с битрейтом 640 кбит/с) для передачи через устаревшие соединения S/PDIF (включая S/PDIF через HDMI) на внешние декодеры (например, AV-ресиверы и т.п.). Все декодеры Dolby Digital Plus могут декодировать битовые потоки Dolby Digital. При этом битовые потоки Dolby Atmos кодируются с учетом обратной совместимости с декодерами Dolby Digital Plus, поэтому Dolby Atmos может быть декодирован устройствами, совместимыми с Dolby Digital Plus. Dolby продвигала это как вариант Dolby Atmos с потерями, под названием "Dolby Digital Plus Atmos", чтобы отличить его от оригинальной версии DolbyHD без потерь. Большинство битовых потоков Dolby Digital Plus теперь кодируются с использованием кодирования Atmos.

Физическая транспортировка потребительских устройств

IEC 61937-3 определяет способ передачи битовых потоков Dolby Digital (AC-3) и Dolby Digital Plus (E-AC-3) через интерфейс IEC 60958/61937 (S/PDIF). Однако, пропускной способности интерфейса S/PDIF недостаточно для передачи потоков Dolby Digital Plus (E-AC-3) со скоростью 3,0 Мбит/с, указанной для HD DVD; возможна работа с более низкими скоростями передачи данных. Многие потребительские, и даже некоторые профессиональные устройства, не распознают Dolby Digital Plus как сжатый формат и будут интерпретировать сигналы DD+ через S/PDIF или аналогичный интерфейс, или хранящиеся в файлах WAV или подобных контейнерах, как линейные данные PCM. Это не представляет проблемы, если данные передаются без изменений, но любое изменение усиления или преобразование частоты дискретизации, которые безвредны для данных PCM, приведут к повреждению и уничтожению потока Dolby Digital Plus. (Более старые кодеки, такие как DTS или AC-3, скорее будут распознаны как сжатые форматы и защищены от подобной обработки). Dolby Digital Plus может передаваться через HDMI 1.3 или более поздние версии, согласно IEC 61937-3.

Физическая транспортировка для профессиональных устройств и приложений

Поскольку интерфейс AES3 является профессиональным аналогом S/PDIF, потоки Dolby Digital Plus могут передаваться по соединениям AES3 с достаточной пропускной способностью и/или через другие интерфейсы, инкапсулирующие AES3 (такие как SMPTE 259M и SMPTE 299M с внедренным аудио). Дополнительные стандарты, разработанные SMPTE, определяют кодирование транспортных потоков Dolby, включая Dolby Digital, Dolby Digital Plus и Dolby E (кодек, предназначенный исключительно для профессионального использования в аудио- и видеоприложениях) на интерфейсе AES. Стандарт SMPTE 337 определяет сигнализацию и передачу сигналов, отличных от аудио PCM, по интерфейсу AES3, а стандарт SMPTE 340:2008 определяет способ передачи Dolby Digital Plus и Dolby Digital через этот интерфейс. Комбинация стандартов SMPTE 340:2008 и 337M позволяет хранить и транспортировать битовый поток Dolby Digital Plus в профессиональных производственных, вкладных и дистрибутивных рабочих процессах перед передачей конечному потребителю.

Распространение для потребителей в системах цифрового телевидения

DD+ или Dolby Digital определены Комитетом по передовым телевизионным системам в качестве основного аудиокодека для цифровой телевизионной системы ATSC и широко используются в других приложениях цифрового телевидения (DTV), таких как кабельное и спутниковое вещание, в странах, использующих ATSC для цифрового телевидения. Для вещания (передачи) потребителям битовый поток Dolby Digital Plus упаковывается в элементарный поток MPEG и мультиплексируется (вместе с видео) в транспортный поток MPEG. В системах ATSC спецификация для передачи Dolby Digital Plus описана в ATSC A/53, части 3 и 6. В системах DVB спецификация для передачи Dolby Digital Plus описана в ETSI TS 101 154 и ETSI EN 300 468. Dolby Digital Plus все шире применяется в системах цифрового телевидения, особенно в кабельных и спутниковых системах, в качестве замены Dolby Digital. Многие из этих приложений не используют преимущества увеличения количества каналов или возможности поддержки нескольких независимых программ; вместо этого он используется как кодек с более высокой эффективностью по сравнению с AC-3.

HD DVD и Blu-ray Диск

И теперь несуществующий стандарт HD DVD, и Blu-ray Disc включают Dolby Digital Plus. Это обязательный компонент HD DVD и дополнительный компонент Blu-ray. Максимальное количество дискретных кодированных каналов одинаково для обоих форматов: 7.1. Однако HD DVD и Blu-ray накладывают различные технические ограничения на поддерживаемые аудиокодеки. Следовательно, использование DD+ существенно отличается между HD DVD и Blu-ray Disc. + Сравнение битрейтов Dolby Digital (AC 3) и Dolby Digital Plus (E AC 3) Кодек HD DVD Blu-ray Disc Декодирование Каналы Битрейт Декодирование Каналы Битрейт AC 3 обязательный 1–5.1 448 кбит/с обязательный 1–5.1 640 кбит/с E AC 3 обязательный 1–7.1 3,024 Мбит/с необязательный, доступен только для задних каналов 6.1–7.1 1,664 Мбит/с TrueHD обязательный/необязательный 1 или 2 3–8 18,0 Мбит/с необязательный 1–8 18,0 Мбит/с На HD DVD DD+ является обязательным аудиокодеком. Фильм HD DVD может использовать DD+ в качестве основного (или единственного) аудиодорожки. HD DVD-плеер должен поддерживать DD+ аудио, декодируя и выводя его на выходные разъемы плеера. Как хранится на диске, DD+ битрейм может передавать любое количество аудиоканалов до максимально допустимого, при любой скорости передачи данных до 3,0 Мбит/с. На Blu-ray Disc DD+ является дополнительным кодеком и используется как расширение к "основной" аудиодорожке AC 3 5.1. Ядро AC 3 кодируется со скоростью 640 кбит/с, содержит 5 основных каналов (и 1 LFE) и может быть воспроизведено независимо как аудиодорожка фильма любым проигрывателем Blu-ray Disc. Битовый поток расширения DD+ используется на проигрывателях, которые его поддерживают, заменяя задние каналы в конфигурации 5.1 версиями с более высокой точностью, а также обеспечивая возможное расширение до 6.1 или 7.1 каналов. Полная аудиодорожка допускает общую скорость передачи данных 1,7 Мбит/с: 640 кбит/с для ядра AC 3 5.1 и 1 Мбит/с для расширения DD+. Во время воспроизведения как основная, так и расширенная битовые потоки вносят вклад в окончательный аудиовыход в соответствии с правилами, встроенными в метаданные битового потока.

Медиаплееры и аутомкс

Как правило, битовый поток Dolby Digital Plus может быть передан только через интерфейс HDMI 1.3 или более новой версии. Старые ресиверы поддерживают более ранние версии HDMI, либо только систему S/PDIF для цифрового аудио, либо аналоговые входы. Для интерфейсов, не поддерживающих HDMI 1.3, проигрыватель может декодировать аудио и затем передать его различными способами. Более ранние версии HDMI, такие как HDMI 1.1, поддерживают аудио PCM, при этом проигрыватель декодирует аудио и передает его без потерь в формате PCM через HDMI ресиверу. Некоторые ресиверы и проигрыватели поддерживают аналоговое объемное звучание, и проигрыватель может декодировать аудио и передать его ресиверу как аналоговый аудиосигнал. Большинство ресиверов и проигрывателей поддерживают S/PDIF. Это цифровое соединение с ограниченной пропускной способностью не может передавать аудио PCM без потерь с более чем двумя каналами, но проигрыватель может передать аудиопоток, совместимый с S/PDIF, ресиверу одним из следующих способов: проигрыватели Blu-ray Disc могут использовать устаревший битовый поток AC-3 5.1, встроенный в битовый поток E-AC-3, передавая только битовый поток AC-3 без каких-либо изменений. Проигрыватели, поддерживающие стандарт HD DVD, могут транскодировать декодированное аудио в другой формат. В зависимости от метода и доступных опций проигрывателя это можно сделать с относительно небольшими потерями качества. Эталонный декодер Dolby, доступный всем лицензиатам, использует общую основу между AC-3 и E-AC-3, выполняя операцию в частотной области. Гибридная рекомпрессия позволяет избежать ненужной декомпрессии и последующей рекомпрессии (E-AC-3 → LPCM → AC-3). Помимо AC-3, некоторые HD DVD-плееры транскодируют аудио, совместимое с S/PDIF, в аудио DTS со скоростью 1,5 Мбит/с. Хотя S/PDIF может поддерживать Dolby Digital Plus с более низкими битрейтами, стандарт HD DVD определяет битрейт для DD+, который слишком высок для передачи через интерфейс S/PDIF. Если проигрывателю необходимо декодировать аудио для ресивера, не имеющего HDMI 1.3, результаты должны быть предсказуемыми. Спецификация DD+ явно определяет режимы и механизмы понижающего микширования, поэтому любое звуковое поле источника (до 14.1) может быть предсказуемо воспроизведено для любой среды прослушивания (вплоть до одного канала).