電視音頻技術發展現狀和展望

■文/張 磊 姜世杰

電視音頻技術發展現狀和展望

■文/張 磊 姜世杰

隨著電視視頻技術的不斷發展,電視音頻也從單聲道、雙聲道發展到多聲道及3D環繞聲的形式。本文從音頻技術高清化演進路線入手,介紹了當今主流的多聲道及3D環繞聲格式,并對元數據的控制功能進行闡述。通過對現有技術的梳理,預測了電視音頻技術會向著全維度再現發展,并且隨著元數據功能的完善,未來的電視音頻會具有更好的交互性及靈活性。

高清時代；3D環繞聲；元數據；全維度

自從20世紀人類發明黑白電視以來，電視已經成為信息采集、交換和傳播的主流媒體。電視技術已經經歷三次質的飛躍，20世紀50年代電視從黑白過渡到彩色，給觀眾帶來了前所未有的彩色視覺體驗；20世紀90年代隨著數字技術和網絡技術的發展，電視從模擬的單一傳像功能向數字化的智能型、交互式、多用途方式轉變；而第三代電視是數字高清晰度電視和3D立體電視，帶給觀眾臨場感極強的高清晰度視頻圖像和極具震撼力的音響效果。在模擬電視時代，電視系統最多只能提供兩個聲道的鏈路。當電視的傳輸鏈路從模擬進入數字時代以后，電視伴音也從單聲道過渡到雙聲道和多聲道。尤其當數字電視的高清時代到來以后，多聲道的環繞聲系統已經成為一種必然。

1.音頻技術高清化的演進路線

人類對于電視伴音重放質量的要求總是在隨著科技水平的提高而不斷增長。而這其中最顯著的變化，就體現在重放系統聲道數量的增加上。人類的聽覺是一種對多種信息的綜合性反應。除了最基本的聲音要素，如響度、音調和音色以外，還包括反映聲音空間特性的因素，比如聲源的方向、聲源的遠近、聲場的大小、聲場的色彩等。而電視伴音系統聲道數的不斷增長，也就是為了能夠將這些信息盡可能多地予以體現。

在模擬電視時代，電視伴音采用單聲道系統，只使用一只或幾只揚聲器來重放由一只傳聲器記錄的聲音信號。這種重放系統只能表現聲音的響度、音調和音色，并在一定程度上體現聲源的遠近，而對于聲源的空間定位等重要特性并不能表現出來。單聲道的電視伴音為模擬信號，采用調頻傳輸，這種信號在在傳輸、存儲和變換過程中常會產生下列問題：

①音頻信號存儲載體的信號動態范圍只有40～50 dB，遠低于節目源的最大信號動態范圍（120 dB）；

②在信號編輯和變換中（節目編輯、轉錄和延時效果處理等）隨著變換次數的增加，音質會迅速惡化。

因此，為了改善模擬單聲道電視伴音質量，音頻的數字化發展成為必然趨勢。進入數字電視時代，針對標清數字電視，電視伴音為單聲道或雙聲道立體聲數字信號；針對高清數字電視，電視伴音為多聲道數字環繞聲信號。音頻信號的數字化，很容易實現大于90dB的動態范圍。此外數字音頻信號可以進行非線性編輯，而不會增加音頻信號的失真。

對于標清數字電視的立體聲雙聲道系統，能夠利用“雙耳效應”來產生“聽覺幻像”，實現對前方聲源橫向、縱向的定位，并產生比較明顯的表現聲音空間特性。雖然該重放系統相對模擬單聲道時代在音質和聽音效果上有了較大提升，但是與實際的聲場還有很大的差距，其主要問題是聽者的側方和后方區域聲場沒有如實地反映出來。

進入高清時代以后，隨著電視畫面的清晰度越來越高，為了得到更佳的視聽享受，多聲道環繞聲系統的電視伴音成為必然。多聲道環繞聲系統追求的是對聲音空間特性的全方位表現，給人們三維的立體空間印象。目前數字電視音頻標準中都采用5.1環繞聲系統，也就是3/2/.1的配置方案。這種方法是按照ITU-R BS.775的建議來確定用于重放的揚聲器擺放位置[1]，如圖1所示。

圖1 ITU-R建議的5.1聲道揚聲器設置

人們為了獲得更穩定的聲像定位和覆蓋范圍更大的聽音區域，多聲道環繞聲系統已經由5.1聲道擴展為7.1、10.2，甚至22.2聲道系統，極大地豐富了聲音的再現能力。目前10.2和22.2聲道的環繞聲系統還處于體驗階段，而7.1聲道的環繞聲系統已經成為絕大多數高清影片的伴音格式，常用的揚聲器擺位如圖2所示。7.1聲道環繞聲系統增加了一組環繞聲揚聲器（Lb和Rb），而將5.1聲道系統的環繞揚聲器（Ls和Rs）前置，將環繞聲場分解成前側方(30°～90°)、后側方（90°～150°）和后方(150°～180°)三個部分，進一步增強了環繞聲場聲像定位的連續性和包圍感。

圖2 7.1聲道環繞聲系統揚聲器擺位

與立體聲雙聲道系統對比，多聲道環繞聲系統存在以下優勢：

①多聲道環繞聲由于添加了側后方揚聲器，可以在一定程度上實現對后方聲源的重放。

②多聲道系統對聲源方向的安排更加靈活。在奧運會轉播過程中，評論員的聲音由中置聲道重放，運動聲響主要由左、右聲道重放，觀眾的歡呼聲及運動場環境聲則由左、右、左環繞和右環繞聲道重放，可以較好地將不同聲音元素分離開[2]。

③相比于雙聲道立體聲，多聲道環繞聲拓展了聆聽區域。雙聲道立體聲系統，要求聽者必須位于距兩揚聲器等距離的某一點，才能獲得比較滿意的聲像感。而多聲道環繞聲系統的聽音范圍比較寬，處于環繞聲系統最佳聽音位置附近的聽者對聲像的感受不會產生很大差異，有利于多人一起欣賞。

④運用多聲道環繞聲系統能夠還原聲源所在聲場的聲學特點，即空間感、包圍感、溫暖感等。人們在觀賞多聲道環繞聲的音樂會轉播時，就好像在真實的音樂廳中聆聽現場演奏一般。

2.高清時代的多聲道環繞聲格式

多聲道環繞聲格式在20世紀90年代初開始逐漸普及，到現在為止已經有十幾種多聲道環繞聲格式，下面按照聲道數的遞增，選取典型的環繞聲格式進行梳理和闡述。

2.1 5.1聲道環繞聲格式

目前5.1聲道的環繞聲格式是最為普及的系統，常見的環繞聲格式包括Dolby Digital、DTS等。Dolby Digital格式由Dolby公司開發[3]，主要應用于專業電影、廣播電視和家庭影院。該格式采用AC-3編解碼技術，壓縮率可達10∶1，支持的最高數據傳輸率為640kbit/s。目前在廣播電視領域，多數電視臺采用Dolby Digital和Dolby E技術進行數字高清電視節目的錄制和傳輸，如圖3所示。在電視制作端采用Dolby E技術[4]，該技術可以通過一個AES數字音頻對傳輸多達8聲道的數字音頻信號。目前電視廣播基礎設施（錄像機）絕大部分只有2聲道或4聲道的音頻處理能力，采用Dolby E技術可以將多聲道信號存儲在現有的設備上，不用更新設備即可傳輸多聲道音頻信號。此外經過Dolby E技術編碼的音頻幀時長為40ms，與視頻幀相同便于進行聲畫的同步編輯。在電視播出前用Dolby Digital編碼將多種格式（5.1聲道、單聲道、雙聲道立體聲）數字音頻信號進行壓縮編碼為一對Dolby Digital碼流，輸入MPEQ編碼/復用。在用戶接收端，利用機頂盒對Dolby Digital碼流進行解碼，還原編碼前的音頻信號，輸入到用戶的家庭影院。

圖3 Dolby公司推出的數字電視音頻解決方案

DTS格式由DTS公司開發，主要應用在專業電影、家庭影院和純音樂領域中。該格式采用相干聲學編解碼技術，壓縮率在2.9∶1到4.3∶1之間，取樣率在8～192kHz之間，量化精度在16～24bit之間。在1993年6月11日放映的《侏羅紀公園》首次采用了該系統，該系統使用了聲畫分離的方式，DTS碼流記錄在CD-ROM上。因此只要將錄制數字音頻信號的CD單獨拿出來播放，就能得到多聲道環繞聲音效。如果將多聲道音樂按DTS格式錄制在一張CD上，用普通的CD機播放，并在其數字輸出口處接上一臺DTS解碼器，就可以得到環繞聲音樂。這種光盤被稱為DTS-CD。

2.2 7.1聲道環繞聲格式

在電影領域，隨著BD光盤的普及，高清電影已經成為主流形式。各大公司都為在高清領域爭得一席之地而努力研發自己的新型環繞聲系統。杜比公司就在2004年的東京AES大會上，首次展示了全新的Dolby Digital Plus系統[5]，隨后還推出了Dolby True HD系統[7]，這兩個系統都是為高清光盤格式的發展而設計的多聲道音頻格式。而DTS公司也不甘示弱，推出了DTS HD系統[6]。目前這三款音頻格式都已經納入BD光盤的音頻標準格式中?？v觀這幾種新型的系統，它們都以7.1聲道為起點，可向上擴展。此外聲音的再現也不僅僅局限在水平維度上，通過揚聲器的配置可再現垂直維度的定位感，極大增強了聲音的表現力。

2.3 加入高度聲道的3D環繞聲格式

當前人們對聲音的再現能力開始追求“全息立體聲”的效果。SMPTE成立的DC28數字電影技術委員會給未來數字電影制定了可容納聲道數量與揚聲器的配置方式（《SMPTE 428.3M協議》），如圖4所示。該配置方式描述了20個聲道的設定，除了水平維度設置的16個聲道，還有4個聲道當作垂直陣列，用于增強高度層次感。

圖4 SMPTE 428.3M的揚聲器配置及分布

日本NHK公司為了配合超高清電視(UHDTV)而推出了22.2聲道的環繞聲系統[7]，如圖5所示。整個系統有10只揚聲器位于聽者頭部所在的水平面，9只揚聲器高于聽者頭部水平面，其他3只揚聲器和2只重低音揚聲器設置在低于聽者頭部水平面。雖然該系統仍在推廣體驗階段，但是由此可以看出數字電視的音頻系統將朝著多通道的全維度方向發展。

圖5 NHK針對超高清電視推出的22.2聲道環繞聲系統

Dolby、DTS和Baccro等公司近幾年也分別推出了Dobly Atmos、DTS∶X和Auro-3D等3D環繞聲重放系統。Dolby Atmos及DTS∶X針對家庭影院推出了7.1.4，7.1.2，5.1.4，5.1.2等四種重放格式，圖6顯示了DTS∶X的7.1.4重放系統。Auro-3D的家庭影院系統包括9.1和10.1兩種格式，圖7顯示了Auro 3D的10.1格式重放系統。由于高度聲道的增加，可以增強空間聲源的定位及有效的擴展三維空間感，為觀眾帶來更加真實的體驗。

圖6 DTS∶X的7.1.4重放示意圖

圖7 Auro 3D的10.1重放系統示意圖

3.多聲道格式中元數據的控制功能

為保證數字電視音頻信號的正確傳輸和接收，需要使用元數據作為貫穿節目從制作到播出和接收完整鏈路的控制手段。所謂元數據，其本質的意義是關于音頻數據的數據，即一些音頻描述和控制參數，例如下混合參數和對白歸一化參數等。不同的多聲道編解碼技術都采用元數據來進行音頻信號的控制。

3.1 下混合元數據

下混合元數據是為使多聲道節目能夠被立體聲和單聲道用戶收看收聽而設定的。由于低音增強LFE聲道記錄的音頻信號主要用于渲染烘托氣氛，所以在多聲道節目下變換成雙聲道或單聲道時，只用其中的L、R、C、Ls、Rs五個主聲道。圖8和圖9分別顯示了Dolby Digital和MPEG 2-AAC[8]提供的多聲道節目下變換到雙聲道的算法。

圖8 Dolby Digital提供的兩種下變換算法

圖9 MPEG 2-AAC提供的兩種下變換算法

3.2 對白歸一化

當重放不同來源的音頻時，進行節目切換時常常出現響度不一致的情況。播放的音頻可能是同一頻道不同的節目類型（新聞，廣告），也可能是不同的播放頻道。為了解決這個問題，在進行編碼時往往將參考電平直接編碼到音頻數據流中。通常使用正?？陬^對白的主觀聲壓級作為參考電平。

在解碼端，參考電平值被用在重放系統中設定重放音量，對系統的音量控制一般根據聽眾期望的響度或根據聲壓級（SPL）來設定。應用參考電平值，主要包含以下的功能：達到聽眾期望的對白聲壓級，以及指出在音頻信號中對白聲壓級的參考電平值。這樣不論被解碼的什么類型的節目，聽眾都能夠設定對白音量，讓對白的主觀響度保持一致。

如圖10所示幾種不同的音頻信號，其平均對白電平如圖數字標記所示。在切換不同節目時，由于電平的不一致，會導致不同的主觀聲壓級。如果將電影的對白電平降低3dB到-30dB作為主觀聲級，即參考電平值，通過應用參考電平值，再切換成不同類型節目時，都會自動的將節目中的對白電平歸一化為-30dB，以達到一致的相同主觀感知，如圖11所示。

4.結論

模擬電視時代人們對聲音在電視系統中所起的作用有所忽視，一直將其稱為電視伴音。隨著電視從模擬標清發展到數字高清晰度電視、超高清晰度電視以及立體電視，人們在追求視覺臨場感的過程中，音頻將對視頻起到極大的輔助作用。聲音從單聲道、雙聲道立體聲發展到多聲道環繞聲格式已經成為一種必然趨勢，相信隨著數字電視音頻技術的進一步發展，聲音將實現全維度的再現。而隨著元數據功能越來越完善，未來的電視音頻技術會增加更多的互動性及靈活性。

圖10 幾種典型的音頻信號

圖11 歸一化后的音頻信號

[1] ITU-R Recommendation BS.775-1. Multichannel Stereophonic Sound System with and without Accompanying Picture. International Telecommunication Union, Geneva, Switzerland, 1992-1994.

[2]王樹森. 奧運轉播國際公用信號制作的音頻技術應用[J].電聲技術, 2008, 32（5）：4-10.

[3] ATSC A/52B：2010. Digital Audio Compression Standard（AC-3, E-AC-3）. Advanced Television Systems Committee, Washington, D.C., 22 November 2010.

[4]孔曉蕾. 杜比E技術簡介. 電聲技術, 2003（5）：61-63.

[5] Roger Dressler. Dolby Audio Coding for Future Entertainment Formats. Dolby Laboratories, Inc., San Francisco, CA, White Paper, 2006.

[6] DTS-HD Audio Consumer White Paper for Blu-ray Disc and HD DVD Applications. DTS, Inc., White Paper, 2006.

[7] Kimio Hamasaki, Toshiyuki Nishiguchi, Reiko Okumura, Yasushige Nakayama, Akio Ando1. A 22.2 Multichannel Sound System for Ultrahigh-Definition TV （UHDTV）. SMPTE Motion Imaging Journal, 2008, 117：40–49.

[8] ISO/IEC 13818-7. Information technology - Generic coding of moving pictures and associated audio information-Part 7：Advanced Audio Coding （AAC）.

（作者單位：北京電視臺）

G220.7

A

1671-0134（2017）12-061-04

10.19483/j.cnki.11-4653/n.2017.02.011