引言：MPEG-H 電視音頻系統(tǒng) ( 下一代音頻編解碼器 ) 基于音頻編碼標(biāo)準(zhǔn)化組織 MPEG 最新開(kāi)發(fā)的MPEG-H 3D 音頻標(biāo)準(zhǔn)，能夠?yàn)榧彝ザ藥��?lái)沉浸式聲音體驗(yàn)，增強(qiáng)電視節(jié)目的真實(shí)感和沉浸感，并通過(guò)音頻對(duì)象為觀眾呈現(xiàn)個(gè)性化的音頻內(nèi)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(yù)設(shè)”服務(wù)，即預(yù)定義對(duì)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(guò)將基于聲道的信號(hào)或基于場(chǎng)景的聲音元素與靜態(tài)或動(dòng)態(tài)音頻對(duì)象相結(jié)合的方式來(lái)實(shí)現(xiàn)。改良后的響度和動(dòng)態(tài)范圍控制，能夠根據(jù)不同類型的用戶設(shè)備和收聽(tīng)環(huán)境來(lái)定制聲音效果，從而實(shí)現(xiàn)最佳的聲音還放。目前，MPEG-H 電視音頻系統(tǒng)已經(jīng)被 DVB 標(biāo)準(zhǔn)采納，并已成為 ATSC 3.0 數(shù)字電視標(biāo)準(zhǔn)中的正式音頻標(biāo)準(zhǔn)。此外，韓國(guó)于 2017 年 5 月 31 日推出基于ATSC 3.0 標(biāo)準(zhǔn)的超高清電視服務(wù)，這也是首個(gè)采用MPEG-H 電視音頻系統(tǒng)的常規(guī)廣播電視服務(wù)。2014 年，為了支持包括沉浸式聲音和交互性能等在內(nèi)的全新音頻功能并提升用戶體驗(yàn)，美國(guó)高級(jí)電視系統(tǒng)委員會(huì) (ATSC) 發(fā)布公告征集下一代廣播電視音頻系統(tǒng)標(biāo)準(zhǔn)方案，并將其作為 ATSC 3.0 標(biāo)準(zhǔn)的一部分。與此同時(shí)，ATSC 還要求解決方案能夠?qū)崿F(xiàn)部分高級(jí)功能，例如 ：將通過(guò)互聯(lián)網(wǎng)發(fā)送的音頻元素與通過(guò)地面廣播路徑傳輸?shù)囊纛l元素相結(jié)合 ；支持觀眾調(diào)整節(jié)目中的某些聲音元素 ；使音頻可以適用于各種終端用戶設(shè)備，從而通過(guò)同一音頻碼流就可以服務(wù)于所有類型的終端用戶設(shè)備 ；通過(guò)binaural( 雙耳還放 ) 技術(shù)實(shí)現(xiàn)耳機(jī)端的沉浸式聲音還放等。而 MPEG-H 3D 音頻標(biāo)準(zhǔn)可以滿足以上所有需求。MPEG-H 電視音頻系統(tǒng)是 MPEG-H 3D 音頻標(biāo)準(zhǔn)的子集，專為滿足 ATSC 3.0 和 DVB 所規(guī)定的廣播電視需求而定制。
　　2 MPEG-H 電視音頻系統(tǒng)的特征
　　2.1沉浸式聲音
　　MPEG-H 電視音頻系統(tǒng)能夠通過(guò)在垂直維度上擴(kuò)展聲像實(shí)現(xiàn)“3D”聲音還放，進(jìn)而實(shí)現(xiàn)沉浸式聲音并區(qū)分于傳統(tǒng)環(huán)繞聲。該功能能夠使聲音聽(tīng)起來(lái)更加真實(shí)，使用戶不再是一名旁觀者，而是體驗(yàn)身臨其境一般的感受。研究表明，與環(huán)繞聲相比較，在沉浸式聲音環(huán)境下，人們感知到的整體音質(zhì)明顯改善，兩者之間的差異就像立體聲與環(huán)繞聲之間的差異一樣大。圖 1 為與 22.2 聲道參考信號(hào)相比，環(huán)繞聲、沉浸式 /3D 聲音格式的聲音還放系統(tǒng)擴(kuò)展后的整體音質(zhì)改善。

2.2交互功能 / 個(gè)性化定制
　　MPEG-H 電視音頻系統(tǒng)中包含“預(yù)設(shè)”功能。內(nèi)容創(chuàng)作者可以定義“預(yù)設(shè)”內(nèi)容，可以涵蓋不同聲音元素的組合以及調(diào)整不同元素在位置和音量上的關(guān)系。如此一來(lái)，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(yàn)。另外，通過(guò) MPEG-H電視音頻系統(tǒng)，用戶能夠通過(guò)與其他混音元素的比較，直接選和調(diào)整不同混音元素在位置和音量上的關(guān)系，從而對(duì)聲音體驗(yàn)進(jìn)行微調(diào)。其中一個(gè)典型的用例是調(diào)高或調(diào)低解說(shuō)員的聲音 ( 也稱為“對(duì)白增強(qiáng)”) 或者選擇不同的解說(shuō)評(píng)論的語(yǔ)言。而實(shí)現(xiàn)傳輸交互內(nèi)容其實(shí)也并不復(fù)雜，只需對(duì)現(xiàn)有制作流程稍作調(diào)整便能夠?yàn)閮?nèi)容創(chuàng)作者提供全新選擇，也能夠?yàn)橛^眾帶來(lái)更好的體驗(yàn)。
　　2.3通用傳輸
　　在多平臺(tái)環(huán)境下，相同的 MPEG-H 內(nèi)容通過(guò)不同的分發(fā)網(wǎng)絡(luò)進(jìn)行傳輸 ( 例如 ：廣播電視網(wǎng)絡(luò)、移動(dòng)網(wǎng)絡(luò)和寬帶網(wǎng)絡(luò) )，并且在不同的環(huán)境 ( 如嘈雜的公交車(chē)和安靜的客廳 ) 和設(shè)備上 ( 如電視機(jī)、移動(dòng)設(shè)備和 AVR) 進(jìn)行播放。為了滿足以上需求，MPEG-H電視音頻系統(tǒng)針對(duì)每個(gè)完整混音甚至是單一音頻元素提供響度和動(dòng)態(tài)范圍控制，以及對(duì)輸出的峰值和削波預(yù)防進(jìn)行控制。此外，全新的主動(dòng)下混算法能夠帶來(lái)更高質(zhì)量的下混音頻信號(hào)。為了能通過(guò)耳機(jī)聆聽(tīng)沉浸聲和環(huán)繞聲音頻內(nèi)容，MPEG-H 電視音頻系統(tǒng)還包含 binaural 渲染器。
　　3 MPEG-H 電視音頻系統(tǒng)的核心性能
　　3.1碼流效率
　　下一代廣播電視節(jié)目需要能夠通過(guò)各種方式向用戶提供內(nèi)容，其中包括最高質(zhì)量的有線電視和衛(wèi)星電視傳輸方式以及移動(dòng)設(shè)備上的流媒體傳輸方式等。為此，電視音頻系統(tǒng)需要傳輸各種音頻內(nèi)容，從立體聲道到 5.1 聲道、7.1 聲道和用于沉浸式音頻內(nèi)容的更多聲道。MPEG-H 音頻規(guī)范的目標(biāo)碼流范圍旨在滿足質(zhì)量和效率的雙重目標(biāo)。對(duì)于當(dāng)今的 5.1環(huán)繞聲，96~256 kbit/s 的碼流便能夠提供良好甚至優(yōu)異的音頻質(zhì)量。對(duì)于未來(lái)具有更多聲道 (5.1 +4H 或者 7.1+4H) 的音頻內(nèi)容，256 kbit/s~1.2 Mbit/s 的碼流即可實(shí)現(xiàn)相同的音頻質(zhì)量。MPEG-H 音頻編解碼器能夠利用相同的碼流承載更高質(zhì)量和 / 或更多聲道的音頻內(nèi)容。例如，在常用的廣播音頻數(shù)據(jù)傳輸碼率 (384 kbit/s) 下，MPEG-H能夠傳輸最多包括四個(gè)附加對(duì)象的 7.1+4H 音頻聲道的信號(hào)，從而實(shí)現(xiàn)高度揚(yáng)聲器播放效果。
　　3.2動(dòng)態(tài)范圍控制
　　動(dòng)態(tài)范圍控制 (DRC) 技術(shù)能夠使產(chǎn)生的音頻信號(hào)適應(yīng)于不同的還放設(shè)備和聆聽(tīng)環(huán)境。在 MPEG-H電視音頻系統(tǒng)的 DRC 框架內(nèi)，通過(guò)信號(hào)傳輸?shù)牟煌珼RC增益序列能夠在播放設(shè)備中實(shí)現(xiàn)由編碼器控制的動(dòng)態(tài)范圍處理。多個(gè)單獨(dú)的 DRC 增益序列可以通過(guò)高分辨率信號(hào)傳輸，以適用于各種播放設(shè)備和收聽(tīng)環(huán)境，如 ：移動(dòng)環(huán)境和家庭環(huán)境。通過(guò) MPEG-H DRC技術(shù)，還可以實(shí)現(xiàn)更好的削波預(yù)防和峰值限制效果。
　　3.3響度標(biāo)準(zhǔn)化
　　為了符合不同的響度規(guī)范并帶來(lái)一致的用戶體驗(yàn)，響度信號(hào)傳送和標(biāo)準(zhǔn)化對(duì)于任何下一代音頻系統(tǒng)都扮演著至關(guān)重要的角色。在 MPEG-H 電視音頻系統(tǒng)中，基于 EBU R128 或 ITU-R BS.1770-3 的圖 1?聲音還放系統(tǒng)擴(kuò)展后的整體音質(zhì)改善標(biāo)準(zhǔn)化研究、信息技術(shù)與標(biāo)準(zhǔn)化。
　　所有響度相關(guān)測(cè)量數(shù)據(jù)都被嵌入到用于響度標(biāo)準(zhǔn)化的數(shù)據(jù)流之中，并通過(guò)解碼器對(duì)音頻信號(hào)進(jìn)行標(biāo)準(zhǔn)化，從而將節(jié)目響度映射至還放所需的目標(biāo)響度。例如，在移動(dòng)設(shè)備上，目標(biāo)響度范圍為 -12~-15 dB LKFS，而在家庭 AVR 上，目標(biāo)響度通常設(shè)置為-31 dB LKFS。然而，通過(guò)下混和動(dòng)態(tài)范圍控制，可能會(huì)改變信號(hào)的響度。因此，可以將專用的節(jié)目響度元數(shù)據(jù)植入到 MPEG-H 比特流中，以確保在還放端實(shí)現(xiàn)正確的響度標(biāo)準(zhǔn)化。
　　3.4音頻對(duì)象
　　將音頻對(duì)象作為附加音軌嵌入到音頻節(jié)目?jī)?nèi)容中，可以實(shí)現(xiàn)一系列的全新應(yīng)用。其中，最為突出的應(yīng)用就是允許用戶通過(guò)改變混音效果實(shí)現(xiàn)交互性功能。用戶可以選擇不同的語(yǔ)言音軌、附加音軌，例如導(dǎo)演對(duì)電影的評(píng)論或針對(duì)視障者的場(chǎng)景敘述等。同時(shí)，用戶能夠調(diào)節(jié)特定音軌聲音，以便獲取個(gè)性化收聽(tīng)體驗(yàn)，例如調(diào)高解說(shuō)評(píng)論的聲音使其高于背景音。諸如對(duì)白的音頻對(duì)象可以根據(jù)其動(dòng)態(tài)范圍進(jìn)行單獨(dú)控制，這樣可確保在任何壓縮模式下都能清晰地聽(tīng)到對(duì)白內(nèi)容。利用音頻對(duì)象的概念，還可以在不同播放場(chǎng)景下，實(shí)現(xiàn)準(zhǔn)確的空間聲音還放。為實(shí)現(xiàn)以上需求，可將描述幾何位置的對(duì)象元數(shù)據(jù)嵌入到比特流中。MPEG-H 電視音頻系統(tǒng)的解碼器包含一個(gè)對(duì)象渲染器，它能夠根據(jù)元數(shù)據(jù)和用戶家中揚(yáng)聲器的位置將對(duì)象信號(hào)映射并分配至揚(yáng)聲器中。
　　3.5Ambisonics
　　Ambisonics 能夠通過(guò)特定的數(shù)學(xué)方程式呈現(xiàn)聲場(chǎng)壓力。隨著 Ambisonics 階數(shù)的提升，其還放準(zhǔn)確度也隨之升高。此外，Ambisonics 的呈現(xiàn)不受終端揚(yáng)聲器配置的影響，因此，在聲音還放之前可以輕而易舉地對(duì)其進(jìn)行調(diào)整。得益于以上特性，Ambisonics 還放技術(shù)非常適用于當(dāng)今的虛擬現(xiàn)實(shí)應(yīng)用。目前，結(jié)合音頻對(duì)象的FOA(一階高保真)技術(shù)和HOA(高階高保真)技術(shù)在虛擬現(xiàn)實(shí)制作中的應(yīng)用越來(lái)越廣泛。
　　3.6流媒體
　　對(duì)于傳輸系統(tǒng)和其所涉及的媒體來(lái)說(shuō)，將互聯(lián)網(wǎng)流媒體音頻內(nèi)容傳輸?shù)揭苿?dòng)設(shè)備的過(guò)程極具挑戰(zhàn)性。甚至當(dāng)今常用的 3GPP 或 LTE 網(wǎng)絡(luò)的移動(dòng)數(shù)據(jù)連接也無(wú)法保證提供恒定的帶寬。為了確保內(nèi)容還放的連續(xù)性，最新的廣播電視設(shè)備采用了諸如MPEG-DASH 等動(dòng)態(tài)自適應(yīng)流媒體技術(shù)，從而確保內(nèi)容碼流能夠完全適應(yīng)于當(dāng)前的信號(hào)連接質(zhì)量。其實(shí)，自適應(yīng)流媒體的概念并不新鮮，早在MPEG-4 HE-AAC 流媒體應(yīng)用中已經(jīng)采用了這一方式。MPEG-H 電視音頻系統(tǒng)在設(shè)計(jì)階段就已考慮到自適應(yīng)流媒體的需求，進(jìn)而可以更容易地實(shí)現(xiàn)基于DASH 服務(wù)。音頻幀的內(nèi)置概念縮短了調(diào)準(zhǔn)時(shí)間，并且顯著降低了實(shí)施復(fù)雜性，從而可以在制作過(guò)程中輕松進(jìn)行碼流拼接和廣告插播，即使是在本地接收機(jī)端也可實(shí)現(xiàn)個(gè)性化廣告內(nèi)容。
　　3.7靈活的渲染和還放
　　針對(duì)立體聲和 5.1 聲道的音頻制作和監(jiān)聽(tīng)揚(yáng)聲器的安裝已經(jīng)很成熟。然而，消費(fèi)者家中揚(yáng)聲器的配置、數(shù)量和位置都有所不同，為了應(yīng)對(duì)這些問(wèn)題，在 MPEG-H 電視音頻系統(tǒng)中，可以通過(guò)格式轉(zhuǎn)換器實(shí)現(xiàn)針對(duì)不同揚(yáng)聲器布局的靈活渲染，從而使內(nèi)容格式適應(yīng)于播放端的揚(yáng)聲器設(shè)置。過(guò)去幾年間，媒體消費(fèi)已更多轉(zhuǎn)向移動(dòng)設(shè)備，而用戶也主要通過(guò)耳機(jī)收聽(tīng)音頻內(nèi)容。因此，MPEG-H電視音頻系統(tǒng)解碼器中集成了 binaural 渲染組件，專門(mén)應(yīng)用于將沉浸聲和環(huán)繞聲內(nèi)容還放到耳機(jī)端。
　　4 MPEG-H 電視音頻系統(tǒng)成功納入 ATSC 3.0 標(biāo)準(zhǔn)
　　2010 年，在 ATSC 舉辦的下一代廣播電視最新技術(shù)研討會(huì)上，F(xiàn)raunhofer IIS 提出了全新方案，即通過(guò)對(duì)象與聲道相結(jié)合的方式作為下一代音頻技術(shù)標(biāo)準(zhǔn)。2015 年 1 月，由幾家公司組成的聯(lián)盟向工作組提交了基于 MPEG-H 3D 音頻標(biāo)準(zhǔn)的提案。除了MPEG-H 電視音頻系統(tǒng)以外，ATSC 還收到了另外兩份提案。圖2為MPEG-H電視音頻系統(tǒng)納入ATSC 3.0標(biāo)準(zhǔn)的發(fā)展過(guò)程。工作組根據(jù)預(yù)認(rèn)證階段所提交的文件，對(duì)三套提案系統(tǒng)進(jìn)行了評(píng)估，其中兩套系統(tǒng)獲準(zhǔn)進(jìn)入下一階段的遴選，包括正式的多站點(diǎn)雙盲聆聽(tīng)測(cè)試和系標(biāo)準(zhǔn)化研究

　　圖 2?MPEG-H 電視音頻系統(tǒng)發(fā)展大事記

系統(tǒng)特征評(píng)估。聽(tīng)音測(cè)試結(jié)果表明 ：兩套提案均實(shí)現(xiàn)了所需的編碼效率，在某些項(xiàng)目中稍微傾向于選擇MPEG-H 電視音頻系統(tǒng)，特別是具有低碼流語(yǔ)音的項(xiàng)目 (MPEG-H 電視音頻系統(tǒng)編解碼器的語(yǔ)音編碼工具可在其中使用 )2015 年 5、6 月，ATSC 評(píng)估員到訪兩個(gè)提案方的實(shí)驗(yàn)室，以評(píng)估提案特征的演示。最終，兩套系統(tǒng)均符合 ATSC 規(guī)定的所有要求。2015 年 7 月，ATSC 組織了一次特別的演示活動(dòng)并對(duì) MPEG-H 測(cè)試床進(jìn)行了展示。2015 年 11 月，ATSC 將兩套系統(tǒng)升級(jí)為候選標(biāo)準(zhǔn)狀態(tài)，并建議每個(gè)區(qū)域使用一套系統(tǒng)。2016 年底，兩套系統(tǒng)均被升級(jí)為 ATSC 建議標(biāo)準(zhǔn)。2017 年 3 月，兩套系統(tǒng)被確認(rèn)為 ATSC 3.0 的最終標(biāo)準(zhǔn)。目前，兩套系統(tǒng)信息都能夠在 ATSC 官網(wǎng) A/342 標(biāo)準(zhǔn)中下載。
　　5結(jié)語(yǔ)
　　MPEG-H 電視音頻系統(tǒng)的附加功能 ( 如音頻對(duì)象和靈活渲染等 )，能夠?yàn)橛脩魩��?lái)交互式和身臨其境的沉浸式音頻體驗(yàn)。經(jīng)過(guò)改良響度和 DRC 控制功能，充分體現(xiàn)了以用戶為中心的音頻標(biāo)準(zhǔn)設(shè)計(jì)理念。在 MPEG-H 電視音頻系統(tǒng)內(nèi)部以及 ATSC 3.0 標(biāo)準(zhǔn)開(kāi)發(fā)過(guò)程中的測(cè)試均表明，MPEG-H 電視音頻系統(tǒng)可以滿足廣播電視公司對(duì)于下一代音頻系統(tǒng)的所有要求。MPEG-H 電視音頻系統(tǒng)已被 ATSC 3.0 采納為最終標(biāo)準(zhǔn)，并被韓國(guó)選定為基于 ATSC 3.0 標(biāo)準(zhǔn)的唯一音頻系統(tǒng)，并于 2017 年 5 月 31 日起提供常規(guī)服務(wù)。此外，支持 ATSC 3.0 標(biāo)準(zhǔn) ( 包含 MPEG-H電視音頻系統(tǒng) ) 的電視機(jī)已經(jīng)在韓國(guó)正式銷(xiāo)售，韓國(guó)的廣播電視公司將在 2018 年平昌冬季奧運(yùn)會(huì)上采用 MPEG-H 電視音頻系統(tǒng)進(jìn)行電視轉(zhuǎn)播。此外，MPEG-H電視音頻系統(tǒng)也是DVB標(biāo)準(zhǔn)系列的一部分，并被考慮應(yīng)用于其他電視標(biāo)準(zhǔn)中，如中國(guó)廣播電視3D 音頻標(biāo)準(zhǔn)等。