管海建

（湖北廣播電視臺，湖北 武漢 430022）

0 引言

頻率在20 Hz～20 kHz 的信號是人的耳朵可以感知到的信號，稱為音頻信號。聲波可通過傳聲器轉(zhuǎn)化為電信號，這個信號在時間和幅度上都是連續(xù)的，稱為模擬信號（Analog Signal）。模擬音頻信號在復制、存儲、傳輸過程中容易受到溫度、噪聲、電磁感應的影響而產(chǎn)生失真，技術指標和運算精度難以提高。隨著信息和通信技術的進步，信號的數(shù)字處理技術迅速發(fā)展，音頻技術逐漸由模擬系統(tǒng)過渡到數(shù)字系統(tǒng)，系統(tǒng)的失真、信噪比和動態(tài)范圍等指標都得到很大提升。數(shù)字音頻設備逐步取代了模擬音頻設備，成為音頻信號制作、存儲和傳輸?shù)闹髁鳌?/p>

IP 化音頻（Audio over IP，AoIP）是指通過IP網(wǎng)絡傳輸數(shù)字音頻信號的技術。以IP 方式傳輸?shù)臄?shù)字音頻也包括通過互聯(lián)網(wǎng)傳播的流媒體直播和點播、IP 電話等等。但是高性能的流化音頻具有非壓縮、低延時的特點，需要嚴格時鐘同步，而互聯(lián)網(wǎng)的傳輸性能通常不能滿足這個要求，所以一般高性能流化音頻僅適用于局域網(wǎng)中傳輸，通常應用在演藝擴聲、錄音制作、公共廣播、會議系統(tǒng)、影視劇場以及廣播電視中心等專業(yè)音頻信號場合［1］。

AoIP 基于IP 協(xié)議通信技術，能夠完全兼容通用的計算機局域網(wǎng)設備，如交換機、路由器等，系統(tǒng)的傳輸設備可以獲得更高的性價比，而網(wǎng)絡管理和監(jiān)控技術也相對十分成熟。因此，隨著IT 行業(yè)的快速發(fā)展，越來越多的專業(yè)音頻廠家研究、開發(fā)基于IP網(wǎng)絡的音頻傳輸技術［2］。相對于傳統(tǒng)的數(shù)字音頻傳輸技術，AoIP 系統(tǒng)的適用范圍更廣、擴展能力更強。而不同廠商開發(fā)的系統(tǒng)的融合互通和兼容性，也一直是相關行業(yè)協(xié)會和用戶十分關注的話題。

1 專業(yè)音頻相關標準化組織

音頻工程學會（Audio Engineering Society，AES）是專注于音頻技術的國際性組織，1948 年成立于美國。其成員主要包括科研學者、音頻工程師、藝術家、在校學生以及對專業(yè)音頻行業(yè)感興趣的個人等。AES 在數(shù)字和模擬音頻工程、通信技術、聲學、媒體保存和創(chuàng)造性實踐的領域參與國際標準的制定和維護。AES 通過技術委員會及其附屬工作組，位于成熟和新興的音頻技術和工藝研發(fā)和應用的前列。在很多專業(yè)影視、電子電工行業(yè)制定國際標準時，涉及的音頻部分都是直接參考AES 發(fā)布的標準內(nèi)容。

電影電視工程師協(xié)會（Society of Motion Picture and Television Engineers，SMPTE）成立于1916 年，擁有世界上八十多個國家的大約七千多名會員。SMPTE 在通信、媒體、娛樂和運動成像等領域具有權威性，由其制定的已經(jīng)生效的標準、建議和指南有八百多種。SMPTE 在2017 年發(fā)布的ST2110 系列標準，適用于節(jié)目錄制、播出和專業(yè)媒體應用，支持利用IT 協(xié)議和設備來創(chuàng)建各種應用，為廣播電視行業(yè)從數(shù)字分量串行接口（Serial Digital Interface，SDI）轉(zhuǎn)向IP 架構起到了里程碑式的作用，根本上改變了專業(yè)媒體流的管理、處理和傳輸方式。

歐洲廣播聯(lián)盟（European Broadcasting Union，EBU）1950 年2 月12 日建立，是由歐洲和北非的廣播業(yè)者組成的公共廣播組織，擁有五十多個國家的一百多個會員，總部位于瑞士日內(nèi)瓦。中國中央廣播電視臺也是EBU 的準會員。EBU 成立了一個小組N/ACIP，目的是實現(xiàn)IP 標準的音頻兼容性。N/ACIP 的相關產(chǎn)品主要是運行在IP 網(wǎng)絡上的音頻編解碼設備。歐洲廠商基本都宣布支持N/ACIP 的標準。但是該標準不涉及同步機制，延遲相對較大。這些產(chǎn)品也更多應用于現(xiàn)場連線、遠程采訪等廣域網(wǎng)服務。

國際電工委員會（International Electrotechnical Commission，IEC）于1906 年6 月在倫敦正式成立。IEC 的宗旨及目的是促進電子、電工以及相關技術領域有關標準化等問題（如標準的合格評定）的國際合作。IEC 已經(jīng)是世界上最具權威性的國際標準化機構之一，每年要在世界各地召開一百多次國際標準會議。世界各國近10 萬名專家在參與IEC 的標準制定、修訂工作。

高級媒體工作流程協(xié)會（Advanced Media Workflow Association，AMWA）是一個推動網(wǎng)絡媒體工作流程解決方案發(fā)展的組織，其成員遍布全球各地。AMWA 為廣播電視行業(yè)制定了很多重要的技術標準和應用規(guī)范。其開發(fā)的網(wǎng)絡媒體開放規(guī)范（NMOS），推動整個行業(yè)向基于IP架構的領域發(fā)展，是廣電行業(yè)IP 化標準及規(guī)范的重要組成部分［1］。

2 數(shù)字音頻和IP 音頻的編碼和技術標準

2.1 數(shù)字音頻傳輸

AES3 是由音頻工程協(xié)會和歐洲廣播聯(lián)盟聯(lián)合開發(fā)的。該標準于1985 年首次發(fā)布，最早稱為AES/EBU，并于1992 年和2003 年進行了修訂，目前最新版本是AES3-2009。AES3 已被納入國際電工委員會（IEC）的標準IEC 60958。AES3 是用于在專業(yè)音頻設備之間交換數(shù)字音頻信號的標準協(xié)議。制定AES3 標準的其中一個目的是，允許將為模擬音頻信號傳輸而建立的電纜網(wǎng)絡重新用于數(shù)字信號傳輸。

AES3 對應的國內(nèi)標準為《演播室音頻信號接口》（GY/T 158—2000）。一幀數(shù)據(jù)為64 位，包括兩個子幀（各32 位），每個子幀按順序包括4 位前置碼（又稱為前置同步字）、24 位采樣數(shù)據(jù)（含4 位輔助數(shù)據(jù)）、有效標志、用戶數(shù)據(jù)、聲道狀態(tài)和奇偶校驗各一位。按48 kHz 采樣率計算，AES3 數(shù)據(jù)流碼率大約為3.072 Mb·s-1［3］。

在AES3 的基礎上，1991 年，AES 又制定了面向多通道傳輸?shù)臉藴蔄ES10，多聲道數(shù)字音頻接口的數(shù)據(jù)格式（serial Multichannel Audio Digital Interface，MADI）。AES10 的最新版本是AES10-2008，對應的國內(nèi)標準是《多通路音頻數(shù)字串行接口》（GY/T 187—2002）。AES10 每幀數(shù)據(jù)包含了32，56 或64 個通道，每通道包含32 位數(shù)據(jù)。其中頭四位表示MADI 標識，后面28 位與AES3 格式相同。量化位數(shù)最高可以達到每通道24 比特，使用單根75 Ω 的同軸電纜點對點互連，也可以使用光纖傳輸。MADI 傳輸速率最高可達到100 Mb·s-1。

2.2 IP 音頻傳輸

根據(jù)AES 的定義，非壓縮、低延時的音頻稱為高性能的流化音頻。其音頻質(zhì)量高于44 kHz、16 bit，并且采用原始采樣數(shù)據(jù)無編碼，網(wǎng)絡延時一般低于10 ms。高性能流化音頻需要時鐘同步，同步特性是音頻低延時無損傳輸?shù)幕A。

由于IT 行業(yè)的迅速發(fā)展，很多專業(yè)音頻廠家開始研發(fā)基于IP 網(wǎng)絡的音頻傳輸方式來代替繁雜的音頻線纜。早期成功案例包括CoraNet 和EtherSound。這些網(wǎng)絡協(xié)議主要工作在OSI 網(wǎng)絡模型的第二層，目前基本已經(jīng)在市場上淡出了。目前市場上的主流AoIP 技術包括Ravenna，Dante，Livewire/Livewire+，WheatNet-IP 以 及Q-LAN 等。這些技術各有特點。

Dante 是澳大利亞Audinate 公司開發(fā)的最高可以傳輸192 kHz、32 bit 的無壓縮音頻。1 Gb·s-1的網(wǎng)絡中，每兩個節(jié)點之間最多可以傳送512×512個Dante 音頻通道，最低延時為150 μs。Dante 提供了豐富的開發(fā)工具和系列產(chǎn)品，為所有需要應用AoIP 技術的專業(yè)音視頻設備提供解決方案，包括可以集成到現(xiàn)有設備內(nèi)部的小尺寸芯片、PCIe 網(wǎng)卡、虛擬聲卡、應用軟件以及大容量接口箱等，使這些產(chǎn)品在市場上得到廣泛應用。特別是傳統(tǒng)專業(yè)音頻設備廠商，通過集成Dante 相關解決方案，可以使原有音頻設備迅速集成AoIP 功能。Ravenna 是由ALC NetworkX 公司發(fā)布的基于IP 網(wǎng)絡的專業(yè)音頻實時傳輸協(xié)議，在歐洲專業(yè)設備生產(chǎn)商中獲得廣泛支持，在廣電行業(yè)應用較多，主要用于演播室信號分配、現(xiàn)場擴音及信號傳輸?shù)取ivewire 協(xié)議是美國Telos Alliance 推出的AoIP 解決方案，協(xié)議主要應用于該公司開發(fā)的產(chǎn)品中，產(chǎn)品主要面向廣播電視領域。WheatNet-IP 系統(tǒng)由美國Wheartstone公司研發(fā)。該公司也是主要從事音響專業(yè)設備生產(chǎn)，產(chǎn)品主要應用于廣播電視行業(yè)。Q-LAN 是美國QSC 公司開發(fā)的私有協(xié)議，主要應用在自己公司的系列產(chǎn)品中。

AES 在2013 年9 月正式發(fā)布了AES67 標準。AES67 標準主要從會話描述、連接管理、發(fā)現(xiàn)服務、傳輸、編碼成流、同步及媒體時鐘等方面對AoIP 的工作原理進行了說明和規(guī)范［4-5］，對于基于實時傳輸協(xié)議（Real-time Transport Protocol，RTP）的流傳輸和IEEE 1588v2 同步機制作了明確規(guī)定，使不同廠家的AoIP 設備互聯(lián)互通成為可能。AES67 標準正式發(fā)布不久，各大廠家紛紛宣布支持這一標準，與AES67 保持一致性或者兼容該標準。Ravanne和Livewire+在AES67 框架內(nèi)擴展了自己的內(nèi)容，被稱為原生AES67 標準。而Dante 使用了兼容模式，其同步時鐘與AES67 標準并不一致，需要通過橋接的方式轉(zhuǎn)接AES67 網(wǎng)絡和Dante 網(wǎng)絡。參考AES67-2015 標準，國內(nèi)由中央廣播電臺牽頭，國家新聞出版廣電總局廣播電視規(guī)劃院、國家新聞出版廣電總局廣播科學研究院以及部分國內(nèi)廠家共同參與推出了《高性能流化音頻在IP 網(wǎng)絡上的互操作規(guī)范》（GY/T 304—2016）。

2017 年，SMPTE 推出了ST2110 系列標準，其中包括ST2110-10/20/30/31/40。標準對音視頻在IP 網(wǎng)絡上的實時傳輸做出了規(guī)范?；赟MPTE 的權威性，這一系列標準也獲得音視頻專業(yè)設備制造商的廣泛支持和推廣，是廣播電視領域轉(zhuǎn)向IP 化的里程碑。其中，ST2110-30 部分主要描述非壓縮PCM 數(shù)字音頻，實際是采用了AES67 的方案，但是二者還是有一些區(qū)別的。AES67 中的一些可選建議，在ST2110 中被列為強制規(guī)范，必須嚴格遵循。AIMS（IP 媒體解決方案聯(lián)盟）在2018 年發(fā)布白皮書《AES67 與SMPTE2110 的共性與約束》來說明二者之間的關系。另外，ST2110-31 也是與音頻傳輸相關的標準，主要描述如何實現(xiàn)AES3 幀信息在IP 網(wǎng)絡中的透傳［1］。

AES67 標準定義了AoIP 系統(tǒng)的互操作規(guī)范，適用于不同系統(tǒng)的IP 音頻信號對接，但對于設備管理及控制并沒有做出定義，然而網(wǎng)絡中這些不同系統(tǒng)互聯(lián)的音頻設備如何連接管理和控制也非常重要。2016 年，AES 又發(fā)布了《面向網(wǎng)絡的音頻應用-開放式控制架構》（AES70-2015）。AES70由框架、類結(jié)構及TCP/IP 網(wǎng)絡協(xié)議三個部分組成，主要作用是通過IP 網(wǎng)絡來完成對不同生產(chǎn)商專業(yè)設備的控制，如音量、路由切換、電平顯示、參數(shù)設置等設備控制信息［6］。AES70 不提供信號傳輸?shù)囊?guī)范，需要通過與AES67 等標準聯(lián)合使用來完成媒體的傳輸、控制和連接管理等功能。AES70 標準也是專業(yè)IP化進程中的一個重要標志。參照AES70標準，2019 年，國家廣播電視總局推出了《網(wǎng)絡音頻應用的開放式控制架構》（GY/T 322—2019）行業(yè)規(guī)范。

3 IP 音頻網(wǎng)絡的運維與管理

相對于傳統(tǒng)的數(shù)字音頻傳輸網(wǎng)絡，IP 網(wǎng)絡的帶寬利用率要高得多，由于減少了冗余線路，系統(tǒng)變得簡單。IP 數(shù)據(jù)傳輸包含路由信息和各種控制信息，因此系統(tǒng)運維和管理相對都發(fā)生了很大的變化。隨著IT 行業(yè)的發(fā)展，IP 網(wǎng)絡的規(guī)劃和管理也有了比較成熟的機制。與傳統(tǒng)的指標測試不同，IP 音頻網(wǎng)絡更注重用協(xié)議分析來判斷媒體流的同步、控制和路由信息是否正確。技術人員通常會采用的手段包括抓包分析工具、網(wǎng)管軟件及IP 示波器等。

IP 示波器是廣電行業(yè)的專業(yè)檢查工具，主要用來監(jiān)測核心的廣電行業(yè)網(wǎng)絡中的視音頻和同步問題。IP 示波器相對于傳統(tǒng)設備增加了網(wǎng)絡接口和協(xié)議分析功能，可以讀取系統(tǒng)IP 流的狀態(tài)（如音視頻數(shù)據(jù)、NMOS 控制等信息）、時鐘信息（PTP delay、offset、抖動及相位等信息）等進行分析，同時顯示解析出的媒體信息。IP 示波器通過編解碼器將IP 數(shù)據(jù)還原成音視頻實時監(jiān)測信息，可以直觀地看到圖像或聽見聲音，便于判斷。IP 示波器支持基本的網(wǎng)絡協(xié)議和主流的音視頻傳輸協(xié)議，側(cè)重于對音視頻和同步的局部深度分析，但無法解析IP數(shù)據(jù)的深層次內(nèi)容。

在專業(yè)媒體系統(tǒng)中，交換機已經(jīng)成為架構中的核心。交換機的作用類似于傳統(tǒng)音頻網(wǎng)絡中的大型矩陣。通過檢查交換機的狀態(tài)顯示，可以輔助查看網(wǎng)絡狀態(tài)，檢查IP 信號傳輸是否正常。交換機的狀態(tài)信息主要包括配置、溫度、固件版本、CPU占用率以及診斷日志等。IP 信號的狀態(tài)、網(wǎng)絡流量、丟包信息、組播狀態(tài)以及同步狀態(tài)等信息對系統(tǒng)運行狀態(tài)檢測十分關鍵。通過交換機廠家提供的配置和監(jiān)測軟件、第三方網(wǎng)管軟件對交換機數(shù)據(jù)流和上述指標進行監(jiān)測，可以實時了解媒體流的傳輸狀況。

Wireshark 軟件是一個開源的網(wǎng)絡數(shù)據(jù)包分析器，可以詳細地展示截獲的數(shù)據(jù)包內(nèi)容，在網(wǎng)絡管理、軟件開發(fā)等工作中獲得廣泛應用。網(wǎng)絡包分析器可以當作是一個測量儀器，用于檢查網(wǎng)絡媒體數(shù)據(jù)包的傳送情況，就像用測試儀檢測技術指標、用示波器檢查信號波形一樣。Wireshark 可以非常詳細地顯示網(wǎng)絡數(shù)據(jù)流的狀況。可以利用它來分析包頭信息，了解端口對接的過程，讀取報文數(shù)據(jù)內(nèi)容。Wireshark 是IT 行業(yè)通用的專業(yè)數(shù)據(jù)報文監(jiān)測工具，能夠適應各種不同的網(wǎng)絡環(huán)境，不僅能夠?qū)V電行業(yè)的數(shù)據(jù)進行分析，還能對其他IT 網(wǎng)絡中的協(xié)議對接、數(shù)據(jù)傳輸及帶寬占用進行分析。Wireshark 沒有編解碼器，只能將數(shù)據(jù)包以報文的形式展現(xiàn)出來。包頭信息可以直觀地看到，但是音視頻數(shù)據(jù)需要借助其他軟件或者插件才能夠查看到內(nèi)容。例如，想要查看ST2110 系列協(xié)議集數(shù)據(jù)包的內(nèi)容，還需要分別安裝相關插件，ST2110 標準集的部分插件在GitHub 網(wǎng)站上開源，可以下載。抓包分析工作需要技術人員對網(wǎng)絡通信協(xié)議和專業(yè)音頻技術標準非常熟悉，這樣才有利于對結(jié)果的研判和分析。

4 結(jié)語

隨著專業(yè)音頻IP 化進程加快和相關技術標準的推廣，AoIP 在專業(yè)音頻領域的公共廣播、演藝系統(tǒng)、影院系統(tǒng)、會議系統(tǒng)以及廣播電視行業(yè)制播系統(tǒng)、總控系統(tǒng)、監(jiān)測系統(tǒng)中的應用也越來越廣泛。這對于從事專業(yè)音頻系統(tǒng)設計和運維的技術人員、音頻工程師等提出了更高的要求。其需要掌握的學科范圍也變得更廣，除了聲學基礎理論、專業(yè)音頻知識，還需要擴展到網(wǎng)絡技術，掌握網(wǎng)絡通信原理和AoIP 的工作原理。