AVS-M實時編碼器的設計與實現(xiàn)

VLC與x264是兩款遵循GPL標準發(fā)布的開源軟件，其中VLC是一個流媒體平臺，支持插件功能；x264是一款H.264編碼庫，并針對x86平臺進行了優(yōu)化。為了盡快取得驗證結(jié)果，本項目采用VLC和x264項目為設計的出發(fā)點。VLC以插件的形式實現(xiàn)了實時音視頻采集，H.264編碼，MPEG2 TS流復用和以太網(wǎng)輸出等功能，恰好契合本項目的總體需求；AVS-M標準起源于于H.264標準，兩者結(jié)構(gòu)類似、功能相同，以H.264為基礎開發(fā)AVS-M標準能加快開發(fā)進度，并且采用同一代碼樹也能更好的比較AVS-M與H.264標準的實際性能差異。為了更符合實際的使用環(huán)境，本項目采用AAC+作為音頻的編碼標準。VLC本身并不支持AAC+的編碼功能，而只支持其解碼功能，在此采用3GPP工程的26410-700作為AAC+標準的實現(xiàn)，通過插件的方式來實現(xiàn)AAC+音頻編碼功能。

VLC不但支持音視頻數(shù)據(jù)的采集、編碼、復用和以太網(wǎng)發(fā)送功能，而且還支持碼流的以太網(wǎng)接收、解復用、解碼和播放功能。為了驗證編碼器的實際編碼效果，本項目也采用VLC作為碼流的接收端，通過實時觀看播放的效果來評判編碼器的性能表現(xiàn)。支持AVS-M解碼功能的VLC為另一項目的開發(fā)成果，在本文不作詳細描述。

編碼器

音頻和視頻編碼都是計算密集型的操作，如果要實時編碼就需要一個強勁的運算平臺，這里采用一臺Dell PowerEdge 2950 服務器作用編碼器的硬件基礎。PowerEdge 2950配置有一顆Intel Xeon 5160 (Woodcrest) 3.0GHz雙核CPU、1GB DDR2內(nèi)存、SATA II 硬盤、內(nèi)置雙Broadcom BCM5708C NetXtreme II GigE千兆以太網(wǎng)控制器，并具有兩條PCI-X擴展插槽以擴充外設接口功能。操作系統(tǒng)選用Red Hat Enterprise Linux 4 (32bit)操作系統(tǒng)。

PowerEdge 2950本身不具有音視頻采集接口，需要通過相應的采集卡擴展。這里采用一塊Osprey 230采集卡作為實時音視頻采集接口，它采用PCI-X接口形式，支持PAL/NTSC/SECAM視頻標準，能實時采集一路標清視頻及雙聲道的音頻。以太網(wǎng)輸出采用PowerEdge 2950內(nèi)置的千兆以太網(wǎng)接口。編碼器的整體框圖如下圖所示：

整個編碼了流程為：PAL/NTSC/SECAM的視頻信號通過Composite或S-Video接口，音頻通過雙聲道音頻接口進入Osprey 230 采集卡；Osprey 230由Video4Linux2與OSS驅(qū)動程序來驅(qū)動，VLC通過這兩個接口控制采集卡，實時讀取音視頻數(shù)據(jù)，并分別將音視頻數(shù)據(jù)送到AVS-M編碼器與AAC+編碼器進行編碼；編碼后生成的碼流送到MPEG2 TS 復用器進行復用；復用后的TS流通過以太網(wǎng)接口以UDP單播或組播的方式發(fā)送出去。

1 編碼庫

開發(fā)支持AVS-M標準的編碼庫是本項目的重點，根據(jù)AVS-M標準與H.264標準的異同對x264編碼庫進行修改，修改的原則是在不改變原先H.264編碼功能的前提下增加AVS-M編碼功能。為了同時支持上述兩個標準，在此采用運行時開關的方法使得編碼庫既支持H.264標準又支持AVS-M標準，并且兩者可以動態(tài)地切換。如下是在開發(fā)過程中涉及的兩個標準的不同部分。

a)NAL層

AVS-M和H.264類似，碼流的基本單元都是NAL，每個NAL可以包含序列頭、圖像頭和條帶等多種語法結(jié)構(gòu)。不同之處是H.264中為了避免與起始碼混淆，當NAL內(nèi)部出現(xiàn)0x000001時，要在0x01之前插入一個0x03。所以我們在實現(xiàn)AVS-M時，要把這個插入0x03的模塊刪除。

b)條帶上層語義

在AVS-M中，有和H.264相對應的序列參數(shù)集和圖像參數(shù)集。另外AVS-M增加了圖像頭，這使得每幀圖像數(shù)據(jù)的邊界清晰明了，方便了解碼器的實現(xiàn)。我們在實現(xiàn)AVS-M時，也要相應地加入圖像頭的支持。

c)幀內(nèi)預測

在亮度幀內(nèi)預測中，AVS-M和H.264都有9種模式，但是他們的排列順序是不相同的，如圖1所示。

在實現(xiàn)過程中，我們使用了一個映射表將兩種不同的排列順序聯(lián)系起來，使得代碼的改動達到了最小。當然我們也要按照標準修改幀內(nèi)預測的細微差別。

另外，AVS-M中只有4x4一種幀內(nèi)預測模式，而H.264還有16x16和8x8兩種模式，所以我們要關掉兩種不用的模式。在色度方面，AVS-M不用基于“平面”的預測，所以也要把它從X264中去掉。最后還要注意，在幀間預測幀（P幀）中如果出現(xiàn)幀內(nèi)預測宏塊，它的相鄰幀間預測塊的幀內(nèi)預測模式的預測值在AVS-M中被定義為不可用（-1），而在H.264中被定義為DC預測模式（2）。

d)運動向量預測

在AVS-M中，當前塊的運動向量預測是使用它左下角、上方和右上角的運動向量，而H.264是使用左上角、上方和右上角的運動向量，如圖2所示。

另外，運動向量預測值的計算方法也略有不同。

e)分數(shù)像素插值

在AVS-M和H.264中，半像素精度的樣本值都是使用雙線性插值的方法，當然它們使用了不同的濾波器。最需要注意的是，在水平和垂直方向都是四分之一精度的樣本預測時，AVS-M使用的是“星形”法，而H.264使用的是“菱形”法，如圖3所示。

在AVS-M中，e，g，p和r采用下面公式計算。

e=( F+j+1 ) >> 1

g=( G+j+1 ) >> 1

p=( N+j+1 ) >> 1

r=( O+j+1 ) >> 1

而在H.264中，e，g，p和r采用下面公式計算。

e=( b+h+1 ) >> 1

g=( b+m+1 ) >> 1

p=( h+t+1 ) >> 1

r=( m+t+1 ) >> 1

f)變換和反變換

AVS-M和H.264使用了類似的整數(shù)DCT變換，需要注意的是色度方面。在AVS-M中，色度使用了和亮度相同的變換方法，而H.264中對色度的DC分量又進行了一次變換。

1.1.2.1 量化和反量化

AVS-M和H.264使用了類似的量化方法，都是使用了查表、乘法和移位，而避免了除法。需要注意的是AVS-M中要對量度量化參數(shù)做一次映射來做為色度的量化參數(shù)。

g)變長編碼

AVS-M使用了基于上下文的多階哥侖布碼，而H.264有專門的CAVLC或CABAC編碼方式。需要注意的是在AVS-M中對幀內(nèi)預測增加了一種“直接”模式，即所有4x4塊都使用預測模式。所以我們在變長編碼時，要先判斷“直接”模式是否出現(xiàn)，然后再進行相應的處理。

h)環(huán)路濾波

AVS-M和H.264中都有環(huán)路濾波，這可以顯著減少塊效應，提高視覺質(zhì)量。它們的具體實現(xiàn)是不同的，總體來說AVS-M要比H.264簡化。

i)調(diào)試

在調(diào)試過程中，我們使用了比較法。就是從編碼器端將每幀的預測值和殘差存到一個文件中，然后使用標準的解碼器進行解碼，并在解碼的同時比較預測值和殘差，然后確定出錯的宏塊，進行調(diào)試。這樣通過比較編碼器端的重建圖像和解碼器端的輸出圖像，從而保證的編碼器的正確性。

優(yōu)化

視頻編碼需要消耗大量的計算資源，如果不針對特殊平臺進行優(yōu)化就很難滿足實時編碼的要求。本項目采用的硬件平臺是Intel的Xeon系列，它具有MMX，SSE，SSE2等加速指令集。x264本身已經(jīng)針對MMX和SSE指令集進行了優(yōu)化，鑒于AVS-M與H.264的相似性，針對H.264的優(yōu)化策略應該多數(shù)多能應用于AVS-M標準上。因為在相同的輸入下優(yōu)化和不優(yōu)化的編碼器所產(chǎn)生的碼流應該二進制相等，因此在開發(fā)過程中采用了在相同輸入的前提下，比較不優(yōu)化與優(yōu)化兩個版本輸出的碼流是否是二進制相等，以確定的那些優(yōu)化模塊是AVS-M與H.264能共用的。

具體比較時采用二分法以加快比較的速度――先屏蔽一半的優(yōu)化模塊，然后比較開啟優(yōu)化模塊與關閉優(yōu)化模塊時產(chǎn)生的碼流是否相等，如果相等則當前開啟的優(yōu)化模塊為AVS-M與H.264能共用的，如果不等則縮小范圍繼續(xù)比較，直道能確定每一個優(yōu)化模塊。經(jīng)過上述比較之后，最終確定只有四個優(yōu)化模塊二者不能共用，其他的模塊兩者都能共用，其中兩個不能共用的模塊可以通過修改C代碼解決，另兩個需要修改MMX/SSE匯編代碼。

測試

對音視頻的編解碼效果的對比分析主要基于兩個方面――客觀指標和主觀感受。當前，已經(jīng)有不少針對AVS-M與H.264的基于客觀指標（PSNR）的對比測試了，本文沒有必要再次重復進行這些測試，本文將就二者在實時編碼條件下的觀眾主觀感受進行對比測試。測試主要以觀眾在觀看經(jīng)過實時編碼處理后的音視頻時是否能感覺到有明顯的失真現(xiàn)象為依據(jù)?？疾旆炙膫€方面，即視頻的清晰程度和連貫程度及音頻的清晰程度和連貫程度，每個方面根據(jù)觀眾的實際感受進行評分，評分的標準如下表所示：

對比測試的環(huán)境設置為視頻幀率25，固定碼率控制模式、關閉loopfilter功能、GOP為15、H.264采用baseline級；音頻采樣率為48000、雙聲道、AAC HE編碼格式、碼率52kbps。測試的結(jié)果記錄如下表所示（其中四個字母依次代表“視頻清晰程度”、“視頻連貫程度”、“音頻清晰程度”和“音頻連貫程度”）

本文小結(jié)

比較測試的結(jié)果數(shù)據(jù)，可以看出AVS-M在低碼率（32～512Kbps）、低分辨率（SQCIF～CIF）的條件下有接近H.264的性能表現(xiàn)，但總體上落后與H.264標準?？紤]到移動終端有限的計算能力和AVS-M相對于H.264有計算復雜度上的優(yōu)勢，我們可以確信在未來的移動通信領域AVS-M應該能占有一席之地。

參考文獻

[1]周大山,李華,張淑芳等。AVS-M視頻解碼器設計和實現(xiàn). 電視技術，2005，8：10-11
[2]信息技術先進音/視頻編碼：視頻[S].中華人民共和國國家標準.GB/T20090.2-2006,2006
[3]高文，王強，馬思偉. AVS數(shù)字音視頻編解碼標準。中興通訊技術，2006，6：6-9