［提要］本文力求简明地阐述MPEG—4系统的内容和特点，并部分地与MPEG—2系统做了简要的比较。

　　 　　1 引言

　　 　　MPEG—4标准的目标与以往MPEG一1/2标准有了很大的不同，眼光更为远大，应用前景也更为广阔。MPEG－4的主要目标是：

　　 　　a．基于对象的压缩标准；

　　 　　b．具有可交互性；

　　 　　c. 码率的宽范围适应性（5k～10Mbit／s）。

　　 　　由于以上所确定的目标，给MPEG—4带来了许多变化，例如：强调了低码率（5～64kb／s）的编码标准，对H263的兼容扩展，加强了MPEG一4标准在互联网上的应用适应性。这些目标所带来的变化在MPEG—4系统中有了更多的体现。总之，MPEG—4标准在使用技术的先进性上有了很大的提高，这一方面是由于多媒体技术发展成就的，另一方面也是用户需求不断提高推动的。

　　 　　2 MPEG—4系统

　　 　　 正是由于上述MPEG—4标准目标的特点，决定了MPEG—4系统的特殊性或者说是与以前MPEG—1／2系统的不同。可以说，MPEG一4系统的内容和特点与上述MPEG—4标准的目标是密不可分的。

　　 　　MPEG—4 System 规范了标准的整体结构，并且定义了MPEG—4 Visual和MPEG—4 Audio如何合成在一起，此外还包括多路复用、同步和缓存管理。MPEG—4 System引入了BIFS的概念（BInary Format for Scence）。BIFS定义了MPEG—4的许多交互性的内容。所有关于媒体对象、场景描述的信息或是控制信息都包含在基本码流中。基本码流是信息的载体。基本码流包含由标签或指针，叫做对象描述子。对象描述子描述了构成MPEG—4流的基本元素并决定了MPEG—4流是如何在接收端解码的。对象描述子能使接收端识别出送来的媒体类型并正确地重现它。这允许内容的作者决定媒体对象的层次并将无信息加入到媒体流中。所有基本流都在同步层中进行存储。同步层确保基本流使用公用的系统来传输时间和帧信息。这里先做一简单地介绍，后面再详细介绍。MPEG—4系统的组成内容如下：

　　 　　 系统解码器模型，这是每一个系统都应该有的特殊模型；

　　 　　 场景描述（Scence DescriPtion）；

　　 　　 对象描述框架（Object Description Framework）；

　　 　　 基本码流同步（同步层）；

　　 　　 MPEG—J；

　　 　　 基本码流的多路合成。

　　 　　 这六大部分基本上概括MPEG—4的系统的主要内容。

　　 　　2.1 系统解码器模型

　　 　　 系统解码器模型（SDM：System Decoder Model）提供了对MPEG—4终端行为的一种抽象描述。目的是在接收端重构使场景得以重现的AV信息时，允许发送端能够预测接收端是如何根据缓冲区管理和同步信息进行动作的。系统解码模型包括定时模型和缓冲区模型。

　　 　　 系统解码器模型定义了以下内容：

　　 　　 DAI接口；

　　 　　 用于存储单个基本码流的解码缓冲区；

　　 　　 基本码流解码器的解码方式；

　　 　　 存储解码数据的合成存储区；

　　 　　 从各个合成存储区中将数据输出到合成器的方式。

　　 图1

　　 　　 从图1的系统解码器模型中我们可以看出，MPEG－4系统解码缓冲区通过DAI（DMIF Application Interface）获得码流数据，DAI解复用得到同步层打包的数据包流，按其包头指示的类型送往相应的解码缓冲区，并在到解码缓冲区之前去除包头，累积成AU（Access Unit）单元（这一工作可以由ESI完成，A U单元由产生基本码流的实体决定，长度不定，例如对于H263来说，AU单元就是一帧图象的数据）后送入对应的解码器进行解码，每一AU单元解码后得到的媒体数据对应于一个或多个CU单元，将其送往合成存储区，在这里如果有必要就进行重新排序，最后再在CTS（合成时间标记）的时刻送往合成器。

　　 　　2.1.1 DMIF和 DAI

　　 　　 在图1系统解码器模型中首先是DIMF应用接口（DAI）。要讲到DAI，必须要先提到DMIF（Delivery Multimedia Integration Framework），译为：发送多媒体集成框架。从这一名称就可以猜到DMIF是集成了现有诸多相关发送协议的一个集成框架，目的是最大限度的利用这些协议标准并避免功能的重复定义。许多协议标准都已支持一些DMIF的概念，这一工作是与相应的标准组织协调完成的。让这些协议标准具有DIMF的可扩展件，可以使DIMF直接使用这些标准。DIMF提供了网络、广播和文件访问方式的抽象描述，以方便内容提供商们完成一次的内容对发就可以将其应用于不同的传输技术手段；而不再像MPEG—l／2那样必须有自己特殊的传输环境要求。为什么会产生这个DIMF呢？MPEG—4的设计目标之一是为了应用的广阔性和bit率的宽范围适应性，而MPEG组无法知道发送应用的具体情况，因此干脆将传送方式的决定权留给了根据特定网络传输方式的服务提供商。就是这个原因，标准将发送和压缩处理成两个独立的结构。DIMF规范了MPEG一4流与不同网络技术和协议的接口。DMIF提供了MPEG－4流的全面的发送结构。就其内容的范围而言，可以这么说：MPEG—4系统+DIMF=传统意义上的MPEG 1／2系统。DMIF并不在MPEG—4系统规范中，而是单独作为MPEG—4标准的一部分。原则上来说，所有的DIMF的原理已经被考虑到了适应接收端和发送端的操作。

　　 　　 而连通DMIF和MPEG—4System 之间的桥梁就是所谓的DAI（DMIF Application Interface）。DAI终于浮出水面了。DMIF定义的这个叫做DAI的接口，用来在应用的开发与发送技术分离开后作为它们之间的接口。通过DAI，应用可以从本地存储设备，从广播通道以及从远程服务器中无缝地访问内容。而且，不同地发送技术被隐藏起来，如IP和本地ATM、IP广播和MPEG2广播。系统终端解码器就通过DAI来访问媒体流。一个DAI滤波器处理请求并且决定DIMF的类型，对该DIMF的请求是基于由应用所提供的URL的基础之上的。相对于所需的传输技术类型，一个应用能够请求不止一种DIMF服务。例如，一个DMIF可以指定IP多点传送的同时另一个DIMF能够指定卫星广播，在这一点上DIMF被设计成支持在多种传输技术和协议之上同时传输多个流的技术。DMIF实现了相当于OSI的对话层。而DAI则代表话路服务程序访问点（SSAP：Session Service Access Points），即，在DAI下面集成了不同的传输服务程序访问点（TSAP：Transport Service Access Points）。

　　 　　 将发送细节从对多媒体软件开发中分离出来，通过DAI无缝的访问本地存储和广播发送通道，可以使得多媒体软件的开发在继续研发和不断完善的同时不必关注或是担心新的发送技术的发展或成功。通过DAI接口传输与QoS有关的媒体，应用能够表达它们对QoS的需要而无需具备对专门发送技术的知识。DMIF中的这一规则使应用可以仅开发一次。然而MPEG一4终端并不是完全有必要遵循DAI，因为DAI将MPEG—4模型中与发送有关的部分（DMIF）和与发送无关的部分（系统）分离开来，从而允许应用脱离下面的发送技术而独立开发。然而，个仅仅专门用于本地存储的实现可以设计成最优化地使用其专门类别的发送媒体。机顶盒也会有同样的考虑，即可以将机顶盒专门设计成仅从 MPEG2 广播发送中获取内容。而如果应用的开发需很大的灵活性，例如，从不同发送媒体无缝的访问数据，包括本地存储和广播，DAI的使用将给开发者提供很有利的条件。

　　 2.1.2 定时模型和缓冲区模型

　　 　　与MPEG一2系统一样，MPEG—4系统也定义了定时模型和缓冲区模型，并且非常类似。

　　 　　定时模型定义了时间参考机制，这样接收端就能够以此建立起时间的概念并处理与时间有关的事件。这样就允许接收端在跳过或不跳过某种特别媒体时仍可以保持同步，就如同在处理用户交互事件时一样。定时模型要求传输数据流中显示或隐式地包含时间信息。并定义了两种时间信息：时钟参考（CR）和时间标记（TS）。时钟参考常用来传输发送端相对于接收端的时间。时间标记用来传输特定事件的时间，例如，已编码的音视频信息的各个部分期望解码的时间，或是合成时间。

　　 　　 缓冲区能使发送端监视和控制在对话期间每一单独基本码流解码所需要的缓冲区的资源。所需要的缓冲区资源在对话开始前以基本流描述子的方式被送到接收端，这样接收端就可以决定是否有能力处理这一对话。在某些信息从缓冲区删除时，本模型允许发送端指定和调整数据的传输，使接收端的缓冲区不出现溢出。

　　 　　2．1．3 基本码流接口（ESI）

　　 　　 基本码流接口（ESI：Elementary Stream Interface）是一个概念上的接口，规范了哪些数据是要在生成基本码流的实体与同步层之间进行交换的。在编码层和同步层之间传递的不仅仅是压缩的媒体，还有附加的信息，如时间码，AU单元的长度等。

　　 　　 然而，ISO／IEC 14496—l的一个实现不是必须要有ESI的。也可以是将SL－pscketized 流（后面会讲到）的解析和媒体数据的解压缩在同一个解码器中综合完成。要注意的是，即使这样，解码器在输入端通过DAI接收到的是打包序列而不是数据流。

　　 　　 欲从同步层接收基本流数据的ESI接口有许多参数，这些参数反映了在解析输入的SL—packetized流时接收到的一端的信息：

　　 　　 ES.receiveData （ESdata，dataLength，idleFlag，objectClockReference，decodingTimeStamp，compositionTimeStamp，accessUnitStartFlag，randomAccessFlag，accessUnitEndF1ag，accessUnitLength，degradationPriority，errorStatus）

　　 　　 对于将基本码流发送到同步层有类似的接口，它要求下列参数随后会在同步层上被编码：

　　 　　 ESI．sendData（ESdata，dataLength，idleFlag，objectClockRefence，decodingTimpStamp，compositionTimeStamp，accessUnitStartFlag，randomAccessFlag，accessUnitEndFlag，accessUnitLength，degradationPriority）

　　 　　 解码器及时准确地于定义的时刻从解码缓冲区中抽取AU单元后进行解码，解码得到一个和多个CU（Composition Unit）单元，送入合成器。一个解码器和多个解码缓冲区对应，即单个解码器可以解码多个同类型的基本码流。特别注意的是，因为MPEG—4标准支持多种类型的媒体，这里的解码器就不仅仅指MPEG-4视频格式的解码器了，也可以是其它视频格式的解码器、如MPEG2和MPEG1，还可能是静止图象地解码器，如Jpeg的解码器，音频的解码器或是其它格式媒体的解码器。不管传送任何一种格式媒体，都可以在这里挂上相应的解码器，这也是一种很好的扩展方式。例如，现在目前非常流行的Flash媒体格式，MPEG—4标准中没有定义支持这种格式，但是第三方可以较容易的将支持Flash的解码器挂到系统上，作为自己独特的应用，目前此项工作正在进行中。

　　 　　 2．1．5 合成器

　　 　　 合成器从合成存储区中获得CU单元，或处理之或略弃之，例如，对AV数据来说就要合成并显示。ISO／IEC 14496—l标准（系统）并没有规范合成器，因为合成器的具体过程与系统解码模型没有关系。合成器在具体应用时，采用软件或硬件手段将AV数据合成显示来达到实现的目的，例如在软件实现时采用OpenGL的方式来完成AV数据的合成与重现。

　　 　　 　　2 .2 现场描述

　　 　　 MPEG—4的最大的特点是基于对象，即将媒体元素，例如跑动的汽车，行动的人，背景，声音等等作为对象来进行单独的编码。而场景描述就是用来说明如何有效的根据AV对象的时间和空间属性将它们有效的组织起来。场景描述就是

[1] [2] [3] 下一页