随车载影音娱乐功能逐渐丰富，数字化传输音视频信息的需求十分迫切，传统的协议如IEEE 1394、USB或蓝牙存在兼容性及速率问题，因此需要一种简单通用的实时音视频传输方法，这就是IEEE 1722协议的产生原因。IEEE 1722协议又称AVTP（Audio Video Transport Protocol），是以太网AVB协议族中的一员，该协议规定了用于实现时间敏感型音频、视频及控制应用之间互操作性协议、数据封装方式和同步流程，借助AVB协议族中的其它协议如时间同步、流预留等，可以有效保证收发端的通信质量和延时，以及多端播放场景下的同步效果。AAF（AVTP Audio Format）作为其中音频传输的部分，定义了音频数据的封装格式，为实现通用可靠的音频传输提供了保障。本文将详细讲述AVTP AAF中对音频数据的封装方式。

1、AVTPDU

       AVTP是数据链路层协议，以太网协议类型为0x22F0，支持一对一或一对多的传输方式，实现一对多的传输可以通过组播或使用VLAN实现。

       整个AVTPDU可以分为三个部分：以太网数据链路层头部、AVTP头部和AVTP负载，如图所示：

图1 AVTPDU格式

       下图是wireshark对AVTP AAF实际的解析界面截图：

       可以看到头部中包含丰富的音频数据的元数据信息，而负载部分是以类似字节流的形式记录音频数据。下文将对AVTP支持的音频格式分别进行讲述。

2、头部

       通用字段

       其中AVTP头部分为三种类型：AVTPDU通用流头部、通用控制头部和备选头部。

• 通用控制头部常用于需要尽可能快速传递消息、不需要控制同步的场景；

• 通用流头部包含时间戳消息，适用于对时间和同步效果敏感的应用；

• 备选头部适用于一些特定的子类型数据。

       用来传输音频的AAF为了保证在多接收端场景下的同步及稳定连续的播放效果，需要在头部携带音频数据的时间戳信息，因此使用通用流头部格式。除此之外，AAF的头部中还携带了采样率、采样深度和采样格式信息，用来告知接收端（listener）音频信息的格式。AAF报文格式如下图所示：

 图3 AAF报文格式

• subtype：AAF对应的subtype为0x02；

• sv：表示后续stream_id的有效性，正常情况下置1；

• version：置0；

• mr：发送端（talker）用来表示媒体时钟是否发生了变化（例如当音频输入源发生了变化），listener可以借此快速切换至新的媒体时钟。当媒体时钟发生变化时，该位会被翻转并至少保持8个AVTPDU的时间；

• tv：表示后续avtp_timestamp的有效性，正常情况下置1；

• sequence_num：序列号，达到上限后归零重新计数；

• tu：表示时间戳的不确定性，当该位置1时，表示可能在一段时间内avtp_timestamp内的时间戳无法对应到gPTP时间，当时间恢复时，talker会将该位归零；

• stream_id：八字节的StreamID，通常前六字节数值上等于MAC地址，后两字节取不重复的数值；

• avtp_timestamp：呈现时间，单位为纳秒，大约每4秒循环一次，当tv为0时，该字段内数值无效；

• stream_data_length：表示aaf_format_specific_payload的字节数。

• aaf_format_specific_data_1，aaf_format_specific_data_2，afsd：由各格式定义，依据format确定。

       format字段定义如下：

表1 AAF format字段含义

• sp：表示稀疏时间戳模式，当该位置1时，每8个AVTPDU中只包含一个展示时间，否则每个AVTPDU中都包含一个展示时间；

• evt：用于更高层次的协议中，AVTP不使用该字段。

PCM格式字段

       当format指定音频数据封装格式为PCM时，头部的定义如下：

图4 AAF PCM AVTP报文格式

       其中：nsr表示音频数据的采样速率，AAF支持多种采样速率，包括：

表2 nsr字段含义

• channel_per_frame：使用正整数表示声道数量；

• bit_depth：表示单个采样内表示声音数据的位数，该值不能大于format所表述的数据大小，当format为FLOAT_32BIT时，位深度必须也为32位。当位深度小于format所表述的数据大小时，数据被填充在低位，高位置0。

AES3格式字段

       当format指定音频数据封装格式为AES3时，头部的定义如下：

图5 AAF AES3 AVTP报文格式

       其中：nfr表示AES3帧的速率，定义如下：

表3 nfr字段含义

• streams_per_frame：使用正整数表示每个AVTPDU中AES3流的数量；

• aes3_data_type：表示AES3流内音频的格式，在头部中分为两个部分，分别为低位（aes3_data_type_l）和高位（aes3_data_type_h），其具体标准由aes3_dt_ref字段确定。

3、总结

       以上就是AVTP的基本介绍以及与音频传输相关头部信息的讲解了。通过头部我们能够得到音频的元数据信息，不过音频是如何被编码的呢？头部中的时间戳又有什么作用？我们将在下一期为大家揭晓。

       经纬恒润作为OPEN联盟会员和AUTOSAR联盟的高级合作伙伴，长期为国内外各大OEM和供应商提供涵盖TCP/IP、SOME/IP、DoIP、AVB、TSN、DDS等技术领域的设计和测试咨询服务，积极研发和探索车载网络前沿技术的工程应用。通过多个项目的实践经验，已建立了高质量、本土化的设计与测试一体化解决方案，为整车网络架构提供可靠支持。

       了解更多：请致电010-64840808转6117 或发送邮件至market_dept@hirain.com（联系时请说明来自EEPW）

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。