Redaktion. Innehåll. Combitech Systems AB. Ledare...3. Utveckling mot effektivare bildöverföring...4. Bild- och videokodning...6

Transkript

1 ntime T E M A : T R E N D E R I N O M B I L D Ö V E R F Ö R I N G Nr 3 september 2002 Bild- och videokodning sid 6 DVB den digitala TV-revolutionen sid 12 Strömmande teknik i 3G-system för mobilkommunikation sid 17

2 Redaktion Ansvarig utgivare Christer Hoberg, vd Redaktionsråd Göran Carlzon, Erichs Communications Anders Magnusson, Göteborg Per-Ola Malm, Malmö Anders Åström, Linköping Innehåll Ledare...3 Utveckling mot effektivare bildöverföring...4 Bild- och videokodning...6 DVB den digitala TV-revolutionen...12 Strömmande teknik i 3G-system för mobilkommunikation...17 Vårt område är inbyggda system.vi kommer aldrig att gå utanför detta område och måste därför behärska inbyggda system bättre än någon annan.våra uppdragsgivare kallar in oss när de står inför sin tuffaste uppgift: bryta ny mark, gå in på främmande teknikområden eller skapa nytt liv i ett projekt som gått snett. Vår affärsidé bygger på att tillföra våra uppdragsgivare nytt kunnande och effektivare metoder inom systemutveckling i kombination med överföring av den erfarenhetsbaserade, tysta kunskapen. För detta har vi utvecklat en metodik som gör att vi successivt för över vårt kunnande till uppdragsgivarens organisation.vi blir därmed så småningom överflödiga inom det dagliga jobbet, vilket som sagt är en del av vår affärsidé vår plats är först och främst inom de delar av projektet där de nya vägvalen är många och svåra. Redaktör Eva Holmquist, Jönköping eva.holmquist@combitechsystems.com Nätvariant av OnTime Jönköping (lokalkontor:växjö, Karlskrona, Ulricehamn) Box Jönköping Tel Fax Malmö (lokalkontor: Helsingborg) Box Malmö Tel Fax Göteborg (lokalkontor:trollhättan) Mölndalsvägen 30C Göteborg Tel Fax Stockholm (lokalkontor: Uppsala) Box Stockholm Tel Fax Linköping (lokalkontor: Örebro, Karlskoga,Västerås) Teknikringen 9 SE Linköping Tel Fax München Leopoldstr. 236 DE München,TYSKLAND Tel Fax E-post info@combitechsystems.com www Produktion Erichs Communications AB, Linköping Grafisk design PO.Annonsbyrå AB Tryck NRS-Tryckeri 2 Nr 3 september 2002

3 LEDARE Spara tid genom att invänta misstagen Digital-TV,Video On Demand, 3G, Streaming, TimeShift, MPEG och så vidare.vi har nu under en längre tid hört att det är digital video och digitalt ljud som ska lösa alla våra problem. Precis som Webb skulle lösa alla problem för några år sedan. I kölvattnet på dessa upphaussade ord har det nu äntligen börjat hända saker. Företag har börjat inse att man med en lite nyktrare syn kan förbättra sina produkter och tjänster med hjälp av dessa tekniker. Precis som med alla andra nya tekniker så är det pionjärerna som får ta de första kostsamma smällarna. Konstigt nog finns det alltid pengar till att testa dessa tekniker innan de är helt mogna. Även om vi anser att våra kunder ligger i teknikens framkant så verkar det som om de har insett att man kommer lika fort fram genom att skynda lagom. Genom att invänta de första misstagen från andra kan man spara stora summor och mycket tid. Nu när standarder börjar sätta sig och hård- och mjukvara finns färdiga är det dags för de försiktiga framtidsföretagen att sätta fart. Digital bild och digitalt ljud I stort sett alla företag med en produkt som har ett gränssnitt mot en människa kan dra nytta av digital bild och digitalt ljud. Möjligheterna att på ett enkelt och överskådligt sätt ge användaren en bra bild är oändligt mycket större med dessa hjälpmedel. Många signaler tyder också på att det inte längre är en option för producenter att ha produkter med dessa nya egenskaper, utan ett krav. Kan man inte leverera detta så får man inte leverera något alls. På Combitech Systems har vi sedan en tid insett vilken tillgång det är att kunna hjälpa våra kunder med dessa relativt nya tekniker. Vi har hjälpt ett flertal kunder med applikationer som utnyttjar digital bild och digitalt ljud. Digital video Nästa steg vidare från digital bild och digitalt ljud är digital video. Här är möjligheterna smått fantastiska när det gäller information till användare. I den militära världen är det rena science fiction-stämningen just nu. Det ska vara live video och befälen/övningsledarna ska kunna följa vad som sker under en övning både direkt och i efterhand. Tekniken finns där och den är inte särskilt dyr heller. För konsumentprodukter börjar man prata om instruktionsvideor i själva produkten. Man vill kunna erbjuda självhjälp på ett helt nytt sätt. En annan bransch man inte får glömma i dessa sammanhang är bevakning och larmtjänster. Överföring Som lite extra gödning till alla dessa möjligheter finns nu även bandbredden som krävs för trådlöshet. Hetast just nu är givetvis 3G, men även WLAN och Bluetooth är framkomliga vägar för digitalvideo. Här ligger vi och våra kunder väl med i utvecklingen. För att inte tappa mark krävs det att vi vet vad som gäller när det kommer till digital bild och ljud och de media man kan överföra dessa på. Så för både er och vår skull bjuder vi i detta nummer av OnTime på ett antal riktigt bra artiklar inom området. Hoppas att dessa ska väcka lite nya tankar och idéer. Carl Andersson System Engineering Consultant, Combitech Systems Nr 3 september

4 AV ANDERS ÅSTRÖM Tema: trender inom bildöverföring Utveckling mot effektivare bildöverföring Bilder finns i många olika former och format, alltifrån vanliga fotografier till bevakningsbilder tagna med värmekamera.vid överföring av bilderna gäller det att behålla så god kvalitet som möjligt. Med ökade krav följer nya metoder för att få optimal kvalitet i förhållande till utrymmesbehov. Man kan dela in digitala bilder i två kategorier, datorgenererade och naturliga. Datorgenererade bilder kallas i dagligt tal för datorgrafik. Varje datorgrafikbild har någon matematisk beskrivning som talar om hur bilden ska genereras. Beskrivningen kan till exempel vara start- och slutpunkten på ett antal vektorer. Det kan också vara en modellbeskrivning av ett rum som är beskrivet som ett antal sfärer, cylindrar och kuber. Med hjälp av dessa modellbeskrivningar kan man sedan generera en bild som är beroende av vilken vinkel betraktaren har. Man har alltså redan från början en kompakt representation av bilden, som är enkel att överföra och representera. I datorspelssammanhang används detta för att på ett snabbt och effektivt sätt representera olika miljöer. Kvalitetskraven på överförda bilder ökar Naturliga bilder finns i många olika skepnader. Alla är de uppbyggda av ett antal bildelement, som i dagligt tal kallas pixel (picture element). Bilderna är skapade med hjälp av ett bildgenererande instrument. I det enklaste fallet är detta instrument en vanlig kamera för stillbilder eller en video för rörliga bilder. I kameran registreras ljusintensiteten hos bildelementen i bildfältet. Värmekameror, eller IR-kameror, genererar en annan typ av bild, där varje bildelement istället för ljusintensitet motsvarar styrkan hos värmestrålningen i bilden. Ytterligare en vanlig bildtyp är röntgenbilder, där varje bildelement representerar storleken på dämpningen av röntgenstrålen genom objektet. Andra exempel är väderradarbilder där varje bildelement representerar densiteten av vattnet i regnmolnet. Listan kan göras mycket lång. Användningen av och kvalitetskraven på de olika bildtyperna ökar hela tiden. Detta gäller till exempel både meteorologer som tittar på väderradarbilder och läkare som tittar på röntgenbilder. Det är därför viktigt att man på ett smidigt sätt kan överföra bildinformation. Två sätt att minska mängden data Givet att man med hjälp av något bildgenererande instrument har läst in en bild ska man på något sätt överföra informationen till någon som använder den. Ett enkelt exempel är en övervakningsapplikation där man kan tänka sig en svart/vit videokamera som sitter vid en plats som ska bevakas. Bildinformationen som alstras på kamerans bildsensor genererar en videosignal som överförs via en videokabel till en övervakningscentral. I övervakningscentralen sitter sedan en person som då och då tittar på sin bildskärm och avgör om det inträffar något som gör att man måste agera. I detta fall överförs hela informationsmängden från kameran till bildskärmen och sedan sker all bearbetning i hjärnan hos personen i övervakningscentralen. Om man nu tänker sig att överföringskapaciteten från övervakningsplatsen till övervakningscentralen är en begränsande faktor, vilket det är i de fall då man skickar data över en vanlig telefonförbindelse, kan man lösa detta problem på två sätt. Det ena är att utföra en datakomprimering och det andra är att utföra en datareduktion. Sänder bara förändrad bild I fallet datakomprimering komprimerar man informationen på ett sådant sätt att mängden information som överförs mellan kameran och övervakningscentralen är kraftigt reducerad, men bilden som visas i centralen är av samma kvalitet som kameran registrerade. Ett enkelt sätt att åstadkomma detta är att bara sända över bilden om den skiljer sig från den bild som senast översändes. I ett övervakningsfall är det troligt att två bilder som tas tätt efter varandra är väldigt lika. Flyttar beslutsfattande till kameran Att utföra en datareduktion innebär att man redan på kamerasidan utför operationer på bilden för att se om något har inträffat som gör att man ska utföra någon åtgärd. Det innebär att man flyttar på beslutsfattande från personen i övervakningscentralen till kameraenheten. Exempel på åtgärder som kameraenheten kan utföra är till exempel att larma polisen, tända en strålkastare eller starta en inspelning. Det är den här typen av funktion som används vid industriell avsyning, det vill säga att man reducerar informationen av bilden till beslut av typen godkänd/icke godkänd, klass A/ klass B/ klass C, eller öka/minska produktionstakten. Mängden utdata från datareduktionen är väldigt liten i förhållande till mängden indata. Detta gör att man naturligtvis inte kan rekonstruera bilden baserad på denna information. Om man istället för att se vad som händer, försöker att mappa den scen man ser mot någon given modell kan man också kraftigt reducera informationen. I detta fall kan man rekonstruera scenen om man i mottagardelen har motsvarande modell. Detta har stora likheter med modellbeskrivningen hos datorgrafik som beskrevs ovan och kallas för modellbaserad kodning. Om man jämför denna kodning med kodningen av typen föregående bild har man naturligtvis en betydligt bättre kompressionsgrad hos den modellbaserade kodningen. Styrkan hos den enklare varianten är att den fungerar oberoende av scenens utseende. TV-tittandet drivande inom forskningen Av de många applikationsområden som finns inom bildöverföring, från telemedicin till meteorologiska bilder, har vårt eget TV-tittande varit mycket drivande inom bildöverföringsforskningen. Redan när man gick över från svart/vit TV till färg-tv började man komprimera bilddata genom att de tre färg- 4 Nr 3 september 2002

5 kanalerna (rött, grönt och blått) omformades till en intensitet och två färgkanaler. Eftersom ögat är mindre känsligt för färgförändringar kan man reducera informationsmängden som behöver överföras. För att möjliggöra att betydligt fler kanaler skulle samsas i en given kabel krävdes det att man kunde komprimera TV-signalen betydligt bättre än man traditionellt kan göra analogt. Tack vare effektivare kodning kan man nu få in många digitala kanaler på motsvarande bandbredd som en analog kanal kräver. Detta minskar kostnaden per kanal för operatörerna. Kommersiella krafter i bakgrunden En annan orsak bakom införandet av ny teknik var att förbättra bildkvalitén. Det finns också kommersiella intressen till att införa digital-tv. Anledningen är att tekniken också har möjliggjort att man kan lägga till nya tjänster, till exempel betalning per titt (pay per view). Tack vare den digitala representationen är det relativt enkelt att använda bra krypteringsmetoder som gör det svårt för personer som inte har ett abonnemang att titta på programmen. DVB koncept (Digital Video Broadcasting) är nu på inmarsch i de svenska hemmen. Hastigheten har dock på grund av den avmattade telekomkonjunkturen minskat något. En anledning till detta är att prognoserna för människors utnyttjande av DVBtjänster har skrivits ner på grund av att det tog längre tid för folk att vänja sig vid nya medier än prognosmakarna tänkte sig. Det intressanta är att bildöverföringstekniken nu har nått den grad att man kan använda långsamt bredband (512 kbit/s ADSL) som informationsbärare. Detta minskar infrastrukturkostnaderna vilket bör kunna snabba upp teknikskiftet. Intressen bakom framgång för 3G Ett annat intressant område som befinner sig i sin linda är trådlös bildöverföring via det nya mobiltelefonnätet (3G). I detta fall håller infrastrukturen just nu på att byggas upp av de olika operatörsbolagen. Det som sedan kommer att finnas tillgängligt är en bred palett av tjänster. Grunden till detta är naturligtvis den utökade bandbredden. Tack vare den och den plattform som byggs upp runt omkring är det därför möjligt att utnyttja bildöverföring i form av videonedladdning på ett effektivt sätt. Även här har utvecklingen hämmats på grund av den dåliga konjunkturen i telekomsektorn. Eftersom det har satsats så mycket tid och pengar i denna nya teknik är det många aktörer som är intresserande av att 3G-systemen blir en framgång. Utgången av detta lär det dröja några år innan vi vet. I dagens läge är det dock av intresse att veta vilka möjligheter som öppnar sig i 3G-näten. Som vanligt har vi i OnTime ett antal artiklar med olika infallsvinklar. Vi tror att dessa representerar ett antal olika delområden inom bildöverföring och att de kan tjäna som referensartiklar i olika sammanhang. Vi hoppas att ni finner detta nummer lika läsvärt som de tidigare. Anders Åström är docent i bildbehandling med inriktning mot intelligenta bildsensorer och industriell avsyning. Anders arbetar som hårdvaruchef på Combitech Systems Linköpingskontor. Nr 3 september

6 AV ROBERT FORCHHEIMER Bild- och videokodning Idén att kommunicera bilder med hjälp av elektriska signaler var känd redan i slutet av 1800-talet. Bilder kunde överföras till kopparplåtar eller på annat sätt göras elektriskt ledande och därefter avsökas mekaniskt med en spets varvid strömmen i en strömkrets kom att variera i takt med bildinformationen. Vid förra sekelskiftet var det även känt att den elektriska ledningsförmågan hos vissa material påverkades av ljus. Med hjälp av sådana fotoceller blev det således möjligt att avsöka fotografiska bilder direkt. Kunskapen omsattes i tidiga varianter av fax-maskiner som, några årtionden senare, hade nått en hög grad av sofistikation och var kapabla att återge bilder med tillräcklig kvalitet för att kunna användas inom tidningsvärlden. Under 1920-talet påbörjades även experiment med rörliga bilder. Avsökningen av bilden skedde mekaniskt genom att en skiva försedd med små linser i spiralform (en sk Nipkowskiva) roterade framför en kraftig ljuskälla. Därvid erhölls en svepande ljuspunkt som belyste det objekt som skulle avbildas, exempelvis en person. Det reflekterade ljuset fångades upp av fotoceller från vilka en videosignal erhölls. De första kommersiella mottagarna för rörliga bilder kom ca Alexander Bairds TV-system (utvecklat i England) byggde på användning av Nipkow-skiva även i mottagaren (figur 1). Bilden bestod av 30 vertikala linjer och bandbredden hos signalen var ca 3 khz. Bilderna kunde överföras över såväl telefonnät som över radio. Under 30-talet förekom en del reguljära sändningar från London över kortvåg som även togs emot i Sverige. Det var också möjligt att spela in rörliga bilder på grammofonskivor. Några av dessa finns fortfarande bevarade (se [1] för mer information om TV-teknikens tidiga historia). Under mitten på förra seklet skedde en snabb utveckling av TV-tekniken i takt med det allt ökande kommersiella intresset. Mekaniken ersattes med elektronik genom införandet av bildröret. Bildformatet anpassades till den rörliga filmens format (4:3) och antalet linjer ökade med en faktor Detta ledde till en 1000-faldig ökning av bandbredden, något som krävde att helt nya och betydligt högre frekvensband (VHF och UHF) togs i anspråk för utsändningarna. De nya videosignalerna var inte möjliga att överföra på telenätet eller lagra på grammofonskivor. Först med videobandspelarens introduk- Figur 1:TV-mottagare enligt Bairds system (1930) tion på bred front under 1970-talet var det möjligt att återigen enkelt och billigt lagra och sprida rörliga bilder på elektronisk form. Punkt-till-punkt-kommunikation av videosignaler över uppringbara förbindelser är än i dag ett besvärligt problem då telenätet ej utvecklats mot högre bandbredd för den enskilde abonnenten, utan snarare blivit än mer specialiserat mot röstöverföring och telefonitillämpningens krav. De tidiga bildsystemen var naturligtvis analoga till sin natur. Detta passade också väl den rådande kommunikationsinfrastruktur som byggde på analog tråd- respektive radiotransmission. En viss reducering av den höga bandbredden för videosignalen kunde fås genom några enkla knep. Ett effektivt sådant var radsprångsmetoden. Denna metod innebär att udda bildlinjer sänds först följt av de jämna bildlinjerna. Om den aktuella scenen kännetecknas av små förändringar i tiden eller långsamma rörelser har radsprångsmetoden ingen annan effekt än att bildfrekvensen upplevs som dubblerad vilket minskar det synliga flimret i bilden. Snabba rörelser eller panoreringar däremot leder till att den dubbla bildfrekvensen kommer att återge rörelser bättre men med halverad vertikal upplösning Detta är dock inte så märkbart eftersom även synsystemet har svårt att uppfatta detaljer hos snabbt rörliga objekt. Ytterligare metoder för att hushålla med bandbredden infördes i samband med färg- TV genom en sofistikerad modulationsmetod som innebar att färgsignalen dels reducerades bandbreddsmässigt, dels utnyttjade frekvenser inom samma område som gråskalebilden. I takt med spridningen av datorer under senare delen av 1900-talet ökade intresset för digital representation av såväl bild som ljud. Möjligheterna att bearbeta bilder i datorer i syfte att reducera deras datamängd, så kallad digital bildkodning, visade sig redan under slutet på 1960-talet vara så lovande att det framstod som självklart att den digitala representationen skulle komma att ersätta den analoga representationen. Detta har dock tagit betydligt längre tid än man då föreställde sig. Även om mycket av TV-utbudet idag kommer till oss över digitala satellitlänkar eller DVD-skivor kräver våra TV-apparater fortfarande att bilderna först översätts till det traditionella analoga videoformatet innan de kan visas upp. Markbundna sändare är fortfarande (huvudsakligen) analoga. Snarare än att visa på någon slags tröghet i våra attityder till ny teknik kan man snarare tolka situationen som att det analoga systemet helt enkelt är ganska optimalt utifrån en sammanvägning av tekniska prestanda, komplexitet och pris! En liknande situation förefaller finnas i det fasta publika telefonnätet där dagens analoga telefoner härskar enväldigt trots ambitiösa planer på en övergång till digital telefoniteknik (ISDN) redan för 30 år sedan. Digital bildkodning Grunden för digitalisering av bilder bygger på att bilden delas upp i en stor mängd bild- 6 Nr 3 september 2002

7 punkter som var och en får ett entydigt gråskale- eller färgvärde. Denna metod är ett exempel på så kallad minnesfri kvantisering, puls-kodsmodulation (PCM) eller helt enkelt A/D-omvandling. Vanligtvis används 8 bitar för att representera ett gråskalevärde vilket möjliggör 256 olika nivåer. Färgbilder är i allmänhet uppbyggda av tre färgkomponenter, exempelvis en röd, grön respektive blå bild. Var och en av dessa kan då behandlas som en gråskalebild. I allmänhet brukar denna representation betraktas som ett (digitalt) original, men ibland kan det vara av värde att hålla i minnet att denna representation endast utgör en av flera möjliga sätt att skapa en digital version av den ursprungliga analoga bilden. Eftersom metoden trots allt är så vanlig och ofta utgör det första steget även i andra metoder så används den som referens. Om en annan metod exempelvis endast producerar hälften så många bitar för att representera samma bild brukar man uttrycka det så att den andra metoden ger en bildkompression med en faktor 2. Prestanda för olika metoder kan även uttryckas direkt i antal bitar eller bytes för en bild eller beräknat som ett genomsnitt per bildpunkt. För rörliga bilder är det mera naturligt att använda sorten bitar per sekund. Några exempel på vilka datamängder som fås är följande. En digitalkamera med en upplösning på 1600*1200 bildpunkter ger, med PCM-kodning, 1.9 Mbyte data för en gråskalebild och teoretiskt 3*1.9 = 5.7 Mbyte om bilden är i färg. Eftersom dagens digitalkameror oftast har ett minneskort på 8 Mbyte, vilket brukar rymma bilder, är det uppenbart att mera effektiva bildkodningsmetoder används i dessa produkter och att dessa metoder således ger kompressionsfaktorer på minst 20. Ett annat exempel är digital-tv. TV-bilder har en upplösning på ca 760*580 bildpunkter och visas med en frekvens av 25 bilder per sekund. Med 8 bitar per bildpunkt och färg ger detta en total datahastighet på mer än 260 Mbit/s. Dagens TV-överföringar via satellit eller digitala marknätet använder dock inte mer än 5-12 Mbit/s. Detta motsvarar kompressionsfaktorer på Motsvarande gäller också för filmer lagrade på DVD-skivor. Många andra tillämpningar av digitala bilder förutsätter avancerade kodningsmetoder som exempelvis bilder på webbsidor eller den begynnande användningen av Internet för punkt-till-punkt-överföring av rörliga bilder såsom bildtelefoni och videokonferenser. I detta senare fall används betydligt lägre datahastigheter än för TV-fallet. Typiska datatakter är kbit/s vilket motsvarar kompressionsfaktorer på Några grundprinciper Man kan fråga sig hur det är möjligt att kasta bort 95 procent eller mer av datamängden i en bild och fortfarande kunna återge den utan märkbar kvalitetsförsämring! Svaret kan sammanfattas i begreppen statistisk redundans, maskeringseffekter samt selektion. Statistisk redundans innebär att data delvis är predikterbart. Detta inträffar exempelvis i videosignaler där samma bildinformation kan föreligga i flera efterföljande bilder. I stillbilder kan statistisk redundans yttra sig i att vissa bildpunktsvärden återkommer oftare än andra eller att närliggande bildpunkter har ungefär samma färg. Ett effektivt sätt att representera sådana data är att endast beskriva skillnaden mot det predikterade värdet. Dessa skillnader kodas lämpligen med ett variabelt antal bitar så att små skillnader beskrivs med korta koder. Ett klassiskt sätt att implementera detta är Huffmankodning som är en metod att skapa digitala koder för symboler som förekommer med olika sannolikheter. En intressant egenskap som Huffmankodning och andra variabellängdsmetoder har är att datakompressionen kan förlustfri transformation Figur 2: Generell modell av digitala bildkodningssystem kvantisering (A/D omvandling) erhållas utan att ge upphov till försämring av bilden, så kallad reversibel kodning. Att utnyttja statistisk redundans kan ge en kompression i intervallet 2-3 ggr för gråskaleeller färgbilder jämfört med PCM. Med maskeringseffekt menas att vissa förändringar kan göras i en bild utan att ge upphov till synlig distorsion. Ett exempel på detta är att, i en färgbild, endast använda full upplösning i den gröna färgkomponenten medan den röda och blå komponenten återges med halv upplösning. Detta ger i allmänhet ingen märkbar försämring av bildkvaliteten men leder omedelbart till en halvering av datamängden. Ännu bättre blir effekten om bilden delas upp i gråskala (luminans) och färgkomponenter (krominans) där endast gråskalebilden återges med full upplösning. Detta är det trick som används i det analoga färg-tv systemet och som möjliggör att färginformationen kan läggas in i videosignalen utan att förändra dess bandbredd. Andra exempel på maskeringseffekter är att ögat är relativt okänsligt för fina repetitiva strukturer i bilden (exempelvis tyget i en tweedkavaj) speciellt om dessa strukturer ligger diagonalt orienterade. Vi skall senare se hur denna speciella maskeringseffekt utnyttjas i moderna bildkodare. I de fall det inte räcker att utnyttja statistisk redundans och maskeringseffekter blir det nödvändigt att acceptera synliga förändringar i bilden. Det gäller då att välja bort sådant som minst påverkar den tillämpning som bilden är avsedd för. Det kan vara så enkelt som att minska upplösningen i bilden eller tillåta kvantiseringsbrus eller blockeffekter. Man kan också tänka sig mer sofistikerade selekteringsmetoder som att ta bort vissa objekt ur bilden. De flesta bildkodningsmetoder kan variabellängdkodning Nr 3 september

8 sammanfattas i det blockdiagram som visas i figur 2. Det första blocket gör en transformation av bilden på så sätt att en ny bild eller signal erhålles, där viktig respektive mindre viktig information är tydligt separerade. I allmänhet är detta första steg förlustfritt i den meningen att originalbilden kan återskapas genom en lämplig inverstransform. Ett enkelt exempel är att transformen levererar konsekutiva skillnader mellan bildpunktsvärden. Om den första bildpunktens värde är känt kan hela bilden återskapas från en sådan differensbild. Stora amplituder i differensbilden motsvarar då de visuellt viktiga kanterna i bilden. I nästa steg, kvantiseringssteget, sker den egentliga kompressionen genom valet av antalet nivåer i datarepresentationen. Genom att välja få nivåer för sådan information som inte syns väl eller som är ointressant för tillämpningen kan man välja nivån på kompressionen och tillhörande distorsion. Det sista steget tar bort eventuell statistisk redundans i den kvarvarande signalen med hjälp av variabellängdkodning. Som tidigare nämnts är även detta steg i allmänhet förlustfritt. Den distorsion som fås genom kodningen uppkommer således enbart i kvantiseringssteget. JPEG transformkodning Den idag vanligaste metoden för kodning av gråskale- och färgbilder är JPEG-metoden. Denna standardiserades under 1980-talet av en grupp, Joint Photographic Expert Group inom ramen för det internationella standardiseringsorganet ISO[2]. Kodningsmetoden bygger på den upptäckt som gjordes 1969 på University of Southern California att den tvådimensionella Fouriertransformen var en utmärkt bas för att separera bilden i, för ögat, viktiga respektive mindre viktiga områden. En illustration till detta visas i figur 3 där den kända bilden av Lena Sjöholm först transformerats, därefter har 95 procent av frekvenskomponenterna tagits bort varvid bilden återtransformerats. Refererande till figur 2 kan vi se att Fouriertransformen har separerat ut den centrala bildinformationen i form av lågfrekventa komponenter (kring transformens mittpunkt). Reduktionssteget i figur 3 motsvarar då en enkel form av kvantisering där övriga frekvenskomponenter helt enkelt nollställs. Istället för att transformera hela bilden bygger JPEG-metoden på att bilden delas upp i mindre block som transformeras vart och ett för sig. Fördelarna med detta är att beräkningarna underlättas samtidigt som minnesbehovet minskar. Typiskt används blockstorleken 8*8 bildpunkter. Det är ingen större nackdel att använda så små block då det mesta av statistisk redundans och detaljegenskaper fortfarande kan fångas upp inom vardera block. Snarare öppnar sig en möjlighet att anpassa variabellängdkodningen individuellt till varje block. Detta innebär att de block som innehåller mycket information, exempelvis kanter, kan tilldelas fler bitar än de övriga blocken. En nackdel med blockuppdelning är att blockgränserna kan bli synliga om kvantiseringen drivs för långt, det vill säga vid hög kompression. Anledningen är att bildpunkter som ligger nära varandra men i angränsande block kommer att utsättas för helt olika distorsion eftersom blocken kodas oberoende av varandra. Då vårt syn- 2D DFT reduction 2D IDFT Figur 3: Användning av Fouriertransformen för bildkomprimering sinne är känsligt för linjestrukturer i bilder uppfattar vi dessa blockgränser även vid relativt små fel. Under 1970-talet lades det ner mycket möda på att utvärdera olika transformer vid sidan om Fouriertransformen. Resultatet av detta arbete ledde så småningom fram till den så kallade diskreta cosinustransformen (DCT), vilken gav ytterligare bättre uppdelning av bilden i statistiskt relevanta respektive irrelevanta delar. Även om förbättringen ur bildkodningssynpunkt är signifikant så beror den enbart på några smärre skillnader mellan transformerna. De är nämligen mycket nära besläktade med varandra. I själva verket kan man visa att cosinustransformen kan beräknas genom att spegla blocket i x- och y- led och därefter göra en Fouriertransform på det dubbla blocket. Figur 4 visar ett exempel f = F = Figur 4: Exempel på bildblock (f) och tillhörande (kvantiserade) DCT-komponenter (F). på ett bildblock med gråskalevärden före och efter transformering. Transformvärdena har kvantiserats något och avrundats till heltal. Sista steget utgörs av variabellängdkodningen av transformblocket. Detta går till på så sätt att komponenterna skannas av i följd, varvid sekvenser av nollor kodas ihop till ett tal. Dessa tal översätts därefter till en bitsträng. På detta sätt kommer block med 8 Nr 3 september 2002

9 många nollor att generera färre bitar än block med få nollor. DCT-kodning ger i allmänhet en kompressionsfaktor på cirka 10 för en gråskalebild eller ett färgplan jämfört med PCM-kodning. Detta innebär att en färgbild som först delas upp i luminans- och krominansdelar, vilka var och en DCT-kodas, kommer att få en total kompression på ca 2 ggr för färgrepresentationen samt därefter 10 ggr på grund av DCT-kodningen, det vill säga totalt 20 ggr vilket också är vad vi tidigare noterat rörande digitalkamerorna. Som alternativ till att finna de olika frekvenserna i en bild med hjälp av Fourier eller DCT-transformer kan man tänka sig att filtrera bilden med olika bandpassfilter, ett för varje frekvensområde som man vill filtrera fram. Sedan något år föreligger en uppdaterad standard, JPEG2000, vilken bygger på wavelet-transformen, som just karaktäriseras av att den kan beskrivas som en sådan uppsättning av filter. Den stora fördelen med denna transform är att den inte skapar blockdistorsion. Den ger också bättre kompressionsprestanda, i vissa fall upp till 50 procent högre kompression än JPEG för likartad kvalitet. Videokodning På grund av den starka kopplingen som finns mellan konsekutiva bilder i en bildsekvens är den statistiska redundansen betydligt större än vad som är fallet för en stillbild. Vidare öppnas möjligheten att använda ytterligare nya maskeringseffekter. Exempelvis nämndes tidigare att synsinnet inte samtidigt klarar av att upplösa små detaljer i snabbt rörliga bilder. Vidare behöver hjärnan en viss tid att förstå innehållet i bilden efter ett scenbyte. Detta innebär att de första bilderna efter scenbytet inte behöver hålla full kvalitet, något som kan utnyttjas vid videokodningen. De första videokodningsmetoderna som utnyttjade likheten mellan konsekutiva bilder utvecklades i början av 1970-talet. Principen var enkel och byggde på att föregående bild fick fungera som prediktion för bilden som skulle kodas. Skillnaden (prediktionsfelet) kvantiserades på lämpligt sätt och omvandlades till binära tal. Kompressionen som uppnåddes var dock blygsam, i storleksordning 2-3 ggr för luminanssignaler. Ett mycket viktigt steg togs några år senare när man upptäckte att en enkel rörelseestimering kunde användas för att ge en betydligt bättre prediktion. I själva verket räckte det med att beskriva hur block i storleksordning 5*5 till 10*10 bildpunkter förflyttade sig från en bild till nästa bild (figur 5). Prediktionsfelet minskade med detta vilket ledde till färre bitar ut från kodaren. Dock blev det nödvändigt att också skicka med rörelsebeskrivningar för alla i bilden ingående block. Med en maximal variation på 16 steg i vardera riktning räcker det med 2*4 bitar för att beskriva en rörelsevektor, det vill säga varifrån ett givet bildblock kan hämtas från föregående bild. Om blocket är 64 bildpunkter stort bidrar rörelseinformationen således med endast 8/64 = 0,125 bitar per bildpunkt. Fortfarande erhölls Figur 5: Rörelser mellan två bilder beräknas blockvis och representeras med vektorer ( J.Ahlberg). dock inte den riktigt kraftiga kompressionen som man förväntade sig. Man förstod att problemet berodde på att redundansen inom de enskilda bilderna inte togs tillvara. Ett genombrott kom i början av 1980-talet när en ny struktur för videokodning presenterades. Denna byggde på en kombination av rörelsekompenserad prediktion och transformkodning. Av detta skäl kom metoden att kallas för Hybridkodning. Principen, som visas i blockschemaform i figur 6, bygger på den enkla idén att prediktionsfelet betraktas T Q VLC Q -1 T -1 P ME VLC Figur 6: Hybridkodning, en effektiv kodningsprincip för bildsekvenser. som en bild på vilken man kan applicera DCT-kodning. Likväl är strukturen icke-trivial och kräver att både DCT-transformen och dess inverstransform återfinnes i kodaren (avkodaren behöver endast utföra inverstransformen). I blockschemat antyds också att rörelsevektorerna lämpligen variabellängdskodas för att spara ytterligare några bitar. Med hybridkodning erhölls plötsligt förbluffande hög kompression. För mindre krävande tillämpningar såsom videokonferenser kunde man nå ner till under 500 kbit/s vilket motsvarade en kompressionsfaktor på ca 500. År 1984 påbörjade ITU arbetet med den första internationella standarden för komprimerad video, H.261, som syftade till att möjliggöra tvåvägs videokommunikation över 384 kbit/s, en datatakt som erbjöds av de kommande digitala telenäten. Snart höjdes ambitionerna och standarden utvidgades till att omfatta videokommunikation ner till 64 kbit/s, där den tänkta tillämpningen var uppringbar videotelefoni över ISDN-linjer. I takt med införandet av mobiltelefoni började man också intressera sig för möjligheten att (med ytterligare reduktion i bildkvalitet) få rum med videotelefoni på kanaler med bandbredd ner till 8 kbit/s. Så småningom kom också en ytterligare vidareutveckling av standarden som fångade upp denna utveckling (H.263). Man kan således konstatera att det under en period av mer än 10 år har varit tekniskt och ekonomiskt möjligt att erbjuda punkt-tillpunkt-videokommunikation över det digitala Nr 3 september

10 telefonnätet och att detta tekniskt sett även kunde ske över GSM-nätet. Anledningen till att vi inte ser bildtelefoner i våra hem beror nog mer på att vi som konsumenter inte varit mogna eller intresserade av dessa tjänster. Hade så varit fallet skulle förmodligen vår kommunikationsinfrastruktur ha sett helt annorlunda ut idag, med väl utbyggda digitala teleabonnemang i varje hem. Tillämpningarna inom interaktiv bildkommunikation utgjorde således inte det marknadsmässigt intressanta användningsområdet för den nya videokodningstekniken. Istället var det inom ett helt annat område som den verkligt stora expansionen kom att ske. MPEG Under ledning av den karismatiske italienaren Leonardo Charigilione tillsattes 1985 en arbetsgrupp, Moving Picture Experts Group (MPEG) av ISO för att ta fram en internationell standard för digital kodning av spelfilm med en kvalitet som skulle motsvara VHS videoband [3]. Tiden var knapp. Det ryktades om att man i Japan redan höll på med projekt som syftade till att utnyttja CDskivor för distribution av film. Därför fokuserades kravet på att standarden skulle möjliggöra kodning ner till 1.5 Mbit/s som är den datatakt som CD-skivan ger vid normal spelhastighet. Till skillnad från videokonferenser och bildtelefoni kan spelfilm innehålla alla möjliga typer av bildinformation. En videokodare för spelfilm måste således klara situationer där rörelserna är mycket snabba och kan omfatta stora delar av bilden. Som grund för kodaren valdes hybridkodning, men utökad med en innovation som utnyttjade att avspelning av film inte ställer några realtidskrav med avseende på fördröjning. Således införde man möjligheten att kodaren endast behövde sände varannan, alternativt var tredje bild. Mellanliggande bilder måste då interpoleras fram i mottagaren. Som stöd för detta skickas rörelsevektorer för dessa bilder. Förutom att datatakten kan minskas öppnas en möjlighet att estimera rörelser för de interpolerade bilderna från såväl en tidigare bild som en efterföljande bild. Figur 7 visar ett typiskt schema på hur det hela kan se ut. I en grupp av totalt 12 bilder är den första bilden (I-bilden) kodad som en stillbild. Detta för att ge en synkroniseringsmöjlighet för avkodaren om det uppstår en störning i transmissionen. Därefter följer tre stycken bilder (P-bilder) kodade enligt schemat i figur 6. De övriga bilderna (B-bilderna) utgör de interpolerade bilderna. Figur 7 visar hur de respektive bilderna beror av varandra. Med denna teknik samt en nersampling av upplösningen till hälften både horisontellt som vertikalt (sk CIF-format) uppnåddes målet att kunna lagra filmer på CD. Intressant nog blev detta inte den stora kommersiella framgång som man hade trott. En anledning var förmodligen att speltiden på en CD (72 minuter) inte räcker för en film. Det behövs således minst två skivor vilket ökar priset och tvingar betraktaren att byta skiva mitt i filmen. Vidare innebar införandet av DVD-teknik att nya förutsättningar kom att gälla. I Asien blev formatet däremot relativt populärt och det är fortfarande möjligt att komma över filmer lagrade på sk VCDformat (Video-CD). Direkt efter MPEG-1 fortsatta MPEGgruppen sitt arbete. Nu var ambitionerna högre och mer långsiktiga och syftade till att få fram en bättre standard för digital TV. Det nya arbetet, MPEG-2 var fokuserat på digital distribution av TV över satellit och marknät. I mitten av 1990-talet förelåg en relativt stabil version av denna nya standard och den började gradvis tas i bruk, först lokalt i TV-studioutrustning, senare även för distribution (DVB). På grund av sina goda prestanda och flexibilitet kom MPEG-2 även att ligga till grund för lagring av film på DVD-skivor. MPEG-2 är mycket flexibelt och tillåter en rad olika bildupplösningar. Kodaren kan även ta emot en radsprångsuppdelad bildsekvens, något som ej fanns med i MPEG-1. Vidare är det möjligt att beskriva blockrörelser med bättre noggrannhet. Dessa och ytterligare några förbättringar möjliggör att bilden uppnår studioklass vid datatakter i intervallet 6-12 Mbit/s. Standarden beskriver också hur flera olika videoströmmar kan läggas ihop till en transportström samt hur sidoinformation om de olika TV-programmen kan sändas med. En vidareutveckling (MPEG-3) påbörjades med målet att skapa en standard för så kallad HDTV. Detta är ett TV-format som kännetecknas av högre bildkvalitet redan i sitt ursprungsformat. Formatet som använder minst 4 ggr fler bildpunkter än TV-bilden är anpassat till spelfilm genom ett annorlunda bildformat (16/9). Även i detta fall påskyndades utvecklingen av situationen i Japan där ett analogt HDTV-format redan hade etablerats. Ganska snart upptäckte man att HDTV kunde inrymmas inom MPEG-2 standarden bland annat genom att tillåta datatakter upp till 60 Mbit/s. Med detta avvecklades MPEG- 3 som en egen standardverksamhet. Spridningen av HDTV-system har hittills varit relativt svag. Tekniken används idag inom filmindustrin i enklare produktionssammanhang där videoteknik har börjat ersätta fotografisk film. En kuriositet i sammanhanget är att TV-apparater med 16/9-format har kommit att bli populära. Detta trots att den utsända videosignalen fortfarande har ordinär TV-kvalitet och dessutom bygger på 4/3-formatet. MPEG-4 ISO:s MPEG-grupp var nu väl etablerad och bestämde sig för att ta ett bredare grepp på I B B P B B P B B P B B I Figur 7: Bildgrupp från MPEG-kodare bestående av startbild (I), predikterade bilder (P) samt interpolerade bilder (B). 10 Nr 3 september 2002

11 MUX A/V object A/V object A/V object Figur 8: Blockschema för MPEG-4 avkodare Decoder Decoder Decoder området multimedia-information. Målet var att skapa en gemensam kodningsstandard för att beskriva inte bara fotografiska bilder och videoinformation utan även 2D- och 3Ddatorgrafik, olika typer av ljudkällor, animerade människor samt hur dessa kombineras i en presentation. MPEG-mötena var vid dessa tillfällen (slutet av 90-talet) mycket stora evenemang som kunde samla upp till 300 personer vid varje tillfälle. Dessa möten var förlagda till olika delar av världen och pågick under cirka en vecka. För att kunna hantera den stora komplexiteten såväl i problemställningen som logistiskt, gjordes en uppdelning i mindre arbetsgrupper. En grupp fick exempelvis ansvaret för att utarbeta videokodningsdelen (Video), en annan grupp arbetade med ljudkodningsalgoritmerna (Audio), en tredje med datorgrafik (SNHC), en fjärde med övergripande systemfrågor och protokoll (System) etc. Ett viktigt principbeslut togs tidigt i projektet, nämligen att den scen som ska beskrivas är uppbyggd av objekt. Dessa objekt kan vara två- eller tre-dimensionella bildobjekt eller utgöras av olika ljudkällor. Objektens placering i scenen beskrivs explicit i koden. Figur 8 visar den grundläggande strukturen på avkodaren. På detta sätt är det möjligt att välja olika kodningsmetoder för olika objekt. Audio/Video scene Compositor Återgivning av exempelvis en tennismatch skulle kunna gå till så att bakgrunden (insidan av tennishallen) kodas som ett eget objekt i vilket bilden av spelarna läggs in som separata objekt. MPEG-4 innehåller således bland annat mekanismer för att koda bilder som inte har rektangulär avgränsning. Ytterligare en synnerligen framåtblickande verksamhet pågick i undergruppen FBA (Face and Body Animation), som hade till uppgift att föreslå en representationsmetod för 3D-modeller av människor. Här utvecklades ett komplett system för att beskriva såväl människokroppens rörelsemöjligheter som ansiktsmimik. I det senare fallet var målet att möjliggöra så kallad modellbaserad kodning, en mycket effektiv kodningsmetod för bildtelefoni och videokonferenstillämpningar [4]. En annan tillämpning är att skicka så kallade avatarer, eller datoragenter, symboliserade med animerade ansikten. MPEG-4 är en så vidsträckt standard att det knappast är meningsfullt att ha en hel kodare eller avkodare implementerad på ett och samma system. Det man i allmänhet använder är någon av flera definierade profiler. Den vanligaste profilen är MPEG-4 Video, som enbart omfattar videokodaren och som kan betraktas som en ersättning för MPEG-1 och MPEG-2. Vid kodning av filmer ger MPEG-4 bättre kvalitet upp till cirka 2 Mbit/s än vad de tidigare standarderna kan prestera. Eftersom MPEG-4 också har möjlighet att koda rörliga bilder ner till några få kbit/s finns det en ambition att försöka inkorporera H.263 och dess efterföljare. Även om bägge standarderna bygger på hybridkodning är det inte helt enkelt att genomföra en sådan konvergens då H.263 (som drivs av ITU) riktar sig mot interaktiva realtidstillämpningar, exempelvis bildtelefoni, medan MPEG-standarden i första hand utgår ifrån att videomaterialet är förinspelat. Förhoppningsvis lyckas ambitionen och vi kan då i framtiden ha tillgång till en enda generell standard för användning inom samtliga idag kända elektroniska bild- och videotillämpningar. Referenser [1] [2] För information om JPEG och JPEG2000, se [3] För information om MPEG, se [4] I. Pandzic, R. Forchheimer, eds. MPEG-4 Facial animation, J.Wiley, London 2002 Robert Forchheimer leder en forskningsgrupp inom bildkodningsområdet vid Linköpings Tekniska Högskola. Gruppen har framgångsrikt utvecklat teknik som kommit att ingå i flera internationella standarder för bildkodning (ex. MPEG). Idag ligger fokus bl a på IP-baserad videoöverföring där gruppen samverkar med ett antal industriintressenter inom ramen för det sk Set-top box konsortiet. Nr 3 september

12 AV MICHAEL PETERSSON DVB den digitala TV-revolutionen Hösten 1993 antogs den första specifikationen utgiven av DVB-projektet som europeisk standard. Standarden beskriver hur digitala video- och audiosignaler överförs via satellit. Enorma tekniska och ekonomiska satsningar på området gjorde att det första systemet stod färdigt 2 år senare. Satelliten ASTRA 1E var redo att tas i bruk för transmission av DVB-signaler. Efterföljande standarder har utgivits för transmission över kabel och terrestiellt. Denna artikel beskriver översiktligt de tekniska grunderna i DVB, Digital Video Broadcast, och de nya möjligheterna som därigenom erbjuds konsumenten. De flera hundra företag, som tillsammans med myndigheter och standardiseringsorgan sedan början på 1990-talet format DVB, har haft tongivande betydelse för den tekniska utveckling som skett av TV-mediet. Projektet har i specifikationsarbetet tagit ett stort grepp. Hela transmissionskedjan (som tar en studiogenererad högkvalitativ videosignal som indata och levererar utdata som sedan omvandlas till en analog videosignal på användarens skärm) är behandlad. Detta gör att detaljnivån och antalet komponenter som täcks in blir oöversiktligt stort. Olika intressen, kommersiella, tekniska och myndighetsrelaterade, har också spelat in. Sammantaget har hela projektets scope förändrats under resans gång, i takt med att de praktiska tillämpningarna formats. En möjlig tolkning av vad DVB erbjuder konsumenten idag är: DVB erbjuder att det antal TV-program som erbjuds konsumenten ökar DVB stödjer sändning av radio och andra tjänster för underhållning och affärer DVB gör det möjligt att flexibelt styra kvalitet på video och audio som överförs DVB erbjuder kryptering för realisering av betaltjänster MPEG-2 kodning av audio- och videosignaler Grunden för att möjliggöra distribution av videosignaler är komprimering. En studiogenererad videosignal innehåller datamängder upp till 200 Mbit/s och denna måste ovillkorligen reduceras innan transmission är möjlig. Samtidigt med DVB-projektet pågick inom MPEG (Moving Picture Experts Group) arbete med att specificera hur en effektiv komprimering av videosignaler kunde utföras. DVB tillvaratog detta. Den internationella MPEG-2 standarden beskriver hur video- och audiosignaler komprimeras för att ge hanterbara datamängder. Reduktionen av denna görs icke-förlustfri och den mänskliga perceptionen av videoinformation utgör kravet för hur stor komprimering som praktiskt kan användas. Jämförelsevis så krävs en datamängd om 4-6 Mbit/s för att vid mottagning erhålla en kvalitet motsvarande konventionell transmission av PAL-signaler. För att erhålla en effektiv datareduktion utnyttjas det faktum att en viss given bildsekvens kan delas in i ett fåtal fulla bilder och dessutom skillnadsbilder som hanterar förändring av de fulla bilderna. En statisk videosekvens, till exempel innehållande en nyhetsuppläsning, kommer därigenom att generera mycket mindre information är vad till exempel en explosiv tennismatch gör. Detta utnyttjas i DVB-systemet, och informationsmängden från en viss given videokälla tillåts variera dynamiskt över tid. MPEG-2-systemet MPEG-2 beskriver, förutom själva komprimeringen av audio- och videosignaler, även hur information från olika video- och audiokällor multiplexas i tidsdomänen innan transmission. Flexibiliteten gör att flertalet video-, audio- och även datasignaler kommer ingå i den signal som slutligen transmitteras från sändare till mottagare. Elementärström och transportström Beteckningen elementärström brukar användas för den bitström som finns på utgången från en MPEG-2 kodare. Denna ström innehåller den komprimerade digitala strömmen som är associerad med en video- eller audiokälla och som är komprimerad enligt MPEG- 2. Före multiplex passerar elementärströmmen en paketerare. Den paketerade elementärströmmen (PES) som finns på utgången har följande egenskaper: Alla elementärströmmar har en och samma tidbas Paketen i den paketerade elementärströmmen kan ha varierande längd Den paketerade elementärströmmen är lämpad för att lagra data på fysiskt medium. Den är däremot ej speciellt väl lämpad för transmission. För detta syfte används istället en transportström. Transportströmmen karaktäriseras av följande egenskaper: Olika ingående komponenter kan ha inbördes olika tidbas Bestämd paketlängd om 188 bytes Lämplig att använda för tillägg av olika typer av felrättande kod Utseendet hos ett transportströmspaket ses i figur 1 nedan. 4 bytes sync byte huvud paket ID adaptions fält 188 bytes program clock reference (PCR) Figur 1. Utseende hos ett transportströmspaket. TS data Innehållet i ett flexibelt antal transportströmspaket kommer tillsammans att bygga upp ett elementärströmspaket. Timinginformationen på elementärströmsnivå innehåller information som möjliggör synkronisering av ljud och bild, så kallad lip syncronization. Timinginformationen på transportströmsnivå kan tillsammans med en referensklocka återskapa timingen för de olika transportströmspaketen. Uppbyggnaden av elementär- och transportströmmen i paket visas i figur Nr 3 september 2002

13 För att avgöra vilken elementärström som är associerad med data i ett transportströmspaket används huvudets paket-id. Denna parameter är vital och utgör en central del då demultiplex av transportströmmen ska utföras på mottagarsidan. Transport ströms paket Elementär ströms paket Multiplex I figur 3 visas en schematisk bild av hur MPEG-2 systemet ser ut på sändarsidan. Serviceinformation (SI) Genom att använda paket-id, som enligt tidigare återfinns i huvudet på ett Transportströmspaket, definierar MPEG-2 systemet och DVB ett antal systemtabeller. Dessa Video 1 Audio 1 Audio/ Video N Data 1 Data 2 Data M huvud MPEG kodare MPEG kodare MPEG kodare TS Data ES Data (t ex video) Figur 2. Uppbyggnad av ett elementärströmspaket i flera transportströmspaket. Packeterare Packeterare Packeterare Packeterare Packeterare Packeterare TS Data Figur 3. Multiplex video-, audio- och datasignaler enligt MPEG-2 Transportströms multiplexer Transportström tabeller utgör grunden för flertalet användarfunktioner som kan realiseras. Sammanlagt nio tabeller finns definierade, varav de mest centrala är: 1. Program Association Table, PAT (paket- ID=0) Innehåller en lista på alla program i transportströmmen. Innehåller information om vilket paket-id som används för Program Map Table för ett specifikt program. 2. Program Map Table, PMT Pekar ut vilket paket-id som data för ett specifikt program återfinns på. 3. Conditional Access Table, CAT Innehåller data som behövs för att styra tillgänglighet för olika användare. 4. Network Information Table, NIT Ger nätverksinformation, t ex satellitposition och transponderidentifikation. 5. Service Description Table, SDT Innehåller en beskrivning av de olika programmen som finns tillgängliga. Ger till exempel information om aktuell programdistributör. Bearbetning av serviceinformation är en central och ständigt pågående process vid mottagning av DVB-signaler. Om samtliga tabeller finns tillgängliga erbjuder också detta att proceduren för att finna ett visst program kan göras enkel. PAT-tabellen kopplar direkt PMT-tabellen för ett visst givet program, och därmed också vilket paket-id som ska laddas till demultiplex för att filtrera ut en viss given elementärström. De andra tabellerna erbjuder också att så snart en användare mottar en transportström från en viss operatör kommer program som operatören distribuerar att vara kända. Problemet som, trots elegansen i detta koncept, måste hanteras är hur mottagaren ska finna den första transportströmmen och få tillgång till serviceinformationen. Här finns en del olika tillvägagångssätt. En generell men tidskrävande approach är att utföra en sökning efter modulerade signaler av en viss typ. En annan mer elegant lösning är att förse mottagaren med en defaultkanal att gå till. Denna kanal innehåller i minsta fallet endast transportström med tillräcklig serviceinformation om den aktuella operatören. Modulering och transmission Robust överföring av signal från sändare till mottagare är definitivt en av de mest centrala delarna i DVB. Inget har lämnats åt slumpen gällande detaljer kring vad som skall krävas av själva överföringen av transportströmmen från sändare till mottagare. Inledningsvis var detta i mångt och mycket ett pionjärarbete. Teoretiska utredningar tillsammans med praktiska prover gav konfidens i att de specificerade principerna också skulle vara praktiskt tillämpbara. Detta var viktigt. MPEG-2- komprimeringen är otroligt kraftfull och den informationsmängd som efter komprimering återstår måste garanterat kunna överföras utan fel. DVB täcker enligt tidigare in transmission via olika medier. Dessa visas i figur 4 nedan. Modulator Figur 4. Modulationsprinciper enligt DVB QPSK modulator QAM modulator OFDM modulator Vektormodulerade signaler Basen för de modulationsprinciper som används vid transmission av DVB-signaler är vektormodulation. Ett matematiskt tillvägagångssätt kan användas att förklara principen. Två signaler e 1 (t) och e 2 (t) sägs vara ortogonala på tidsintervallet T om: e 1 (t).e 2 (t)dt 0 (1). T Vidare kommer signalerna att utgöra en ortogonal bas om e 1 (t).e 1 (t)dt = e 2 (t).e 2 (t)dt 1 (2). T T Satellit, DVB-S Kabel, DVB-C Terrestiell, DVB-T Nr 3 september

14 Signalen s(t) låter vi nu byggas upp av denna ortogonala bas, s(t)=i T.e 1 (t)+q T.e 2 (t) (3). Det förutsätts i (3) att s(t) är konstant på intervall som också är av storleken T, det vill säga tiden för en informationssymbol. Detta gör att komponenterna I T respektive Q T kommer att kunna detekteras enligt följande: I T = s(t). e 1 (t)dt T (4). Q T = s(t). e 2 (t)dt T Detektering av signalen kommer i enlighet med (4) dels att kräva att basfunktionerna kan återskapas, och dels att integrationstiden är känd. Båda dessa operationer är centrala vid demodulation av en DVB-signal och brukar refereras till med carrier recovery respektive timing recovery. Basfunktionerna realiseras av sinusoidala funktioner med tillräcklig energi för att transmitteras från sändare till mottagare, via kanalen. Trots att transportströmmen som överförs byggs upp av digital information kommer alltså informationsbäraren som färdas över kanalen att utgöras av analoga signaler. En vektormodulerad signal kan illustreras i ett så kallat konstellationsdiagram. I detta diagram visas längs de två ortogonala axlarna signalens komponenter under något av de symboltidsintervall med vilket överföringen sker. Nedan i figur 5 visas två exempel på konstellationsdiagram för QPSK och QAM16. Q Q I I Figur 5. Konstellationsdiagram för QPSK och QAM16. Forward error correction Enligt tidigare är det nödvändigt att överföra en transportström via kanalen i det närmaste felfritt. För att göra detta möjligt specificerar DVB, i sina olika varianter, användningen av felrättande koder och andra standardiserade komponenter. Under normala driftförhållanden ska dessa säkerställa att överföring sker vid den önskade arbetspunkten. Denna refereras till the Quasi Error (QEF) free point of reception. Vid denna arbetspunkt kommer i genomsnitt endast en felaktig bit att överföras per timma. En kortfattad beskrivning av de olika komponenterna är: Viterbi kod: Maximum Likelihood-kod, som kontinuerligt utför en statistisk beräkning vid mottagning och optimerar på en hög sannolikhet för överensstämmelse mellan mottagna och transmitterade data. Refereras ofta till med Inner Code, då koden återfinns inne i transportströmspaketen. Reed-Solomon kod: Blockkod som adderar 16 byte med kod till varje transportströmspaket som ska transmitteras över kanalen. Möjliggör att upp till 8 felaktiga byte kan rättas. Refereras ofta till med Outer Code. Randomisation: Säkerställer att de statistiska egenskaperna på data som överförs medger att de felrättande koderna fungerar optimalt. Interleaving: Sprider data i tid innan överföring sker. Detta sprider effekten av en eventuell impulsstörning som uppstår på kanalen. DVB-S För överföring över satellit specificerar DVB användning av QPSK-modulering (Quadrature Phase Shift Keying). Då brus kommer vara den mest dominerande källan till degradering av signalen används Viterbi kod som effektivt gör överföringen resistent. För QPSK kommer varje informationsbärande symbol att bestå av två stycken bitar ur den modulerade transportströmmen. DVB-C En högre modulering än QPSK utgörs av QAM (Quadrature Amplitude Modulation). Genom att använda fler än två stycken bitar ur transportströmmen för att modulera den informationsbärande symbolen kommer både fas och amplitudinformation hos den överförda signalen att bära information. DVB-C specificerar användningen av moderna QAM16, QAM32, QAM64, QAM128 eller QAM256. Ju högre mod, desto större mängd information kan överföras på varje transmitterad symbol. Antalet bitar ur transportströmmen som moduleras på en QAM symbol som överförs är fyra för QAM16 och upp till åtta för QAM256. Normalt är i ett kabel-tv-nät brus inte lika dominerande som vid överföring via satellit. Därför saknas Viterbi koden i den överförda informationen. Däremot är ofta reflexioner orsakade av missanpassningar i impedans mellan olika delar i nätet vanligt förekommande. DVB-C specificerar därför användningen av adaptiva filter på mottagarsidan. Dessa filter, ofta kallade equalizers, förmår att kompensera för dessa olinjariteter. DVB-T Modulation som ska användas för marksändning måste klara det faktum att den geografiska platsen för mottagning ofta nås av flera sändare simultant. DVB-T specificerar användningen av OFDM (Ortogonal Frequency Division Multiplex). OFDM bygger på principen att ett stort antal konsekutiva QAM-modulerade symboler demultiplexas och efter bland annat en invers Fouriertransform får forma en OFDM-symbol. På detta sätt kommer OFDM-symbolens utsträckning i tid att vara relativt sett lång. Vidare finns också enligt DVB ett så kallat Guard interval specificerat. Detta motsvarar att en oanvänd tidslucka introduceras mellan konsekutiva OFDM-symboler. Tidsluckan fungerar som ett ytterligare skydd mot att OFDM-symboler från olika symboltidsintervall interfererar. Spektral effektivitet och bitfelstakt Frågan vi nu ställer oss är vilken bandbredd som kommer att krävas för att överföra en transportström med en viss given bithastig- 14 Nr 3 september 2002

15 het. I slutänden, hur många TV-program som kan överföras vid en viss given tillgänglig bandbredd. Utgående från Nyqvist-teoremet som visar att för att föra över en informationsmängd om N symboler per sekund krävs en motsvarande bandbredd på N Hertz. För till exempel QPSK, som enligt tidigare modulerar 2 bitar per symbol, kommer det således att krävas en bandbredd på halva den hastighet som den modulerade transportströmmen har. Användningen av den minimala bandbredden skapar dock vissa praktiska problem vid realiseringen; i tidsplanet krävs generering av moduleringspulser med en oändlig utsträckning i tid, det vill säga minsta olinjaritet hos kanalen kommer ovillkorligen att generera intersymbolinterferens och försämrad mottagning. Därför tillåts i det praktiska fallet en bandbredd större än den minsta nödvändiga. Pulserna som används vid moduleringen formas med ett Nyqvistfilter. Dessa filter karakteriseras av sin Roll-off-faktor. Denna faktor anger hur mycket mer än den minimala bandbredden som den modulerade signaler kräver för överföring. Till exempel specificerar DVB-S en Roll-off-faktor på 35 procent. Därav dras slutsatsen att utan felrättande kod skulle, vid QPSK, en viss given transportström med bithastigheten (B) kräva en bandbredd på (B/2)*1.35 Hz för överföring. Den spektrala effektiviteten sjunker också till följd av de felrättande koderna. Slutsatsen blir att det också krävs en annan parameter för att karakterisera överföringen. Denna ges av vårt krav på att överföring ska ske vid en arbetspunkt som är Quasi Error Free. För en viss given kanal kommer den spektrala effektiviteten som kan uppnås att i slutändan begränsas av kanalens kvalitet. Det blir centralt att om möjligt både välja en lämplig mode för moduleringen samt göra tillräckligt tillägg av felrättande kod. Denna trade-off ser lite olika ut för olika transmissionsmedier. Till exempel kommer det vid överföring via satellit och terrestiellt bli nödvändigt att välja lämpligt tillägg av felrättande kod för att säkerställa mottagning. Vid distribution av DVB-signaler i ett kabel-tv-nät måste en QAM-mode passande det aktuella nätets kvalitet väljas. En för liten mode gör att den spektrala effektiviteten inte utnyttjas fullt ut, medan en för stor mode gör att arbetspunkten inte kan garanteras. Mellan tummen och pekfingret kommer överföring enligt DVB-S och DVB-C att erbjuda ungefär 40 Mbit/s medan DVB-T klarar hälften, det vill Satellit Central i bostadsområde Anslutningspunkt för höghastighetsöverföring av data Server QAM QPSK Pay Per View Home Shopping T e l e f o n i n ä t Tjänster Internet Business and entertainment services Bilden illustrerar typexempel på ett digitalt kabel-tv nät. Fastigheterna i området betjänas av en lokal central. Centralen tar emot digitalt modulerade satellit signaler. Efter demodulation och demultiplex kan vid behov tidsstämpling, SI och CA* information ändras. Därefter sker ny multiplex, med vilken transportström med konfigurerbart innehåll kan skapas. För distribution ut till områdets fastigheter nyttjas QAM som modulationsmetod. Förutom information från satellit kan även annat data adderas till multiplexen.via en lokal server kan på detta sätt kan t ex förvalda filmer distribueras ut till kunder i området. Boende har i detta exempel också möjlighet att via en returkanal (QPSK) kommunicera tillbaka till centralen. Alternativt kan detta också ske via ett modem anslutet till telefoninätet. Detta ger boende i området möjlighet att beställa filmer, handla, skicka e-post eller kommunicera på Internet. *CA Conditional Access, system för att möjliggöra kontroll av tillgänglighet på en service för olika kunder och därmed realisera olika typer av betaltjänster, flertalet olika system förekommer på marknaden Nr 3 september

16 säga 20 Mbit/s. De felrättande koderna kommer i stor utsträckning att ge systemet allt eller inget-egenskaper". Antingen sker överföringen med perfekt mottagning (QEF), men om till exempel brusnivån skulle försämras med bara några tiondels decibel riskerar signalen att vara oanvändbar. Framtiden Det är inte så länge sen TV-apparaten utgjorde fokus för mottagning av underhållning i hemmet. I eran av digitalisering av TV-mediet fortsatte tankarna i samma riktning. Nu kunde fler och fler kanaler erbjudas tittaren. I tillägg kunde DVB-systemet så mycket mer. Den bredbandiga anslutningen skulle också användas till andra tjänster. Internetuppkoppling, och prenumerationstjänster bara för att nämna några. Interaktiviteten som krävs tillhandahålls, i konceptet, antingen via telefoninätet eller via en dedicerad returkanal. Parallellt med uppbyggnaden av DVB har bredbandsnät blivit tillgängligt för den stora allmänheten. Med Internet som motor har de flesta konsumenter härigenom redan fått möjlighet till snabb datakommunikation i hemmet. Datorn har gått från att vara ett arbetsredskap till att mer och mer fungera som en nöjesanläggning. Tydliggjort av den senaste tidens utveckling står det nu tyvärr klart att fler och fler av de stora operatörerna i den digitala TV-världen befinner sig i ekonomisk kris. De investeringar på miljardbelopp som krävts i kombination med den ljumma attraktionskraft de olika betaltjänsterna haft på konsumenten håller i skrivande stund på att fullständigt rita om kartan. Detta trots att utbyggnaden av DVB i Europa definitivt fortsätter. Flera länder står just i begrepp att anamma DVB-T. Små och inbyggda antenner och mottagare i kombination med portabilitet banar väg för framgång. Enligt praktiska försök ska DVB-T fungera utmärkt upp till och med i autobahn-fart. Samtidigt är de mottagare som spås framgång synnerligen enkla och är fokuserade på TV-tittande. I många fall kanske också inte alls förknippade med kodade kanaler och dyra abonnemang. Detta i kontrast till de häftiga kommunikationscentraler, tänkta att sköta hela hemmets bredbandskommunikation, som hittills erbjudits hugade konsumenter. I ett tidevarv av en ökande upplevelseindustri väger konsumenten varje krona i vågskålen. Det har de 10 första åren av DVB lärt Michael Petersson är anställd som Systems Engineering Consultant hos. Han arbetar med Team och Projektledning, bland annat i projekt för utveckling och test av DVBsystem. Michael arbetar även som lärare för kurser inom systemutveckling. 16 Nr 3 september 2002

17 AV INGO ELSEN, FRANK HARTUNG, UWE HORN, MARKUS KEMPMANN & LILIANE PETERS PÅ ERICSSON EUROLAB Strömmande teknik i 3G-system för mobilkommunikation Copyright 2001 IEEE. Publicerad med tillstånd av IEEE. Ursprungligen publicerad i Computer, september 2001, med namnet Streaming Technology in 3G Mobile Communication Systems. Den tredje generationens system för mobilkommunikation kommer att kombinera standardiserade strömmande tjänster med olika unika tjänster. Det är så kraven på överföring av högkvalitativa Internettjänster till den snabbt växande mobilmarknaden ska mötas. Ett stort antal portaler erbjuder strömmande ljud- och bildtjänster med nyheter och underhållning, via Internet och en PC. Tre sinsemellan inkompatibla lösningar från Real- Networks, Microsoft och Apple dominerar i dag mjukvarumarknaden för strömmande media i Internet. Inom kort kommer den tredje generationens mobilkommunikationssystem att utvidga dagens lösningar för strömmande media i Internet genom att introducera standardiserade strömmande tjänster inriktade på att uppfylla specifika behov hos de mobila användarna. Med dataöverföringshastigheter på upp till 384 kbps över större avstånd och 2 Mbps lokalt kommer 3G-systemen att kunna erbjuda strömmande Internetinnehåll med hög teknisk kvalitet på mobilmarknaden. Utöver högre dataöverföringshastigheter erbjuder dessa system även mervärdestjänster i det underliggande nätet genom att kombinera strömmande tjänster med en rad unika mobilspecifika tjänster såsom geografisk positionering, användarprofilering och betalning via mobiltelefon. Ett exempel på en sådan tjänst är köp av biobiljetter. Först fastställer mobiltelefonnätet eller ett integrerat positioneringssystem, till exempel GPS, var användaren befinner sig geografiskt. Därefter öppnar tjänsten en databas och tar fram en lista över biografer i närheten samt en databas över användarprofiler för att se vilken typ av filmer som användaren helst ser. Utgående från den geografiska lägesinformationen och användarens preferenser presenterar tjänsten sedan ett urval av tillgängliga filmer och föreställningar. Användaren har då möjlighet se aktuella filmtrailers i sin mobiltelefon via en strömmande tjänst. Efter att ha valt film kan användaren sedan köpa biljetter med hjälp av mobiltelefonens betalningsfunktioner. Denna och andra tänkta mobilapplikationer ställer oss inför en rad problem, till exempel hur vi tillhandahåller bandbreddseffektiva strömmande tjänster via olika radioaccessnät till olika slutanvändarenheter. Som exempel kan nämnas att vår (Ericsson Eurolabs) standardbaserade interaktiva medieplattform möter utmaningarna med en arkitektur som kan integreras sömlöst inom ramen för 3Gmobilkommunikationssystemen. En viktig del av denna arkitektur är användningen av en strömmande proxyserver som är aktiv på både tjänste- och transportnivå. Vi har nyligen genomfört en rad fältförsök som visar att denna plattform är tillräckligt flexibel för att klara olika operatörskrav och att den kan tillhandahålla högkvalitativa strömmande tjänster i en mobil applikationsmiljö. TDMA GSM PDC cdmaone 2G 9,6-1, kbps GPRS MC1x Utvecklad 2G , kbps EDGE PDC WCDMA 3G 384 kbps-2 Mbps Figur 1. Radioaccessteknikens utveckling. Dataöverföringshastigheternas exponentiella ökning kommer snart att möjliggöra trådlösa bredbandstjänster för multimedia. MC1x är ett steg mellan cdmaone och cdma2000 som erbjuder överföringshastigheter på upp till 144 kbps i befintliga frekvensband för cdmaone och 1xEV är en förbättring av cdma2000-standarden som medger maxhastigheter på upp till 2,4 Mbps. 3G-mobilkommunikationssystem IMT-2000 (International Mobile Telecommunications-2000) och UMTS (Universal Mobile Telecommunications System) kommer att höra till de första 3G-mobilkommunikationssystemen som erbjuder trådlösa bredbandstjänster för multimedia baserade på Internetprotokollet. Två viktiga tekniska förändringar gör denna utveckling möjlig. Som framgår av figur 1 är den första förändringen en övergång från andra generationens radioaccessteknik såsom GSM, cdmaone (en standard enligt IS-95 för koddelning och multipel access) och PDC (Personal Digital Cellular) till mer förfinade system med högre dataöverföringshastigheter såsom EDGE (utökad data-gsm), WCDMA (bredbands-cdma) och cdma2000. Som figur 2 visar är det andra viktiga tekniska utvecklingssteget en övergång från en vertikalt integrerad till en horisontellt skiktad tjänstemiljö. Ett horisontellt skiktat 3G-tjänstenät medger sömlös integration av IP-baserad transport i en mobil tjänstemiljö med en rad accessnät, vilket öppnar flera nya möjligheter för IP-baserade mobila applikationer. Till exempel kommer mobila enheter att kunna tillgå befintligt innehåll i Internet med hjälp av protokoll och kodningsspråk såsom WAP och WML, vilka är optimerade för trådlösa applikationer. 3G-näten kommer även att ge tillgång till supporttjänster såsom autentisering, datasäkerhet och debitering såväl som mobilspecifika tjänster såsom positionering och platsspecifika datorfunktioner. Utmaningar för mobila strömmande tjänster Det breda införandet av mobila strömmande tjänster står inför två stora utmaningar: accessnätens och användarenheternas heterogenitet samt innehållsskydd. Heterogenitet I framtiden kommer vi att ha tillgång till en mängd mobila enheter med olika displaystorlekar och funktioner. Dessutom kommer olika radioaccessnät att medge skilda maxhastigheter i accesslänkarna. På grund av mobilradionätens fysiska egenskaper kommer dessutom förbindelsernas kvalitet, och därmed deras datahastigheter, att variera vilket ytterligare bidrar till heterogeniteten. Ett sätt att lösa detta är att införa lämpligt utformade mekanismer för kapacitetsändring Nr 3 september

18 I dag Tjänster Framtiden Tjänster PSTN/ ISDN Kabel-TV Publik markbaserad mobiltelefoni PSTN/ ISDN Data- och IP-nät Kabel-TV Publik markbaserad mobiltelefoni Data- och IP-nät Transport Figur 2. Övergången från en vertikalt integrerad till en horisontellt skiktad tjänstemiljö. Det framtida 3G-nätet kommer sömlöst att integrera IP-baserad transport i en rad accessnät. ISDN = Integrated Services Digital Network PSTN = Fast telefoni (Public Switched Telephone Network) så att användarenheter och medieservrar kan förhandla om nödvändig kapacitet och användarpreferenser mellan mobila enheter och mobilnät. Det gör det möjligt för servrarna att sända multimediedata som är anpassade till varje användares mobila enhet och nätet. Personer som använder tjänster i ett WCDMA-nät skulle till exempel kunna få innehållet levererat med högre hastighet än de som använder ett GPRS- eller GSM-nät. På liknande sätt skulle en person som ansluter en HiFi-hörlur till en mobil multimedieenhet med inbyggd högtalare av låg kvalitet få en dynamisk kapacitetsändring som uppgraderar överföringen till en högkvalitativ ljudström för resten av sessionen. Ett närbesläktat problem är hur strömmande multimedieinnehåll kan levereras effektivt via olika radioaccessnät med skilda överföringsegenskaper. Detta går bara om medietransportprotokollen inkluderar de trådlösa länkarnas specifika egenskaper, såsom information om fördröjning till följd av omsändningar av ofullständiga datapaket. I detta fall är proxyservrar en lämplig metod att cacha datapaketen och optimera datatransporten via trådlösa länkar till de mobila enheterna. Innehållsskydd På applikationsnivå utgör kontroll av vad användarna kan göra med innehållet en viktig utmaning. Den enklaste formen av innehållsskydd är att helt enkelt neka lagring av mottaget innehåll. Innehållsskydd ingår i det mycket vidare begreppet hantering av upphovsrätt i digitala media, DRM (digital rights management), vilket använder olika tekniker, såsom kryptering och villkorat tillträde, baserat på regler för användningen till skydd för och rätt till tillträde till multimediedata. Innehållsleverantörerna tvekar att leverera fullvärdesinnehåll i digitala nät utan DRMmekanismer som förhindrar olaglig kopiering av värdefullt multimedieinnehåll såsom musik och filmer. Standardisering av strömmande tjänster Flera organisationer och industrigrupper, bland annat Internet Streaming Media Alliance ( och Wireless Multimedia Forum ( har konstaterat att det finns ett behov av standardisering av strömmande tjänster. I synnerhet kräver mobila strömmande tjänster ett gemensamt standardiserat format eftersom det inte är troligt att alla mobila enheter kommer att kunna hantera alla olika specialutvecklade strömmande format som kommer att utvecklas för Internet inom den närmaste framtiden. Standardiserade komponenter som multimedieprotokollstackar och kodekar (mjukvara för komprimering/dekomprimering av video och ljud) i slutanvändarnas enheter kommer dock att hjälpa till att hålla nere kostnaderna för användarenheterna. Vidare går det snabbare och är billigare att ta fram och tillhandahålla innehåll i ett standardiserat format än att ta fram innehåll för flera olika strömmande format. 3GPP, Third-Generation Partnership Project ( arbetar för närvarande med standardisering av mobila strömmande tjänster. 3GPP ser strömmande 18 Nr 3 september 2002

19 Figur 4 Avkodare för video Video Scenbeskrivning Presentationsbeskrivning Ljud Presentationsbeskrivning Tel Stillbilder Bitmappgrafik Vektorgrafik Text Nyttolastformat HTTP RTSP RTP UDP TCP UDP IP Figur 3. 3GPP-protokoll och användningsområden. Protokollen integrerar samtidig uppspelning av video, ljud, bilder och formaterad text i mobila multimedieapplikationer. Grafisk display Ljudgenerering Synkronisering Spatial layout Avkodare för bild Avkodare för vektorgrafik Text Avkodare för ljud Avkodare för tal Scenbeskrivning Paketbaserat nätgränssnitt 3GPP L2 tjänster som en viktig byggsten för framtida 3G-multimedieapplikationer. Utöver att standardisera mobila strömmande tjänster arbetar 3GPP även med andra applikationer såsom videokonferenser och tjänster för överföring av MMS-meddelanden. MMS-meddelanden kan innehålla text, bilder, ljud, korta videoklipp eller URL-adresser med videoströmmar. 3GPP:s standardiseringsprojekt för mobila strömmande tjänster är i dag den längst komna standarden på detta område och alla större leverantörer av mobil telekomutrustning stöder den. 3GPP är den bäst lämpade organisationen för standardisering av mobila strömmande tjänster eftersom organisationen omfattar samtliga aspekter av ett mobilkommunikationssystem, såsom nätinfrastruktur, 3G-enheter och 3G-tjänster. 3GPP2 ( 3GPP:s systerorganisation kommer sannolikt att ansvara för standardiseringen av likartade, men inte helt kompatibla lösningar. I mars 2001 avslutade 3GPP arbetet med den första versionen av sin mobila paketswitchade strömmande tjänst, vanligtvis kallad 3G-PSS-standarden. Denna tjänst integrerar samtidig uppspelning av video, ljud, bilder och formaterad text i mobila multimedie applikationer. Protokoll och enheter för Figur 4. Schematisk beskrivning av en strömmande 3GPP-klient. Pilarna anger dataflöden. Rutor med streckad ram anger komponenter som kommer i framtida releaser. L2 utgör 3GPP:s länkskikt. Användargränssnitt Terminalfunktioner strömmande applikationer är mindre komplexa än de för samtalstjänster, vilka kräver medieinmatningsenheter och omkodare. 3GPP-standarden specificerar både protokoll och kodekar. Protokollen och deras användningsområden (se figur 3) är: RTSP (Real-Time Streaming Protocol) och SDP (Session Description Protocol) för initiering och kontroll av sessionen SMIL (Synchronized Multimedia Integration Language) för beskrivning av sessionslayouten HTTP (Hypertext Transfer Protocol) och TCP (Transmission Control Protocol) för transport av statiska media såsom sessionslayouter, bilder och text RTP (Real-Time Transfer Protocol) för transport av realtidsmedia såsom video, tal och ljud. 3GPP:s kodekar och medietyper är: ITU-T H.263 video MPEG-4 enkel visuell profilvideo (valfri) AMR (Adaptive MultiRate) tal Sessionskontroll Upprättande av session Kapacitetsändring Paketswitchade strömmande tjänster MPEG-4 AAC ljud med låg komplexitet (AAC-LC) (valfri, men rekommenderas) JPEG- och GIF-bilder XHTML-kodad, formaterad text. För att möjliggöra kompatibilitet mellan innehållsservrar, särskilt vid samverkan med MMS, specificerar standarden MPEG-4 som möjligt filformat för lagring av media på servern. Under standardiseringsprocessens gång har individuella kodekar valts ut baserat på både kompressionseffektivitet och komplexitet. Kombinerade med presentationsbeskrivningsspråket SMIL möjliggör kodekarna innehållsrika multimediepresentationer och applikationer, såsom video, ljud, bildspel och flerspråkig textning. Figur 4 visar logiska komponenter och dataflöde i ett översiktsschema för en 3GPP mobil strömmande enhet, inklusive individuella kodekar och presentationsövervakning. 3GPP-nätet överför data till applikationen från det lägre länkskiktet 3GPP L2. Applikationen avmultiplexar informationen Nr 3 september

20 IP Figur 5. Den interaktiva medieplattformen IM. Klienten använder HTTP för att beställa en SMIL-presentation från en webbserver.via SMIL-presentationen hittar klienten länkar till det strömmande innehållet och hämtar detta från de strömmande servrarna. Statiskt innehåll, såsom text och bilder, hämtas från webbservrar via HTTP. och överför den till avkodarna för video respektive ljud. 3GPP-standarden för strömmande tjänster gör det möjligt att skapa presentationer där flera medieelement såsom video, ljud, bild och formaterad text spelas upp samtidigt. SMIL, ett XML-baserat presentationsspråk utvecklat av W3C ( är klistret" som håller ihop alla dessa olika element som tillsammans bildar en interaktiv IP Nätkomponenter Proxyserver Strömmande servrar RTSP/RTP SDP RTSP (TCP) RTP (TCP) HTTP (TCP) FTP (TCP) Strömmar HTTP FTP Produktionssystem för framtagning av innehåll Webbserver HTTP FTP HTTP (TCP) FTP (TCP) SMIL, bild, text multimediepresentation. SMIL är i princip HTML med extra funktioner för tid och tidsbestämda skeenden. Språket kan därför beskriva vad som ska visas och styra placeringen av medieelementen i tid och rum. 3GPP:s strömmande klient tolkar SMIL:s scenbeskrivning och använder denna för att styra multimediepresentationens spatiala layout och synkronisering. 3GPP-standarden använder den grundläggande språkprofilen SMIL 2.0 BLP samt modulerna EventTiming, MetaInformation och MediaClipping. De extra modulerna ger ökad funktionalitet såsom förändrat presentationsschema utgående från användarens åtgärder (EventTiming), överföring av metainformation om multimediedata (Meta- Information) och selektiv återgivning av delar av den överförda medieströmmen (MediaClipping). En strömmande 3GPP-klient bör dessutom stödja PrefetchControl, en modul som ger innehållsproducenter möjlighet att inkludera signaler för start av medieströmmar. IM interaktiv medieplattform IM (se figur 5) är en mjukvarubaserad, interaktiv medieplattform för mobila, strömmande applikationer. Systemet är utformat som en punkt-till-punkt-lösning och omfattar: produktionssystem för framtagning av innehåll en presentationsapplikation som kan köras under generella operativsystem såsom Windows CE och EPOC innehållsservrar som lagrar det nyproducerade multimedieinnehållet en proxyserver som utgör gränssnittet mellan presentationsapplikationen och plattformens övriga delar. De valda protokollen är helt kompatibla med befintliga standarder. HTTP ger tillgång till statiskt innehåll via en TCP-förbindelse, medan RTP-paket överför strömmande innehåll via UDP-förbindelser. RTSP hanterar de strömmande sessionerna. Systemet använder SDP via en RTSP-förbindelse för att hämta strömbeskrivningar precis som 3GPP-standarden föreskriver. Det är nödvändigt att introducera en proxyserver för att uppfylla kraven från mobila Internetapplikationer med användande av standardkomponenter konstruerade för fast Internet. Proxyservern skyddar även kärnnätet från bakgrundskomponenterna och omvänt. Dessutom kan bakgrundskompo- 20 Nr 3 september 2002