Diskussion von Codierverfahren

White Paper: Codierverfahren WP0509, 2002, MAYAH Communications GmbH Diskussion von Codierverfahren apt-x, ADPCM4SB (MICDA), AAC-Low Delay, mp3pro und CT-aacPlus : Proprietäre / standardisierte Verfahren zur Optimierung von Qualität, Verzögerungszeit und Kompatibilität Paper Status: Language: Keywords, Summary: Author: Contact: White Paper Deutsch / German only English, German Detlef Wiese info@mayah.com Stichworte: MPEG, AAC, apt-x, ADPCM4SB, MICDA, CT-aacPlus, mp3pro, MP3, Layer 2, Layer 3, MPEG4, J.52, J.52+, FlashCast, Verzögerung, Qualität, Kompatibilität Keywords: MPEG, AAC, apt-x, ADPCM4SB, MICDA, CT-aacPlus, mp3pro, MP3, Layer 2, Layer 3, MPEG4, J.52, J.52+, FlashCast, delay time, quality, compatibility

2 Inhaltsverzeichnis Inhaltsverzeichnis...2 Summary...3 Zusammenfassung...4 1 Einleitung...5 2 Marktanteil von Toncodierverfahren...6 3 mp3pro...7 4 CT-aacPlus...10 5 MPEG 4 AAC LD...11 6 ADPCM4SB (MICDA)...12 7 Apt-X...13 8 Welche Verzögerungszeit für welche Anwendung?...14 9 Schlußfolgerung für den Rundfunk, weitere Aussichten...18 10 Referenzen...20 J.52+: Kompatibilität zu standardisierten und proprietären Verfahren...17

3 Summary During the last twenty years, approximately 5 major different audio coding algorithms have been introduced for different applications. While J.41, apt-x and J.57 are typical for transmission, MPEG Layer 2 and 3 are applied to realtime applications as well for processing audio for final broadcast automation. Furthermore depending on application also algorithms such as G.722 for the field of reporting. The Audio Gateway Codec CENTAURI and StreamingServer 4001 are not restricted to a few algorithms such as G.711, G.722, Layer 2, Layer 3, linear Coding, the new MPEG 2 AAC and MPEG 4 AAC-LD, but support now already ADPCM4SB (MICDA) and mp3pro as well as in one of the next releases (August 2002) additionally CTaacPlus and Standard-/Enhanced-apt-X. The coding schemes as well as their advantages and disadvantages are under discussion here, as well as their practical meaning for the broadcast market. While e.g. CT-aacPlus as current proposal for reference model in MPEG4 has the potential to become a worldwide standard, apt-x with nearly 20000 installations can be considered as de-facto standard for very short coding delay time applications and a more than 15 year old coding algorithm such as ADPCM4SB (MICDA) with appr. estimated 1000 installations is interesting for the French market only. The paper will also focus on the new development of SBR Spectral Band Replication invented by Coding Technologies and which is applied within mp3pro and CTaacPlus. MP3PRO is obtaining a special attention as successor of the widely distributed MP3 format.

4 Zusammenfassung Im Rundfunk wurden während der letzten zwanzig Jahre ca. 5 verschiedene Codierverfahren für unterschiedliche Anwendungen eingeführt. Während J.41, apt-x und J.57 für die Tonübertragung verwendet werden, sind die MPEG Layer 2 und 3 sowohl für die Echtzeitübertragung, jedoch auch für die Verarbeitung und Sendevorbereitung in Verwendung. Darüber hinaus sind abhängig von der Anwendung auch Verfahren wie G.722 im Einsatz, z.b. für Reportagen. Das Audio Gateway Codec CENTAURI und der StreamingServer 4001 beschränken sich nicht nur auf G.711, G.722, Layer 2, Layer 3, lineare Codierung, MPEG 2 AAC und MPEG4 AAC-Low Delay, sondern unterstützen bereits jetzt mp3pro und ADPCM4SB (MICDA), sowie in einer nächsten Version (August 2002) das neue CTaacPlus und Standard-/Enhanced-apt-X. Die Verfahren an sich, sowie deren Vor- und Nachteile werden hier diskutiert, sowie insbesondere ihre Bedeutung im Markt aufgezeigt. Während z.b. CT-aacPlus als aktueller Vorschlag zum Referenzmodel in MPEG4 das Potential zum weltweiten Standard hat, ist apt-x mit fast 20000 Installationen als ein de-facto Standard für kurze Verzögerungszeiten anzusehen. Das weit über 15 Jahre alte Verfahren wie ADPCM4SB (MICDA) mit nur geschätzten ca. 1000 Installationen gerade mal für den regionalen frz. Markt interessant. Darüber hinaus wird auch die SBR Spectral Band Replication der Firma Coding Technologies erläutert, die bei mp3pro und CT-aacPlus Anwendung findet. MP3PRO bekommt dabei einen besonderen Stellenwert als Nachfolger des weit verbreiteten MP3 Formats.

5 1 Einleitung Im Rahmen der Entwicklung von Codierverfahren wird auf die Optimierung folgender Parameter Wert gelegt: Bitrate Qualität Verzögerungszeit Kompatibilität Die hier diskutierten Verfahren lassen sich klassifizieren. Während mp3pro und CTaacPlus ausschließlich zur Reduktion der Bitrate und Erreichen einer sehr guten aber nicht transparenten Tonqualität entwickelt wurden, so stand bei apt-x und ADPCM4SB (MICDA) die Verzögerungszeit im Vordergrund. AAC Low Delay steht dazwischen und verbindet niedrige Bitraten mit einer mittleren Verzögerungszeit, hier ist die Bezeichnung Low Delay etwas irreführend und könnte ggf. besser Lower Delay lauten. Der Autor wird darüber hinaus eine Betrachtung aus Rundfunksicht, sowie eine persönliche Bewertung der Marktchancen und der Notwendigkeit der einzelnen Verfahren abgeben.

6 2 Marktanteil von Toncodierverfahren Um die Bedeutung der einzelnen Verfahren in etwa abschätzen zu können hat der Autor eine grobe Schätzung der Verbreitung der Toncodierverfahren vorgenommen. Da hier keine aussagekräftigen Quellen vorliegen, handelt es sich nur um eine sehr oberflächliche Estimation: Anteil der Toncodierverfahren J.41 apt-x MICDA AAC Layer 3 J.57 Layer 2 G.722 G.722 Layer 2 Layer 3 AAC MICDA apt-x J.41 J.57 Abbildung 1: Anteil der Toncodierverfahren am Gesamtmarkt 1 der Echtzeit- Tonübertragung Für die neueren Codierverfahren, wie CT-aacPlus, mp3pro, AAC Low Delay können noch keine Angaben gemacht werden, da deren Verbreitung erst noch bevorsteht. Dominiert wird die Tonübertragung von G.722, Layer 2 und 3, während auch die überwiegend in E1/T1 zum Einsatz kommenden J.41, J.57 und auch apt-x sehr stark zum Einsatz kommen. ADPCM4SB (MICDA) ist trotz seiner langen Existenz eher von untergeordneter Bedeutung, während der geringe Anteil von AAC aufgrund der erst seit kurzem im Markt befindlichen Produkte zurückzuführen ist. 1 Grobe Abschätzung des Autors

7 3 mp3pro MP3, oder genauer MPEG 1 und 2 Layer 3, hat sich bei vielen Anwendungen durchgesetzt und ist insbesondere durch Internet-Anwendungen, wie Streaming und Download, hier insbesondere Musik-Piraterie bekannt geworden. Doch auch im Broadcast-Bereich sind die Anwendungen zahlreich: ob Reportagen mit 64kBit/s oder die digitale Rundfunkausstrahlung über WorldSpace oder auch die Wiedergabe von gespeicherten mp3-dateien in Autoradio-Empfängern. Die Fraunhofergesellschaft für Integrierte Schaltungen in Erlangen erweiterte den Layer 3 um zusätzliche niedrige Bitraten die mit dann nochmals halbierten Abtastraten arbeiten, insbesondere, um schmalbandige Anwendungen zu unterstützen. Die Zusammenhänge sind in Tabelle 1 entsprechend dargestellt. MPEG 1 MPEG 2 MPEG 2.5 2 Entstehung 1992 1994 1996 Abtastraten 48, 44.1, 32 khz 24, 22.05, 16 khz 12, 11.025, 8 khz Bitraten 32 320 kbit/s 8 160 Kbit/s 8 160 Kbit/s Tabelle 1: MPEG Layer 3 Abtast- und Bitraten Mp3PRO ist eine Weiterentwicklung von mp3 unter Verwendung der SBR- Technologie von Coding Technologies ( www.codingtechnologies.com ). Die bislang im Consumer und auch im professionellen Bereich akzeptierten Bitraten für Layer 3 (mp3) sind 128 kbit/s stereo bzw. joint stereo und höher meist bis 192 kbit/s sowie auch 64 kbit/s mono. Sobald die Bitrate überwiegend aufgrund der Anwendungen bestimmten Gründen niedriger sein muss, kann mp3 nur noch mit dabei entstehenden und bekannten Artifakten verwendet werden: entweder wird die Bandbreite kleiner (s. Abbildung 3) oder es entstehen Codierstörungen, z.b. bei 96, 80 oder 64 kbit/s joint stereo. 2 Proprietäre Weiterentwicklung der Fraunhofergesellschaft für Integrierte Schaltungen, Erlangen

8 Abbildung 2: Volle Bandbreite bei z.b. 128kBit/s js Layer 3, Quelle: http://www.mp3prozone.com/basics.htm Abbildung 3: Reduzierte Bandbreite bei z.b. 64kBit/s js Layer 3, Quelle: http://www.mp3prozone.com/basics.htm Bei Coding Technologies, einer schwedisch-deutschen Kooperation, wurde eine Technologie namens SBR, die sogenannte Spectral Band Replication entwickelt, die genau hier entgegenwirkt und nun erlaubt, auch mp3 bei niedrigen Bitraten, z.b. 64kBit/s joint stereo zu verwenden (s. a. Abbildung 4). Abbildung 4: Volle Bandbreite bei z.b. 64kBit/s js mp3pro, Quelle: http://www.mp3prozone.com/basics.htm Dabei werden über 95% der verwendeten Bitrate weiterhin für die klassische mp3- Codierung und nur ein sehr kleiner Teil (<4kBit/s) für die SBR-Information verwendet. Der konventionell codierte mp3-teil der Codierung wird mit halber Abtastrate, also 16, 22.05 oder 24kHZ durchgeführt. Dies resultiert in einer Erhöhung der

9 Codiereffizienz bei der niedrigen Datenrate von ca. 60kBit/s. Um die Rückwärtskompatibilität zu erhalten muss ein Player, ob Soft- oder Hardware, in der Lage sein diese halben Abtastraten von MPEG2 zu unterstützen. Dabei wird von diesen bestehenden Playern der neue SBR-Anteil einfach ignoriert. Abbildung 5 zeigt den prinzipiellen Zusammenhang von Encoder, codiertem Datenstrom und Decoder. Abbildung 5: Prinzip der SBR-Technik, Quelle: http://www.codingtechnologies.com/technology/sbr.htm Die Verbindung von SBR und mp3 ist ein qualitativ hochwertiges Format. Man verabschiedet sich zwar vom Anspruch der Transparenz, da die Frequenzen oberhalb 7, bzw. 8 khz nicht mehr transparent übertragen werden, man erreicht jedoch mit wesentlich niedrigeren Bitraten eine CD-ähnliche Qualität. Zu Testzwecken gibt es einen kostenlosen Encoder/Decoder mit mp3pro unter http://www.mp3prozone.com/download.htm, der jedoch nur 64kBit/s unterstützt. Folgende Bitraten unterstützt mp3pro Mono: 24, 32, 40, 48 kbps Stereo: 32, 40, 48, 56, 64, 80, 96 kbps Zur Zeit befindet sich ein All-in-One-Tool (Aufnahme, Playlist, Editing, Wiedergabe) von MAYAH in Vorbereitung.

10 4 CT-aacPlus AAC, das innerhalb MPEG2 und 4 standardisierte Verfahren zählt zu den qualitativ hochwertigen und wird in verschiedenen Anwendungen eingesetzt. Zur Zeit ist die Verbreitung noch nicht sehr groß, jedoch nimmt diese und somit auch die Bedeutung kontinuierlich zu. AAC wird als das Top-Codierverfahren angesehen. Es wird z.b. beim japanischen Fernsehen und Hörfunk verwendet. So wie bei mp3pro eine Verbindung von mp3 und SBR hergestellt wurde, ist auch CT-aacPlus die Kombination von AAC und SBR, weswegen auf die genaue Beschreibung hier verzichtet und auf Kapitel 2 hingewiesen wird. Da SBR die Bitrate generell um ca. 30-50% optimiert hat CT-aacPlus eine Zieldatenrate von 48 kbit/s für Stereosignale. CT-aacPlus wurde bereits für zwei Systeme spezifiziert: die digitale Mittelwelle DRM Digital Radio Mondiale und für XM Radio, ein Satellitenradio mit über 100 Kanälen mit Sitz in Washington, USA, s. a. www.xmradio.com. Aktuell ist CT-aacPlus Referenzmodel der bandbreiten-optimierenden Verfahren in MPEG 4 mit guten Aussichten dadurch internationaler Standard zu werden und in vielschichtigen Anwendungen seinen Platz zu finden. Weitere Anwendungen: Audio via wireless Internet audio streaming Internet radio Digital audio broadcasting Digital audio broadcasting via telephone Portable players

11 5 MPEG 4 AAC LD Im Rahmen von MPEG 4 wurde die Spezifikation von AAC dahingehend erweitert auch kürzere Verzögerungszeiten zu unterstützen ohne größere Einschränkungen bei der Tonqualität hinnehmen zu müssen. Die dadurch erzielbare Verzögerungszeit liegt nicht in einem Bereich der direktes Monitoring ermöglicht, jedoch mit Implementierungen von ca. 60ms Interviews hervorragend möglich macht. Die Tonqualität von AAC-LD entspricht nicht der von AAC, ist jedoch annähernd so gut und der Unterschied macht sich nur bei extrem kritischen Tonsignalen bemerkbar. Wie bereits in der Einleitung bemerkt, ist die Bezeichnung Low Delay irreführend, da viele Broadcaster nun von nahezu verzögerungsfreier Codierung ausgehen und dann von 50ms zunächst enttäuscht sind, da ihre Erwartungen nicht erfüllt wurden.

12 6 ADPCM4SB (MICDA) Hierbei handelt es sich um ein mit ca. 15 Jahren sehr altes Verfahren auf der Basis der ADPCM Technologie aus den Anfängen der digitalen Audiotechnik. Dennoch hat dieses von der France Telecom entwickelte Verfahren in Frankreich durch Produkte der Fa. AETA weite Verbreitung gefunden. Es ist nicht standardisiert und über Frankreich hinaus auch nicht übermäßig bekannt, bis auf Insellösungen. Es handelt sich um ein im Prinzip mit der G.722 Codierung vergleichbares Verfahren, nur mit dem Unterschied bei doppelter Bitrate, also 128 mono oder 256 kbit/s stereo auch eine höhere Bandbreite von 15kHz zu erreichen. Qualitativ kommt diese Codierung nicht ganz an J.41 heran. ADPCM4SB (MICDA) ist auf der einen Seite kein Standard, andererseits nicht einmal das Verfahren zum inversen Multiplexing MICDA offengelegt. Es gibt hier keinerlei Weiterentwicklung hinsichtlich anderer Bitraten, Abtastraten oder höherer Wortbreiten (im Gegensatz zu apt-x, s. a. Kapitel 7 Apt-X).

13 7 Apt-X Apt-X wurde erstmalig 1990 als Tonübertragungsverfahren mit sehr kurzer Verzögerungszeit bekannt. Apt-X hat sich als de-facto Industriestandard hervorgetan und durch hohe Tonqualität in Verbindung mit sehr kurzer Verzögerungszeit überzeugt. Auch hier kommt die ADPCM (Adaptive Differential Pulse Code Modulation) zum Einsatz. apt-x bietet noch eine hohe Qualität, selbst nach mehreren En-/Decodier- Prozessen. Die theoretische Verzögerungszeit liegt bei 3ms mit eine Abtastrate von 48kHz. Im Unterschied zu ADPCM4SB (MICDA) gibt es bei apt-x eine kontinuierliche Weiterentwicklung. Der Algorithmus ist bei vielen Abtastraten einsetzbar und wurde erst kürzlich um den sogenannten Enhanced apt-x erweitert. Enhanced apt-x bringt eine signifikante Verbesserung, speziell bei der Verzögerungszeit und dem Dynamikumfang, da hier Abtastwerte mit einer Wortbreite von bis zu 24 Bit verarbeitet werden. Es gibt apt-x seit Anfang 2001 in verschiedenen Formaten in APT Produkten SOFT apt-x - als Windows und Linux library DSP Code für Motorola 563xx, Texas Instruments und Analog Devices apt-x ist heute eines der weltweit verbreitetsten Systeme für kurze Verzögerungszeiten. Schlüsselfunktionen sind 4:1:4 Datenreduktion Mono/stereo audio encoder/decoder Bis zu 22.5kHz Bandbreite Flexible Abtastrate bis zu 48kHz Zusatzdaten bis zu 12kbit/s

14 8 Welche Verzögerungszeit für welche Anwendung? Es wird eine Klassifizierung mit Berücksichtigung des Einflusses der Verzögerungszeit für verschiedene Anwendungen durchgeführt. Tabelle 2 stellt die Anwendungen, die Anforderung an die Verzögerungszeit, den Vor- und Nachteil bei der Verwendung von MPEG-Algorithmen, sowie die alternativen Algorithmen, wie beispielsweise apt-x dar. Es bestehen grundsätzliche Unterschiede: Bei MPEG waren inhärent immer deutliche Verzögerungszeiten vorhanden, natürlich abhängig von den jeweiligen Implementierungen. Erstmalig wurden aufgrund der von MAYAH eingesetzten Ein-Prozessor-Lösung Implementierungsrekorde bei MPEG gebrochen (im loop < 48ms bei Bitraten von 64, 128 und 256 kbit/s). apt-x kommt mit extrem geringen Verzögerungszeiten von wenigen Millisekunden aus. Es sind natürlich auch Unterschiede innerhalb des MPEG-Standards, z.b. zwischen Layer 2 und 3 sowie zwischen MPEG 1 und 2 vorhanden, auf die hier nicht näher eingegangen werden soll.

15 Anwendung Anforderung Vor-/Nachteil bei MPEG Monitoring < 30ms + Ü-Kosten - n-1-technik notwendig - Kosten für n-1 Interview < 100ms + Ü-Kosten Reportage mit Rückkanal - Delay manchmal immer noch zu hoch < 100ms + Ü-Kosten + Asymmetrische Codec Distribution >> 100 ms + Ü-Kosten + Qualität - Kaskadierbarkeit Contribution >> 100 ms + Ü-Kosten + Qualität - Kaskadierbarkeit Emission >> 100 ms + Bandbreite + Qualität Alternativer Algorithmus Linear, J.41, J.57, apt-x Linear, J.41, J.57, apt-x Bei G.722 Qualität mit 7kHz zu gering Linear, J.41, J.57, apt-x G.722 Qualität 7kHz für Rückweg ausreichend Linear, J.57, Enhanced-apt-X Linear, J.57, Enhanced-apt-X Tabelle 2 Die Bedeutung der Verzögerungszeit ist auch unter historischen Gesichtspunkten, hier insbesondere dem Übergang von analoger in die digitale Technik zu betrachten. So ist zur Zeit davon auszugehen, dass für Übertragungssysteme alleine im Bereich Emission in den nächsten Jahren, bei Systemen wie DVB, DAB, WorldSpace, XM- Radio, Sirius, etc. hohe Verzögerungszeiten in der Größenordnung einer halben Sekunde oder mehr berücksichtigt werden müssen. Somit steht eine Minimierung der Verzögerungszeit auf vorgeschalteten Wegen wie Distribution oder Kontribution unter durchaus diskussionswürdigen Vorzeichen.

16 Aufgrund der bereits erwähnten Single-Prozessor-Lösung bei MAYAH entstehen keine zusätzlichen Algorithmus-Verzögerungen aufgrund von notwendiger Kommunikation zwischen den im klassischen Konzept vorhandenen und beteiligten DSPs. Dies führt zu sehr kurzen Verzögerungszeiten im Loop, über ISDN, IP und X.21.

17 Noch mehr Toncodierverfahren, wie steht s mit der Kompatibilität und Erkennung? Der bereits in anderen Veröffentlichungen geschilderte Sachverhalt, dass Audio Codec Systeme nicht sehr kompatibel untereinander sind, hat dazu geführt, dass die Audio Gateway Plattform CENTAURI umfassend mit Algorithmen für den Verbindungsaufbau nach standardisierten und proprietären Verfahren versehen wurde. Dabei wurden bislang alle bekannten Algorithmen berücksichtigt und zusammen mit dem hier nicht näher erläuterten J.52-Standard als neue J.52plus- Implementierung FlashCast bezeichnet. Hier sind einerseits J.52, andererseits die im Markt befindlichen proprietären Implementierungen von Dialog4 (jetzt Orban), Telos, CCS und Prodys enthalten. Darüber hinaus ist FlashCast auch kompatibel zu Glennsound, YouCom, AEQ und anderen. Sie werden alle automatisch erkannt, wodurch ein hohes Maß an Anwenderfreundlichkeit erreicht wird. Das Verfahren umfasst neben G.711, G.722, Layer 2 und Layer 3 zusätzlich auch noch MPEG 2 AAC und lineare Codierung, sowie die zuletzt implementierten ADPCM4SB, apt-x, mp3pro, CT-aacPlus und MPEG 4 AAC LD. Zwischen zwei CENTAURIs werden alle Verfahren automatisch erkannt, zwischen einem CENTAURI und einem Fremdgerät natürlich nur solche Verfahren, die auch im Fremdgerät implementiert und bei MAYAH als automatisch erkennbar gelistet sind.

18 9 Schlussfolgerung für den Rundfunk, weitere Aussichten Im Hinblick auf ein übersichtliches White Paper wurde auf eine sehr tiefgehende Schilderung der einzelnen Algorithmen verzichtet. Es sollen hier die Ergebnisse kurz zusammengefasst werden. Welcher der ganz neuen bzw. wieder in Diskussion getretenen älteren Algorithmen eignet sich für welche Anwendung und in welcher Kombination? Monitoring Interview Reportage mit Rückkanal Distribution Contribution Mp3PRO CT-aacPlus AAC-LD ADPCM4SB apt-x Emission Tabelle 3, nur in Frankreich Tabelle 3 zeigt das jeweils optimale Verfahren für die entsprechende Anwendung. Dabei kann allen mehr oder weniger neuen Verfahren, wie mp3pro, CT-aacPlus und AAC-LD ein großes Potential für die jeweils zugeordneten Rundfunkanwendungen zugesprochen werden. Bei den eingeführten Low Delay Verfahren hat nur apt-x ein weiteres Potential, insbesondere aufgrund der hohen Verbreitung und kontinuierlichen Weiterentwicklung zu 24 Bit Wortbreite. ADPCM4SB (MICDA) kann nur für den französischen Markt empfohlen werden, da dort eine hohe Verbreitung vorliegt. Für andere Märkte, z.b. den deutschen sollte es gar nicht in Betracht gezogen werden, insbesondere aufgrund des extrem geschlossenen Nutzerkreises und der Abwandlung des inversen Multiplexings. AETA verwendet ein anderes Verfahren, als das von France Telekom vorgeschlagene Verfahren.

19 Der Anwendungsbereich wie in Tabelle 3 geschildert ist ausschließlich auf den Rundfunk abgestimmt. Darüber hinaus gibt es natürlich noch weitre Anwendungen, so z.b. für CT-aacPlus und mp3pro im Bereich des Internet, für AAC Low Delay z.b. bei der Telephonie, usw.

20 10 Referenzen 1 www.aptx.com 2 www.codingtechnologies.com 3 www.mp3prozone.com 4 www.iis.fhg.de 5 www.aac-audio.com 6 www.mayah.com 7 www.mp3licensing.com