組織：中國互動(dòng)出版網(wǎng)（http://www.china-pub.com/）
RFC文檔中文翻譯計(jì)劃（http://www.china-pub.com/compters/emook/aboutemook.htm）
E-mail：ouyang@china-pub.com
譯者： 李超（licc_li ，licc_li@sina.com）
譯文發(fā)布時(shí)間：2001-4-26
版權(quán)：本中文翻譯文檔版權(quán)歸中國互動(dòng)出版網(wǎng)所有。可以用于非商業(yè)用途自由轉(zhuǎn)載，但必須
保留本文檔的翻譯及版權(quán)信息。




Network Working Group                                         Y. Kikuchi
Request for Comments: 3016                                       Toshiba
Category: Standards Track                                      T. Nomura
                                                                     NEC
                                                             S. Fukunaga
                                                                     Oki
                                                               Y. Matsui
                                                              Matsushita
                                                               H. Kimata
                                                                     NTT
                                                           November 2000

用于MPEG-4視聽流的RTP負(fù)載格式
（RRC3016 RTP Payload Format for MPEG-4 Audio/Visual Streams）


本備忘錄的狀態(tài)
  本文檔講述了一種Internet社區(qū)的Internet標(biāo)準(zhǔn)跟蹤協(xié)議，它需要進(jìn)一步進(jìn)行討論和建議以
得到改進(jìn)。請參考最新版的“Internet正式協(xié)議標(biāo)準(zhǔn)” (STD1)來獲得本協(xié)議的標(biāo)準(zhǔn)化程度
和狀態(tài)。本備忘錄的發(fā)布不受任何限制。
版權(quán)聲明
   Copyright (C) The Internet Society (2000).  All Rights Reserved.
摘要
   本文描述了在不使用MPEG-4系統(tǒng)的情況下攜帶MPEG-4音頻和視覺碼流的RTP負(fù)載格式。為了能
直接將MPEG-4音頻/視覺碼流映射到RTP包上，它提供了RTP包頭字段的使用規(guī)范和分片規(guī)則。同
時(shí)文檔中還規(guī)定了MIME類型注冊和會話描述協(xié)議(SDP)的使用。
目錄
本備忘錄的狀態(tài)	1
版權(quán)聲明	1
摘要	1
1. 介紹	2
1.1 MPEG-4視覺RTP負(fù)載格式	3
1.2 MPEG-4音頻RTP負(fù)載格式	3
2. 要求的術(shù)語	4
3. MPEG-4視覺碼流的RTP組包	4
3.1 MPEG-4視覺中RTP頭字段的使用	4
3.2 MPEG-4視覺碼流分片	5
3.3 MPEG-4視覺碼流組包示例	6
4. MPEG-4音頻碼流的RTP組包	7
4.1 RTP包格式	7
4.2 MPEG-4音頻中RTP頭字段的使用	8
4.3 MPEG-4音頻碼流分片	9
5. MPEG-4視聽流MIME類型注冊	9
5.1 MPEG-4視覺MIME類型注冊	9
5.2 MPEG-4視覺中SDP的用法	10
5.3 MPEG-4音頻MIME類型登記	11
5.4 SDP usage of MPEG-4 Audio	12
6. 安全性考慮	13
7. 參考文獻(xiàn)	13
8. 作者地址	13
9. 版權(quán)聲明	14
致謝	14

1. 介紹
本文描述的RTP負(fù)載格式規(guī)定了如何對MPEG-4音頻流[3][5]和MPEG-4視覺流[2][4]進(jìn)行分
片并直接映射到RTP包中。
	通過定義這些RTP負(fù)載格式，應(yīng)用在不使用MPEG-4系統(tǒng)同步和流管理功能的情況下也能直接
傳輸MPEG-4音頻/視覺流。本文的RTP負(fù)載格式可應(yīng)用于那些本身有流管理功能且不需要MPEG-4
系統(tǒng)中類似功能的系統(tǒng)。例如H.323終端，其MPEG-4音/視頻流的管理就不通過MPEG-4系統(tǒng)對象描
述符進(jìn)行管理，而是使用了H.245。流直接映射到RTP包中，并沒有使用MPEG-4系統(tǒng)同步層。其它
例子包括SIP和RTSP，它們使用了MIME和SDP。本文所述之RTP負(fù)載格式定義了MIME類型和SDP的用
法，直接規(guī)定了不使用MPEG-4系統(tǒng)時(shí)的音/視覺流屬性（如，媒體類型，打包格式和編碼配置）。
這樣做明顯的優(yōu)點(diǎn)在于可以象對付那些非MPEG-4編碼格式一樣，采用一種通用的方法來對這些
MPEG-4音頻/視覺RTP負(fù)載格式進(jìn)行處理。而缺點(diǎn)在于同基于MPEG-4系統(tǒng)環(huán)境的互操作可能會比較
困難，其它負(fù)載格式則更適用于這些應(yīng)用。
	在此情況下，RTP包頭的語義必須定義的非常清晰，其中包括MPEG-4音/視頻數(shù)據(jù)元素的關(guān)
系。此外，為了增強(qiáng)錯(cuò)誤恢復(fù)能力，在MPEG-4視頻流內(nèi)部提供錯(cuò)誤恢復(fù)工具，最好能為MPEG-4
視頻流定義好RTP包的分片規(guī)則。
1.1 MPEG-4視覺RTP負(fù)載格式
MPEG-4視覺是一種視覺編碼標(biāo)準(zhǔn)，它具有如下新特征：高編碼效率；高錯(cuò)誤恢復(fù)性；基于
多樣的，任意形的對象編碼；等等[2]。其速率范圍介于數(shù)Kbps到幾Mbps。并且它能適應(yīng)從無差
錯(cuò)網(wǎng)絡(luò)到高錯(cuò)誤率的移動(dòng)網(wǎng)絡(luò)等多種網(wǎng)絡(luò)類型。
針對本文中定義的MPEG-4視覺碼流的分片規(guī)則我們應(yīng)當(dāng)注意到，由于MPEG-4視覺將用于多
種網(wǎng)絡(luò)類型，因此在分片方面不應(yīng)有太多的限制。諸如“單個(gè)視頻包需映射到單個(gè)RTP包”這樣
的分片規(guī)則是不合理的。另一方面，大意，以及未知媒體分片也可能導(dǎo)致錯(cuò)誤恢復(fù)率和帶寬利用
率的下降。本文描述的分片規(guī)則十分靈活，但在應(yīng)用MPEG-4視覺錯(cuò)誤恢復(fù)功能時(shí)為了避免無意義
的分片也要定義一個(gè)最小的規(guī)則集。
分片規(guī)則建議不要在一個(gè)RTP包中映射多個(gè)VOP，這樣可以保證RTP時(shí)間戳能唯一地表示VOP
分幀時(shí)間。而相反地，由于MPEG-4視頻可以產(chǎn)生非常小的VOP，如一個(gè)只包含VOP頭的空VOP 
(vop_coded=0)或者一個(gè)僅有少量碼塊的任意形VOP。為了減低開銷，分片規(guī)則應(yīng)允許將多個(gè)VOP
連接到一個(gè)RTP包中。（參見3.2節(jié)分片規(guī)則(4)和3.1節(jié)標(biāo)志位和時(shí)間戳）
在H.261或MPEG-1/2等視頻編碼工具中往往通過所定義的額外媒體RTP包頭來幫助在包丟失
時(shí)恢復(fù)損壞的圖片包頭，而MPEG-4視覺已經(jīng)為此提供了錯(cuò)誤恢復(fù)功能，它們可用于RTP/IP網(wǎng)絡(luò)，
也可用于其它網(wǎng)絡(luò)（H.223/Mobile,MPEG-2/TS等）。因此，無需在MPEG-4視覺RTP負(fù)載格式中定
義額外的RTP包頭。
1.2 MPEG-4音頻RTP負(fù)載格式
   MPEG-4音頻是一種集成了多種類型音頻編碼工具的新型音頻標(biāo)準(zhǔn)。LATM(低負(fù)擔(dān)MPEG-4音頻傳
輸復(fù)用)通過相當(dāng)小的耗費(fèi)來管理音頻數(shù)據(jù)序列。對那些僅有音頻的應(yīng)用，不使用MPEG-4系統(tǒng)而
采用直接將基于LATM的MPEG-4音頻碼流映射到RTP包的方式是很值得的。
	LATM有如下幾項(xiàng)復(fù)用特性：
   -  在音頻數(shù)據(jù)中攜帶配置信息，
   -  將多個(gè)音頻幀連接到一個(gè)音頻流中，
   -  多對象（程序）復(fù)用
   -  可伸縮層的復(fù)用，
	在RTP傳輸中不需要最后兩項(xiàng)性質(zhì)。因此，基于本文規(guī)定的RTP組包原則的應(yīng)用程序不能使
用這兩個(gè)性質(zhì)。由于LATM是為自然音頻編碼工具所開發(fā)，而非為合成工具開發(fā)，要用其來傳輸結(jié)
構(gòu)化音頻(SA)數(shù)據(jù)和文語轉(zhuǎn)換接口(TTSI)數(shù)據(jù)是很困難的。所以不能通過本文檔的RTP組包方法
傳輸SA數(shù)據(jù)和TTSI數(shù)據(jù)。
	為了傳輸可伸縮流，每層的音頻數(shù)據(jù)都應(yīng)當(dāng)打包到不同的RTP包，如此才可保證在IP層對不
同層有不同的處理，比如通過一些區(qū)分服務(wù)。另一方面，可伸縮流的所有配置數(shù)據(jù)都包含于一個(gè)
LATM配置數(shù)據(jù)"SteamMuxConfig"中，并且每一層共享該 StreamMuxConfig。層與其配置數(shù)據(jù)的映
射是通過音頻數(shù)據(jù)附帶的LATM頭信息來完成的。為了表示可縮放流的依賴信息，還針對負(fù)載類型
(PT)值(見4.2節(jié))的動(dòng)態(tài)分配規(guī)則使用了一種限制措施。
對于MPEG-4音頻編碼工具而言，如果負(fù)載為單個(gè)音頻幀，則包的丟失不會影響鄰近包的解
碼。這同樣也適用于其它音頻編碼器。因此MPEG-4音頻不需要附加的用于錯(cuò)誤恢復(fù)的媒體特定頭。
可采用已經(jīng)存在的一些RTP保護(hù)機(jī)制來提高錯(cuò)誤恢復(fù)率，如通用前向糾錯(cuò)(RFC 2733)和冗余音頻
數(shù)據(jù)(RFC 2198)。
2. 要求的術(shù)語
本文中的關(guān)鍵字“必須”，“必須不”，“要求的”，“應(yīng)該”，“不應(yīng)該”，“會”，“不會”，
“建議”，“或許”，“可選的”在 RFC 2119 中解釋。   
3. MPEG-4視覺碼流的RTP組包
	本節(jié)規(guī)定了MPEG-4視覺內(nèi)容的RTP組包規(guī)則。一個(gè)MPEG-4視覺碼流可直接映射到RTP包而不
需要增加額外的頭字段或者刪除任何視覺語法元素。為了將基本流的配置信息在相同的RTP端口
上傳送，必須使用合并配置/基本流模式。（參見ISO/IEC 14496-2[2][9][4]中6.2.1"開始編碼"）
配置信息可以通過帶外方式規(guī)定。對于H.323終端，必須使用H.245碼
點(diǎn)"decoderConfigurationInformation"。如果系統(tǒng)使用MIME內(nèi)容類型和SDP參數(shù)，如SIP和RTSP，
則必須用可選參數(shù)"config"來規(guī)定配置信息（參見5.1和5.2）。
	當(dāng)使用了短視頻頭模式時(shí)，應(yīng)該H.263的RTP負(fù)載格式（建議使用RFC2429定義的格式，但也
可使用RFC2190格式以實(shí)現(xiàn)同舊系統(tǒng)的兼容性）。
0                   1                   2                   3
0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|V=2|P|X|  CC   |M|     PT      |       sequence number         | RTP
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|                           timestamp                           | Header
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|           synchronization source (SSRC) identifier            |
+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+
|            contributing source (CSRC) identifiers             |
|                             ....                              |
+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+
|                                                               | RTP
|       MPEG-4 Visual stream (byte aligned)                     | Pay-
|                                                               | load
|                               +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|                               :...OPTIONAL RTP padding        |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+

     Figure 1 – 一個(gè)MPEG-4視覺流的RTP包
3.1 MPEG-4視覺中RTP頭字段的使用
   負(fù)載類型(PT): 為新的包格式分配RTP負(fù)載類型超出了本文的范疇，不在此贅述。特定類
型應(yīng)用程序的RTP框架應(yīng)該負(fù)責(zé)負(fù)載類型的分配，如若不能則應(yīng)該通過帶外信令協(xié)議（如，
H.245,SIP等）在動(dòng)態(tài)范圍內(nèi)選擇一個(gè)負(fù)載類型。
   擴(kuò)展位(Extension-X bit): 由使用的RTP框架定義。
   序列號（Sequence Number）: 為了安全從一個(gè)隨機(jī)初始化值開始，每發(fā)送一個(gè)RTP數(shù)據(jù)包加1。
   標(biāo)志位（Marker-M） bit: 標(biāo)志位設(shè)為1標(biāo)志這是VOP的最后一個(gè)（或僅有一個(gè)）RTP包。若一
個(gè)RTP包中攜帶有多個(gè)VOP則標(biāo)志位也設(shè)為1。
   時(shí)間戳（Timestamp）: 時(shí)間戳表示RTP包中的VOP采樣時(shí)間。為了安全，加上了一個(gè)隨機(jī)常數(shù)
偏移。
   -  當(dāng)一個(gè)RTP包攜帶多個(gè)VOP時(shí)，時(shí)間戳表示其中最早的一個(gè)VOP的時(shí)間。其它VOP的時(shí)間戳信
息通過VOP頭的時(shí)間戳字段可得（modulo_time_base和vop_time_increment）。
   -  如果RTP包只含有配置信息或Group_of_VideoObjectPlane()字段，使用編碼隊(duì)列中下一個(gè)
VOP的時(shí)間戳。
-	如果RTP包僅含有visual_object_sequence_end_code信息，使用編碼隊(duì)列中前一個(gè)VOP
的時(shí)間戳。
除非由帶外方式規(guī)定，時(shí)間戳分辨率設(shè)為缺省值90KHz。
   其它頭字段的使用見RFC 1889 [8]。
3.2 MPEG-4視覺碼流分片
   使用合并配置/基本流模式，經(jīng)過分片的MPEG-4視覺碼流直接映射到RTP負(fù)載而不用增加任何
額外頭字段或者刪除視覺語法元素。分片時(shí)可應(yīng)用如下規(guī)則。
   下文中，頭（Header）可能表示如下信息：
   -  配置信息（視覺對象序列頭，視覺對象頭和視頻對象層頭）
   -  visual_object_sequence_end_code
   -  基本流的進(jìn)入點(diǎn)函數(shù)頭（Group_of_VideoObjectPlane(),
      video_plane_with_short_header(), MeshObject()或FaceObject())
   -  視頻包頭 (video_packet_header()，next_resync_marker()除外)
   -  gob_layer()頭
      配置信息和進(jìn)入點(diǎn)函數(shù)的定義參見ISO/IEC 14496-2 [2][9][4]的6.2.1 "開始編碼"
   (1) 配置信息和Group_of_VideoObjectPlane()字段應(yīng)位于RTP負(fù)載的開始位置或在語法上的
上層函數(shù)頭之后。 
   (2) 如果RTP負(fù)載中存在一個(gè)或多個(gè)頭，則RTP負(fù)載應(yīng)從語法上的最高函數(shù)頭開始。
   注意: visual_object_sequence_end_code作為最低函數(shù)。
   (3) 一個(gè)頭不應(yīng)分到多個(gè)RTP包中。
   (4) 不同的VOP應(yīng)該分片為不同的RTP包，一個(gè)RTP包只包括與唯一VOP的時(shí)間相關(guān)的數(shù)據(jù)（在
RTP包頭的時(shí)間戳字段中指出）。例外情況是如果VOP很小，則單個(gè)RTP包攜帶多個(gè)按解碼順序連
續(xù)的VOP。