Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124
IEC 61937-4：数字音频非线性PCM编码接口——突发格式与应用
IEC 61937-4:2003（及2004年勘误表）是一项重要的国际标准，专门规定了非线性PCM编码数字音频位流的传输接口。该标准定义了用于在IEC 60958（S/PDIF或AES/EBU）数字音频接口上传输压缩音频格式（包括杜比数字AC-3、DTS、MPEG-1/2音频和ATRAC）的突发负载格式。本文将从突发结构、数据率管理和系统设计三个维度进行深入分析。
📌 标准背景：IEC 61937是一个多部分标准，第4部分专门针对MPEG音频流格式的突发信息定义。该标准的整体意义在于——它使传统的基于PCM的数字互连能够传输现代压缩多声道音频，而无需修改硬件。
🔧 突发负载格式与数据传输机制
IEC 61937的核心创新在于突发负载（burst-payload）概念。与线性PCM音频每个音频帧都用于采样数据不同，压缩音频格式产生的数据长度可变且间隔不规则。突发负载机制将这些压缩数据打包成短时、高强度的突发脉冲，嵌入IEC 60958帧结构中。
每个突发由以下元素组成：
- Pa前导码：一个16位同步字（0xF872），标识突发的起始位置。
- 突发信息（1-3个音频帧）：包含数据类型（指示音频编码格式）、数据长度和重复周期。
- 突发负载：实际的压缩音频数据，打包在连续的IEC 60958子帧中。
- 填充位：零填充，用于填充下一个突发到来之前的剩余时隙。
⚠️ 关键要求：突发重复周期必须精确匹配原始音频帧率，以确保实时播放。例如，48 kHz采样率下的杜比数字（AC-3）音频帧时长为32 ms（1536个采样）。包含一个AC-3帧的IEC 61937突发必须每32 ms重复一次，与实际压缩数据大小无关。
| 数据类型（十六进制） | 音频格式 | 最大声道数 | 典型码率 |
|---|---|---|---|
| 0x01 | MPEG-1音频（Layer I/II/III） | 2 | 32-448 kbps |
| 0x02 | MPEG-2音频（LSF） | 5.1 | 8-160 kbps |
| 0x03 | MPEG-2 AAC | 5.1 | 可变 |
| 0x04 | 杜比数字（AC-3） | 5.1 | 32-640 kbps |
| 0x05 | DTS（数字影院系统） | 5.1-7.1 | 32-1536 kbps |
| 0x0A | ATRAC/ATRAC2/ATRAC3 | 2 | 66-292 kbps |
| 0x0C | DTS-HD高分辨率 | 7.1 | 高达6 Mbps |
🎚️ 数据率管理与时序约束
IEC 61937解决的最关键工程挑战之一，是如何管理IEC 60958传输通道（固定于音频采样率）的恒定比特率与压缩音频的可变比特率之间的不匹配。
合规实现的关键时序参数包括：
- 突发重复周期：必须等于编码音频帧时长。对于给定的采样率Fs和音频帧大小N个采样，周期为N / Fs秒。
- 最小延迟（突-发解码）：从接收包含突发数据的IEC 60958帧到呈现解码音频样本的时间。通常为1-3个音频帧周期。
- 缓存管理：解码器必须缓冲输入的突发数据，将瞬时高数据率（突发）平滑为连续音频输出。
💡 工程洞察：突发负载机制带来了峰值均值比挑战。在突发期间，IEC 60958上的数据率可能是平均压缩码率的4-6倍。例如，448 kbps的杜比数字流在3.072 Mbps的IEC 60958通道上需要约2.5 Mbps的瞬时突发传输率。设计者必须确保下游缓冲区和解码器能够处理这种突发流量，避免数据丢失或欠载。
| 格式 | 帧大小（采样数） | 帧时长（ms） | 突发大小（字节） | 峰值突发率（Mbps） |
|---|---|---|---|---|
| 杜比数字（AC-3） | 1536 | 32.0 | 1792 @ 448 kbps | 2.46 |
| MPEG-1 Layer II | 1152 | 24.0 | 1044 @ 384 kbps | 2.09 |
| DTS Core | 512 | 10.67 | 2048 @ 1536 kbps | 2.46 |
| MPEG-2 AAC | 1024 | 21.33 | 可变 | 可变 |
🏠 实际应用与系统设计
IEC 61937-4对家庭影院和多声道音频系统的成功起到了基础性作用。以下是实现合规接口的关键工程考量：
消费级与专业级格式
虽然IEC 60958在消费领域（S/PDIF——RCA同轴或Toslink光纤）和专业领域（AES/EBU——XLR）均有应用，但IEC 61937在两者上的操作完全相同。关键区别在于通道状态位：消费模式使用不同的位来标识非PCM音频，解码器必须正确解释这些位以在PCM和突发模式之间切换。
延迟考量
对于直播或游戏等应用，突发负载处理会增加可测量的延迟。每个压缩帧必须完全接收后才能开始解码（取决于编解码器的延迟），而IEC 61937突发解包又会增加1-2 ms。在对低延迟要求严格的应用中，可能需要采用I2S或HDMI ARC/eARC等替代传输方案。
HDMI与多声道演进
随着HDMI（原生支持多声道音频）的普及，IEC 61937的重要性有所转移。然而，该标准在后向兼容性、光纤/同轴S/PDIF连接以及许多仍以AES/EBU为骨干的专业音频路由器中仍然不可或缺。突发格式在许多实现中也作为HDMI音频回传通道（ARC）的封装层。
🚨 常见陷阱：IEC 61937接收器中一个常见的设计错误是FIFO缓冲区大小不足。由于压缩音频码率可能有显著变化（DTS 1536 kbps与杜比数字192 kbps相比），固定缓冲区策略可能在格式切换时导致欠载或溢出。推荐的方法是使用动态分配缓冲区，深度至少为4096字节，并配备基于水印的流控机制。
❓ 常见问题解答
问：IEC 61937是否与所有IEC 60958接收器兼容？
答：不是。IEC 60958接收器必须专门支持非PCM突发模式。许多早期的S/PDIF接收器会将突发数据解读为PCM格式的咔嗒声和爆音。现代接收器使用通道状态位检测非PCM模式，并自动切换解码路径。标准提供了后向兼容机制：不支持突发格式的接收器只会产生白噪声，提示需要兼容的解码器。
问：IEC 61937能否传输无损压缩音频格式？
答：可以，但有限制。DTS-HD Master Audio和杜比TrueHD等格式在通过S/PDIF传输其核心码率时使用IEC 61937突发帧格式。然而，这些格式的无损扩展部分往往超过3.072 Mbps的IEC 60958通道容量。对于完全无损多声道传输，HDMI是首选接口。部分专有扩展（如DTS 96/24）可以满足突发约束。
问：IEC 61937能支持的最大压缩码率是多少？
答：理论上限约为3.072 Mbps，即48 kHz立体声IEC 60958链路在24位采样下的最大数据率。实际中，突发头、前导码和填充的开销将可用负载码率降低到约2.5-2.8 Mbps。这可以轻松容纳杜比数字（最大640 kbps）和DTS（最大1536 kbps），但限制了DTS-HD MA（高达24.5 Mbps）等更高速率格式。
问：接收器如何检测突发的起始？
答：接收器持续监视IEC 60958音频帧数据，寻找Pa前导码模式（0xF872）。一旦检测到，读取随后的突发信息字段以确定数据类型和负载长度，然后从后续子帧中提取精确的负载字节。错误检测依赖于突发信息字段以及压缩音频格式本身的CRC保护机制。
