Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124
ISO 26428-11：数字影院——第11部分：附加音频通道
数字影院沉浸式音频规范——基于对象的音频、高度声道和多维声场
1. ISO 26428-11 标准范围
ISO 26428-11 定义了数字影院附加音频通道规范，在基线 5.1/7.1 环绕声格式基础上扩展，支持沉浸式音频配置，包括基于对象的音频、高度声道和多维声场。该标准确保不同厂商的数字影院服务器、音频处理器和屏幕处理系统之间的互操作性，同时保持与现有影院音响基础设施的向后兼容性。
设计基于对象的音频（OBA）时，音频处理器需要同时处理多达 128 个音频对象外加 16 个床通道。确保您的 DSP 资源分配能够扩展到这种最坏情况下的混音配置，而不会在 48 kHz 采样率下引入超过 5 ms 的延迟。
| 参数 | 基线 (5.1) | ISO 26428-11 扩展 |
|---|---|---|
| 最大声道数 | 6 | 64（≤ 16 床 + 128 对象） |
| 采样率 | 48 kHz | 48 / 96 / 192 kHz |
| 位深度 | 16 或 24 bit | 24 bit（强制）、32 bit 浮点（可选） |
| 音频编解码器 | 线性 PCM | PCM / Dolby Atmos / DTS:X / Auro-3D |
| 声道映射 | 固定 | 动态，按卷元数据 |
| 延迟预算 (AES67) | 不适用 | ≤ 1 ms 网络 + 5 ms 处理 |
2. 沉浸式音频架构
ISO 26428-11 规定的附加音频框架采用元数据驱动渲染模型。每个音频素材都附有合成播放列表（CPL），描述空间定位元数据，包括方位角、仰角、距离和增益系数。影院音频处理器（CAP）实时将这些对象渲染到可用的扬声器阵列，根据存储在扬声器配置文件中的影厅特定扬声器布局配置，应用声像定位算法（VBAP、DBAP 或 Ambisonic 解码）。
部署高度声道扬声器阵列时，相邻层之间的垂直角度不应超过 30°，以避免定位间隙。对于典型的 15 m 银幕到后墙的影院，三层（地面、人耳高度、天花板）配置每侧墙壁至少需要 9 个高度扬声器。
音频同步至关重要。该标准要求所有音频声道和对象在 48 kHz 采样率下时间对齐精度在 ±1 个采样周期（±20.8 μs）以内。这需要通过 AES67 或 IEEE 1588（PTP）精确时间协议分配通用时钟参考。网络抖动必须低于 1 μs RMS，以在所有处理节点间保持此对齐精度。
3. 工程实施考虑
符合 ISO 26428-11 的系统的实际实施面临若干工程挑战。音频处理器必须同时支持基于声道和基于对象的渲染，并在可能使用不同音频格式的卷之间实现无缝过渡。数字影院服务器必须在现有 MXF 容器中嵌入附加音频元数据，而不干扰核心音频素材解码路径。
- DSP 吞吐量：96 kHz/24-bit 的 64 声道沉浸式系统需要约 150 MIPS 的专用 DSP 处理能力用于实时渲染，不包括对象声像定位计算（根据对象数量可能额外增加 200–400 MIPS）。
- 网络拓扑：使用专用 AVB 或 Milan 认证网络交换机，每跳存储转发延迟 ≤ 100 μs。标准以太网交换机会引入不可预测的排队延迟，违反 1 ms 端到端延迟预算。
使用 ISO 26428-11 校准测试曲目（含空间元数据的粉红噪声）进行适当的调试过程，可在 30 分钟内自动验证所有扬声器声道、延迟和声压级对齐——而手动对齐需要 3–4 小时。
沉浸式音频系统的上电时序至关重要。功放机柜在电容组充电期间可能瞬时拉高至 > 100 A 峰值电流。务必实施交错上电序列（机柜间延迟 2–3 秒），以避免系统启动时触发建筑断路器跳闸。
4. 常见问题解答
问：ISO 26428-11 是否向后兼容现有的 5.1 影院设施？
答：是的。该标准规定了编码在音频元数据中的向后兼容下混算法。传统的 5.1 处理器可将 7.1.4 沉浸式混音再现为标准 5.1 输出，尽管沉浸效果自然丢失。
答：是的。该标准规定了编码在音频元数据中的向后兼容下混算法。传统的 5.1 处理器可将 7.1.4 沉浸式混音再现为标准 5.1 输出，尽管沉浸效果自然丢失。
问：支持的最大音频对象数是多少？
答：ISO 26428-11 支持最多 128 个同步音频对象加上 16 个床通道，总计 144 个同步音频元素。实际部署通常使用 32–64 个对象。
答：ISO 26428-11 支持最多 128 个同步音频对象加上 16 个床通道，总计 144 个同步音频元素。实际部署通常使用 32–64 个对象。
问：标准如何处理不同影院之间的扬声器布局差异？
答：存储在每个影厅音频处理器中的扬声器配置文件（SCF）将理想声场映射到物理扬声器布局。渲染引擎根据实际扬声器位置、高度层数和超低音扬声器配置自适应调整对象声像定位。
答：存储在每个影厅音频处理器中的扬声器配置文件（SCF）将理想声场映射到物理扬声器布局。渲染引擎根据实际扬声器位置、高度层数和超低音扬声器配置自适应调整对象声像定位。
