MPEG-TS 封装格式详解

简介

MPEG-TS一种标准数据容器格式，传输与存储音视频、节目与系统信息协议数据，应用于数字广播系统，譬如DVB,ATSC与IPTV。传输流在MPEG-2第1部分系统中规定，正式称为ISO / IEC标准13818-1或ITU-T建议书。

MPEG2/DVB是一种多媒体传输、复用技术，在数字电视广播中可提供数百个节目频道。复用的含义是，可以同时传输多层节目。MPEG-TS 主要应用于实时传送的节目，比如实时广播的电视节目。MPEG-TS 格式的特点就是要求从视频流的任一片段开始都是可以独立解码的。简单地说，如果 DVD 上的 VOB 文件数据部分损坏了，就会导致整个文件无法解码，而电视节目是任何时候打开电视机都能解码的。

注意，DVB全称为Digital Video Broadcasting，包括不同的系统，如卫星数字电视广播系统，有线数字电视广播系统，地面开路数字电视广播系统，交互式数字电视广播系统以及数字电视加扰系统。DVB系统标准是一种全球数字电视技术的标准。如何定义广播中的比特流语法与句法，以实现在比特流中复用数字音频与视频，欧洲的DVB采用数字视频压缩MPEG-2标准，该标准是定义比特流的语法与句法的一个ISO/IEC标准，即13818-1标准。DVB系统的核心技术是采用MPEG-2技术进行视频、音频的编码，使用统一的MPEG-2传输流（TS流）。

MPEG-2标准中，有两种不同的码流输出到信道，一种是节目码流（PS: Program Stream），适用于没有传输误差的场景；一种是传输流（TS：Transport Stream)，适用于有信道噪声的传输场景。节目流设计用于合理可靠的媒体，如光盘（如DVD），而传输流设计用于不太可靠的传输，即地面或卫星广播。此外，传输流可以携带多个节目。

MPEG-2 system（编号13818-1）是MPEG-2标准的其中一部分，该部分描述了多个视频，音频和数据多种基本流（ES）合成传输流（TS）和节目流（PS）的方式。

基本概念

• ES（Elementary Stream）：基本码流，包含音频、视频、数据的连续码流。直接从编码器出来的数据流，可以是编码过的视频数据流（H.264、MJPEG等），音频数据流（AAC），或其他编码数据流的统称。ES流经过PES打包器之后，被转换成PES包。

• PES（Packet Elementary Stream）：ES形成的分组称为PES分组，是用来传递ES的一种数据结构。PES流是ES流经过PES打包器处理后形成的数据流，在这个过程中完成了将ES流分组、打包、加入包头信息（主要加入了PTS/DTS信息）等操作（对ES流的第一次打包）。PES流的基本单位是PES包，PES包由包头和payload组成。每个PES包的PID是一致的，一个PES包可能由若干个TS包组成。

• TS（Transport Stream）：传输流，固定长度188字节。TS在PES层上加入了数据流识别和传输的必要信息，是对PES的重新封装。TS含有独立的一个或者多个program，一个program又可以包含多个视频，音频和文字信息的ES流。

TS 文件格式

一个 .ts 文件实际上由多个 ts packet 组成，每个 ts packet 大小固定为 188 Bytes。可以是AAC、H264、 PAT、PMT等。每个TS都有PID。

ts 层分为三个部分：ts header、adaptation field、payload。ts header 固定 4 个字节；adaptation field 可能存在也可能不存在，主要作用是给不足 188 字节的数据做填充；payload 是 pes 数据。188-4-adaptation field 就是payload的大小。

ts文件分为三个层次：ts层、pes层、es层。es层就是音视频数据，pes层是在音视频数据上加了时间戳等数据帧的说明信息，ts层是在pes层上加入了数据流识别和传输的必要信息。

ts 层的内容是通过 PID 值来标识的，主要内容包括：PAT 表、PMT 表、音频流、视频流。解析 ts 流要先找到 PAT 表，只要找到 PAT 就可以找到 PMT，然后就可以找到音视频流了。PAT 表的和 PMT 表需要定期插入 ts 流，因为用户随时可能加入 ts 流，这个间隔比较小，通常每隔几个视频帧就要加入 PAT 和 PMT。PAT 和 PMT 表是必须的，还可以加入其它表如 SDT（业务描述表）等，不过 HLS 流只要有 PAT 和 PMT 就可以播放了。

• PAT 表：主要的作用就是指明了 PMT 表的 PID 值。
• PMT 表：主要的作用就是指明了音视频流的 PID 值。
• 音频流/视频流：承载音视频内容。

ES流打包成PES流：

PES流打包成TS流：

PSI（Program Specific Information）

PSI（节目特定信息）表用来描述传送流的组成结构。

PSI信息由四种类型的表组成，包括节目关联表（PAT，Program Association Table），节目映射表（PMT，Program Map Table），条件接收表（CAT，Conditional Access Table），网络信息表（NIT，Network Infomation Table）。

结构名	PID 值	描述
PAT	0x0000	解析 .ts 文件的第一步就是找到 PAT 表，然后获取 PMT 表的 PID 值
PMT	在 PAT 中给出	根据 PMT 表找到 audio pes packet 和 video pes packet 的 PID 值
CAT	0x0001	将一个或多个专用EMM流分别与唯一的PID相关联，描述了TS流的加密方式
NIT	PAT 中给出	描述整个网络，如多少个TS流，频点和调制方式等

其中，PAT与PMT两张表帮助我们找到该传送流中的所有节目与流。PAT告诉我们，该TS流由哪些节目组成，每个节目的节目映射表PMT的PID是什么；而PMT告诉我们，该节目由哪些流组成，每一路流的类型与PID是什么。CAT与NIT暂时不考虑。

节目关联表（PAT，Program Association Table）

PAT 层次图：

各字段解释：

字段	类型	描述
table_id	8b	固定为0x00
section_syntax_indicator	1b	固定为1
zero	1b	固定为0
reserved	2b	固定为11
section_length	12b	后面数据的长度
transport_stream_id	16b	传输流ID，固定为0x0001
reserved	2b	固定为11
version_number	5b	版本号，固定为00000，如果PAT有变化则版本号加1
current_next_indicator	1b	固定为1，表示这个PAT表可以用，如果为0则要等待下一个PAT表
section_number	8b	固定为0x00
last_section_number	8b	固定为0x00
开始循环
program_number	16b	节目号为0x0000时表示这是NIT，节目号为0x0001时,表示这是PMT
reserved	3b	固定为111
PID	13b	节目号对应内容的PID值
结束循环
CRC32	32b	前面数据的CRC32校验码

PAT 句法图：

节目映射表（PMT，Program Map Table）

PMT 层次图：

各字段解释：

字段	类型	描述
table_id	8b	PMT表取值随意
section_syntax_indicator	1b	固定为1
zero	1b	固定为0
reserved	2b	固定为11
section_length	12b	后面数据的长度
program_number	16b	频道号码，表示当前的PMT关联到的频道，取值0x0001
reserved	2b	固定为11
version_number	5b	版本号，固定为00000，如果 PAT 有变化则版本号加1
current_next_indicator	1b	固定为1
section_number	8b	固定为0x00
last_section_number	8b	固定为0x00
reserved	3b	固定为111
PCR_PID	13b	PCR（节目参考时钟）所在TS分组的PID，指定为视频 PID
reserved	4b	固定为1111
program_info_length	12b	节目描述信息，指定为0x000表示没有
开始循环
stream_type	8b	流类型，标志是 video 还是 audio 还是其他数据，h.264 编码对应 0x1b，aac 编码对应 0x0f，mp3 编码对应 0x03
reserved	3b	固定为111
elementary_PID	13b	与 stream_type 对应的 PID
reserved	4b	固定为1111
ES_info_length	12b	描述信息，指定为0x000表示没有
结束循环
CRC32	32b	前面数据的CRC32校验码

PMT 句法图：

实例

举个例子，你找个一个TS包，它的PID是0，说明它的负载内容是PAT信息，解析PAT信息，你发现节目1的PMT表的PID是0x10，接着，你在比特流中寻找一个PID为0x10的TS包，它的负载内容是节目1的PMT表信息，解析该PMT信息，你可以发现第一路流是MPEG2音频流，PID号0x21，第二路流是MPEG2视频流，PID号是0x22，第三路流是DVB字幕流，PID号是0x23，解析完毕，凡是比特流中PID号为0x22的TS包，所负载的内容为MPEG2视频流，把这些包一个一个找出来，把其中的有效码流一部分一部分的拼接起来，然后送给解码器去解码。

注意，就一般的视频流而言，只要拼接成一个完整的PES包，就可以送出去给解码器，然后再继续拼接下一个PES包。

TS Header

TS 包的包头提供关于传输方面的信息，大小固定为 4 字节。

TS Header 的结构如下：

以下是各字段的详细解释：

1. sync_byte（8bits）：同步字节，是包中的第一个字节，固定为 0x47，表示后面是一个 TS 分组（注：后面包中的数据不会出现 0x47 的），用于建立发送端和接收端包的同步。
2. transport_error_indicator（1bit）：传输错误标志位，为 1 表示在相关的传输包中至少有一个不可纠正的错误位。当被置 1 后，在错误被纠正之前不能重置为 0。
3. payload_unit_start_indicator（1bit）：负载起始标识，针对不同的负载，有不同的含义。
   • PES：置为 1，标识 TS 包的有效载荷以 PES 包的第一个字节开始，即此 TS 包为 PES 包的起始包，且此 TS 分组中有且只有一个 PES 包的起始字段；置为 0，表示 TS 包不是 PES 包的起始包，是后面的数据包。
   • PSI：置为 1，表示 TS 包中带有 PSI 数据分段的第一个字节，即这个 TS 包是 PSI Section 的起始包，则此 TS 包的负载的第一个字节带有 pointer_field，用来指示 PSI 数据在 payload 中的位置；置为 0，表示 TS 包不带有 PSI Section 的第一个字节，即此 TS 包不是 PSI 的起始包，即在有效负载中没有 pointer_filed，有效负载的开始就是 PSI 的数据内容。对于空包，payload_unit_start_indicator 应该置为 0。
     比如：若 TS 包载荷为 PAT，则当接收到 TS 包的 payload_unit_start_indicator 为 1 时，表明这个 TS 包包含了 PAT 头信息，从这个包里面解析出 section_length 和 continuity_counter，然后继续收集后面的 payload_unit_start_indicator = 0 的 TS 包，并判断 continuity_counter 的连续性，不断读出 TS 包中的净载荷（也就是 PAT 数据），用 section_length 作为收集 TS 包结束条件。
4. transport_priority（1bit）：传输优先标志，为 1 表明当前 TS 包的优先级比其他具有相同 PID，但此位没有被置 1 的 TS 包高。
5. transport_priority（1bit）：传输优先标志，为 1 表明当前 TS 包的优先级比其他具有相同 PID，但此位没有被置 1 的 TS 包高。
6. PID（13bits）：指示有效负载中数据的类型。PID 是识别 TS 包的重要参数，用来识别 TS 包所承载的数据。在 TS 码流生成时，每一类业务（视频，音频，数据）的基本码流均被赋予一个不同的识别号 PID，解码器借助于 PID 判断某一个 TS 包属于哪一类业务的基本码流。标准中定义的 PID 分配见如下表：

PID 值	描述
0x0000	节目关联表（program association table, PAT）
0x0001	条件访问表（conditional access table, CAT）
0x0002	传送流描述表（transport stream description table, TSDT）
0x0003~0x000F	保留
0x0010~0x1FFE	自由分配
0x1FFF	空包

7. transport_scrambling_control（2bits）：有效负载加密模式标志，00 表示未加密。如果传输包包头中包括调整字段，不应被加密。其他取值含义是用户自定义的。

8. adaption_field_control（2bits）：调整字段标志，表示此 ts 首部是否跟随调整字段和负载数据。占 2bits，字段值含义如下：

   • 00：保留；
   • 01：表示无调整字段，只有有效负载数据；
   • 10：表示只有调整字段，无有效负载数据；
   • 11：表示有调整字段，且其后跟随有效负载数据；

9. continuity_counter（4bits）：循环计数器，用于对传输误码进行检测。在发送端对所有的包都做 0~15 的循环计数，起始值不一定是 0。在接收终端，如发现循环计数器的值有中断，表明数据在传输中有丢失。

代码实现：

typedef struct MPEGTS_FIXED_HEADER
{
	/* byte 0 */
	unsigned sync_byte : 8; // 同步字节，值为 0x47

	/* byte 1, 2 */
	unsigned transport_error_indicator : 1; // 传输错误指示位，置 1 时，表示传送包中至少有一个不可纠正的错误位
	unsigned payload_unit_start_indicator : 1; // 负载单元起始指标位，针对不同的负载，有不同的含义
	unsigned transport_priority : 1; // 传输优先级，表明该包比同个 PID 的但未置位的 TS 包有更高的优先级
	unsigned PID : 13; // 该 TS 包的 ID 号，如果净荷是 PAT 包，则 PID 固定为 0x00

	/* byte 3 */
	unsigned transport_scrambling_control : 2; // 传输加扰控制位
	unsigned adaptation_field_control : 2; // 自适应调整域控制位，分别表示是否有调整字段和负载数据
	unsigned continuity_counter : 4;// 连续计数器，随着具有相同 PID 的 TS 包的增加而增加，达到最大时恢复为 0
	/* 如果两个连续相同 PID 的 TS 包具有相同的计数，则表明这两个包是一样的，只取一个解析即可。 */
} MPEGTS_FIXED_HEADER; // MPEG-TS 包头占 4 字节

调整字段（adaptation field）

在MPEG-TS中，为了传送打包后长度不足188B（包括包头）的不完整TS，或者为了在系统层插入节目时钟参考PCR（Program Clock Reference）字段，需要在TS包中插入可变长度的调整字段。

当 TS Header 的 adaption_field_control 字段的第一个比特位是 1 时，说明该 TS packet 有调整字段（adaptation field）。

调整字段包括对较高层次的解码功能有用的相关信息，调整字段的格式基于采用若干标志符，以表示该字段的某些特定扩展是否存在。调整字段由调整字段长度、不连续指示器、随机存取器、PCR标志符、基本数据流优先级指示器、拼接点标志符、传送专用数据标志、调整字段扩展标志以及有相应标志符的字段组成。

adaptation field 结构如下：

字段	大小	描述
adaptation_field_length	8 bit	调整字段长度
discontinuity_indicator	1 bit	不连续指示器，一般为 0
random_access_indicator	1 bit	随机存取器，一般为 0
elementary_stream_priority_indicator	1 bit	基本数据流优先级指示器，一般为 0
PCR_flag	1 bit	PCR标志符，携带 pcr 时置 1
OPCR_flag	1 bit	OPCR标志符，一般为 0
splicing_point_flag	1 bit	拼接点标志符，一般为 0
transport_private_data_flag	1 bit	传送专用数据标志，一般为 0
adaptation_field_extension_flag	1 bit	调整字段扩展标志，一般为 0
PCR	40 bit	当 PCR_flag=1 时携带
stuffing_bytes	不定	填充字节，取值0xff

针对不同的 ts payload，adaptation field 的应用方式也不同：

• 针对 PAT、PMT，不足 188 Bytes 的部分直接使用 0xff 进行填充，而不会使用 adaptation field（但是也有例外，有的编码器会携带）。
• 针对 PES packet，才会使用 adaptation field 做填充。
  • audio PES packet 不会在 adaptation field 中携带 PCR 字段。
  • video PES packet 可以选择是否在 adaptation field 中携带 PCR 字段。一般 PES packet 被拆分时，会在第一个和最后一个拆分包添加 adaptation field。第一个拆分包的 adaptation field 才会携带 pcr 时钟，且主要作用是为了携带 pcr 时钟，而不是为了填充数据；最后一个拆分包的 adaptation field 不会携带 pcr 时钟，只做填充用。

PCR 属于编码端的时钟，其作用是如果编码端时钟源与解码端时钟源不同步，那么解码端应该采用 pcr 作为自己的时钟源，以同步编码端。

例如编码端时钟是解码端的 2 倍，解码端是正常的物理时钟，这时一个物理世界 5min 的视频，因为编码端时钟源走得太快，那么最后一个视频帧的 dts 就是 10min。播放端直接播放的话，就会播放 10min，显得播放得很慢。所以播放端需要加快播放，方法就是采用 pcr 时钟作为自己的时钟源，让自己的时钟走得跟编码端一样快，这样看起来就是正常速度播放了。

注意，adaptation field 最少占用 1 个字节，即 adaptation_field_length 字段，这样最少可以填充 1 个字节。

adaptation field 层次图：

adaptation field 句法图：

PES（Packet Elemental Stream）

每个 pes packet 都包含一个完整的视频帧或音频帧，pes packet 结构如下：

  +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
  | pes header |   optional pes header    |      pes payload    |
  +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
      6 Byte           3~259 Byte              max 65526 Byte

PES 层次图：

PES 句法图：

pes header

6 Bytes 固定的 PES Header 结构如下：

字段	大小	描述
packet_start_code_prefix	3 比特	起始码，固定为 0x000001
stream_id	1 比特	PES 包中的负载流类型。音频取值（0xc0-0xdf），通常为0xc0；视频取值（0xe0-0xef），通常为0xe0
PES_packet_length	2 比特	PES 包长度，包括此字段后的可选包头和负载的长度。0表示长度不限制，只有视频数据长度会超过0xffff

optional pes header

optional pes header 可选包头中的控制信息有很多，这里我们只给出与 pts、dts 有关的结构：

字段	大小	描述
PTS_DTS_flags	2 bit	10 表示 PES 头部有 PTS 字段，11 表示有 PTS 和 DTS 字段，00 表示都没有，10 被禁止
pts	40 bit	实际 pts 长度占用 33 bit
dts	40 bit	实际 dts 长度占用 33 bit

PTS（显示时间戳）和 DTS（解码时间戳），是用来音视频同步的。DTS/PTS是相对SCR（系统参考）的时间戳，是以 90000 为单位，PTS/DTS 到 ms 的转换公式是 PTS/90，系统时钟频率为 90Khz，所以转换到秒为 PTS/90000。

PTS 和 DTS 字段的长度为 40 bit，实际中间有 7 个填充位，有效长度为 33 bit。

ES（Elementary Stream）

es 层指的就是音视频数据。

以视频数据为 H.264 格式，音频数据为 AAC 格式为例：

video:
  +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
  |   start code    | nalu header |          h264 data            |
  +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
         4 byte          1 byte               x byte
audio:
  +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
  | adts header |                     aac data                    |
  +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
      7 byte                           x byte

关于 H.264 的详细介绍：H.264 压缩与编解码原理

关于 AAC 的详细介绍：AAC 格式详解

实例：TS 封装过程

一个 PAT 包含整个 TS 流的信息，其中里面有一张表，比较重要的两个属性 program_number 和program_map_PID，可能出现多对，每一对 program_number 表示一个节目，而与该 program_number 对应的 program_map_PID 则表示该节目对应的流信息应该放在一个 PMT 表中，而该 PMT 表的 PID 应该与这里的 program_map_PID 相等。

一个PMT中描述了流的类型，其中0x0f表示AAC音频，而0x1b表示H264视频，除这两种之外还有其他流，例如字幕。elementay_PID表示该流的数据应该存放在以该PID为表示的TS包中。

  +-+-+-+-+-+-+-+-+-+-+-+
  | PAT                 | 
  |                     |
  | program_number  5   |___
  | program_map_PID 10  |   |
  |                     |   |
  | program_number  6   |___|__  
  | program_map_PID 11  |   |  |
  |                     |   |  |  
  | program_number  7   |   |  |   
  | program_map_PID 12  |   |  |
  |                     |   |  |
  |         ...         |   |  |
  |                     |   |  |
  +-+-+-+-+-+-+-+-+-+-+-+   |  |
                            |  |
  +-+-+-+-+-+-+-+-+-+-+-+   |  |
  | PMT                 |   |  |
  | TS Header PID = 10  |<——   |
  |                     |      |
  | stream_type    0x0f |______|__________________0x0f表示AAC音频，下方AAC数据打包PID=20,   
  | elementary_PID 20   |      |
  | stream_type    0x1b |______|__________________0x1b表示H264视频，下方H264数据打包PID=22 
  | elementary_PID 22   |      |
  |                     |      |  
  +-+-+-+-+-+-+-+-+-+-+-+      |
                               |
  +-+-+-+-+-+-+-+-+-+-+-+      |
  | PMT                 |      | 
  | TS Header PID = 11  |<————— 
  |                     |
  | stream_type    0x0f |   
  | elementary_PID 23   |
  | stream_type    0x1b |
  | elementary_PID 24   |
  |                     |  
  +-+-+-+-+-+-+-+-+-+-+-+

音频数据打包过程：

裸ACC数据:
  +-+-+-+-+-+-+-+-+-+-+-+
  |         AAC         |          
  +-+-+-+-+-+-+-+-+-+-+-+
添加PES头的ACC数据:
  +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
  | AAC PES |         AAC         |          
  +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
添加TS头将PES分割之后的TS包，假设正好分割成2个TS包，包大小固定188字节，不够用adaptation域填充一般填充0xFF:
  +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
  |TS | AAC PES |  AAC 1  |TS | adaptation|    AAC 2    |
  +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
  |- - - - Packet 1 - - - |- - - - - Packet 2 - - - - - |
  <假设 PID = 20 的TS包>            

视频数据打包过程：

裸H264数据，一帧:
  +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
  |              H264             |          
  +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
添加PES头之后的H264数据，一帧表示一个PES包:
  +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
  | H264 PES|           H264                |          
  +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
将一个PES包分割之后，分别添加TS头之后的TS包。
这里假设分割成3个TS包，每个包固定大小188字节(包含TS包头在内)，
最后一个包不够188字节使用adaptaion域填充0xFF:
  +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
  |TS | H264 PES| H264 1|TS |  H264 2     |TS | adaptation|  H264 3 |
  +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
  |- - - Packet 1 - - - |- - Packet 2 - - | - - - - Packet 3 - - - -|
  <假设 PID = 22 的TS包>

现在回头看下面这个是不是有些头绪了。

参考

1. https://www.cnblogs.com/moonwalk/p/16200434.html
2. https://blog.csdn.net/leek5533/article/details/104993932/
3. https://www.cnblogs.com/jimodetiantang/p/9140808.html
4. https://zhuanlan.zhihu.com/p/612042998
5. https://blog.csdn.net/Kayson12345/article/details/81266587
6. https://www.cnblogs.com/lvyunxiang/p/15792678.html
7. https://blog.csdn.net/u012117034/article/details/124881444
8. https://blog.csdn.net/michaeluo/article/details/75263462
9. TS协议解析第四部分（adaptation field）
10. https://blog.csdn.net/m0_60259116/article/details/125451635
11. https://www.cnblogs.com/jimodetiantang/p/9146855.html