2024年4月6日发(作者：)

MPEG2-TS打包AAC码流：

MPEG-2系统任务包括：1、规定以包传输数据的协议，2、规定收发两端数据流同步协

议，3、提供多个数据流复用和解复用协议，4、提供数据流加密协议。该系统的要点是以包

形式存储与传送数据流。

MPEG-2标准主要规定了传输流（TS）和程序流（PS）两种结构。Transport Stream

（传输流），则主要 应用于实时传送的节目，比如实时广播的电视节目。Program Stream主

要应用于存储的具有固定时长的节目，如DVD电影，可添加字幕等一些程序操作。二者的

区别在于，TS流的包结构是定长的，而PS流的包结构是变长的。简单的说，你将DVD上的

VOB文件的前面一截cut掉（或者干脆就是数据损坏），那么就会导致整个文件无法解码了，

而电视节目是你任何时候打开电视机都能解码（收看）的，所以，MPEG2-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。

TS码流由于采用了固定长度的包结构，当传输误码破坏了某一TS包的同步信息时，接

收机可在固定的位置检测它后面包中的同步信息，从而恢复同步，避免了信息丢失。因此在

信道环境较为恶劣、传输误码较高时一般采用TS码流。

TS格式是一种较为先进的“封装格式”，BD蓝光原盘即采用TS封装，它在视频和音频打

包时提供时间戳，保证了任何时间段(分离)的音画同步，TS封装支持几乎所有编码的高清视

频和音轨编码。

本文的目的是将AAC编码出来的码流进行TS封装，具体过程是：AAC编码出来的码流

属于基本流（Elementary Stream，ES）；基本流加上PES头部信息打包形成打包的基本流PES，

PES头部信息包含显示时间戳PTS和解码时间戳DTS；打包的基本流加上TS头部信息和系统

信息后再分割成固定长度的包，就形成了传输流。当然也可以进一步打包成RTP以便进行网

络实时传输。如下图：

ES

PES

TS

RTP

将ES流加上PES头部信息打包形成PES流，PES包的长度不是固定的，但是音频PES

包一般不超过64字节，视频一般一帧一个PES包，一个PES包由包起始码，包头和净荷组

成，包起始码长度是固定的9个字节，PES包如下图：

包起始码

包头

净荷

其中，PES Packet Length（PES包长度）表明该PES包的具体长度（尽管该值不是固定的），

该长度域占两个字节，即16bit，因此该包的最大长度是65535字节，上面已经提到，用于

音频码流时，该包长不超过64字节，而用于视频时一般一帧一包。有一点需要指出的是，

若该值设为0，则说明该包长度无限制或者不规定，这个仅用于视频PES包；PES Header Length

（PES包头长度）表明该PES包中PES Header Fields（包头）的长度；其余的参数，我们就

不在这里赘述了，下面来介绍TS（传输流）的包结构。

MPEG2-TS包结构如下：

其中一个一个的传输包就是TS包。PES包被封装到定长的TS包（TS包头4字节，净荷184

字节），过程如下：首先PES的头（包括起始码和包头）被封装到一个TS包的净荷开始部

分，若该PES包长度大于184字节，则该包的剩余部分分块（每块184字节，不足的用合适

大小的AF填充）打包到接下来的TS包的净荷中，若该PES包长度小于184字节，则用合适

大小的AF来对齐。由此可见，PES的头一定开始于TS净荷的开始部分。

TS包的分析如下：

同步字节为固定值(0x47)，在选择其他经常出现的字段时应避免与该字段发生冲突。

传输错误指示符（即误码表示）为一个标志位，置1时表示相关传输流包中至少有一个

不可纠正的比特差错。

负载数据单元起始指示符（即单元起始表示）为一个标志位，在Ts净荷中包含PES时，

该标志位的意义是，1表示TS包的净荷以PES的首字节开始，有且仅有1个PES包在TS包的净荷

开始，0表示该TS包的净荷不以PES开始；在TS净荷中包含PSI时，1表示TS包的净荷以PSI段的

第一个字节开始，反之为0。

传输加扰控制（即扰码控制）指出TS包的净荷的加扰方式，对空的包该字段为00，同时

置为00也意味着不加扰，置为01为保留，置为10为采用偶密钥加扰，置为11为采用奇密钥

加扰，对于PES包采用相同的指示。

传输优先级（即优先权标志）置1时表示PID相同的包中有更高的优先级。

PID为13比特，指示该包净荷中存储的数据类型，PID为0x0000被保留用于节目相关表

(PAT)，PID为0x0001被保留用于条件接收表(CAT)，PID 为0xO002～0x001F也被保留用于PSI和

SI，PID为0xlFFF被保留用于空的TS包。

适应域控制（即AF控制）指TS包头后面是否有适应域，该字段置00为保留，标准解码器

会丢弃该包，置为01表示没有适应域仅有有效负载，置为10表示仅有适应域没有有效负载，

置为11表示跟有有效负载的适应域，如果有适应域则位于TS包净荷的开始部分。

连续性计数器（即循环计数器）为4个比特，随着每个具有相同PID值的包而递增，达到

最大值回卷为0，但是当适应域控制为00和10时该字段不递增。数据字节为来自PES或PSI和

SI的连续字节的数据或填充字节，当PID为0xlFFF空包时可以是任意值。

TS包中净荷所传输的信息包括两种类型：1)视频、音频的PES包以及辅助数据；2)描述节

目复用信息的节目映射表(PAT：Program Associate Table)以及节目映射表(PMT：Program Map

Table)、其他PSI的表格和SI的表格。

TS（传输流）在IP网上传输，为保证可靠性，紧接着数据需要打成RTP包；待传输的RTP

包要以IP形式在网络上传输，需要将RTP包封装成UDP包，然后在将UDP包打成IP包发送到网

络上；客户端在接收到载有视频信息的IP数据后，去掉IP头送往UDP层；再UDP层去掉UDP

头，解出RTP信息：解析RTP包，得到TS数据流。

但是，关键问题是，前面解包各个层次得到一些长度信息对于得到TS流中PES的长度信

息没有意义，因为TS包的长度是固定的，就是188个字节，所以IP、UDP、RTP包的长度信息

起不到作用。TS长度一定，虽然其中有没有适应域我们可以解包TS头部信息得到，但是这个

适应域多长，我们不可得知，但是由于我们要传输的是音频码流，而音频码流的PES包一般

不超过64字节，因此我们可以推断，一般情况下，这个适应域是肯定存在，但是长度不确定。

由于适应域的长度不确定，因此我们无法求得PES包的长度，如下：

PES包的长度=188字节－TS包头长度（4字节）－适应域长度（未知）

即便我们知道PES包的长度，我们也无法进一步去求AAC码流的长度，因为：

AAC码流长度=PES包的长度－PES包起始码长度（9字节）－PES包头域长度（未知）

而上式中，PES包头域的长度不是固定的，它的值可以根据PES起始码中的PES Header

Length来得到，但由于不允许解PES包，因此这个值无法取得，因而，AAC码流的长度是无法

计算的。

当然，如果可以得到AAC码流长度，那我们就可以进一步判断该码流是语音帧还是静音

帧了。