SMPTE ST 2110 概论（一）

• 前言
• ST 2110与ST 2022-6
• ST 2110-10：基本结构与时序
• ST 2110-20：未压缩的视频流
• 后续

前言

这是一份我在实习期间制作的，关于SMPTE ST 2110的简单介绍。
这篇文章主要以梳理总结 SMPTE ST 2110 的概念为主，关于具体的内容，比如IP数据报的格式、RTP时间戳的具体代码内容等等，大家可以查阅 SMPTE ST 2110标准的原文和其他的资料。
后续的内容会在几天内持续更新，文章如果存在问题欢迎大家指正。

ST 2110与ST 2022-6

ST 2110 和 ST 2022-6 都是SDI over IP技术的一种。
ST 2022-6 相当于 ST 2110 的前代技术，2110 弥补了 2022-6 的一些不足。
两者最主要的差别在于，ST 2022-6 就是单纯地把SDI信号封装进了IP包里，视频部分、音频部分、辅助数据部分都在同一个包里；而 ST 2110 把SDI信号中的视频、音频、辅助数据三大块给分开了，分别封装进不同的IP包里传输。

这就导致了两者在系统设计上的思路存在根本性的不同。一个血统纯正的 2022-6 系统中，干路上跑的基本都是经过某种方式压缩的（如TICO方式），装着SDI信号的IP流，当某台设备需要单独处理 视频 / 音频 / 辅助数据 的时候，需要对流进行解嵌，然后处理完了再加嵌回去。

而一个血统纯正的 2110 系统中， 干路上跑的是三种流。视频、音频、辅助数据流分开传输，就免去了刚才提的 加嵌 / 解嵌 这种麻烦事。而且这么传输不光提升了系统的可扩展性，系统的带宽限制也更富有弹性。但随之而来的是对同步的更高要求：比起2022-6的单一流，同步三种不同的流要难得多，所以 2110 采用了 PTP协议与RTP时间戳等方式同步，这也是 2110-10的内容。

ST 2110 协议原文主要讲的就是这三种不同的流具体该怎么传输的问题。

ST 2110-10：基本结构与时序

ST 2110-10 部分主要讲的是对IP包的一些具体格式要求，其中最重要的内容就是 PTP协议 、 RTP时间戳 、 SDP 协议三大块。

先说PTP，这里说的PTP不是图片传输协议，全称是Precision Time Protocol（精确时间控制协议）。ST 2110 中这部分内容取自 ST 2059-2。协议的主要内容是通过网络，向网上的每个设备发送一个公用参考时钟，设备内部还含有一个内部设备时钟，并且每种信号类型又关联一个媒体时钟。

首先选择一个设备的时钟作为公用参考时钟，再让其他设备的时钟同步于该时钟，这就是PTP协议中主钟（Master）和从钟（Slave）的概念。接下来把每种单独的媒体类型关联一个媒体时钟，视频流有视频流的时钟，音频流有音频流的时钟。需要注意的是标准规定媒体时钟相对于主钟的偏移量（offset）必须为零。将以上提到的所有时钟都关联起来，我们就得到了一套完整的时间轴，方便接下来的处理。此外该方式还支持IP流数据报的无缝保护静净切换。

接着是RTP时间戳，如果说PTP是面向设备的“时间轴”，RTP时间戳可以理解成面向数据本身的“时间点”。发送端使用RTP时间戳标记每个视频、音频和辅助数据包，用来表示采样时间。其中：

–对于视频，每一帧内所有数据包的RTP时间戳相同
–对于实时信号源，RTP时间戳应表示图像捕获的时间
–对于SDI转换器，RTP时间戳是视频帧对齐点的时间，由ST 2059-1定义。

如此，一旦信号通过网络，就根据RTP时间戳重新调整信号的定时关系。采用这种方法，广电系统上任意一点都有了准确同步多种媒体类型的能力。

接着说 SDP （Session Description Protocol），会话描述协议。每个流里都有一组元数据，告诉接收端如何解释收到的内容，这就是SDP数据。接下来我们看看SDP究竟长什么样：

可以看到这个包里有很多我们的老朋友，比如中间写的 sampling=4：2：2，colorimetry=BT709这种。前几行v、o这种主要是一些判断位。传输到接收端的时候，SDP把关于这个流的所有信息跟接收端磨叨一遍，让接收端知道到底收了什么东西进来，就像是个出门买菜的老太太，拎着菜筐回家的时候要跟全家人念叨一遍菜筐里所有的菜。在 ST 2110 系统中，所有信息描述都依赖着SDP，如果SDP丢包了，接收端无法解释流的内容，会导致系统出问题。

ST 2110-20：未压缩的视频流

顾名思义，ST 2110-20 传输的是三种流中的视频流。格式如下：

中间的pg代表pixel group（像素组）。像素组的大小取决于采样格式，大小必须是8的整数倍，并且同一次抽样获得的像素必须包含在同一个像素组里。

我们举个极端的栗子，比如现在有一帧图像中的一个像素，采样格式为YCbCr 4：2：2，采样深度为10，这个像素的数据就长这样：

这种传输的方式有一些特性：
-仅发送“有效”图像区域–不消隐
-支持最大32k x 32k的图像尺寸
-支持Y’Cb’Cr’，RGB，XYZ，I’Ct’Cp’
-支持4：2：2 / 10、4：2：2 / 12、4：4：4/16等
-支持HDR（PQ和HLG）
-消除了通常用于嵌入式音频信号的HANC（水平辅助）空间以及消除经常用于传输其他相关信息（例如时间码，格式说明，广告）的VANC（垂直辅助）空间。

当多个像素拼成一个像素组，数据大概就长这样：

由此可见，视频流传输得非常紧密，去掉了辅助数据之后，释放了大量带宽用于传输。对于一个50p的4K图像，甚至可以释放30.3%的带宽！

但实际上 ST 2110-20 这种传输方式是存在隐患的。这里就不得不提一下广电系统的buffer模型。实际上，整个系统是公用一个或数个数量有限的缓存池，由于传输优先级顺序不同，ST 2110-20将像素与辅助数据分开传送，辅助数据传输优先级低于像素，当多个设备同时发起传输时，ANC数据会累积在共享且有限的缓冲区中，这在将多个视频源锁定到一个公共时钟的系统中经常发生。

因此，为防止网络问题并简化信号接收端的设计，有必要对数据包突发的大小和持续时间设置一些限制。这些限制在网络术语中通常称为流量整形，即为 ST 2110-21。

后续

这段博客还未结束，博主下次会继续更新 ST 2110-21、ST 2110-30 等内容。
博主目前还是个刚入行的小白，如果文章存在问题欢迎大家指正。我的邮箱是cidd0422@sina.com，欢迎大家邮件讨论，相互分享知识和经验！

*主要参考资料：
[1]: https://www.smpte.org/
[2]: What is SMPTE ST2110 and Why Does It Matter? – John Mailhot
[3]: SMPTE ST 2110 in 60 Minutes – Wes Simpson