0 引言

　　MKV是一種新的多媒體封裝格式，支持多種視頻和音頻編碼格式，能夠將多達16路不同格式的音頻和不同語言的字幕流封裝到一個文件中，在高清影片中得到了廣泛的應用，越來越多的視頻和影片采用MKV作為其封裝格式。能否支持MKV封裝格式是高清播放機性能的一個重要指標。本文提出了一種基于SMP86 54平臺的MKV播放器設計與實現(xiàn)方案，并針對嵌入式系統(tǒng)和高清媒體的特點做了進一步優(yōu)化，能夠提供對MKV文件的流暢播放。

　　1 MKV封裝格式

　　MKV全稱為Matroska Video，是一種新的多媒體封裝格式。多媒體封裝格式也稱多媒體容器(Multimedia Container)，它不同于H264、MPEG-2、MPEG-4這類編碼格式，它只是為多媒體編碼提供了一個“外殼”，本身不涉及編碼。MKV是由開源組織Matroska Development Team制定的一個標準，總共包括三部分：MKV(Matroska video)、MKA(Matroska Audio)和MKS(Matroska Su^itles)，后兩種格式分別針對音頻和字幕，應用較少。MKV的目的是代替AVI等傳統(tǒng)封裝格式。AVI是Microsoft于1992年推出一種封裝格式。其含義是audio Video Interactive，就是把視頻和音頻編碼混合在一起儲存。微軟在1996年推出了AVI的改進版本AVl2.0。AVI格式上限制比較多，只能有一個視頻軌道和一個音頻軌道，還可以有一些附加軌道，如文字等。AVI格式不提供任何控制功能?？傮w而言，AVI為主的傳統(tǒng)封裝格式結構陳舊，只能包含少數(shù)幾種音視頻格式，并且不夠開放，可擴展性差。正因為如此，才促成了Matroska這類新的多媒體封裝格式的誕生。

　　MKV相對于傳統(tǒng)的封裝格式，有如下優(yōu)點：支持可變比特率(VBR)，支持錯誤檢測以及修復軟字幕，支持流式傳輸，強大的開放性和跨平臺兼容性，支持16路以上的音頻流和字幕流等。Matroska最大的特點是能容納幾乎所有類型的視頻、音頻及字幕流，除H.264以外，也可包括MPEG4、MPEG2、Ac3、AAC等其他視頻和音頻格式，即使是非常封閉的RealMedia及QuicklTime也被它包括進去了，并將它們的音視頻進行了重新組織來達到更好的效果。

　　由于MKV封裝格式本身具有眾多優(yōu)點，隨著互聯(lián)網(wǎng)和高清影片的流行，MKV格式得到了廣泛的應用，互聯(lián)網(wǎng)上越來越多的高清影片采用MKV格式。然而，MKV是一個由開源組織制定和推廣的標準，缺乏大商業(yè)公司的支持，導致MKV文件的播放缺乏一個完整和有效的設計實現(xiàn)。在性能和資源受限的嵌入式平臺上，這個問題尤為嚴重。雖然目前有很多高清播放機都提供了對MKV格式的支持，但是大部分實現(xiàn)方案都存在支持不完善、播放效率比較低的問題，播放高碼率的影片時會出現(xiàn)不流暢、畫面卡頓等問題，影響觀看效果。本文提出了一種基于SMP8*平臺的MKV播放器的設計與實現(xiàn)方案，并針對嵌入式系統(tǒng)的特點做了優(yōu)化，較好地達到了MKV文件流暢播放的要求。

　　2 硬件平臺和軟件總體設計

　　硬件平臺以SMP86 54芯片為核心，通過總線與RAM、SATA硬盤、Flash閃存、輸入輸出設備等外設相連。SMP86 54是Sigma Design公司推出的多媒體播放SoC解決方案，集成了一個強大的多媒體處理器、強健的內容保障系統(tǒng)、新的DDR2內存控制器、多個片上CPU以及完備的系統(tǒng)外圍設備接口。從媒體播放角度看，SMP86 54提供了一個完整支持高清晰度視頻解碼的先進解碼引擎，能夠支持對MPEGl、MPEG-2、MPEG-4、H.264、WMV9、VCl以及AVS等格式的硬件解碼，支持高效能的圖形加速，支持多標準音頻解碼和先進的顯示處理能力。Siena Design公司為方便第三方廠商開發(fā)應用，提供了與芯片相關的開發(fā)工具包和開發(fā)框架。本文的工作也基于這個框架進行二次開發(fā)。軟件平臺方面，由于一個完善的播放系統(tǒng)已經(jīng)相當復雜，不適合直接操縱底層硬件來完成功能，需要操作系統(tǒng)的支持。本項目中操作系統(tǒng)采用uclinux，文件系統(tǒng)采用Romfs。uclinux是專為嵌入式系統(tǒng)定制的一款Linux，它具有標準Linux操作系統(tǒng)的穩(wěn)定性、強大網(wǎng)絡功能等主要優(yōu)點，但是卻不像標準Li-nux那樣復雜，主要針對沒有MMU(內存管理單元)的微控制器。Romfs是一款專門為嵌入式系統(tǒng)設計的文件系統(tǒng)，體積小、可靠性好、讀取速度快，是嵌入式系統(tǒng)常用的文件系統(tǒng)。

　　媒體文件的播放流程一般包括如下幾個步驟：系統(tǒng)初始化、判斷文件類型、文件解析、設置硬件解碼器和音視頻解碼，其中文件解析和音視頻解碼是關鍵部分。由于SMP86 54集成了完善的音視頻硬件解碼器，解碼工作主要由硬件完成，我們只需將音視頻數(shù)據(jù)按要求送入相應的解碼緩沖區(qū)即可。整體的軟件架構如圖2所示。

　　3 系統(tǒng)關鍵技術設計和實現(xiàn)

　　3.1 MKV文件解析

　　MKV文件解析主要是對MKV格式的各個組成元素進行解析，以獲得必需的音視頻參數(shù)和媒體數(shù)據(jù)。MKV作為一種封裝格式，實際的視頻和音頻數(shù)據(jù)都被封裝到某一個子模塊中，要想獲得實際的數(shù)據(jù)，必須首先對文件進行解析，并且文件解析貫穿播放的全過程。能否有效并正確的解析，關系到讀取數(shù)據(jù)的準確性，進而影響播放的效果。MKV格式采用可變長編碼，能夠減少存儲空間，另一方面，也給解析帶來了新問題。

　　MKV文件格式建立在EBML(Extensible Binary MetaLanguagel基礎上，EBML是一種類似于XML格式的可擴展二進制元語言，使用可變長度的整數(shù)存儲，以節(jié)省空間。EBML的基本結構是典型的TLV結構，有三部分組成：

　　ID標志屬性類型，size為后面data部分的大小，data部分為ID所標識屬性的實際數(shù)據(jù)，ID和size均為可變長編碼的整數(shù)。整數(shù)的長度為length=1+[number of leading zero bits]。前面的零的個數(shù)最多為7個，即最多能表示56個比特的整數(shù)。文件中不允許出現(xiàn)大于56比特的數(shù)。

　　MKV文件格式的顯著特點是模塊化、結構化存儲。每一個高一級的元素由若干次一級的元素組成，直至最基本的組成元素，每個元素都是一個TLV結構。一個標準的MKV文件有兩部分組成：EBML Header和Segment。EBML Header由EBMLVersion、DocType等子元素組成，包含了文件的版本、文檔類型等相關信息。Segment部分保存了媒體文件的視頻和音頻的實際數(shù)據(jù)，其data部分又可以分為SeekHead、Tracks、Cluster等若干子元素(表1)。所有元素的處理都可以按照一個統(tǒng)一的流程來進行。我們可以仿照TCP/IP協(xié)議分層的思想，對每一層的每個功能都用一個函數(shù)來完成，使用更底層的函數(shù)完成此項功能，并可被更高層的函數(shù)調用。文件解析時，從文件頂層開始，每當上一級的元素解析到有某個子元素時，調用此函數(shù)進行次一級的解析，依次直至文件結束，即可完成對文件的解析處理。整個MKV的解析調用過程如圖3所示。Hea-der Parse和Segment Parse為文件最上層的元素解析函數(shù)，Cluster Parse、Tracks_Parse等為次一級組成元素的解析函數(shù)。ebml_read_ele-ment_idebml read element length為最底層基本組成元素的解析函數(shù)。

　　3.2 設置硬件解碼器音視頻核心參數(shù)

　　Tracks用來描述文件中包含的每一路多媒體流的信息。一路多媒體流用一個TrackEntry描述，所有的track都要在一個Tracks中進行描述。一個TrackEntry主要包含：TrackNumber(判定屬于哪一路流的ID)、TrackType(video、audio或者su^itle)、TimeScale(時間戳單位)、CodecID(編碼格式);CodecPrivate(不同的編碼格式所需的私有數(shù)據(jù))等;對于視頻，還包含以下信息：PixelWidth、PixelHeight等。對于音頻，track還包含以下信息：channels、Sampling Frequency等。這些是關于音視頻能否正確解碼播放的關鍵參數(shù)，需要在解析時獲得，然后通過硬件操縱函數(shù)設置。

　　Cluster包含實際的數(shù)據(jù)，一個Cluster塊，通常是幾秒鐘時間跨度的媒體數(shù)據(jù)，一個文件有數(shù)以千計的Cluster。每個Cluster又有若干個BlockGroup。根據(jù)Cluster和BlockGroup的起始pts和持續(xù)時間，可以計算出當前Block的實際pts。PTS是用來確定播放時間的重要數(shù)據(jù)，也是音視頻同步的關鍵信息。這部分信息要在送入視頻或音頻數(shù)據(jù)的同時設置硬件解碼器。

　　3.3 性能優(yōu)化

　　MKV封裝的影片通常為高清影片，分辨率在1920×1080，即使采用H.264等先進編碼格式，碼率依然非常高。同時，MKV支持可變碼率，可變碼率能夠減少文件的體積，但是劇烈波動的碼率會使播放不能流暢進行。在高清文件中碼率一般在10～30M/ps之間，最高可達60Mp/ s，如此高的碼率，如果不做特殊處理，播放時很容易出現(xiàn)卡頓，播放不流暢等問題。為解決這個問題，我們從兩方面考慮。

　　在解析方面，解析的效率關系到能否盡快將數(shù)據(jù)讀入緩沖區(qū)，如果處理時間過長，造成一段時間內緩沖區(qū)為空，這時候就會出現(xiàn)卡頓。 MKV文件中通常包含一路視頻、多路音頻和多路字幕，播放時只選中其中一路音頻和一路字幕，其他路的數(shù)據(jù)可以被視為無效數(shù)據(jù)。在解析時，可以根據(jù)Block頭的標記判斷出這路數(shù)據(jù)是當前播放需要的有效數(shù)據(jù)還是無效數(shù)據(jù)。如果是有效數(shù)據(jù)，則繼續(xù)解析，并將音視頻數(shù)據(jù)送入緩沖區(qū)，如果是無效數(shù)據(jù)，不進行解析，直接移動文件指針到下一個Block，這樣可大大加快文件解析和數(shù)據(jù)讀取速度。

　　在播放方面，通常播放時的處理流程是讀取一幀數(shù)據(jù)，然后送入硬件解碼器，等到收到硬件解碼器為空的信號，再讀取下一幀的數(shù)據(jù)。如果是處理低碼率文件的播放，這樣做不會有問題，但是當文件分辨率比較高，碼率比較高時，解析讀取時問和解碼時間都會增加，這樣做就會造成卡頓。為解決這個問題，我們在內存中設計了一個緩沖FIFO，相當于一個滑動窗口(圖4)，緩沖區(qū)可以存放若干個幀(一幀就是一個Block，根據(jù)幀的大小緩沖區(qū)存放的個數(shù)不等)。當緩沖區(qū)未滿時，讀取文件中的一個Block并解析，然后將實際數(shù)據(jù)到緩沖區(qū)的隊尾。當發(fā)現(xiàn)硬件緩沖區(qū)空閑時，將FIFO隊首的數(shù)據(jù)從內存直接送入硬件緩沖區(qū)，不需要再去讀取文件。由于緩沖區(qū)中有多個幀，能夠提供一定的緩沖，這樣在碼率波動時就仍然能夠及時提供數(shù)據(jù)，避免出現(xiàn)硬件緩沖區(qū)為空造成的卡頓，播放不流暢等問題。

　　4 結語

　　本文詳細介紹了MKV封裝格式的特點。并基于SMP86 54提出了一種MKV播放器的設計與實現(xiàn)方案，經(jīng)驗證，能夠達到對高清MKV文件的流暢播放，并已經(jīng)實際應用到產(chǎn)品上。接下來將做進一步研究，在MKV播放器的基礎上，設計一種針對多種封裝格式的通用媒體播放器框架，將FLV、FLAC等其他格式也融合進來，并提供較好的可擴展性，方便后續(xù)擴充其他的封裝格式。