目录
1.目的
MPEG2 PS (ISO 13818 Part 1 Program Stream) 是主流的音视频数据封装方式之一，广泛应用于 DVD 等多媒体文件的存储环节，PS主要使用在GB28181中。PS的定义复杂灵活，为了方便在监控方面的应用，本文档在其框架内定义了一个子集，在保证通用性的基础上有利于系统功能实现，同时也针对应用需求定义了扩展方式。
本文档描述PS流封装与解封装库的语法定义。本文档预期的读者为项目管理人员、项目经理、系统设计和开发人员、测试组成员以及系统评审人员。
2.术语定义
- PS: Program Stream，mpeg2 第一部分定义的节目流。
- TS: Transport Stream, mpeg2 第一部分定义的传输流。
- RTP: Real-time Transport Protocol, 实时传输协议。
- PES: Packetized Elementary Stream, 封装元素流，PS数据的基本单位。
- GOP: Group Of Picture, 图像组，一般指I帧及其后面依靠该I帧解码的其他帧。
- NAL: Network Abstraction Layer, 网络适配层，H.264 定义的一个元素结构层次，包括编码数据和参数集信息等。
- VCL: Video Coding Layer, 视频编码层，H.264 定义的一个元素结构层次，只包括编码数据。
- IDR: Instantaneous Decoding Refresh，解码器立即重刷新。
- IVS: Intelligence Video Surveillance，智能视频监控
3.PS语法结构
PS 流封装标准的总体设计包括实现功能所需的元素流层次结构设计、PS流封装标准设计及各元素流的封装规则设计。
3.1 元素流层次结构设计
元素流层次结构设计包括 MPEG4（本文特指MPEG-4 Part 2 SP/ASP），标准H.264（本文特指码流语法完全符合MPEG-4 Part 10 H.264 AVC定义的元素流），标准H.265，各种定长帧音频及其他流式私有数据的结构设计。
3.1.1 MPEG4流的结构
MPEG4流以 0x00 00 01 起始码为标志分割成若干处理单元，其一般顺序为
| 名称 | 简称 | 起始码 |
|---|---|---|
| Visual Object Sequence | 简称VOS | 起始码 0x00 00 01 b0 |
| Visual Object | 简称VO | 起始码 0x00 00 01 b5 |
| MPEG4 Video Header Object | 简称MVHO | 起始码 0x00 00 01 00 |
| Video Object Layer | 简称VOL | 起始码 0x00 00 01 20 |
| MPEG4 Header UD | 简称MHUD | 起始码 0x00 00 01 b2 |
| Video Object Plane – I Frame | 简称VOP | 起始码 0x00 00 01 b6 |
| Video Object Plane – other Frame | 简称VOP | 起始码 0x00 00 01 b6 |
| Video Object Plane – other Frame | 简称VOP | 起始码 0x00 00 01 b6 |
| Video Object Plane – other Frame | 简称VOP | 起始码 0x00 00 01 b6 |
| ...... |
在进行PS封装时，最基本的处理单元是Video Object Plane，即视频帧。I帧之前的参数集数据与I帧合并到一个单元处理。
3.1.2 H.264流的结构
标准 H.264 流以 0x00 00 00 01 起始码为标志分割成若干单元，称之为Network Abstraction Layer unit，缩写NALu，其一般顺序为
| 名称 | 简称 | 起始码 |
|---|---|---|
| (如果出现) Access Unit Delimiter | 简称AUD | 起始码 0x00 00 01 09 |
| Sequence Parameter Set | 简称PPS | 起始码 0x00 00 01 67 |
| Picture Parameter Set | 简称SPS | 起始码 0x00 00 01 00 |
| Slice 0 of IDR Picture | 起始码 0x00 00 01 65 | |
| Slice 1 of IDR Picture | 起始码 0x00 00 01 05或01 | |
| ...... |
H.264标准可以将一帧图像分成多个Slice进行编码，每个Slice会输出一个NALu，例如对一幅图像进行两场编码，则有两个NALu。
注：H264只定义了怎么进行编码，并没有定义怎么存储比编码后的数据，存储h264编码后的方式有两种annex-b和avcc。Annex-b如上所示，用0x00000001标识起始，0x00000001标识下一个nalu的开始和上一个nalu的结束，如果编码本身出现了0x00000001，就使用防竞争码方式让编码不会出现0x00000001。AVCC用1-4个字节加在nalu前面表示nalu的长度，表示字节的个数需要单独指定，avcc这种方式在mp4格式中常见。对于编码出来的码流，一般都是annex-b方式。
3.1.3 H.265流的结构
标准 H265 同 H264 多数语法，在 I 帧前后多一种 VPS 参数集。
3.1.4 定长音频帧和其他流式私有数据的结构
定长音频帧和其他流式私有数据的结构本文中不做具体规定，但要求其中不出现 0x000001 形式的伪起始码。视为流式私有数据传输。流式私有数据结构在智能数据交换文档中规定。
4.PS流封装标准
PS流的基本结构如下
一个PS流或者文件可以视为多个 PS GOP，每个GOP是以I帧起始的多帧集合，各GOP之间的信息没有相互依赖性，可以进行剪切拼接。一个PS GOP由一个或多个PS包组成，一个PS包内包含一个PSH(PS Header)和若干个PES包，每个PS GOP的第一个PS包应当在包头PSH后立即跟随一个PSM包。PSM包是一种特殊的PES包，含有对其他PES负载数据类型的描述。PS包内的其他PES的出现顺序和内容没有特殊约束，即一个PS包内可以包含交错出现的视频、音频和私有流等PES包，各PES包根据PSM的描述进行拆分。对各种数据类型的PS封装规则见后续内容。
4.1 PSH结构
PSH (Program Stream pack Header)是PS包的包头，主要包含系统时间信息。常用的PSH的语法定义如下：
PSH中字段的语义定义
| 字段 | bit | 说明 |
|---|---|---|
| marker_bit | 1 | 其值为‘ 1’ 。 |
| pack_start_code | 32 | 为0x000001BA，标识包的起始。 |
| pack_stuffing_length | 3 | 指示跟随此字段的填充字节数。 |
| program_mux_rate | 22 | 指示包期间 P-STD 接收节目流的速率，其中该节目流包含在包中。 program_mux_rate 值以 50 字节/秒为度量单位。0 值禁用。 |
| stuffing_byte | 8 | 此为等于0xFF的固定 8 比特值，可以由编码器插入，例如满足信道的要求。它由解码器丢弃。在每个包头中，应存在不多于 7 个的填充字节。 |
| system_clock_reference_base system_clock_reference_extension |
33 9 |
系统时钟参考（ SCR）为分成两部分编码的 42 比特字段。第一部分，system_clock_reference_base 为 33 比特字段，其值由公式 5-1中给出的 SCR_base (i)给出。第二部分，system_clock_reference_extension，为 9 比特字段，其值由公式 5-2 中给出的 SCR_ext (i)给出。 SCR 指示在节目目标解码器的输入端包含system_clock_reference_base 最后比特的字节到达的预期时间。 SCR_base(i) = ((system_clock_frequency * t(i))DIV300)%2^33 (5-1) SCR_ext(i) = ((system_clock_frequency * t(i))DIV300)%300 (5-2) 我们精度要求没有这么高，system_clock_reference_extension设置为0即可。 |
需要注意的是，PSH主要包含了系统同步时间，MPEG2 part 1并没有定义PSH与其后数据之间的必然关系。虽然PSH是一个PS包的包头，但PSH本身并不包含PS包负载数据的内容和长度信息，这些信息存在于作为PS包负载的PES包内，一个PS包内包含的PES包个数、类型和长度没有限制。也就是说，一个PS流文件只需要有头上一个PSH，后面的视频、音频和私有数据PES包可以交错排列。但是作为系统同步的需要，PSH应当以一定的频率在流中出现，I帧前必须有PSH，P/B帧前要有PSH。
PSH示例如下图：
4.2 system Header 系统头
PS System Header，节目流系统标题，一般属于PSH头部后携带的扩展。
系统头中字段的语义定义
| 字段 | bit | 说明 |
|---|---|---|
| system_header_start_code | 32 | 为0x000001BB，标识系统头的起始。 |
| header_length | 16 | 指示跟随 header_length 字段后的系统头的长度，以字节为单位。 |
| rate_bound | 22 | rate_bound 为大于或等于在任意节目流包中编码的 program_mux_rate 字段的最大值的整数值。它可供解码器使用来评估它是否有能力解码该完整流。 |
| audio_bound | 6 | audio_bound 为 0 到 32 闭区间内的一个整数，在解码过程同时被激活的节目流中，它被设置为大于或等于 ISO/IEC 13818-3 和 ISO/IEC 11172-3 音频流最大数的整数值。出于本子节的目的， 规定只要 STD 缓冲器非空或者只要显示单元正在 P-STD 模型中显示， ISO/IEC 13818-3 或 ISO/IEC11172-3 音频流的解码处理就被激活。 |
| fixed_flag | 1 | 置于‘ 1’时指示固定的比特速率操作。置于‘ 0’时指示可变比特速率操作。固定的比特速率操作期间，在该多路复用的 ITU-T H.222.0 建议书 ISO/IEC 13818-1 流中，所有 system_clock_reference 字段中的编码值应依从以下线性方程： SCR_base(i) = ((c1 × i + c2) DIV 300) % 2^33 (5-3) SCR_ext(i) = ((c1 × i + c2) DIV 300) % 300 (5-4) 其中： c1 为对所有 i 有效的实值常量, c2 为对所有 i 有效的实值常量, i 为该流中包含任意 system_clock_reference 字段最后比特的字节在 ITU-T H.222.0 建议书 ISO/IEC 13818-1 多路复用流中的索引号。 |
| CSPS_flag | 1 | 其值置于‘ 1’ ，则节目流满足 2.7.9 中规定的限制。 |
| system_audio_lock_flag | 1 | 指示音频采样速率和系统目标解码器的 system_clock_frequency 之间存在特定的常量比率关系。 system_clock_frequency 在子节 2.5.2.1 中定义，音频采样速率在 ISO/IEC 13818-3 中指定。 system_audio_lock_flag 可以设置为‘ 1’ ，仅当对于节目流的所有音频基本流的所有显示单元而言， system_clock_frequency 与实际音频采样速率的比例 SCASR，为常量并等于下表中音频流所指示的标准采样速率所规定的值。  |
| system_video_lock_flag | 1 | 指示视频时间基和系统目标解码器的系统时钟频率之间存在特定的常量比率关系。 system_video_lock_flag 可以设置为‘ 1’ ，仅当对于 ITU-TH.222.0 建议书 ISO/IEC 13818-1 节目的所有视频基本流的所有显示单元而言， system_clock_frequency 与实际视频时间基的比例为常量值。 对于 ISO/IEC 11172-2 和 ITU-T H.262 建议书 ISO/IEC 13818-2 视频流，如果 system_video_lock_flag 设置为 '1'， system_clock_frequency 与实际视频帧速率的比例 SCFR，为常量并等于下表中对视频流所指示的标准帧速率所规定的值。 对于 ISO/IEC 14496-2 视频流，如果 system_video_lock_flag 设置为 '1'， ISO/IEC 14496-2 视频流的时间基， 由 vop_time_increment_resolution 规定， 锁定为 STC 并精确地等于 N 倍的 system_clock_frequency 除以 K，其中整数 N 和 K 在每个可视目标序列中有固定的值， K 大于或等于 N。 对于 ITU-T H.264 建议书 ISO/IEC 14496-10 视频流， AVC 时间基的频率由 AVC 参数 time_scale 规定。如果对于 AVC 视频流， system_video_lock_flag 设置为 '1' ，则 AVC 时间基的频率锁定为 STC 并精确地等于N 倍的 system_clock_frequency 除以 K，其中整数 N 和 K 在每个可视目标序列中有固定的值， K 大于或等于 N。   该比例 SCFR 的值是精确的。在标准速率为每秒 23.976、 29.97、 59.94 帧的情况中，实际帧速率与标准速率略有差别。 |
| video_bound | 5 | 在 0 到 16 的闭区间内取值，在解码过程同时被激活的节目流中，它被设置为大于或等于视流的最大数的整数值。对于本小节来说，规定只要 P-STD 模型中的一个缓冲器非空，或者只要显示单元正在 P-STD 模型中显示，视频流的解码处理就被激活。 |
| packet_rate_restriction_flag | 1 | 若 CSPS 标志设置为‘ 1’ ，则 packet_rate_restriction_flag 指示适用于该包速率的那些限制。若 CSPS 标志置于‘ 0’值，则 packet_rate_restriction_flag 的含义未确定。 |
| reserved_bits | 7 | 此 7 比特字段由 ISO/IEC 保留供未来使用。除非由 ITU-T |
| stream_id | 8 | 指示以下P-STD_buffer_bound_scale 和 P-STDP-STD_buffer_size_bound 字段所涉及的流的编码与基本流编号。 若 stream_id 等 于 ‘ 1011 1000 ’， 则 跟 随 stream_id 的 P-STD_buffer_bound_scale 和P-STD_buffer_size_bound 字段涉及节目流中的所有音频流。 若 stream_id 等 于 ‘ 1011 1001 ’， 则 跟 随 stream_id 的 P-STD_buffer_bound_scale 和P-STD_buffer_size_bound 字段涉及节目流中的所有视频流。 若 stream_id 取任何其他值，则它将是大于或等于‘ 1011 1100’的字节值并将解释为涉及依照表 2-22的流编码和基本流编号。 节目流中存在的每个基本流应有其 P-STD_buffer_bound_scale 和 P-STD_buffer_size_bound， 在每个系统头中通过此机制确切地一次指定。 |
| P-STD_buffer_bound_scale | 1 | 指 示 用 于 解 释 后 续P-STD_buffer_size_bound 字段的标度因子。若前导 stream_id 指示音频流，则 P-STD_buffer_bound_scale 必有‘ 0’值。若前导 stream_id 指示视频流，则 P-STD_buffer_bound_scale 必有‘ 1’值。对所有其他流类型，P-STD_buffer_bound_scale 的值可以为‘ 1’或为‘ 0’ 。 |
| P-STD_buffer_size_bound | 13 | P-STD_buffer_size_bound 为 13 比特无符号整数，规定该值大于或等于节目流中流 n 的所有包上的最大 P-STD 输入缓冲器尺寸 BSn。若 P-STD_buffer_bound_scale 有‘0’值，那么 P-STD_buffer_size_bound 以 128 字节为单位度量该缓冲器尺寸限制。 若 P-STD_buffer_bound_scale 有‘ 1’值，那么 P-STD_buffer_size_bound 以 1024 字节为单位度量该缓冲器尺寸限制。 |
SCASR对应表：
| 标准音频采样率(kHz) | 16 | 32 | 22.05 | 44.1 | 24 | 48 |
|---|---|---|---|---|---|---|
| SCASR | 27000 0000 -------------- 16000 |
27000 0000 -------------- 32000 |
27000 0000 -------------- 22050 |
27000 0000 -------------- 44100 |
27000 0000 -------------- 24000 |
27000 0000 -------------- 48000 |
SCFR对应表：
| 标准帧速率(Hz) | 23.976 | 24 | 25 | 39.97 | 30 | 50 | 59.94 | 60 |
|---|---|---|---|---|---|---|---|---|
| SCFR | 1126125 | 112500 | 1080000 | 900900 | 900000 | 540000 | 450450 | 45000 |
4.3 PSM包结构
节目流映射 PSM 提供节目流中基本流的描述及其相互关系。作为一个PES分组出现。
节目流映射中字段的语义定义
| 字段 | bit | 说明 |
|---|---|---|
| packet_start_code_prefix | 24 | 同跟随它的 map_stream_id 一起组成包起始码标识包的始端。 packet_start_code_prefix 为 0x000001。 |
| map_stream_id | 8 | 值为 0xBC。 |
| program_stream_map_length | 16 | 指示紧随此字段的program_stream_map 中的字节总数。此字段的最大值为 1018（ 0x3FA）。 |
| current_next_indicator | 1 | 置‘ 1’时指示发送的节目流映射为当前有效。该比特置‘ 0’时，它指示发送的节目流映射尚未有效并且下一个节目流映射表将生效。建议设置为'1'。 |
| program_stream_map_version | 5 | 整个节目流映射的版本号。每当节目流映射的定义改变时，该版本号必须增 1 模 32。 current_next_indicator 置为‘ 1’时， program_stream_map_version 应是当前有效的节目流映射的版本。 current_next_indicator 设置为‘ 0’时， program_stream_map_version 应是下一个有效的节目流映射的版本。 |
| program_stream_info_length | 16 | 指示紧随此字段的描述符的总长。 |
| marker_bit | 1 | 1 |
| elementary_stream_map_length | 16 | 指示在此节目流映射中所有基本流信息的以字节为单位的总长度。它包括stream_type、 elementary_stream_id 以及elementary_stream_info_length 字段。 |
| stream_type | 8 | 指示依照下表的流类型。 stream_type 字段仅标识 PES 包中包含的基本流。 0x05 赋值被禁用。 |
| elementary_stream_id | 8 | 指示存储此基本流的 PES 包的 PES 包头内的 stream_id 字段的赋值。 |
| elementary_stream_info_length | 16 | 指示紧随此字段的描述符长度，以字节为单位。 |
| CRC_32 | 32 | 包含整个节目流映射处理后附件 A 定义的解码器中给出寄存器零输出的 CRC值。 |
流类型表：
| 值 | 描述 |
|---|---|
| 0x00 | ITU-T ISO/IEC 保留 |
| 0x01 | ISO/IEC 11172-2 视频 (MPEG1) |
| 0x02 | ITU-T H.262 建议书 ISO/IEC 13818-2 视频或 ISO/IEC 11172-2 受限参数视频流 (MPEG2) |
| 0x03 | ISO/IEC 11172-3 音频 |
| 0x04 | ISO/IEC 13818-3 音频 |
| 0x05 | ITU-T H.222.0 建议书 ISO/IEC 13818-1 private_sections |
| 0x06 | ITU-T H.222.0 建议书 ISO/IEC 13818-1 PES 包含专用数据的 PES 包 |
| 0x07 | ISO/IEC 13522 MHEG |
| 0x08 | ITU-T H.222.0 建议书 ISO/IEC 13818-1 附件 A DSM-CC |
| 0x09 | ITU-T H.222.1 建议书 |
| 0x0A | ISO/IEC 13818-6 类型 A |
| 0x0B | ISO/IEC 13818-6 类型 B |
| 0x0C | ISO/IEC 13818-6 类型 C |
| 0x0D | ISO/IEC 13818-6 类型 D |
| 0x0E | ITU-T H.222.0 建议书 ISO/IEC 13818-1 辅助 |
| 0x0F | 具有 ADTS 传输句法的 ISO/IEC 13818-7 音频 （AAC） |
| 0x10 | ISO/IEC 14496-2 可视 (MPEG4) |
| 0x11 | 具有 LATM 传输句法的 ISO/IEC 14496-3 音频，如 ISO/IEC 14496-3 所规定 |
| 0x12 | PES 包中承载的 ISO/IEC 14496-1 SL 包式流或 FlexMux 流 |
| 0x13 | ISO/IEC 14496_ sections 中承载的 ISO/IEC 14496-1 SL 包式流或 FlexMux 流 |
| 0x14 | ISO/IEC 13818-6 同步下载协议 |
| 0x15 | PES 包中承载的元数据 |
| 0x16 | metadata_sections 中承载的元数据 |
| 0x17 | ISO/IEC 13818-6 数据转盘式磁带中承载的元数据 |
| 0x18 | ISO/IEC 13818-6 目标转盘式磁带中承载的元数据 |
| 0x19 | ISO/IEC 13818-6 同步下载协议中承载的元数据 |
| 0x1A | IPMP 流 （ ISO/IEC 13818-11, MPEG-2 IPMP 中规定） |
| 0x1B | ITU-T H.264 建议书 |
| 0x1C-0x7E | ITU-T H.222.0 建议书 ISO/IEC 13818-1 保留 (H265->0x24) |
| 0x7F | IPMP 流 |
注：H265的值定义为 0x24
4.4 PES结构
PES, Packetised Elementray Stream, 原始流分组。Elementary Stream, 原始流，指的是视频或音频压缩编码后产生的比特数据，而视频或音频原始流分别打包生成视频PES和音频PES。一个PES分组只包含一个原始流的编码数据。
节目流目录(PES)中字段的语义定义
| 字段 | bit | 说明 |
|---|---|---|
| packet_start_code_prefix | 24 | 同跟随它的 stream_id 一起组成包起始码标识包的始端。 packet_start_code_prefix 为比0x000001 。 |
| stream_id | 8 | 用来区分PES分组负载，例如，0xE0~0xEF表示负载为视频PES。stream_id定义如下（bit表示）： 1110 xxxx（0xE0~0xEF） 视频PES（我们使用0xE0） 110x xxxx（0xC0~0xDF） 音频PES（我们使用0xC0） 1011 1110（0xBE） 填充PES（填充数据为0xff） 1011 1111（0xBF） 不含时标数据的私有PES，不需要与其他流同步时使用 |
| PES_packet_length | 16 | 此字段后PES分组的字节数。‘0’表明对PES分组长度既没有说明也没有限制，这种情况只有在PES分组的有效负载是TS流分组中的视频原始流时才允许。 |
| PES_scrambling_control | 2 | 表示PES分组有效负载的加密模式，不加密时建议置0，否则置01，10和11保留。 |
| PES_priority | 1 | 指示PES分组负载的优先级。1高优先级，0低优先级。非参考帧（包括B帧和，E帧，P帧）应置0，其余帧置1。 |
| data_alignment_indicator | 1 | 置１表明此PES分组头部之后是data_stream_alignment_descriptor所定义的访问单元数据类型。若为‘０’，则没有定义是否对准。建议当是输入单元的第一个包时置1，其余置0。 |
| copyright | 1 | 置‘１’，表明相应PES分组的有效负载中的数据是有版权的，建议置0。 |
| original_or_copy | 1 | 建议置1。 |
| PTS_DTS_flag | 2 | 标志PES首部含有PTS, DTS的状态。‘1x’表明PES首部含有PTS,若为‘x1’, 则首部含有DTS。PTS, presentation_time_stamp, DTS, decoding_time_stamp, 建议置‘10’或‘00’。 |
| ESCR_flag | 1 | 置‘１’表示ESCR的base和extension字段都在PES分组首部出现；建议置0。 |
| ES_rate_flag | 1 | 置‘１’表示PES首部有ES_rate字段；建议置0。 |
| DSM_trick_mode_flag | 1 | 置‘１’表示PES首部有 8bit的trick_mode_field；建议置0。 |
| additional_copy_info_flag | 1 | 置‘１’表示有additional_copy_info字段；建议置0。 |
| PES_CRC_flag | 1 | 置‘１’表示在PES首部分组中有CRC字段；建议置0。 |
| PES_extension_flag | 1 | 置‘１’可选字段出现，当需要在每帧添加私有数据时建议置1，其余情况置0 |
| PES_header_data_length | 8 | 表示PES分组首部中可选字段和填充字节的总字节数。 |
| marker_bit | 1 | 1 |
| PTS | 33 | Presentation Time Stamp，表示该PES所包含的元素流单元的显示时刻。 |
| PES_private_data_flag | 1 | 置‘１’表示PES分组首部中含有私有数据；当需要在每帧添加私有数据时建议置1，其余情况置0 |
| pack_header_field_flag | 1 | 置‘１’表示一个ISO/IEC 11172组首部或程序流组首部存储在此PES分组首部，建议置0。 |
| program_packet_sequence_counter_flag | 1 | 置‘１’表示PES分组中有program_packet_sequence_counter和original_stuff_length字段。建议置0。 |
| P-STD_buffer_flag | 1 | 置‘１’表示PES分组首部中有P-STD_buffer_scale和P-STD_buffer_size字段；建议置0。 |
| PES_private_data | 128 | 128bit用户私有数据，见可用扩展字段说明。 |
| PES_extension_flag2 | 1 | 置‘１’表示出现PES_extension_field; 建议置0。 |
| stuffing_byte | 8 | 填充字节，根据标准编码其应当在此填入0xff，解码器端应当将这些字节抛弃。 |
需要注意的是，当对原始流进行PES分组，尤其是需要将一帧信息断开分成多个PES分组时，从第二个分组开始不需要PTS，PES_header_data_length和它前面的一个字节又都为0x00，很可能与后面断开的数据组合形成0x00 00 01等类似的伪起始码或关键字，令解码端在收到流不完整时产生误判，因此填充字节stuffing_byte至少必须加入1 byte以确保这种误判不会发生。
备注：PES Header长度由于是可变长度，可以简单用以下方法确认：PES Header长度=基本长度（9字节）+扩展长度（uface PS封装带PTS是7字节，不带PTS是3个字节）；基本长度（8字节的长度+1字节的PES扩展头字节数），扩展长度填充规则是，至少2字节，PES Header长度保持4字节对齐，PES分包后，只有首包含PTS。
5.元素流PS封装规则
5.1 H.264流封装规则
- 一个网络抽象单元（NALu）视为一个处理单元，编码器一帧编码后输出可能是多个处理单元；
- 除B帧外的帧输出的多个单元封装时应当在第一个单元头部添加PSH；
- 当一个NALu单元长度超过系统PES包长限制时，可以将该NALu分割成多个PES包，但每个PES包内不应当包含多于1个NALu的数据；
- 每个帧的第一个处理单元所封装成的第一个PES包包头应当带有PTS；
- 每个I帧封装时应当在PSH之后添加PSM；
- 当元素流的基本特性（编码格式，帧率，分辨率，场编码等）发生变化时，变化后的第一帧封装时必须在PSH之后添加PSM；
典型的H.264 I帧 PS包：
典型的H.264 P/B帧PS包：
5.2 音频元素流封装规则
- 在音视频同步时序条件允许的情况下，连续的一个或多个音频帧可以合并，每帧视为一个处理单元；
- 当音频帧长度不大于PES包负载或网络传输单元所能承受的最大长度时，建议将每个音频帧封装成一个单独的PES包；
- 每次处理的第一个音频帧所形成的第一个PES包头应当带有PTS，其余音频帧所形成的第一个PES包头建议带有PTS；
- 当系统不包含视频流时，PSH在流中出现的间隔应当小于1秒，PSM的出现间隔应当小于4秒；当音频参数（码率，采样率，声道数等）发生变化时，必须在变化后立即出现PSH和PSM。
典型的音频帧数据包：
6.参考资料
- ISO/IEC 13818-1 Information technology — Generic coding of moving pictures and associated audio information: Systems. Third Edition 2007
- Transport of AVC video data over ITU-T Rec-H222 0-ISO-IEC 13818-1 streams
- ISO/IEC JTC1/SC29/WG11 CODING OF MOVING PICTURES AND AUDIO
- ITU-T SERIES H: AUDIOVISUAL AND MULTIMEDIA SYSTEMS
- Infrastructure of audiovisual services – Coding of moving video
- Advanced video coding for generic audiovisual services
