1. 概要

AES 的三個標準采樣率是 32kHz、44.1kHz、48kHz，演播室應用優(yōu)先選擇48kHz 取樣且時鐘同步于視頻信號的音頻，本文為 48kHz 同步音頻。它同時提供2 個聲道的音頻數(shù)據(jù)，量化精度多采用 20 比特或者 24 比特，不僅僅能夠單獨的 傳輸單聲道或者立體音頻信息，同時也能夠附帶時鐘基準信號與相關(guān)輔助信息等。

2. 標準

AES 結(jié)構(gòu)如下圖所示。在 AES 中，音頻以通道對的形式存在。一個子幀包含有 32bits 數(shù)據(jù)排列在下面的格式中。2 個子幀構(gòu)成一幀，192 幀又構(gòu)成一塊。子幀是音頻編碼打包過程中最小的單位，下面具體分析子幀構(gòu)成。
子幀一共有 32 個時隙，前四個時隙 0-3 含有 3 個前置碼，分別是前置碼 X、

前置碼 Y 和前置碼 Z。

（1）前置碼 X：表示除第一幀以外剩下幀傳輸?shù)拈_始標志。

（2）前置碼 Y：表示一個通道對中第二個通道的子幀傳輸?shù)拈_始標志。

（3）前置碼 Z：表示由 192 個幀組成的音頻塊中的第一幀傳輸?shù)拈_始標志，每個塊有且只出現(xiàn)一次。

前置碼的作用是識別和同步音頻塊、音頻幀和子幀的。AES 音頻是采用雙相位標志編碼的，而前置碼則采用不同于雙相位標志編碼的特殊編碼方式以消除出現(xiàn)類似前置碼數(shù)據(jù)的狀態(tài)。這樣一來消除了相似數(shù)據(jù)代替前置碼而引發(fā)數(shù)據(jù)錯誤打包等混亂情況。提高了數(shù)據(jù)傳輸?shù)姆€(wěn)定性和安全性。

4-7 bit 四個時隙包含一些外加輔助信息，24bit 量化的編碼時就會用到這四位。輔助信息可以包含多方面內(nèi)容，比如一些質(zhì)量要求不高的額外音頻通話通道。如果不予以利用的話，只需直接置 0 即可。

8-27 bit 一共有 20 個時隙，從最低位 LSB 到最高位 MSB，這 20 位為純音頻數(shù)據(jù)，不含其它類型信息。

28-31 bit 為最后 4 個時隙，一個包含 4 個不同的狀態(tài)位。

用戶數(shù)據(jù)比特位 U：它是一種預留輔助位，使用者可以根據(jù)自身的設計要求使用此位，最大優(yōu)點是可以被隨意占用而不影響音頻傳輸。該位初始默認為 0，用戶也可以將自己公司信息用 U 表現(xiàn)出來。

聲道數(shù)據(jù)狀態(tài)比特位Ｃ：AES 是可以傳輸單聲道或者雙聲道音頻的。就雙聲道而言，任意單個音頻塊中的子幀 1 和子幀 2 的聲道狀態(tài)是各不相同的。C 一般囊括的信息有：左右聲道的數(shù)量，采樣頻率，時間編碼，取樣字的長度等。通常由 C 來表達通道的一些狀態(tài)信息

極性比特位 P：也被稱作奇偶校驗位，當音頻傳輸中出現(xiàn)誤碼時，它會對除前置碼以外所有數(shù)據(jù)進行校驗，一般情況下設置成指示偶數(shù)極性，指示偶數(shù) 0或偶數(shù) 1 的位數(shù)。

有效數(shù)據(jù)比特位 V：它是一種判斷指示標志位。系統(tǒng)判斷接收的數(shù)字音頻數(shù)據(jù)能不能轉(zhuǎn)換為 PCM 編碼的模擬音頻信號。若是可以轉(zhuǎn)化則該位置 1，反之置 0。置 0 時接收端將會自動將其屏蔽。

一個完整的子幀如下 所示。