Автоматизация выявления сбоев передачи данных в системах цифрового телевидения Текст научной статьи по специальности «Компьютерные и информационные науки»

УДК 621.391

АВТОМАТИЗАЦИЯ ВЫЯВЛЕНИЯ СБОЕВ ПЕРЕДАЧИ ДАННЫХ В СИСТЕМАХ ЦИФРОВОГО ТЕЛЕВИДЕНИЯ

А.Б. Токарев, А.А. Саликов, А.В. Муратов

Повышение качества функционирования систем цифрового телевидения требует периодического контроля соответствия передаваемой информации требованиям, предъявляемым к цифровому видеоконтенту. Для оперативного устранения проблем передачи данных необходим механизм выявления сбоев формирования видеоизображения. В статье предлагаются статистики, позволяющие автоматизировать обнаружение подобных сбоев

Ключевые слова: радиоконтроль, видеокадр, признаки сбоев формирования изображения

Введение

Активно развивающийся в последние годы процесс замены аналогового телевидения цифровым связан, в частности, с успехами развёртывания гибридных, или волоконно-коаксиальных сетей (англ. HFC — hybrid fibre-coaxial), в которых сочетаются коаксиальные и волоконно-оптические кабели, и с внедрением в практику новых стандартов передачи данных, подобных стандарту цифрового телевидения DVB, либо двустороннему, интерактивному стандарту DOCSIS. Используемое для передачи данных сетевое оборудование обязано функционировать в соответствии с протоколами DOCSIS, которые предусматривают инкапсуляцию всех имеющихся во входящем потоке данных в кадры MPEG-2. Эти кадры могут содержать реальные видео- и аудиоданные, которые, как правило, декодируются и представляют собой ТВ-изображения и звуковой сигнал; они могут содержать также данные, которые декодируются и представляют собой информацию для компьютера (т.е. информацию Интернет). На текущий момент активно используется второе поколение стандартов DVB, которое включает три основных транспортных стандарта, обслуживающих три главные транспортные среды - DVB-S2 (спутниковый), DVB-T2 (эфирный) и DVB-C2 (кабельный) [1].

В новом кабельном стандарте внутри одного физического канала предусмотрено выделение транспортных потоков, получивших название Physical Layer Pipe. PLP — это логический канал, который может переносить обычный поток MPEG-2 TS или использоваться для передачи IP с применением протокола

Токарев Антон Борисович - ВГТУ, д-р техн. наук, доцент, e-mail: TokarevAB@ircoc. vrn.ru, тел. 8(920)4665525

Саликов Александр Александрович - ВГТУ, аспирант, тел. 8 (950) 7621924

Муратов Александр Васильевич - ВГТУ, д-р техн. наук, профессор, тел. 8 (473) 243-77-30

Generic Stream Encapsulation (GSE). Стандарт DVB-C2 предусматривает весьма эффективное помехоустойчивое кодирование LDPC, позволяющее восстанавливать декодером поток данных даже при плотности ошибок в несколько процентов. Тем не менее, гарантировать, что каждый пользователь сети будет получать безошибочный, качественный с технических позиций видеоконтент проблематично. Для повышения надёжности системы необходим механизм выявления отказов в работе оборудования, который мог бы способствовать оперативному принятию мер по устранению наблюдаемых неполадок. В последующей части статьи приводятся рекомендации по формированию подобного механизма контроля качества получаемого пользователями цифрового видеосигнала.

Типы сбоев телевизионного изображения и способы их распознавания

Передаваемый в HFC-сетях видеоконтент представляет собой поток кадров видеоизображения, поэтому и распознавание сбоев передачи видеоданных осуществляется на основе анализа характеристик отдельных кадров изображения или их последовательности.

К примеру, появление черного или белого полей можно распознавать по единственному кадру изображения на основе оценки его средней яркости

1 W-1 H-1

pxl(k,£) (1)

B =

Ш

где В - оценка средней яркости изображения, Ж и Н - выраженные в пикселях ширина и высота изображения, рх1 (к,,) - массив элементов изображения, характеризующих яркость его отдельных пикселей. Принятие оценкой В значения ниже некоторого порога НЫск может служить признаком отображения черного поля, а выполнение условия В > Н^Ше при достаточно

высоком пороге указывает на отображе-

ние белого поля.

При статичной заливке экрана фоном другого цвета использовать подобное (1) распознавание не удаётся, однако ниже будет приведен способ диагностирования отсутствия реального видеоизображения, основанный на выявлении статичности отображаемых видеокадров.

Другим типовым вариантом некорректного видеоизображения, подлежащим автоматическому распознаванию, является «шумовая картинка», подобная представленной на рис. 1 слева. Для выявления подобных шумовых видеокадров может быть полезен двумерный спектр

Ш-1 Н-1

F (тп) = уу

к=0 1=0

рх1 (к, ¿) ■ е

„ , тк п^

- ]2п| -+-

1 Ш Н

(2)

Шумовым видеокадрам будет соответствовать спектр, содержащий дельта-функцию в начале координат и равномерно распределенную интенсивность прочих спектральных составляющих. Если исключить из рассмотрения эту дельта-функцию, приравняв F (0,0) = 0, и после этого рассчитать математическое ожидание абсолютной величины отсчетов спектра изображения

Мы =— ■уу №(т,п)| , (3)

ШН

Ш-1 Н-1

■ у у

т=0 п=0

то можно ожидать, что нормированная дисперсия модулей спектральных составляющих

1 ш-1Н -1 / ч2

Ш-1 Н -1

ц-=—Нг у у

шн м 1т=0

(|№(т, п)\ -Мщ |

(4)

для шумовых видеокадров будет близкой к нулю. И действительно, контроль близости к нулю статистики (4) позволяет уверенно отличать шумовые видеокадры (рис. 1, слева) от зашум-ленных, но всё же, формально, корректных изображений (рис. 1, справа).

Вместе с тем, практическая апробация статистики (4) продемонстрировала её уязвимость к некоторым типам изображений. Например, для кадра, представленного на рис. 2 слева её значение оказывается близким к нулю, несмотря на то, что само изображение является вполне информативным и высококачественным. Причиной подобного эффекта является насыщенность изображения мелкими, хаотично расположенными элементами. Раскиданные по траве осенние листья создают «шумовой ковёр», на который и реагирует статистика (4). При оценке же этого изображения человеком на первое место по значимости выходит пластмассовая фигурка в центре кадра, наличие которой статистика (4) игнорирует.

Доработка статистики может заключаться в разбиении кадра на отдельные фрагменты, анализируемые независимо. Шумовой кадр при этом распадётся на шумовые же фрагменты, по-прежнему, успешно классифицируемые при помощи (4), а фрагменты кадра, содержащие достаточно крупные, упорядоченные элементы изображения, будут при этом автоматически распознаны как полезное изображение. Таким образом, рекомендуемая к практическому использованию процедура выявления шумовых кадров изображения состоит в следующем: 1) кадр изображения разбивается на ЯС фрагментов, для каждого из которых независимо рассчитывается двумерный спектр

(с+1) ( Г+1)к-1

№с,г К П) = у у Рх1 (k, ¿) ■ е

к -см ¿=гк

. _ , т^к n■¿

- ]2я|-+ —

• к

(5)

(здесь • = Ш / С и к = Н / R - ширина и высота фрагментов изображения ) и статистика

-1 к-1

Ц

у у (|щс, г(m,п)| -М\РсА )

•к ■М,2

(6)

с, г

с, г

Рис. 2. Примеры «псевдошумового» и пограничного по качеству изображений

2) если хотя бы для одного из фрагментов кадра справедливо

D\Fc r ^ Hwhite _ noise , (7)

то кадр в целом считается несущим полезное изображение, и лишь при близких к нулю значениях статистики (6) для всех R C фрагментов кадр признаётся шумовым.

Возможным недостатком разработанного выше правила (7) может стать его способность считать «корректными» изображения, подобные представленным на рис. 2 справа. Вместе с тем подобные кадры и не являются формально «чисто шумовыми»; кроме того, чувствительность правила (7) к шумовым изображениям можно регулировать подбором порога принятия решения Hwhite noise .

Ещё одним вариантом сбоя видеоконтента в HFC-сетях является замирание телевизионного изображения. Причиной замирания может быть как приостановка потока данных, которая легко диагностируется без анализа содержимого видеокадров, так и неподвижность «картинки», транслируемой в телевизионную сеть.

Учитывая погрешности оцифровки, в последнем случае цифровые данные в разных видеокадрах не будут идентичны друг другу, поэтому для обнаружения замираний потребуется сравнивать изображения на соседних кадрах. Для этого можно рекомендовать вычисление взаимной корреляции изображений

Rn(k,l) =

1

WH

W-1 H-1

^^ M (m, n) ■ e

Л , mk nl /■2л| —+—

1 W H

m=0 n=0

(8)

где М(т, п) — Е1 (т, п) • F2* (т, п) - произведение комплексного спектра F1(m, п) первого изображения на величину комплексно-сопряженную спектру F2 (т, п) .

Признаком замирания изображения может служить выполнение условия

max R12(k ,l)

k,i 12

> HD

(9)

min { R(k,t), R(k,.t) }

где знаменатель берётся равным минимальному из автокорреляционных пиков сравниваемых изображений, а чувствительность алгоритма к замираниям определяется выбором порога HR .

Рис. 3. Статичные изображения при излишне длительном отображении свидетельствуют о неполадках в сети

Внедрение статистик для распознавания сбоев передачи цифрового видеоизображения

Описанные выше процедуры контроля качества видеоконтента хотя и не являются чрезмерно трудоёмкими, но всё же требуют заметных затрат временных и аппаратных ресурсов. Однако следует иметь в виду, что обсуждаемый контроль не требуется осуществлять непрерывно; тестирование каждого канала с интервалом в несколько секунд, как правило, обеспечивает вполне надёжное обнаружение сбоев передачи данных. Подобная периодичность позволяет не только обойтись при тестировании достаточно скромными аппаратными ресурсами, но и контролировать параллельно качество функционирования обширного набора каналов.

Учитывая унификацию потоков данных, предложенные выше процедуры контроля могут быть использованы как в системах кабельного фУВ-С2), так и эфирного фУВ-Т2) цифрового телевидения. Контроль эфирного канала предполагает при этом реализацию предложенных выше алгоритмов системами радиомониторинга, подобными описываем в [2]. В частности, компанией АО ИРКОС к настоящему моменту разработан и успешно внедряется в практику транспортируемый необслуживаемый комплекс автоматизированного контроля телевизионного и радиовещания АРК-ТВРВ. Этот комплекс обеспечивает не только контроль наличия информационной составляющей ТВ и РВ сигналов, но и запись демодули-рованных ТВ и РВ сигналов, одновременный контроль до 16 аналоговых и до 20 цифровых телевизионных и радиоканалов с регистрацией контента и параметров по заданным триггер-ным событиям, а также ряд специализированных измерений, нацеленных на поиск причин возникновения сбоев и их оперативное устранение.

Рис. 4. Внешний вид комплекса АРК-ТВРВ Литература

1. Цифровое вещание. Стандарты цифровых систем кабельного телевидения. Введение - Электрон. дан. - Режим доступа: http://5fan.ru/wievjob.php?id=6996.

2. Рембовский, А.М. Радиомониторинг: задачи, методы, средства / А.М. Рембовский, А.В. Ашихмин, В.А. Козьмин; под ред. А.М. Рембовского. - 3-е изд., пе-рераб. и доп. - М: Горячая линия-Телеком, 2012. - 640 с.

Воронежский государственный технический университет

AUTOMATION OF FAULT RECOGNITION IN DIGITAL TELEVISION NETWORKS

A.B. Tokarev, A.A. Salikov, A.V. Muratov

Improving the quality of functioning of digital television systems requires to control the parameters of transmitted video image periodically and to compare them with the requirements to digital video content. A mechanism is needed to detect the video frames formation failure and eventually to quick troubleshoot data transfer problems. The article offers some statistics that can automate the detection of such video data transfer faults

Key words: radio monitoring, video image, bad video frame indicator