请求详解MPEG2 TS（Transport Stream）字节结构、音视频负载机制并附示例

我来帮你把MPEG-2 TS的字节结构拆得明明白白，再给你实打实的字节示例，这样你就能把轨道信息的逻辑彻底搞懂！

先敲个重点：每个TS包固定188字节，开头是0x47同步字节，剩下187字节由可变长度头部（4-16字节） + 负载数据组成。

一、TS包头部：必懂的基础字段 #

头部紧跟同步字节，核心字段按顺序拆解：

• 传输错误指示（1bit）：0代表包无错误，1表示包损坏（直接跳过即可）
• 有效负载单元起始指示（1bit）：1意味着负载开头是新的PES/PSI表起始（比如PAT/PMT的开头），0则是上一个数据的续传
• 传输优先级（1bit）：1标记高优先级流，0为普通优先级
• PID（13bit）：最关键的字段！用来区分不同类型的流：
  • 0x0000 = PAT表（节目关联表，找PMT的入口）
  • 0x0001 = CAT表（条件访问，用于加密流）
  • 0x0002-0x000F = 系统预留PID
  • 其他PID对应PMT、音视频PES流等
• 传输加扰控制（2bit）：00未加密，01/10加密（对应不同密钥），11未定义
• 自适应字段控制（2bit）：决定头部是否包含自适应字段：
  • 01：仅基础头部（固定4字节，最常见）
  • 11：基础头部+自适应字段（头部长度=4+自适应字段长度）
  • 00/10：很少见，分别代表无负载/仅自适应字段
• 连续计数器（4bit）：同PID的包会从0-15循环计数，用来检测丢包

头部字节示例（基础4字节版） #

0x47 0x40 0x00 0x10

拆解细节：

• 0x47：同步字节，固定不变
• 0x40（二进制01000000）：错误指示0，有效负载起始1，优先级0，PID高5位00000
• 0x00：PID低8位00000000 → 完整PID=0x0000（对应PAT表）
• 0x10（二进制00010000）：加扰控制00，自适应字段控制01，连续计数器0000

二、负载里的音视频轨道信息：靠PSI表传递 #

这里要澄清一个误区：TS包的负载不会直接存储轨道信息，而是通过PSI（节目特定信息）表来描述，核心是PAT和PMT两个表：

1. PAT表（PID=0x0000）：找到PMT的入口 #

PAT的作用是告诉我们：每个节目对应的PMT表用的是哪个PID。

PAT完整TS包示例（简化核心部分） #

0x47 0x40 0x00 0x10  // 同步字节+头部（有效负载起始=1，PID=0x0000）
0x00 0x00 0x01 0x00 0x00 0x00 0x00 0x0A  // PAT表起始：表ID=0x00，section长度=0x000A（实际10字节）
0x00 0x01  // 节目号=0x0001（第一个节目）
0xE0 0x01  // PMT的PID=0x0001（高2位是固定标识，去掉后为0x0001）
0x00 0x00  // CRC校验码（简化示例）
// 剩余字节为填充数据（凑满188字节）

2. PMT表（PID由PAT指定）：音视频轨道的详细清单 #

PMT是核心，里面会列出当前节目下所有音视频流的PID，以及对应的编码类型：

PMT完整TS包示例（简化核心部分） #

0x47 0x40 0x01 0x11  // 同步字节+头部（有效负载起始=1，PID=0x0001，连续计数器=1）
0x02 0x00 0x10 0x00 0x00 0x00 0x00 0x16  // PMT表起始：表ID=0x02，section长度=0x0016（实际22字节）
0x00 0x01  // 节目号=0x0001（和PAT对应）
0xE0 0x10  // PCR时钟参考的PID=0x0010（通常和视频流PID一致）
0x00 0x00  // 节目信息长度=0（无额外描述）
// 第一个流（视频）：
0x1B  // 流类型=0x1B（H.262/MPEG-2视频，最常用）
0xE0 0x10  // 视频流PID=0x0010
0x00 0x00  // ES信息长度=0（无额外编码参数）
// 第二个流（音频）：
0x03  // 流类型=0x03（MP2音频）
0xE0 0x11  // 音频流PID=0x0011
0x00 0x00  // ES信息长度=0
0xXX 0xXX 0xXX 0xXX  // CRC校验码
// 剩余字节为填充数据

常见流类型对应：

• 0x1B：H.262/MPEG-2视频
• 0x1E：H.264视频
• 0x10：AAC音频
• 0x03：MP2音频
• 0x01：MPEG-1视频

三、实际音视频负载：PES包 #

当你拿到视频/音频流的PID（比如上面的0x0010），对应的TS包负载就是PES（分组 Elementary Stream）包，PES开头有自己的头部（包含时间戳PTS/DTS），后面才是真正的音视频编码数据：

PES包起始示例 #

0x00 0x00 0x01 0xE0  // PES起始码前缀（固定0x000001）+ 流ID=0xE0（视频流）
0x00 0x0C  // PES包长度=12字节
0x80 0x80  // PES头部标志：标记PTS/DTS存在
0x05  // PES头部长度=5字节
0x21 0xXX 0xXX 0xXX 0xXX  // PTS时间戳（5字节，用于音视频同步）
// 后面就是H.262编码的NAL单元数据

四、快速上手小技巧 #

• 用工具辅助分析：比如tsduck（命令行工具，tsdump可直接解析TS包每个字段），或者Elecard Stream Eye（可视化分析工具）
• 自己生成测试文件：用ffmpeg生成极简TS流，比如ffmpeg -i input.mp4 -c:v mpeg2video -c:a mp2 output.ts，然后用十六进制编辑器打开对照结构

内容的提问来源于stack exchange，提问作者Manobendronath Biswas