早在1982年，为了统一全世界数字电视制式，前国际无线电咨询委员会(CCIR)提出了全数字演播室标准——CCIR 601建议书(因CCIR后来被合并为国际电信联盟ITU下属的无线电通信委员会，简称ITU-R，因此该建议书相应改为ITU-R BT.601)，它规定了演播室分量视频信号的编码参数，也即对亮度信号采用13.5MHz取样，而对两个色差信号分别采用6.75MHz取样，由此形成 4:2:2的样点结构，并规定了取样点位与模拟视频信号的同步定位关系。然而，为了保证演播室视频设备间的有效对接，ITU-R又根据美国电影电视工程师 协会(SMPTE)和欧洲广播联盟(EBU)基于ITU-R BT.601制订的相关传输标准(SMPTE 125M和EBU Tech 3267)进一步制订了用于规范演播室数字视频传输的国际标准ITU-R BT.656。
ITU-R BT.656标准要求视频数据流结构要最大限度地满足全世界“525行/59.94Hz”和“625行/50Hz”两大扫描体系，进而明确规定了在对这两 大扫描体系的视频信号进行数字化时其行、场消隐的时间基准;规定了视频数据流可有并行及串行两种形式，进而分别给出了8比特视频数据在并行传输及串行传输 时的具体格式、串行传输时的比特顺序(先传低位，后传高位);还给出了同步脉冲信号的频率及方波宽度、脉冲沿抖动等具体参数。ITU-R BT.656的最新接口标准支持10比特精度的数字视频信号，当用于传送8比特数据时，需在最低位加两个零。
Rec.656标准规定演播室数字视频设备的物理接口使用11对双绞线的25针“D”型接插座(其中10对线用于传输10比特的并行数据，第 11对线用于传输27MHz的时钟;另有1对线用于系统地，1根线用于电缆屏蔽地)。在传输时以数字视频信号的样值为单位，按 Cb，Y，Cr，Y，Cb，Y，⋯⋯的顺序将各比特并行传输，位速率为27Mbps。在每一电视有效行的开始前和结束时，分别有4比特的有效视频起始标志 SAV(Start of Active Video)和有效视频结束标志EAV(End of Active Video)。整个数字有效行包括720个亮度字和720个色度字(Cb，Cr各360个)。由于数字分量信号的EAV和SAV已含同步信息，因而无需再 传送同步信号，在行、场消隐期间可传送数字音频信号和其它辅助数据。图1给出了ITU-R BT.656规定的视频数据流的构成，图中AB为控制字节(Control Byte)，由值1、F、V、H和4个误码检测及校正位组成。
有效视频(Active Video)部分由720个Y、360个Cb和360个Cr(共计1440个样点)组成，而整个视频帧结构除了这1440个有效视频样点值外，还包括NTCS制258字节或PAL制280字节的水平消隐(EAV和SAV代码之间的空间)以及垂直消隐(V=1对应的空间)。
SDI实际上就是把ITU-R BT.656规定的10比特数据字的各个比特以及相应的数据通过单一通道顺序传送(串行传送)，因此并串转换后形成的串行数字信号的数据率很高，达到270Mbps(相对于4:2:2取样的D1格式分量视频)。
在传送前，需对原始视频数据流进行扰频，即将输入数字信号除以多项式X9+X4+1，然后再进行倒置，用多项式X+1除扰频后的数字流，形成 NRZI码，以确保在接收端可靠地恢复原始数据。这个过程从性质上说可理解为一种基带信号调制，其标准为SMPTE 259M和EBU Tech 3267，除了对上述基于ITU-R BT.601标准的4∶2∶2结构的数字分量视频外，还包括了含数字音频在内的数字复合视频，其中对PAL制数字复合视频的最高传输码率为 177.3Mbps(D2格式复合视频)，对NTSC制数字复合视频的最高传输码率为143.2Mbps(D2格式复合视频)。图2为SDI采用加扰的不 归零倒置码进行传输的示意。SDI信号用单根同轴电缆传送，最长传输距离约为300米。