（控制理论与控制工程专业论文）采用sip协议的voip研究.pdf

华中科技大学硕士学位论文 摘要 f 随着互联网的发展和人们对通信业务需求的增多，因特网上语奇通信( v o l p ) 越 来越受到人们的关注，对v o l p 的研究成为了计算机网络界的热点y 本文在“基于互 联网的网络通讯设备”项目背景下，系统地介绍了采用s i p 协议的语音通信( v o i p ) 。 本文首先从v o i p 的背景出发，介绍了v o i p 的原理和工作过程。v o l p 是以i p 分 组交换网络为传输平台，对模拟的语音信号进行编码压缩、打包等一系列的特殊处 理，使之可以采用无连接的u d p 协议进行传输。工怍过程分为，语音数据转换、编 码、传送、解码和数据语音转换五个阶段。接着介绍了课题的来源和目的。 通过对原理和工作过程的介绍，引出v o i p 系统和关键技术。v o l p 系统一般由以 下几个部分组成：终端，网关、关守，网管与监管系统、计费系统和数据库。v o l p 的关键技术包括：编码、信令协议和网络传输三项。编码、解码器将语音信号编码 压缩并将被压缩信号解码还原成语音信号；信令协议负责发起会话连接；网络传输 则负责传输媒体数据流。作者详细的介绍了几项关键技术的基本原理和发展状况， 并将现在流行的技术进行了比较。， 接着论述了v o l p 关键技术的实现。首先作者在文中给出了在p c 平台上用c + + 语言实现的语音采集与播放技术，用c 语言实现的g 7 2 9 编码器和解码器。接着具 体介绍了s i p 协议的结构、实体、报文和呼叫建立。仔细地描述了报文解析、用户 代理和有限状态机等重要内容的实现。然后，介绍了采用u d p 协议的网络传输技术。y 最后对论文进行了总结，并对v o i p 的发展做了展望，指出随着互联网技术的提 高，v o l p 将得到更大的发展，应用将更加普及。 关键词：语音；v o i p ；编码；s i p ；g 7 2 9 ；u d p 7 v 7 i 华中科技大学硕士学位论文 = ：= = = ；= = = = = ；= = = = ；= ；= = = = = = = 目= = = = = = = ；= = = = = 目= # a b s t r a c t w i t ht h ed e v e l o p m e n to ft h ei n t e r a c ta n dt h ei n c r e a s eo fp e o p l e s d e m a n d so f c o m m u n i c a t i o n ，p e o p l ep a y m o r ea n dm o r ea t t e n t i o nt ov o l p ( v o i c eo v e ri p ) r e s e a r c ho n v o l pb e c o m e sah o t s p o ti nc s t h i st h e s i si n t r o d u c e sv o l pu s i n gs i pb a s e do n t h ep r o j e c t o f c o m m u n i c a t i o nn e t w o r ke q u i p m e n tf o r n t e m e t b e g u nw i t ht h eb a c k g r o u n d o fv o i p , t h e o r ya n dw o r k i n gp r o c e s so fv o i pa r e d i s c u s s e d b a s e do ni n t e r a c t ，v o i c es i g n a li sc o d e d ，p a c k e da n d 仃a n s m i r e d t h ew o r k i n g p r o c e s s c o n s i s t so fv o i c e d a t a ，c o d i n g ，t r a n s f e r , d e c o d i n ga n dd a t a v o i c e a f t e rt h a t ， b a c k g r o u n d a n d t a r g e to f t h et h e s i sa l ei n t r o d u c e d b y t h ei n t r o d u c t i o no f t h e o r ya n dw o r k i n gp r o c e s s ，v o i ps y s t e ma n dk e yt e c h n o l o g i e s a r ed i s c u s s e d v o l ps y s t e mc o n t a i n st e r m i n a l ，g a t e w a y ，g a t e k e e p e r ，m o n i t o r i n ga n d a c c o u n t i n gs y s t e m t h ek e yt e c h n o l o g i e s i n c l u d e st h r e e i t e m s ，c o d i n ga r i t h m e t i c ， c o m m u n i c a t i o np r o t o c o la n dt h et r a n s m i s s i o nt e c h n o l o g y c o m m u n i c a t i o np r o t o c o l i s r e s p o n s i b l e f o rs e s s i o ni n i t i a l i z a t i o n c o d i n ga r i t h m e t i cf u l f i l l st h et r a n s i t i o nb e t w e e n v o i c ea n dd a t a t h et r a n s m i s s i o nd o e st h ej o bo f t h et r a n s m i tm e d i ad a t a t h et h e o r ya n d d e v e l o p m e n to ft h ek e yt e c h n o l o g i e s a r ei n t r o d u c e da n dt h ep o p u l a rt e c h n o l o g i e sa r e c o m p a r e d t h et k i r dp a r td i s c u s s e st h er e a l i z a t i o no ft h ek e yt e c h n o l o g i e s f i r s t l y , r e c o r d i n ga n d p l a y i n g r e a l i z e du s i n gca r ei n t r o d u c e d ，a f t e rt h a ta r ec o d e ra n dd e c o d e ro fg 7 2 9r e a l i z e d u s i n gc + + i i lp c t h e np r o t o c o ls t r u c t u r e 。e n t i t y , m e s s a g ea n dc a l l i n gc o n n e c t i o no f s i p a r ei n t r o d u c e d p a r s i n g ，u s e ra g e n ta n df s m a r ed i s c u s s e di nd e t a i l f i n a l l y , s u m m a r i z eo f t h et h e s i si sp r e s e n t e d ，a n dt h ed e v e l o p m e n to fv o i pi sl o o k e d a h e a do f i ti n d i c a t e st h a t 、聃也t h ed e v e l o p m e n to ft h ei n t e r a c t v o l pw i l lb ei m p r o v e da n d a p p l i e d i nm o r ea r e a k e yw o r d s ：v o i c e ；v o i p ；c o d i n g ；s i p ；g 7 2 9 ：u d p n 华中科技大学硕士学位论文 1 1v b i p 概述 1绪论 因特网上语音传输( v o i f ，v o i c eo v e ri f ) 是建立在i p 技术上的分组化、数字化 传输技术，其基本原理是：通过语音压缩算法对语音数据进行压缩编码处理，然后 把这些语音数据按i p 等相关协议进行打包，经过婵网络把数据包传输到接收地，再 把这些语音数据包串起来，经过解码解压处理后，恢复成原来的语音信号，从而达 到由i p 网络传送语音的目的。v o i p 系统把普通电话的模拟信号转换成基于因特网传 送的i p 数据包，同时也将收到的i p 数据包转换成声音的模拟电信号。经过v o i p 系 统的转换及压缩处理，每个普通电话传输速率约占用g - l l k b s 带宽，因此在与普通 电信网同样使用传输速率为6 4 k b s 的带宽时，v o i p 的效率是原来的5 - 8 倍【l 】【“。 v o l p 是技术创新的一种通信服务业务。它把语音、压缩编码、打包分组、分配 路由、存储交换和解包解压等交换处理在i p 网或互联网上实现语音通信1 2 】。它促进 了网络资源利用，降低语音业务成本。因此在全球范围内得到了迅速的发展，可以 说是当今世界上发展最快、普及最快的一门应用服务技术之一，也是计算机网络界 关注的热点之一。 1 2 、，o i p 产生的背景 1 2 1v o l p 的产生 i n t e m e t 商业化以后，在全世界，特别是发达国家迅速发展起来。在一些国家( 如 美国) 本地电话i n t e m e t 接入采用包月制，不限时限量，因此i n t c m e t 是近乎免费的， 人们都希望能通过这近乎免费的网络进行传统的电话和传真服务。1 9 9 5 年2 月以色 列v o c a i t e c 公司研制出可以通过i n t e r a c t 网打长途电话的软件产品”i n t e m e t p h o n e “ 3 1 。 用户只要在多媒体p c 机上安装该软件，就可以通过i n t e m e t 和任何地方安装同 样软件的联机用户进行通话。这项技术上的突破引起全世界的瞩目，其背后的无限 商机也促使许多公司进行此项技术的研究，从而使v o i p 技术得到迅速发展，人们把 这种在i n t e m e t 上实现电话业务称为i n t e m e t 电话，应该说是v o i p 的雏形。 华中科技大学硕士学位论文 经过多年的发展，v o i p 成为信息技术进步带来的一项新型电话业务在全世界开 展，并对传统电话业务形成越来越大的威胁。v o i p 从当初的p c 到p c 发展到今天的 p c 到p c 、p c 电话、电话到电话等多种业务形式【4 】，如图1 1 示，但不论是现在还 是将来，电话到电话的应用将拥有最大的市场，v o l p 承载网络可以是i n t e m e t ，更 多的是遵循t c p i p 协议的专用网或i n t e m e t 。 ( 4 ) 电话到电话 图1 1v o i p 四种结构 1 2 2v o i p 迅速发展的背景 从最初的i n t e m e t 联网应用到可以利用普通电话实现通话，v o i p 在短短的几年间 得到了非常迅速的发展。v o i p 为什么会在这样短的时间里引起全球电信界的关注， 并且正在或将要对传统的通信方式产生巨大的冲击? 这除了v o 口采用语音压缩和统 计复用技术节约宽带从而造成运营成本降低外孙，还有以下两个原因： 第一，电话业务历来都是各国管制最为严格的业务，但对于v o i p 各国大多采取 宽容甚至是扶植的态度，如美国将、r 0 i p 归类为增值业务，从而不必承担长途电话公 司所受的管制规定，这样v 0 i p 提供长途电话业务时，不必向本地电话公司交纳占长 途电话费4 0 左右的接入费。这样庞大的通信市场潜力，必然吸引众多传统和新型 2 华中科技大学硕士学位论文 的电信公司加入到v o l p 的研究、开发和经营的队伍中。 第二，各国国际长途电话费存在着严重的不平衡性，且国际长途电话业务在很 多国家都是垄断经营的。这样，国际话费低的国家电信运营者可以利用各国对v o l p 的政策优惠，通过v o l p 向国际话费高的国家渗透，直接或间接进入电信市场中尚未 开放国家的国际长途业务经营领域；而资费高的国家可以降低v o i p 同国际回叫业务 争夺用户，同时开拓新的用户群：在国际电信业务垄断经营国家，新的电信或i s p 运营者迫切希望进入这高利润的垄断经营领域，v o i p 的应运而生好正好为其提供 了一条有效途径。 1 2 3v o l p 的基本原理 传统电话( p s t n ) 采用的是线路交换方式，通话双方通过呼叫方式建立一条6 4 k b i t s 带宽的物理链路【5 】o 而v o l p 是以p 分组交换网络为传输平台，对模拟的语音信号进行 压缩、打包等一系列的特殊处理，使之可以采用无连接的u d p 协议进行传输。 为了在一个i p 网络上传输语音信号，要求几个元素和功能。最简单形式的网络 由两个或多个具有v o l p 功能的设备组成，这一设备通过一个i p 网络连接。v o i p 模 型的基本结构如图1 2 所示。从图中可以发现v o l p 设备是如何把语音信号转换为i p 数据流，并把这些数据流转发到p 目的地，i p 目的地又把它们转换回到语音信号。 两者之间的网络必须支持i p 传输，且可以是i p 路由器和网络链路的任意组合。因此 可以简单地将v o l p 的工作过程分为下列几个阶段。 模拟语音 数字语音 分组语音 语音分组 1 ) 语音一数据转换 模拟语音 数字语音 分组语音 语音分组 i p 分组网络 ( 电子光子) 图1 2v o i p 模型结构 模拟语音 数字语音 分组语音 语音分组 华中科技大学硕士学位论文 语音信号是模拟波形，通过i p 方式来传输语音，不管是实时应用业务还是非实 时应用业务，首先要对语音信号进行模拟数据转换，也就是对模拟语音信号进行8 位或6 位的量化，然后送入到缓冲存储区中，缓冲器的大小可以根据延迟和编码的 要求选择。许多低比特率的编码器是采取以帧为单位进行编码。典型帧长为1 0 3 0 m s 。 考虑传输过程中的代价，语间包通常由6 0 、1 2 0 或2 4 0 m s 的语音数据组成。数字化 可以使用各种语音编码方案来实现，目前采用的语音编码标准主要有1 1 1 j - t 的 g 7 2 9 、g 7 2 3 、g 7 2 3 1 。目的地的语音编码器必须实现相同的算法，这样目的地的 语音设备可以还原模拟语音信号。 2 ) 数据到i p 转换 一旦语音信号进行数字编码，下一步就是对语音包以特定的帧长进行压缩编码。 大部分的编码器都有特定的帧长，若一个编码器使用1 5 m s 的帧，则把6 0 m s 的包分 成4 帧，并按顺序进行编码。每个帧合1 2 0 个语音样点( 抽样率为8 k h z ) 。 编码后，将4 个压缩的帧合成一个压缩的语音包送入网络处理器。网络处理器 为语音添加包头、时标和其它信息后通过网络传送到另一端点。语音网络简单地建 立通信端点之间的物理连接( 一条线路) ，并在端点之间传输编码的信号。i p 网络不 像电路交换网络，它不形成连接，它要求把数据放在可变长的数据报或分组中，然 后给每个数据报附带寻址和控制信息，并通过网络发送，一站一站地转发到目的地。 3 ) 传送 在这个通道中，全部网络被看成一个从输入端接收语音包，然后在定时间( t ) 内将其传送到网络输出端。t 可以在某全范围内变化。反映了网络传输中的抖动。网 络中的节点检查每个i p 数据附带的寻址信息，并使用这个信息把该数据报转发到目 的地路径上的下一站。网络链路可以是支持i p 数据流的任何拓扑结构或访问方法。 4 ) i p 包数据的转换 目的地v o l p 设备接收这个i p 数据并开始处理。设备提供一个可变长度的缓冲器， 用来调节网络产生的抖动【3 j 。该缓冲器可容纳许多语音包，用户可以选择缓冲器的大 小。小的缓冲器产生延迟较小，但不能调节大的抖动。其次，解码器将经编码的语 音包解压缩后产生新的语音包，这个模块也可以按帧进行操作，完全和解码器的长 度相同。若帧长度为1 5 m s ，是6 0 m s 的语音包被分成4 帧，然后它们被解码还原成 6 0 m s 的语音数据流送入解码缓冲器。在数据报的处理过程中，去掉寻址和控制信息， 4 华中科技大学硕士学位论文 保留原始的原数据，然后把这个原数据提供给解码器。 5 、数字语音转换为模拟语音 播放驱动器将缓冲器中的语音样点( 4 8 0 个) 取出送入声卡，通过扬声器按预定 的频率( 例如8 k h z ) 播出。简而言之，语音信号在i p 网络上的传送要经过从模拟 信号到数字信号的转换、数字语音封装成i p 分组、i p 分组通过网络的传送、i p 分组 的解包和数字语音还原到模拟信号等过程。整个过程如图1 3 。 1 3 课题来源与目的 图1 3v o l p 传输的基本过程 本文的课题来源于与某公安部门合作的“基于互联网的网络通讯设备”项目。 n e t m e e t i n g ，i c q ，o i c q 等很多基于互联网的通讯软件因使用成本低廉、联系方 便和具备生动的音频视频性能而得到广泛应用。多媒体网络技术发展迅速，现有的 技术可以很快构建出功能丰富的网上即时通讯的多媒体应用软件，但是如果必须在 p c 终端上进行通讯操作必然产生操作困难、终端争用、使用不够方便等问题。所以， 有必要设计一种具有无线接收功能的专用装置，并将这个装置连接于电脑上，同时 设计一种通讯装置，从而通过无线的方式，借助互联网上功能强大的多媒体网络通 讯软件和扩充的后台控制软件，实现了新型移动通讯功能。所以我们需要可以应用 于多媒体会议、远程教学及电话等领域，既支持单点发送( u l l i c a s t ) 也支持多点发 送的通信协议，来实现多媒体通信功能。s i p 协议能够满足我们的需求。我们的目的 是实现在互联网上采用s i p 协议的语音通信( v o i p ) 。 华中科技欠学硕士学位论文 - ：一一# z # = # = = # = _ = _ ；= # = # = = = # = = = = _ = _ # = # = = # 2v o l p 系统概述与关键技术 2 1v o l p 系统概述 鞠囤2 1 掰示，瑾系统一般由淤下尼个部分组成：终端( t e r m i n a l ) ，v o i p 阏 关( g a t e w a y ) 、关守( g a t e k e e p e r ) 、瓣管写签控系统、计赞系统和数据库等溺a 1 ) 终端 v o i p 的终端可以有多稀类垄，其中包括传统的语膏电话、i s d n 终端、p c ，也 可以蔻集语音、数据和图像于一体的多媒体业务终端。由于不同种类终端产生的数 据在结构上是不同的，要慧在间一个网络上传输，就簧通过嘲关或者适配器进行数 据转换。 鞠2 1v o l p 系统 2 ) v | o i p 网关 v o i p 网关负责提供i p 网络和传统p s t n 的接口。网关可以支持多种电话线路， 包括模拟电话线、数字电话线和数字中继线，并提供语音编码压缩、呼叫控制、傣 令转换、动态路由计算等功能。 6 华中科技大学硕士学位论文 3 ) 关守 关守是整个系统的服务平台，负责系统的管理、配置和维护。关守的主要功能 包括v o l p 网关的地址变换、用户认证和带宽控制，此外关守还提供呼叫管理、记账、 类似目录服务等功能，这些服务对那些在i p 网络上安装多个电话网关的系统来说十 分关键。关守在所管辖的区域范围内，管理所有的v o l p 网关，并对v o l p 网关发来 的查询，以适当的v 0 i p 网关的i p 地址回答。 4 ) 网管与监控系统 网管与监控系统是为网络管理人员提供的管理工具，用于实现对v o l p 网络体系 中各种组件的管理和监控工作。它提供良好的用户界面，使网管人员可以方便地控 制所有的系统组件，包括网关、关守等。该系统的功能包括：设备的控制及配置、 数据配给、拨号方案管理及负载均衡、远程监控等。 5 ) 计费系统 实现对呼叫计费、漫游计费、i p 数据计费等，对从不同入口( 公话网、数据网) 、 不同类型用户( 拨号用户、专线用户) ，等实现集中式计费，并提供相应的单据和统 计报表【6 l 。 2 2 v o i p 的关键技术 传统的i p 网络主要是用来传输数据业务，采用的是尽力而为的、无连接的技术， 因此没有服务质量保证，存在分组丢失、失序到达和时延抖动等情况。数据业务对 此要求不高，但话音属于实时业务，对时序、时延等有严格的要求。因此必须采取 特殊措施来保障一定的业务质量。v o i p 的关键技术包括编码技术、信令技术、网络 传输技术等【1 1 【7 i 。 2 2 1 编码技术 语音编码器的主要功能就是把用户语音的p c m ( 脉冲编码调制) 样值编码成少 量的比特( 帧) 。这种方法使得语音在链路产生误码、网络抖动和突发传输时具有 健壮性( r o b u s t n e s s ) 。在接收端，语音帧先被解码为p c m 语音样值，然后再转换 成语音波形。 为了提高语音编码和语音信号数字传输的有效性，通常还要进行语音压缩编码。 华中科技大学硕士学位论文 语音压缩编码技术有多种，归纳起来大致可分为三类，即波形编码、参量编码和混合编 码。另外，根据编码速率的高低还可分为中速率和低速率两大类隅j 。 1 ) 波形编码 波形编码是将时间域信号直接变换为数字代码进行传输，也就是说这种编码是将 语音信号作为一般的波形信号来处理，力图保持重建的语音波形与原语音信号波形一 样。这种编码方式的特点是适应能力强、重建语音的质量高，例如p c m 、, d m 、a d p c m 和自适应预测编码( a p c ) 、子带编码( s b c ) 及自适应变换编码( a t c ) 等均属于这一种。 但这种方式所需的编码速率较高，在1 6 k b i t s 6 4 k b i t s 速率范围能得到较高的重建 质量，而当速率进一步降低时，语音重建质量就会急剧下降。 2 ) 参量编码 参量编码，又叫声码化编码，是在信源信号频率域或其它正交域提取特征参量并 将其变换为数字代码进行传输，以及在接收端从数字代码中恢复特征参量，并由特征 参量重建语音信号的一种编码方式。 这种方式在提取语音特征参量时，往往会利用某种语音生成模型在幅度谱上逼近 原语音，以使重建语音信号有尽可能高的可懂性，即力图保持语音的原意，但重建语音 的波形与原语音信号的波形却有相当大的区别。这种方式的特点是编码速率低 ( 1 2 k b i t s 2 4 k b i t s 或更低) ，但只能达到合成语音的质量( 即自然度、讲话者的可识 别性都较差的语音) 。并当码率提高到与波形编码相当时，语音质量也不如波形编码。 利用参量编码实现语音通信的设备通常称为声码器，例如通道声码器、共振峰声码器、 同态声码器以及广泛应用的线性预测( l p c ) 声码器等都是典型的语音参量编码器。 3 ) 混合编码 当前，由参量编码与波形编码相结合的混合编码的编码器正在得到人们较大的关 注。这种编码器既具备了声码器的特点( 利用语音生成模型提取语音参数) ，又具备了 波形编码的特点( 优化激励信号，使其与输入语音波形相匹配) ，同时还可利用感知加权 最小均方误差的准则使编码器成为一个闭环优化的系统，从而在较低的比特率上能获 得较高的语音质量。例如，多脉冲激励线性预狈u ( m p l p c 或m p c ) 编码，正规脉冲激励 线性预测( r p e _ l p c ) 编码和码激励线性预测( c e l p ) 编码都属于这一种，这种编码方 式能在4 k b i t s1 6 k b i f f s 中低编码的速率上得到高质量的重建语音。 4 ) 中速率和低速率语音压缩编码 华中科技大学硕士学位论文 所谓中逋攀编弼是攒数码搴为4 8 k b i t s 1 6 k b i v s 藏围内的语黹编弼。其语音质 攫较好f 能达到常用数字浯港通傣的质量要求) 、清晰度较高、自然度也能达到纂本要 求，儇少许稳点必真，与语音特征森一定的关系。例如谐波压扩a d p c m 、予带编码、 皂遁残变换域缀妈( a t c ) 等都属予这一犟中。对予低速搴压缎编粥，又称为声码器技术， 数秘睾铁l o 曲i 魄农在到4 8 k b i t s 。 这种缀避方式，沿素矮爨比串速率镳羁要慧，尤其是叁然度比较装，滩以辨别出讲 话久声裔豹特点。躐为不砑靛a ，讲话熬浯齿特链葶蠲，其语裔震量蠼就不羁。裂完绺 莱袭麓，语莆蘧缭编鹤懿掇漾压翁搴海8 0 b i t s t 0 0 b i f f s ，在遮藏爨蠹，只能转送铝予凑 容，瓶对 舞话入不翳鼢语音特征鞍精缝就分辨不斑寒7 g j 。 嚣扮，塞要豹编码技零鸯娃u 玎定义酌g 7 2 9 、g 。7 2 3 、( 3 7 2 3 。i 等戮。装孛g 7 2 9 胃将经j 遣采样静6 4 k b i t s 话音戳几警不失冀麓矮量疆黠歪8 k b i t s i 。l 。峦予袭分缀交换 网络串，鼗务质蠹不能得劐很好保 芷，因蔼需要话音瀚编礴其有定静灵活性、鼯 编粥速率、编娼尺度的珂交珂通磁性。g 7 2 9 潦来楚8 k b i t s 的话音编鹕搽准i l l 驸l ， 现谯的工作范溺扩展至6 4 - 1 1 8 k b i t s ，话音质羹也猩诧范溺内有一定的变纯，缎帮使 是6 4k b i t s ，话音质鬣氇还不错，因而徽适龠在均糟系统中使粥。g 7 2 3 1 采用 5 3 6 3 k b i 幽双速率话裔编码，矮话音质量好，但楚处理时延较大。 此外，静莆检测技术和阐声消除技术也是v o l p 中十分关键的技术f 瞒。丈爨的研 究淡明，在路全澈工电话交谈中，只有3 6 4 0 的信号是活动的或有效的。当 方程讲话时，另方在听，而熙讲话过程中有大爨显溪的停顿【1 4 j 。静胬检测技术w 有效 剔除静默信号，从褥使话酱信号豹占周带宽进步降低到3 5 k b i t s 左农。 与健绞电话耀比，在v o l p 中，回声同域显得缀突出。嗵声淤除技术主要剩用 数譬滤波器技术米消除瓣遇话质量影螅缀大回声予捷，保诞通话斌量。这点农时延 摄瓣较失的l p 羚缎网络孛焚为踅要。 2 2 2 信令援术 信令技术保证电话呼叫豹顺利实现和话音质煮，目前育h 3 2 3 和s i p 两个宪整和 独立的信令标准，它们都对i p 电话系统信令提出了完整的解决方案( q 。 h 3 2 3 是i t u t ( 国际电信联盟标准部) 的一个协议族，它描述了在服务质爨 ( q o s ) 光保诞的矜组网络中提供多媒体通信她务的多媒体通傣系统【1 7 l 。王 3 2 3 标准 9 华中科技大学硕士学位论文 = = ；= = = = = = = = = = = = 自= = = = = = = = = = = = = = = 目= = = = 是局域网、广域网、i n t r a n e t 和i n t e m e t 上的多媒体提供技术基础的保障。 h 3 2 3 包括用于i s d n 的h 3 2 0 ，用于b i s d n 的h 3 2 1 和用于i s d n 终端的h 3 2 4 等建议。其编码机制，协议范围和基本操作类似于i s d n 的q 9 3 1 信令协议的简化版 本，并采用了比较传统的电路交换的方法。相关的协议包括用于控制的h 2 4 5 ，用于 建立连接的h 2 2 5 0 ，用于大型会议的h 3 3 2 ，用于补充业务的h 4 5 0 1 、h 4 5 0 2 和 h 4 5 0 3 ，有关安全的h 2 3 5 ，与电路交换业务互操作的h 2 4 6 等。h 3 2 3 提供设备之 间、高层应用之间和提供商之间的互操作性。它不依赖于网络结构，独立于操作系 统和硬件平台，支持多点功能、组播和带宽管理。h 3 2 3 具备相当的灵活性，支持包 含不同功能的节点之问的会议和不同网络之间的会议。h 3 2 3 建议的多媒体会议系统 中的信息流包括音频、视频、数据和控制信息。信息流采用h 2 2 5 0 建议方式来打包 和传送。 h 3 2 3 呼叫建立过程涉及到三种信令：r a s ( 注册：r e g i t r a t i o n 、许可： a d m i s s i o n 和状态：s t a t u s ) 信令，h 2 2 5 0 呼叫信令和h 2 4 5 控制信令。其中r a s 信令用来完成终端与网守之间的登记注册、授权许可、带宽改变、状态和脱离解除等 过程；h 2 2 5 0 呼叫信令用来建立两个终端之间的连接，这个信令使用q 9 3 1 消息来控 制呼叫的建立和拆除，当系统中没有网守时，呼叫信令信道在呼叫涉及的两个终端之 间打开：当系统中包括一个网守时，由网守决定在终端与网守之间或是在两个终端之 间开辟呼叫信令信道：h 2 4 5 控制信令用来传送终端到终端的控制消息，包括主从判 别、能力交换、打开和关闭逻辑信道、模式参数请求、流控消息和通用命令与指令 等。h 2 4 5 控制信令信道建立于两个终端之间，或是一个终端与一个网守之间。 虽然h 3 2 3 提供了窄带多媒体通信所需要的所有子协议，但h 3 2 3 的控制协议非 常复杂。此外，h 3 2 3 不支持多点发送( m u l t i c a s t ) 协议，只能采用多点控制单元( m c u ) 构成多点会议，因而同时只能支持有限的多点用户。h 3 2 3 也不支持呼叫转移，且建 立呼叫的时间比较长。与h 3 2 3 相反，s 坤是一种比较简单的会话初始化协议。它不 像h 3 2 3 那样提供所有的通信协议，而是只提供会话或呼叫的建立与控制功能。s i p 可以应用于多媒体会议、远程教学及电话等领域。s i p 既支持单点发送( u n i c a s t ) 也 支持多点发送，会话参加者和媒体种类可以随时加入一个已存在的会议。s i p 可以用 来呼叫人或机器设备，如呼叫一个媒体存储设备记录一个会议，或呼叫一个点播电 视服务器向会议播放视频信号1 1 3 】。 0 华中科技大学硕士学位论文 s i p ( s c s s i o nd c s c i j p t i o np r o t o c o l ，会话初始化协议) 是网络应用层信令控制协 议，用于创建、修改、终止多媒体会话或呼叫【1 9 1 。s i p 在设计上充分考虑了对其他协 议的扩展适应性【2 0 1 。与h 3 2 3 不同的是：s i p 是一种基于文本的协议，用s i p 规则资 源定位语言描述( v o i p , u n i f o r ms o u r c el o c a t i o n ) ，这样易于实现和调试，更重要的 是灵活性和扩展性好。由于s i p 仅作于初始化呼叫，而不是传输媒体数据，因而造 成的附加传输代价也不大。s i p 的u r l 甚至可以嵌入到w e b 页或其它超文本链路中， 用户只需用鼠标点即可发出一个呼叫。与h 3 2 3 相比，s i p 还有建立呼叫快，支持 传送电话号码的特点【2 1 】。 2 2 3 网络传输技术 实时传输技术主要是采用实时传输协议r t p 。r t p 是提供端到端的包括音频在 内的实时数据传送的协议。r t p 位于用户数据报协议u d p 之上，负责语音等多媒体 数据的传输，它并不提供任何传输可靠性的保证和流量的拥塞控制机制，但正是因 为这个特点，传输时延比较小，而重传与一些流控机制也并不适合于实时的语音传 输，因为语音传输不同于普通的数据传输，它对延时要求非常高，对数据丢失并不 是很敏感【删。r t p 包括数据和控制两部分，后者叫r t c p 。r t p 提供了时间标签和控 制不同数据流同步特性的机制，可以让接收端重组发送端的数据包，可以提供接收 端到多点发送组的服务质量反馈。 v o p 中网络传输技术主要是t c p ( t r a n s f e rc o n t r o lp r o t o c o l ，传输控制协议) 和 u d p ( u s e r d a t a g r a mp r o t o c o l ，用户数据报协议) ，此外还包括网关互联技术、路由选 择技术、网络管理技术以及安全认证和计费技术等。由于实时传输协议r t p 提供具 有实时特征的、端到端的数据传输业务，因此v o 口中可r t p 用来传送话音数据。在 r t p 报头中包含装载数据的标识符、序列号、时间戳以及传送监视等，通常r t p 协 议数据单元是用u d p 分组来承载，而且为了尽量减少时延，话音净荷通常都很短。 v o 口语音分组开销很大，采用r t p 协议的v o 口格式，可以提高传输效率。 v 0 口中主要采用资源预留协议( r s v p ) 以及进行服务质量监控的实时传输控制 协议r t c p 来避免网络拥塞，保障通话质量。 1 1 华中科技大学硕士学位论文 = 一= = = = = = = = ；= = = = = = = = = = = = = = = = = = = = = = = = = = 一 3 1 概述 3 语音采集、播放与编码 语音的采集与播放是v o i p 的重要组成部分，它负责采集电话一端通话者的话音， 将话音进行编码；同时在另一端接受通过网络传送的数据，将其解码还原成话音信 号，通过扬声器搔放出来，如图3 1 示。 图3 1 语音处理部分示意图 在本系统中用到了型号为y a m a h a 7 2 4 的声卡，具有优良的性能。声卡完成a d 、 d a 功能，在带宽紧张的情况下，需要采取语音的压缩和解压技术。压缩和解压方 案的选择应当考虑质量、速率、复杂度和延时4 个方面。由于p c 机的数字运算处理 速度有限，语音压缩和解压算法的复杂度对实时性具有直接的影响，一般应保证总 延时不大于4 0 0 m s 。基于这种考虑，我选择了i t u - t 的制定的g 7 2 9 语音编码标准。 3 2 语音采集与播放的实现 利用w i n d o w s 操作系统的多任务机制，在对原始声音进行采样的同时，对采样 数据进行编码，同时又将从网络上送来的数据解码，并播放。使得录音、编码、解 码和放音四个原本相互独立的过程并行处理，以达到语音实时性的要求。多任务声 音处理示意图3 2 如下。 为了满足不同应用的需求，w i n d o w sm d k 设计了高层、底层两种不同层次的音 频服务。一般来说，高层音频服务能够满足大部分的多媒体应用需求，它提供与设 备无关的应用程序接口。包括m c i 函数和高层波形音频函数。它通过存取特定格式 的媒体文件( w a v 音频文件) 来对音频数据进行操作，编程简单、易于使用。但是 这种基于文件格式的控制，不适于对音频数据进行动态实时处理。 而低层音频服务，直接控制与设备驱动程序打交道的音频数据，它提供与设备 驱动程序的直接操作和对音频数据的逐位的精确控制，是所有音频处理的基础，包 华中科技大学硕士学位论文 括低层波形音频、m i d i 和辅助音频函数。它为多媒体计算机音频硬件提供了与设备 无关的低级接口，高层音频服务也是利用低层来实现的，只不过它封装了许多音频 处理的细节而已【2 3 l 。 与欲通话的用户连接，连接成功，开始通话 lf 开始录音线程开始放音线程 if 录音缓冲区满发送解码完毕发消息 消息通知编码线程通知放音线程 if j启动编码线程同时接受缓冲区满启动解码 l录音线程继续录音线程同时继续接受数据 if 【网络传输 图3 2多任务声晋处理不意图 显然，要对声音的实时采集、处理、播放，就必须摆脱文件格式的控制，直接 对音频数据进行操作，因此只能通过低层音频服务来实现。 程序里对这部分定义了三个类，分别是“c l a s sc s o u n d b a s e ”、“c l a s sc s o u n d i n ” 和“c l a s sc s o u n d o u t ”。在c s o u n d b a s e 里，主要处理音频波形数据，其中使用了 w i n d o w s 提供的音频波形参数的结构体： t y p e d e f s t r u c t w o r d w f o r m a t t a g ；音频波形格式 w o r dn c h a n n e l s ；音频数据的通道数，有立体声和单声道两种 d w o r d n s a m p l e s p e r s e c ；每秒采样的频率 d w o r d n a v g b y t e s p e r s e c ；平均的数据传送速率 w o r d n b l o c k a l i g n ；最小音频波形格式大小 w o r d w b i t s p e r s a m p l e ；每个样本的位数 w o r d c b s i z e ；结构体后附加信息的大小 华中科技大学硕士学位论文 一：= = ：= = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = z = ； ) w a v e f o r m a t e x ； 在这里，音频波形格式采用w a v e _ f o r m a t _ p c m ，采用单声道，每秒采样频 率是2 2 0 5 0 h z 。每个样本的是1 6 位。 3 - 2 1 录音部分 类c s o u n d l n 继承了c w i n t h r e a d 和c s o t m d b a s e ，处理录音及相关操作。在类中 定义了一下几个重要的成员函数，如下： v i r t u a lv o i ds t o p ( ) ； v i r t u a lb o o ls t a r t ( w a v e f o r m a t e x + f o r m a t = n u l l ) ； i n ta d d i n p u t b u f f e r t o q u e u e 0 ； v o i d ( * d a t a f r o m s o u n d l n ) ( c b u f f e r + b u f f e r ) ； a f xm s gv o i do n m m _ w i m _ d a t a ( u i n t p a r m l ，l o n gp a r e d ) ； 1 1 录音函数 其中，名为s t a r t 的函数就是实现录音功能。它的参数就是前面介绍的音频波形 参数w a v e f o r m a t e x ，它以一个线程进行录音。流程图如下： 图3 3 录音s t a r t 函数流程图 4 华中科技大学硕士学位论文 在流程图的第一步，检查函数指针是否为空。 v o i d ( + d a t a f r o m s o u n d l n ) ( c b u f f e r + b u f f e r ) ； 它负责在录音的缓存块存满后启动编码线程， 没有给这个函数指针赋值，那么程序将退出运行。 在这里函数指针是： 进行编码操作。如果在录音之前 在“打开录音设备”操作里，调用了w a v e i n o p e n 函数，它的参数如下： m m r e s u l t w a v e i n o p e n f l p h w a v e i n p h w i 。 设备句柄指针 u i n tu d e v i c e l d ，设备的i d 号 l p w a e f o r m a t e x p w f x ，音频波形参数 d w o r dd w c a l l b a e k 回调函数地址 d w o r dd w c a l l b a c k l n s t a n c e ，传给回调机制的用户实例数据 d w o r d f d w o p e n打开设备标志 ) ； 下一步，在准备录音缓冲区的步骤里，调用了函数： i n ta d d l n p u t b u f f e r t o q u e u e 0 ； 录音缓冲区很重要，至少要有两块缓冲区，一块用于录音采集信号，另一块等 待使用。经过试验，两块或两块以下缓存区效果都不佳，我选择三块缓冲区，这样 可以满足要求，又不浪费资源。 在a d d l n p u t b u f f e r t o q u e u e 0 函数里，首先向系统申请一块缓存区，然后调用函 数w a v e l n p r e p a r e h e a d e r 0 ，将此缓冲区初始化为一块适合于音频波形输入的音频缓存 区。接着调用w a v e l n a d d b u f f e r 0 函数，将这个缓存区送给音频波形输入设备。 完成了准备缓存区后，就调用w a v e l n s t a r t 0 函数开始录音了。 2 ) 消息响应函数 多媒体低层音频开发中，音频数据量一般比较大，应用程序必须不断向设备驱 动程序提供音频数据缓