（信号与信息处理专业论文）ip语音通信中媒体处理技术的研究与实现.pdf

摘要 摘要 论文采用模块化的思想对v o i p 系统进行设计，按照功能的不 同，将其分为七大模块：语音获取、语音编码、分组传送 ( r t p r t c p ) 、分组接收、语音解码、抖动处理、语音播放。在研 究了d i r e c t s h o w 的f i l t e r 的基础上，借鉴f i l t e r 的工作原理，设计 了各功能模块之间统一的接口，并且实现了这些模块的基本功能。 为了完成软交换( s o f t s w i t c h ) 的信令与嫡淋的分离，设计和实现 了媒体、信令的中间层一媒体管理模块。此模块向上受到信令的控 制，向下控制媒体的处理，为媒体和信令的交互起到桥梁的作用。 在实时语音处理中，服务质量( q o s ) 是必须解决的问题。论 文中深入研究了，i p 网络中影响语音质量的因素：时延、抖动、分 组丢失、语音编码。提出一种可以有效的仿真网络时延的模型，并 且实现了自适应抖动缓存的处理。 总之，在整个设计和实现的过程中，本研究注重科研课题的 继承性，不仅集成了已经成熟的科研成果，还开发出性能稳定的媒 体处理模块。规范化的接口、模块化的设计为媒体处理系统的继续 开发和完善提供了良好的平台。 【关键字】媒体处理，模块化，v o l p a b s t r a c t a b s t r a c t t h i st h e s i sa d o p t sm o d u l a r i t yt h r o u g h w a yt od e s i g nt h es y s t e mo fv o l e a c c o r d i n g t ot h ed i f f e r e n c eo ff u n c t i o n s ，i ti sd i v i d e di n t os e v e nm a j o rm o d u l e s ： v o i c e c a p t u r e 、v o i c ec o d e 、r e a l - t i m et r a n s p o r t c o n t r o lp r o t o c o l 、p a c k e tr e c e p t i o n 、 v o i c ed e c o d e 、j i t t e rp r o c e s s i n ga n dv o i c e p l a y o u t 。i na d d i t i o n ，a f t e rr e f e r r i n gt o t h eo p e r a t i o np r i n c i p l eo ff i l t e ro fd i r e c t s h o w , t h i st h e s i sf r a m e st h ec r i t e r i o n i n t e r f a c eb e t w e e nt h e s ef u n c t i o n a lm o d u l e st om a k e st h e mw o r kt o g e t h e rw e l l ， a n di m p l e m e n t st h eb a s i cf u n c t i o no ft h e s em o d u l e i no r d e rt o s e p a r a t et h e m e d i af r o m s i g n a l i n g ，t h ep a p e rd e s i g n sa n di m p l e m e n t s a ni n t e r m e d i a t el e v e lt o m a n a g e r t h em e d i a m e d i a m a n a g e m e n t m o d u l e q u a l i t yo fs e r v i c e ( q o s ) i sas i g n i f i c a n tp r o b l e mt h a tm u s tb es o l v e di n r e a l - t i m ev o i c ep r o c e s s i n g t h i st h e s i sf u r t h e ri n v e s t i g a t e st h ef a c t o r st h a ti m p a c t t h eq o so f v o i c ei ni pn e t w o r k ：d e l a y 、j i t t e r 、p a c k e tl o s sa n d v o i c e c o d e c ，a n d t h e np r o v i d e sa ne f f e c t i v em o d e lt os i m u l a t et h en e t w o r kd e l a y , a n di m p l e m e n t sa p r o c e s s i n g o f a d a p t i v ej i t t e rb u f f e r i nc o n c l u s i o n ，t h i st h e s i sp a y sm o r ea t t e n t i o nt oi n h e r i t a b l ec h a r a c t e ro ft h e p r o j o c t ，n o to n l yi n t e g r a t e st h em e t h o d st h a th a v ea l r e a d yb e e nu s e d ，b u ta l s o d e v e l o p s am o d u l eo fm e d i a p r o c e s s i n g t h a te x h i b i t s s t e a d yp e r f o r m a n c e s t a n d a r d i z e di n t e r f a c ea n dm o d u l a r i z e dd e s i g nh a v eo f f e r e dag o o dp l a t f o r mf o r c o n t i n u a t i o na n dp e r f e c t i o no ft h em e d i ap r o c e s s i n g s y s t e m k e y w o r d s | m e d i a p r o c e s s i n g , m o d u l a r i z a t i o n ，v o l p 独创性声明 v 7 4 1 9 4 4 本人声明，所呈交的学位论文是我个人在导师指导 下进行的研究上作及取得的研究成果。尽本人所知，除 了文中特别加以标注利致谢的地方外，论文中不包含其 他人已经发表或撰写过的研究成果，也不包含为获得北 京交通大学或其他教学机构的学位或证书而使用过的 材料。与我起工作的同志对本研究所做的任何贡献已 在论文中作了明确的说明并表示了谢意。 本人签名：释采舞 日期：) 修年弓月3 】日 关于论文使用授权的说明 本人完全了解北京交通大学有关保留、使用学位论 文的规定，即：学校有权保留送交论文的复印件，允许 论文被查阅和借阅；学校可以公布论文的全部或部分内 容，可以采用影印、缩印或其他复制手段保存论文。论 文中所有创新和成果归北京交通大学计算机与信息技 术学院所有。未经许可，任何单位和个人不得拷贝。版 权所有，违者必究。 本人签名：监 e 1 期：泖 年弓月2 2 日 综述 第一章综述 1 1 论文的选题背景 n g n ( n e x tg e n e r a l i o nn e t w o r k ) 是一个非常广泛的概念，它 是电信史上的里程碑，标志着新一代电信网络的到来1 。语音、视 频以及其它多媒体流在下一代网络中的实时传输成为亮点，流媒 体技术随着网络的发展、带宽的增加，以及各行各h p 的信息化建设， 已被越来越重视。v o l p 技术的兴起使得基于i p 的语音服务更是贯 穿于下一代网络各种复杂的多媒体业务当中。因此实时媒体通信技 术备受关注。 1 1 1n g n 的到来 目前电信业务发展迅猛，以互联网为代表的新技术革命正深 刻地改变着传统电信的概念和体系，电信界正丽临着一场百年未遇 的巨变，基于t d m 的p s t n 语音网必将和分组交换数据网融合， 形成可以传递话音和数据等综合业务的新一代网络【甜。 作为理想网络，n g n 已经提出了一段时问，许多研究机构对 此也做了很多工作。不过，对n g n 至今还没有一个统一的定义， 但是却有一个共同的目标，那就是消除现有电信网络的弊端。现有 的电话交换网以交换机为核心，交换机对业务的处理如同黑箱操 作，它集中了业务接入、媒体处理、呼叫控制和业务管理的全部功 能。这必然带来些负面的影响，一方面对设备制造商来说，升级 北京交通大学硕士论文 交换机比较困难；另一方面也造成一定程度的垄断，使新业务的发 展比较缓慢。所以，在构造以i p 为基础的n g n 的时候，采用了开 放式的结构，将业务接入、媒体处理、呼叫控制和业务处理分离开， 并在它们之间采用标准的协议进行互连。根据这种思想，可以得出 n g n 的概念模型。如图1 1 所示： 图i in g n 分层体系结构 接入层主要解决业务接入问题，这种接入可以是一个完整的网 络，也可以是一些有线或无线的按入网络。接入层发展的很快，主 要的问题是提高带宽。 媒体层主要处理接入层送来的媒体，完成媒体类型的转换和传 送，还包括一些网关和统计的功能。 控制层是n g n 中最重要的一层，主要是完成信令的处理，包 括信令网关、软交换等设备。 网络业务层处理业务逻辑1 1 i 。 2 综述 1 1 2 软交换技术 软交换是在将智能融入v o l p 网络、i p 网络接口、公共交换电 话网，以及协调网问特性的需求推动下提出的【”。 软交换是一种功能实体，位于n g n 分层体系结构的控制层， 为其提供具有实时性要求的业务的呼q 控制和连接控制功能，是下 一代网络呼叫与控制的核心。 简单的看，软交换是实现传统程控变换机的“呼叫控制”功能 的实体，但传统的“呼叫控制”功能是和业务结合在一起的，不同 的业务所需要的呼叫控制功能不同，而软交换则是与业务无关的， 这要求软交换提供的呼叫控制功能是各种业务的基本呼叫控制。未 来的软交换应该是尽可能简单的，智能控制功能则尽可能的移至外 部的业务和或应用层。 软交换是一项突破性的技术，它使v o l p 能取代t d m 成为一 项电话技术。在软交换的软交换机开发之前，v o l p 因为缺乏通过 网络路由呼叫所需要的足够信息，而只能算是一种有缺陷的技术。 没有这些信息，l p 要取代p s t n 将是不可能的【3 j 。 软交换的发展使得媒体的发展更加独立，也使得选择模块化处 理实时媒体更加合理。 1 1 3 流媒体技术 现代网络中，由于宽带接入技术、媒体压缩技术的发展，以及 宽带多媒体业务需求的增加，流媒体技术被广泛应用于铁路、交通、 金融、石油、石化、煤炭、海关、港口、水利、林业等企事业单位 3 北京交通大学硕士论文 的信息化建设当中l 。 流媒体指在i n t e r n e t i n t r a n e t 中使用流式传输技术的连续时基 媒体，如：音频、视频或多媒体文件。流式媒体在播放前并不下载 整个文件，只将开始部分内容存入内存，流式媒体的数据流随时传 送随时播放，只是在开始时有一些延迟。流媒体实现的关键技术就 是流式传输。 流式传输定义很广泛，现在主要指通过网络传送媒体( 如视频、 音频) 的技术总称。实现流式传输有两种方法：实时流式传输 ( r e a l t i m es t r e a m i n g ) 和顺序流式传输( p r o g r e s s i v es t r e a m i n g ) 。 一般说来，如果视频为实时广播，或使用流式传输媒体服务器，或 应用如r t s p 的实时协议，即为实时流式传输。如果使用的是h 1 t r p 服务器，文件即通过顺序流发送。流式文件同时也支持在播放前完 全下载到硬盘。 流媒体主要采用的传输协议是实时传输协议r t p 与r t c p 。还 有种协议是实时流协议r t s p ( r e a l - - t i m es t r e a m i n gp r o t o c 0 1 ) r t s p 在体系结构上位于r t p 和r t c p 之上，它使用t c p 或u d p 完成 数据传输。h t t p 与r t s p 相比，h t t p 传送h t m l ，而r t s p 传送的是 多媒体数据。h t t p 请求由客户机发出，服务器做出响应；使用r t s p 时，客户机和服务器都可以发出请求，即r t s p 可以是双向的。但 是它的体系结构更为复杂。 1 1 4v o l p 的发展 i p 的最大优势是已经具有一个全球统一的网络，它所具有的 统一的网络层和传输层协议，为未来三网的融合打下了基础。因此 4 在以i p 为核心的网络上传送语音( 即v o i p ) 将是下一代语音网络 发展的主导方向。 v o i p ( v o i c eo v e ri n t e m e tp r o t o c 0 1 ) 是传统电话网络的语音技 术和i p 网络中语音的传输技术的融合。l p 语音网络系统是基于包 的交换网络，数字化后的语音被分成若干个数据包在i p 网络上传 输。跟传统的语音通信相比，它大大提高了传输线路的利用率，从 而降低 通信成本，并能方便的开展增值的多媒体应用，如统一消 息、虚拟电话、虚拟语音，传真邮箱、查号业务、i n t e m e t 呼叫中心、 i n t e r n e t 呼叫管理、电视会议、电子商务、传真存储转发和各种信 息的存储转发等。 传统电话技术通信公司使用电路交换传输语音通信。用电话交 换传送语音既有优点又有缺点。尽管有人认为电路交换是一种昂贵 的解决方案，毫无疑问电路交换传输话音有其优点。但是，电路交 换不能适合多媒体通信新世界的技术需要i 5 1 。 i p 作为话音传送是1 个富有吸引力的选择有许多原因，主要 包括以下几个方面： t 设备费用低； s 话音和数据应用的集成； + 带宽需求低： i p 的广泛可用性。 为了提供传统电路交换电话的可靠替代品，v o l p 定要提供 同样的可靠性和语音质量。换句话说，必须满足“5 个9 ”的可靠 性需求，语音必需具有钟声的音质。 v o l p 中最重要的事情就是确保高语音质量。时延、抖动、包 5 北京交通大学硕十论文 丢失以及语音编码技术是影响语音质量的几个关键性的因素。 1 2 论文的意义及所做工作 1 2 1 论文的意义 学术性： 先进性在于本课题立足于信息网络发展的大潮流，以软交换为 核心的下一代网络技术是众望所归，大家关注的焦点，国内外都在 积极的投入到v o i p 的研究中。 前瞻性在于v o i p 的产生和应用与开发v o i p 技术资源方案所引 起的轰动，无论如何也意味着v o i p 已成为语音通信的重要选择。 也就是说，v o i p 是我们多年熟知的电路交换电话技术的一个重要 替代技术。v o i p 技术现在不仅能够提供直接的电话服务，而且， 能以与我们熟知的传统电话相同的服务质量提供更多的附加服务。 创造性在于采用模块化思想设计和实现媒体处理系统。不但充 分利用了已有的科研成果，还实现了很多新的功能。并且，设计了 规范的模块接口，使得功能模块可以很好的交互：设计的仿真网络 时延的模型可以为媒体的继续开发、提高语音q o s 提供基础平台。 实用性： 实用性体现在本论文所研究的内容已经应用在“基于i p 的呼 叫中心”和“基于i p 的语音信箱”，目前处于试验阶段。并且，由 于实现时采用的是模块化编程思想，所以各模块功能清晰，很容易 进行移植。一些模块已在多种环境下应用，例如r t p 、r t c p 模块 可以用于任何实时媒体的传输之中。 6 1 2 2 论文所做工作 研究了v o l p 网络的发展及状况，总结了v o i p 的前景和日 前i p 网络影响语音质量的主要因素。 充分理解模块化设计的优势，并采用模块化设计思想设计 和实现实时媒体的处理。 实现i 0 ；实现了r t p 、r t c p 协议；设计了一种在特定环 境下动态调整抖动缓存的方法。 掌握和集成了多种语音编解码算法，总结了选择编解码对 q o s 的影响。 设计了一种仿真网络时延的模型。 为了和系统其它功能模块共同工作，制定一些标准接口。 考虑到软件的测试，移植等多种因素，媒体处理的实现采 用了两种方式：使用f i l t e r 的方式、不使用f i l t e r 的方式，并 对这两种方式进行比较。 结合其他同学的工作，共同建立了基于i p 的呼叫中心试验 系统。 1 3 论文的内容概要 这里简要介绍一f 本论文的特色和主要内容，本课题“i p 语 音通信中媒体处理技术的研究与实现”隶属于“基于n g n 核心技术 的网络c t i 体系研究与实现”，在论文的意义一节我们已经看到， 本论文兼具学术性和实用性两个基本特征。 论文共分为四章。第一章综述，说明两个问题：论文的选题背 北京交通大学硕i ：论文 景和意义，以及论文所作的具体工作。 第二章简要的介绍了v o i p 系统所涉及的规范要求以及影响i p 实时语音质量的几个因素，通过本章的内容，我们可以对v o i p 网 络中媒体处理的过程及涉及的技术有个大致的了解。 三、四章是论文的核心部分，第三章介绍了媒体处理系统的设 计和实现，首先介绍v o l p 的c t i 体系框架，以及本论文在整个系 统所处的位置，接着介绍了整个媒体处理系统所采用的模块化思想 以及所设计的功能模块，本章内容可以使我们对整个系统以及系统 实现所采用的方法有所了解。 第四章详细介绍了媒体处理的主要功能模块，然后提到了一些 相关问题的设计和实现的方法，论文的最后提出一种仿真网络时延 的模型。 8 媒体处理所涉及的关键技术 第二章媒体处理所涉及的关键技术 2 1v o i p 是怎样工作的 软交换日益被认为是v o l p 的一个同义词，然而，它也可以应 用在时分复用( t d m ) 、异步转移模式( a t m ) 网络中。在一个 v o l p 系统中，第一步要做的是将说话者的话音数字化；在第一步 中用户的话机通过p s t n 网络连接到网关的系统，_ f 一步通常要做 的是尽量抑制不需要的信号，并压缩语音信号，这又可以分为两步 执行：首先，系统检测最近数字化的信息中是否包含语音信号，或 者仅仅是环境噪声，然后决定是否丢弃；其次，引入复杂的算法来 减少传到对方的信息量。智能编码能够进行噪声抑制，并对话音数 据流进行压缩，标准g 7 2 3 ，g 7 2 8 和g 7 2 9 中包含了相应的压缩算 法。 我们需要对压缩编码之后的语音数据进行分组，并添加相应的 v o l p 协议。语音数据通过网络传输之前要进行分组成帧，为了分 组成帧，发送单元必须对语音数据做一定的存储，这会产生一定的 对延。为了便于话音数据能在网间顺利传输，在分组包中需要添加 相应的协议部分，例如每个分组需要包含其要到达的目的地地址； 为了保证数据包能以正确地顺序到达目的地，还需要在分组中添加 传输顺序号；同时还需要安排一定量的字节进行差错检测。由于 i p 协议是被设计用来连接异构网络的，与单一网络相比，需要考 虑更多的处理过程。网络中的地址处理系统非常复杂，有时需要把 9 北京交通大学硕十论文 一个分组封装到另一个里面，随着数据的传输，又需要进行重新打 包，重新寻址，以及重新安排数据。 分组到达目的地后，需要检查数据包到达的先后顺序，按照发 送的先后顺序重新排序，并采用与发送方相对应的解压缩算法来恢 复数据。为了保证语音数据之间适当的时间间隔，需要相应的时钟 同步及时延处理技术。因为数据分组在网络中是通过不同的路由传 输的，所以它们不一定是按照原理的顺序到达目的地。为了纠正到 达的顺序，数据分组在下一个分组到来之前必须在一个抖动抑制缓 存中存储一定的时间，这个时间的长度依赖于整个网络的性能。 在i p 网中，可能有一定量的分组在传输过程中丢失，或者有 一定的时延，特别是经过一段时间的拥塞后尤其如此，同时还有一 些分组在传输过程中因为出错而被丢弃。丢失、时延以及对错误数 据分组的丢弃将会导致语音质量的恶化。在其它协议中，对于传输 出错的数据，通常是采用差错校验技术，接收到的错误数据块丢弃 后，接收方计算机会向发送方发出重新传输的要求，因此最终传递 到用户的消息与发送方完全一样。但是由于v o l p 系统对时间的敏 感性，不允许出错重传，在接收端为了重现出错分组所对应的话音， 需要采用更智能的差错检测纠正机制。在这个过程中，需要存储一 部分接收到的说话者的话音，然后通过一个复杂的算法来近似模拟 丢失分组的内容，得到的新的话音信息将有助于提高通信质量。因 此，接收者听到的声音与发送者发出的并不完全一样，其中相当一 部分是由系统产生的，其目的是为了增强话音质量【3 j 。 1 0 媒体处理所涉及的关键技术 2 2v o l p 的几种接入方式 v o l p 的接入方式主要有三种，如图2 - 1 所示： p c p c 的工作方式 p c p h o n e 的工作方式 p h o n e - - p h o n e 的工作方式 圈2 1v o l p 的几种接八方式 2 3v o l p 的相关协议 v o l p 可以被理解为完成一定功能的一组协议，这些协议与传 统的可以分为接入、交换和传输三部分的p s t n 网络的协议有类似 之处，与v o l p 相关的三组协议分别是：信令、路由和传输。 信令协议，例如h 3 2 3 ，s i p 用于为媒体流和通话建立路由。 网关控制协议，例如媒体网关控制协议( m g c p ) 和m e g a c o ( 也 是一个信令协议) ，用于建立媒体和信令网关中的控制和状态。 路由和传输协议的功能是，媒体流的传输路径一旦确定，立即 1 1 北京交通大学钡+ 论文 对媒体流( 会话) 进行路由( 使用用户数据报协议u d p 和传输控 制协议t c p ) 传输( 应用实时传输协议r t p ) 。 r t p 完成传输功能。信令和路由协议确定媒体流选择哪条路 径，路由协议将传输响应的数据，即会话。 2 3 1s i p 协议 s i p 简介 会话初始协议( s e s s i o ni n i t i a t i o np r o t o c o l ，简称s i p 协议) 是 v o i p 未来的信令方式。事实上，许多人认为s i p 结合m g c p 或 m e g a c o ( 媒体网关控制和软交换体系结构) 将在未来支配语音 i p ( v o l p ) 的信令体系【5 1 。 s i p 是一个信令协议，用来处理多媒体会话的建立、更改、拆 卸，与其它协议相比较，s i p 描述了潜在的会话者的会话特征。尽 管严格来讲，s i p 会话中的媒体交换可以使用任何传输协议，但 般都以r t p 作为传输协议。 s i p 消息有可能通过一些与媒体交换所通过的相同的介质来传 输，但是s i p 信令应该从媒体本身分离出来单独考虑。 图2 - 2 信令与媒体的分离 图2 - 2 展示了信令与会话数据的逻辑分离关系，这种分离很重 媒体处理所涉及的关键技术 要，因为信令在传输过程中可能要经过个或多个代理服务器或重 定向服务器，而媒体数据流更多的是采用直接通路，可以认为这个 过程与h 3 2 3 中描述的信令与媒体分离的情景类似。 卜s i p 在v o l p 中的应用1 6 】 图2 3 一个简单的s p 呼叫的例子 卜s i p 的基本功能 7 1 t 用户定位( u s e rl o c a t i o n ) ：决定哪个终端系统参加通信。 t 用户能力( u s e rc a p a b i l i t i e s ) ：决定通信所采用的媒体和媒 体参数。 用户可用性( u s e ra v a i l a b i l i t y ) ：决定被叫方是否愿意加入 通信过程。 1 3 j e 京交通大学硕士论文 + 呼叫建立( c a l l s e t u p ) ：振铃、主叫方和被叫方的连接和参 数的建立。 t 呼叫处理( c a l lh a n d l i n g ) ：前转或终结呼叫。 卜选择s i p 而不是h 3 2 3 的原因 v o l p 协议演变的结果是比以前更有效。协议的简单性越 来越被大家所接受。在这一方面，s i p 明显要比h 3 2 3 进步，主要 是因为s i p 做了很多简化，信令翻译之后也更加可靠。 相对于h 3 2 3 ，s i p 的伸缩性更好，伸缩性主要涉及管理 大范围区域的能力、服务器处理能力、多方会议以及反馈能力。 s i p 比h 3 2 3 的可扩展性强。 s i p 相比h 3 2 3 能够轻松的提供业务和功能。 2 3 2h 2 4 8 协议 h 2 4 8 协议，也叫m e g a c o 协议，是软交换设备或m g c 与m g 之间的一种媒体网关控制协议，它是一项作为l t u t 与i e t f 合作 的新标准。h 2 4 8 协议使得语音、传真和多媒体信号在公共电话网 与新兴l p 网络之间交换成为可能。h 2 4 8 协议不涉及i p 电话的体 系结构，只涉及网关分解问题，因而它不仅可以用于h 3 2 3i p 电 话系统，也可以用于s i p 的i p 电话系统。 2 3 3 媒体网关 虽然v o l p 有其自身的优点，但是由于现在p s t n 网络的广泛 存在，要想i p 网络完全取代p s t n 的地位是不可能的，所以它们 之间的无缝连接至关重要。 1 4 媒体处理所涉及的关键技术 v o l p 和p s t n 通过使用网关相互作用，网关的作用是使得 v o l p 网络相对于电路交换网络来说更像一个本地电路交换系统 ( 反之亦然) 。换句话说，v o l p 网络应该能接受来自电路交换网络 本地格式的信令和媒体，并且一起转换成l p 网络使用的格式。 一个v o l p 呼叫中包括的信令可能选择条与媒体本身的路径 不同的路径。媒体可以直接从端到端，而信令则能经过一个或更多 的中间实体，比如说代理。 所以，一个网络网关有两项相关但相互分离的功能：信令转 换和媒体转换。信令转换方面是和网络中呼叫控制过程的运转情况 相结合的。实际上，信令可以理解成是呼叫控制实体之间通信使用 的一种语言。媒体转换和传输可以被认为是从属的过程，被调用和 操作以满足呼叫控制和发送信令规定的需要。图2 - 4 显示了p s t n v o i p 网络以及其它网络与v o l p 相连的结构。 。科堕鱼：曼曼删煦铲? 信令。v * 驴? 1i 。煎生皇壁型壁墅降专 |i 蓑裳与|薹簇蓑与| ，懈同 鼍叫一谪f 卜1 黔一斗厂森丽 每一 圈2 4 外部罔卑联之同的v o i p 罔络罔关 2 3 4 实时传输控制协议( 删r t c p ) 实时传输协议( r t p ) 和实时传输控制协议( r t c p ) ，这两个协 议提供了可以支持实时应用( 例如语音和影像) 的网络传输服务。 r t p 传输真正的语音分组，r t c p 则是用于传输质量反馈的信息包。 在i p 网中传输实时语音偶尔的分组丢失并不会引起语音质量 北京交通大学硕士沧文 的大幅度降低，但是语音对时延很敏感，所以在语音传输中，少量 的分组丢失比引入时延要好的多。由于t c p 的重传机制、拥塞控制 机制、及包头太大、启动速度慢的特点，在传输层我们选择不保证 町靠传输的u d p 协议来传送语音数据分组以提高传输的实时性。 u d p 是一种无连接的数据报投递服务，虽然没有t c p 那么可靠， 由于u d p 的传输延时低于t c p ，能与音频和视频流很好地匹配。因 此，在实际应用中，r t p r t c p u d p 用于音视频媒体，而t c p 用于 数据和控制信令的传输。 2 3 4 ir t p ( 实时传输协议) u d p 无法做到避免分组丢失和确保分组有序传输。运行在u d p 之上的r t p 帮助实现了这些功能。例如，r t p 分组包括序列号，这 样，使用r t p 应用程序至少能够检测到分组丢失的发生并确保收到 的数据以正确的次序提交给用户。r t p 分组还包含了一个时间戳， 这个时问戳对应于分组从源媒体流进行抽样的时间。目的应用程序 可以利用这个时间戳来确保信息同步地传递给目的用户并计算出 时延和抖动。 注意：r t p 本身并不处理这些事情，它只是提供了一些附加的 消息给高层的应用，以便高层应用能够合理的决定数据分组或是语 音分组如何能被最好的处理。 r t p 支持实时传输、包重新排队、封装数据、有效载荷类型鉴 定、多播、鉴定发包来源和同步源。r t p 报头的消息就是为了让r t p 能够支持这些服务。图2 5 显示了r t p 报头的格式吼 1 6 媒体处理所涉及的关键技术 0 0 000 0 001 111i11l2 2 2 水 2 2 2 3 33 333 33 l2 3456781 2 34s 678l236781 234 s 6 78 v = 2p陡c cmp t 序列号 时间戳( t i m e s t a m p ) 同步源标志( s s r c ) 有用标志源( 0 1 s 4 条目) ( c s r c ) 图2 - 5r t p 报头格式 r t p 报头的简单介绍【8 i ： v ：版本号 p ：填充，表示在净荷的尾部分组是否有一个或多个填充字节。 x ：扩展，表示固定长度的报头是否包含一个报头扩展区。 c c ：c s r c 计数器，表示有用源标志符的数量。 m ：标记，表示的意义依据传输的净荷类型而定。 p t ：净荷类型，表示r t p 净荷的格式。 序列号：这个标题使接收方可以检测到分组的丢失或分组到达 顺序的是否错误。 时间戳：记录净荷中第一个抽样产生的时间，在媒体同步和抖 动计算中是不可缺少的。 s s r c ：同步源，表示r t p 包的来源。 c s r c ：贡献源列表，它包含了所有对该r t p 包中数据存在贡 献的同步源的标识符。 r t p 用于语音时，对于g 7 1 l 、g 7 2 3 1 、g 7 2 9 、g 7 2 8 编码， 产生时间戳的采样频率取8 k h z 。当用于视频时，目前所有的视频 编码的时间戳采样频率都取9 0 k h z 。 1 7 北京交通大学硕士论文 2 3 4 2r t c p ( 实时传输控制协议) r t c p 足r t p 的一个伴随协议，这个协议为用户会话之间提供 了大量的可供交换的信息和关于会话质量的反馈信息。信息的类型 包括这样的一些细节问题，诸如丢失的r t p 分组的数目、时延和到 达间隔的抖动。这些信息可以用来检测并潜在地解决发送问题，通 过使用r t c p 和i p 多播，第三方( 例如不是会话参与者的网络操作 员) 就可以控制会话质量和检测网络问题。 r t c p 定义了多种类型的包，用于承载多种控制信息。每个r t c p 包都和r t p 数据包类似，都以一个固定的包头开始，后面跟着个 随包类型的不同而不同的结构化元素。该元素可能是变长的，但总 是在3 2 比特边界上结束。 _ r t c p 定义了五种不同类型的r t c p 分组9 】： 发送方报告( s r ) ：由活动的会话者使用，可以进行分组的转 发和接收统计数据。 接收方报告( r r ) ：用来发送参与者的统计信息，这些参与者 只接收媒体信息，而不发送媒体信息。 源描述( s d e s ) ：包括一个或多个关于某个会话参与者的描述。 特别是，s d e s 必须包含一个规范名( c n a m e ) ，用来标志会话参与 者。在s d e s 分组中可能存在其它信息，例如参与者的名字、电子 邮件地址或是电话号码。 b y e ：表示参与会话的结束。 a p p ：应用相关的功能，a p p 使r t c p 可以发送包含与特定媒 体类型或应用相关的信息的分组。r t c p 并没有规定a p p 分组的具 体内容。 1 8 媒体处理所涉及的关键技术 2 a 影响v o i p 服务质量( q o s ) 的因素 v o i p 和软交换网络的主要缺陷是它们的服务质最( q o s ) 比公 芡电话交换网( p s t n ) 要差。 为了能够使v o i p 成为电路交换技术的商业挑战，v o l p 提供的 语音质量至少要有现在电话网提供的那样好，而且语音质量不能有 波动。这个目标对v o i p 是一个大挑战，其原因是l p 最初设计不是 用来传输语音和类似的实时交换媒体的。 影响包交换网络语音质量的三个重要因素是：时延、抖动和包 丢失1 1 0 i 。这曼个因素由包交换网络的本质所产生，包交换网络不 能保证语音数据包及时到达接收方，甚至不能保证到达。传统的电 路交换网络很少，甚至不会出现分组丢失的情况，而且传输的时延 是一个固定的参数不会随时间的变化而改变，网络的这些影响是区 别v o l p 网络和传统网络的重要因素。 2 4 1 时延 时延的产生 端到端的时延是指从信号在信源生成到它到达信宿所需要的 时问。传统的电话，只有长距离的呼叫以及和移动电话之间的呼叫 才会引起长的时延。与传统电话网通话双方建立一个可靠连接不 同，i p 电话中的通话双方之间并不存在一条固定的独享连接，i p 网络的拥堵、不同数据包对信道的竞争以及不同的路由选择等，使 得网络传输时延很难控制【”1 。时延主要有编码器时延、解码器时 延、缓存时延和网络传输时延、网关处理时延、网络节点设备时延 1 9 北京交通大学硕士论文 和中继传输时延几个部分组成。其中，后三项时延对i p 电话的时 延影响较小。图2 - 6 是前四种时延的关系【2 】： 编码时延 传输时延 缡中时延 解码时延 k 卫爿卜坠；k 熙。一马* 图2 - 6 时延模型 时延为t = t 1 + t 2 + t 3 + t 4 。 有些低速率编码算法是根据当前或下一帧的部分数据，称之为 “前视”生成语音编码器的，这样编码时延就可以表示为帧长和前 视长度之和再加上d s p 的编解码处理时延。g 7 2 3 1 和g 7 2 9 对应 的帧长和前视长度分别为3 0 m s 、7 5 m s ；1 0 m s 、5 m s 。解码时延t 4 则是d s p 的解码处理时延。随着d s p 硬件处理性能的提高，可以 认为时延t 主要由编码算法要求的帧长( 帧长和前视长度之和) 、 传输时延t 2 、缓冲时延t 3 来决定。 在终端进行去抖动操作以减少时延抖动时，通常的方法就是加 入去抖动缓冲器，这也会引入。定的去抖动时延t 3 。t 3 的取值是 在分组时延和分组丢失率之间的折中。t 3 过小，会使分组丢失率 上升。t 3 过大，会引入太大的时延。由于通话的时间较短，自适 应去抖动算法往往不能发挥很好的作用，一般采用固定的去抖动时 延，取值为网络的平均排队时延。 时延的影响 时延对语音通信的影响主要在于引入回声和交互性的丧失。 媒体处理所涉及的关键技术 图2 7 表示了v o l p 网络中时延和语音质量的关系 时延d ( m s )语音质量 d 8 0 达到电路交换网络的语音质量 8 0 d 1 8 0 达到一股商业要求，强于移动通信的语音质量 1 8 0 d 4 0 0 不可接受，网络本身已经难以保持正常的通信 囝2 7v o i p 中时延与语音质量的：羌系 环路时间是很重要的。例如，考虑a 与b 之间的一个对话。a 正在说话，而b 想打断他。但是，因为有时延，b 当前听到的是a 早就说过的。而且，当b 打断时，a 听到b 的打断也需要花些时间。 因此，对b 来说，a 好像忽略了他的打断。因此，b 就不说话了。 但是，现在a 已经听到b 的打断，并且也停止了说话，因此现在双 方都不说话了。然后，他们又都尝试重新开始说话，而又发生冲突， 又都不说话。试验表明，如果环路时延超过3 0 0 m s ，通信质量基本 无法接受。 2 4 2 抖动 时延抖动的产生 对于i p 网络这样的尽力传送的网络来说，传送实时数据并不 能保证数据包能够按时到达，到达间隔的不一致就产生了抖动。抖 动值就是数据包到达间隔时问差的平均值1 2 】。如图2 8 所示： 在i p 网中有两种方式造成抖动。第一种，数据包从发送者传 输到接收者的过程中选择的路由不同，也就带来了不同的时延。第 二种，在语音会话中，某个数据包可能比它前面的数据包经历了更 北京变通大学硕十论文 长的排队时间一尽管它们选择的路由足相同的。即时延抖动主要是 由网络引起的，如果端到端的传输路径中经过的中问节点( 路由器、 交换机等) 越多，带来的时延抖动越大。 p i ：第i 个数据包；p l + 1 ：第i + 1 个数据包 s i 和r 分别表示第i 个数据包发送和收到的时间 s i + 1 和脚1 分别表示第i + 1 个数据包发送和收到的时间 图2 8 抖动 _ 抖动的影响 分组传输中的抖动会严重影响实时i p 业务的质量。抖动值如 果超过2 0 m s ( 假设采用常见的设置，2 0 m s 产生一个数据包) 就会 产生可听出来的语音质量问题。过度抖动的效果与过大时延的效果 很接近，因为当包抖动超过抖动缓存可以容忍的限度时同样会发生 分组丢失。另外局域网设备的传送机制对抖动也有影响，因为数据 交换的网络里面比共享式网络里的数据碰撞及重传的机率小，抖动 产生的机率也就小。 抖动的解决 媒体处理所涉及的关键技术 解决抖动的方法：保证最小的时延抖动，使得存在的时延保持 同定值。这个h 标可以通过使用时延抖动缓存来实现，语音数据包 被放置在抖动缓存中使得它们能够以固定的频率播放给收听者。但 是抖动缓存的负面影响是增加了总的时延。所以，抖动缓存的大小 选择要有一定的尺度，不能太大，电不能太小。太大，过大增加总 的时延，如果时延超出语音听觉可接受的范围，则播放出的语音质 量再好，也是无法接收的。太小，不能解决抖动引起的问题。 抖动缓存的设置有两种方法：一种是设置固定的抖动缓存，另 一种是设置自适应的抖动缓存，也就是说，可以根据网络的运行状 况适当的调整抖动缓存的大小。 2 4 3 分组丢失 影响网络分组丢失的原因f 1 3 】 传输损伤一网络中由于传输设备出现损伤如线路断裂等，会导致大 量数据分组的丢失。 分组超时丢失一1 p 数据报由于是b e s te f f o r t 的，其在i p 网络中 的寻径是随机的，为避免数据进入死循环，需要进行数 据报的生存时闻控制。在一个新的数据报产生时，就在 其头部的t t l ( t i m et ol i v e ) 位设定其在网络中存在 的最大时间，超时便丢弃，如果网络状况很差，会造成 许多分组由于超时而丢失。 网络拥塞一i p 网中的分组是经过中间设备，一跳一跳传输的。对 于i p 协议采用无连接传输机制，拥塞是不可避免的。 造成拥塞的主要原因在于网络中的设备没有足够的缓 北京交通大学硕士论文 冲区接收数据，使得通向某一路由的队列过长，当队列 出现溢出时会造成分组丢失。 应用超时一在实时的应用程序中，如果包到达目的地太晚，即便到 达，也会在目的地被丢弃，这种情况，也称之为丢包。 分组丢失的影响 i p 语音包的丢失对语音质量会产生影响，典型的语音编码可 以允许包丢失率为3 ，采取一些特殊措施后，包丢失率达到8 1 0 时语音质量也还可容忍。l p 语音业务服务质量与时延和分组丢 失的关系如图2 9 所示： 单项时延( m s ) 4 0 0 2 0 0 51 0 包丢失率( ) 圈2 9m 网络的时延和丢包对语音服务质量的影响 分组丢失的解决方法 当出现包丢失的情况，必须有一些机制去进行处理，我们通常 称之为包丢失恢复算法( p l c ) 。在最好的情况下，包丢失恢复算法 可以精确的预知语音信号并且在先前已经解压的语音信号和现在 插入的语音信号之间有一个平滑的转变。 既然丢包大部分发生在网络负载很重的情况下，包丢失不会突 发。突发会引起大量连续的包丢失并且这段时间包的丢失率极高。 媒体处理所涉及的关键技术 如果几个连续的分组丢失，最好的p l c 算法也不能产生可以接受的 较好的语音质量。 为了节约带宽，存一个包中通常携带很多帧语音数据，所以丢 失一个包会丢失很多帧语音数据。即使包丢失随机发生，听上去也 感觉像发生了突发的包丢失事件。 解决分组丢失的措施主要是通过改善网络环境来实现的，如 增加带宽、扩大路由器的缓冲区、设置优化的路由表等。但采取 这些措施的同时还要考虑到与成本、业务需求等方面的平衡。 2 5 分组语音技术 2 s 1 语音编码技术 在高语音质量中还有一个要素就是语音编码方案的选择。 g 7 1 1 是如今使用最普遍的编码技术，它是一种波形编解码器并且 在全世界的电路交换嘲中会使用的编码技术。目前，i p 分组语音 主要采用的编码技术有i t u t 定义的g 7 2 9 、g 7 2 3 1 等，g 7 2 9 a 是g 7 2 9 的d s v d ( 话音和数据同时传送数字系统) 型式，与( 3 7 2 9 比特流兼容，即它们的编码都能被对方的解码器接收并重建信号。 v o l p 网络常用的语音编解码算法的性能比较： 编解码方法 g 7 2 3 1q 7 2 9g 7 2 9 a 比特率( k b i t s )5 3 6 3 88 帧长度f m s ) 3 01 01 0 处理时延( m s ) 3 01 01 0 北京交通大学硕十论文 观看时延( m s ) 7 555 - 帧亨节数 2 0 ，2 41 01 0 d s p ( m i p s