基于互联网的音频传输技术在广播电台远距离直播的应用

1、基于互联网的远距离音频传输应用作者：佛山电台 赵军摘要：广播电台的远距离异地直播，传统上都是通过微波、光纤、数字电话传输器等将现场信号回传到直播室。目前，应用基于互联网的音频传输技术，通过成熟而普遍的互联网宽带，将各个现场的音频信号高质实时回传到直播室，成为一种高质低廉音频传输手段。关键词： 音频传输 TCP协议 UDP协议 延时 PYKO 一、传统广播远距离直播传输方式存在的不足。广播，作为“耳朵”的艺术，一直以来都依靠声音来打动听众。对于远距离广播音频传输，由于传输技术、设备或现场条件的限制，声音质量往往难以保证。如何快速而低廉地构建高质量远距离的音频传输平台，满足广播的需要，是我们亟待解

2、决的问题。传统的广播信号传输方式主要为微波、光纤、调频无线、ISDN（即窄带综合业务数字网）、数字电话传输器、普通电话或GSM移动电话等，但这些传输方式都存在不同程度的缺点。微波、光纤及无线调频传输方式能提供高质量的音频传输，但对于远距离、直播地点不确定时，往往难以达到快速布点及有效保障。ISDN在我国除北京、上海、广州等少数大城市有一些应用外，目前已经逐渐淡出市场。而且对于跨省市的电信局之间，ISDN还存在调试困难、线路不稳定的情况。用普通电话或GSM移动电话，声音质量太差，做短时间的信息播报尚可，作为大时段长时间的直播就不太合适。用数字电话传输器传输音频信号是一种相对较好的方式，但也存在设

3、备价格昂贵，实际应用中两台机器连接数率在24 kbps以上时容易出现掉线。所以为保障安全连接，一般都选用9.6 kbps至 21.6 kbps之间的连接速率，故此声音频响只能达到512 kHz，从而影响到了节目的传输质量。二、基于互联网音频实时传输的原理。在互联网上要实现高质量实时数据连接，主要应用到传输层协议。根据OSI网络标准定义，网络由物理层、数据链路层、网络层、传输层、会话层、表示层和应用层7层组成。而在实际应用中，网络结构可简化为链路层、网络层、传输层和应用层用户接口，其结构如下图。在TCP/IP层结构模型中，传输层的功能是使源端主机和目标端主机上的对等实体可以进行会话。在传输层定义

4、了两种服务质量不同的协议。即：TCP（transmission control protocol）传输控制协议和UDP（user datagram protocol）用户数据报协议。TCP协议是一种面向连接的协议。能够提供可靠的、全双工的网络通信服务，具有确认、数据流控制、多路复用和数据同步等功能，适合无差错高质量数据的传输。由于TCP协议对数据完整性和正确性的苛刻要求，不得不在协议自身中加入大量控制内容。这些控制内容可以用于检验数据包的时序，完整性，正确性等。由于这些数据的加入，导致发送端和接收端的计算量加大，并且，由于这些控制数据的加入，使得传输数据的体积也加大了很多，加重了对网络的负载。

5、这些问题最后都指向一个致命的问题：数据的延迟性被增大了。因此TCP协议不适合传输实时音频数据和突发性的大量数据。UDP协议是一种无连接的传输层协议，提供面向事务的简单不可靠信息传送服务。UDP 并不提供对IP 协议的可靠机制、流控制以及错误恢复功能等。虽然UDP提供的是无连接的、不可靠的数据传送方式，但是相对于TCP协议，UDP协议减少了确认、同步等操作，节省了很大的网络开销，它能够提供高传输效率的数据报服务，能够实现数据的实时性传输，在数据的实时传输中应用广泛。尽管UDP协议延时较小，但在不可靠网络条件下，这仍然是影响传输的重要因素。在这种情况下，通常在客户端设定一个缓冲区来减少网络的延时。

6、接收到的数据包先压入缓冲区，当缓冲区中达到预定数量的包后，开始解码播放。这样可以减少延时变化的影响，这种缓冲区的大小应该是随着网络的变化而变化。选定缓冲区的大小至关重要，因为如果缓冲区过小，一些最终能到达甚至马上就到到达的数据包可能会被认为丢包而遗弃，增大的丢包的可能性。相反，如果缓冲区设定过大，将有更大延时，而延时的过大将有可能超过人耳能够觉察的门限值。总结起来，UDP协议被广泛地使用在对网络数据传输实时性很高而对数据准确性要求不是非常高的场合。而当今网络传输物理介质的高速提升(光纤)也降低了数据包丢失的几率。当网络状态很好的时候，UDP协议的这两个缺点又可以很大程度上被克服。因此，UDP协

7、议比较适合作为实时高质量音频数据的传输。所以，只要找到数据传输速度、延时及丢包三者的平衡点，就可实现高质量音频数据的实时可靠传输。三、佛山电台基于互联网的音频传输应用情况佛山电台从2004年开始，就尝试进行基于互联网的音频实时传输试验。由于当时市场上基于网络进行音频传输的广播设备很少，而且价格昂贵，因而主要采用以软件编解码的方式进行尝试，即利用电脑进行音频的编解码，然后通过网络进行传输。佛山电台在实际应用探索过程中，第一种是采取流媒体技术传输方式，分别测试了微软的WindowsMedia、RealNetworks公司RealSystem和苹果公司的QuickTime三个主流媒体软件进行音频传输

8、。流媒体技术也称流式媒体技术，就是把连续的影像和声音信息经过压缩处理后放上服务器，让用户一边下载一边观看、收听，而不要等整个压缩文件下载到自己的计算机上才可以观看的网络传输技术。该技术先在使用者端的计算机上创建一个缓冲区，在播放前预先下一段数据作为缓冲，在网路实际连线速度小于播放所耗的速度时，播放程序就会取用一小段缓冲区内的数据，这样可以避免播放的中断，也使得播放品质得以保证。但这种传输方式音频的延时较长，达到1030秒。另一种方式是采用了MUSICAM公司的Audiostar双向音频编码软件进行IP点对点的音频传输。这种软件编码方式采用MUSICAM编码方式对音频进行编码，然后进行传输。这种

9、方式传输音质好时延短，但只能通过局域网进行传输音频。总体来说，限于当时技术条件及网络条件，采用软件编解码方式的音频传输都存在声音质量不高、延时长、调试困难、运行不稳定等缺点，效果一直难以令人满意。随着网络技术的发展，宽带接入技术已经普遍使用。到2010年，全国已经有3.46亿人使用宽带互联网。宽带互联网的普遍使用为实时高质量音频传输提供了很好的平台，而随着广播技术的发展，市场上也开始出现了基于IP网络音频传输的硬件设备。为此，佛山电台投入更多的资源进行新一轮的研究与试验。经过对市场上出现的相关产品进行研究及对比，目前法国DIGIGRAM公司出品的PYKO 系列设备是一款能较好应用在互联网上的实

10、时高质音频传输设备。由于PYKO设备应用了硬件编解码技术和UDP协议传输，其声音质量参数能达到较好的水平，频率响应为20Hz20kHz（0/-2dB）；总谐波失真小于-84 dB (20 Hz20KHz)；信噪比小于-98 dB (20 Hz20KHz)，完全可以用于广播、高质传输等方面。在设备的连接中，通过一对PYKO设备（分别为PYKO-in和PYKO-out），发端（PYKO-in）将模拟的音频源转换成高质量的MP3或PCM格式的IP码流，经过互联网进行IP地址点对点连接，接收端（PYKO-out）将MP3格式或PCM格式的IP码流还原为模拟音频,一个具体应用如下图。基于互联网的音频传输

11、链路整个传输系统搭建比较容易，只要经过简单的安装和设置，就能快速地应用于各种远距离的户外直播传输，通过网络、音频参数的设置，就能快速地应用于各种远距离的户外直播传输。PYKO-in提供三种应用模式可以选择：分别是流服务应用、全双工应用、播出应用。对于流服务应用，PYKO-in将作为一个立体声输入设备进行使用；全双工应用可以提供一进一出的单声道使用，一般应用在内部通话或者需要双向音频时使用；播出应用可以将PYKO-in当作PYKO-out来使用，一般作为手头没有PYKO-out应急时使用。作为通过互联网传输音频应用，一般选用Stream server application方式。通过以上的基本设

12、置，PYKO设备就能通过互联网进行高质音频传输。在我们的实际应用中，一般采用24M带宽ADSL接入方式，可以达到128kbps mp3声音质量，而延时基本可以忽略。比数字电话传输器回传的信号质量更好更加稳定。当然，当网络质量不高的情况下，需要对设备的“音频格式（Audio Format）”“时延（latency）”“MP3编码质量（mp3 encoding quality）”等参数进行有机组合调整，达到声音质量最高、延时最短的效果。故此PYKO 系列设备具有声音传输质量高、延时短、系统搭建容易、调试方便等优点。佛山电台在2010年元旦的新年倒数活动中，率先使用了基于互联网的音频传输，很好地解决

13、了总台直播室与广州、肇庆、南海、顺德等四个活动地点进行穿插的直播及联动需求，解决了这种远距离异地多点直播活动。为做好直播，预先在各个活动现场报装了2M或4M的ADSL宽带。通过宽带路由器，接入PYKO音频传输器。同时，也为了满足各直播点之间视频交流的需要，同时采用了网络视频会议系统进行多点可视化的对播，从而使节目生动活泼，语言丰富多彩，促进了节目的收听率。整个活动的互联网音频信号传输拓扑图如下图。四、 通过采用互联网传输技术，为广播电台远距离直播传输带来的好处显而易见。通过实际应用表明，采用了互联网的音频传输技术手段，相对传统的音频传输方式，具有投入成本较低、线路容易搭建、布点容易、声音传输质

14、量高、扩展性强等优点。1. 系统投入成本较低。相对传统的传输方式，应用互联网传输音频其硬件投入只是传统电话传输器的六分之一左右，具备良好的性价比，降低了远距离直播传输的成本，使这种传输方式更有推广价值。2. 系统搭建简便。硬件化的设备和使用宽带互联网作为传输线路，在对于户外活动直播等这些现场技术条件有限的情况下，能简化设备的架设及调试时间，提高工作效率。3. 系统具有实现单播和组播功能。能随时通过互联网进行点对点、点对多的音频传输。点对多组播功能，特别适合单个直播点向多个转播台进行音频信号的传输，相对传统方式的音频传输，能极大地降低投入成本。4. 具备良好的系统管理功能。输入系统的音频信号在管理软件的控制下提供灵活的路由选择，音频很容易就改变路线而不需要重新布线，通过管理软件还可以对音频信号进行监测，减少了系统外接设备，提高安全播出质量及工作效率。5. 具备良好的移动传输扩展能力。按照目前3G无线