摘? 要: 提出了一種集成式IP電話網(wǎng)關(guān)的實(shí)現(xiàn)方法，分析了語(yǔ)音信號(hào)在該網(wǎng)關(guān)中的處理過(guò)程，詳細(xì)介紹了語(yǔ)音采樣、播放、壓縮與解壓縮、RTP包的封裝與解包以及IP包的接受和發(fā)送的實(shí)現(xiàn)方法。

　　關(guān)鍵詞: IP電話網(wǎng)關(guān)? 語(yǔ)音壓縮? RTP協(xié)議

?

　　隨著IP電話技術(shù)的飛速發(fā)展,IP電話的實(shí)現(xiàn)方式正在由PC To PC過(guò)渡到Phone to Phone,在Phone to Phone的實(shí)現(xiàn)方式中,需要所謂的IP電話網(wǎng)關(guān)來(lái)連接PSTN和因特網(wǎng)。因此IP電話網(wǎng)關(guān)成為目前計(jì)算機(jī)和通信領(lǐng)域研究的熱點(diǎn)之一。雖然國(guó)內(nèi)外許多廠商都在以不同的方式開發(fā)IP電話網(wǎng)關(guān),但他們有一個(gè)共同的的特點(diǎn),即:幾乎所有IP電話網(wǎng)關(guān)都采用了自己的專用硬件設(shè)備。本文提出了一種采用市場(chǎng)上通用的板卡來(lái)構(gòu)造一種硬件集成式的IP電話網(wǎng)關(guān)的方法,并研究了語(yǔ)音數(shù)據(jù)在該網(wǎng)關(guān)的處理過(guò)程和實(shí)現(xiàn)方法。

　　集成式IP電話網(wǎng)關(guān)的硬件構(gòu)成如圖1所示,它是在Pentium II PC機(jī)的基礎(chǔ)上,插入Dialogic公司的D/41E型語(yǔ)音卡、LSI公司的C6200資源卡和D_Link網(wǎng)卡所組成。其中D/41E語(yǔ)音卡用來(lái)完成語(yǔ)音的采樣和播放。C6200資源卡有一塊TI公司的TMS320C6201 DSP芯片,用來(lái)完成語(yǔ)音的壓縮和解壓縮以及回聲抵消。Pentium II PC用來(lái)實(shí)現(xiàn)H.323協(xié)議棧的主要功能,網(wǎng)卡用來(lái)發(fā)送和接受IP包。下面具體分析語(yǔ)音數(shù)據(jù)在IP電話網(wǎng)關(guān)的處理過(guò)程和實(shí)現(xiàn)方法。

?

?

1 語(yǔ)音采樣和播放

　　在該IP電話網(wǎng)關(guān)中,語(yǔ)音的采樣和播放是由Dialogic公司的D/41E型語(yǔ)音卡來(lái)完成,其中,語(yǔ)音采樣是利用語(yǔ)音卡所提供的錄音函數(shù)來(lái)完成的。在實(shí)時(shí)語(yǔ)音通信時(shí),語(yǔ)音數(shù)據(jù)存入語(yǔ)音采樣緩沖區(qū)中,等待語(yǔ)音壓縮線程取出并處理。錄音函數(shù)形式如下:

　　dx_reciottdata(activeChdev，&chinfo[activeChdev].iott，&tptrec[0]，&xpbVox，mode);??????????????????

　　該函數(shù)的輸入?yún)?shù)的含義如下:

　　int chdev? ??????????? ????? 語(yǔ)音通道的設(shè)備句柄

　　DX_IOTT *iott? ???????　　 ? 指向語(yǔ)音數(shù)據(jù)目的地的指針

　　DV_TPT *tptp? ?? ??????????? 指向終止參數(shù)塊的指針

　　DX_XPB *xpbp?? ????????????? 指向I/O傳輸塊的指針

　　unsigned short mode? ??????? 錄音所采取的方式

　　iott是一種DX_IOTT類型的數(shù)據(jù)結(jié)構(gòu)，該數(shù)據(jù)結(jié)構(gòu)中的io_type可取值IO_DEV和IO_MEM，分別用于指定語(yǔ)音數(shù)據(jù)是存入文件還是存入緩沖區(qū)中。io_type的另一類取值可為IO_CONT,IO_LINK或 DX_IOTT,用于指定語(yǔ)音數(shù)據(jù)目的地的結(jié)構(gòu)。如果io_type取值IO_DEV,則io_fhandle的值應(yīng)為一個(gè)文件的句柄;如果io_type取值IO_MEM,則io_fhandle的值應(yīng)為0,此時(shí),io_bufp指向存放語(yǔ)音數(shù)據(jù)的緩沖區(qū)的起始地址。io_offset為地址偏移量。io_length用于指定文件或緩沖區(qū)的大小。如果io_type取值IO_LINK,則io_nextp指向下一個(gè)存放語(yǔ)音數(shù)據(jù)的DX_IOTT數(shù)據(jù)結(jié)構(gòu),而io_prevp指向上一個(gè)存放語(yǔ)音數(shù)據(jù)的DX_IOTT數(shù)據(jù)結(jié)構(gòu)。DX_IOTT的數(shù)據(jù)結(jié)構(gòu)定義如下:

　　typedef struct dx_iott {

　　unsigned short io_type；??????????? ?? /*Transfer type*/

　　unsigned short rfu；?　　　　　??? ??? /*Reserved*/

　　int???? io_fhandle；???　　　　　　??? /*File descriptor*/

　　char*? io_bufp；???　　　　　　　　 ?? /*Pointer to base memory*/

　　unsigned long io_offset；??　　? ????? /*File/Buffer offset*/

　　long int io_length；?　　　　　??????? /*Length of data*/

　　DX_IOTT *io_nextp；???　　　　? ?????? /*Ptr to next DX_IOTT if IO_LINK set*/

　　DX_IOTT *io_prevp；?　　　　　　　?? ? /*(Optional) Ptr to previous DX_IOTT*/

　　}　DX_IOTT；

　　DV_TPT數(shù)據(jù)結(jié)構(gòu)用于指定終止某語(yǔ)音通道上函數(shù)的條件。具體如下:

　　typedef struct DV_TPT {

　　unsigned short? tp_type；?? ????? ???? /*Flags describing this structure*/

　　unsigned short tp_termno； 　　　　　　/*Termination parameter number */

　　unsigned short tp_length； ? 　　　　　/*Length of terminator*/

　　unsigned short tp_flags；??????? ????? /*Term.parameter attributes flag*/

　　unsigned short tp_data； ??　　　　 ?? /*Optional additional data*/

　　unsigned short rfu；?　??????????????? /*Reserved for future use*/

　　struct DV_TPT *tp_nextp； 　　　　　　 /*Pointer to next term.parameter if*/

?????????????????????????????????????????? /*IO_LINK is set*/

　　} DV_TPT；

　　DX_XPB數(shù)據(jù)結(jié)構(gòu)用于指定用何種算法進(jìn)行錄音等。WFileFormat可取值FILE_FORMAT_VOX和FILE_FORMAT_WAVE,分別代表用VOX文件格式和WAV文件格式存放語(yǔ)音數(shù)據(jù)。wDataFormat可取值DATA_FORMAT_DIALOGIC_ADPCM、DATA_FORMAT_MULAW、DATA_FORMAT_ALAW、DATA_FORMAT_PCM,分別代表用ADPCM、μ率、A率或線性PCM的算法對(duì)聲音進(jìn)行采樣。nSamplesPerSec可取值DRT_6kHz、DRT_8kHz、DRT_11kHz,用于指定采樣頻率分別為6kHz、8kHz或11kHz。nBitsPerSample可取值4和8,為每個(gè)樣本點(diǎn)的位數(shù)。如果wDataFormat采用ADPCM算法,則nBitsPerSample只能取4。DX_XPB的數(shù)據(jù)結(jié)構(gòu)定義如下:

　　typedef struct {

? 　USHORT?? wFileFormat；??? ????? //file format

? 　USHORT?? wDataFormat；?? ????? //audio data format

? 　ULONG?? nSamplesPerSec；? ???? //sampling rate

? 　ULONG?? nBitsPerSample；? ????? //bits per sample

　　} DX_XPB；

　　mode用于指定錄音的方式,可取值PM_TONE、EV_SYNCH或EV_ASYNCH。取值PM_TONE代表在錄制前先播放一個(gè)200ms的提示音。取值為EV_SYNCH時(shí),代表用同步的方式執(zhí)行語(yǔ)音采樣,在同一線程中的其它功能將被暫時(shí)掛起,直到該同步函數(shù)執(zhí)行完后才被釋放。取值為EV_ASYNCH代表是用異步的方式執(zhí)行語(yǔ)音采樣,在同一線程中的其它功能仍可照常進(jìn)行。

　　語(yǔ)音播放是利用語(yǔ)音卡播放函數(shù)來(lái)完成的。該函數(shù)所用的參數(shù)與錄音函數(shù)的參數(shù)類似。播放函數(shù)的形式如下:

????dx_playiottdata(activeChdev，&chinfo[activeChdev].iott，&tptplay[0]，&xpbVox，mode)

2 電話狀況偵測(cè)

　　電話狀況偵測(cè)功能主要是判斷電話線狀況,如判斷現(xiàn)在電話機(jī)話筒是拿起或放下,有沒(méi)有撥號(hào)音,是否電話正忙或沒(méi)有人接電話。在異步方式下，采用語(yǔ)音卡的ATDX_CPTERM()來(lái)檢測(cè)某語(yǔ)音通道上電話呼叫的返回值。在同步方式下無(wú)需該步驟。當(dāng)返回值為CR_CEPT時(shí),表示特殊通知音,即撥了無(wú)效的電話號(hào)碼或遇到了其它特殊問(wèn)題。當(dāng)返回值為CR_NORB時(shí),表示無(wú)回鈴音,即檢測(cè)不到可識(shí)別的信號(hào)模式。當(dāng)返回值為CR_NOANS時(shí),表示無(wú)應(yīng)答,即線已撥通，但無(wú)應(yīng)答。當(dāng)返回值為CR_CNCT時(shí),表示連接音。當(dāng)返回值為CR_BUSY時(shí),表示忙音。當(dāng)返回值為CR_CNCT時(shí),還可利用ATDX_CONNTYPE(chdev)函數(shù)檢測(cè)連接音的類型。返回值可能是CON_CAD,CON_LPC,CON_PVD或CON_PAMD,分別代表韻律連接音,循環(huán)流連接音,陽(yáng)極音連接音或陽(yáng)極應(yīng)答機(jī)連接音。

　　進(jìn)行呼叫時(shí),先用ATDX_HOOKST(activeChdev)函數(shù)獲取電話機(jī)的狀態(tài)。如果是掛機(jī)狀態(tài),則用dx_sethook(activeChdev，DX_OFFHOOK，EV_SYNC)將電話機(jī)置為摘機(jī)狀態(tài)。然后給呼叫函數(shù)傳遞所需的參數(shù)。參數(shù)是通過(guò)DX_CAP這個(gè)數(shù)據(jù)結(jié)構(gòu)來(lái)傳遞的,其定義為:

　　typedef struct DX_CAP {

　　unsigned short ca_nbrdna；? 　　　? //# of rings before no answer.

　　unsigned short ca_stdely；?? ???? ? //Delay after dial before　analysis

　　unsigned short ca_cnosig；???　　　 //Duration of no signal time out delay

　　unsigned short ca_lcdly；???　　　? //Delay after dial before lc drop connect

　　unsigned short ca_lcdly1；??? 　　　//Delay after lc drop?con. before msg.

　　unsigned short ca_hedge；????　　　 //Edge of answer to?send connect message

　　unsigned short ca_cnosil；?　　　　 //Initial continuous noise timeout delay

　　unsigned short ca_lo1tola；?? 　　　//% acceptable pos.dev?of short low sig.

　　unsigned short ca_lo1tolb； 　　　　//% acceptable neg.dev of short low sig.

　　unsigned short ca_lo2tola；?? 　　　//% acceptable pos.dev of long low sig.

　　unsigned short ca_lo2tolb；?? 　　　//% acceptable neg.dev of long low sig.

　　unsigned short ca_hi1tola；?　　　??//% acceptable pos.dev of high signal.

　　unsigned short ca_hi1tolb；???? 　　//% acceptable neg.dev of high signal

　　unsigned short ca_lo1bmax；?? 　　　//Maximum interval?for shrt low for busy.

　　unsigned short ca_lo2bmax；? 　　　 //Maximum interval for long low for busy.

　　unsigned short ca_hi1bmax；?? 　　　//Maximum interval for 1st high for busy

??? unsigned short ca_nsbusy；????????? //Num. of highs after nbrdna busy check.

??? unsigned short ca_logltch；???????? //Silence deglitch duration.

????unsigned short ca_higltch；???????? //Non-silence deglitch duration.

??? unsigned short ca_lo1rmax；???????? //Max. short low dur. of double ring

??? } DX_CAP；

　　該數(shù)據(jù)結(jié)構(gòu)中有大量的參數(shù)項(xiàng),一般使用缺省值即可。需要修改時(shí),可通過(guò)程序提供的呼叫對(duì)話框來(lái)修改。呼叫的電話號(hào)碼也在該對(duì)話框中指定。

3 語(yǔ)音數(shù)據(jù)壓縮與解壓縮

　　G.723.1、G.729均為ITU H.323所推薦的語(yǔ)音編碼標(biāo)準(zhǔn)。其中G.723.1采用ACELP和MP_MLQ算法,比特率為6.3kbps和5.3kbps。G.729采用CS_ACELP算法,比特率為8kbps。由于G.723.1無(wú)論是在帶寬還是語(yǔ)音質(zhì)量都優(yōu)于G.729，因此，一般在IP電話中普遍使用G.723.1語(yǔ)音壓縮標(biāo)準(zhǔn)。

　　在集成式IP電話網(wǎng)關(guān)中，語(yǔ)音的壓縮是由C6200資源卡上的TMS320C6201 DSP來(lái)完成。G.723.1編碼器的輸入信號(hào)是8kHz的16位線性PCM碼,由語(yǔ)音卡采樣的語(yǔ)音信號(hào)包括8kHz的8位線性PCM碼在內(nèi)的多種形式,在輸入到G.723.1編碼器之前,需要進(jìn)行轉(zhuǎn)換。相應(yīng)地,解碼器的輸出語(yǔ)音信號(hào)也應(yīng)轉(zhuǎn)化為語(yǔ)音卡能識(shí)別的格式數(shù)據(jù)流。Dialog D/4E語(yǔ)音卡只識(shí)別ADPCM碼,其它高級(jí)一些的語(yǔ)音卡如D/41ESC語(yǔ)音卡既可識(shí)別ADPCM碼,也能識(shí)別線性PCM碼。編碼器每30ms處理一幀數(shù)據(jù),每幀包含240個(gè)樣本點(diǎn),每個(gè)樣本點(diǎn)占16位。G.723.1編碼/解碼器的處理流程大致過(guò)程如下:

　　每一幀首先通過(guò)高通濾波器,去除直流成分,然后被分為4個(gè)子幀,每個(gè)子幀包括60個(gè)采樣點(diǎn)。每個(gè)子幀被送入一個(gè)10階線性預(yù)測(cè)編碼器,計(jì)算LPC系數(shù)。最后一個(gè)子幀的LPC系數(shù)采用預(yù)測(cè)分裂矢量量化器(PSVQ)量化。量化前的LPC系數(shù)用來(lái)建立短時(shí)感覺(jué)加權(quán)濾波器,整幀信號(hào)通過(guò)它得到感覺(jué)加權(quán)語(yǔ)音信號(hào)。對(duì)于每?jī)蓚€(gè)子幀,用感覺(jué)加權(quán)后的語(yǔ)音信號(hào)來(lái)計(jì)算開環(huán)基音周期,基音周期的搜索范圍在18和145之間。對(duì)于每一個(gè)子幀,運(yùn)用估計(jì)的基音周期建立諧波噪聲成形濾波器(Harmonic Noise Shaping filter)。LPC合成濾波器、共振峰感覺(jué)加權(quán)濾波器和諧波噪聲成形濾波器組成一個(gè)聯(lián)合濾波器,然后可以得到該濾波器的沖激響應(yīng)。運(yùn)用基音周期估計(jì)和沖激響應(yīng)計(jì)算閉環(huán)基音周期。采用五階基音預(yù)測(cè)器,以開環(huán)基音周期為中心,作小范圍內(nèi)閉環(huán)搜索,得到精確的基音周期,然后將基音預(yù)測(cè)器的貢獻(xiàn)從初始的目標(biāo)矢量中扣除。最后,進(jìn)行非周期性的激勵(lì)信號(hào)的估計(jì)。對(duì)于高碼率6.3kbps,采用多脈沖最大似然量化激勵(lì)(MP_MLQ);對(duì)于低碼率5.3 kbps,采用代數(shù)碼本激勵(lì)(ACELP)。

4 RTP包的形成與解包

　　RTP包的形成與解包是由網(wǎng)關(guān)中的主CPU(Pentium Ⅱ)來(lái)完成。RTP是IEFT的提議標(biāo)準(zhǔn)RFC1890。它是一個(gè)獨(dú)立于應(yīng)用程序的協(xié)議規(guī)范,在具體應(yīng)用中可有不同的獨(dú)立框架。每個(gè)RTP數(shù)據(jù)包都由一個(gè)頭部和一個(gè)有效數(shù)據(jù)部組成。有效數(shù)據(jù)部中放置壓縮后的語(yǔ)音數(shù)據(jù)。RTP包頭的前12個(gè)字節(jié)是固定的,其格式如圖2所示。

?

?

　　在RTP包頭中,標(biāo)記M占有1比特位,用來(lái)指明語(yǔ)音數(shù)據(jù)的邊界。PT占7比特位,指明語(yǔ)音數(shù)據(jù)的壓縮類型。Sequence number占16比特位,是一個(gè)正整數(shù)的序列號(hào)。每發(fā)送一個(gè)RTP數(shù)據(jù)包,序列號(hào)就加1。接收端可通過(guò)序列號(hào)監(jiān)測(cè)數(shù)據(jù)包傳輸過(guò)程中的丟包情況以及失序情況。序列號(hào)的初始值是隨機(jī)分配的。Timestamp是時(shí)間戳,占32比特位,描述RTP包中語(yǔ)音數(shù)據(jù)的采樣時(shí)刻,主要用于同步和計(jì)算時(shí)延。Synchronization source identifier是同步資源標(biāo)識(shí)符SSRC,占32比特位,用于標(biāo)識(shí)同步資源。RTP打包過(guò)程如圖3所示。

?

?

　　如果是第一次生成RTP包，則序列號(hào)的初值為一隨機(jī)數(shù)而不是0。這樣做的目的是為了通信過(guò)程中的安全性。SSRC標(biāo)識(shí)符是一個(gè)32位的隨機(jī)數(shù)。在一個(gè)RTP會(huì)話中，不允許兩個(gè)SSRC有相同的值。RTP解包過(guò)程是RTP打包過(guò)程的逆過(guò)程,在此不再贅述。

5 IP包的發(fā)送與接收

　　利用H.323協(xié)議棧軟件包可以生成符合H.323協(xié)議的API函數(shù)。在程序中,先執(zhí)行 mcInitialize()和mcSetEventHandler()建立H.245控制信道,然后執(zhí)行mcOpenCall() 函數(shù)以建立H.225.0呼叫信令信道。在mcOpenCall()函數(shù)的參數(shù)中可以設(shè)置所選的音頻編解碼協(xié)議。所選的音頻編解碼協(xié)議包括G.711協(xié)議(必選) 、G.722、G.723.1、G.728或G.729協(xié)議。當(dāng)H.245控制信道和H.225.0呼叫信令信道成功建立后,使用mcSendAudio()函數(shù)發(fā)送包含壓縮語(yǔ)音數(shù)據(jù)的IP包。當(dāng)通話結(jié)束后,使用mcCloseCall()函數(shù)關(guān)閉H.225.0呼叫信令信道和H.245控制信道。

　　本文提出的集成式IP電話網(wǎng)關(guān)具有硬件結(jié)構(gòu)簡(jiǎn)單、維護(hù)方便、升級(jí)容易等優(yōu)點(diǎn),并具有很高的性能價(jià)格比,更有價(jià)值的是拓寬了設(shè)計(jì)IP電話網(wǎng)關(guān)的設(shè)計(jì)思想。另外,本文還詳細(xì)地給出了語(yǔ)音在網(wǎng)關(guān)中的各個(gè)階段的處理過(guò)程和實(shí)現(xiàn)方法,其中有關(guān)語(yǔ)音壓縮和回聲抵消的處理,是網(wǎng)關(guān)中語(yǔ)音的關(guān)鍵技術(shù),涉及到網(wǎng)關(guān)的DSP的運(yùn)行效率、壓縮算法的優(yōu)化、語(yǔ)音質(zhì)量的提高和噪聲的消除等技術(shù)問(wèn)題。

?

參考文獻(xiàn)

1 Dialogic， Standard Runtime Library Programmer＇s Guide for Windows NT. Dialogic Corporation,1997

2 Heffes H，Lucanoni D.A. Markov modulation characterization of packetized voice and data traffic and related?statistical multiplexer analysis[J].IEEE JSAC， 1986；4(6):856～868

3 H.Schulzrinne， S.Casner， R.Frederick， V.Jacobson.?RTP-A Transport Protocol for Real-Time Applications. Internet Draft， draft-ietf-avt-rtp-new-ps， Internet Engineering Task Force， Dec.，1997

4 H.Schulzrinne. RTP Profile for Audio and Video Conferences with Minimal Control. Internet Draft， draft-

ietf-avt-profile-new-01.ps， Internet Engineering Task?Force， Jan.，1998