摘  要： 綜合Ad-Hoc網(wǎng)絡(luò)技術(shù)、多媒體開發(fā)技術(shù)、嵌入式技術(shù)和RTP實時傳輸技術(shù)，設(shè)計實現(xiàn)了一套在嵌入式Ad-Hoc網(wǎng)絡(luò)環(huán)境下的全雙工實時語音通信系統(tǒng)。語音編碼、抖動處理、靜音檢測有效地提高了系統(tǒng)的語音傳輸質(zhì)量。實驗表明，該系統(tǒng)性能穩(wěn)定，適應(yīng)性強(qiáng)，有較廣泛的應(yīng)用。
關(guān)鍵詞： 嵌入式；Ad-Hoc；語音通信；RTP

　無線自組織網(wǎng)絡(luò)(Ad-Hoc)最早起源于20世紀(jì)70年代美國國防部高級研究署(DARPA)資助的分組無線網(wǎng)絡(luò)PRNET(Packet Radio Network)，其最初的動機(jī)之一是滿足戰(zhàn)場生存的軍事需求。Ad-Hoc是一種無中心、自組織、對等式、節(jié)點可移動和多跳路由的移動通信網(wǎng)絡(luò)，這種網(wǎng)絡(luò)結(jié)構(gòu)不需要中心節(jié)點，具有良好的自組織能力、抗毀性能、機(jī)動性和魯棒性[1-2]。無線自組織網(wǎng)絡(luò)主要應(yīng)用在軍事、民用、治安、救災(zāi)等復(fù)雜而環(huán)境惡劣的場所中。在這些惡劣環(huán)境中，沒有鋪設(shè)通信基礎(chǔ)設(shè)施或者通信設(shè)施遭到了破壞，迫切需求Ad-Hoc網(wǎng)絡(luò)的投產(chǎn)使用。而實時語音通信作為人與人之間一種最直接的溝通手段，應(yīng)用在軍事、治安、救災(zāi)等領(lǐng)域是必然的需求。本文正是基于這種需求，設(shè)計并實現(xiàn)了一套在嵌入式Ad-Hoc網(wǎng)絡(luò)環(huán)境下的實時語音通信系統(tǒng)。本設(shè)計涉及Ad-Hoc網(wǎng)絡(luò)、Linux無線網(wǎng)卡驅(qū)動、實時流媒體傳輸?shù)燃夹g(shù)。首先，Ad-Hoc網(wǎng)絡(luò)采用了按需路由中的AODV協(xié)議[3-4]來搭建實驗的網(wǎng)絡(luò)環(huán)境，在嵌入式平臺(MagicARM2410)上進(jìn)行了USB無線網(wǎng)卡驅(qū)動RT73的移植，對網(wǎng)絡(luò)節(jié)點的分布做了合理的布局和連通性測試；其次，結(jié)合多媒體編程技術(shù)和流媒體實時傳輸技術(shù)[5]，實現(xiàn)了語音采集和實時通信，對語音通信質(zhì)量做了分析和改善。與傳統(tǒng)的語音通信比較，本系統(tǒng)具有獨特的優(yōu)勢：不需要鋪設(shè)基礎(chǔ)通信設(shè)施，無中心，自組織，可移動，多跳全雙工語音通信，可以應(yīng)用在治安、礦井、救災(zāi)等領(lǐng)域。
1 整體方案設(shè)計
　本語音通信系統(tǒng)的移動終端是由廣州致遠(yuǎn)電子有限公司開發(fā)的教學(xué)實驗開發(fā)平臺MagicARM2410，該實驗平臺采用ARM920T內(nèi)核的S3C2410A微處理器，工作頻率高達(dá)203 MHz，擴(kuò)展有充足的存儲資源，具有I2S數(shù)字音頻接口和8英寸真彩TFT液晶屏，滿足系統(tǒng)的需求。網(wǎng)卡選用的是華碩的USB無線網(wǎng)卡WL-167g，該網(wǎng)卡的芯片是RT73芯片，擁有官網(wǎng)開發(fā)的Linux驅(qū)動，還有開源社區(qū)提供的驅(qū)動，有較多的文檔資料可供查詢。開發(fā)平臺的操作系統(tǒng)是Linux-2.6.14.1，在該操作系統(tǒng)下對AODV路由協(xié)議、UDA1341TS聲卡驅(qū)動、USB驅(qū)動、RT73無線網(wǎng)卡驅(qū)動進(jìn)行移植。
　語音通信系統(tǒng)終端主要分為音頻采集、音頻編碼、傳輸、接收、音頻解碼、音頻播放6個模塊，如圖1所示。系統(tǒng)采用多線程技術(shù)，分為音頻采集、編碼傳輸、接收解碼和音頻播放4個線程，收發(fā)緩沖使用環(huán)形緩沖區(qū)，其作為臨界資源，采集與編碼傳輸競爭一個環(huán)形緩沖區(qū)，播放與接收解碼競爭一個環(huán)形緩沖區(qū)[6]，如圖2所示。

2 系統(tǒng)實現(xiàn)
2.1 搭建Ad-Hoc網(wǎng)絡(luò)環(huán)境
　本系統(tǒng)使用的路由協(xié)議源碼是aodv-uu-0.9.5，這是一款成熟的Linux平臺下的AODV路由協(xié)議實現(xiàn)，移植到本系統(tǒng)只需要針對操作系統(tǒng)內(nèi)核做一些相應(yīng)的修改和參數(shù)設(shè)置。使用交叉編譯工具arm-linux-gcc3.4.1對AODV源碼進(jìn)行交叉編譯，得到適合Linux-2.6.14.1內(nèi)核的路由協(xié)議內(nèi)核態(tài)模塊kaodv和用戶態(tài)模塊aodv。為了對網(wǎng)絡(luò)節(jié)點進(jìn)行合理的拓?fù)浞植?，在室?nèi)使用了屏蔽的方案，如圖3所示，進(jìn)行4個節(jié)點的路由線路全雙工語音通信時，Node1分別與Node3、Node4互相設(shè)置MAC地址屏蔽，Node2與Node4互相設(shè)置MAC地址屏蔽，這樣就能保證按照本文設(shè)計的路由線路方式進(jìn)行語音傳輸。

2.2 音頻參數(shù)設(shè)置
　音頻信號是一種連續(xù)變化的模擬信號，計算機(jī)只能記錄和處理二進(jìn)制的數(shù)據(jù)，自然音源的模擬音頻信號必須經(jīng)過量化成為數(shù)字音頻信號之后，才能被計算機(jī)進(jìn)一步處理。采樣和量化是音頻編程程序員理解聲音數(shù)字化的兩個關(guān)鍵步驟，進(jìn)行音頻編程時經(jīng)常用到的技術(shù)指標(biāo)有采用頻率、量化位數(shù)和聲道數(shù)。常用的采樣頻率有8 kHz、16 kHz、44.1 kHz、48 kHz等；常用的量化位數(shù)有8 bit、12 bit、16 bit；聲道有單聲道和雙聲道。本系統(tǒng)使用的是8 kHz、16 bit、單聲道。
//設(shè)置采樣頻率
Arg=采樣頻率；
Status=ioctl(dsp_fd，SOUND_PCM_WRITE_RATE，&Arg)；
//設(shè)置量化位數(shù)
Arg=量化位數(shù)；
Status=ioctl(dsp_fd，SOUND_PCM_WRITE_BITS，&Arg)；
//設(shè)置聲道數(shù)
Arg=聲道數(shù)
Status=ioctl(dsp_fd，SOUND_PCM_WRITE_CHANNELS，&Arg)；
2.3 音頻采集
　系統(tǒng)使用read()函數(shù)來從聲卡讀取數(shù)據(jù)，其函數(shù)原型為：int read(int fd， char*buf， size_t count)。其中，fd是音頻設(shè)備文件的標(biāo)識符，buf是存儲音頻數(shù)據(jù)的緩沖區(qū)，count是要采集的音頻數(shù)據(jù)字節(jié)數(shù)。單次采集所用時間為：(采樣字節(jié)數(shù)count×8×1000)/(采樣頻率rate×量化位數(shù)bits×聲道數(shù)channels) ms。因此，count不能設(shè)置太大，會增加系統(tǒng)的時延，影響語音的實時性，本系統(tǒng)單次采樣128 B，采樣時間為8 ms。程序偽代碼為：
while(conditions)
{
//訪問臨界資源環(huán)形緩沖區(qū)
    Pthread_mutex_lock()；    
    采集音頻數(shù)據(jù)；
    寫入環(huán)形緩沖區(qū)；
    //增加信號量值
    Sem_Post()；
    //退出臨界區(qū)
    Pthread_mutex_unlock()；
}
2.4 編碼傳輸
Ad-Hoc網(wǎng)絡(luò)的帶寬是有限的，大量的數(shù)據(jù)傳輸會增加網(wǎng)絡(luò)的負(fù)荷，影響通信質(zhì)量，對語音進(jìn)行適當(dāng)?shù)木幋a是很有必要的，這可以有效地減輕網(wǎng)絡(luò)的負(fù)擔(dān)，更利于語音通信。復(fù)雜的語音編碼算法擁有高效的壓縮比，但由于計算量大，會增加語音傳輸?shù)难舆t。本系統(tǒng)選用了著名的波形編碼算法G711編碼，G711編碼算法比較簡單，計算量小，可減少一半的網(wǎng)絡(luò)語音數(shù)據(jù)負(fù)荷[7]。語音傳輸使用了RTP實時傳輸協(xié)議，RTP協(xié)議常用于流媒體系統(tǒng)，可有效監(jiān)控語音傳輸質(zhì)量，這使它成為IP電話產(chǎn)業(yè)的技術(shù)基礎(chǔ)。程序偽代碼為：
 while(conditions)
 {
    //等待信號量喚醒
    Sem_wait()；
    //訪問臨界資源環(huán)形緩沖區(qū)
    Pthread_mutex_lock()；
    從環(huán)形緩沖區(qū)提取音頻數(shù)據(jù)；
    G711編碼語音數(shù)據(jù)；
    發(fā)送RTP語音數(shù)據(jù)包；
    //退出臨界區(qū)
    Pthread_mutex_unlock()；
 }
2.5 接收解碼
　系統(tǒng)終端接收到語音數(shù)據(jù)包時，提取payload語音數(shù)據(jù)，并解碼出PCM音頻碼，存放在環(huán)形緩沖區(qū)。程序偽代碼為：
 while(conditions)
 {
     //訪問臨界資源環(huán)形緩沖區(qū)
     提取RTP語音數(shù)據(jù)包；
     解碼語音數(shù)據(jù)；
     將語音數(shù)據(jù)放入環(huán)形緩沖區(qū)；
     //增加信號量值
     Sem_post()；
     //退出臨界區(qū)
     Pthread_mutex_unlock()；
 }
2.6 音頻播放
　播放線程與接收解碼線程競爭同一個環(huán)形緩沖區(qū)，從環(huán)形緩沖區(qū)提取音頻數(shù)據(jù)，并寫入聲卡。程序偽代碼為：
     While(conditions)
     {
         //等待信號量喚醒
         Sem_wait()；
         //訪問臨界資源環(huán)形緩沖區(qū)
         Pthread_mutex_lock()；
         從環(huán)形緩沖區(qū)提取音頻數(shù)據(jù)；
         播放音頻數(shù)據(jù)；
         //退出臨界區(qū)
         Pthread_mutex_unlock()；
     }
3 改善語音通信質(zhì)量

　本設(shè)計針對節(jié)省網(wǎng)絡(luò)帶寬和消除抖動兩方面對語音的通信質(zhì)量進(jìn)行了優(yōu)化。通過實驗測試優(yōu)化前后的語音通信質(zhì)量，結(jié)果證明優(yōu)化后確實具有更好的效果。下面分別介紹這兩種優(yōu)化方案。
　(1)靜音檢測節(jié)省網(wǎng)絡(luò)帶寬。大量的研究表明，在一路全雙工電話交談中，只有36%～40%的語音信號是活動或有效的[8]。電話交談過程中某一時候往往只有一方在講，另一方在聽，而且講話時有大量停頓。如果能通過某種手段檢測到通話過程中的靜默時段，停止發(fā)送語音數(shù)據(jù)包，則可以節(jié)省大量的網(wǎng)絡(luò)帶寬。本設(shè)計在靜默檢測時使用VAD(Voice Activation Detection)技術(shù)，分為短時能量檢測和短時過零率檢測兩部分。短時能量檢測可以很好地區(qū)分出濁音和靜音，而短時過零率可以很好地區(qū)分出靜音和清音，因此，將兩者結(jié)合起來，就可以檢測出靜音段。下面是算法描述：
　①對輸入語音信號進(jìn)行高通濾波和加窗處理；
　②計算一幀的能量及其平均值；
　③該幀平均能量值是否大于能量閾值，是則判定為語音幀并返回，否則轉(zhuǎn)步驟④；
?、芮?幀是否有語音幀，有則判定為平滑語音幀并返回，否則轉(zhuǎn)至步驟⑤；
　⑤計算該幀過零率；
?、拊搸^零率是否在過零率閾值范圍內(nèi)，是則判定為語音幀并返回，否則判定為靜音幀。
　(2)消除抖動。所謂抖動，是指語音數(shù)據(jù)包沒有按規(guī)律的時間間隔到達(dá)接收端，造成語音播放時聲音斷斷續(xù)續(xù)。嚴(yán)重的抖動會導(dǎo)致語音數(shù)據(jù)包不按順序到達(dá)接收端或者丟失，導(dǎo)致聲音混亂無序[9]。抖動是經(jīng)常發(fā)生的，分組到達(dá)出現(xiàn)少量時延很常見。為了消除抖動，本文采用了延遲回放技術(shù)。如圖4所示，接收端在收到第一個數(shù)據(jù)時并不馬上開始回放，而是將傳入數(shù)據(jù)放入緩存中，該緩存稱為抖動緩存(Jitter Buffer)。在接收端設(shè)置一個適當(dāng)大小的抖動緩存，按照FIFO隊列進(jìn)行操作，當(dāng)語音數(shù)據(jù)在緩存中積累到一定程度(K個數(shù)據(jù)包)時開始按時序播放語音，這樣聲音就比較平滑連續(xù)。

4 系統(tǒng)測試及結(jié)論
　本文對搭建的嵌入式Ad-Hoc網(wǎng)絡(luò)環(huán)境進(jìn)行了連通性測試，并在該基礎(chǔ)上進(jìn)行了實時語音通信的實驗。網(wǎng)絡(luò)連通性測試確保各個節(jié)點之間能互相通信，保證數(shù)據(jù)的路由轉(zhuǎn)發(fā)路徑按照設(shè)計的方案進(jìn)行。實時語音通信實驗監(jiān)測了2個節(jié)點路由線路、3個節(jié)點路由線路、4個節(jié)點路由線路的語音通信質(zhì)量，以及使用靜音檢測技術(shù)前后發(fā)送的語音數(shù)據(jù)包占總采樣數(shù)據(jù)包的比例。
　(1)本文在搭建Ad-Hoc網(wǎng)絡(luò)環(huán)境中設(shè)計了部分節(jié)點之間相互屏蔽MAC地址以保證路由轉(zhuǎn)發(fā)按照設(shè)計線路進(jìn)行的實驗方案。下面使用ping命令對4個嵌入式節(jié)點線路的網(wǎng)絡(luò)進(jìn)行了數(shù)據(jù)跟蹤測試，如圖5所示，數(shù)據(jù)包確實按照所設(shè)計的方案進(jìn)行路由轉(zhuǎn)發(fā)。

　(2)分別在4個網(wǎng)絡(luò)節(jié)點上移植了本實時語音通信系統(tǒng)，進(jìn)行全雙工語音通信，實驗對語音數(shù)據(jù)包的收發(fā)情況做了統(tǒng)計，統(tǒng)計結(jié)果如表1所示。數(shù)據(jù)表明，本嵌入式實時語音通信系統(tǒng)在4個節(jié)點線路以內(nèi)的Ad-Hoc網(wǎng)絡(luò)環(huán)境中進(jìn)行全雙工語音通信有較好的效果。

　本文綜合了Ad-Hoc網(wǎng)絡(luò)技術(shù)、Linux系統(tǒng)語音編程、靜音檢測技術(shù)和RTP實時傳輸技術(shù)設(shè)計實現(xiàn)了一套應(yīng)用于嵌入式Ad-Hoc網(wǎng)絡(luò)的實時語音通信系統(tǒng)。本系統(tǒng)性能良好，有較高的實際應(yīng)用價值，可以應(yīng)用在治安、礦井、救災(zāi)等領(lǐng)域中。本文的下一步工作是針對節(jié)點的移動性、多節(jié)點多路由路徑作進(jìn)一步的改進(jìn)，不斷提高本系統(tǒng)的性能。
參考文獻(xiàn)
[1] 藏婉瑜，于勐，謝立，等.按需式ad hoc移動網(wǎng)絡(luò)路由協(xié)議的研究進(jìn)展[J].計算機(jī)學(xué)報，2003，25(10)：1009-1017.
[2] Zhan Yimin， Lin Baocheng. VoIP technology and it’s application in broadband IP network[J]. CATV Technology，2002，9(15)：12-18.
[3] 王雅輝，劉家康，趙勝輝.基于OPNET仿真平臺的AODV協(xié)議的性能研究[J].光電技術(shù)應(yīng)用，2004(6)：60-64.
[4] 王忠恒，張曦煌.移動Ad Hoc網(wǎng)絡(luò)AODV路由協(xié)議的改進(jìn)[J].計算機(jī)應(yīng)用，2010(2)：333-336.
[5] 楊靜文，盧益民，胡浩.Linux下實時音頻傳輸?shù)膶崿F(xiàn)[J]. 電聲技術(shù)，2005(2)：63-65.
[6] 楊水清，張劍，施云飛.ARM嵌入式Linux系統(tǒng)開發(fā)技術(shù)詳解[M].北京：電子工業(yè)出版社，2008.
[7] 焦傳斌，于保華，李治柱.新型寬帶語音編解碼器AMR-WB的研究[J].計算機(jī)仿真，2005，22(1)：150-159.
[8] 于洪濤，徐靜波，冉崇森.語音噪聲壓縮新算法[J].計算機(jī)工程與科學(xué)，2006，28(10)：71-13.
[9] COMER D E， STEVENS D L. Internetworking with TCP/IP volume 3 client-server programming and applications Linux/POSIX sockets version[M]. USA：Pearson Education，2001.