摘? 要: 提出了一種集成式IP電話網(wǎng)關(guān)的實(shí)現(xiàn)方法，分析了語音信號在該網(wǎng)關(guān)中的處理過程，詳細(xì)介紹了語音采樣、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上通用的板卡來構(gòu)造一種硬件集成式的IP電話網(wǎng)關(guān)的方法,并研究了語音數(shù)據(jù)在該網(wǎng)關(guān)的處理過程和實(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型語音卡、LSI公司的C6200資源卡和D_Link網(wǎng)卡所組成。其中D/41E語音卡用來完成語音的采樣和播放。C6200資源卡有一塊TI公司的TMS320C6201 DSP芯片,用來完成語音的壓縮和解壓縮以及回聲抵消。Pentium II PC用來實(shí)現(xiàn)H.323協(xié)議棧的主要功能,網(wǎng)卡用來發(fā)送和接受IP包。下面具體分析語音數(shù)據(jù)在IP電話網(wǎng)關(guān)的處理過程和實(shí)現(xiàn)方法。
?
?
1 語音采樣和播放
在該IP電話網(wǎng)關(guān)中,語音的采樣和播放是由Dialogic公司的D/41E型語音卡來完成,其中,語音采樣是利用語音卡所提供的錄音函數(shù)來完成的。在實(shí)時(shí)語音通信時(shí),語音數(shù)據(jù)存入語音采樣緩沖區(qū)中,等待語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? ??????????? ????? 語音通道的設(shè)備句柄
DX_IOTT *iott? ??????? ? 指向語音數(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指向下一個存放語音數(shù)據(jù)的DX_IOTT數(shù)據(jù)結(jié)構(gòu),而io_prevp指向上一個存放語音數(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200ms的提示音。取值為EV_SYNCH時(shí),代表用同步的方式執(zhí)行語音采樣,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)行語音采樣,在同一線程中的其它功能仍可照常進(jìn)行。
語音播放是利用語音卡播放函數(shù)來完成的。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
電話狀況偵測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,有沒有撥號音,是否電話正忙或沒有人接電話。在異步方式下，采用語音卡的ATDX_CPTERM()來檢測某語音通道上電話呼叫的返回值。在同步方式下無需該步驟。當(dāng)返回值為CR_CEPT時(shí),表示特殊通知音,即撥了無效的電話號碼或遇到了其它特殊問題。當(dāng)返回值為CR_NORB時(shí),表示無回鈴音,即檢測不到可識別的信號模式。當(dāng)返回值為CR_NOANS時(shí),表示無應(yīng)答,即線已撥通，但無應(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,陽極音連接音或陽極應(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DX_CAP這個數(shù)據(jù)結(jié)構(gòu)來傳遞的,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),可通過程序提供的呼叫對話框來修改。呼叫的電話號碼也在該對話框中指定。
3 語音數(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無論是在帶寬還是語音質(zhì)量都優(yōu)于G.729，因此，一般在IP電話中普遍使用G.723.1語音壓縮標(biāo)準(zhǔn)。
在集成式IP電話網(wǎng)關(guān)中，語音的壓縮是由C6200資源卡上的TMS320C6201 DSP來完成。G.723.1編碼器的輸入信號是8kHz的16位線性PCM碼,由語音卡采樣的語音信號包括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,解碼器的輸出語音信號也應(yīng)轉(zhuǎn)化為語音卡能識別的格式數(shù)據(jù)流。Dialog D/4E語音卡只識別ADPCM碼,其它高級一些的語音卡如D/41ESC語音卡既可識別ADPCM碼,也能識別線性PCM碼。編碼器每30ms處理一幀數(shù)據(jù),每幀包含240個樣本點(diǎn),每個樣本點(diǎn)占16位。G.723.1編碼/解碼器的處理流程大致過程如下:
每一幀首先通過高通濾波器,去除直流成分,然后被分為4個子幀,每個子幀包括60個采樣點(diǎn)。每個子幀被送入一個10階線性預(yù)測編碼器,計(jì)算LPC系數(shù)。最后一個子幀的LPC系數(shù)采用預(yù)測分裂矢量量化器(PSVQ)量化。量化前的LPC系數(shù)用來建立短時(shí)感覺加權(quán)濾波器,整幀信號通過它得到感覺加權(quán)語音信號。對于每兩個子幀,用感覺加權(quán)后的語音信號來計(jì)算開環(huán)基音周期,基音周期的搜索范圍在18和145之間。對于每一個子幀,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、共振峰感覺加權(quán)濾波器和諧波噪聲成形濾波器組成一個聯(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)行非周期性的激勵信號的估計(jì)。對于高碼率6.3kbps,采用多脈沖最大似然量化激勵(MP_MLQ);對于低碼率5.3 kbps,采用代數(shù)碼本激勵(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)來完成。RTP是IEFT的提議標(biāo)準(zhǔn)RFC1890。它是一個獨(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RTP數(shù)據(jù)包都由一個頭部和一個有效數(shù)據(jù)部組成。有效數(shù)據(jù)部中放置壓縮后的語音數(shù)據(jù)。RTP包頭的前12個字節(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,用來指明語音數(shù)據(jù)的邊界。PT占7比特位,指明語音數(shù)據(jù)的壓縮類型。Sequence number占16比特位,是一個正整數(shù)的序列號。每發(fā)送一個RTP數(shù)據(jù)包,序列號就加1。接收端可通過序列號監(jiān)測數(shù)據(jù)包傳輸過程中的丟包情況以及失序情況。序列號的初始值是隨機(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)識符SSRC,占32比特位,用于標(biāo)識同步資源。RTP打包過程如圖3所示。
?
?
如果是第一次生成RTP包，則序列號的初值為一隨機(jī)數(shù)而不是0。這樣做的目的是為了通信過程中的安全性。SSRC標(biāo)識符是一個32位的隨機(jī)數(shù)。在一個RTP會話中，不允許兩個SSRC有相同的值。RTP解包過程是RTP打包過程的逆過程,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)簡單、維護(hù)方便、升級容易等優(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)地給出了語音在網(wǎng)關(guān)中的各個階段的處理過程和實(shí)現(xiàn)方法,其中有關(guān)語音壓縮和回聲抵消的處理,是網(wǎng)關(guān)中語音的關(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、語音質(zhì)量的提高和噪聲的消除等技術(shù)問題。
?
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