摘? 要: 提出了一種集成式IP電話網(wǎng)關(guān)的實現(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電話的實現(xiàn)方式正在由PC To PC過渡到Phone to Phone,在Phone to Phone的實現(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)成為目前計算機和通信領(lǐng)域研究的熱點之一,。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,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,。在實時語音通信時,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,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,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,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,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,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,表示連接音。當(dāng)返回值為CR_BUSY時,表示忙音,。當(dāng)返回值為CR_CNCT時,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)答機連接音,。

　　進行呼叫時,先用ATDX_HOOKST(activeChdev)函數(shù)獲取電話機的狀態(tài),。如果是掛機狀態(tài),則用dx_sethook(activeChdev，DX_OFFHOOK,，EV_SYNC)將電話機置為摘機狀態(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,一般使用缺省值即可。需要修改時,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準,。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語音壓縮標準。

　　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,每個樣本點占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,。每個子幀被送入一個10階線性預(yù)測編碼器,計算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,運用估計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),。運用基音周期估計和沖激響應(yīng)計算閉環(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)測器的貢獻從初始的目標矢量中扣除。最后,進行非周期性的激勵信號的估計,。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的提議標準RFC1890,。它是一個獨立于應(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分配的,。Timestamp是時間戳,占32比特位,描述RTP包中語音數(shù)據(jù)的采樣時刻,主要用于同步和計算時延。Synchronization source identifier是同步資源標識符SSRC,占32比特位,用于標識同步資源,。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標識符是一個32位的隨機數(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,、維護方便,、升級容易等優(yōu)點,并具有很高的性能價格比,更有價值的是拓寬了設(shè)計IP電話網(wǎng)關(guān)的設(shè)計思想。另外,本文還詳細地給出了語音在網(wǎng)關(guān)中的各個階段的處理過程和實現(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

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