基于机顶盒VoIP语音解码模块的设计与验证

2012-09-12高健

电子测试 2012年1期

高健

（1 重庆邮电大学重庆 400065；2 重庆四联微电子有限公司重庆 401121）

0 引言

VoIP是Voice Over Internet Protocol的缩写，是建立在IP技术上的分组化，数字化传输技术[1]，其基本原理如图1所示。近年来，VoIP以其低带宽和低廉的通信费得到了广泛应用。随着三网融合，将VoIP应用于机顶盒已成为该行业关注的热点。本文依托重庆四联微电子有限公司机顶盒VoIP项目，基于公司机顶盒硬件平台，提出了一种机顶盒VoIP解码模块软件设计方案，对机顶盒VoIP的开发实现具有重要意义。

图1 VoIP基本原理图

1 机顶盒VoIP硬件平台

图2为机顶盒硬件平台，该系统由微处理器、电源模块、音频处理模块、串口和USB接口模块、以太网口模块、数据存储模块以及系统工作状态指示模块构成[2]。其中，该微处理器采用重庆四联微电子公司自主研发的sic8008高清解码芯片。通过外接USB话机对语音信号进行采样和播放，从而完成终端VoIP功能。

图2 机顶盒硬件平台

2 基于机顶盒的VoIP软件架构

图3为基于机顶盒硬件平台在Linux系统构架的VoIP语音终端软件系统。此系统依据iLBC编解码算法、SIP信令协议、UDP、TCP/IP协议以及RTP实时传输协议等完成语音压缩编码、语音传输和解压缩解码恢复原始语音数据等功能来实现VoIP语音终端的会话功能，其VoIP语音会话过程如下。

图3 基于机顶盒的VoIP系统架构图

说话方：USB话机采集模拟语音信号→USB话机语音芯片采样量化编码成PCM信号→ sic8008芯片对信号进行压缩编码→ RTP格式打包→UDP格式打包→ IP格式打包→ Internet网络传输。

收听方：接收语音数据→去IP/UDP/RTP包头→ 将接收到的有效信号存放在sic8008芯片的硬件平台上，然后对该信号解压缩、解码还原成PCM信号 USB话机语音芯片将PCM转为模拟信号→扬声器播放。

3 VoIP解码难点——实时性

3.1 丢包

丢包率定义为在网络传输数据包时丢弃数据包的最高比率。丢包率应小于5%，当丢包率超过10%时将极大影响服务质量。丢包的原因：线路误码或网络路由故障；传输时延过长或网络拥塞导致分组被丢弃。

3.2 时延

时延是接收到的数据包与发送数据包的时间差。时延又分为算法时延、处理时延、网络传输时延和抖动缓冲时延。

3.3 抖动

抖动也叫时延变化，是指由于各种延时的变化导致网络中的数据分组到达速率的变化。如果网络抖动比较严重，那么有的话音包会因迟到而被丢弃，会产生话音的断续及部分失真，严重影响音质。延迟的变化应该在10%以内为好。

抖动原因：排队时延；可变的分组大小；中间链路和路由器上的相对负载。

3.4 包乱序

当网络较差的时候，语音包在传输过程中很容易出现乱序现象，从而影响接收端播放。但是根据每个语音包的时间戳，可以方便地判断出语音包的发送顺序。通常采用的解决方法是在接收端使用抖动缓存，对失序包进行调整，从而重现发端顺序。

4 VoIP语音解码端设计与验证

针对影响解码端实时性因素，本设计从语音编解码选取、解码端缓存技术和终端采用网络控制策略3个角度确定了解码端具体设计方案，并通过VoIP系统通话测试验证了方案可行性。

4.1 语音编解码的选取

好的语音编解码应具有低码率、低带宽、低时延和适当算法复杂度。iLBC是一种开源编解码算法，以窄带语音为设计基础，具有8kHz的采样率，它对每个数据包的处理都能够独立于其它数据包来进行，是数据包通信的理想选择。如表1可知，iLBC的MOS及编解码延时优于目前流行的G.729、G.723.1。

表1 语音编解码性能比较

另外，iLBC对丢包进行了特有处理，即便在丢包率相当高的网络环境下，仍可获得较清晰的语音效果。如图4给出了不同网络丢包环境下，iLBC,G.729A和G.723.1编解码算法的语音质量性能仿真。该仿真以网上实际IP包丢失的观察统计为基础，模拟了（0—15）%丢包率。由图观察可以发现，当没有丢包时，MOS值分别为3.981,3.880,3.695，由此可以看出，iLBC编解码器的语音质量和G.729A及G.723.1相比相差不大。然而。当丢包严重时，iLBC比G.729A和G.723.1的语音质量明显好。

图4 丢包率为(0-15)%时iLBC,G.729A和G.723.1的MOS对比

iLBC编解码的出现，改善了在包交换的IP网络中，传输语音所遇到的网络丢包严重影响通话质量等实际问题，实现了“语音质量的飞跃”，是语音包通信的理想选择。

4.2 解码端缓存技术

本设计将在解码端采用动态确定时限和动态分配缓冲区的策略。当网络状况好的时候，网络时延和抖动都比较小，此时缓冲区可以设定为一个较小的值，以减少端到端的时延和抖动。当网络发生拥塞时，时延和抖动都比较大，此时缓冲区可以设定为一个较大的值等待迟到的那些语音分组，减少丢包率。

4.3 终端采用的网络控制策略

所谓网络控制策略是合理利用现有的各种协议和语音处理技术，综合带宽、时延和丢包率因素找到相对好的平衡点，从而提高VoIP语音通话性能指标，满足语音通话要求。具体设计方案如下。

4.3.1 采用RTP/RTCP协议[3-4]

RTP作为实时传输协议用于传输实时数据，能为实时业务提供端到端的传递服务。其功能是提供净荷类型指示(即数据类型和编码方式)、数据分组序号、数据发送时间戳和数据源指示，接收端则能根据这些信息正确地重组原始信号。

RTCP(实时传输控制协议)是RTP协议中的控制功能协议，它单独运行在底层协议上。RTP本身并不能为按顺序传送数据包提供可靠的传送机制，也不提供流量控制或者拥塞控制，它依靠RTCP提供这些服务。RTCP采用与数据包相同的分配机制，周期性地向RTP会话的参与者发送控制包，应用程序通过接收这些数据包，从中获取会话参与者的相关资料，以及网络状况、分组丢失概率等反馈信息，从而能够对服务质量进行控制或者对网络状况进行诊断，并能够对网络拥塞进行有效的控制。

4.3.2 采用Qos机制

(1) 采用静音检测技术

静音检测是数字信号处理器应用的一种静音压缩技术。大多数会话中一方说话和听对方说话的时间约各占一半，而且说话时还有停顿间隙，因此话音活动度只占40左右，而约60的时间是安静的。由于分组交换中的传输通道是统计复用的，因此，在静音时间段里可以不发送话音分组，从而进一步降低话音比特率[5]。

(2) 采用资源预留协议

资源预留协议(RSVP)可以为应用提供有保障的带宽，有效减少了传输延迟和抖动，保证信息传输的实时性和可靠性。当终端需要在一条路径上预留带宽时，会通过RSVP协议向目的端发出一条消息，该消息作用于路径上的所有节点，并含有数据流信息，包括平均速率、突发数据包长度等。当路径上的节点收到消息后，分析数据流信息，决定应保留多少带宽。如果此时可用带宽不足则拒绝申请，否则设置队列管理方法，同时将消息向下一个节点传送[6-7]。

4.3.3 采用SIP信令技术[8]

完成用户定位，呼叫的建立，应答和交互用户信息等功能，保证会话的顺利进行。

综上所述，本文机顶盒VoIP解码模块具体设计如图5所示。该设计采用了上述iLBC解码算法、解码缓存技术以及相关协议，从理论上保证了VoIP解码端语音实时性。