探究PXA255的VoIP語音傳輸系統(tǒng)

摘要：文章研究IP語音傳輸系統(tǒng)的總體架構(gòu)，實現(xiàn)了一個基于PXA255處理器的嵌入式IP電話終端硬件平臺，為該平臺建立了一個優(yōu)化的嵌入式Linux環(huán)境，并研究基于GSM 06．10語音編解碼實現(xiàn)，設(shè)計了一個IP語音實時傳輸系統(tǒng)，實現(xiàn)了IP語音的網(wǎng)絡(luò)實時傳輸功能。

VoIP是基于Internet的新型數(shù)字化傳輸技術(shù)，是IP網(wǎng)上通過TCP／IP協(xié)議實現(xiàn)的一種電話應(yīng)用技術(shù)。這種應(yīng)用包括PC對PC、PC對電話、電話對電話等連接方式，其業(yè)務(wù)主要包括語音業(yè)務(wù)、E-mail、實時電話、實時傳真等多種形式。與傳統(tǒng)電話相比，IP電話的優(yōu)點主要是節(jié)省帶寬、通話費用低、易于開發(fā)增值業(yè)務(wù)、體系結(jié)構(gòu)開放，有利于多種通信方式的統(tǒng)一。

對VoIP技術(shù)的研究主要圍繞改善IP電話服務(wù)質(zhì)量來進行，尤其是使用先進的硬件技術(shù)、可靠的實時傳輸技術(shù)和能隨著網(wǎng)絡(luò)狀況自適應(yīng)調(diào)整速率的低速率語音編碼技術(shù)等研究及工程熱點。

研究與實現(xiàn)基于嵌入式處理器的VoIP語音傳輸系統(tǒng)，可集成嵌入式系統(tǒng)、網(wǎng)絡(luò)通訊、多媒體和語音處理等應(yīng)用領(lǐng)域內(nèi)的前沿技術(shù)，將嵌入式系統(tǒng)的高性能、低功耗、網(wǎng)絡(luò)通訊的低成本特性融合于一體，經(jīng)過進一步完善后可以取代固定電話，并發(fā)展可視電話等信息終端，可以實現(xiàn)電話網(wǎng)、廣播電視網(wǎng)與Internet網(wǎng)的整合，具有很大的經(jīng)濟和技術(shù)優(yōu)勢。

1 PXA255嵌入式處理器

本文研究與設(shè)計的嵌入式IP數(shù)字語音系統(tǒng)將在以太網(wǎng)環(huán)境中工作。與目前大多數(shù)基于PC的IP電話終端相比，選擇嵌入式IP電話終端具有如下優(yōu)勢：

（1）嵌入式硬件平臺可以進行裁減和定制，因而可以大幅降低IP電話終端成本；

（2）可以定制嵌入式軟件平臺，容易升級，實時性好，而基于PC機的IP電話占用資源多，操作系統(tǒng)復(fù)雜，容易死機；

（3）嵌入式IP電話終端功耗低，可以使用電池進行供電，因而系統(tǒng)具有小型化、便攜的特點，這是PC所無法比擬的。

PXA255處理器是Intel公司帶ARM核的多媒體處理器。PXA255處理器的內(nèi)部功能模塊框圖見圖1所示。

PXA255處理器具有如下特色：核心頻率支持100～400MHz；多種系統(tǒng)存儲器接口；外設(shè)資源非常豐富：有PCMCIA／Compact Flash卡控制引腳、LCD控制器、全功能UART、USB客戶端、AC97控制器、15個靈活的GPIO引腳等。

2 VoIP的嵌入式Linux環(huán)境構(gòu)建

嵌入式IP吾音終端使用的嵌入式Linux平臺可分為三個層次：應(yīng)用軟件層次、Linux內(nèi)核層次和設(shè)備驅(qū)動層次。其中平臺無關(guān)部分包括：Linux實時內(nèi)核、文件系統(tǒng)、應(yīng)用軟件等部分；平臺相關(guān)部分包括：硬件驅(qū)動的改造和啟動過程改造，我們需要針對不同平臺進行代碼改造，

編寫各種驅(qū)動。由圖2可知，Linux對各種設(shè)備的操作都是以文件的形式進行的。

基于RTP協(xié)議的語音實時網(wǎng)絡(luò)傳輸軟件，位于Linux網(wǎng)絡(luò)結(jié)構(gòu)的Socket應(yīng)用層，如圖3所示。在嵌入式Linux平臺上利用Socket系統(tǒng)函數(shù)實現(xiàn)語音傳輸?shù)腞TP應(yīng)用。在具體編程時，Linux平臺上可供選用的語言有C、C++等。在這里我們也采用C語言，并采用編譯器Arm-Linux-Gcc。

語音處理的音頻庫函數(shù)使用OSS（Open Sound System）。

嵌入式IP終端系統(tǒng)軟件界面采用QT／Embed編程。利用qte的界面編程輔助工具QT Designer能很方便地實現(xiàn)界面規(guī)劃布局。由于是可視化編程，能很好地控制界面布局、效果，操作方便。QT Designer生成的界面文件是以XML語言編寫的．ui文件，通過QT附帶的工具UIC，能讓*．ui文件生成*．h和*．cpp的文件格式。使用QTDesigner大大降低了編程的工作量，并且能得到所見即所得的圖形效果。

3 語音編解碼器選型

對語音信號，有許多壓縮算法和標準。這些編碼算法可按照編碼系統(tǒng)碼率大小、輸入信號頻帶寬度、所采用的編碼技術(shù)等方面進行分類。編碼系統(tǒng)優(yōu)劣的評價主要體現(xiàn)在編解碼系統(tǒng)的性能指標上，一個編解碼器系統(tǒng)有輸出聲音的質(zhì)量、編碼速率、復(fù)雜度、遲延和容錯性

等性能指標。

（1）編碼速率。編碼速率指的是編碼器對輸入聲音經(jīng)過壓縮后每秒的比特數(shù)，即壓縮后的傳碼率。這是編碼系統(tǒng)的一個十分重要的指標。降低比特率而維持較高的解碼聲音質(zhì)量，是語音和音頻信號壓縮編碼的主要任務(wù)和主要目標。對電話級別的語音帶寬而言，通常認為比特率超過16kb／s的為高速編碼，而速率在8～16kb／s范圍的為中速率編碼，速率在8kb／s以下的為低速率編碼。

（2）輸出聲音的質(zhì)量。輸出聲音的質(zhì)量是指經(jīng)過編碼系統(tǒng)再經(jīng)過接收方的解碼后恢復(fù)出的聲音質(zhì)量。衡量輸出聲音質(zhì)量主要有二個指標：客觀質(zhì)量和主觀質(zhì)量?？陀^質(zhì)量法易測量，但往往不能精確反映語音質(zhì)量。由于聲音的最終接收者是人，所以主觀法更能反映聲音質(zhì)量的真正好壞，但它測試不易，費時費力。

（3）復(fù)雜度。在傳統(tǒng)電話應(yīng)用中，很少使用壓縮，是因為壓縮算法的復(fù)雜度太大，算法執(zhí)行時間長，算法的延遲也一起帶入到通信系統(tǒng)中。隨著技術(shù)的進步，芯片處理速度越來越快?，F(xiàn)在工程上一般采用單片數(shù)字信號處理器DSP芯片來實時實現(xiàn)語音編解碼。語音編解碼算法的復(fù)雜度可由算法所需的計算量、存儲量、硬件尺寸、消耗功率及價格來衡量。

（4）時延。時延指完成編解碼算法所需的時間。對于語音編解碼器來說，時延也是一個非常重要的指標，如果時延太大，聽起來很不舒服。對于時延，不同的應(yīng)用場合有不同規(guī)定，如對長話網(wǎng)不加回波抑制的單向編解碼時延不得大于10ms。對可視電話則放松到不超過500ms。對VOIP語音系統(tǒng)的時延要求不超過300ms。

（5）容錯能力或魯棒性。容錯能力指編解碼系統(tǒng)抗誤差、線路噪聲等各種干擾的能力。

表1對幾種編碼器的比特率、主觀平均意見分法（MOS）、復(fù)雜度（以G．711為基準）和時延（幀大小）做了比較。

本系統(tǒng)選用GSM 06．10語音標準算法，該算法在1988年被確定為數(shù)字移動通信的語音編碼標準，其編碼速率為13kb／s，算法簡單，運算量小，語音質(zhì)量高，接近32kb／s的ADPCM（ITU-G．712）。

4 IP語音實時傳輸系統(tǒng)設(shè)計

本文采用Intel公司推出的PXA255處理器，該芯片專用于網(wǎng)絡(luò)和多媒體。其最高工作頻率可達400MHz，并帶內(nèi)存管理單元MMU和DSP協(xié)處理器，可方便與高清晰的彩色LCD接口，同時該芯片可擴展連接AC97音頻芯片CS4201、高性能網(wǎng)絡(luò)接口芯片LANC9196，可方便移植嵌入式Linux和圖形界面等。

基于PXA255處理器的IP語音系統(tǒng)用方案具有如下優(yōu)勢：將先進的硬件技術(shù)和軟件技術(shù)有機融合，充分利用PXA255和Linux的強大功能，克服了傳統(tǒng)的基于單片機功能不足和基于PC的非實時性的缺點，具有實時性、低成本、小型化、專用化和高可靠性的優(yōu)點，能讓IP數(shù)字語音終端系統(tǒng)具有更好的可擴展性和可移植性，與ARM7或DSP的方案相比，在技術(shù)上同樣具有一定優(yōu)越性。

系統(tǒng)設(shè)計硬件框圖見圖4所示。

系統(tǒng)設(shè)計語音流程框圖見圖5。

5 系統(tǒng)測試

將兩個語音終端連接到局域網(wǎng)，分別設(shè)置其IP地址為192．168．0．100、192．168．0．101。整個軟件的運行過程：在語音傳輸之前，首先由網(wǎng)絡(luò)連接（通話雙方的呼叫連接）模塊進行呼叫連接，呼叫連接建立后，雙方就可以進行接下來的語音通話，實現(xiàn)語音傳輸。

在送話方即發(fā)起會話的一方：語音首先通過麥克風進入系統(tǒng)，在語音錄入與播放功能模塊內(nèi)進行錄音，然后進入語音數(shù)據(jù)壓縮、解壓模塊進行壓縮，壓縮后的語音數(shù)據(jù)打包后，以語音數(shù)據(jù)包的方式發(fā)送。

在受話方即接收會話的一方：通過網(wǎng)絡(luò)傳輸過來的語音數(shù)據(jù)拆包后，首先進入語音數(shù)據(jù)緩存模塊進行緩存，這種緩存方式可以保證語音回放連續(xù)和不失真，然后進入語音數(shù)據(jù)壓縮與解壓模塊對其進行解壓。經(jīng)過語音解壓縮過程以后，語音數(shù)據(jù)送入語音錄入與播放功能模塊內(nèi)，通過揚聲器進行播放，最終還原成語音。

測試過程中，我們使用RTP工具集rtptools-1．18中的rtpplay、rtpdump、rtpsend等命令截取語音實時傳輸模塊在網(wǎng)絡(luò)中的語音包，觀察其RTP和RTCP報文，分析網(wǎng)絡(luò)的當前狀況等。網(wǎng)絡(luò)的當前狀況與語音傳輸延遲有很強的正相關(guān)性。網(wǎng)絡(luò)狀況好，傳輸延遲小，網(wǎng)絡(luò)狀況不好，傳輸延遲增大。

語音延時測試方法：因為語音傳輸?shù)难舆t時間在1s以內(nèi)，用秒表或其他外設(shè)來測量，誤差大、精度不高，所以我們基于軟件的方式測量。通過在RTP工具集中設(shè)置一個計時器，計算時間差，記錄端到端的語音延時。最后求平均值，延時數(shù)據(jù)見表2。測試分8組，每組10到40個延遲數(shù)據(jù)不等，表中數(shù)據(jù)為每組的延遲平均值。

8組的所有測試數(shù)據(jù)有210個，所有測試數(shù)據(jù)的平均延時計算過程：

（283*10+258*10+269*20+266*20+257*30+275*30+268*40+286*50）／210=271．86ms。

由計算可知，平均延時約為272ms。滿足本文第三節(jié)中VoIP語音時延的上限300ms的要求。

6 小結(jié)

論文研究了IP語音傳輸系統(tǒng)的總體架構(gòu)，實現(xiàn)了一個基于PXA255處理器的嵌入式IP電話終端硬件平臺，為該平臺建立了一個優(yōu)化的嵌入式Linux環(huán)境，并研究基于GSM 06．10的語音編解碼實現(xiàn)，設(shè)計了一個IP語音實時傳輸系統(tǒng)，實現(xiàn)了IP語音的網(wǎng)絡(luò)實時傳輸功能，通過系統(tǒng)測試，語音時延符合工程要求，具有較好的實時性。

編輯：jq