基于Speex语音引擎VoIP系统设计与实现.doc

基于Speex语音引擎VoIP系统设计与实现 　　摘要：论述了一套基于Speex语音引擎和RTP的VoIP系统设计和开发，介绍了该系统服务器端和客户机端的软件实现。该系统具有点对点通信、算法延时小、丢包补偿和延时补偿性能好等特点，并具有多方通话功能。性能对比实验表明，该系统的通话质量优于几套流行的开源VoIP软件，能满足实际应用的要求。 　　关键词：基于IP网络的语音传输； Speex； 实时传输协议； 多方通话 　　中图分类号：TP393文献标志码：A 　　文章编号：1001-3695(2007)12-0320-04 　　 　　网络电话VoIP[1]是基于IP网络的语音传输技术，它将语音的模拟信号转换成数字信号并在Internet上进行传输。简单地说，它是首先通过一连串的A/D转换、编码、压缩、打包等程序来处理语音信号，并将语音数据在IP网络上传输到目的端，然后再经由相反的一连串程序，将语音数据还原成原来的语音信号播放给接听者。VoIP目前已被广泛地应用于全球IP互联的Internet环境中。它与模拟语音通信系统相比具有抗干扰性强、必威体育官网网址性好、易于集成、成本低廉等特点，并可开发出更多的增值业务。然而，IP网络的语音传输质量成为制约VoIP发展的瓶颈。基于分组交换的IP网络使得VoIP系统存在分组延迟、延迟抖动、?G包等问题，使得用户听到的话音会出现不连贯甚至中断的现象。现有的VoIP系统还难以实现高质量的实时语音通信。如何提高语音通信质量是近年来VoIP技术研究的一个重要课题。 　　Speex[2，3]是近年来开发出的一套功能强大的语音引擎，能够实现高质量和低比特率的编码。它不仅提供了基于码激励线性预测（CELP）算法的编/解码模块，而且在其必威体育精装版发布的版本中还提供了声音预处理和声学回声消除模块，为保障IP网络中的语音通信质量提供了技术手段。此外，Speex还具有压缩后的比特率低（2~44 kbps）的特点，并支持多种比特率。这些特点使得Speex特别适合VoIP的系统。 　　伴随着VoIP应用的热潮，目前国内外出现了很多关于VoIP的系统实现，但是大多数系统设计均是基于直接使用IP地址进行呼叫。这就存在一些弊端，如呼叫方必须事先知道对方的IP地址，而这无形中降低了系统的可用性。本文在Speex和RTP（实时传输协议）[4]的基础上，论述了一套基于客户机/服务器模式的VoIP系统的设计与开发。该系统克服了上述弊端，提高了VoIP系统的友好性和可推广性。经过实验测试，本系统即使在网络条件较差的情况下，也能达到较好的语音通信效果，而且支持3~5人的多方通话。 　　 　　1Speex概述 　　 　　Speex是近年来开发出的一种基于码激励线性预测算法的开源软件语音引擎。它主要面向Internet上的语音通信。其主要设计目标是为了提供高质量和低比特率的语音编码。Speex编码支持多种比特率，如8 kHz采样的低比特率（窄带2．15~24．6 kbps）、16 kHz采样的中比特率（宽带3．95~42．2 kbps）以及32 kHz采样的高比特率（ultra－wideband）。Speex提供了大多数别的编/解码器所不具备的技术性能，主要包括：可以在同一个比特流中对语音信号实现窄带（8 kHz）、宽带（16 kHz）和超宽带（32 kHz）的压缩；支持声音强度的立体声编码；具有丢包补偿能力；具有可变比特率（variable bitrate，VBR）特性，编/解码器可以在任意时刻动态地改变语音的比特率；能实现语音活动检测（voice activity detection，VAD）；能实现声音的DTX（discontinuous transmission，不连续传输），当背景噪声稳定时，可以完全停止声音数据包的传送；具有语音处理的定点数计算功能（正在开发中）；具有声学回声消除功能。 　　Speex除了编/解码模块外，还包括噪声消除、静音抑制和自动增益控制等预处理模块以及回声消除模块。正是由于其完备的功能和优良的性能，Speex受到了许多VoIP开发者的关注。2006年9月发布的必威体育精装版版本Speex 1．2 beta1在声音处理性能上得到了进一步的改善。语音编码和解码的质量有了明显的提高。软件运行时的内存使用有了大幅度的降低，定点计算情况下窄带编/解码的内存开销下降为不到原来的一半，只需占用不到6 KB的RAM空间，而且CPU的占用率也有了下降，使Speex在诸如PDA等便携式语音通信设备中的应用成为可能。 　　Speex提供了一系列调用其各个功能模块的API，使得开发者可以很方便地使用这些功能模块来进行VoIP系统的编程开发。各模块的API在文献[3]中有详细描述。在新版本的Speex中，回声消除模块的API有了改