【文章內(nèi)容簡(jiǎn)介】 “轉(zhuǎn)換器”（Translators）也是一種RTP層的中繼設(shè)備，當(dāng)某些與會(huì)者不能通過多播（multicast）方式直接連接到會(huì)與，比如它們處在不讓任何IP包通過的應(yīng)用級(jí)防火墻之后，這時(shí)就需要用到“轉(zhuǎn)換器”。在防火墻內(nèi)外各安裝一個(gè)轉(zhuǎn)換器，當(dāng)外面的轉(zhuǎn)換器接收到安全的數(shù)據(jù)包后，將它們以隧道方式直接發(fā)送給防火墻內(nèi)的轉(zhuǎn)換器，由它轉(zhuǎn)發(fā)給防火墻內(nèi)的用戶?；旌掀骱娃D(zhuǎn)換器可以針對(duì)很多不同的目的而設(shè)計(jì)。比如視頻混合器，它可以將多路不同的視頻流的單個(gè)圖像混合成一路視頻流，模擬一個(gè)群體場(chǎng)景。轉(zhuǎn)換器的一個(gè)應(yīng)用例子是連接一些只能使用IP/UDP的主機(jī)和只能使用STII主機(jī)，或者對(duì)單個(gè)信源的視頻流進(jìn)行逐包的編碼翻譯，而不作重新同步或混合。 RTP數(shù)據(jù)包格式2．3．1 RTP數(shù)據(jù)包格式RTP報(bào)文頭格式（見RFC3550 Page12）： 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 +++++++++++++++++++++++++++++++++ |V=2|P|X| CC |M| PT | sequence number | +++++++++++++++++++++++++++++++++ | timestamp | +++++++++++++++++++++++++++++++++ | synchronization source (SSRC) identifier | +=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+ | contributing source (CSRC) identifiers | | .... | +++++++++++++++++++++++++++++++++以上域具體意義如下： （1）版本(V):2比特 .(值1被RTP草案版本使用,值0用在最初vat語音工具使用的協(xié)議中.) （2）填料(P):1比特 若填料比特被設(shè)置,此包包含一到多個(gè)附加在末端的填充比特,或者在底層數(shù)據(jù)單元中傳輸多個(gè)RTP包. （3）擴(kuò)展(X):1比特 若設(shè)置擴(kuò)展比特,固定頭(僅)后面跟隨一個(gè)頭擴(kuò)展. （4）CSRC計(jì)數(shù)(CC):4比特 CSRC計(jì)數(shù)包含了跟在固定頭后面CSRC識(shí)別符的數(shù)目. （5）標(biāo)志(M):1比特 ,. （6）負(fù)載類型(PT):7比特 此域定義了負(fù)載的格式,。此域不用來復(fù)用不同的媒體流. （7）序列號(hào)（sequence number）:16比特 每發(fā)送一個(gè)RTP數(shù)據(jù)包,序列號(hào)加一,(不可預(yù)測(cè)),以使即便在源本身不加密時(shí)(有時(shí)包要通過翻譯器,它會(huì)這樣做),對(duì)加密算法泛知的普通文本攻擊也會(huì)更加困難. （8）時(shí)間標(biāo)志（timestamp）:32比特 ,在協(xié)議中或定義此格式的負(fù)載類型說明中靜態(tài)定義,可以使用由抽樣時(shí)鐘確定的額定抽樣瞬間,對(duì)于固定速率語音,對(duì)于每個(gè)這樣的數(shù)據(jù)塊,時(shí)間標(biāo)志增加160,無論此塊被發(fā)送還是被靜音壓縮. 時(shí)間標(biāo)志的起始值是隨機(jī)的, 順序發(fā)送,連續(xù)的RTP包可以包含不單調(diào)的時(shí)間標(biāo)志,如MPEG交織圖象幀. （9）同步源（SSRC）:32比特 ,必須選擇新的SSRC識(shí)別符,以避免被當(dāng)作一個(gè)環(huán)路源. （10）有貢獻(xiàn)源（CSRC）列表:0到15項(xiàng),每項(xiàng)32比特 ,混合產(chǎn)生新包的所有源的SSRC標(biāo)識(shí)符都被陳列,以期在接收機(jī)處正確指示交談?wù)?注意：前12個(gè)字節(jié)出現(xiàn)在每個(gè)RTP包中,僅僅在被混合器插入時(shí),才出現(xiàn)CSRC識(shí)別符列表.RTP報(bào)文擴(kuò)展頭格式（見RFC3550 Page18）： 0 1 2 3 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 +++++++++++++++++++++++++++++++++ | defined by profile | length | +++++++++++++++++++++++++++++++++ | header extension | | .... |若RTP頭中的擴(kuò)展比特位X置1,則一個(gè)長(zhǎng)度可變的頭擴(kuò)展部分被加到RTP固定頭之后,頭擴(kuò)展包含16比特的長(zhǎng)度域,指示擴(kuò)展項(xiàng)中32比特字的個(gè)數(shù),不包括4個(gè)字節(jié)擴(kuò)展頭(因此零是有效值).,或某種特定實(shí)現(xiàn)有多種不同的頭擴(kuò)展,。第三章 實(shí)時(shí)語音通信系統(tǒng)簡(jiǎn)介 系統(tǒng)平臺(tái)本系統(tǒng)是在linux下實(shí)現(xiàn)的，選用Ubuntu ，vim作為編寫工具，編程語言采用C++。在linux平臺(tái)上，音頻采集采用ALSA（Advanced Linux Sound Architecture ）的lib庫，利用網(wǎng)上現(xiàn)有的oRTP庫實(shí)現(xiàn)基于RTP的實(shí)時(shí)語音傳輸。Linux是一位芬蘭的年輕人Linus Benedict Torvalds于1991年10月在赫爾辛基大學(xué)對(duì)外正式發(fā)布一套操作系統(tǒng)，它一種Unix風(fēng)格的操作系統(tǒng)，在源代碼級(jí)上兼容絕大部分Unix標(biāo)準(zhǔn)，是一個(gè)支持多用戶、多進(jìn)程、多線程、功能強(qiáng)大而且執(zhí)行穩(wěn)定的操作系統(tǒng)。非常重要的一點(diǎn)，Linux還是一種開放、免費(fèi)的操作系統(tǒng)，還具有可移植性和自由代碼等特性，這是其它操作系統(tǒng)所無法比擬的。目前Linux已經(jīng)得到了越來越多的應(yīng)用。 系統(tǒng)實(shí)現(xiàn)的基本原理和框架結(jié)構(gòu)本系統(tǒng)主要實(shí)現(xiàn)音頻數(shù)據(jù)的實(shí)時(shí)傳輸通話。采用在計(jì)算機(jī)以太網(wǎng)上進(jìn)行點(diǎn)對(duì)點(diǎn)的通信模式。具體的過程是：上層通過麥克風(fēng)采集音頻數(shù)據(jù)，然后采用G729a進(jìn)行音頻壓縮，發(fā)送方RTP協(xié)議從上層接收音頻數(shù)據(jù)（這里采用PCM編碼），封裝成RTP數(shù)據(jù)包發(fā)送給下層協(xié)議UDP，UDP提供RTP和RTCP的分流，RTP使用一個(gè)偶數(shù)號(hào)端口，相應(yīng)的RTCP使用其后的奇數(shù)號(hào)端口。接收方則對(duì)網(wǎng)絡(luò)層傳來的數(shù)據(jù)包解封，并交由RTP提取音頻數(shù)據(jù)，然后進(jìn)行音頻解壓縮，再經(jīng)揚(yáng)聲器播放出來。：： 基本框架流程圖本系統(tǒng)核心模塊是語音通話模塊的實(shí)現(xiàn)，下面是語音通話模塊的流程圖：第四章 linux音頻編程 音頻編程簡(jiǎn)介音頻信號(hào)是一種連續(xù)變化的模擬信號(hào)，但計(jì)算機(jī)只能處理和記錄二進(jìn)制的數(shù)字信號(hào)，由自然音源得到的音頻信號(hào)必須經(jīng)過一定的變換，成為數(shù)字音頻信號(hào)之后，才能送到計(jì)算機(jī)中作進(jìn)一步的處理。數(shù)字音頻系統(tǒng)通過將聲波的波型轉(zhuǎn)換成一系列二進(jìn)制數(shù)據(jù)，來實(shí)現(xiàn)對(duì)原始聲音的現(xiàn)，實(shí)現(xiàn)這一步驟的設(shè)備常被稱為模/數(shù)轉(zhuǎn)換器（A/D）。A/D轉(zhuǎn)換器以每秒鐘上萬次的速率對(duì)聲波進(jìn)行采樣，每個(gè)采樣點(diǎn)都記錄下了原始模擬聲波在某一時(shí)刻的狀態(tài)，通常稱之為樣本sample），而每一秒鐘所采樣的數(shù)目則稱為采樣頻率，通過將一串連續(xù)的樣本連接起來，就可以在計(jì)算機(jī)中描述一段聲音了。對(duì)于采樣過程中的每一個(gè)樣本來說，數(shù)字音頻系統(tǒng)會(huì)分配一定存儲(chǔ)位來記錄聲波的振幅，一般稱之為采樣分辯率或者采樣精度，采樣精度越高，聲音還原時(shí)就會(huì)越細(xì)膩。數(shù)字音頻涉及到的概念非常多，對(duì)于在Linux下進(jìn)行音頻編程的程序員來說，最重要的是理解聲音數(shù)字化的兩個(gè)關(guān)鍵步驟：采樣和量化。采樣就是每隔一定時(shí)間就讀一次聲音信號(hào)的幅度，而量化則是將采樣得到的聲音信號(hào)幅度轉(zhuǎn)換為數(shù)字值，從本質(zhì)上講，采樣是時(shí)間上的數(shù)字化，而量化則是幅度上的數(shù)字化。下面介紹幾個(gè)在進(jìn)行音頻編程時(shí)經(jīng)常需要用到的技術(shù)指標(biāo)：（1）.采樣頻率采樣頻率是指將模擬聲音波形進(jìn)行數(shù)字化時(shí)，每秒鐘抽取聲波幅度樣本的次數(shù)。采樣頻率的選擇應(yīng)該遵循奈奎斯特（Harry Nyquist）采樣理論：如果對(duì)某一模擬信號(hào)進(jìn)行采樣，則采樣后可還原的最高信號(hào)頻率只有采樣頻率的一半，或者說只要采樣頻率高于輸入信號(hào)最高頻率的兩倍，就能從采樣信號(hào)系列重構(gòu)原始信號(hào)。正常人聽覺的頻率范圍大約在20Hz~20kHz之間，根據(jù)奈奎斯特采樣理論，為了保證聲音不失真，采樣頻率應(yīng)該在40kHz左右。常用的音頻采樣頻率有8kHz、16kHz、48kHz等，如果采用更高的采樣頻率，還可以達(dá)到DVD的音質(zhì)。（2）.采樣的位數(shù)采樣位數(shù)可以理解為采 集卡處理聲音的解析度。這個(gè)數(shù)值越大，解析度就越高，錄制和回放的聲音就越真實(shí)。我們首先要知道：電腦中的聲音文件是用數(shù)字0和1來 表示的。所以在電腦上錄音的本質(zhì)就是把模擬聲音信號(hào)轉(zhuǎn)換