CN101582832B - VoIP抖动缓冲区的动态处理方法 - Google Patents

Abstract

一种VoIP抖动缓冲区的动态处理方法，包括以下步骤：1)、初始化抖动缓冲区大小jbs，设置两个不同的阀值(h1，h2)表示抖动缓冲区条件；2)、接收到远端传过来的语音包后，立即插入到抖动缓冲区的末尾；3)、计算平均抖动，在一个固定长度设为N的滑动窗口范围内计算平均抖动；4)计算抖动偏差J_var(i)和移动平均抖动偏差J_avg-var(i)5)如果平均抖动J_avg(i)＞阀值h1，转到步骤6)；否则转到步骤2)；6)通过放慢缓冲内的语音包数据节拍的方式来增加缓冲区大小；7)如果平均抖动J_avg(i)＜阀值h2，则转到步骤8)，否则转到步骤2)；8)通过加快缓冲内的语音包数据节拍的方式来减小缓冲区大小。本发明有效减小语音时延、减少语音失真。

Description

VoIP抖动缓冲区的动态处理方法

技术领域

本发明涉及VoIP语音技术，尤其是一种VoIP抖动缓冲区的动态处理方法。

背景技术

在实时的VoIP语音网络会议中，语音数据是经过压缩打包后传输的。每个数据包都包含压缩后的语音数据以及目地IP地址信息.虽然语音包在发送端是按一定间隔有序发送的，但是由于网络传输路径可能不同，不同的数据包到达接收端的时间间隔并不一致。另外，在采用U D P进行语音数据实时传输时，到达接收端的语音次序也有可能发生错乱。这两个现象就是我们通常说的抖动。在一个多人参加的VoIP音频网络会议中，剧烈的数据包抖动会导致声音时断时续，严重影响参会者的语音实时交流。为了有效的解决抖动问题，通常在接收端会引入缓冲区技术来消除抖动的影响。

现有技术中有两种方法设计抖动缓冲区：

1)、一个是固定长度抖动缓冲区：在解码和播放语音数据包之前，放入一个固定长度缓冲区，也就是缓冲内的语音包个数是固定不变的。这个方法的特点是：发送端到接收端的的时延固定不变，并且运算复杂度最小。缺点是为了消除抖动，通常缓冲区的长度设置很长，导致了声音质量下降。

2)可变抖动缓冲区：为了尽可能缩小语音时延，最近几年推出了可变抖动缓冲区技术，目前这种技术在产品上应用越来越普遍。这种技术的核心思路是抖动缓冲区的长度根据当前网络状况快速自适应调整。当网络抖动剧烈时，通过插入静音包来增加缓冲区长度；当网络条件趋向于畅通时，通过删除缓冲区中最老的包来实现减小缓冲区长度的目的。这种方法的优点是语音时延较短。缺点是：在缓冲区中删除或者增加语音包会导致语音失真。

发明内容

为了克服已有可变抖动缓存区方法的语音时延较大、语音失真较大的不足，本发明提供一种有效减小语音时延、减少语音失真的VoIP抖动缓冲区的动态处理方法。

本发明解决其技术问题所采用的技术方案是：

一种VoIP抖动缓冲区的动态处理方法，所述动态处理方法包括以下步骤：

1)、初始化抖动缓冲区大小(jbs)，设置两个不同的阈值(h₁，h₂)表示抖动缓冲区条件；

Jbs＝40ms

h₁＝100ms

h₂＝50ms

2)、接收到远端传过来的语音包后，立即插入到抖动缓冲区的末尾；

3)、计算平均抖动，在一个固定长度设为N的滑动窗口范围内计算平均抖动，算式为：

$J_{\mathrm{avg}}\left(i\right)=\frac{1}{N}\underset{k=1}{\overset{N}{\mathrm{\Σ}}}J(i-k)$

上式中，J_avg(i)表示平均第i个包的平均抖动，N为滑动窗口长度；

4)计算抖动偏差J_var(i)，J_avg-var(i)，算式为：

J_var(i)＝|J(i)-J_avg(i)|

$J_{\mathrm{avg}-\mathrm{var}}\left(i\right)=\frac{1}{N}\underset{k=1}{\overset{N}{\mathrm{\Σ}}}{J}_{\mathrm{var}}\left(k\right)$

上式中，J_avg-var(i)是移动平均抖动偏差；

5)如果平均抖动J_avg(i)＞阈值h₁，则转到步骤6)；否则转到步骤2)，继续等待下一个语音包到达；

6)通过放慢缓冲内的语音包数据节拍的方式来增加缓冲区大小，要增加的缓冲区目标时长由以下公式计算获得：

J_avg(i)-h₁+2×J_avg-var(i)

7)如果平均抖动J_avg(i)＜阈值h₂，则转到步骤8)，否则转到步骤2)，继续等待下一个语音包到达；

8)通过加快缓冲内的语音包数据节拍的方式来减小缓冲区大小，要减少的缓冲区目标时长由以下公式计算获得：

h₂-J_avg(i)+J_avg-var(i)。

本发明的技术构思为：基于在一个固定窗的范围内，通过计算加权抖动缓冲区偏移量的移动平均值和语音包的抖动值来动态的调节抖动缓冲区长度。抖动缓冲区长度将根据收到的数据和平均抖动时长在滑动窗范围内自动收缩或者扩展。收缩或者扩展缓冲区长度是通过改变语音节拍的方式来实现。

采用自适抖动缓冲区算法：假设第i语音包的发送时间戳为S_i、接收时间戳记为R_i，则对于两个包i和i-1，变量D可以表示为：

D(i，i-1)＝(R_i-R_i-1)-(S_i-S_i-1)

第i个语音包的抖动可以表示如下：

J_i＝(15×J_i-1+abs(D(i，i-1)))/16

为了描述自适应抖动缓冲区算法，我们引入了几个参数：其中p_i记为播放时间戳，off_i为抖动缓冲区偏移量。自适应抖动缓冲区算法技术描述如下：

1)基于网络抖动和时延实时计算的值进行自适应调整

2)计算每个到达包的抖动偏移量

3)通过缓冲区平均偏移量和抖动管理缓冲区队列。

p_i＝off_i+k×J_i

其中，k为2～4范围内波动的可变系数。系数k值越大，播放的语音包越多，但代价是抖动缓冲区引起的延迟也就越大。

4)抖动缓冲区偏移量off_i通过加权移动平均值计算获得：

L_i＝O_i-R_i

off_i＝α×L_i+(1-α)×off_i-1

这里，O_i表示第i包从抖动缓冲区输出时间。

这里也提供另外二种算法来计算抖动缓冲区偏移量off_i。设Ω_i为当前这段语音的起始点(指静音后收到的第一个语音包)到收到第i包的这段时间内所有缓冲区偏移量集合。抖动缓冲区偏移量off_i的二种计算方法：

${\mathrm{off}}_i=\underset{j\∈{\mathrm{\Ω}}_i}{\mathrm{MED}\left({\mathrm{off}}_j\right)}$

or

${\mathrm{off}}_i={\mathrm{FMH}}_{j\∈{\mathrm{\Ω}}_i}\left({\mathrm{off}}_j\right)$

其中，MED表示中值滤波器，FMH为FIR混合MED。

本技术对抖动缓冲区偏移量使用平滑算法。这样，少部分延迟包将不会影响平均抖动缓冲区偏移量和到致抖动缓冲区大小增大。

本发明的有益效果主要表现在：1)实时的改变缓冲区长度，使语音时延尽可能的小；2)通过改变节拍的方式来实现缓冲区长度的调整，比传统的删除或者插入语音包的可变动缓冲区技术失真小；3)采用加权偏移量的计算方法，可以更精确的体现当前网络状态。

附图说明

图1是VoIP抖动缓冲区的动态处理方法的流程图。

具体实施方式

下面结合附图对本发明作进一步描述。

参照图1，一种VoIP抖动缓冲区的动态处理方法，所述动态处理方法包括以下步骤：

1)、初始化抖动缓冲区大小(jbs)，设置两个不同的阈值(h₁，h₂)表示抖动缓冲区条件；

Jbs＝40ms

h₁＝100ms

h₂＝50ms

2)、接收到远端传过来的语音包后，立即插入到抖动缓冲区的末尾；

3)、计算平均抖动，在一个固定长度设为N的滑动窗口范围内计算平均抖动，算式为：

$J_{\mathrm{avg}}\left(i\right)=\frac{1}{N}\underset{k=1}{\overset{N}{\mathrm{\Σ}}}J(i-k)$

上式中，J_avg(i)表示平均第i个包的平均抖动，N为滑动窗口长度；

4)计算抖动偏差J_var(i)，J_avg-var(i)，算式为：

J_var(i)＝|J(i)-J_avg(i)|

$J_{\mathrm{avg}-\mathrm{var}}\left(i\right)=\frac{1}{N}\underset{k=1}{\overset{N}{\mathrm{\Σ}}}{J}_{\mathrm{var}}\left(k\right)$

上式中，J_avg-var(i)是移动平均抖动偏差；

5)如果平均抖动J_avg(i)＞阈值h₁，则转到步骤6)；否则转到步骤2)，继续等待下一个语音包到达；

6)通过放慢缓冲内的语音包数据节拍的方式来增加缓冲区大小，要增加的缓冲区目标时长由以下公式计算获得：

J_avg(i)-h₁+2×J_avg-var(i)

7)如果平均抖动J_avg(i)＜阈值h₂，则转到步骤8)，否则转到步骤2)，继续等待下一个语音包到达；

8)通过加快缓冲内的语音包数据节拍的方式来减小缓冲区大小，要减少的缓冲区目标时长由以下公式计算获得：

h₂-J_avg(i)+J_avg-var(i)。

本实施例的具体方法包括以下步骤：

1)初始化抖动缓冲区大小(jbs＝40ms)(处理框图101)。设置两个不同的阈值(h₁，h₂)表示抖动缓冲区条件。这里我们置阈值h1为100ms，h₂为50ms.

2)接收语音包(处理框图102)。接收到远端传过来的语音包后，立即插入到抖动缓冲区的末尾。

3)计算平均抖动(处理框图103)。在一个固定长度设为N的滑动窗口范围内计算平均抖动。

$J_{\mathrm{avg}}\left(i\right)=\frac{1}{N}\underset{k=1}{\overset{N}{\mathrm{\Σ}}}J(i-k)$

这里，J_avg(i)表示平均第i个包的平均抖动，N为滑动窗口长度。

4)计算抖动偏差J_var(i)，J_avg-var(i)(处理框图104)

J_var(i)＝|J(i)-J_avg(i)|

$J_{\mathrm{avg}-\mathrm{var}}\left(i\right)=\frac{1}{N}\underset{k=1}{\overset{N}{\mathrm{\Σ}}}{J}_{\mathrm{var}}\left(k\right)$

5)跟阈值h₁做比较(判断框105)。如果平均抖动J_avg(i)＞阈值h₁，则转到步骤6)。

否则转到处理框102，继续等待下一个语音包到达。

6)增加缓冲区大小(处理框106)。在抖动比较厉害时，必须加大缓冲区大小，以消除抖动的影响。我们可以通过放慢缓冲内的语音包数据节拍(即放慢播放速度)的方式来增加缓冲区大小。要增加的缓冲区目标时长由以下公式计算获得：

J_avg(i)-h₁+2×J_avg-var(i)

7)跟阈值h₂做比较(判断框107)。如果平均抖动J_avg(i)＜阈值h2，则转到步骤8)。否则转到步骤2)，继续等待下一个语音包到达。

8)减小缓冲区大小(处理框108)。意味着当前网络交通很通畅，抖动很小。

我们可以通过加快缓冲内的语音包数据节拍(即加快播放速度)的方式来减小缓冲区大小，进而达到减小时延的目的。要减少的缓冲区目标时长由以下公式计算获得：

h₂-J_avg(i)+J_avg-var(i)。

Claims (1)

1.一种VoIP抖动缓冲区的动态处理方法，其特征在于：所述动态处理方法包括以下步骤：

1)、初始化抖动缓冲区大小jbs,置两个不同的阈值(h₁,h₂)表示抖动缓冲区条件；

2）、接收到远端传过来的语音包后，立即插入到抖动缓冲区的末尾；

3）、计算平均抖动，在一个固定长度设为N的滑动窗口范围内计算平均抖动，算式为：

$J_{\mathrm{avg}}\left(i\right)=\frac{1}{N}\underset{k=1}{\overset{N}{\mathrm{\Σ}}}J(i-k)$

上式中，J_avg(i)表示平均第i个包的平均抖动，N为滑动窗口长度；

4）计算抖动偏差J_var(i),J_avg-var(i)，算式为：

J_var(i)=|J(i)-J_avg(i)|

$J_{\mathrm{avg}-\mathrm{var}}\left(i\right)=\frac{1}{N}\underset{k=1}{\overset{N}{\mathrm{\Σ}}}{J}_{\mathrm{var}}\left(k\right)$

上式中，J_avg-var(i)是移动平均抖动偏差；

5）如果平均抖动J_avg(i)>阈值h₁，则转到步骤6)，然后转到步骤2），继续等待下一个语音包到达，否则转到步骤7）；

6）通过放慢缓冲内的语音包数据节拍的方式来增加缓冲区大小，要增加的缓冲区目标时长由以下公式计算获得：

J_avg(i)-h₁+2×J_avg-var(i)

7）如果平均抖动J_avg(i)<阈值h₂，则转到步骤8)，然后转到步骤2)，继续等待下一个语音包到达；

8）通过加快缓冲内的语音包数据节拍的方式来减小缓冲区大小，要减少的缓冲区目标时长由以下公式计算获得：

h₂-J_avg(i)+J_avg-var(i)。