CN111711992A - Cs语音下行链路抖动的校准方法 - Google Patents

Abstract

本发明提供了一种CS语音下行链路抖动的校准方法，包括以下步骤,获取收到语音包中第n帧语音数据的预期时间和实际时间；计算所述预期时间和实际时间之间的差值；计算前n个所述差值的平均值

和标准差σ；根据所述平均值

和所述标准差σ得到一门限值；获取所述语音包中第n‑1帧语音数据播放时对应的前次延时值；根据所述差值、所述门限值和所述前次延时值更新得到当前延时值；根据更新的所述当前延时值确定所述语音包中第n帧语音数据的实际播放时间；其中，n＝2，……，N，N为正整数。

Description

CS语音下行链路抖动的校准方法

技术领域

本发明主要涉及语音信号处理领域，尤其涉及一种CS语音下行链路抖动的校准方法。

背景技术

移动通信业务可划分为CS域(Circuit Switch，电路交换)和PS域(PacketSwitch，分组交换)。CS域对应语音业务(或传真)；PS域(Packet Switch，分组交换)则对应常见的数据业务。

移动通信CS语音业务是一种实时性业务，对业务时延相对敏感。对于下行音频流，底层音频硬件接口收到一帧语音数据后，为保证业务的实时性，会立即启动播放。理论上，音频硬件接口播放完成这一帧数据的时刻tn，即预期收到下一帧语音数据的时刻tn，和收到下一帧语音数据的时刻Tn是匹配的，即tn＝Tn。

但在实际情形中，对于CS语音业务的下行链路，因延时抖动存在于网络传输过程，还存在于终端收到下行语音流数据包后的逻辑流程、语音帧解码过程、语音帧后处理过程。因此就需要对下行链路的抖动进行校准，从而保证语音通话的质量。

发明内容

本发明要解决的技术问题是提供一种CS语音下行链路抖动的校准方法，实现动态校准下行链路延时，使链路适应不同的网络状况，延时值收敛至合理范围，保证通话语音质量。

为解决上述技术问题，本发明提供了一种CS语音下行链路抖动的校准方法，包括以下步骤，获取收到语音包中第n帧语音数据的预期时间和实际时间；计算所述预期时间和实际时间之间的差值；计算前n个所述差值的平均值

和标准差σ；根据所述平均值

和所述标准差σ得到一门限值；获取所述语音包中第n-1帧语音数据播放时对应的前次延时值；根据所述差值、所述门限值和所述前次延时值更新得到当前延时值；根据更新的所述当前延时值确定所述语音包中第n帧语音数据的实际播放时间；其中，n＝2，……，N，N为正整数。

在本发明的一实施例中，所述门限值为

1≤k≤3；k为实数。

在本发明的一实施例中，根据所述差值、所述门限值和所述语音包中第n-1帧语音数据播放时的延时值得到更新延时值的步骤包括，当所述差值小于等于零，且所述门限值小于所述语音包中第n-1帧语音数据播放时的延时值时，则将在下行链路中对语音数据进行压缩，所述延时值更新为所述门限值。当所述差值大于零，所述差值大于所述语音包中第n-1帧语音数据播放时的延时值，且所述语音包中第n-1帧语音数据播放时的延时值大于所述门限值时，则将在下行链路中对语音数据进行扩展，所述延时值更新为所述差值。当所述差值大于零，所述语音包中第n-1帧语音数据播放时的延时值大于所述门限值，所述差值小于所述语音包中第n-1帧语音数据播放时的延时值，且所述差值大于所述门限值时，则将在下行链路中对语音数据进行压缩，所述延时值更新为所述差值。当所述差值大于零，所述语音包中第n-1帧语音数据播放时的延时值大于所述门限值，且所述门限值大于所述差值时，则将在下行链路中对语音数据进行压缩，所述延时值更新为所述门限值。

在本发明的一实施例中，当所述差值小于零，且所述门限值小于所述语音包中第n-1帧语音数据播放时的延时值时，所述对语音数据进行压缩的压缩时长为所述语音包中第n-1帧语音数据播放时的延时值与所述门限值的差。

在本发明的一实施例中，当所述差值大于零，所述差值大于所述语音包中第n-1帧语音数据播放时的延时值，且所述语音包中第n-1帧语音数据播放时的延时值大于所述门限值时，所述对语音数据进行扩展的扩展时长为所述差值与所述语音包中第n-1帧语音数据播放时的延时值的差。

在本发明的一实施例中，当所述差值大于零，所述语音包中第n-1帧语音数据播放时的延时值大于所述门限值，所述差值小于所述语音包中第n-1帧语音数据播放时的延时值，且所述差值大于所述门限值时，所述对语音数据进行压缩的压缩时长为所述语音包中第n-1帧语音数据播放时的延时值与所述差值的差。

在本发明的一实施例中，当所述差值大于零，所述语音包中第n-1帧语音数据播放时的延时值大于所述门限值，且所述门限值大于所述差值时，所述对语音数据进行压缩的压缩时长为所述语音包中第n-1帧语音数据播放时的延时值与所述门限值的差。

在本发明的一实施例中，所述语音包中第1个语音帧播放时的延时值为零。

在本发明的一实施例中，所述门限值的初值为零。

本发明还提供一种CS语音下行链路抖动的校准装置，包括：存储器，用于存储可由处理器执行的指令；以及处理器，用于执行所述指令以实现前述任一项所述的方法。

本发明还提供一种存储有计算机程序代码的计算机可读介质，所述计算机程序代码在由处理器执行时实现如前述任一项所述的方法。

与现有技术相比，本发明具有以下优点：本发明的CS语音下行链路抖动的校准方法，根据收到语音包中各帧语音数据的预期时间和实际时间的差值、门限值、前次延时值，动态校准下行链路当前延时值，使链路延时值收敛至合理范围，可适应不同的网络状况，保证通话语音质量。同时，还可根据实际需求，兼顾下行链路时延性能与语音数据扩展或压缩对语音质量的影响。

附图说明

包括附图是为提供对本申请进一步的理解，它们被收录并构成本申请的一部分，附图示出了本申请的实施例，并与本说明书一起起到解释本发明原理的作用。附图中：

图1是移动通信CS语音业务底层音频硬件接口的预期收到语音帧数据时间、实际收到语音帧数据时间以及实际播放语音帧数据时间的对照示意图。

图2是本发明一实施例的CS语音下行链路延时抖动的校准方法的示例性流程图。

图3是本发明一实施例的CS语音下行链路延时抖动的校准方法的延时值更新的示例性流程图。

图4是标准正态分布曲线的参考示意图。

具体实施方式

为让本发明的上述目的、特征和优点能更明显易懂，以下结合附图对本发明的具体实施方式作详细说明。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其它不同于在此描述的其它方式来实施，因此本发明不受下面公开的具体实施例的限制。

如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。

除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项。

本发明的实施例描述CS语音下行链路抖动的校准方法。图1是移动通信CS语音业务底层的音频硬件接口的预期收到语音帧数据时间、实际收到语音帧数据时间以及实际播放语音帧数据时间的对照示意图。图1中，序列101为预期收到语音包中各帧语音数据的时间序列示意图。序列102为实际收到语音包中各帧语音数据的时间序列示意图。序列103为实际播放语音包中各帧语音数据的时间序列示意图。其中，虚线框104对应为音频硬件接口被动填充的数据的部分。

如前述，移动通信CS语音业务是一种实时性业务，对业务时延相对敏感。对于下行音频流，底层音频硬件接口收到一帧语音数据后，为保证业务实时性，会立即启动播放。理论上，音频硬件接口播放完成一帧数据的时刻tn，即预期收到下一帧语音数据的时间tn，和收到下一帧数据的时刻Tn是匹配的，即tn＝Tn。但实际场景集中，对于CS语音业务的下行链路，延时抖动不仅存在于网络传输过程，还存在于终端收到下行语音流的数据包之后的进行的逻辑计算流程、语音帧解码过程、语音帧的后处理过程等一系列语音数据处理过程中。

当Tn>tn时，即音频硬件接口实际收到下一帧语音数据的时刻晚于预期的时刻，音频硬件接口将被动填充空数据，从而给语音下行链路引入一个固定延时，在一些技术方案中，延时时间被设置为MAX(Tn-tn)，可记为MAX(△tn)。对于这一固定的延时值MAX(Δtn)，如果传输网络的情形变化，抖动的峰值较大，将会引入较大的固定延时。并且在抖动误差值极大的情形出现后，抖动延时值只能维持在极大的情形而无法收敛。对语音通话的质量影响很大。对于设定固定延时值的方案，则需要在产品验证阶段手动校准，难以满足复杂场景的需求。

图2是本发明一实施例的CS语音下行链路延时抖动的校准方法的示例性流程图。如图2所示，在一些实施例中，本申请的CS语音下行链路抖动的校准方法，包括步骤201获取收到语音包中第n帧语音数据的预期时间和实际时间。步骤202计算预期时间和实际时间之间的差值。步骤203计算前n个差值的平均值

和标准差σ。步骤204根据平均值μ和标准差σ得到一门限值。步骤205获取语音包中第n-1帧语音数据播放时对应的前次延时值。步骤206根据差值、门限值和前次延时值更新得到当前延时值。步骤207根据更新的当前延时值确定语音包中第n帧语音数据的实际播放时间。

参考图1和图2，在本申请一实施例中，在步骤201中，获取收到语音包中第n帧语音数据的预期时间tn和实际时间Tn。在步骤202，计算预期时间和实际时间之间的差值△tn。在步骤203，计算已有的前n个差值的平均值，即△t1，△t2，……，△tn的平均值

计算前n个差值的标准差σ(Δt)，可简写为σ。

在步骤204，根据平均值和方差得到一门限值，在一实施例中，门限值可为

其中1≤k≤3；k为实数。即k既可取整数，例如k＝1，2或3。也可取非整数，例如k取1.5,1.8，2.4，2.5，2.6等。需要说明的是，在只播放了第1帧语音数据时，此时门限值的初值设置为零。

在步骤205，获取语音包中第n-1帧语音数据播放时对应的前次延时值。对于语音包中第1个语音帧播放时对应的延时值，因初始情况下，预期时间即为实际时间，故语音包中第1个语音帧播放时对应的延时值为零。这也与前述的门限值的初值为零相对应。

在步骤206，根据差值、门限值和前次延时值更新得到当前延时值。具体地，可参考图3，图3是本发明一实施例的CS语音下行链路延时抖动的校准方法的延时值更新的示例性流程图。

在根据差值、门限值和语音包中第n-1帧语音数据播放时对应的前次延时值得到更新延时值时，具体可以图3所例示的步骤进行执行。在步骤302，当差值小于等于零，且门限值小于语音包中第n-1帧语音数据播放时对应的前次延时值时，则将在下行链路中对语音数据进行压缩，延时值更新为门限值。此时，对语音数据进行压缩的压缩时长为语音包中第n-1帧语音数据播放时对应的前次延时值与门限值的差。具体地，对语音数据进行压缩可对应为对一帧语音数据进行加速操作或抽帧操作，或对一帧数据中的一部分进行加速操作或抽帧操作。

在步骤304，当差值大于零，且差值大于语音包中第n-1帧语音数据播放时的延时值，且语音包中第n-1帧语音数据播放时对应的前次延时值大于门限值时，则将在下行链路中对语音数据进行扩展，延时值更新为差值。此时，对语音数据进行扩展的扩展时长为差值与语音包中第n-1帧语音数据播放时对应的前次延时值的差。对语音数据进行扩展，具体的扩展方式例如可为在需要扩展的相邻的帧语音数据之间插入舒适噪声。也可对前一帧数据进行平滑处理再播放。也可为根据前一帧数据，即第n-1帧语音数据为基础，对第n帧语音数据的开头进行预测。以此作为对语音数据进行扩展或称为填充的内容。图1中的104部分即对应相邻的帧语音数据之间的填充部分。

在步骤306，当差值大于零，且语音包中第n-1帧语音数据播放时对应的前次延时值大于门限值，且差值小于语音包中第n-1帧语音数据播放时对应的前次延时值，且差值大于门限值时，则将在下行链路中对语音数据进行压缩，延时值更新为差值。此时，对语音数据进行压缩的压缩时长为语音包中第n-1帧语音数据播放时对应的前次延时值与差值的差。具体地，对语音数据进行压缩可对应为对一帧语音数据进行加速操作或抽帧操作，或对一帧数据中的一部分进行加速操作或抽帧操作。

在步骤308，当差值大于零，语音包中第n-1帧语音数据播放时对应的前次延时值大于门限值，且门限值大于差值时，将在下行链路中对语音数据进行压缩，延时值更新为门限值。此时，对语音数据进行压缩的压缩时长为语音包中第n-1帧语音数据播放时对应的前次延时值与门限值的差。具体地，对语音数据进行压缩可对应为对一帧语音数据进行加速操作或抽帧操作，或对一帧数据中的一部分进行加速操作或抽帧操作。

需要说明的是，以上的步骤302至步骤308，可以顺序的方式进行选择判断并择一执行，也可以并行的方式进行同时判断并择一执行，其可根据实际的需求和条件来确定实现方式。

在步骤206，根据差值、门限值和前次延时值更新得到当前延时值之后，进行步骤207，根据更新的当前延时值确定语音包中第n帧语音数据的实际播放时间。

本发明的CS语音下行链路抖动的校准方法，根据收到下行链路语音包中各帧语音数据的预期时间和实际时间的差值、门限值以及前次延时值，来动态校准下行链路当前延时值，使链路延时值收敛至合理范围，在本申请的一实施例中，即可收敛至前述差值的平均值与带系数的标准差之和附近。并且可适应不同的网络状况，保证通话语音质量。同时，还可根据实际需求，并兼顾下行链路的时延性能与语音数据的扩展或压缩对语音质量的影响。

例如，设时延抖动满足正态分布概率。参考图4的标准正态分布曲线的参考示意图。当本申请的技术方案中的门限值设置为

即为图4中的μ+σ时，由图4的标准正态分布曲线可知，当Δtn在正态分布曲线的横轴上随机出现时，小于门限值

的概率为1－[(1-68.26％)/2]＝84.13％，大于门限值

的概率对应为1－84.13％＝15.87％。故对应需要进行抖动校准的情形约占15.87％。并可使抖动时延收敛至

的数值附近。对语音数据扩展或压缩的情形亦约占15.87％。

当本申请的技术方案中的门限值设置为

即为图4中的μ+2σ时，由图4的标准正态分布曲线可知，当Δtn在正态分布曲线的横轴上随机出现时，小于门限值

的概率为1－[(1-95％)/2]＝97.5％，大于门限值

的概率对应为1－97.5％＝2.5％。故对应需要进行抖动校准的情形约占2.5％。并可使抖动时延收敛至

的数值附近。对语音数据扩展或压缩的情形亦约占2.5％。门限值的亦可设置为其它基于平均值和标准差的值，从而可根据实际需求兼顾下行链路时延性能与语音数据扩展或压缩对语音质量的影响。

本发明还提供一种CS语音下行链路抖动的校准装置，包括：存储器，用于存储可由处理器执行的指令；以及处理器，用于执行该指令以实现前述任一项的方法，来实现移动通信CS语音下行链路中的延时抖动的校准。例如，该校准装置具体可对应为移动终端的基带芯片中的语音处理模块。

本发明提供的CS语音下行链路抖动的校准装置，可实现动态校准下行链路延时，使链路适应不同的网络状况，延时值收敛至合理范围，保证通话语音质量。

本发明还提供一种存储有计算机程序代码的计算机可读介质，该计算机程序代码在由处理器执行时实现如前述任一项的方法，来实现移动通信CS语音下行链路中的延时抖动的校准。

本申请的CS语音下行链路抖动的校准方法，其中的一些方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。处理器可以是一个或多个专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理器件(DAPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器或者其组合。

此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。例如，计算机可读介质可包括，但不限于，磁性存储设备(例如，硬盘、软盘、磁带……)、光盘(例如，压缩盘CD、数字多功能盘DVD，……)、智能卡以及闪存设备(例如，卡、棒、键驱动器……)。

计算机可读介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等等、或合适的组合形式。计算机可读介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、射频信号、或类似介质、或任何上述介质的组合。

本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各种步骤。同时，或将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

虽然本申请已参照当前的具体实施例来描述，但是本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本申请，在没有脱离本申请精神的情况下还可作出各种等效的变化或替换，因此，只要在本申请的实质精神范围内对上述实施例的变化、变型都将落在本申请的权利要求书的范围内。

Claims (11)

1.一种CS语音下行链路抖动的校准方法，包括以下步骤：

获取收到语音包中第n帧语音数据的预期时间和实际时间；

计算所述预期时间和实际时间之间的差值；

计算前n个所述差值的平均值

和标准差σ；

根据所述平均值

和所述标准差σ得到一门限值；

获取所述语音包中第n-1帧语音数据播放时对应的前次延时值；

根据所述差值、所述门限值和所述前次延时值更新得到当前延时值；

根据更新的所述当前延时值确定所述语音包中第n帧语音数据的实际播放时间；

其中，n＝2，……，N，N为正整数。

2.根据权利要求1所述的CS语音下行链路抖动的校准方法，其特征在于，所述门限值为

1≤k≤3；k为实数。

3.根据权利要求1所述的CS语音下行链路抖动的校准方法，其特征在于，根据所述差值、所述门限值和所述语音包中第n-1帧语音数据播放时对应的前次延时值得到更新延时值的步骤包括：

当所述差值小于等于零，且所述门限值小于所述语音包中第n-1帧语音数据播放时对应的前次延时值时，则将在下行链路中对语音数据进行压缩，所述延时值更新为所述门限值；

当所述差值大于零，所述差值大于所述语音包中第n-1帧语音数据播放时的延时值，且所述语音包中第n-1帧语音数据播放时对应的前次延时值大于所述门限值时，则将在下行链路中对语音数据进行扩展，所述延时值更新为所述差值；

当所述差值大于零，所述语音包中第n-1帧语音数据播放时对应的前次延时值大于所述门限值，所述差值小于所述语音包中第n-1帧语音数据播放时对应的前次延时值，且所述差值大于所述门限值时，则将在下行链路中对语音数据进行压缩，所述延时值更新为所述差值；

当所述差值大于零，所述语音包中第n-1帧语音数据播放时对应的前次延时值大于所述门限值，且所述门限值大于所述差值时，则将在下行链路中对语音数据进行压缩，所述延时值更新为所述门限值。

4.根据权利要求3所述的CS语音下行链路抖动的校准方法，其特征在于，当所述差值小于零，且所述门限值小于所述语音包中第n-1帧语音数据播放时对应的前次延时值时，所述对语音数据进行压缩的压缩时长为所述语音包中第n-1帧语音数据播放时对应的前次延时值与所述门限值的差。

5.根据权利要求3所述的CS语音下行链路抖动的校准方法，其特征在于，当所述差值大于零，所述差值大于所述语音包中第n-1帧语音数据播放时对应的前次延时值，且所述语音包中第n-1帧语音数据播放时对应的前次延时值大于所述门限值时，所述对语音数据进行扩展的扩展时长为所述差值与所述语音包中第n-1帧语音数据播放时对应的前次延时值的差。

6.根据权利要求3所述的CS语音下行链路抖动的校准方法，其特征在于，当所述差值大于零，所述语音包中第n-1帧语音数据播放时对应的前次延时值大于所述门限值，所述差值小于所述语音包中第n-1帧语音数据播放时对应的前次延时值，且所述差值大于所述门限值时，所述对语音数据进行压缩的压缩时长为所述语音包中第n-1帧语音数据播放时对应的前次延时值与所述差值的差。

7.根据权利要求3所述的CS语音下行链路抖动的校准方法，其特征在于，当所述差值大于零，所述语音包中第n-1帧语音数据播放时对应的前次延时值大于所述门限值，且所述门限值大于所述差值时，所述对语音数据进行压缩的压缩时长为所述语音包中第n-1帧语音数据播放时对应的前次延时值与所述门限值的差。

8.根据权利要求1所述的CS语音下行链路抖动的校准方法，其特征在于，所述语音包中第1个语音帧播放时的延时值为零。

9.根据权利要求1所述的CS语音下行链路抖动的校准方法，其特征在于，所述门限值的初值为零。

10.一种CS语音下行链路抖动的校准装置，包括：

存储器，用于存储可由处理器执行的指令；以及

处理器，用于执行所述指令以实现如权利要求1-9任一项所述的方法。

11.一种存储有计算机程序代码的计算机可读介质，所述计算机程序代码在由处理器执行时实现如权利要求1-9任一项所述的方法。

Images