CN1321026A - 在数据传输中减少延迟抖动的装置和方法 - Google Patents

Abstract

一种延迟单元103将保持时间设置单元104设置的保持时间加到接收数据上去。这个保持时间是在收到的数据的延迟时间和到这个时候收到的数据的最小延迟时间的基础之上计算出来的,目的是减少总的延迟时间。在延迟时间估计单元106中,从以按照内部时钟信号发生器107产生的信号记录的时间为基础的数据包的接收时刻和收到的数据包中的时间标记说明的时间之间的差估计延迟时间。

Description

在数据传输中减少延迟抖动的装置和方法

本发明涉及减少延迟抖动的装置，用于通过因特网这样的传输路径，顺序地接收一系列按时间顺序排列的数据段，并将每个数据段推迟一段适当的时间，从而减少数据段传输过程中已经产生的延迟抖动，并获得已经消除了延迟抖动效应的按照时间顺序排列的数据；还涉及减少延迟抖动的方法。

数据传输的一种形式是实时传输，在这种传输方式中，将按照时间顺序排列的连续信号样本，比方说话音信号，载入多个连续数据包以后，再传输它们。在这种实时传输方式中，如果传输数据包的延迟时间对于每一个数据包而言都相同，就有可能在接收每一个数据包的时候，通过再现数据包中按时间顺序排列的样本，获得波形跟源节点一样的话音信号。

然而，在因特网这样的网络里，即使是同一个不变的源节点向一个不变的目标节点传输多个数据包，传输每个数据包的传播延迟时间也不一定相同，因此，不同的数据包传播延迟时间不同。数据包之间传播延迟的这种变化叫做延迟抖动。

如果发生了这种延迟抖动，在目标节点接收每一个数据包的时候收到的数据包再现按照时间顺序排列的样本的时候，就不能保证从收到的数据包完全再现跟原始信号一样的信号波形。

在这种情况下，目标节点通常都利用缓冲器来减少延迟抖动，从而获得消除了延迟抖动效应，按照时间顺序排列的数据。

下面参考图12到图17，介绍减少延迟抖动的这一技术。

图12是一个框图，说明实时话音传输系统的一个结构实例。在这一系统里，源终端10中用一个话音编码器11对传输的话音信号进行编码，产生载入话音信号编码数据的按时间顺序排列的话音数据包。发送单元12将这些话音数据包传递给目标终端30。每个话音信号数据包在经过了网络20以后到达目标终端30。在目标终端30那里，来自源终端10的话音数据包由一个接收单元31收到，储存在缓冲器32里。随后，从缓冲器32按照源节点那里的顺序读出保存在缓冲器32里的话音数据包，并传输给一个话音译码器33。这个话音译码器33收到按照这种方式传输过来的话音数据包，并从包括在话音数据包里的编码数据译出话音信号。

在实时话音传输系统里，源终端10产生的每个话音数据包都在产生数据包的同时发送给网络20。但是，如同已经描述过的一样，这些数据包到达接收终端30所需要的传播延迟时间对于每个话音数据包来说都不是固定的。如果是这种情况，目标终端30就调整发送单个数据包给话音译码器33的时间。图17说明这样调整时间的一个实例。在图17所示的实例中，话音数据包P0、P1和P2到达目标终端网30，它们的传播延迟时间分别是d0、d1和d2。如图所示，如果每个话音数据包P0、P1和P2可以分别延迟适当的时间D0、D1和D2，那么，总的延长时间就能够固定不变，其中，总延迟时间是每个话音数据包从源终端10到话音译码器33所需要的时间。图12所示的缓冲器32是用于按照这种方法调整延迟，以便将所有话音数据包的总延迟时间固定下来的装置。假设在网络20中话音数据包的最小延迟时间是dmin，话音数据包的最大延迟是dmax，为了方便起见，将它们之间的差D=dmax-dmin叫做延迟抖动宽度。要求图12中的缓冲器32在这个延迟抖动宽度范围内调整延迟时间；换句话说，缓冲器32应该能够减少延迟抖动。

下面参考图13A和13B来描述缓冲器32对话音数据包进行的延迟调整。

在图13B中，上面和下面有4个并列的队列，每个队列都包括一串9个框。第一个队列说明缓冲器32在特定时刻t1的状态。第二个队列说明缓冲器32在时刻t2状态，这个时刻比时刻t1晚。同样，第三个和第四个队列分别说明缓冲器32在时刻t3和t4的状态，时刻t3比时刻t2晚，时刻t4比时刻t3晚。

在图13B所示的实例中，缓冲器能够储存9个话音数据包。每个队列里9个框中的每一个都是储存话音数据包的一个地方，框中的标记#1～#9说明每个区域的地址。

在目标终端30里，每1s时间内从缓冲器32读出一个话音数据包，并发送给话音译码器33，这里的“s”是一个单位，比方说几个毫秒，或者几十个毫秒，具体取决于数据特性，这个单位适用于所有数据特性。用于读取话音数据包的地址每1s更新一次。在图13B中，正被读取的话音数据包在每个队列的右边说明，这个话音数据包的左边是过1s以后要读取的数据包，再往左边是2s以后要读取的数据包。同样，其它的数据紧跟其后；这样，队列中最左边的区域是8s以后要读取的话音数据包。

在图13B所示的实例中，在时刻t1从地址#1读取一个话音数据包。在时刻t2，从地址#2读取另外一个话音数据包，在时刻t3从地址#3再读取一个数据包，在时刻t4从地址#4又读取一个数据包。因此，如果将t1时刻收到的话音数据包写入地址#4，就在3s以后的时刻t4从缓冲器32中将这个话音数据包输出给话音译码器33。如果在时刻t1收到的话音数据包被写入地址#9，就在8s以后从缓冲器32将这个数据包输出给话音译码器33。通过这种方式，对收到的话音数据包写入哪个地址进行控制，就能够将话音数据包在0s到8s的范围内延迟任意长度的时间。

于是，如果有可能将话音数据包延迟任意长度的时间，然后从要减少的最大延迟时间(图17中的dmax)减去一个绝对延迟时间，假设我们能够获得话音数据包从源终端10发送出来直到到达目标终端30的这个绝对延迟时间，就能够最大程度地减少话音数据包从源终端30到话音译码器33的总延迟时间，并将这一延迟时间长度固定下来。

但是，目标终端30没有能力知道每个话音数据包到达目标终端所经历的传播延迟时间。于是，传统的数据包延迟控制是按照以下方式进行的。为了简单起见，我们假设在一段时间以后从源终端10发出的话音数据包以同样的顺序到达目标终端30。

首先，通过网络20收到第一个话音数据包的时候，目标终端30将这个话音数据包写入缓冲器32的初始输入位置(图13A的S1、S2)。在图13B所示的实例中，初始输入位置是这样一个区域，它的地址比收到第一个话音数据包的时候，读出话音数据包的区域的地址大1。

于是，第二个和第二个以后的话音数据包被写入空区域中要最早读出来的位置(图13A中的S3)。

在图13B所示的实例中，在时刻t1收到的第一个话音数据包P1被写入地址#2，这个地址就是初始输入位置。接下来，在时刻t2没有收到任何数据包，从地址#2读出数据包P1，并发送给话音译码器33。到了时刻t3的时候，收到第二个话音数据包P2。看起来话音数据包P2经历的延迟时间比话音数据包P1的延迟时间1s要长。于是，这个话音数据包P2被写入一个区域，在空区域中，这个区域被最先读出，也就是在时刻t3读出的地址#3。然后，在时刻t3，话音数据包P2在写入以后被立即读出，并提供给话音译码器33。

这样，即使源终端10发送话音数据包P1和P2之间的时间间隔是1s，这两个话音数据包传播延迟时间之间的差也会使它们到达目标终端30的时间间隔是2s。但是，即使是在这种情况下，确定缓冲器32的初始输入位置，并利用前面描述的缓冲器32的延迟，仍然会使话音数据包P1和P2以离开源终端10的时间间隔到达话音译码器33。换句话说，通过给第一个话音数据包分配一个初始输入位置，使它的输出时刻比收到时刻晚1s，就有可能减少大到1s的延迟抖动。

现在来看源终端10发送给目标终端30的一组话音数据包，它们的延迟时间在最小值dmin和最大值dmax之间变化，如同17所示。在传统技术里，当目标终端30收到第一个话音数据包P1时，将初始输入位置分配在这样一个地址上，使它的输出时刻比输入时刻要晚一个延迟抖动宽度D=dmax-dmin，将第一个话音数据包写入其中。用这种方式来确定初始输入位置能够完全消除预先确定的延迟抖动。

下面将参考附图14A、14B、14C、15和16进行更详细的描述。在以下说明中，假设延迟抖动宽度是4s。还有，为了简单起见，我们假设网络的最小延迟时间dmin是0s，延迟抖动宽度等于最大延迟时间dmax。

在图14A中，话音数据包P11和P12是从源终端10的话音编码器11连续输出的数据包。图14B说明已经到达目标终端30的接收单元31的话音数据包。在所示实例中，话音数据包P11和P12到达接收单元33，它们的延迟时间都是最大延迟时间dmax=4s。另一方面，话音数据包P21和P22到达接收单元31，前者延迟了最小延迟时间dmin=0s，后者延迟了最大延迟时间dmax=4s。图14C说明给它们增加了延迟以后，到达话音译码器33的话音数据包。

图15说明缓冲器32如何推迟数据包P11和P12，图16说明缓冲器32如何推迟数据包P21和P22。

如图15所示，在时刻t5到达接收单元31的话音数据包P11被写入地址#5，这是初始输入位置，被推迟长度为4s的时间并在时刻t9从缓冲器32输出给话音译码器33。然后，在时刻t6到达接收单元31的话音数据包P12被写入地址#6，在这个区域里，它被尽快读出，从而在时刻t10从缓冲器32输出，也就是在话音数据包P11输出以后立即输出。

另一方面，按照以下方式推迟话音数据包P21和P22。首先，如图16所示，在时刻t1到达接收单元31的话音数据包P21被写入地址#5，这个地址是初始输入位置，推迟了4s，在时刻t5从缓冲器32输出。于是，在时刻t6到达接收单元31的话音数据包P22被写入这样一个位置，在这个位置里，数据包会被尽快读出，从缓冲器32尽快输出。

如上所述，将初始输入位置设置在这样一个位置上，使它的输出推迟时间等于延迟抖动宽度D=dmax-dmin，就能在最小延迟时间和最大延迟时间之间减少延迟抖动。

但是，在前面描述的传统技术里，目标终端将收到的第一个话音数据包推迟长度等于延迟抖动宽度D的时间，意味着随后的话音数据包也要推迟同样的延迟时间。如果在这里假设第一个话音数据包通过网络所需要的延迟时间是d0，总的延迟时间T就会是D+d0，总的延迟时间T给出了，从源终端10的话音编码器11输出以后，每个话音数据包到达目标终端30的话音编码器33所需要的时间。但是，第一个话音数据包的延迟时间会从最小值dmin变到最大值dmax，这又使得总的延迟时间T依赖于第一个话音数据包的延迟时间d0。也就是说，在第一个话音数据包的延迟时间d0是最小延迟时间dmin的情况下，总的延迟时间T可以很短。但是，如果第一个话音数据包的延迟时间跟最大延迟时间dmax一样长，总的延迟时间T就跟最大延迟时间dmax的两倍一样长。在最近这些年里，利用VoIP(IP话音)技术的因特网技术需要高质量的通信，这一点要求缩短总的延迟时间。这样，为了减少延迟抖动而使总的延迟时间变长是不合适的。

本发明的目的是解决上述难题，提供一种能够减少延迟抖动的装置，它能够缩短总的延迟时间，并提供一种减少延迟抖动的方法。

为了解决上述难题，本发明提供一种减少延迟抖动的装置，它包括：一个接收单元，用于顺序地接收按照时间顺序排列的数据段；一个时间检测单元，用于获得所述接收单元收到的每个数据段的接收时刻；传输时间估计装置，用于估计所述接收单元收到的每个数据段的传输时间；一个延迟时间估计单元，用于根据每个数据段的接收时刻和传输时间，估计传输每个数据段所需要的延迟时间；一个最小延迟时间估计单元，用于从所述延迟时间估计单元获得的多个数据段的延迟时间估计值，估计通过网络传输数据段的最小延迟时间；相对延迟时间计算装置，用于通过从所述延迟时间单元估计的数据段的延迟时间减去所述最小延迟时间，获得相对延迟时间；以及延迟装置，用于从要缩小的最大延迟时间中减去每个数据段的相对延迟时间，获得每个数据段的推迟时间，并在延迟了推迟时间以后，输出每一个数据段。

这种减少延迟抖动的装置能够估计传输数据包这样的数据段所需要的最小延迟时间，从而根据最小值确定推迟时间，减少抖动。结果，收到的一组数据段的延迟抖动被减少，总的延迟时间被缩短。

本发明的实施方案包括生产和销售一种装置的实施例，这种装置能够按照上述实施方案减少延迟抖动；还包括通过通信线路发布程序的实施例，让跟网络连接的计算机成为上述实施方案中公开的延迟抖动装置；还包括发布计算机可读记录媒介上的程序的实施例。

图1是一个框图，说明本发明第一个实施方案中实时话音传输系统的总结构。

图2是说明这个实施方案中目标终端结构的框图。

图3是说明这个实施方案中延迟单元结构的框图。

图4是说明这个实施方案中话音数据包结构的框图。

图5是一个时序图，说明这个实施方案中目标终端的工作过程。

图6是一个框图，说明本发明第二个实施方案中目标终端的结构。

图7是说明非话音部分开始的数据包。

图8是说明这个实施方案工作过程的时序图。

图9是这个实施方案的工作流程图。

图10A、10B和10C是这个实施方案工作时序的实例。

图11A和11B说明这个实施方案的效果。

图12是一个框图，说明实时话音传输系统的一个结构实例。

图13A是一个流程图，说明这一系统的工作过程。

图13B是一个时序图，说明这一系统的工作过程。

图14A、14B和14C是说明这个系统一个实例的时序图。

图15是这个系统的一个工作实例。

图16是这个系统的一个工作实例。

图17是这个系统的一个工作实例。

下面参考附图描述本发明的一个实施方案。A．第一个实施方案

图1是一个框图，说明本发明第一个实施方案中实时话音传输系统的结构。在这个实时话音传输系统中，有一个源终端10，它有一个话音编码器11和一个发送单元12，这跟传统技术里一样。源终端10和目标终端100都是VoIP终端。这个实时话音传输系统用于为用户提供因特网电话业务。

图2是说明目标终端100的结构的一个框图。在这个图中，接收单元101是通过因特网20从源终端10接收话音数据包的装置。数据包终端单元102是解释因特网20的协议的装置。接收单元101收到的话音数据包通过数据包终端单元100传输给时间标记检测单元108的一个延迟时间估计单元106。还有，这个数据包终端单元102从收到的话音数据包的有效负荷中获取编码话音数据，并将这些数据提供给延迟单元103。

内部时钟信号发生器107产生某一频率的一个内部时钟信号，并将产生的时钟信号传递给延迟时间估计单元106和延迟单元103。

延迟单元103从保持时间设置单元104获得保持时间数据。后面将说明如何产生保持时间数据。延迟单元103在保持了数据包终端单元102提供的编码话音数据以后将它们提供给话音译码器110。如图3所示，延迟单元103包括一个RAM103A、将数据包终端单元102提供的编码话音数据写入RAM103A的一个写电路103B以及用于从RAM读出编码话音数据的读电路103C。这个读电路103C对内部时钟信号发生器107提供的内部时钟信号进行计数，将计数值作为读地址提供给RAM103A，根据这个读地址，从RAM103A中的一个区域读出编码话音数据，并将这些数据输出给话音译码器110。从数据包终端单元102输出话音数据包的编码话音数据的时候，写电路103B根据读电路103C输出的读地址获得一个写地址，以及从保持时间设置单元104输出的保持时间。然后，将写地址提供给RAM103A，话音数据包的编码数据被写入对应于RAM103A中写地址的一个区域。保持时间过去以后，将写入RAM103A的编码话音数据从ROM103A读出，并输出给话音译码器110。

话音译码器110是这样一个装置，它对延迟单元103输出的编码数据进行话音数据译码。

时间标记检测单元108、延迟时间估计单元106、最小延迟时间估计单元105和保持时间设置单元104一起，构成产生保持时间数据的装置。

如同已经说明过的一样，将接收单元101收到的话音数据包提供给时间标记检测单元108。产生话音数据包的源终端10(图1)包括一个计数器，这个计数器对预定频率的时钟信号进行计数，输出说明当前时间的时间数据，并在产生话音数据包的时候从计数器读出时间数据，这样，时间数据组被包括在话音数据包的报头中作为时间标记。图4是报头中有这样一个时间标记的话音数据包的一个实例。时间标记检测电路108从收到的话音数据包获得时间标记，发送给延迟时间估计单元106。

内部时钟信号发生器107输出跟源终端10所采用的时钟信号频率一样的一个内部时钟信号。延迟时间估计单元106对这个内部时钟信号发生器107输出的内部时钟信号进行计数，并产生说明当前时刻的时间数据。这个时间数据几乎跟源终端10产生的时间数据吻合，但是不能保证完全吻合。但是，这两个时间数据都通过对频率相同的时间信号进行计数来获得。因此，这两个时间数据单元之间的时间差是固定的。当时间标记检测电路108提供话音数据包的时间标记的时候，延迟时间计算电路106通过从收到的话音数据包的时间中减去这个时间标记，获得话音数据包传输所需要的延迟时间的估计值。

最小延迟时间估计单元105是估计数据包传输所需要的最小延迟时间的一个装置。最小延迟时间估计单元105从时间延迟估计单元106按顺序接收接收单元101按顺序收到的话音数据包延迟时间的估计值。每次最小延迟时间估计单元105收到估计值的时候，它在估计的延迟时间值中选择最小的值，并将选择的这个值作为最小延迟时间估计值。

保持时间设置单元104是这样一个装置，每次收到话音数据包Pi(i=1,2,…)的时候，它都要按照以下公式计算对应于话音数据包Pi的保持时间da：

da=dmin+D-di    (1)

在这里，di是延迟时间估计单元106估计的话音数据包Pi的延迟时间，dmin是直到话音数据包Pi的所有话音数据包的最小延迟时间，D是预先设置的最大延迟时间。

保持时间数据da用于计算写地址，将话音数据包的编码话音数据写入RAM103A，如上所述。

图5说明这个实施方案的工作过程。将参考这个图说明这个实施方案的工作过程。

在目标终端100里，收到第一个话音数据包P0的时候，延迟时间估计单元106根据接收时刻c0和从话音数据包P0中获得的时间标记说明的时刻t0按照以下公式计算延迟时间的估计值：

d0=c0-t0    (2)

这样，在所示实例中第一个话音数据包P0的延迟时间的等于7s。

于是，最小延迟时间估计单元105将d0=7s做为最小延迟时间dmin的初始估计值。

以后，保持时间设置单元104获得话音数据包P0的保持时间数据da：

da=dmin+D-d0

  =7s+12s-7s

  =12s           (3)

在这个实例中，其中的D被设置成12s。

保持时间设置单元104获得的保持时间数据da被发送给延迟单元103。延迟单元103将话音数据包P0的话音编码话音数据延迟一段时间，这段时间的长度等于保持时间数据da，然后将编码数据提供给话音译码器110。

在晚些时候收到随后的话音数据包Pi的时候，延迟时间估计单元106按照以下公式，从接收时刻数据ci和话音数据包Pi中的时间标记指定的时间ti，计算延迟时间估计值。

di=Ci-ti    (4)

于是，最小延迟时间估计单元105将di跟最小延迟时间dmin的估计值进行比较，当它发现di≥dmin的时候，最小延迟时间dmin维持当前值不变；当它发现di＜dmin的时候，用di的值替换dmin。

保持时间设置单元104按照公式(1)从话音数据包Pi计算保持时间数据da。然后，延迟单元103将话音数据包Pi的编码话音数据延迟一段时间，这段时间的时间长度等于保持时间da，然后，将编码数据提供给话音译码器110。

针对所有话音数据包完成以上操作。

在对话一开始，相对频繁地更新最小延迟时间的估计值dmin。但是，收到话音数据包的个数和估计最小延迟时间的次数越多，估计值就越接近最小延迟时间的真实值。因此，随着估计最小延迟时间的值的次数增多，最小延迟时间的估计值dmin会稳定下来。在所述实例中，最小延迟时间dmin估计值在收到话音数据包P0的时候变成7s，在收到话音数据包P2的时候变成6s，收到话音数据包P6的时候变成4s，收到话音数据包P12的时候变成3s。

从源终端10的话音编码器11输出话音数据包，到编码话音数据从目标终端110的话音译码器110输出，这个总延迟时间T可以按照以下公式计算出来：

T=di+da

 =di+dmin+D-di

 =dmin+D         (5)

如同图5中的实例所示，随着收到的话音数据包越来越多，最小延迟时间dmin的估计值逐渐收敛到一个小值。结果，总的延迟时间T也逐渐收敛到一个小值。

由于总的延迟时间T依赖于最小延迟时间的估计值，所以，在对话开始的时候，总的延迟时间改变得相当频繁。但是，随着收到的话音数据包越来越多，总的延迟时间T更新的次数越来越多，总的延迟时间T最终达到一个最小值。B．第二个实施方案

图6说明本发明第二个实施方案中目标终端100的结构。这个实施方案中的目标终端100，除了第一个实施方案中目标终端100中的那些单元以外，还包括一个非话音部分检测单元109。这个非话音部分检测单元109检测按顺序收到的话音数据包的有效负荷，检测非话音部分。为了更详细地描述，当用户终端10的用户停止说话，开始传输没有话音的非话音部分，这个实施方案中的源终端10就将一个话音数据包发送给目标终端100，其中包括说明有效负荷中非话音部分开始的信息，如图7所示。通过接收这个话音数据包，目标终端100的非话音部分检测单元109检测非话音部分的开始。当晚些时候，目标终端100在有效负荷中收到包括某种编码话音数据的话音数据包的时候，非话音部分检测单元109就开始检测非话音部分的结束。

随后，当非话音部分检测单元109检测到非话音部分结束的时候，这个实施方案中的保持时间设置单元104为延迟时间估计单元106给出话音部分的第一个话音数据包，从延迟时间的估计值计算保持时间数据da，从最小延迟时间估计单元105获得的最小延迟时间估计值，以及已知的延时抖动宽度，结果输出给延时单元103。保持时间数据的计算跟将这些数据提供给延迟单元103，在每次非话音部分开始的时候都要进行。

图8是一个时序图，它说明这个实施方案中目标终端100的工作过程，图9是一个流程图，它说明这个实施方案中目标终端100的工作过程。下面将参考这两个图描述这个实施方案的工作过程。

当源终端10和目标终端100之间开始电话-电话会话的时候，话音部分和非话音部分交替出现，如图8所示话音部分是目标终端100收到代表主叫方话音的话音数据包的那段时间，非话音部分是收到非话音数据包的那段时间。

如同第一个实施方案所示，每次接收单元101收到话音数据包的时候，延迟时间估计单元106都获得话音数据包的延迟时间估计值(步骤S101和S102)。

在第一个话音部分SP0中，最小延迟时间估计单元105考虑第一个话音数据包P0延迟时间的估计值是不是这个最小延迟时间估计值dmin(步骤S103和S104)。由于对于第一个话音部分SP0中收到的每一个话音数据包，都要按照前面的公式(1)计算保持时间da，并将结果提供给延时单元103(步骤S105)。在延迟单元103中，从保持时间da数据找出RAM103A的写地址和读地址。然后，将话音数据包的编码话音数据写入RAM103A中对应于这个写地址的区域。经历了保持时间da以后，从RAM103A中读取编码话音数据，并提供给话音译码器110(步骤S106)。

于是，当接收单元101收到图7所示的话音数据包的时候，非话音部分检测单元109检测非话音部分NP0的开始。不是从源终端10向目标终端100按照这种方式发送一个数据包，说明非话音部分开始，而是还可能在本目标终端100没有收到话音数据包的时间超过给定时间长度的时候，检测出非话音数据包的开始。

我们假设，话音部分SP0变成非话音部分NP0，随后的话音部分SP1在晚些时候开始。当接收单元101收到话音部分SP1的第一个话音数据包P0的时候，延迟时间估计单元106找出话音数据包P0的延迟时间的估计值(图6中的S101和S102)。

随后，最小延迟时间估计单元105从到这个时候为止收到的所有话音数据包的延迟时间的估计值估计最小延迟时间dmin(步骤S104)。在这个实施方案中，只有在收到话音部分的第一个话音数据包的时候，才能更新最小延迟时间的估计值。换句话说，一旦话音部分开始，就不更新最小延迟时间的估计值，即使估计的延迟时间小于开始的最小延迟时间。这一更新是在话音部分结束改变成非话音部分，每一个话音部分开始的时候进行的。

收到话音部分SP1第一个话音数据包P0的时候，保持时间设置单元104从最小延迟时间估计单元105获得最小延迟时间dmin的估计值(步骤SP104)。

随后，保持时间设置单元104用公式(1)计算保持时间数据da，并将结果提供给延迟单元103(步骤S105)。

在延迟单元103中，从保持时间数据da找出这个时候RAM103A的写地址和读地址。然后，将话音数据包P0的编码话音数据写入RAM103A中对应于写地址的区域(步骤S106)。

在话音部分SP1中，跟话音部分SP0一样，计算接收单元101收到话音数据包Pi的时候，延迟时间di的估计值(步骤S102)。到话音部分SP2晚些时候开始的时候，话音部分SP1中获得的延迟时间估计值di用于估计最小延迟时间(步骤S103和S104)。

下面利用具体实例，更详细地介绍本发明的实施方案。

图10A说明从源终端10的话音编码器11按顺序输出的话音数据包。图10B说明目标终端100的接收单元101按顺序收到的话音数据包。图10C说明按顺序输出给话音译码器110的话音数据包。如图10B所示，按顺序从译码器11输出的话音数据包P0、P1、P2和P3到达接收单元101，它们的延迟时间分别是d0(=3s)、d1(=4s)、d2(=2s)以及d3(=2s)。在这一段时间中，延迟时间估计单元106输出的延迟时间估计值di和最小延迟时间估计单元105中的最大延时时间dmin的估计值按照以下方式改变：收到的数据包Pi   估计的延迟时间di  估计的最小延迟时间dmin

  P0                3s                 3s

  P2                2s                 2s

  P1                4s                 2s

因为最小延迟时间的估计值dmin在第一个话音部分SP0中无法获得，网络延迟抖动宽度D和1s被用做保持时间数据da。因此，假设延迟抖动宽度D是3s，那么，保持时间数据将是4s。假定在所述实例中d0=3s，话音数据包P0到P2总的延迟时间就是d0+da=3s+4s=7s。

相反，在下一个话音部分SP1中，最小延迟时间dmin(=2s)是从到这个时候为止获得的延迟时间估计值获得的，在dmin(=2s)的基础之上计算保持时间。

因此，假设话音部分SP1以延迟时间d3传输话音数据包P3，如图10A和10B所示，保持时间数据就是：

da=(dmin+D-d3)

  =2s+3s-1s

  =4s。

从话音数据包P3开始，话音部分SP1中所有话音数据包的总延迟量是d3+da=1s+4s=5s。

图11A和11B说明这个实施方案的效果。假设第一个话音部分SP0中第一个话音数据包的延迟时间是d0，话音部分SP0中每个话音数据包的总延迟时间就是d0+D。

收到话音部分SP0中具有最小延迟时间dmin=3的话音数据包的时候，在随后的话音部分SP1，采用在这个最小延迟时间的基础之上确定的保持时间。结果，总的延迟时间将是d3+D。

总之，通过在收到的数据包的延迟时间估计值的基础之上，以最小延迟时间为基础，计算出保持时间，本发明能够减少总的延迟时间。还有，在非话音部分以后收到第一个话音数据包的时候更新最小延迟时间，能够防止话音质量变坏。因此，减少延迟抖动的装置和这种方法非常适合于需要实时和高音质传输的应用，比方说因特网电话。

C：改进

本发明不限于上述实施方案，而是会有以下各种改进。

(1)在以上实施方案里，将本发明用于接收数据段的装置，比方说接收通过因特网的数据包。但是，本发明还能应用于通过宽带网比方说帧中继网接收数据段的装置，而不是仅限于因特网。本发明还能用于通过这样一个网络接收数据段的装置，在这个网络中，延迟抖动是由移动网络中无线部分产生的。

(2)在上述实施方案中，将数据包当作数据段的一个实例。但是，数据段的形式并不限于数据包。数据段可以是包括传输时间或者找出传输时间的任何信息的东西。数据包的单位可以是任意的，比方说帧或者信元，具体取决于传输路径或者使用的协议。协议可以是VoIP，比方说前面描述的或者帧中继上的话音这样的东西(VoFR)。

(3)在上述实施方案中，将本发明用于通过网络接收话音数据包的装置。但是，除了话音以外，本发明还非常适合于视频信号和需要实时传输的信息的传输。

(4)在上面描述的第二个实施方案中，本发明用于实时话音传输，其中的话音部分和非话音部分交替重复，话音部分的话音数据包连续不断地传输，非话音部分话音数据包只传输一段时间。在这个实施方案中，话音部分的保持时间是在第一个话音部分获得的最小延迟时间的估计值的基础之上计算出来的。但是，本发明的应用并不限于此。例如，另外一种数据传输方式是第一个部分和第二个部分轮流重复，其中，在第一部分中传输需要连续传输的信息，比方说动画，在第二部分中传输不需要连续性的信息，比方说静止图像。本发明可以用于这种数据传输。在这一应用中，将在目标装置中完成减少延迟抖动的以下程序。

ⅰ)在接收包括不需要连续性的第二部分的信息的数据段的时候，估计每个数据段的延迟时间和最小延迟时间；

ⅱ)刚好在第二部分以后收到第一部分部分的第一个数据段的时候，估计第一个数据段的延迟时间；和

ⅲ)根据最小延迟时间的以上估计值，和ⅱ)中获得的第一个数据段的延迟时间的估计值，计算第一个数据段的保持时间。计算方法跟上述实施方案中描述的方法一样。

(5)在上面描述的第二个实施方案中，在非话音部分中不传输任何数据包，但还是能够传输指定为非话音部分的数据包。

(6)在上面描述的实施方案中的每一个里，延迟抖动宽度是一个固定值，通过事先测量这个值来得到。但是，延迟抖动宽度变到大于最初假设值的时候，就有可能更新延迟抖动宽度D，用于计算保持时间数据，从而减少的这个大延迟抖动。在前面第二个实施方案中，例如，我们假设它满足公式(1)，保持时间等于s3，在话音部分SPk的一个数据包的延迟时间估计值d0的基础之上计算出结果，在前面的话音部分SPK-1获得的最小延迟时间的估计值。这是因为实际延迟抖动宽度比最初假定的延迟抖动宽度D至少大3s。因此，延迟抖动宽度D要增加3s，从而使保持时间数据变成0s。更新了的延迟抖动宽度D用于按照随后的话音部分SPK+1里的公式(1)计算保持时间数据。

(7)本发明中减少延迟抖动的一种装置，能够拥有网络中继装置或者路由器。这一改进是为了在传输路径中间减少延迟抖动，因为长传输路径会导致长延时抖动宽度。

(8)可以在某个有限的时间段里估计最小延迟时间。为了说明这一点，考虑以下实例。首先，对话开始的时候，在开始话音数据包传输之前，从源终端向目标终端重复地传输包括一个时间标记的一个训练数据包。在目标终端那里，从这些训练数据包的延迟时间的估计值估计最小延迟时间。用在随后的话音数据包的保持时间数据da是利用dmin从以上公式(1)获得的。

(9)在上述实施方案中，数据包的传输时间是从时间标记估计的。但是，如果数据包中没有时间标记，也可能从数据包包括的序列号这样的东西估计传输时间。

(10)本发明的实施方案包括生产和销售减少延迟抖动的装置这样一个实施方案，就象前面描述的实施方案所公开的一样；还包括通过通信线路传输程序的实施方案，让联网的计算机成为减少延迟抖动的装置，如同前面的实施方案公开的一样；还包括将程序记录在计算机能够读出的记录媒介上的程序的实施方案。

Claims (9)

1．一种减少延迟抖动的装置，包括：

一个接收单元，通过网络按顺序地接收按时间顺序排列的数据段；

一个时间检测单元，用于获得所述接收单元收到的每个数据段的接收时刻；

传输时间估计装置，用于估计所述接收单元收到的每个数据段的传输时间；

一个延迟时间估计单元，用于根据每个数据段的所述接收时刻和传输时间，估计传输每个数据段所需要的延迟时间；

一个最小延迟时间估计单元，用于利用从所述延迟时间估计单元获得的多个数据段的延迟时间估计值，估计通过网络传输数据段所需要的最小延迟时间；

相对延迟时间计算装置，用于从所述延迟时间估计单元估计的数据段的延迟时间的估计值减去所述最小延迟时间，获得相对延迟时间；和

延迟装置，用于从要减少的最大延迟时间减去每个数据段的相对延迟时间，获得对应于每个数据段的保持时间，将每个数据包延迟相应的保持时间以后，输出每个数据段。

2．权利要求1中减少延迟抖动的装置，

其中，在接收要推迟的数据段之前，所述接收单元接收多个训练数据段；和

其中的最小延迟时间估计单元从多个训练数据段的延迟时间估计，估计所述最小延迟时间。

3．权利要求1中减少延迟抖动的装置，

其中的最小延迟时间估计单元获得某个时间段中收到的多个数据段延迟时间估计，并利用这些估计值估计最小延迟时间。

4．权利3中减少延迟抖动的装置，

其中的数据段是代表话音的数据单元。

5．权利要求1中减少延迟抖动的装置，

其中的接收单元交替地接收属于需要连续性的第一部分的数据段，和属于不需要连续性的第二部分的数据段；和

其中的最小延迟时间估计单元在收到属于第一部分的第一个数据段的时候，估计到这个时候已经收到的数据段的最小延迟时间。

6．权利要求1中减少延迟抖动的装置，

其中的延迟时间估计单元在传输时间信息，或者所述数据段的传输和接收时刻的基础之上，估计所述数据段的延迟时间。

7．减少延迟抖动的一种方法，包括：

一个接收过程，按顺序地接收通过网络按照时间顺序排列的数据段；

一个时间检测过程，用于获得接收单元收到的每个数据段的接收时刻；

一个传输时间估计过程，用于估计所述接收单元收到的每个数据段的传输时间；

一个延迟时间估计过程，用于根据每个数据段的接收时刻和发送时刻，估计传输每个数据段所需要的延迟时间；

一个最小延迟时间估计过程，用于根据所述延迟时间估计单元获得的多个数据段的延迟时间估计值，估计通过网络传输数据段所需要的最小延迟时间；

一个相对延迟时间计算过程，用于从所述延迟时间估计单元估计的数据段的延迟时间减去所述最小延迟时间，获得相对延迟时间；和

一个延迟过程，用于从要减少的最大延迟时间中减去每个数据段的相对延迟时间，获得对应于每个数据段的保持时间，将每个数据段推迟对应于每个数据的保持时间以后，输出每个数据段。

8．一个使联网计算机执行的程序：

一个接收过程，按顺序地接收通过网络按照时间顺序排列的数据段；

一个时间检测过程，用于获得接收单元收到的每个数据段的接收时刻；

一个传输时间估计过程，用于估计所述接收单元收到的每个数据段的传输时间；

一个延迟时间估计过程，用于根据每个数据段的接收时刻和发送时刻，估计传输每个数据段所需要的延迟时间；

一个最小延迟时间估计过程，用于根据所述延迟时间估计单元获得的多个数据段的延迟时间估计值，估计通过网络传输数据段所需要的最小延迟时间；

一个相对延迟时间计算过程，用于从所述延迟时间估计单元估计的数据段的延迟时间减去所述最小延迟时间，获得相对延迟时间；和

一个延迟过程，用于从要减少的最大延迟时间中减去每个数据段的相对延迟时间，获得对应于每个数据段的保持时间，将每个数据段推迟对应于每个数据的保持时间以后，输出每个数据段。

9．一种计算机能够读的记录媒介，上面已经记录了程序，让联网计算机执行：

一个接收过程，按顺序地接收通过网络按照时间顺序排列的数据段；

一个时间检测过程，用于获得接收单元收到的每个数据段的接收时刻；

一个传输时间估计过程，用于估计所述接收单元收到的每个数据段的传输时间；

一个延迟时间估计过程，用于根据每个数据段的接收时刻和发送时刻，估计传输每个数据段所需要的延迟时间；

一个最小延迟时间估计过程，用于根据所述延迟时间估计单元获得的多个数据段的延迟时间估计值，估计通过网络传输数据段所需要的最小延迟时间；

一个相对延迟时间计算过程，用于从所述延迟时间估计单元估计的数据段的延迟时间减去所述最小延迟时间，获得相对延迟时间；和

一个延迟过程，用于从要减少的最大延迟时间中减去每个数据段的相对延迟时间，获得对应于每个数据段的保持时间，将每个数据段推迟对应于每个数据的保持时间以后，输出每个数据段。

Images