CN1770857A - 基于多通信平台的交互式语音视频会议系统 - Google Patents

Abstract

一种基于互联网结合交互式语音响应(IVR)、多媒体编解码、通信信令转换、TCP/IP协议、数据库等技术，使通信终端设备用户和互联网用户在统一的会议环境中以语音、视频、文字、文件、图片等方式进行多方互动交流的系统，含通信终端设备和通信方法。互联网用户通过操作互联网客户机来进行视频会议室管理、权限验证、客户端管理、语音视频处理、数据安全管理、数据传输，从而参与交互式语音视频会议，并实现主持交互式语音服务和交互式语音视频服务。用户通过网关设备的语音视频等媒体转换、通过交互式语音响应(IVR)服务器、媒体转换服务器的通信方法，使固定电话、GSM、CDMA、PHS用户和互联网用户进行即时互动的多媒体交流。

Description

基于多通信平台的交互式语音视频会议系统

所属技术领域：基于多通信平台的交互式语音视频会议系统是一种基于Internet并结合交互式语音响应技术(IVR)、多媒体技术、通信信令转换技术、语音编解码、视频编解码、TCP/IP协议、数据库技术、网关设备的视频声讯系统平台，使通信终端设备用户和互联网用户在统一的会议环境中以语音、视频、文字、文件、图片等方式参与会议或多方互动交流。

背景技术：目前，大多视频会议系统都是采用的H.323标准来实现，完成图片、文字、语音、视频等方式的通信。采用的语音编解码的标准主要有G723.1标准、GSM6.10标准、G711标准和CELP标准，采用的视频编解码标准主要有MPEG4-QB、MPEG4-BC、H261、H263、H263+，H264等标准。

目前声讯IVR系统存在的问题是：目前的声讯点播系统只能让用户收听预设的内容，缺少互动的即时内容服务，怎样将互联网上丰富的即时内容带入到手机和固话，让固定电话和手机能够和视频会议室进行实时通信并参与互动交流。利用PSTN、GSM、CDMA等通信网络和交互式语音相应(IVR)、多媒体技术，结合互联网音频和视频会议系统，能够让电话、手机、个人数字助理(PDA)、PHS设备和其他终端通信设备、Internet用户在统一的会议环境中实现互连互通，进行互动式语音视频交流，从而有效的实现视频会议系统用户同电信业务的有机结合。基于多通信平台的交互式语音视频会议系统正是适应这种应用需求和技术进步而提出的一种新型的视频会议系统。

发明内容：本系统能够使PSTN固定电话用户、GSM用户、CDMA用户、PHS用户、个人数字助理(PDA)用户以及其他终端终端通信设备用户和互联网用户互联互通，用户通过交互式语音相应(IVR)服务器提供的IVR声讯流程服务和利用媒体转换器的媒体转换功能参与到互联网会议中，并且可以通过操作互联网客户机来参与交互式语音视频会议，从而实现主持交互式语音服务(IVR)和交互式语音视频服务(IVVR)的目的。

为了实现通信终端设备同基于多通信平台的交互式语音视频会议系统通信，采用网关设备进行语音转换、IVR服务器负责提供IVR声讯流程，媒体转换服务器进行互联网多路语音的混音和媒体转换技术来解决，为了保证数据安全传输和保存，采用通用的对称密钥算法和非对称密钥算法机制，并且通过控制服务器和客户机的相互配合来进行加密和解密，具体算法涉及RSA、MD5和DES/3DES，并采用数据分布式实时备份的策略：实时备份保证了数据的及时性，分布式备份保证减少数据风险性。

附图说明：

图1：基于多通信平台的交互式语音视频会议系统整体部署结构图

图2：基于多通信平台的交互式语音视频会议系统整体功能结构框图

图3：基于多通信平台的交互式语音视频会议系统控制服务器端功能结构框图

图4：通信终端设备呼入基于多通信平台的交互式语音视频会议系统通信方法框图

图5：基于多通信平台的交互式语音视频会议系统独立客户机功能结构框图

图6：基于多通信平台的交互式语音视频会议系统浏览器客户机功能结构框图

具体实施方式：基于多通信平台的交互式语音视频会议系统结合了IVR、多媒体技术、通信信令转换技术、语音编解码、视频编解码、TCP/IP协议、数据库技术、PSTN、GSM、CDMA等通信网络，使具有语音视频终端设备的用户和互联网用户能够在统一的会议环境中以语音、视频、文字、文件、图片等方式参与会议或多方互动交流。

整个基于多通信平台的交互式语音视频会议系统组成为：(1)控制服务器，用于进行视频会议室管理、用户管理、权限验证、客户端管理、语音视频处理、数据安全管理、数据传输控制，其中会议室管理用来进行会议室操作状态设置、会议室界面定制、会议室信息设置、会议室收费机制的设定等，用户管理用来进行收费管理、用户信息管理、用户操作状态管理，权限管理用来进行各种角色的权限判断和角色的权限设定，音频视频处理用来进行音频视频数据的捕获、压缩、编码等处理，数据存储和中转用于处理图片、文字、文件信息、音视频数据的存储和中转；(2)数据库服务器，用于对整个系统数据操作和存储以及数据备份；(3)网关设备，实现不同通信平台通信的接口设备，用于Internet和PSTN、GSM、CDMA等通信网络的互联和语音转换；(4)IVR服务器，负责提供交互式语音响应流程控制；(5)媒体转换服务器，实现媒体流转换和混合功能；(6)语音视频终端，包括摄像头、耳机、麦克风、网络电话机、手机、固定电话、个人数字助理(PDA)、PHS设备在内的多种形式的语音或视频通信终端设备；(7)PSTN、GSM、CDMA等通信网络，用来传输通信终端设备信号的网络；(8)具有语音视频处理组件的独立客户端或浏览器客户端，需要在控制服务器配合下运行。系统功能是：作为基于多通信平台的交互式语音视频会议系统平台，提供固定电话、手机、个人数字助理(PDA)、PHS设备和其他终端通信设备到视频会议室的通信服务和语音、视频、图像、文字、文件等多种方式的语音视频交流手段。

1系统整体结构

在图1中，整个系统由控制服务器(1001)、数据库服务器(1002)、网关设备(1003)、IVR服务器(1004)、媒体转换服务器(1005)、PSTN、GSM、CDMA等通信网络(1006)、网络电话(1007)、手机(1008)、固定电话(1009)、个人数字助理(PDA)(1010)、PHS设备(1011)、独立客户机(1012)、浏览器(1013)、语音视频设备(1014)组成。控制服务器(1001)在数据库服务器的配合下，完成会议室管理、用户管理、客户端管理、用户身份验证、权限验证、语音视频处理、数据安全管理、数据传输控制；PSTN、GSM、CDMA等通信网络(1006)主要处理通信终端设备信号，数据库服务器(1002)，用来存储和备份系统或分布式数据；IVR服务器(1004)主要用来为互联网多路语音混音和媒体转换；媒体转换服务器(1005)进行媒体流转换和混合功能；网关设备(1003)主要用于Internet和PSTN、GSM、CDMA等通信网络的互联和语音转换；PSTN、GSM、CDMA等通信网络(1006)，用来传输、手机(1008)、固定电话(1009)、个人数字助理(PDA)(1010)、PHS设备(1011)、其他通信终端(1007)等通信设备信号；独立客户机(1012)，具有语音视频处理功能，在控制服务器配合下运行系统功能；语音视频设备(1014)，主要用来进行语音视频信号的捕获；浏览器客户端(1013)，用来提供控制服务器功能运行的容器，需要说明的是：系统的整体组成具有可伸缩性，控制服务器(1001)、数据库服务器(1002)、IVR服务器(1004)、媒体控制服务器(1005)、网关设备(1003)、PSTN、GSM、CDMA等通信网络(1006)、手机(1008)、固定电话(1009)、个人数字助理(PDA)(1010)、PHS设备(1011)、其他通信终端(1007)、独立客户机(1012)、语音视频设备(1014)、浏览器客户机(1013)在数量上是不限的。

2系统功能结构

本系统整体上采用了两种功能结构：即浏览器/服务器功能结构和客户端/服务器功能结构。

对于客户端/服务器功能结构，其中系统控制服务器端功能作为独立的应用(或服务)来运行，结合分布式部署技术，根据客户端数量，服务器端功能可以部署在一台或多台计算机上，从而平衡控制服务器端流量，控制服务器主要完成控制和管理功能。独立客户端是一个具有内嵌的语音视频处理组件的独立的功能模块，可以单独运行，客户端功能和控制服务器端功能运行时通过TCP/IP协议栈进行通信。

对于浏览器/服务器功能结构，全部的功能处理都在服务器端完成，客户端体现形式是一个浏览器，但是此浏览器必须集成语音视频处理组件，即ActiveX控件，通过ActiveX控件与控制服务器进行语音视频通信。客户端功能和控制服务器端功能运行时通过TCP/IP协议栈进行通信。

在图2中，系统功能结构方框图中，系统整体上包括控制服务器(2023)、数据库服务器(2005)、浏览器客户机(2017)、独立客户机(2018)、媒体转换服务器(2019)、IVR服务器(2020)、网关设备(2021)、PSTN、GSM、CDMA等通信网络(2022)、固定电话、手机、个人数字助理(PDA)、PHS设备和其他终端通信设备信号(2023)几部分。其中控制服务器包括用户管理服务(2002)，同用户管理(2007)配合运行；权限管理服务(2003)，同权限管理(2008)配合运行；客户端管理服务(2006)，同独立客户机(2018)的客户端管理配合运行；数据安全管理(2010)主要是数据的加密解密和密钥的传输，同独立客户机(2018)或浏览器客户机(2017)的数据安全管理配合使用；语音视频处理主要包括音频视频捕获(2011)、压缩(2012)、编码和解码(2013)、传输和回放(2014)，同独立客户机(2018)或浏览器客户机(2017)的语音视频处理组件配合使用；媒体转化服务器(2019)，主要进行媒体流转换和混音；IVR服务器(2020)主要负责提供IVR流程；网关设备(2021)，主要用于Internet和PSTN、GSM、CDMA等通信网络的互联和语音转换；PSTN、GSM、CDMA等通信网络(2022)，给固定电话、手机、个人数字助理(PDA)、PHS设备和其他终端通信设备信号(2023)提供传输网络。

3基于多通信平台的交互式语音视频会议系统控制服务器端功能框图

控制服务器采用分层式功能结构，主要包含：数据库服务器(3001)，配合控制服务器进行数据存储和备份；客户端管理(3002)，用来进行对独立客户端或浏览器客户机的版本升级、自动更新、客户端注册管理；用户管理(3003)，用来进行收费管理、用户信息管理、用户操作状态管理；权限管理(3004)，用来进行各种角色的权限判断和角色的权限设定；会议室管理(3005)，用来进行会议室操作状态设置、会议室界面定制、会议室信息设置、会议室收费机制的设定等；文字、文件、图片信息管理，用来接收、处理和传送接收到的文字文件和图片等信息；音频视频处理(3007)，用来进行音频视频数据的捕获、压缩、编码等处理；数据存储和中转(3008)，用于处理图片、文字、文件信息、音视频数据的存储和中转；数据安全管理(3009)，用来进行数据的加密或者解密，密文和密钥的传输；数据传输控制(3011)，使用系统提供的接口向网络传输数据。

4固话手机呼入基于多通信平台的交互式语音视频会议系统

在图5中，通信终端设备(4001)呼入基于多通信平台的交互式语音视频会议系统的主要由PSTN、GSM、CDMA等通信网络(4002)、网关设备(4003)、IVR服务器(4004)、媒体转换服务器(4005)和控制服务器(4006)组成。

通信终端设备呼入视频会议室时启动一次会话的通信方法是：

1.用户使用通信终端设备(4001)拨打一个号码。

2.网关设备(4003)的网关设备接口收到一个来自PSTN、GSM、CDMA等通信网络(4002)的呼叫。

3.网关设备(4003)的协议端接口进行路由IVR服务器的操作。

4.IVR服务器(4004)的协议端接口收到来自网关设备(4003)的呼叫。

5.IVR服务器(4004)进行网关设备呼叫的接通操作，并且进入IVR声讯流程。

6.通信终端设备用户听到IVR声讯过程。

7.终端通讯设备用户通过IVR声讯过程进入相应IVR操作流程。

8.当用户根据声讯流程完成一系列IVR操作后，IVR服务器(4004)进行控制服务器(4005)登陆。

9.IVR服务器成功登陆到控制服务器(4005)后，媒体转换服务器(4006)进行媒体流转换功能，并且将媒体流通过网关设备(4003)发送到通信终端设备用户。

10.通信终端设备通过基于多通信平台的交互式语音视频会议系统进行实时互动交流。通信终端设备终止一次会话的通信方法是：

1)通信终端设备用户(4001)进行挂断操作。

2)网关设备(4003)的网关设备接口收到来自PSTN、GSM、CDMA等通信网络(4002)的挂机信号。

3)网关设备协议端接口进行挂机操作，并将挂机信号传到IVR服务器(4004)。

4)IVR服务器(4004)收到网关设备协议端接口的挂机信号，进行视频声讯会议系统的注销操作。

5独立客户端结构

独立客户端(5001)包含如下功能：客户端管理(5002)、用户管理(5003)、会议室管理(5003)、权限管理(5004)、语音视频处理组件(5012)、数据安全管理(5013)。其中客户端管理(5002)配合控制服务器(5006)上的客户端管理(5007)，主要完成客户端的自动升级、客户端注册管理、自动更新；用户管理(5003)配合应用服务器上的用户管理(5008)，主要完成用户信息管理、用户操作状态管理、收费管理等；会议室管理(5005)配合控制服务器(5006)上的会议室管理(5010)，主要完成会议室状态设置、会议室信息设置、会议室界面定制、会议室收费机制设定等；权限管理(5004)配合控制服务器上的权限管理(5009)，主要完成设置角色权限、得到角色权限的功能；独立客户端的音频视频处理组件(5012)负责采集音频和视频输入数据，然后将这些数据直接送到控制服务器(5006)语音视频处理(5011)来完成；在语音视频数据传送过程中，独立客户端的数据安全管理(5013)配合控制服务器上的数据安全管理(5014)进行数据的加密和密钥的传送，采用通用的对称密钥算法和非对称密钥算法机制，非对称密钥算法采用RSA，对称密钥算法采用DES/3DES，哈希算法采用MD5。

6内嵌语音视频处理组件的浏览器客户端结构

语音视频处理组件(6004)也可以集成到互联网网站的页面上，结合方式也是通过客户端浏览器脚本语言(6005)来实现。运行在企业网站的页面上的客户端，可以使浏览网站页面的用户和企业直接进行语音、视频、图像、文字、文件等方式的沟通和交流。脚本语言(6005)主要完成两种功能：驱动语音视频有关的事件和数据传送、完成文件文字或图片的管理和传送。通过脚本语言来驱动语音视频处理组件的接口，将数据或者是事件传送控制服务器(6001)上处理，控制服务器(6001)中的语音视频处理(6002)将处理接收到的语音视频数据；通过脚本语言也可以传送文字，图片，文件，通过控制服务器(6001)来进行响应和传送。

Claims (7)

1.基于多通信平台的交互式语音视频会议系统是一种基于Internet并结合交互式语音响应技术(IVR)、多媒体技术、通信信令转换技术、语音编解码、视频编解码、TCP/IP协议、数据库技术的视频声讯系统，系统组成为：(1)控制服务器，用于进行视频会议室管理、用户管理、权限验证、客户端管理、语音视频处理、数据安全管理、数据传输控制等，(2)数据库服务器，用于数据操作和存储以及数据备份；(3)网关设备，用来实现不同通信平台通信的接口设备，包括可以用于Internet和PSTN、GSM、CDMA等通信网络的互联和语音视频等媒体转换的接口设备；(4)IVR服务器，负责提供交互式语音响应流程控制；(5)媒体转换服务器，实现媒体流转换和混合功能(6)语音视频终端，包括摄像头、耳机、麦克风、网络电话机、手机、固定电话、个人数字助理(PDA)、小灵通电话在内的多种形式的语音或视频通信终端设备；(7)具有语音视频组件的独立客户机或浏览器客户机，需要在控制服务器配合下使用；本系统特征在于使通信终端设备用户和互联网用户在统一的会议环境中以语音、视频、文字、文件、图片等方式参与会议或多方互动交流。

2.根据权利要求1所述的基于多通信平台的交互式语音视频会议系统，其特征在于能够使PSTN固定电话用户、GSM用户、CDMA用户、PHS用户等终端通信设备用户和互联网用户互联互通，实现即时互动的语音视频交流。

3 根据权利要求1所述的基于多通信平台的交互式语音视频会议系统，其特征在于用户通过交互式语音相应(IVR)服务器提供的IVR服务参与到互联网会议中，且多方互动交流的参与者可以是：互联网客户机、固定电话、PDA、小灵通电话、PSTN固定电话、GSM用户、CDMA用户等其中一类、多类或者所有类。

4 根据权利要求1所述的基于多通信平台的交互式语音视频会议系统，其特征在于包括了可以用于Internet和PSTN、GSM、CDMA等通信网络的互联和语音视频等媒体转换的网关设备是一类能够实现不同通信平台通信的接口设备，且表现形式是可以是语音网关、视频网关或其他媒体网关。

5 根据权利要求1所述的基于多通信平台的交互式语音视频会议系统，其特征在于用户可以通过操作互联网客户机来参与交互式语音视频会议，从而实现主持交互式语音服务(IVR)和交互式语音视频服务(IVVR)的目的。

6 根据权利要求1所述的基于多通信平台的交互式语音视频会议系统，固定电话、PDA、手机、PHS等通信终端设备呼入视频会议室时启动一次会话的通信方法是：

a)用户使用通信终端设备拨打一个号码。

b)网关设备的网关设备接口收到一个来自终端通信网络的呼叫。

c)网关设备的协议端接口进行路由IVR服务器的操作。

d)IVR服务器的协议端接口收到来自网关设备的呼叫。

e)IVR服务器进行网关设备呼叫的接通操作，并且进入IVR声讯流程。

f)通信终端设备用户听到IVR声讯过程。

g)终端通讯设备用户通过IVR声讯过程进入相应IVR操作流程。

h)当用户根据声讯流程完成一系列IVR操作后，IVR服务器登陆控制服务器。

i)IVR服务器成功登陆到控制服务器后，媒体转换服务器进行媒体流转换和混合功能，并且将媒体流通过网关设备发送到通信终端设备用户。

j)通信终端设备用户通过多通信平台的交互式语音视频会议系统进行实时互动交流。

7 根据权利要求1所述的基于多通信平台的交互式语音视频会议系统，通信终端设备终止一次会话的通信方法是：

a)通信终端设备用户进行挂断操作。

b)网关设备的网关设备接口收到来自终端通信网络的挂机信号。

c)网关设备协议端接口进行挂机操作，并将挂机信号传到IVR服务器。

d)IVR服务器收到网关设备协议端接口的挂机信号，进行视频声讯会议系统的注销操作。

Images