基于模糊邏輯控制的VoIP 抖動緩沖控制算法

李 騰，楊霄鵬，楊朝陽，張衡陽，倪 娟

(1.空軍工程大學 信息與導航學院，陜西 西安710077;2.解放軍94303部隊，山東 濰坊261100)

0 引言

隨著互聯(lián)網(wǎng)技術(shù)與語音編碼技術(shù)的發(fā)展與成熟，基于IP的語音傳輸(voice over internet protocol，VoIP)技術(shù)以其低廉的價格、更高的效率、優(yōu)越的靈活性和多樣的業(yè)務性，在當今通信領域中得到廣泛應用［1］。然而網(wǎng)絡傳輸中的時延、抖動和丟包等客觀因素嚴重影響著VoIP的語音質(zhì)量，制約其應用與發(fā)展。

為消除時延抖動的影響，通常采取在接收端設置抖動緩沖區(qū)的方法來平滑抖動。然而，抖動緩沖區(qū)的大小同時影響著傳輸?shù)目倳r延與丟包率。一個小的緩沖區(qū)能夠降低端到端的時延，但更可能導致遲到的語音包被丟棄，使語音的清晰度下降;相反，增大緩沖區(qū)雖然能減小丟包率，但引入了更多的緩沖時延，降低了通信的實時性。因此，設計抖動緩沖控制算法的關鍵在于取得時延與丟包之間的平衡。

文獻［2］提出了4種抖動緩沖控制算法:指數(shù)平均(exponent-average)、快速指數(shù)平均(fast-exponent-average)、最小時延(minimun-delay)和突發(fā)檢測(spike-detected)，但在算法參數(shù)設置上采用固定參數(shù)，不能適應所有的網(wǎng)絡狀況;文獻［3］在此基礎上研究了參數(shù)a在不同網(wǎng)絡狀況下的性能表現(xiàn)，并提出了根據(jù)網(wǎng)絡狀況自適應調(diào)節(jié)a的a-adaptive算法，但對于時延和抖動都變化的網(wǎng)絡環(huán)境，算法跟蹤性能不理想;文獻［4-5］采用帕累托(pareto)分布函數(shù)為時延建模，通過預測語音質(zhì)量的方法來設置抖動緩沖區(qū)，取得了較高的語音質(zhì)量，但算法性能受數(shù)據(jù)窗大小影響，窗較小時，時延模型不精確，較大時，算法靈敏性低;文獻［6］對此提出了自適應加窗算法，提高了算法對于網(wǎng)絡突發(fā)的靈敏性，但在突發(fā)結(jié)束后，算法收斂速度慢，引入了不必要的時延;文獻［7］根據(jù)網(wǎng)絡流量的自相似特性，提出網(wǎng)絡流量預測的抖動緩沖控制算法，但算法中流量與時延的關系為經(jīng)驗值，不能適用于所有網(wǎng)絡;本文采用模糊邏輯控制原理，通過監(jiān)測緩沖時延的長-短時變化，設置合適的調(diào)節(jié)參數(shù)，自適應調(diào)節(jié)緩沖區(qū)大小，既減小了的緩沖時延又避免了丟包發(fā)生，有效地提高了VoIP語音質(zhì)量。

1 抖動緩沖算法原理

抖動緩沖區(qū)大小可以是固定的，也可以是動態(tài)調(diào)節(jié)的。一個固定的緩沖區(qū)不能很好地適應網(wǎng)絡時延條件的變化，容易引起傳輸?shù)母邥r延和丟包，導致語音質(zhì)量的下降。自適應抖動緩沖控制算法可以根據(jù)網(wǎng)絡時延、丟包等參數(shù)，動態(tài)調(diào)節(jié)緩沖區(qū)大小，保證傳輸?shù)牡蜁r延和丟包，提高語音質(zhì)量。抖動緩沖自適應算法的時延關系如圖1所示。

圖1 抖動緩沖自適應算法的時延關系Fig.1 Timing relationship for adaptive scheduling

傳統(tǒng)的抖動緩沖算法中，抖動緩沖區(qū)的設置是在一次通話或語音會話峰(talkspurt)的開始階段，第1個語音包的播出時延為其傳輸時延加緩沖區(qū)最大值，即，隨后語音包的播出時間為，對于期間內(nèi)的所有語音包都具有相同的最大播出時延。文獻［8］提出了一種基于波形相似疊加(waveform similarity overlap-add，WSOLA)的時間坐標修正方法，縮放或延長獨立的語音包，動態(tài)調(diào)節(jié)語音包的播出間隔Ti，為每個語音包設置合適的最大播出時延，實現(xiàn)了抖動緩沖區(qū)語音包級的自適應調(diào)整。通過語音質(zhì)量的主觀評價證明，語音包在縮放或延長50%—200%時，不會引起語音質(zhì)量的退化［9］。

2 模糊自適應算法

模糊邏輯控制(fuzzy logic control，F(xiàn)LC)是一種模仿人腦對不確定性判斷的智能控制方法，能應對系統(tǒng)中的各種不利因素影響，如系統(tǒng)非線性性、參數(shù)不確定性、測量和建模的不精確性等，提高設計系統(tǒng)的魯棒性［10］。實際中，模糊邏輯控制已廣泛應用于家用電器和工業(yè)進程控制中，并在控制性能的準確性、魯棒性和穩(wěn)定性上展現(xiàn)出卓越優(yōu)勢［11-12］。

2.1 抖動緩沖模糊控制模型

抖動緩沖區(qū)模糊控制模型如圖2所示。

模型采用雙輸入-單輸出模式，以緩沖時延為抖動緩沖區(qū)的控制調(diào)節(jié)標準，當tb＞0時，緩沖區(qū)較大，應適當減小緩沖區(qū)大小，降低語音包緩沖時延;當tb＜0時，緩沖區(qū)較小，應適當增大緩沖區(qū)大小，避免語音包遲到被丟棄，減小丟包概率。模糊控制器同時監(jiān)測語音包的即時緩沖時延和長時緩沖時延，以保證緩沖算法的靈敏性和穩(wěn)定性。輸入?yún)?shù)分別為當前語音包的緩沖時延和前N個語音包的最小緩沖時延，通過模糊控制器輸出緩沖區(qū)調(diào)節(jié)參數(shù)y(t)，并更新緩沖區(qū)大小。當下一個語音包到達后，計算新的緩沖時延和調(diào)節(jié)參數(shù)，完成閉環(huán)控制。

圖2 模糊自適應閉環(huán)控制模型Fig.2 Fuzzy-adaptive closed-loop model

2.2 模糊語言和規(guī)則庫

模糊規(guī)則庫如表1所示，對于控制模型的輸入tb，g(tb)和輸出y(t)，分別定義N=7個模糊集，輸入的模糊集為，其中，i=1為tb，i=2為g(tb)，分別為“負-非常大=“負-大(NL)”“負-小(NS)“，=“零(ZR)”，=“正-小(PS)”，=“正-大(PL)”“正-非常大(PV)”，i=1，2;輸出的模糊集為，分別為:“增大很多(EL)”，=“增大(ET)”，=“增大一點(ES)”，=“略微增大(EA)”，=“零(ZR)”，=“略微減小(DA)”，=“減小(DC)”。

表1 模糊規(guī)則庫Tab.1 Rules base for fuzzy-adaptive

表1中，模糊規(guī)則庫定義了輸入-輸出“if-then”規(guī)則形式的映射關系，例如“if tbis NV(負-非常大)，g(tb)is NV(負-非常大)then y(t)is EL(增大很多)”。模糊系統(tǒng)將tb和g(tb)的模糊輸入，通過模糊規(guī)則庫進行推理，得出y(t)的模糊輸出。

2.3 模糊隸屬度函數(shù)

模糊隸屬度函數(shù)是用于計算元素隸屬度的函數(shù)，常用的有三角函數(shù)、梯形函數(shù)和正態(tài)函數(shù)等。本文采用等腰三角函數(shù)作為輸入-輸出的隸屬度函數(shù)。輸入tb，g(tb)和輸出y(t)的隸屬度函數(shù)，如圖3，圖4所示。

圖3 輸入變量的隸屬度函數(shù)Fig.3.Membership functions for input

圖4 輸出變量的隸屬度函數(shù)Fig.4 Membership functions for output

對于輸入函數(shù)tb和g(tb)，定義其論域為(－50，50)，并考慮到系統(tǒng)調(diào)節(jié)的穩(wěn)定性，將中間和兩邊的集合區(qū)域設置較大，而其余集合的區(qū)間設置較小，增強了系統(tǒng)調(diào)節(jié)的靈敏性和精確性。對于輸出函數(shù)y(t)，其調(diào)節(jié)范圍為語音包內(nèi)語音長度的50%—200%，故定義其論域為(－0.5×fs，fs)，fs為當前語音包內(nèi)的語音長度。

2.4 模糊化和反模糊化

輸入函數(shù)tb和g(tb)采用單值模糊法，將確定參數(shù)tb和g(tb)分別映射為模糊集和;輸出模糊集采用中心面積法，將模糊集映射為一個確定的參數(shù)其中，k表示模糊集個數(shù)表示模糊隸屬度函數(shù)的三角形中心，Sj為隸屬度函數(shù)三角形去除頂部后下半部分面積，即

2.5 模糊自適應算法流程

抖動緩沖算法依據(jù)當前語音包緩沖時延和前N個歷史數(shù)據(jù)窗內(nèi)的最小緩沖時延作為系統(tǒng)輸入，通過模糊控制器來制定緩沖區(qū)大小的調(diào)節(jié)方案，其主要流程如下。

1)初始化階段，設置抖動緩沖區(qū)為50 ms。

3)將輸入?yún)?shù)tb和g(tb)進行單值模糊為和，通過模糊規(guī)則庫得到模糊輸出，再將模糊輸出反模糊化，得到緩沖區(qū)調(diào)節(jié)參數(shù)y(t)。

4)根據(jù)調(diào)節(jié)參數(shù)y(t)調(diào)節(jié)緩沖區(qū)大小。

6)由新的緩沖時延參數(shù)和緩沖時延數(shù)據(jù)窗重新制定調(diào)節(jié)方案，轉(zhuǎn)至第2)步。

3 仿真與分析

仿真采用NISTNET2.1.0網(wǎng)絡仿真軟件默認的帕累托(pareto)分布模型產(chǎn)生時延序列，模型參數(shù)如表2所示，變化周期為每100個語音包。

表2 網(wǎng)絡時延Trace的參數(shù)Tab.2 Parameters of time-delay trace

在研究本算法的同時，另選取Spike-Det［2］和Pareto-Based［4］2種算法做比較分析，其中，Spike-Det算法的參數(shù)a=0.875，Pareto-Based算法的數(shù)據(jù)窗長N=30。為兼顧長時穩(wěn)定性和短時靈敏性，本文Fuzzy-Adaptive算法的數(shù)據(jù)窗設置為N=10。語音編碼采用G.729窄帶編碼，分別統(tǒng)計4種Trace下的平均時延和丟包率，并通過E-Model［13］估算傳輸?shù)钠骄Z音質(zhì)量。3種抖動緩沖算法在Trace1—Trace 3下的一段語音包播出時延與網(wǎng)絡傳輸時延的關系分別如圖5—圖7所示。

圖5中，此時網(wǎng)絡狀況比較平穩(wěn)，最小傳輸時延為150 ms，時延抖動在50 ms以內(nèi)，3種算法都取得了較好的效果。Spike-Det算法對時延變化敏感性較強，在連續(xù)2個語音包的抖動較大時易產(chǎn)生時延突峰;Pareto-Based算法以歷史數(shù)據(jù)窗內(nèi)的語音包時延數(shù)據(jù)為時延序列建模，通過客觀語音評價E-Model方法，預測播出的語音質(zhì)量，尋找最優(yōu)的播出時間，在時延和丟包上都取得了較好的效果;本文的Fuzzy-Adaptive算法在緩沖時延上，明顯小于以上2種算法，并且對于時延抖動的短時變化具有較好的跟蹤自適應性，盡管在丟包率上略高于Pareto-Based算法，但總丟包率小于1%以下，在應用丟包恢復技術(shù)的情況下，對于VoIP通信來說是可以接受的［14］。因此，本文算法在網(wǎng)絡狀況平穩(wěn)時，具有最小平均時延的優(yōu)勢。

圖5 Trace 1中的網(wǎng)絡時延與播出時延Fig.5 Network delay and playout delay in Trace 1

圖6 Trace 2中的網(wǎng)絡時延與播出時延Fig.6 Network delay and playout delay in Trace 2

圖6中，此時網(wǎng)絡狀況趨于良好，時延抖動從50 ms下降到10 ms，3種算法在抖動減小后，都能自適應地減小播出時延，有效地降低了語音包的緩沖時延。Spike-Det算法在抖動減小后，自適應地切換到普通模式，在抖動較小時對于時延的跟蹤性最好，具有最小的緩沖時延;Pareto-Based算法因受歷史數(shù)據(jù)影響，在抖動減小后，收斂速度最慢，并且對于短時時延變化不敏感，短時跟蹤性最弱;本文的Fuzzy-Adaptive算法在對時延抖動變化的跟蹤性上明顯優(yōu)于以上2種算法，在抖動較小后能迅速調(diào)節(jié)緩沖區(qū)大小，具有最快的收斂速度，但在抖動較小(10 ms以下)時，算法跟蹤性能減弱，主要是因為在設置模糊控制規(guī)則時，最小的監(jiān)測變化值為5 ms，對于時延變化在5 ms以內(nèi)時，沒有設置相應的調(diào)節(jié)規(guī)則，所以緩沖區(qū)不做調(diào)整。雖然本文算法對于低抖動時的調(diào)節(jié)精度較差，但是所產(chǎn)生的緩沖時延都在10 ms以內(nèi)，相對于語音包的總體傳輸時延來說，不會對語音質(zhì)量造成明顯影響。

圖7 Trace 3中的網(wǎng)絡時延與播出時延Fig.7 Network delay and playout delay in Trace 3

圖7中，此時在網(wǎng)絡中會經(jīng)常出現(xiàn)突發(fā)(spike)，即網(wǎng)絡時延突然增大，尤其常見于無線網(wǎng)絡環(huán)境［9］。3種算法對于突發(fā)都具有一定的跟蹤性能，在突發(fā)開始階段增大緩沖區(qū)大小，以適應網(wǎng)絡時延抖動的加劇，當突發(fā)結(jié)束后，自適應減小緩沖區(qū)大小，降低了語音包的緩沖時延。Spike-Det算法設置了突發(fā)模式，在遇到突發(fā)時能迅速增大緩沖區(qū)，但易造成時延突峰，增大了語音包緩沖時延;Pareto-Based算法在平穩(wěn)階段具有較好的控制效果，但是在網(wǎng)絡突發(fā)前后都產(chǎn)生了較大的時延突峰，主要是因為在突發(fā)前后數(shù)據(jù)窗內(nèi)的時延數(shù)據(jù)變化劇烈，導致時延模型的誤差較大，引起了算法性能的下降。本文的Fuzzy-Adaptive算法在對短時時延變化的調(diào)節(jié)和長時整體突發(fā)的跟蹤上都具有較好效果，雖然在突發(fā)前后也具有一定的時延突峰，但峰值更小，收斂速度更快，效果優(yōu)于以上2種算法。3種算法在4種不同網(wǎng)絡Trace下平均傳輸時延和丟包率的統(tǒng)計結(jié)果，并通過客觀語音評價方法E-Model計算出傳輸過程的平均語音質(zhì)量(mean opinion score，MOS)，如表3所示。

表3 抖動緩沖算法性能比較Tab.3 Performance comparison of different algorithms

從表3結(jié)果來看，本文算法在傳輸時延上遠遠小于其他2種算法，盡管在網(wǎng)絡狀況平穩(wěn)時(Trace 1和Trace 3)的平均丟包率略高于Pareto-Based算法，但丟包率是在實時語音通信的可接受范圍內(nèi);綜合考慮時延與丟包對VoIP語音質(zhì)量的影響，本文算法在4種網(wǎng)絡Trace下都取得了最佳的平均MOS值，其整體效果優(yōu)于Spike-Det算法和Pareto-Based算法。

總的來說，Spike-Det算法雖然設定了2種運行模式，以應對網(wǎng)絡時延的突發(fā)狀況，但是算法參數(shù)主要依賴于經(jīng)驗且固定，不能很好地適應不同網(wǎng)絡狀況的變化。在低抖動時具有較好控制效果，而在高抖動和突發(fā)時算法穩(wěn)定性較差，易產(chǎn)生時延突峰;Pareto-Based算法以帕累托(pareto)分布模型為一段時間內(nèi)收集的時延數(shù)據(jù)建模，并通過客觀語音評價E-Model的方法預測播出的語音質(zhì)量，有效地平衡了時延與丟包的關系，使語音質(zhì)量最大化，但時延模型的精確性決定了算法性能的好壞，尤其在網(wǎng)絡突發(fā)前后，時延數(shù)據(jù)變化劇烈，導致算法性能大大下降，造成了高時延和丟包;本文的Fuzzy-Adaptive算法以緩沖時延的長-短時變化來確定緩沖區(qū)調(diào)節(jié)參數(shù)，即保證了長時的平穩(wěn)性又提高了短時的自適應跟蹤特性，相比以上2種算法，具有最小的抖動緩沖時延，并且對于不同的網(wǎng)絡狀況都具有較強的自適應性。

4 總結(jié)與展望

為提高VoIP通信的語音質(zhì)量，降低抖動緩沖區(qū)對傳輸語音質(zhì)量的損傷，本文提出了一種基于模糊邏輯控制的抖動緩沖控制算法，在監(jiān)測緩沖時延長-短時變化的基礎上，制定了緩沖時延與緩沖區(qū)調(diào)節(jié)值的模糊控制規(guī)則，自適應調(diào)節(jié)緩沖區(qū)大小，使緩沖時延最小化。仿真結(jié)果表明，該算法能有效降低VoIP緩沖時延，且算法性能不會隨網(wǎng)絡狀況的變化而下降，具有較強的穩(wěn)定性和跟蹤性，能適應不同網(wǎng)絡狀況的突發(fā)變化，但算法還需設置更加復雜的模糊規(guī)則來提高算法的精確性?；谡Z音包級的抖動緩沖控制算法需要時標修正技術(shù)的支撐，接下來將結(jié)合該技術(shù)在實踐中的應用來完善本文算法。

［1］喬荔，宋軍.VoWLAN企業(yè)級應用模式及解決方案［J］.中興通訊技術(shù)，2007，18(6):51-53.QIAO Li，SONG Jun.Enterprise-level Application Modes of VoWLAN and Its Solutions［J］.ZTE TECHNOLOGY JOURNAL，2007，18(6):51-53.

［2］RAMJEE R，KUROSE J，TOWSLEY D，et al.Adaptive playout mechanisms for packetized audio applications in wide-area networks［C］//IEEE.INFOCOM＇94.Networking for Global Communications，13th Proceedings IEEE.Toronto:IEEE Press，1994:680-688.

［3］NARBUTT M，MURPHY L.VoIP playout buffer adjustment using adaptive estimation of network delays［J］.Teletraffic Science and Engineering，2003，5(7):1171-1180.

［4］HUANG S F，WU E H K，CHANG P C.Adaptive VoIP smoothing of pareto traffic based on optimal e-model quality［M］.Berlin Heidelberg:Springer，2005:747-758.

［5］蔡鐵，龍志軍，伍星.基于語音質(zhì)量預測的VoIP自適應抖動緩沖算法［J］.計算機工程與應用，2011，47(10):63-66.

CAI Tie，LONG Zhijun，WU Xing.Adaptive Jitter buffer algorithm of VoIP based on speech quality prediction［J］.Computer Engineering and Applications，2011，47(10):63-66.

［6］YU R，YUAN J，XIAO Y，et al.Quality-based jitter bufferalgorithmusingadaptivevariable-sizewindow［C］//IEEE.Computer Science and Network Technology(ICCSNT)，2012 2ndInternationalConferenceon.Changchun:IEEE Press，2012:151-157.

［7］趙國棟，李栓紅，黃國策，等.基于網(wǎng)絡流量預測的抖動緩沖控制算法［J］.計算機工程，2012，38(7):80-82.

ZHAO Guodong，LI Shuanhong，HUANG Guoce，et al.Jitter Buffering Control Algorithm Based on Network Flux Prediction［J］.Computer Engineering，2012，38(7):80-82.

［8］LIANG Y J，F(xiàn)ARBER N，GIROD B.Adaptive playout scheduling using time-scale modification in packet voice communications［C］//IEEE.Acoustics，Speech，and Signal Processing，2001，Proceedings，(ICASSP'01)，2001 IEEE International Conference on.Salt Lake City，UT:IEEE Press，2001:1445-1448.

［9］MCNEILL K M，LIU M，RODRIGUEZ J J.An adaptive jitter buffer play-out scheme to improve VoIP quality in wireless networks［C］//IEEE.Military Communications Conference，2006，MILCOM 2006，IEEE.Washington，DC:IEEE Press，2006:1-5.

［10］JAMMEH E A，F(xiàn)LEURY M，WAGNER C，et al.Interval type-2 fuzzy logic congestion control for video streaming across IP networks［J］.Fuzzy Systems，IEEE Transactions on，2009，17(5):1123-1142.

［11］HUIMING L，SHUO L.The network fuzzy PID control of power steam temperatures process［C］//IEEE.Control Conference(CCC)，2010 29th Chinese.Beijing:IEEE Press，2010:3571-3575.

［12］POKHREL J，WEHBI B，MORAIS A，et al.Estimation of QoE of video traffic using a fuzzy expert system［C］//IEEE.Consumer Communications and Networking Conference(CCNC)，2013 IEEE.Las Vegas，NV:IEEE Press，2013:224-229.

［13］ITU-T Recommendation.G.107-2005，The E-model，a Computational Model for Use in Transmission Planning［S］.Geneva Switzerland:International Telecommunication Union，2005.

［14］KIM H G，LEE J H.Enhancing VoIP speech quality using combined playout control and signal reconstruction［J］.Consumer Electronics，IEEE Transactions on，2012，58(2):562-569.