SIP協(xié)議下的音視頻會話技術分析

謝鐘揚

摘要：隨著互聯(lián)網的快速發(fā)展以及在社會生活中的不斷普及，人們對于通話的需求也在不斷改變。近些年來計算機技術、多媒體技術以及互聯(lián)網網絡技術都得到了快速的發(fā)展，在這種環(huán)境下音視頻會話技術也在不斷地改變，音視頻會話系統(tǒng)也逐漸向數(shù)字化和網絡化的方向發(fā)展。在音視頻會話系統(tǒng)中，采用了一種物聯(lián)網語音協(xié)議（VoIP）技術，該技術最大的優(yōu)勢是能夠廣泛地采用互聯(lián)網的相關環(huán)境，提供比傳統(tǒng)業(yè)務更好的服務。SIP（會話初始協(xié)議）作為VoIP技術中最重要的信令協(xié)議之一，具有簡單、開放、靈活以及可以進行擴展等多方面的優(yōu)點。本文主要分析了基于SIP協(xié)議下的音視頻會話技術，探討了具體的音視頻同步技術。

關鍵詞：SIP協(xié)議;音視頻;會話技術;同步編碼

中圖分類號：TP3? ? ? 文獻標識碼：A

文章編號：1009-3044（2019）23-0228-02

開放科學（資源服務）標識碼（OSID）：

隨著計算機網絡技術以及多媒體技術的發(fā)展，在信息化社會的背景下，人們的生活方式得到了極大的改變，最明顯的情況之一就是人與人通話方式的改變。在移動互聯(lián)網不斷發(fā)展的過程中，音視頻通話的方式也在不斷轉變，音視頻會話技術也得到了進一步的升級和更新。在音視頻會話系統(tǒng)中利用到了一種軟交換技術，該技術具有開放的體系架構，對數(shù)據(jù)信息能夠進行分組傳輸，是比較先進的呼叫控制技術，并且能夠為語音、視頻等多媒體數(shù)據(jù)，提供多種方式的實時服務，而SIP協(xié)議是作用于軟交換和應用服務器之間，能夠實現(xiàn)數(shù)據(jù)的互通，并提供相關的增值服務。SIP協(xié)議是一種應用層控制協(xié)議，在音視頻會話中起到了很大的作用。

1 SIP協(xié)議相關概述

1.1 SIP協(xié)議概念以及相應功能

目前的SIP協(xié)議已經發(fā)展成熟并且得到了廣泛的應用，其中應用最廣泛的一個領域就是網絡IP電話，基于SIP協(xié)議的音視頻會話技術的出現(xiàn)，改變了傳統(tǒng)的電話模式。隨著互聯(lián)網的不斷發(fā)展，SIP協(xié)議的應用范圍變得更加廣泛，SIP協(xié)議是一種控制協(xié)議，只涉及管理相應的會話，和會話者之間進行的多媒體數(shù)據(jù)的傳輸并沒有關系，會話者之間的多媒體數(shù)據(jù)的傳輸一般是借助其他傳輸協(xié)議來實現(xiàn)的。

SIP協(xié)議作為一種控制協(xié)議，其主要功能能夠實現(xiàn)建立、修改和終止相應的會話，針對用戶會話管理方面，其能夠提供用戶定位、用戶有效性、用戶能力、建立會話以及會話管理等功能。所謂用戶定位就是在SIP協(xié)議中，被叫方可以處于不同的位置并進行移動，呼叫方請求與被叫方建立通話，在發(fā)送相應的請求后，SIP服務器能夠轉發(fā)相應的請求給被叫方。用戶的有效性是指在收到對方的請求后，用戶可以自主選擇與對方建立會話，用戶之間想要建立會話，在這之前需要發(fā)送相應的請求，在相關的媒體參數(shù)被描述清楚后，相應的會話就會被建立。在會話管理中，SIP協(xié)議能夠提供添加、修改媒體流參數(shù)以及終止會話等方面的功能。

1.2 SIP協(xié)議的組成分析

SIP協(xié)議主要由用戶代理UA和網絡服務器組成，在用戶代理UA中，用戶代理客戶端和服務器以及背對背用戶代理是其主要組成;而在網絡服務器中，包括代理、注冊和重定向服務器等三種服務器存在。SIP協(xié)議相關組成架構如圖1所示。

1.2.1 用戶代理UA

在用戶代理UA中，用戶代理客戶端和服務器以及背對背用戶代理是其主要組成，客戶端能夠發(fā)起相應的請求到服務器端，服務器端產生相應的響應，在每一個用戶端程序中都會含有客戶端和服務器端。背對背的用戶代理是一種比較特殊的實體，其僅僅是一個邏輯實體，其能夠和服務器端一樣接受相應的請求，并做出響應傳送給客戶端，其就像客戶端和服務器端的串聯(lián)。

1.2.2 SIP服務器（網絡服務器）

在網絡服務器中，包括代理、注冊和重定向服務器等三種服務器存在，對于代理服務器而言，其既可以看作是客戶端也可以看作為服務器，客戶端的請求消息傳送給代理服務器，代理服務器又轉發(fā)給服務器。注冊服務器能夠對用戶的注冊請求進行回應，用戶在該服務器上完成注冊后，該服務器能夠保存用戶的位置信息到相應的位置服務器中。對于重定向服務器而言，其既不會發(fā)送請求的消息，也不會對其他請求消息進行響應，其主要作用是僅僅接受相應的請求消息，并獲取該消息的地址信息，經過相應的處理后，可以將相應的位置信息返回。

1.3 SIP協(xié)議消息

SIP協(xié)議的請求和響應都是屬于消息的范疇，SIP協(xié)議消息主由開始行、消息頭以及消息體三個部分組成，如圖2所示。

從圖中可以看到，一個空白行隔開了消息頭和消息體，其主要作用是能夠對消息頭和消息體進行區(qū)分。在SIP協(xié)議消息中，其可以分為請求消息和響應消息，通常情況下，用戶代理客戶端把相應的請求消息發(fā)送到用戶代理服務器，而對于響應消息而言，其傳輸方向則是相反的。

1.4 SIP協(xié)議的呼叫流程以及會話描述協(xié)議SDP

1.4.1 關于SIP協(xié)議的呼叫流程

SIP協(xié)議呼叫流程主要由注冊流程、無代理服務器的會話創(chuàng)建流程以及有代理的服務器的會話創(chuàng)建流程等組成。在注冊流程環(huán)節(jié)，SIP服務器會收到用戶發(fā)送的注冊請求，并對一個未認證的消息進行響應，在用戶代理服務器進行相關的認證后，其會重新發(fā)送對應的注冊請求，這時SIP服務器會接受和處理相應的請求，并返回相對應的響應消息。

1.4.2 SDP協(xié)議

SDP協(xié)議也就是會話描述協(xié)議的縮寫，用戶代理在進行會話創(chuàng)建的時候，需要對會話所需要的多媒體參數(shù)等進行溝通，SDP協(xié)議能夠描述用戶代理發(fā)送請求和返回的響應消息。SDP協(xié)議能夠提供一種用于描述會話相關信息的格式，這些信息包括會話信息和媒體信息。

2 基于SIP協(xié)議下的音視頻會話技術分析

2.1 關于音視頻同步分析

2.1.1 同步的概念

對于多媒體而言，其結合了音頻、視頻以及文本等多種媒體數(shù)據(jù)，在媒體數(shù)據(jù)單元之間存在著相對應的時間關系，如果要保持音視頻的同步，就要對這種相對應的時間關系進行維持。實現(xiàn)音視頻同步，該過程就是指維持了媒體數(shù)據(jù)單元之間的相對時間順序。

對于媒體流內部的同步而言，是指對于媒體流內部數(shù)據(jù)單元，它們之間也有一種固定的時間順序，并且根據(jù)這個相對時間順序，數(shù)據(jù)單元之間可以進行排列組合。按照這個相對時間順序，如果媒體流內部的數(shù)據(jù)單元能夠進行正常排列，那么在進行媒體數(shù)據(jù)單元的播放時，就能夠實現(xiàn)同步，相反不能按照相對時間順序進行正常排列，就不能夠達到同步的狀態(tài)。

對于媒體流間的同步而言，不同媒體對象的數(shù)據(jù)單元之間會存在一定的時間順序關系，而實現(xiàn)媒體流間的同步，就需要對相對應的數(shù)據(jù)單元間的時間順序進行保持。想要維持多媒體系統(tǒng)中的同步，就需要維持音頻和視頻二者之間的時間關系。音頻和視頻的不同步會給觀眾帶來一種極度的不協(xié)調感，但如果兩者之間的不同步時間控制在一定的范圍內，那么觀眾在視聽感覺上還是可以接受的。

2.1.2 音視頻不同步問題的相關因素

在采集音視頻的過程中，音視頻開始的時間，以及進行編碼和解碼處理的時間存在一定的差異，時間不一致，就會導致音視頻數(shù)據(jù)單元之間的時間順序不對，在進行編解碼時就會出現(xiàn)時間關系偏移的現(xiàn)象。再者在網絡數(shù)據(jù)打包處理的時間存在一定的差異，音視頻在經過相應的編解碼后，相應的數(shù)據(jù)需要經過網絡數(shù)據(jù)打包之后才能夠進行傳輸。

在編碼處理過程中視頻編碼數(shù)據(jù)量要大于音頻的編碼數(shù)據(jù)量，在進行網絡打包環(huán)節(jié)時，如果對打包處理的時間不進行有效的控制，音視頻不同步的問題就容易發(fā)生。當數(shù)據(jù)包丟失或者出現(xiàn)接受順序錯亂的情況，也會導致解碼過程中出錯，網絡數(shù)據(jù)包丟失會造成音頻或者視頻數(shù)據(jù)的不完整，丟棄相關視頻的編碼數(shù)據(jù)，也會導致音視頻不同步的情況發(fā)生。

2.2 基于時間戳的同步技術

在基于SIP協(xié)議的音視頻會話技術中，基于時間戳的同步技術貫穿于整個音視頻會話系統(tǒng)，在音視頻會話系統(tǒng)中，每個模塊中都會發(fā)生時間戳同步，這樣能夠保證音視頻同步的效果。在音視頻會話系統(tǒng)中的采集模塊中，進行視頻采集，得到的是以幀為計數(shù)單位的數(shù)據(jù)，而對于音頻采集環(huán)節(jié)，得到的是以時間為單位的數(shù)據(jù)，計量方式之間存在的差異，也會導致在同一時間內，無法對音視頻進行采集和結束。

在音視頻會話系統(tǒng)中的編碼模塊中，包含音頻模塊和視頻模塊，在采集緩沖區(qū)中編碼模塊會獲取一個同步數(shù)據(jù)塊，并對需要進行編碼的同步數(shù)據(jù)塊的時間戳進行記錄，然后根據(jù)其類型標志位傳送到相應的編碼模塊中。在網絡傳輸模塊中，對于每一幀視頻編碼數(shù)據(jù)進行打包之后才能夠發(fā)送，如果直接用一個數(shù)據(jù)包封裝一幀視頻編碼數(shù)據(jù)，會容易造成數(shù)據(jù)包無法發(fā)送成功的問題。從解碼緩沖區(qū)中，解碼模塊能夠提取相應的同步數(shù)據(jù)塊，并根據(jù)對應的類型標志位，對音視頻的編碼數(shù)據(jù)進行解碼。在完成解碼后將解碼數(shù)據(jù)重新進行封裝成同步數(shù)據(jù)，并放入到相應的播放緩沖區(qū)中。播放模塊從播放緩沖區(qū)提出相應的已完成解碼的音視頻數(shù)據(jù)，按照相應的時間順序就可以進行分別播放。

2.3 基于可變碼長同步編碼技術

在基于時間戳的同步技術中，網絡傳輸模塊進行音視頻編碼數(shù)據(jù)的傳輸，需要使用兩條信道實現(xiàn)，這時就需要處理多個步驟。而基于可變碼長同步編碼技術可以很好解決上述的問題。在基于可變碼長同步編碼技術中，提出了一種基于H.264幀間預測的音視頻同步編碼改進算法，而可變碼長就是其核心概念。

使用該算法可以將音頻編碼數(shù)據(jù)進行分割，形成多組不同長碼組，對于基于H.264進行幀間預測的階段，根據(jù)相對應的公式，能夠實現(xiàn)不同長碼與可變尺寸塊的映射，再依據(jù)音頻的編碼數(shù)據(jù)對可變尺寸的分割模式進行確定，根據(jù)相應的映射關系進行提取音頻編碼數(shù)據(jù)。

2.4 延遲檢測自適應選擇同步技術

對于上述的同步方案，在進行方案的選擇時需要考慮到網絡的狀態(tài)，這時就需要檢測網絡的狀態(tài)。針對網絡的延遲狀況、丟包率以及抖動等狀況進行檢測，并進行相應的等級評價。在網絡狀況良好的條件下，可以利用同步編碼技術傳輸相應的數(shù)據(jù)，如果網絡狀況表現(xiàn)出一般或者較差的狀態(tài)，這時就需要利用基于時間戳的同步方案。

在進行延遲檢測的時候，還有一種檢測網絡狀況的方式經常被用到，采用這種方式，是將每個時間間隔定義為[T1]，得到會話終端之間的傳輸時延[dn]（[1～n]總共[n]各時延數(shù)值），依據(jù)相應的公式，就可以得出[T1]時間間隔內相應的時延變化率。

[s2=1ni=1ndi-d-2]

其中[d-=1ni=1ndi] ，采用的方差來表示網絡狀況的時延波動大小。

3 總結

SIP協(xié)議具有簡單、易擴展以及容易實現(xiàn)等特點，在越來越多的應用中得到使用，該協(xié)議到目前為止也已經達到成熟的地步，在互聯(lián)網中越來越多的軟件和多媒體終端都采用了SIP協(xié)議。隨著計算機網絡技術的不斷發(fā)展，基于SIP協(xié)議的音視頻會話技術會得到更加廣闊的發(fā)展。

參考文獻：

[1] 林明河. 基于SIP協(xié)議的可視對講系統(tǒng)的設計與實現(xiàn)[D]. 華僑大學，2016.

[2] 凌小榮. 基于SIP網絡音視頻通信的研究與實現(xiàn)[D]. 華南理工大學，2014.

[3] 林健浩. 基于SIP協(xié)議的音視頻會話技術研究[D]. 廣東工業(yè)大學，2014.

[4] 鄒田，周到.基于SIP協(xié)議的音視頻通信終端的實現(xiàn)[J]. 中國新通信，2013，15（09）：34.

[5] 楊真光. 基于SIP的視頻會議系統(tǒng)設計及實現(xiàn)[D]. 北京郵電大學，2013.

[6] 施昌偉. 基于SIP協(xié)議的即時通訊系統(tǒng)的研究與實現(xiàn)[D]. 南京郵電大學，2012.

【通聯(lián)編輯：張薇】