王亞光，劉一偉，張文杰，李云龍

（1.南開大學信息技術(shù)科學學院 計算機科學與信息安全系，天津300071；2.北京大學 數(shù)學科學學院數(shù)學系，北京100871）

0 引 言

實時語音在傳輸過程中，由于網(wǎng)絡(luò)帶寬的限制、分組原因、網(wǎng)絡(luò)狀況惡化或者路徑選擇等問題都會造成語音分組［1］的丟失，即丟包現(xiàn)象［2］。丟包率一旦過大，通話質(zhì)量就會受到嚴重的影響。盡管現(xiàn)在有很多優(yōu)秀的算法能夠?qū)G包后的語音數(shù)據(jù)進行處理和恢復(fù)［3］，其恢復(fù)結(jié)果在低丟包率的情況下也表現(xiàn)得很理想，但是在高丟包率的情況下，這些算法的效果并不是很好，其根本原因是采用丟包恢復(fù)算法對提高語音質(zhì)量是一種治標不治本的策略。對此，本文提出了一種在實時語音傳輸過程中抗分組丟失的自適應(yīng)傳輸調(diào)整算法，在實際語音通信系統(tǒng)中加載該算法的運行，結(jié)果表明該算法通過調(diào)整語音傳輸速率減少了抗語音分組的丟失。

1 算法設(shè)計

抗語音分組丟失自適應(yīng)傳輸調(diào)整算法分為圖1所示的3個部分：反饋信息量化模塊、網(wǎng)絡(luò)狀態(tài)判定模塊和傳輸速率調(diào)整模塊，其中虛線部分表示自適應(yīng)功能部分。

圖1 抗分組丟失的自適應(yīng)傳輸調(diào)整過程

其中，反饋信息量化模塊的功能是對反饋的網(wǎng)絡(luò)狀態(tài)信息的計算，是根據(jù)RTCP［4］承載的反饋信息來計算反映當前網(wǎng)絡(luò)狀況的一些特征值。網(wǎng)絡(luò)狀況判斷模塊是根據(jù)上一步的量化結(jié)果來分析當前網(wǎng)絡(luò)所處的狀態(tài)或變化趨勢，并對網(wǎng)絡(luò)狀態(tài)做出判定，接著將判定結(jié)果交給傳輸速率調(diào)整模塊。傳輸速率調(diào)整模塊根據(jù)判定的網(wǎng)絡(luò)狀態(tài)結(jié)果重新計算語音傳輸速率，然后再將新的傳輸速率通知語音編碼壓縮模塊，語音編碼壓縮模塊根據(jù)新的傳輸速率調(diào)整壓縮后的語音發(fā)送速率以適應(yīng)當前網(wǎng)絡(luò)狀況。下面分別介紹這3個方面的實現(xiàn)方案。

1.1 反饋信息的量化

對反饋的網(wǎng)絡(luò)狀態(tài)信息進行量化是利用RTCP報文的RR分組中的丟包率字段值來進行計算的。本文解析工作是從接收端反饋回來的RTCP的控制報文RR中的丟包率字段值獲取語音數(shù)據(jù)包的丟失率，如果RR報文中有多個同源標識符SSRC且同一時間的報告塊，那么以丟失率最大的那個SSRC報告塊作為對象來獲取量化所需要的丟失率參數(shù)。對獲取的丟失率再通過一個平滑器（也稱低通濾波器）［5］進行平滑處理。平滑后的結(jié)果就是量化結(jié)果，是判定網(wǎng)絡(luò)狀態(tài)的依據(jù)。其平滑計算公式為

式中：Pn——待求的預(yù)測值，即丟包率量化值。Pn－1——Tn時刻的丟包率量化值。Pback——Tn時刻RTCP報文中的丟包率。B——常量，稱b為平滑算子，且0＜b＜1。

由公式得出：當網(wǎng)絡(luò)發(fā)生擁塞時，數(shù)據(jù)包丟失率Pback的值會長時間較大，Pn會逐漸增大而接近Pback。當網(wǎng)絡(luò)由擁塞變?yōu)檩p載狀態(tài)時，Pback的值會轉(zhuǎn)變成一個很小的值，如持續(xù)時間較長，則Pn會逐漸變小而接近Pback。

通過平滑器來實現(xiàn)網(wǎng)絡(luò)狀態(tài)量化的這種自適應(yīng)過程跟平滑算子b有很大的關(guān)系。這是因為b能過濾掉很大的隨機波動，如果b的取值太小，則它對丟包率的反映就會較慢。如果b取值太大，則它對丟包率的反映就會過度敏感，有可能造成語音傳輸速率的震蕩調(diào)節(jié)。因此，合理取得b值尤為重要。通過不斷改變b的值，可以獲得多組Pn值，且每組Pn與一個b值相對應(yīng)，通過對每組Pn接近Pback的平滑效果分析，b取0.3時平滑效果表現(xiàn)最佳。

1.2 網(wǎng)絡(luò)狀態(tài)的判定

本文將網(wǎng)絡(luò)狀態(tài)分為3個區(qū)間：網(wǎng)絡(luò)輕載（UNLOAD－ED）、網(wǎng)絡(luò)滿載（LOADED）和網(wǎng)絡(luò)擁塞（CONGEST）。對于語音品質(zhì)，低于200ms的時延和4%的丟包率，是可接受的范圍；時延在200～400ms，丟包率在4%～8%之間時，是一個邊緣范圍，可滿足部分用戶的要求；當時延超過400ms，丟包率超過8%時，則不能滿足語音會話的需求。引入兩個閥值Lu和Lc來劃分3個區(qū)間，以分別表示網(wǎng)絡(luò)所處的網(wǎng)絡(luò)輕載、網(wǎng)絡(luò)滿載和網(wǎng)絡(luò)擁塞3種狀態(tài)，從而當前網(wǎng)絡(luò)所處的狀態(tài)。本文取Lu＝4%、Lc＝8%將網(wǎng)絡(luò)劃分為3個狀態(tài)區(qū)間，如圖2所示。

圖2 網(wǎng)絡(luò)狀態(tài)劃分

由式（1）求得的網(wǎng)絡(luò)狀態(tài)量化值Pn跟閥值進行比較，則可以判斷出當前的網(wǎng)絡(luò)狀態(tài)，例如：Pn＜Lu：網(wǎng)絡(luò)輕載；Lu＜Pn＜Lc：網(wǎng)絡(luò)滿載；Pn＞Lc：網(wǎng)絡(luò)擁塞。

1.3 傳輸速率的調(diào)整

調(diào)整傳輸速率的作用是根據(jù)網(wǎng)絡(luò)狀態(tài)調(diào)整語音的傳輸速率，不能通過急劇增加或急劇減小的方式調(diào)整語音傳輸速率，快速的速率調(diào)整會造成語音劇烈的震蕩，從而影響接收端的語音效果。通常在調(diào)節(jié)過程中應(yīng)采用慢增慢減的調(diào)節(jié)方式［6］，以一種平滑的方式調(diào)整速率，這樣接收端的語音就具有良好的穩(wěn)定性。

為實現(xiàn)根據(jù)網(wǎng)絡(luò)狀態(tài)［7］來調(diào)節(jié)語音的發(fā)送速率，本文引入模型TCP擁塞控制算法［8－9］AIMD（additive increase and multiplicative decrease），以控制網(wǎng)絡(luò)流量。該算法的主要思想是：當網(wǎng)絡(luò)中出現(xiàn)分組丟失時，發(fā)送窗口中數(shù)據(jù)量將以乘積方式減少，否則就簡單地增加一個數(shù)據(jù)包的發(fā)送量。本文對AIMD算法中加性因子a與乘性因子b進行改進，從而使其能以一種慢增慢減的方式來調(diào)整語音的傳輸速率。AIMD算法中流量控制的數(shù)學表達式如下

其中，Z（t＋1）——t＋1時刻的發(fā)送速度；Z（t）——t時刻的發(fā)送速度；a——加性因子，a≥1；b——乘性因子，0≤b≤1；r——t時刻報文丟失率；TH——報文丟失門限值。

式（2）表明AIMD算法是根據(jù)報文丟失率作為調(diào)節(jié)傳輸速率的依據(jù)，當報文丟失r小于門限值TH時，發(fā)送速度或帶寬就在原有的基礎(chǔ)上線性增加a（a≥1），一旦r超過門限值TH時，發(fā)送速度或帶寬將乘積減少b（0≤b≤1）。

但并不能直接用AIMD算法來調(diào)節(jié)語音傳輸速度，這是因為AIMD在進行流量擁塞控制過程中為了更好地體現(xiàn)競爭網(wǎng)絡(luò)帶寬的公平性，一般取a和b的值為1和1／2。也就是說，一旦出現(xiàn)分組數(shù)據(jù)丟失，AIMD將利用乘積方式將帶寬減半。但對語音傳輸速率而言，在語音分組丟失后如果語音傳輸速率直接減半，將會造成傳輸速率的震蕩調(diào)節(jié)，直接導致接收端語音數(shù)據(jù)產(chǎn)生強烈抖動。為此，本文以RR報文中的丟失率為傳輸速率的調(diào)整依據(jù)，而參數(shù)a和b無法自適應(yīng)地與報文丟失率建立聯(lián)系，這就必須對式（2）進行改進：利用報文丟失率作為參考依據(jù)引進一個預(yù)測值K，利用K消掉參數(shù)a和b。而預(yù)測值K可以通過RR報文中的丟失率平滑后的結(jié)果Pn和抖動量J求得。

（1）抖動量的獲取

在計算抖動量［10］之前，先計算接收端兩個RTP語音數(shù)據(jù)包之間的相對傳輸時間D。設(shè)有兩個RTP語音數(shù)據(jù)包Rj和Ri，T1表示包Rj的RTP時間戳，T2表示包Rj的到達時間，T3表示包Ri的RTP時間戳，T4表示包Ri的到達時間。Rj包的單向延時可表示為T2－T1；Ri包的單向延時可表示為T4－T3；那么相對傳輸時間差D可表示為

每當從一個特定的信源接收到RTP包時，通過下面遞推公式得到抖動量J

D（i，i－1）為包i和前一個包i－1的差值。這是一個最佳一階估計量，而且增益參數(shù)1／16在實現(xiàn)了較好的降噪比的同時，又維持了合適的收斂速度。這個抖動量J在發(fā)送RTCP的RR報文時，將填入RR報文的Inter arrival jitter字段中。當RR分組到達發(fā)送端時，抖動量J將被預(yù)測參數(shù)量K引用。

接收端通過RTCP協(xié)議進行自動計算Pn的語音分組丟失率，且與抖動量一起通過RR報文傳給發(fā)送端。

（2）預(yù)測量K的計算

預(yù)測量K通過下式求得

式中：Lmax——實時語音流傳輸時允許的最大丟包率；Jmax——實時語音流傳輸時允許的最大間隔抖動；Pn、J——當前丟包率平滑的網(wǎng)絡(luò)狀態(tài)量化值和抖動量；λ1、λ2——Pn、J的預(yù)測權(quán)重，其中0＜λ1＜1，0＜λ2＜1，且λ1＋λ2＝1。其中λ1和λ2參數(shù)可以根據(jù)網(wǎng)絡(luò)背景情況進行設(shè)定，在網(wǎng)絡(luò)物理環(huán)境好、網(wǎng)絡(luò)拓撲結(jié)構(gòu)并不復(fù)雜的情況下，可以適當?shù)卦黾覲n的預(yù)測權(quán)重，即取λ1＞λ2；在網(wǎng)絡(luò)物理環(huán)境復(fù)雜多變、網(wǎng)絡(luò)中間節(jié)點多的情況下，可以適當?shù)卦黾覬的預(yù)測權(quán)重，即取λ1＜λ2。

通過反映當前網(wǎng)絡(luò)狀態(tài)的預(yù)測值K來預(yù)測語音的發(fā)送速度，能減少因網(wǎng)絡(luò)狀態(tài)帶來的語音分組丟失。在式（3）中引入預(yù)測量K，式（4）中增加乘積可得到根據(jù)網(wǎng)絡(luò)狀況來調(diào)整語音傳輸速率的模型式（6）

式中：Z（0）——初始時刻的語音數(shù)據(jù)的發(fā)送速度；和式中的2和積式中的1／2為修正值，目的是使得語音傳輸速率平穩(wěn)，避免因傳輸速率震蕩調(diào)節(jié)而產(chǎn)生較大的語音抖動。e表示進行速率增長和減少的閾值，依據(jù)第二階段判斷網(wǎng)絡(luò)狀態(tài)模塊的量化值Pn，通過e＝Pn／Lmax歸化到區(qū)間［0.1，0.5］之間，具體的歸化方式利用下面的公式

歸化的目的是使得閥值e與網(wǎng)絡(luò)狀態(tài)值Pn建立一種聯(lián)系，讓閥值e來反映網(wǎng)絡(luò)狀態(tài)的變化情況。當公式中e＝Pn／Lmax小于0.1時，一律歸化到最低門限0.1，表明網(wǎng)絡(luò)絕對處于輕載狀態(tài)，這時預(yù)測量K是一個比0.1小的值，速率將會慢慢增加；當e＝Pn／Lmax大于或等于0.1小于或等于0.5時，速率的調(diào)節(jié)視K而定，如果預(yù)測量K小于e表明網(wǎng)絡(luò)處在一個輕載或滿載初期狀態(tài)，可以適當?shù)卦黾觽鬏斔俾剩绻A(yù)測量K大于e表明網(wǎng)絡(luò)處在一個滿載向擁塞的過度時期，這時速率將會慢慢減少；當e＝Pn／Lmax大于0.5時，一律歸化到最高門限0.5，表明網(wǎng)絡(luò)已經(jīng)有擁塞趨勢或處于嚴重擁塞狀態(tài)，預(yù)測量K將是一個比e大的數(shù)，這時速率將會慢慢減少。

整個速率調(diào)節(jié)過程通過預(yù)測量K能自適應(yīng)地根據(jù)網(wǎng)絡(luò)狀態(tài)門限（Threshold）閥值e進行速率調(diào)整，修正值的引進可以使速率調(diào)整以一種慢增慢減的方式進行。

2 算法的實驗評估

抗語音分組丟失的自適應(yīng)傳輸調(diào)整算法在應(yīng)用到實時語音傳輸通信中之前，必須對該算法進行抗語音分組丟失的性能測試。為此自行搭建如圖3所示的拓撲結(jié)構(gòu)的網(wǎng)絡(luò)環(huán)境。

圖3 網(wǎng)絡(luò)拓撲模式

在同等條件下，以網(wǎng)絡(luò)輕載、滿載、擁塞3種網(wǎng)絡(luò)狀況為背景，在相同的一段時間內(nèi)，分別統(tǒng)計在每種網(wǎng)絡(luò)狀態(tài)中加載該算法前后兩種情況下RR報文中的分組丟失率。通過對每種網(wǎng)絡(luò)狀態(tài)階段中算法加載前后丟失率的分析，來評估該算法的性能。

實驗前，先設(shè)定算法中的參數(shù)b設(shè)為0.3，Lmax為0.12，Jmax為0.08s，權(quán)重 w1、w2分別設(shè)置為0.6和0.4，語音初始傳輸速度為8kb／s。接著對網(wǎng)絡(luò)狀態(tài)的3個階段進行實驗，統(tǒng)計每個階段算法加載前后語音分組丟失率的比例，其中實驗時間為30s，RTCP的RR報文平均每2s從接收端向發(fā)送端反饋一次，因此可以獲得15組語音報文丟失數(shù)據(jù)。通過對這15組數(shù)據(jù)進行分析，在同等時間段內(nèi)、相同條件下該算法表現(xiàn)出來了抗分組丟失的性能優(yōu)勢。

（1）網(wǎng)絡(luò)輕載狀態(tài)下的比較情況：在實驗過程中使網(wǎng)絡(luò)處在網(wǎng)絡(luò)輕載狀態(tài)。則發(fā)現(xiàn)，在沒有加載該算法時，15組數(shù)據(jù)基本上全為零，這意味著在語音傳輸過程中沒有分組丟失，且語音清晰，延時非常小。同樣，在加載了該算法的條件下，15組數(shù)據(jù)也基本上全為0，語音效果與未加載時一樣。因此，在網(wǎng)絡(luò)輕載狀態(tài)下，抗語音分組丟失的自適應(yīng)傳輸調(diào)整算法無法表現(xiàn)出其優(yōu)越性，這是因為足夠的網(wǎng)絡(luò)帶寬能保證語音分組的丟失率下降。

（2）網(wǎng)絡(luò)滿載狀態(tài)下的比較情況：通過向網(wǎng)絡(luò)中加入一定的數(shù)據(jù)流來消耗網(wǎng)絡(luò)帶寬，使網(wǎng)絡(luò)狀態(tài)處在一個滿載狀態(tài)，然后啟動語音通信，在相同時間段內(nèi)，分別統(tǒng)計算法加載前后RR報文中語音分組的丟失率（即丟包率），各15組數(shù)據(jù)。其丟包率隨時間的分布如圖4所示。

圖4 滿載狀態(tài)丟包率比較

在圖4中，藍色的菱形代表沒有加載算法時丟包率隨時間的分布規(guī)律，紅色方塊代表加載該算法時丟包率隨時間的分布規(guī)律。從圖中可以看出，在網(wǎng)絡(luò)滿載狀態(tài)階段，兩種情況下語音的丟包率基本上都是維持在1%～4%之間，但從總體上來分析，紅色反映的丟包率要略微低于藍色反映的丟包率，出現(xiàn)這種結(jié)果是因為在預(yù)測量K與門限值e的作用下，算法將自適應(yīng)地調(diào)節(jié)傳輸速率來自適應(yīng)網(wǎng)絡(luò)的變化。因此，在網(wǎng)絡(luò)滿載狀態(tài)、速率調(diào)整門限比較低的情況下，該算法能在一定程度上起到抗語音分組丟失的作用。

（3）擁塞狀態(tài)下的比較情況：通過利用大量數(shù)據(jù)流消耗網(wǎng)絡(luò)帶寬，并人為持續(xù)地在語音通信過程中制造網(wǎng)絡(luò)擁塞狀態(tài)，分別收集應(yīng)用算法前后的丟包率隨時間分布規(guī)律如圖5所示。

圖5 擁塞狀態(tài)下丟包率比較

語音通信過程中，丟包率在4%～8%之間，是一個過渡區(qū)域，處于這個過度區(qū)域時語音有比較大的延時，但語音信號還能辨認，交互雙方還能繼續(xù)進行；丟包率超過8%時，語音信號將變得不清晰，且延時非常厲害，這種情況下交互雙方將無法再繼續(xù)。在圖5中，紅色代表的丟包率明顯低于藍色代表的丟包率。其中，沒有應(yīng)用算法時丟包率基本處于8%～12%，應(yīng)用后丟包率基本維持在8%以下。很明顯，在網(wǎng)絡(luò)擁塞狀況下，該算法具有更強的抗語音分組丟失能力。

通過上述實驗，抗語音分組丟失的自適應(yīng)傳輸調(diào)整算法能依據(jù)網(wǎng)絡(luò)的狀況變化相應(yīng)地調(diào)整傳輸速率來減少語音分組的丟失，提高語音的傳輸質(zhì)量。尤其是在網(wǎng)絡(luò)狀況惡化、擁塞嚴重的時候其表現(xiàn)的抗分組丟失性能更加明顯和突出。

3 結(jié)束語

為提高語音的傳輸質(zhì)量，從根本上改善語音分組丟失狀況，本文提出了抗語音分組丟失的自適應(yīng)傳輸調(diào)整算法，其基本思想是發(fā)送端利用接收端反饋回來的RTCP控制報文中RR分組的丟失率值，通過量化處理，把量化結(jié)果作為判別網(wǎng)絡(luò)狀況依據(jù)，然后再根據(jù)網(wǎng)絡(luò)狀況，引進預(yù)測值K，通過改進AMID（和式增加乘積減少）算法來調(diào)整語音的傳輸速率，使傳輸速率自適應(yīng)網(wǎng)絡(luò)的狀況變化。通過對該算法進行實驗評估，能在一定程度上起到抗語音分組丟失的效果。

［1］Qi Wang.A full－distributed architecture for PoC application in data packet voice communication［C］／／Beijing，China：Com－puter and Information Technology，2011：231－237.

［2］Lam R Y W.Analysis of a polling protocol for packet voice transport over IEEE 802.11wireless LANs［C］／／Vancouver，BC：VTC Spring，Dept of Electr ＆ Comput Eng，British Columbia Univ，2008：1641－1645.

［3］Miralavi S R.Packet loss replacement in voip using a recursive low－order autoregressive model－based speech［C］／／Tehran，Iran：Systems，Signals and Devices（SSD），Sch of Sci ＆ Eng，Sharif Univ of Technol，2011（8）：1－4.

［4］Shahbazi S.A new design for improvement of scalable－RTCP［C］／／ICFCC，Dept of Electr Electron ＆ Syst Eng Univ，2009：594－598.

［5］Mukherjee S.Linear phase low pass FIR filter design using improved particle swarm optimization［C］／／Durgapur，India：Research and Development（SCOReD），Dept of Electron ＆ Commun Eng，Nat Inst of Technol，2011：358－363.

［6］Vinh Tran－Quang.A transmission range adjustment algorithm to avoid energy holes in wireless sensor networks［C］／／Saitama，Japan：APSITT，Grad Sch of Eng，Shibaura Inst of Technol，2010（8）：1－6.

［7］Capasso A.Network state indicators in flexibility evaluation for operational planning in electricity market［C］／／Rome，Italy：PowerTech，Dept of Electr Eng，Univ of Rome La Sapienza，IEEE Bucharest，2009：1－6.

［8］ Wei Wei.Target tracking with packet delays and losses－QoI amid latencies and missing data［C］／／Amherst，MA，USA：Pervasive Computing and Communications Workshops，Dept of Comput Sci，Univ of Massachusetts，2010（8）：93－98.

［9］Nishiyama H.Wireless loss－tolerant congestion control protocol based on dynamic aimd theory［J］.Wireless Communications，2010，17（2）：7－14.

［10］Aly A O.Graduation project implementation of hardware digital DCT based image coder［C］／／Radio Science Confe rence.Cairo，Egypt：German Univ in Cairo，2009：1－2.