第3章 基于SIP视频会议终端的设计与实现
3.1 基于SIP的视频会议终端的概述
“远程训练系统”主要是用于二炮机要人员的远程训练及远程考核、远程装备维修、远程教学、远程会议等，视频会议系统将为其提供技术平台，使“远程训练系统”能够实现异地交互、异地协同工作。“系统”按要求遍及二炮的各旅、团，分布广，使用人员范围大。根据这些特征，我们研制的SIP视频会议系统应具备：价格低、操作简单、使用灵活方便、易于扩展等特性，不但可以满足传统的视频会议系统的要求，还可以把网络的各种功能融入到视频会议系统中，配置灵活，硬件兼容性强，是基于PC多媒体终端，由纯软件实现，除摄像头、耳麦等无需再配置额外的硬件设备，确实为广大二炮机要工作人员提供一个实用方便的多媒体通信平台。
我们期望SIP视频终端能够达到如下性能指标： ? 能够无阻碍地发起、终止、管理SIP会议 ? 高清晰度的视频（清晰度352×288）
? 音频支持G.711，G.723.1等业界普遍的编码格式，音频延时<500ms
? 视频压缩支持H.261和H.263视频编码格式，视频支持CIF，帧率达到20帧/秒 ? 直观的用户界面，操作简单
当然，作为特殊行业的视频会议除了以上指标外，还应考虑到会议的安全需要，这就要求视频会议终端要有加密功能，不但对入会者要有一定的身份认证，而且对视频会议的数据流也要有加密功能，避免第三方用软件对视频会议内容进行窃听，真正从根本上做好会议保密工作。这也是我们下一步研究的目标。
根据SIP的特性，基于SIP的视频会议终端可以有多种实现方式[31]。可以作为目前通讯软件的插件；可以按照client/server模式，以独立的终端软件实现；还可以构造基于Web的Browse对Server模式终端应用[43]。经研究，独立的终端软件模式比较适用于我们的项目，这样的终端可提供给需要经常使用视频交互的用户使用，操作简单，使用方便，利于扩展。
SIP的视频终端，实际是视频会议系统的子系统，它必须有两个基本的功能： ? SIP会议的发起、管理、终止
? 用户之间完整的视音频交互，如视音频的采集，编解码传输等
除此之外还可以拥有更多人性化的功能，如清晰简便的操作视窗、支持文件传输、支持文字对话等等。
第 21 页
3.2 基于SIP的视频会议终端的设计
3.2.1 视频终端的总体结构
通过以上对视频会议系统和SIP的深入研究，我们可以知道两个SIP的视频会议终端之间进行通信时，先通过SIP建立起连接，这时并不需要多媒体模块的介入；然后再进行多媒体通讯。如图3.1所示：
用户控制模块用户控制模块多媒体模块RTP/RTCPoSIPTCP/UDPoSIPTCP/UDP多媒体模块RTP/RTCPUDP用户AUDP用户BF1F2
图3.1 基于SIP的视频终端之间的基本通信过程
F1 建立SIP会话 F2 进行多媒体通信
根据这一特性，我们将SIP的视频终端划分为三个基本模块：
（1）用户控制模块：为用户提供操作界面，能与用户直接交互，并且用户通过此模块可以控制其它模块和管理其它模块，完成终端程序初始化。
（2）多媒体模块：对视音频进行采集，编解码，播放，传输等。
（3）SIP协议栈：负责双方SIP会议的建立和维护工作，完成全部的SIP信令相关操作。
从上述分析中可以看出，终端中的三个模块各司其职，多媒体模块和SIP协议栈各自独立。工作开始时，先建立SIP会议，再建立媒体连接；工作结束时，先结束媒体连接，再结束SIP通信，并通过用户控制模块交互信息。
综上所述，我们可以给出基于SIP的视频会议终端的结构设计，如图3.2。其中，RTP模块包括负责RTP传输和RTCP监测的功能模块。主要是对本地待发数据RTP封装，对接收到的RTP包进行解封装，并通过对网络RTCP监测，适当的调整本地编解码器策略。以UDP方式从指定端口向远端发送和接收数据。
第 22 页
用户主控程序视音频的接口视频音频编解码RTP/RTCPSIP消息生成oSIPUDPTCP/UDP
图3.2 SIP视频终端结构
3.2.2 用户控制模块
我们将参加会议的用户定义为三种身份：一是会议主持人，指某用户要发起会议，率先使用了会议主持人密码登陆会议管理系统，成为该会议的主持人，在整个会议过程中，可以邀请和逐出其它用户、结束会议、优先发言等；二是会议主席，指参与会议并正持有发言权的用户，会议主席可以允许或拒绝用户加入会议，邀请其它用户加入会议；三是会议参与者，当用户加入该会议后，便可在线查询会议状态信息，在线申请发言，获得发言权时将成为会议主席。可见，会议主持人在整个会议中拥有最高的权力，而且会议主持人是不能被其它用户取代的；会议主席和会议参与者的身份是可以替换的，在整个会议的过程中可以由不同的参与者担任会议主席。我们把用户控制模块分为两种类型，会议主持人终端界面和会议参与者终端界面。
（1）会议主持人终端中的用户控制模块由以下几部分组成： ? 会议发言人视音频窗口：显示当前发言者的图像和声音。 ? 本地视音频窗口：用于显示本地的图像以及声音。
? 会议的控制窗口：显示参加会议所有人员的列表，会议主持人通过点击列表中的用户名，弹出会议控制菜单来进行会议流程控制操作（可以对所有与会人员进行控制操作）。
? 文字交流窗口：可以使用文字与对方进行私下对话，进行相互交流。 （2）会议参与者终端
会议参与者终端界面与主持人界面大体一致，但会议控制功能要简化一些。会议主席只能对普通参与者进行控制操作。例如，同意某用户参加或退出会议；同意某参与者进行发言（同时自己不再拥有发言权）。而普通参与者是不能对其它成员进行控制，只能进行查看在线人员，申请发言、和其它参与者进行私下对话、自动退出会议等操作。
图3.3中表示了不同身份的会议参与者对不同功能模块的控制。
第 23 页
会议主持人会议主席开始/结束会议邀请/驱逐开始/结束私下对话申请/结束发言退出会议会议参与者
图 3.3 用户控制示意图
3.2.3 多媒体处理模块
1. DirectShow的简介[54]
DirectShow是微软公司推出的DirectX多媒体软件开发包中的一个组件。DirectShow技术是建立在DirectDraw和DirectSound组件基础之上的，它通过DirectDraw对显卡进行控制以显示视频，通过DirectSound对声卡进行控制以播放声音。DirectShow提供多媒体流高质量的捕捉与回放，支持多种媒体格式，包括ASF（Advanced Systems Format）、MPEG（Motion Picture Experts Group）、AVI（Audio-Video Interleaved）等等；可以从硬件上捕获媒体数据流；可以自动检测并使用视频和音频加速硬件。因此，DirectShow可以充分发挥媒体的性能，提高运行速度，可以简化媒体播放，媒体间格式转换和媒体捕获等工作。同时，DirectShow还具有极大的可扩展性和灵活性，可以由用户自己创建组件。
2. 多媒体处理模块的设计
多媒体处理模块包含了视音频设备接口，视音频编解码及RTP传输等模块。多媒体处理模块在SIP视频会议终端中负责原始视音频数据的采集、压缩、解压缩和播放。此外，还要做到充分利用网络带宽，调整编解码策略，尽可能迅速而不失真地传送数据。在SIP视频会议终端中实现的是实时的媒体传输系统，SIP终端通过SDP协议，可以与其它终端交换媒体策略。而媒体流的处理是一个独立于SIP处理的线程。我们将采用DirectShow来实现多媒体处理模块。DirectShow以COM的形式提供了强大的多媒体处理功能和完善的框架，基于DirectShow的多媒体系统具有结构简单、方便功能扩展等优点。
第 24 页
视频采集接口视频编解码RTP传输音频设备音频编解码模块视音频接口模块视音频编解码模块 图3.4 多媒体处理模块模型
图像由USB摄像头采集，经过AVI Decompressor做色彩空间转换，得到符合视频编码器要求的输入采样格式，经编码后数据在RTP send中打包发送，语音从声卡采集，经过语音编码器压缩后与视频一起经过RTP发送[46]。视音频捕捉源（Sours Filter）可以采用系统提供的过滤器（Filter）。使用RTP接收端接收视频音频数据，分别由视频解码器和音频解码器进行解码，再分别显示视频和播放音频。视频显示和音频播放采用系统提供的过滤器（Video Render和DirectSound Device）。当对话和媒体通道建立后，SIP多媒体终端内的媒体流分为两路。一路通过RTP接收过滤器来接收其它终端的音视频流，分别通过音频解码过滤器、视频解码过滤器进行解码，由音频播放过滤器、视频显示过滤器进行播放。另一路则通过音频采集过滤器和视频采集过滤器捕捉音视频信号，分别通过音频编码过滤器和视频编码过滤器进行编码，再由RTP发送过滤器进行发送。 3.2.4 SIP协议栈
SIP的视频终端通过SIP协议栈来实现网络传输信令。 1. SIP协议栈在网络协议体系中的层次结构
SIP是一个分层的应用层协议，在实际网络协议应用体系中的位置如图3.5所示：
应用多媒体包应用H.323SIPRTSPRSVPRTCPRTP传输TCPUDP网络IPV6/IPV4链路物理PPPAAL3/4ALL5PPPSonetATMEthernetV.34
图3.5 SIP协议在网络层次中的位置
SIP最低层是语法和编解码；第二层为传输层，定义了在网络上客户端和服务端如何
第 25 页
百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库基于SIP的视频会议终端及其与H.323终端 -(7)在线全文阅读。
相关推荐：