2008/03/18

　　視頻會(huì)議以其方便、快捷、“面對(duì)面”交流的優(yōu)點(diǎn)逐漸得到了人們的認(rèn)可，許多企事業(yè)單位、教育單位，醫(yī)療單位都希望使用視頻會(huì)議來(lái)代替?zhèn)鹘y(tǒng)的會(huì)議形式。在視頻會(huì)議中，與會(huì)者之間主要傳輸?shù)氖且纛l數(shù)據(jù)和視頻數(shù)據(jù)，其中的音頻數(shù)據(jù)顯得更為重要。因?yàn)闀?huì)議中的大部分有用信息都包含在與會(huì)者的言語(yǔ)交流上，所以視頻會(huì)議系統(tǒng)必須保證音頻通信的流暢性和全雙工，才能使視頻會(huì)議更接近于真實(shí)的會(huì)議環(huán)境。

　　DirectX是Microsoft開(kāi)發(fā)的專門用于開(kāi)發(fā)游戲和多媒體軟件的應(yīng)用程序接口(API)，包括了對(duì)二維和三維圖像、聲音、音樂(lè)和針對(duì)網(wǎng)絡(luò)多人游戲的網(wǎng)絡(luò)通信的強(qiáng)大支持。DirectX是一種標(biāo)準(zhǔn)的軟件接口，所有主要的硬件供應(yīng)商都提供支持DirectX的驅(qū)動(dòng)設(shè)備，應(yīng)用DirectX的軟件可以在不同的硬件環(huán)境下正常運(yùn)行。另一方面，DirectX能根據(jù)所使用的不同硬件，來(lái)選擇適當(dāng)?shù)姆绞绞褂糜布�加速能力，便于開(kāi)發(fā)高質(zhì)量的多媒體和游戲軟件。在DirectX所提供的眾多組件中，用于音頻處理的是Direct Sound組件。為保證視頻會(huì)議系統(tǒng)中語(yǔ)音的流暢性，需要采用Direct Sound中提供的Streaming Buffer(流式緩沖)機(jī)制來(lái)實(shí)現(xiàn)。而為了保證視頻會(huì)議系統(tǒng)中的全雙工音頻通信，主要利用的則是Direct Sound中的混音機(jī)制來(lái)實(shí)現(xiàn)。
利用Streaming Buffer實(shí)現(xiàn)流暢的語(yǔ)音交流
　　Direct Sound中提供了兩種緩沖機(jī)制，分別是Static Buffer(靜態(tài)緩沖)和Streaming Buffer(流式緩沖)。Static Buffer指一次將一段完整的聲音存入緩沖中；Streaming Buffer指的是并不將全部的數(shù)據(jù)一次讀入緩沖，而是在播放聲音時(shí)動(dòng)態(tài)地讀入，占用空間較小。一般來(lái)說(shuō)，如果聲音需要反復(fù)播放而且容量有限(如游戲音效)，使用Static Buffer更有助于提高程序的效率；相反，如果是容量很大、實(shí)時(shí)性要求較高的音頻數(shù)據(jù)流，則使用Streaming Buffer為佳。在視頻會(huì)議系統(tǒng)中，如使用Static Buffer，則在向緩沖區(qū)寫入新的音頻數(shù)據(jù)時(shí)，聲音的回放必然出現(xiàn)短暫停頓，使與會(huì)者的完整話語(yǔ)不能夠連續(xù)播放，影響通話的流暢性，而Streaming Buffer可克服語(yǔ)音不連續(xù)的缺點(diǎn)。
　　Streaming Buffer提供了兩個(gè)指針：Play Cursor(回放游標(biāo))和Write Cursor(寫入游標(biāo))，它們的值只是相對(duì)于緩沖區(qū)開(kāi)頭的偏移量而非絕對(duì)的內(nèi)存地址。其中Play Cursor總是指向下一個(gè)被輸出的數(shù)據(jù)字節(jié)，而Write Cursor指向的地址則指明從哪個(gè)地方開(kāi)始可以安全地寫入新的音頻數(shù)據(jù)而不影響回放。按回放音頻數(shù)據(jù)的順序來(lái)看，Write Cursor總是在Play Cursor之前，并且它們間保持著一定的間距，而這個(gè)間距會(huì)根據(jù)不同的系統(tǒng)狀況而有所不同，實(shí)驗(yàn)表明這個(gè)間距大概是100～200字節(jié)左右。當(dāng)開(kāi)始對(duì)緩沖區(qū)中的音頻數(shù)據(jù)進(jìn)行循環(huán)模式回放時(shí)，總是在Play Cursor所指的地方開(kāi)始�；胤藕驪lay Cursor和Write Cursor會(huì)保持它們的間距等速度前移，并且Play Cursor總是指向下一個(gè)被輸出的數(shù)據(jù)字節(jié)。當(dāng)回放到達(dá)緩沖區(qū)的結(jié)尾處時(shí)，Play Cursor將重新指向緩沖區(qū)的開(kāi)頭，如此循環(huán)下去。而當(dāng)程序停止對(duì)Streaming Buffer中的音頻數(shù)據(jù)進(jìn)行回放時(shí)，Play Cursor則不再移動(dòng)，并停留在下一個(gè)被輸出的數(shù)據(jù)字節(jié)處，直到重新回放才會(huì)繼續(xù)前移。另外，在Play Cursor和Write Cursor之間的區(qū)域被認(rèn)為是即將要進(jìn)行回放的數(shù)據(jù)，所以不能夠?qū)ζ渥龈�新。在理解了Streaming Buffer的基本工作方式后，接下來(lái)詳細(xì)闡述如何用Visual C＋＋作具體實(shí)現(xiàn)，其中會(huì)涉及到一些Visual C＋＋的函數(shù)，具體可參考Microsoft MSDN。
　　在程序中，設(shè)置一個(gè)大小為一幀音頻數(shù)據(jù)的大小(一般相當(dāng)于0.25秒的語(yǔ)音)的2倍的Streaming Buffer。并且在Streaming Buffer的正中間和結(jié)尾處分別設(shè)置標(biāo)志一個(gè)觸發(fā)事件。程序開(kāi)始時(shí)，通過(guò)調(diào)用Play函數(shù)對(duì)Streaming Buffer中的數(shù)據(jù)進(jìn)行循環(huán)回放。當(dāng)Play Cursor到達(dá)正中間和結(jié)尾時(shí)，事件就會(huì)產(chǎn)生，就可以通過(guò)程序向緩沖區(qū)寫入新一幀的音頻數(shù)據(jù)。在寫入新一幀音頻數(shù)據(jù)的過(guò)程中，首先調(diào)用Lock函數(shù)鎖定緩沖區(qū)中的部分，此時(shí)的Write Cursor被鎖定不再前移，而Play Cursor將跟隨著聲音的回放繼續(xù)前進(jìn)；利用回放Play Cursor和Write Cursor間的音頻數(shù)據(jù)的一段時(shí)間內(nèi)，根據(jù)鎖定時(shí)獲得的lplpvAudioPtr1(此時(shí)的lplpvAudioPtr1指向的地方就是鎖定時(shí)Write Cursor的所指的地方)，lpdwAudioBytes1(可安全寫入的音頻數(shù)據(jù)大小)等與Streaming Buffer相關(guān)的參數(shù)lplpvAudioPtr2、lpdwAudioBytes2等信息，把數(shù)據(jù)在指定的地方寫入緩沖區(qū)，然后調(diào)用Unlock函數(shù)解除對(duì)Write Cursor的鎖定。這樣，Write Cursor重新調(diào)整回與Play Cursor保持100～200字節(jié)間距的地方，繼續(xù)對(duì)新的音頻數(shù)據(jù)進(jìn)行回放。上述這個(gè)過(guò)程在整個(gè)程序的運(yùn)行過(guò)程中，不斷地循環(huán)進(jìn)行，如圖1所示，實(shí)現(xiàn)了在對(duì)Streaming Buffer中舊一幀音頻數(shù)據(jù)進(jìn)行回放的同時(shí)寫入新一幀的音頻數(shù)據(jù)。
　　從理論上講，這已經(jīng)保證了音頻回放的流暢性。但在實(shí)現(xiàn)過(guò)程中，由于操作的對(duì)象是一幀的音頻數(shù)據(jù)，其回放的時(shí)間僅是0.25秒，所以必須考慮的一個(gè)問(wèn)題是程序的反應(yīng)速度問(wèn)題。如果忽略由事件觸發(fā)到真正用Lock函數(shù)鎖定緩沖區(qū)的部分以進(jìn)行新數(shù)據(jù)寫入之間的時(shí)間，則這種實(shí)現(xiàn)方法沒(méi)有任何問(wèn)題。除了最開(kāi)始的兩幀數(shù)據(jù)外，新的一幀數(shù)據(jù)會(huì)緊跟在前一幀數(shù)據(jù)之后，彼此之間沒(méi)有重疊部分，也沒(méi)有空隙存在，能很好地達(dá)到音頻回放的流暢效果。但事實(shí)上，由事件觸發(fā)到真正用Lock函數(shù)鎖定緩沖區(qū)的部分以進(jìn)行新數(shù)據(jù)的寫入之間還必須經(jīng)過(guò)線程監(jiān)聽(tīng)到事件，分析事件對(duì)應(yīng)的緩沖區(qū)，然后再觸發(fā)相應(yīng)的回調(diào)函數(shù)來(lái)進(jìn)行
　　上面所述的新一幀音頻數(shù)據(jù)的寫入過(guò)程。而這一系列分析工作所占用的時(shí)間是會(huì)隨系統(tǒng)當(dāng)時(shí)的狀況而變化的，是一個(gè)隨機(jī)的時(shí)間長(zhǎng)度，所以每次對(duì)緩沖區(qū)用Lock函數(shù)鎖定緩沖區(qū)的部分時(shí)，Write Cursor所在的位置都會(huì)不同，這樣就造成新的一幀數(shù)據(jù)并不一定會(huì)嚴(yán)格地緊跟在前一幀數(shù)據(jù)之后，它們之間可能會(huì)出現(xiàn)重疊部分，也可能會(huì)有空隙出現(xiàn)，不利于音頻數(shù)據(jù)的連續(xù)播放。如果出現(xiàn)重疊部分，那么回放造成有部分的音頻數(shù)據(jù)丟失；如果有空隙的出現(xiàn)，會(huì)造成語(yǔ)音的不連續(xù)或混亂。但經(jīng)過(guò)調(diào)試，仔細(xì)分析了由事件觸發(fā)到真正用Lock函數(shù)鎖定緩沖區(qū)的部分以進(jìn)行新數(shù)據(jù)寫入之間的時(shí)間后，發(fā)現(xiàn)它對(duì)鎖定時(shí)Write Cursor所在位置的偏差產(chǎn)生的波動(dòng)不大，一般由此產(chǎn)生的重疊部分或空隙部分都在50字節(jié)左右，也就是說(shuō)平均每幀數(shù)據(jù)中會(huì)有50字節(jié)的錯(cuò)誤。在程序中，指定的一幀音頻數(shù)據(jù)為2000字節(jié)(與0.25秒相對(duì)應(yīng))，所以會(huì)有大概2.5%的音頻數(shù)據(jù)會(huì)出錯(cuò)。如果以所采用的音頻格式來(lái)計(jì)算，8KSPS(采樣率)*8Bit(每個(gè)采樣用8位表示)=64KBit/s=8KB/s，那么這2.5%的錯(cuò)誤在每秒鐘內(nèi)對(duì)應(yīng)的會(huì)是0.025s的音頻數(shù)據(jù)，基本上人的聽(tīng)力是難以分辨的。所以在采用Streaming Buffer依然能很好地達(dá)到了音頻的流暢性要求。
　　上面只闡述了音頻回放的實(shí)現(xiàn)方法，但作為整個(gè)視頻會(huì)議系統(tǒng)中的音頻功能來(lái)說(shuō)，還必須有音頻采集部分跟它相配合。音頻采集部分的實(shí)現(xiàn)方法與回放模塊的基本原理是一樣，都是利用Streaming Buffer來(lái)實(shí)現(xiàn)，故此處不再詳述。
利用混音機(jī)制實(shí)現(xiàn)全雙工音頻通信
　　Direct Sound中有Primary Buffer(主緩沖區(qū))和Secondary Buffer(輔助緩沖區(qū))兩個(gè)緩沖區(qū)。前面所述的Streaming Buffer屬于Secondary Buffer。在初始化DirectSound時(shí)，它會(huì)自動(dòng)創(chuàng)建一個(gè)Primary Buffer，這個(gè)主緩沖的作用就是進(jìn)行混音并把混音結(jié)果送到輸出設(shè)備。除了Primary Buffer外，程序至少還應(yīng)該創(chuàng)建一個(gè)Secondary Buffer，輔助緩沖的作用是儲(chǔ)存將要使用的聲音，在不使用的時(shí)候可以釋放掉，但Primary Buffer是不可釋放的。用DirectSound實(shí)現(xiàn)同時(shí)播放多個(gè)聲音，前提是硬件允許。其工作過(guò)程如下，當(dāng)程序同時(shí)對(duì)多個(gè)Secondary Buffer中的音頻數(shù)據(jù)進(jìn)行回放時(shí)，Direct Sound會(huì)把這些來(lái)自于不同Secondary Buffer的聲音在主緩沖區(qū)進(jìn)行自動(dòng)混音，然后通過(guò)輸出設(shè)備輸出，如圖2所示。所以通常情況下，用戶并不需要和主緩沖打交道，DirectSound會(huì)自行管理。視頻會(huì)議系統(tǒng)的全雙工音頻通信功能，就是利用DirectSound的這一混音機(jī)制達(dá)到的。
　　視頻會(huì)議中要實(shí)現(xiàn)的全雙工音頻通信功能并不僅限于兩個(gè)與會(huì)者之間的全雙工通信，而應(yīng)該擴(kuò)展為會(huì)議的每個(gè)者都能根據(jù)需要，同時(shí)聽(tīng)到其他與會(huì)者的講話，以達(dá)到很好的討論交流效果。為此，在程序中為每個(gè)與會(huì)者分配一個(gè)緩沖數(shù)組，數(shù)組的大小與一幀音頻數(shù)據(jù)大小相同。系統(tǒng)開(kāi)始運(yùn)行后，程序一方面把各個(gè)與會(huì)成員的音頻數(shù)據(jù)幀接收下來(lái)，然后根據(jù)用戶標(biāo)識(shí)把它們分別保存在相應(yīng)的緩沖數(shù)組中，并按照時(shí)間順序排列好，而且會(huì)為每個(gè)用戶創(chuàng)建一個(gè)Streaming Buffer用于音頻回放。另一方面，開(kāi)始對(duì)各個(gè)用戶對(duì)應(yīng)的Streaming Buffer里的內(nèi)容進(jìn)行循環(huán)播放回放和更新，而更新的音頻數(shù)據(jù)由各個(gè)用戶的緩沖數(shù)組順序提供。這樣，不同用戶的音頻信息會(huì)自動(dòng)被Direct Sound進(jìn)行混音，并把混音的結(jié)果放到Primary Buffer中，再?gòu)妮敵鲈O(shè)備輸出，從而達(dá)到所需的效果。
結(jié)束語(yǔ)
　　DirectX技術(shù)大大方便了各種多媒體軟件的開(kāi)發(fā)，已經(jīng)獲得廣泛采用。通過(guò)聯(lián)合使用DirectX中提供的Streaming Buffer機(jī)制和混音機(jī)制，在視頻會(huì)議系統(tǒng)中實(shí)現(xiàn)了流暢的全雙工音頻通信，使用效果令人滿意。

www.cps.com.cn