影響視頻會議系統(tǒng)視音頻效果的因素

　　1）網(wǎng)絡(luò)的服務(wù)質(zhì)量；

　　2）MCU和終端的性能；

　　3）會議室的設(shè)計。

　　一、網(wǎng)絡(luò)的服務(wù)質(zhì)量（QoS）

　　目前，視頻會議系統(tǒng)常用的網(wǎng)絡(luò)主要有E1專線和IP兩種。E1專線基于電路交換和時分復(fù)用技術(shù)，能夠提供端到端的獨享帶寬，因此網(wǎng)絡(luò)本身具有完善的傳輸質(zhì)量保障機制。在絕大多數(shù)情況下，影響E1專線傳輸效果的主要因素就是傳輸設(shè)備和傳輸線路的質(zhì)量。對于這類因素，我們往往可以通過更換傳輸設(shè)備和降低線路誤碼率進行改善。

　　而IP網(wǎng)基于統(tǒng)計復(fù)用和分組交換技術(shù)，在需要同時傳輸語音、數(shù)據(jù)以及視頻等多種業(yè)務(wù)時，其傳統(tǒng)的“盡力傳遞”機制暴露出很多問題，其中最重要的一點就是無法為每一種業(yè)務(wù)提供端到端的帶寬保證，會導(dǎo)致較大的傳輸延時和抖動。為此，我們必須通過技術(shù)手段對IP網(wǎng)進行優(yōu)化，以減少網(wǎng)絡(luò)本身對視頻會議系統(tǒng)效果的影響。這些技術(shù)手段目前已經(jīng)發(fā)展為IP體系中的一個重要分支，就是服務(wù)質(zhì)量（QoS）。

　　所謂QoS，是指一個網(wǎng)絡(luò)通過多種技術(shù)為某一特定的網(wǎng)絡(luò)流量提供更好服務(wù)的能力，它的主要目的是實現(xiàn)優(yōu)先權(quán)控制，包括帶寬、延時、抖動以及丟包等多個方面。幾乎所有的網(wǎng)絡(luò)都可以利用QoS的優(yōu)勢來獲得最佳的效率。

　　QoS技術(shù)分為三類，包括盡力而為服務(wù)、集成服務(wù)、差分服務(wù)，其中差分服務(wù)應(yīng)用最廣泛。在差分服務(wù)中，網(wǎng)絡(luò)根據(jù)每一個數(shù)據(jù)包的QoS標(biāo)記對數(shù)據(jù)包進行分類、排隊和管理。這些標(biāo)記可以是IP地址、TCP端口號或IP數(shù)據(jù)包中的特定字段。

　　在實際的網(wǎng)絡(luò)規(guī)劃中，就要求網(wǎng)絡(luò)設(shè)備（如路由器）能夠借助于復(fù)雜的流量管理系統(tǒng)，通過多種技術(shù)提供QoS保證機制，根據(jù)業(yè)務(wù)類型劃分不同的優(yōu)先等級，比如語音最優(yōu)、視頻其次、數(shù)據(jù)最后，然后根據(jù)這些優(yōu)先級別分配網(wǎng)絡(luò)資源。

　　對于視頻會議而言，為了保證視頻業(yè)務(wù)的帶寬，路由器必須能夠在通過的IP數(shù)據(jù)流中識別出視頻業(yè)務(wù)數(shù)據(jù)包并對其分類，然后再通過擁塞管理機制提供帶寬保證和優(yōu)先傳遞服務(wù)。這樣，在網(wǎng)絡(luò)發(fā)生擁塞時，就可以保證語音和視頻業(yè)務(wù)的傳輸效果了。目前主流路由器廠商均可提供基于分類、標(biāo)記與擁塞管理的QoS支持。

　　二、MCU和終端的性能

　　除了網(wǎng)絡(luò)應(yīng)該提供良好的QoS保障機制外，視頻會議系統(tǒng)設(shè)備本身也應(yīng)該具有良好的性能才能真正保證會議的效果。這些性能因素包括系統(tǒng)采用的視音頻編解碼技術(shù)、設(shè)備的設(shè)計結(jié)構(gòu)、設(shè)備本身對惡劣網(wǎng)絡(luò)環(huán)境的適應(yīng)能力以及其他方面。

　　1、視音頻編解碼技術(shù)

　　視音頻編碼技術(shù)是視頻會議系統(tǒng)的關(guān)鍵技術(shù)指標(biāo)，是影響會議效果的重要因素。目前視頻會議系統(tǒng)中用到的視頻編碼技術(shù)主要有H.261、H.263、H.264、MPEG-2、MPEG-4等，音頻編碼技術(shù)主要有G.711、G.722、G.728、G.729、MP3等。

　　其中，H.264和MPEG-4這兩種視頻編碼技術(shù)能夠在低帶寬下實現(xiàn)高清晰的動態(tài)圖像效果，而且編碼延時小，作為新一代視頻編解碼標(biāo)準(zhǔn)，其優(yōu)勢非常明顯。

　　而在音頻編碼方面，MP3是一種高效的聲音壓縮算法，其頻響范圍在20Hz到20KHz之間，采樣頻率達到44.1KHz，而且支持雙聲道編碼，因此正在獲得越來越廣泛的應(yīng)用。

　　2、設(shè)備的設(shè)計結(jié)構(gòu)

　　早期有很多視頻會議系統(tǒng)中的MCU和終端均采用PC作為硬件結(jié)構(gòu)，操作系統(tǒng)則基于Windows。這類設(shè)備在編解碼性能、包轉(zhuǎn)發(fā)效率以及穩(wěn)定性、安全性等方面均存在很大的局限性，導(dǎo)致會議視音頻質(zhì)量不高、延時較大。

　　作為專業(yè)的會議室型應(yīng)用，絕大多數(shù)視頻會議系統(tǒng)現(xiàn)在都選擇基于嵌入式設(shè)計結(jié)構(gòu)的MCU和終端設(shè)備。這主要是因為嵌入式系統(tǒng)指令精簡、實時性高，結(jié)合專用的編解碼DSP，可實現(xiàn)高品質(zhì)、低延時的視音頻信號處理，而且穩(wěn)定性、安全性也高。

　　3、設(shè)備對惡劣網(wǎng)絡(luò)環(huán)境的適應(yīng)能力

　　網(wǎng)絡(luò)的QoS可以在一定程度上保證視頻會議的傳輸效果，但其作用是很有限的，尤其是在一些較為惡劣的網(wǎng)絡(luò)環(huán)境下。視頻會議系統(tǒng)設(shè)備本身對惡劣網(wǎng)絡(luò)環(huán)境的適應(yīng)能力也將對會議效果產(chǎn)生較大的影響。這些適應(yīng)能力包括IP優(yōu)先權(quán)設(shè)置、IP包排序、IP包重復(fù)控制、IP包抖動控制、丟包重傳以及速率自動調(diào)整等。

　　1）IP優(yōu)先權(quán)（IP Precedence）

　　在網(wǎng)絡(luò)規(guī)劃差分服務(wù)方式的QoS技術(shù)時，可通過多種匹配手段對進入數(shù)據(jù)網(wǎng)的業(yè)務(wù)包進行分類，包括IP地址、IP 優(yōu)先權(quán)（IP Precedence）等。

　　其中，利用IP包中的IP優(yōu)先權(quán)部分可以對音頻、視頻和RTCP（Multicast）數(shù)據(jù)流進行優(yōu)先級劃分。當(dāng)網(wǎng)絡(luò)采用IP Precedence進行流量匹配時，可通過視頻設(shè)備發(fā)出的修改過IP Precedence字段信息的視音頻包進行入隊列處理，以保證視頻會議碼流的優(yōu)先傳送。

　　2）IP包排序

　　通常，網(wǎng)絡(luò)的盡力傳遞機制無法保證其轉(zhuǎn)發(fā)的數(shù)據(jù)包的正確次序。對于H.323視頻會議系統(tǒng)，如果視頻設(shè)備按次序接收IP包，將帶來錯序問題，數(shù)據(jù)包的丟失或延遲將導(dǎo)致視頻圖像的凍結(jié)或聲音的中斷或抖動。

　　可通過視頻設(shè)備支持IP包排序功能解決該問題，當(dāng)IP包到達時，視頻設(shè)備將對其次序進行驗證，無序的包被退回，以維護發(fā)送給終端用戶的音頻和視頻流的連續(xù)性。

　　3）IP包重復(fù)控制

　　一個IP包經(jīng)過承載網(wǎng)時可能會產(chǎn)生多個重復(fù)的副本，或為了適應(yīng)惡劣網(wǎng)絡(luò)環(huán)境系統(tǒng)可能采用重傳機制時也會產(chǎn)生多個重復(fù)的副本，這樣將引起視頻圖像的凍結(jié)或聲音中斷。支持IP包重復(fù)控制的視頻設(shè)備可通過該功能來糾正該錯誤，以維護發(fā)送給終端用戶的音頻和視頻流的連續(xù)性。

　　4）抖動控制

　　當(dāng)音頻和視頻IP包離開發(fā)送端時，按照規(guī)則的間隔均勻的排列。在通過網(wǎng)絡(luò)之后，這一均勻的間隔因不同的延時大小而遭到破壞，從而產(chǎn)生抖動。抖動會導(dǎo)致目標(biāo)終端上音頻和視頻流的不連貫性。支持抖動控制的視頻設(shè)備可通過抖動緩存來實現(xiàn)抖動消除，以維護終端用戶接收到的音頻和視頻流的連貫性。

　　5）丟包重傳

　　當(dāng)網(wǎng)絡(luò)擁塞嚴(yán)重時，網(wǎng)絡(luò)設(shè)備（如路由器）會根據(jù)緩存大小并配合相關(guān)處理機制丟掉一些視頻包，視頻會議系統(tǒng)中視頻包是采用UDP協(xié)議進行傳輸?shù)?，而UDP本身沒有重傳機制，因此會導(dǎo)致接收端出現(xiàn)圖像丟幀或馬賽克現(xiàn)象。支持丟包重傳的視頻設(shè)備可通過添加丟包檢測和重傳的機制來保證會議圖像的連貫性。

　　6）自動速率調(diào)整技術(shù)

　　在一些惡劣的網(wǎng)絡(luò)環(huán)境下，降低會議碼率將有助于提高視音頻的連貫性和實際效果。如果視頻設(shè)備支持動態(tài)速率調(diào)整技術(shù)，可以使終端和MCU能通過檢測網(wǎng)絡(luò)上有利和不利的因素來自動適應(yīng)網(wǎng)絡(luò)的容量和性能，通過動態(tài)調(diào)整視頻會議的碼率，為終端用戶提供盡可能好的視頻質(zhì)量。

　　視頻設(shè)備的自適應(yīng)帶寬調(diào)整功能主要是通過檢測數(shù)據(jù)包丟失率來實現(xiàn)的。如果終端檢測到數(shù)據(jù)包丟失率超過了指定的閥值，它將自動降低視頻會議碼率，同時通知其它參會終端做相同的動作，從而提供一個具有最優(yōu)視音頻效果的會議碼率。

　7）唇音同步技術(shù)

　　視頻會議系統(tǒng)中視頻信號和音頻信號是分別編碼、分別傳輸?shù)?，由于IP優(yōu)先級和視音頻包大小等因素的影響，會使視音頻的同步包到達順序不同，引起唇音不同步。

　　影響唇音不同步主要有兩種因素：網(wǎng)絡(luò)傳輸時延和視音頻處理時延不同。

　　當(dāng)音頻和視頻包離開發(fā)送端時，音頻包與對應(yīng)的視頻包保持同步。但是，在通過承載網(wǎng)時，各種隊列算法會對音頻資料包和視頻資料包進行不同的處理。這將打亂音頻資料包與相應(yīng)的視頻資料包的同步關(guān)系。最終的結(jié)果導(dǎo)致聲音與口型失去同步。支持唇音同步的視頻設(shè)備可通過使用IP包中的RTP時間戳信息來糾正這一問題。利用RTP時間戳，設(shè)備能夠確定哪一音頻包與哪一視頻包對應(yīng)。進一步重新調(diào)整相應(yīng)的視音頻包，以保證聲音與口型的同步。

　　在發(fā)送端，處理音頻所花費的時間不同于處理視頻所花費的時間。影響這一問題的因素包括聲速與光速的不同、房間的大小和形狀、音頻和視頻編碼的算法的復(fù)雜性。為了避免時間差，支持唇音同步的設(shè)備可通過在音頻流的出發(fā)點增加一定的延遲，以獲得聲音與口型的同步；也可在接收端增加或減少音頻延遲，以糾正發(fā)送端不恰當(dāng)?shù)难舆t設(shè)置。這樣就保證遠程會場在接收視頻會議聲音和圖像時，實現(xiàn)唇音同步。

　　4、音頻處理技術(shù)

　　1）自動回聲抑制

　　召開多點視頻會議時，每一個會場的聲音編碼器都將音頻包向MCU傳輸，而MCU將發(fā)言會場的音頻包向所有其他會場廣播，當(dāng)視頻會議終端接收音頻包時，將解碼后的音頻流與本地輸入的音頻流進行電平比較，去掉相同的部分，這樣本地的聲音就不會在自己的會場揚聲器傳出，引起音頻的振蕩，從而避免回聲。

　　2）自動增益控制

　　由于優(yōu)先視頻會議使全向式麥克風(fēng)，放置在會場的中心位置，這樣每一個發(fā)言人由于距離麥克風(fēng)的位置不同，麥克風(fēng)接受到的電平也不同。

　　為了保證傳向遠程的音頻電平的平穩(wěn)，在進行編碼時要進行音頻的增益處理，以保證一定范圍內(nèi)的發(fā)言人以同一個音調(diào)發(fā)言，這樣遠程會場的聲音就不會忽高忽低。

　　3）背景噪音消除

　　召開會議時不可避免地會有一些環(huán)境噪音，例如空調(diào)、風(fēng)扇、交流電等電器設(shè)備持續(xù)發(fā)出的環(huán)境噪音，這些聲音嚴(yán)重的影響了會議的音頻質(zhì)量。

　　自動噪聲抑制系統(tǒng)會根據(jù)音頻的高低、持續(xù)情況，判斷是否為環(huán)境噪音，并且進行處理，以達到良好的聲音會議效果。

　　三、會議室的設(shè)計

　　會議室的設(shè)計也是影響視頻會議效果的重要因素之一，包括會場設(shè)備、會場布局、會場環(huán)境等。會議室的設(shè)計涉及的內(nèi)容非常廣泛，限于篇幅，我們下面僅列出部分因素及建議。

　　會場設(shè)備包括攝像機、電視機、話筒以及音響系統(tǒng)等具體的視音頻信號輸入、輸出設(shè)備。結(jié)合不同的會場布局和裝修條件，這些設(shè)備在配置上都應(yīng)該有所差異，才能真正保證會議效果。比如，會場的擴聲系統(tǒng)必須與會場布局進行很好的配合才能真正保證其效果，專業(yè)的擴聲系統(tǒng)設(shè)計依賴于復(fù)雜的聲場測試與反復(fù)調(diào)試過程。

　　會場布局包括總體設(shè)計、會場面積、會場裝修等：

　　1）會場的總體設(shè)計要能逼真地反映現(xiàn)場人物和景物，使與會者有臨場感，以達到視覺與語言信息交流的良好效果，會議室中傳送的圖像包括人物、景象、圖表、文字等，應(yīng)當(dāng)清晰可辨；

　　2）會場的面積建議按平均每人2.2平方米計算；

　　3）為了防止顏色對人物攝像產(chǎn)生的“奪光”及“反光”效應(yīng)，故背景墻應(yīng)具有均勻的淺顏色，通常多采用米色或灰色，以使攝像機鏡頭光圈設(shè)置合適，而房間的其他三面墻壁、地板、天花板等均忌用黑或鮮艷色彩的飽和色，通常采用淺藍色、淺灰色等，每面墻都不適宜用復(fù)雜的圖案話或掛復(fù)雜的畫幅，以免攝像機移動或變焦時圖像產(chǎn)生模糊現(xiàn)象，并增加編碼開銷；

　　4）會議桌布置采用排式。為減少面部陰影，要求采用淺色桌面或桌布，在麥克風(fēng)和桌面之間最好加一層軟性材料，以免造成敲擊桌面時造成太大的響動；

　　5）盡量采用舒適的椅子，同時椅子不要裝小腳輪，限制移動，以防止離開鏡頭；

　　6）為了保證聲絕緣，地上應(yīng)鋪上地毯，天花板應(yīng)裝消音板，四周墻壁應(yīng)裝隔音毯，窗子應(yīng)安裝雙層玻璃，桌子鋪上桌布；

　　7）燈光照度是視頻會議會議室的一個基本的必要條件，由于電視會議召開時間具有隨機性，故室內(nèi)應(yīng)用人工冷光源避免自然光。會議室的門窗需用深色窗簾遮擋。光源對人眼視覺無不良影響。選擇三基色燈(色溫3500K)較為適宜。

　　會場環(huán)境包括室內(nèi)環(huán)境和周圍環(huán)境：

　　1）會議室內(nèi)應(yīng)安裝空調(diào)，以創(chuàng)造穩(wěn)定的溫度、濕度環(huán)境，空調(diào)的噪聲應(yīng)該比較低，如室內(nèi)空調(diào)噪聲過大，就會大大影響該會場的音頻效果。會議室內(nèi)空氣應(yīng)流通；

　　2）會議室應(yīng)設(shè)置在遠離外界嘈雜、喧嘩的位置。會議室的設(shè)置應(yīng)符合防止泄密，便于使用和盡量減少外來噪聲干擾的要求。