本文以STi7105 高清機頂盒為基礎，采用SIP 協(xié)議，盡量利用高清互動機頂盒的現(xiàn)有編解碼能力實現(xiàn)視頻通話功能。該方案充分利用了機頂盒的現(xiàn)有模塊及HFC 網(wǎng)絡，但是對語音和視頻的壓縮度不高。隨著科學技術特別是多媒體通信技術的發(fā)展，傳統(tǒng)的語音電話模式越來越不能滿足現(xiàn)代人之間信息交流的需求。隨著圖像、音頻、視頻等多媒體數(shù)據(jù)逐漸成為信息處理領域中的主要媒體表現(xiàn)形式，與傳統(tǒng)語音電話相比，視頻電話可以更加吸引用戶，并可以有效地利用網(wǎng)絡資源，大大降低成本。有線電視網(wǎng)絡在業(yè)務上已經(jīng)實現(xiàn)視頻、數(shù)據(jù)業(yè)務，為適應我國大力推進"三網(wǎng)融合"的步伐，必須能夠?qū)崿F(xiàn)通信業(yè)務，所以實現(xiàn)視頻通話是一項很好的選擇。

　　1 STi7105 芯片簡介

　　STi7105 是意法半導體公司生產(chǎn)的一款高性能高清數(shù)字電視機頂盒解碼芯片，采用先進的半導體生產(chǎn)工藝及完善的優(yōu)化設計，提升各個功能模塊的性能，增加高速數(shù)據(jù)接口，降低耗電量，降低系統(tǒng)的整體材料成本。STi7105 是一款應用范圍很廣的SoC 芯片，可以用于有線高清數(shù)字電視機頂盒、衛(wèi)星高清數(shù)字電視機頂盒、IPTV 機頂盒、多媒體手持設備等。STi7105 芯片的結(jié)構示意圖如圖1。
 

　　圖1 STi7105 示意圖

　　STi7105 芯片內(nèi)部集成了一顆高性能的ST40 應用程序處理器，主頻高達450MHz,實時處理運算能力超過800DMIPS,另外芯片內(nèi)還集成有兩顆實時運算加速器，也可以用于各種運算要求的處理。這樣的處理能力不但可以達到高清機頂盒的要求，還能夠充分滿足家庭多媒體中心的設計需求。

　　STi7105 的TS 流輸入處理模塊可以支持4 路TS流輸入、1 路TS 流輸出，這個處理模塊內(nèi)可以同時處理分解多個碼流，用于同時進行錄像、碼流回放、畫中畫等功能，這些碼流可以來自傳統(tǒng)的數(shù)字電視廣播通道，也可以來自Cable Modem、EoC、以太網(wǎng)等IP 通道，該模塊能為用戶提供靈活的產(chǎn)品開發(fā)模式。

　　STi7105 集成了高性能的視音頻解碼器，其靈活的解碼架構可以滿足目前已有的各種視音頻編碼壓縮格式的解碼要求，也可以通過軟件升級來支持這些標準。在視頻編解碼方面， 它可以支持H.264HP@HL4.1、MPEG -2 MP@HL、VC -1 MP@HL、AP@L3、MPEG -4 P2 ASP@L5、DiVx 格式、RM、RMVB、AVS 等視頻格式，其解碼器可以用于PVR、畫中畫功能，支持1080p 的格式，內(nèi)置的圖像降噪聲處理，增強優(yōu)化的后處理電路能夠給用戶帶來前所未有的優(yōu)美圖像。在音頻編解碼器方面，可以支持MPEG-1 layer I/II、MP3、MPEG -2 layer II、AC -3 DolbyDigital、DD+、AAC、AAC+SBR 等等，也可支持杜比、DTS 的新算法及中國DRA 音頻標準。

　　STi7105 除視音頻解碼功能以外，還具有一定的視音頻的編碼的能力，支持DivX、XviD、H.263 編碼格式。

2 實現(xiàn)及應用

　　2.1 技術協(xié)議

　　視頻通話終端軟件的開發(fā)和應用涉及許多方面的技術，包括信令協(xié)議、分組語音技術、視頻編解碼技術以及流媒體網(wǎng)絡傳輸技術等。

　　2.1.1 信令協(xié)議

　　信令指各個交換局在完成呼叫接續(xù)中的一種通信語言，在通信設備之間傳遞的各種控制信號，如占用、釋放、設備忙閑狀態(tài)、被叫用戶號碼等，都屬于信令。信令系統(tǒng)指導系統(tǒng)各個部分相互配合，協(xié)同運行，共同完成某項任務。目前國際上IP 網(wǎng)絡通信的主要標準有H.323 和SIP (Session Initiation Protocol)，兩者都對視頻電話系統(tǒng)信令提出了完整的解決方案，都是作為多媒體通信的應用層控制(信令)協(xié)議，都利用RTP 作為媒體傳輸協(xié)議。但是兩者的設計風格截然不同，H.323 采用的是傳統(tǒng)的電話信令模式，包括一系列協(xié)議;而SIP 借鑒其他互聯(lián)網(wǎng)協(xié)議，采用基于文本的協(xié)議。

　　SIP 協(xié)議由于其簡單、易于擴展、便于實現(xiàn)等諸多優(yōu)點越來越得到通信業(yè)界的青睞，SIP 在現(xiàn)有通信網(wǎng)向NGN 演進過程中十分重要，正在成為NGN(下一代網(wǎng)絡)的核心協(xié)議之一，而且SIP 協(xié)議已經(jīng)被3GPP工作組定義為第三代移動通信系統(tǒng)的信令協(xié)議以提供IP 多媒體服務，本方案采用SIP 作為信令協(xié)議。

　　SIP 協(xié)議是IETF 制訂用于多方多媒體通信，主要目的是為了解決IP 網(wǎng)中的信令控制以及同軟交換機的通信，從而構成新一代的通信平臺。SIP 協(xié)議采用客戶機/服務器的工作方式，SIP 網(wǎng)絡包含兩類組件：用戶代理(User Agent)和網(wǎng)絡服務器(Network Server)。

　　用戶代理(UA)表示一個終端系統(tǒng)，包括用戶代理客戶端(UAC)和用戶代理服務器端(UAS)，前者產(chǎn)生請求，后者產(chǎn)生對應的響應。UAC 和UAS 是邏輯上的兩個部分，每個終端系統(tǒng)都包含了UAC 和UAS 的功能。

　　SIP 是一個分層體系結(jié)構的協(xié)議，第1 層是語法和編碼層，它的編碼使用擴展的巴科斯范式規(guī)定;第2 層是傳輸層， 它定義了網(wǎng)絡上的客戶機和服務器如何接收請求和發(fā)送響應;第3 層是事務層，事務是SIP的基本元素，事務由客戶機向服務器發(fā)送的請求和從服務器發(fā)回客戶機的所有響應組成，事務層若處理消息超時，則重傳并匹配響應到請求;第3 層是用戶層，每個SIP 實體(除了無狀態(tài)代理)都是事務用戶，當一個事務用戶希望發(fā)送請求時，就創(chuàng)建一個客戶機事務實例以發(fā)送此請求。SIP 提供用戶定位、用戶通信能力協(xié)商、用戶可用性、建立呼叫和呼叫處理與控制等功能。SIP 不提供具體的業(yè)務，不定義會話將如何描述，只提供會話建立功能。SIP 協(xié)議清晰地將會話建立和會話描述區(qū)分開，使SIP 可以成為Internet 上多媒體會話中真正意義上的信令協(xié)議，適用范圍很廣。

　　2.1.2 視頻編碼技術

　　視頻壓縮是多媒體應用中的核心技術，ITU-T 推出的低碼率視頻壓縮標準對推動可視電話的發(fā)展和實用化起到了重要的促進作用。H.261 是ITU-T 推出的第一個低碼率視頻壓縮標準，碼率為P×64kbps,其中P 在1~30 中取值，圖像格式為CIF 和QCIF.H.261壓縮編碼算法的基本思想是利用預測編碼減少時間冗余度，利用變換編碼減少空間冗余度。算法主要由運動估計、運動補償、DCT 變換、量化和霍夫曼編碼構成。

　　H.263 是最早用于低碼率視頻編碼的ITU-T 標準，隨后出現(xiàn)的第二版(H.263+)及H.263++增加了許多選項，使其具有更廣泛的適用性。H.263 是ITU-T為低于64kb/s 的窄帶通信信道制定的視頻編碼標準。

　　它是在H.261 基礎上發(fā)展起來的，其標準輸入圖像格式可以是S-QCIF、QCIF、CIF、4CIF 或者16CIF 的彩色4∶2∶0 亞取樣圖像。H.263 與H.261 相比采用了半像素的運動補償，并增加了4 種有效的壓縮編碼模式。

　　H.264 是由ISO/IEC 與ITU-T 組成的聯(lián)合視頻組(JVT)制定的新一代視頻壓縮編碼標準。對信道時延的適應性較強，既可工作于低時延模式以滿足實時業(yè)務，又可工作于無時延限制的場合。在編解碼器中采用復雜度可分級設計，在圖像質(zhì)量和編碼處理之間可分級，以適應不同復雜度的應用，提高網(wǎng)絡適應性。相對于先期的視頻壓縮標準，H.264 引入了很多先進的技術，包括4×4 整數(shù)變換、空域內(nèi)的幀內(nèi)預測、1/4 像素精度的運動估計、多參考幀與多種大小塊的幀間預測技術等。

　　H.261 與H.263 在視頻通信中應用較廣，H.263 與H.261 相比，增加了若干選項，提供了更靈活的編碼方式，壓縮效率大大提高，更適應網(wǎng)絡傳輸。H.264 標準的推出，是視頻編碼標準的一次里程碑式的重要進步，它與H.263、H.261 相比，具有明顯的優(yōu)勢，特別是編碼效率的提高，使之能用于許多新的領域。由于STi7105 芯片視頻編碼能力有限，所以我們視頻編碼選用H.263 格式。

　　2.1.3 音頻編碼技術

　　語音通信是可視電話最基本的功能，受網(wǎng)絡條件的限制，可視電話通常在較低碼率下工作。ITU-T 推出了一系列語音壓縮標準，其中有G.711、G.723.1、G.

　　728、G.729 和G.729A 等，在可視電話中得到了廣泛應用。當可視電話與普通電話通信時，采用G.711 標準，G.711 為PCM 編碼，只對語音信號進行采樣和量化，產(chǎn)生64kbps 的碼流，G.711 編碼后的語音質(zhì)量高，缺點是占用的帶寬也很高。G.723.1 能夠產(chǎn)生兩種速率的碼流，高速率編碼器使用多脈沖最大自然量化(MP-MLQ)算法，低速率編碼器使用代數(shù)碼激勵線性預測(ACELP)算法。G.729A 是G.729 的簡化版本，其復雜度與G.729 相比降低了50%,語音質(zhì)量略有降低，兩種標準編碼后的碼流可互相解碼。

　　實際選擇語音編解碼算法時，要考慮各種因素，高比特率可以保證良好的語音品質(zhì)，但要占用大量存儲空間，耗費更多資源;而過低的比特率會影響語音的品質(zhì)增加延遲。由于STi7105 芯片音頻處理能力有限，所以我們音頻編碼選用G.711、G.723.1 格式。

　　2.2 系統(tǒng)結(jié)構

　　視頻通話測試系統(tǒng)主要由服務器、傳輸網(wǎng)絡和STi7105 機頂盒終端組成，架構如圖2 所示。

　　圖2 系統(tǒng)結(jié)構示意圖

　　服務器用來控制整個系統(tǒng)的通話過程，服務器的基本功能是按照用戶的要求完成對信令、視頻、話音等信號切換，保證音頻及視頻的連續(xù)性。