1.引言
對于重親情和友情的中國人來講，可視電話是普通百姓盼望已久的通信方式�？梢曤娫捠羌ㄐ偶夹g(shù)、計算機技術(shù)、音視頻處理技術(shù)等為一體的產(chǎn)品，是信息技術(shù)發(fā)展的方向。目前可視電話從產(chǎn)品類型上分主要有兩種：一種是基于PC機的可視電話；另一種是脫離PC的一體化可視電話；從信號傳輸線路上分主要有：基于ISDN，ADSL等的寬帶可視電話和基于PSTN的窄帶可視電話。PSTN在中國已經(jīng)發(fā)展了幾十年，是目前覆蓋最廣、最為經(jīng)濟、群眾基礎(chǔ)最為廣泛的的通信網(wǎng)。因此在PSTN網(wǎng)絡(luò)上實現(xiàn)簡易便于推廣的可視電話仍然有很強的現(xiàn)實意義。
我國基于PSTN可視電話的標(biāo)準是依據(jù)ITU-T H.324制定的。目前市面上所有的PSTN可視電話基本采用MCU+專用ASIC芯片來實現(xiàn)H.324協(xié)議所要求的音視頻編碼以及協(xié)議控制，或者處理器+DSP架構(gòu)的方案，系統(tǒng)構(gòu)成復(fù)雜。本文提出一種新的基于RISC架構(gòu)嵌入式平臺的可視電話，實現(xiàn)了系統(tǒng)構(gòu)成簡單的無線可視電話。該方案可開發(fā)出獨立的可視電話終端，并可用于通信，監(jiān)控等領(lǐng)域。
2.H.324協(xié)議簡介
圖-1 為H.324 協(xié)議的框圖，圖中框內(nèi)為建議H.324 協(xié)議范圍。建議內(nèi)容主要包括H.263/H.261 視頻編解碼協(xié)議、G.723 音頻編解碼協(xié)議、V.14 數(shù)據(jù)協(xié)議、H.223 復(fù)用/解復(fù)協(xié)議、H.245 控制協(xié)議以及Modem（控制協(xié)議）等，可參見參考文獻［1］。
圖-1 H.324 協(xié)議框圖
在PSTN 網(wǎng)絡(luò)上傳輸?shù)痛a率的音視頻信息必須進行壓縮編碼，在H.324 協(xié)議中，音視頻編解碼是核心內(nèi)容之一H.263 是由ITU 定義，支持用于視頻會議和視頻電話應(yīng)用程序的視頻編解碼。H.263 基于H.261 編碼發(fā)展而來，是特別面向低碼率的視頻編碼而設(shè)定，能在最低帶寬為 20K 到 24Kbit/sec 上傳輸?shù)囊曨l流。G.723.1 是ITU 組織針對電話帶寬的語音信號推出的一種雙速率語音編解碼標(biāo)準，最低能以5.3Kbps 的速率傳輸音頻流。
3. 基于ARM處理器S3C2440A系統(tǒng)硬件平臺構(gòu)成
圖-2 系統(tǒng)硬件架構(gòu)
整體硬件架構(gòu)圖如圖-2 所示。
（1） 系統(tǒng)的核心為基于RISC 架構(gòu)的ARM 處理器S3C2440.該處理器韓國三星電子推出的一個16/32-bit RISC 小型高性能微處理器。采用速度最高可達533MHz 的ARM920T 內(nèi)核， 可提供面向普通系統(tǒng)外設(shè)的各種功能，因此不需增加額外器件，在降低系統(tǒng)復(fù)雜度的同時，向終端用戶提供Camera 接口、TFT 及STN 液晶顯示器的功能及SD/MMC/SDIO 卡插槽等附加設(shè)備。該處理器性能強大，能夠滿足H.263 編解碼以及G.723.1 編解碼的運算要求�？蓞⒁妳⒖嘉墨I［9］。
（2） 系統(tǒng)的視頻采集部分：采用30 萬像素的CMOS Camera OV9650ESL.該器件最高能采集1280*1024 的像素陣列，足夠滿足系統(tǒng)的需求。利用S3C2440A專有的Camera 控制器對視頻數(shù)據(jù)進行采集，并采用IIC 總線對其進行配置曝光時間，白平衡等參數(shù)。
（3） 系統(tǒng)的顯示部分：采用LG 的3.5 寸65K 色TFT 液晶顯示屏，該屏幕分辨率為320*240，滿足系統(tǒng)需求。在本設(shè)計中，利用處理器的液晶數(shù)據(jù)接口對液晶屏幕的對其進行配置顯示格式，并利用SDRAM 作為顯示存儲區(qū)域，利用S3C2440A 集成的LCD 控制器對液晶屏幕進行輸出顯示。
（4） 系統(tǒng)的音頻輸入輸出部分：采用Codec 芯片UDA1341，該音頻芯片內(nèi)部集成ADC 以及DAC，通過接駁MIC，SPEAKER 來組成系統(tǒng)的音頻的采集與播放功能。該芯片通過IIS 總線與CPU 進行數(shù)據(jù)的傳輸，并可以通過L3-BUS設(shè)置其采集速率，增益等。
（5） 與PSTN 網(wǎng)絡(luò)接口部分：為實現(xiàn)在PSTN 網(wǎng)絡(luò)上傳輸數(shù)據(jù)，遵從H.324 協(xié)議，采用Conexant 的CX06833.該芯片通過UART 接口與CPU 相連接，并提供PSTN 網(wǎng)絡(luò)接口�？蓞⒁妳⒖嘉墨I［10］
（6） 系統(tǒng)存儲部分：內(nèi)存采用型號為IS42S32200 的SDRAM，芯片的容量大小為8MBYTE，用于運行軟件系統(tǒng)。程序存儲采用SST39VF320X，該芯片為NOR型FLASH 用于存儲程序，容量大小為4MBYTE.
4. 系統(tǒng)軟件的實現(xiàn)
系統(tǒng)的流程見圖-3。
圖-3 系統(tǒng)軟件流程
在硬件系統(tǒng)上電后，軟件對硬件做初始化即進入待機狀態(tài)。當(dāng)摘機后，CPU 通過modem內(nèi)置的模擬電話控制進行模擬通話。通話雙方均按可視建，經(jīng)過H.245 協(xié)議協(xié)商，開始建立可視。
系統(tǒng)通過CMOS Camera 采集視頻，在SDRAM 中開辟一段內(nèi)存用于視頻內(nèi)容的緩存，H.263 編碼部分從該緩存中按照一定的幀率取出圖像進行編碼。CPU 控制Codec 芯片通過MIC 進行語音的采集，同樣在SDRAM 中開辟用于存儲音頻的緩存，G.723.1 編碼成碼流。
H.223 將視頻碼流、音頻碼流及控制數(shù)據(jù)碼流復(fù)用，通過modem 調(diào)制到PSTN 網(wǎng)絡(luò)上進行模擬線路的傳輸。
從 MODEM 獲得的數(shù)據(jù)碼流則解復(fù)成音頻及視頻碼流。H.263 碼流解碼后，以固定的幀率刷新顯存。ARM 將顯存中的數(shù)據(jù)通過內(nèi)置的TFT 控制器，傳輸?shù)? 寸 320*240 的液晶顯示屏上顯示。G.723.1 碼流通過G.723.1 解碼器解碼，輸出到codec 芯片，通過功放推動揚聲器播放。
4.1 系統(tǒng)硬件的初始化
在 S3C2440 中，內(nèi)含名為Stepping Stone 的4K 的SRAM，可用做bootloader，用于系統(tǒng)的初始化。系統(tǒng)上電啟動時，將Flash 中的初始化程序段讀入SRAM 中，初始化CPU 內(nèi)部的時鐘，SDRAM 控制器，看門狗，中斷等。并初始化memory system，將FLASH 中的程序搬移到SDRAM 中，系統(tǒng)主程序運行在SRAM 中。進入主程序后，初始化GPIO，液晶屏幕，Camera，keyboard 等等外設(shè)。初始化完畢，系統(tǒng)進入待機，等待摘機。
4.2 H.263編解碼模塊
在RISC架構(gòu)的嵌入式系統(tǒng)中實現(xiàn)可視通話的關(guān)鍵之一是如何實現(xiàn)H.263編解碼。H.263協(xié)議是很成熟的一個視頻編碼壓縮協(xié)議，見圖-4.在本文中對H.263協(xié)議不詳述，僅介紹在基于ARM處理器的系統(tǒng)中如何實現(xiàn)，具體可參見參考文獻［2］。
4.2.1 H.263編碼
圖-4 H.263 編碼框圖
在如圖-4 所示，H.263 編碼器主要由4 部分組成：變換編碼T，量化Q，預(yù)測P，熵編碼VLC;對于實際應(yīng)用的編碼系統(tǒng)，碼流控制CC 也必不可少的部分。圖中有 2 個單刀雙置開關(guān)，用于選擇INTRA 和INTER.判斷當(dāng)前幀的類型，判斷之后分成INTRA 和INTER的分支，分別進行處理。
在本系統(tǒng)中，H.263 編碼器過程是：
在函數(shù)處理層在H.263 編碼任務(wù)發(fā)出后，即調(diào)用處理函數(shù)Video_encode 進行編碼，從內(nèi)存中讀出一幀圖像，判斷當(dāng)前幀的類型。如圖-5 所示。
圖-5 H.263 編碼軟件流程
1）INTRA 幀情況。此時開關(guān)撥到上面的開關(guān)。視頻幀分塊后的當(dāng)前塊（目前處理的視頻塊）輸入經(jīng)過變換編碼，量化后進行熵編碼作為碼流輸出；量化結(jié)果再經(jīng)過反量化和反變換作為參考幀儲存。最后調(diào)用重構(gòu)圖像進行去塊效應(yīng)濾波。
函數(shù) CodeOneIntra（）對當(dāng)前幀按照I 幀進行編碼，該函數(shù)輸入為：
H263ENCODE_MEMORY * mems 編碼信息結(jié)構(gòu)體指針。
H.263ENCODE_MEMORY{
重建幀結(jié)構(gòu)指針，參考幀結(jié)構(gòu)指針，重建宏塊結(jié)構(gòu)指針， 參考宏塊結(jié)構(gòu)指針，解碼圖像參數(shù)結(jié)構(gòu)指針，解碼后系數(shù)，宏塊參數(shù)結(jié)構(gòu)指針，解碼過程結(jié)構(gòu)指針}
2）INTER 幀情況。此時開關(guān)撥到下面的開關(guān)。視頻幀分塊后的當(dāng)前塊首先在參考幀搜索區(qū)域中進行運動估計得到預(yù)測塊（參考幀中與當(dāng)前塊最相近的塊），同時得到運動矢量， 運動矢量熵編碼作為碼流輸出。 預(yù)測塊與當(dāng)前塊相減得到差值圖像，對差值圖像進行變換編碼，量化后進行熵編碼作為碼流輸出。
4.2.1 H.263解碼
下圖6是H.263 解碼器系統(tǒng)框圖：
圖-6 H.263 解碼器框圖
如圖-6 所示，H.263 解碼器與編碼器對應(yīng)，也有4 個主要部分：反熵編碼，反量化（Scale），反DCT（IDCT），運動估計Motion Estimation.圖2 簡單示意了INTER 幀解碼的過程，即IDCT 之后的結(jié)果都與運動估計結(jié)果相加，但在INTRA 幀時候，不需要與運動估計預(yù)測結(jié)果相加。可以看出， 解碼器相對于編碼器， 流程比較簡單。
H.263 解碼過程是：
1）INTRA 幀情況，對碼流中幀內(nèi)系數(shù)碼流進行反熵編碼，反量化，IDCT 即完成視頻幀的解碼，得到視頻數(shù)據(jù)輸出；2）INTER 幀情況，對差值進行反熵編碼，反量化，IDCT，得到的結(jié)果與運動估計預(yù)測塊相加，完成運動補償，隨后得到視頻數(shù)據(jù)輸出；4.3 G.723.1編解碼。
本系統(tǒng)的另一個關(guān)鍵是在嵌入式架構(gòu)上實現(xiàn)G.723.1 的編解碼。該標(biāo)準能夠?qū)斎氲哪M語音信號用8kHz 采樣，16bit 線性PCM 量化的語音信號壓縮成6.3Kbps 或5.3Kbps 的比特流。G. 723. 1 的兩種碼率根據(jù)不同需求可供選擇，高碼率為6. 3kb/s， 采用多脈沖最大似然量化（MP-MLQ）編碼算法，具有較高的重建語音質(zhì)量； 低碼率為5. 3kb/s，以ACELP 算法為基礎(chǔ)， 計算復(fù)雜度則較低。本系統(tǒng)中采用ACELP 算法的低碼率語音壓縮。限于篇幅，本文在此不詳述，可參閱參考文獻［6］與［8］。
4.4 H.245協(xié)議的實現(xiàn)
H.245協(xié)議的全稱是多媒體通信控制協(xié)議，他給出了一組用于描述終端信息，帶寬協(xié)商等食物消息的語法和語義，主要提供端到端的信令功能，以便通信雙方能正確的互聯(lián)。H.245的信令控制H.324系統(tǒng)的操作，包括能力交換，邏輯通道的打開和關(guān)閉，模式優(yōu)先請求，復(fù)用表項傳輸，流量控制消息，通用命令和指示�？蓞⒁妳⒖嘉墨I［4］。
在系統(tǒng)實現(xiàn)的時候，利用SRP簡單重傳協(xié)議提供可靠的H.245碼流的傳輸，采用一個發(fā)送標(biāo)記，當(dāng)發(fā)送一個命令幀后，激活該標(biāo)記，此時后續(xù)的命令幀都不進行發(fā)送，當(dāng)收到相應(yīng)幀后，清除該標(biāo)記，發(fā)送下一個命令幀。期間若有超時沒有收到響應(yīng)幀，則重發(fā)當(dāng)前幀；若重發(fā)多次仍沒有收到響應(yīng)幀，則終止通信，并報知應(yīng)用程序通信錯誤。整個過程由ARM來進行控制。
4.5 H.223協(xié)議的實現(xiàn)
H.223 協(xié)議是低位率多媒體通信復(fù)用協(xié)議。分為復(fù)用層（MUX）和適配層（AL），AL負責(zé)將從用戶層和IO 層獲取的不同數(shù)據(jù)流轉(zhuǎn)換。AL 分為AL1、AL2、AL3 一共三層，分別進行數(shù)據(jù)和控制碼流、音頻碼流、視頻碼流的傳輸。MUX 將AL 的碼流按照復(fù)用表進行碼流復(fù)用。該協(xié)議由ARM 來完成。具體可參見參考文獻［5］
5 系統(tǒng)實現(xiàn)結(jié)果
該系統(tǒng)在建立穩(wěn)定的模擬通話之后，通信雙方按下可視鍵，建立連接�？梢赃x擇通話的視頻的質(zhì)量，視頻在QCIF（176x144）之下，能穩(wěn)定的達到10 幀的速率，人物清晰，唇形同步活動圖像及伴音之間的同步較好。
6 結(jié)束語
本文介紹了一種基于純RISC架構(gòu)的嵌入式的終端平臺，在該平臺上遵從H.324協(xié)議，很好的實現(xiàn)了可視電話的功能，在QCIF分辨率下，能穩(wěn)定的達到10幀的速率，語音清晰，能達到視頻通話的要求。系統(tǒng)平臺構(gòu)造簡單，在該平臺之上能很容易的進行相應(yīng)的擴展智能化。
參考文獻
［1］ ITU-T Recommendation H.324. Terminal for Low Bit Rate Multimedia Communication， ［M］， 1998
［2］ ITU-T Recommendation H.263， video coding for low bit rate commubication， ［M］， 1998
［3］ An introduction to the ITU-T H.263 video compression standard： concepts， features and implementation
［4］ ITU-T Recommendation H.245. Control Protocol for Multimedia Communication， ［M］， 1998
［5］ ITU-T Recommendation H.223. Multiplexing Protocol for Low Bit Rate Multimedia Communication， ［M］，1998
［6］ ITU 一T.Dual Rate Speech Coder for Multimedia CommunicationTransmitting at5.3 and 6 .3k bit/s，ITU-TRecommendationG .723.1［S］.19 96 -0 3.
［7］ 熊明昭等。 RISC+DSP 架構(gòu)的H.324 電話設(shè)計和實現(xiàn)《計算機與數(shù)字工程》2005/06
［8］ 高小波等。 G.723.1 雙速率語音編解碼算法的DSP 實現(xiàn)《計算機工程與應(yīng)用》2006.33
［9］ S3C2440A datasheet.pdf
［10］ CONEXANT_CX06833-3.pdf
