基于WebRTC的視頻會議系統(tǒng)的設計與實現

胡 敏，劉六程，劉 鵬

（重慶郵電大學軟件技術中心，重慶 400065）

隨著人類經濟、政治及文化活動的不斷發(fā)展，人與人之間的信息交流愈來愈頻繁，人們渴望得到直觀、真實的交流效果。視頻會議系統(tǒng)可以讓人們遠距離進行實時信息交流，開展協(xié)同工作，提供直觀、真實的音視頻等多種交流方式。此外利用多媒體技術的支持，視頻會議系統(tǒng)可以幫助用戶對各種信息進行處理、加工、反饋，有利于問題的解決［1-2］。視頻會議能提高人們的工作效率，降低遠距離會議的費用。

簡單靈活的SIP協(xié)議不僅可以實現H.323協(xié)議的相關功能，而且擴展性強，可以由純軟件來實現會議功能，在普通的因特網（網絡環(huán)境不穩(wěn)定，帶寬有限）上就可以實現視頻會議的應用。Google于2011年將WebRTC實時音視頻技術開源，為更多研究和開發(fā)視頻會議系統(tǒng)的人員降低了成本，節(jié)約了開發(fā)時間。

計算機與通信技術的高速發(fā)展，以及網絡寬帶的不斷改善，視頻會議將向著更廉價、更優(yōu)質、更便捷的方向發(fā)展，以滿足廣大用戶的需求，硬件視頻會議系統(tǒng)將逐步被軟件視頻會議系統(tǒng)所取代。因此，研究WebRTC和SIP協(xié)議等技術，對研究和開發(fā)基于IP網絡的純軟件視頻會議系統(tǒng)具有重要的價值和意義。

1 WebRTC分析

1.1 WebRTC的背景

在2010年，Google以大約6 820萬美元收購了VoIP軟件開發(fā)商Global IP Solutions公司，并因此獲得了該公司擁有的WebRTC（Web Real Time Communication）技術，并在2011年6月對WebRTC實時通信項目進行了開源。

1.2 WebRTC的結構及分析

WebRTC是基于Web瀏覽器的實時音頻和視頻的通信技術。其結構如圖1所示。該技術主要包括3部分:音頻模塊（Voice Engine）、視頻模塊（Video Engine）和傳輸模塊（Transport）。

1）WebRTC的音頻模塊

圖1 WebRTC結構

音頻部分包含采集、編解碼（iLBC/iSAC）、加密、聲音處理、聲音輸出、音量控制、音視頻同步、網絡傳輸與媒體流控制（RTP/RTCP）等技術。iLBC編解碼器是窄帶編解碼器，采用8 kHz的采樣頻率，支持比特率為15.20 kbit/s和13.33 kbit/s的音頻流;iSAC編解碼器是寬帶編碼器，采用16 kHz或32 kHz的采樣頻率，支持12～52 kbit/s自適應和可變的音頻流范圍。NetEQ技術是動態(tài)的抖動緩存區(qū)和錯誤隱藏算法，降低網絡抖動和包丟失對音頻效果的影響，盡可能保持一個低延遲率語音效果。降噪和回音處理技術（AEC）［3］，能夠提供高質量的語音效果。

2）WebRTC的視頻模塊

視頻部分包含采集、編解碼（VP8）、加密、媒體文件、圖像處理與顯示、網絡傳輸與媒體流控制等技術。VP8視頻編解碼技術，可以滿足實時視頻通信的低延遲特性要求。視頻抖動緩存器（Video Jitter Buffer）和圖像增強技術，減小網絡抖動和包丟失對視頻效果的影響，降低視頻噪聲，增強視頻質量。

2.背向示范法。即體育老師示范時背向學生，和學生同方向站立，讓學生跟隨自己進行同步練習，由于是背向，不利于學生觀察到老師的體前細節(jié)動作，因此背向示范法常用于左右方向動作的演示，如武術的套路教學等。

3）傳輸模塊

實時音視頻的傳輸與控制，采用 RTP［4］與 RTCP［5-6］技術，穩(wěn)定、可靠。此外WebRTC還包含了STUN，ICE，TURN，RTP-over-TCP的關鍵NAT和防火墻穿越技術。WebRTC支持SIP，XMPP/Jingle等信令協(xié)議，還支持跨平臺:Windows，Linux，Mac，Android 等。功能的各部分可擴展，可根據實際環(huán)境進行改進。

WebRTC實時音視頻通信技術能夠滿足帶寬有限的普通網絡環(huán)境下用戶進行實時音視頻交流的需求，對研究視頻會議的音視頻處理等方面具有重要意義。

2 視頻會議系統(tǒng)框架設計

2.1 SIP 協(xié)議

IETF工作組于1999年9月推出了基于IP網絡的會話信令協(xié)議SIP（Session Initiation Protocol）的第一個版本RFC2543［7］;2000年前后，3GPP 把 SIP 作為第三代移動通信系統(tǒng)多媒體的控制協(xié)議;2002年IETF公布了SIP的第二版 RFC3261［8］;2006 年 2 月推出 RFC4353［9］，隨后 IETF發(fā)布了多個關于SIP的RFC文檔。

SIP用于發(fā)起、修改和終止IP網絡上的多媒體會話，文獻［8］中介紹了SIP協(xié)議主要有6類消息，并對其進行了說明，它們分別是 INVITE，BYE，OPTIONS，ACK，REGISTER和CANCEL消息。SIP具有以下5個特點:1）SIP消息基于文本，詞法和語法簡單、可讀性好;2）協(xié)議簡單、擴展性好;3）定位用戶、支持用戶移動性;4）SIP網絡采用IP網絡常用的C/S（客戶端/服務器結構）;5）會話建立的時延較短。文獻［9］中對H.323和SIP作了詳細的分析和比較。

隨著網絡技術的快速發(fā)展，傳統(tǒng)固網、移動網、寬帶互聯(lián)網以及有線電視網等網絡的融合，同時終端朝著智能化的方向發(fā)展。在這樣的網絡環(huán)境中，SIP已經被廣泛地使用和支持。

2.2 SIP會議系統(tǒng)模型

SIP會議系統(tǒng)可分為緊耦合和松散耦合兩種模型［10］。緊耦合會議中使用一個中心節(jié)點來實現對信令的集中控制，而松散耦合會議中沒有集中的SIP信令服務器。其中緊耦合模式包括集中混合模式、系統(tǒng)混合模式和信令集中、媒體流分布模式（如圖2，A，B，C，D，E 為終端，實線為SIP流，虛線為媒體流）。

圖2 信令集中、媒體流分布模式

在圖2中，會議的控制由一個SIP信令控制器來完成，并維護所有終端間的信令連接，完成對終端用戶的控制;媒體流則由各個與會終端分別進行處理，媒體流的分發(fā)可以采用組播或單播的方式。考慮了媒體流分發(fā)過程中會占用大量帶寬資源以及實際網絡環(huán)境中部分節(jié)點或路由支持組播等因素。對于支持組播的網絡，采用組播的方式，最大可能地節(jié)省帶寬，提高帶寬的利用率，便于會議規(guī)模的擴大。該模型媒體流的傳輸過程中沒有混合編碼轉換，處理方便、延遲小。

2.3 會議系統(tǒng)框架設計

RFC4353［11］描述了一個集中式SIP會議系統(tǒng)原始框架。其中定義了一些邏輯實體和應用場景，介紹了如何使用SIP協(xié)議和SIP的擴展來實現一個視頻會議系統(tǒng)。其基本功能包括會議控制和管理、音頻/視頻處理、通信服務（白板，文件共享）等功能模塊。文獻［12］對該框架做了分析和改進。

本系統(tǒng)采用集中控制式，其視頻會議框架結構如圖3所示。該模型主要包括Participant（與會者）、Focus（會議控制中心）、Mixer（媒體混合服務器）、CNS（Conference Notification Server，會議通知服務器）等功能模塊。其中，Focus，CNS和Mixer構成會議服務器，完成視頻會議的核心功能。文獻［13］中給出了該模型中部分模塊的功能的介紹。

圖3 視頻會議系統(tǒng)框架

3 會議系統(tǒng)的實現

3.1 會議控制中心的實現

Focus主要控制會議的建立或退出、與會者加入或退出等。Focus的功能是在開源軟件Asterisk的基礎上設計和修改的。Asterisk具有一個SIP協(xié)議棧和RTP協(xié)議棧，實現了一個具有基本功能的語音會議系統(tǒng)Meetme，其結構如圖4所示。修改后，如圖5采用TCP傳輸SIP，增強會議控制的可靠性，增加RTCP協(xié)議實現對媒體流的實時控制，及時反饋帶寬資源的使用情況，當出現擁塞時，視頻發(fā)送端根據反饋參數調節(jié)視頻的幀數，保證會議的連續(xù)性和穩(wěn)定性。

3.2 客戶端的實現

與會者通過客戶端完成注冊后，可以使用音視頻交流、白板、文件傳輸與共享等通信服務功能。對于音頻和視頻的采集、編解碼、圖像和聲音同步、顯示、傳輸等分別采用 WebRTC 中的 Voice Engine，Video Engine，Transport技術來完成，其結構如圖6所示。

圖6 客戶端結構

3.3 媒體混合服務器的實現

針對音頻的混合和分發(fā)，采用開源軟件Zaptel來實現。Zaptel為音頻混合提供了許多方便的接口，可以完成聲音的混合和分發(fā)等功能。針對視頻的混合和分發(fā)，采用開源軟件FFmpeg來實現，并對其進行了改進，首先根據客戶端IP判斷客戶端是否在同一個網段內，如客戶端A（192.168.1.100），B（192.168.1.101），C（201.202.1.100）。A與B在同一網段內則采用組播方式傳輸媒體流，這樣在一定程度上降低了服務器負載，提高了系統(tǒng)性能。

3.4 CNS服務器的實現

CNS主要通過定義通知機制來通知與會者相應的會議事件和會議狀態(tài)［14］。與會者通過發(fā)送SUBSCRIBE請求向CNS預定相關的會議事件和狀態(tài)服務。在會議中，一旦預定的事件發(fā)生，CNS將通過NOTIFY方法向與會者通告預定的相關會議事件和當前會議狀態(tài)。例如，與會者可以預定會議在席信息，當有與會者加入或退出會議時，CNS將向預定會議的在席信息的與會者發(fā)送會議成員實時變更情況。

4 結束語

本文通過對目前的SIP視頻會議體系結構的分析和研究，利用WebRTC技術來處理視頻會議的音頻和視頻，采用SIP作為視頻會議的核心控制信令。并對Asterisk，Zaptel，FFmpeg等開源軟件進行了研究和改進，設計并實現了一個普通網絡環(huán)境下的視頻會議系統(tǒng)，該系統(tǒng)具有價格低廉、使用方便、帶寬利用率高等特點，為研究軟件視頻會議提供了一個參考。在下一步工作中，將對此系統(tǒng)進行優(yōu)化，提高系統(tǒng)的安全性，兼容非SIP會話，豐富和完善會議的功能。

：

［1］仲元昌，林永，蔡增增，等.視頻會議系統(tǒng)關鍵技術及應用研究［J］.電視技術，2010，34（6）:93-96.

［2］楊高波，韓龍.視頻會議系統(tǒng)綜述［J］.電視技術，2004，28（9）:60-63.

［3］潘曉東.聲學回聲消除技術（AEC）在會議擴聲系統(tǒng)的應用［J］.電聲技術，2012，36（2）:2-14.

［4］IETF.RFC3550，RTP:a transport protocol for real-time applications［S］.2003.

［5］IETF.RFC3611，RTP control protocol extended reports（RTCP XR）［S］.2010.

［6］RFC3605，Real time control protocol（RTCP）attribute in session description protocol（SDP）［S］.2010.

［7］RFC2543，SIP:Session initiation protocol［S］.1999.

［8］RFC3261，SIP:Session initiation protocol［S］.2002.

［9］張智江，張云勇，劉韻潔.SIP協(xié)議及其應用［M］.北京:電子工業(yè)出版社，2005.

［10］侯移門.TAIDEN無紙化多媒體會議系統(tǒng)［J］.電聲技術，2011，35（10）:8-11.

［11］RFC4353，A framework for conference with the session initiation protocol（SIP）［S］.2006.

［12］王森.SIP多方視頻會議應用服務器設計與實現［D］.沈陽:沈陽計算技術研究所，2008.

［13］蘇云濤.基于SIP的視頻會議系統(tǒng)的設計與實現［D］.北京:北京郵電大學，2008.

［14］RFC 3265，Session initiation protocol（SIP）-specific event notification［S］.2002.