高速G.729ab声码器设计及其在媒体网关中的应用

关键词： 媒体网关 , 声码器

在VoIP媒体网关设备中，语音压缩编码是其关键技术之一。在ITU-T发布的应用于VoIP的语音压缩编解码标准中，G．729是应用较为广泛的一种。G．729采用“共轭结构代数码本激励线性预测编码” (CS-ACELP)算法，算法帧长为lO ms，编码后速率为8 Kb／s。G．729有两个附件：附件A给出一种低复杂度的算法，可应用于多媒体同步语音和数据；附件B在标准算法的基础上增加了静音检测压缩算法以降低平均传输率，包括静音检测(VAD)和舒适噪音产生(CNG)。文献对G．729语音压缩编码算法的具体原理中有详尽的描述，本文的论述重点在算法的汇语言优化、声码器的DSP硬件接口设计，以及其在媒体网关中的应用。

1 G．729ab编解码核心算法优化

本文选择TI公司的TMS320C6203芯片为核心，实现G．729ab声码器设计。TMS320C62xx系列DSP的集成开发环境Code Composer Studio(简称CCS)支持标准C语言和汇编混合编程的方式编程，为了提高编解码算法的效率，本文对ITU_T的标准G．729ab的C语言原码进行汇编指令优化设计。同时，对于上层编解码器控制函数，采用C语言开发，以提高声码器的可维护性。

C62xx采用6级流水线结构，提供了A，B两组(共32个)通用寄存器，8个功能单元(．L1，．L2，．S1，．S2，．M1，．M2，．D1 和．D2)，最多同时可以有8条指令处在不同的执行阶段并行。流水线结构是DSP实现高速运算的重要技术。由于不同指令的指令周期不同，需要在多周期指令后插入足够的NOP(空操作)指令，以避免流水线冲突。

在G．729ab的标准C代码中，有大量的循环体。循环控制的关键跳转指令B，需要等待5个指令周期，大量的NOP操作将降低代码的效率。为了提高循环效率，可以合理安排指令顺序，在一个汇编循环体内完成多个C循环的运算的流水线操作。用汇编指令实现如下简单的for循环求信号能量的程序段为例：

 

上述示例可使用如下汇编程序段实现：

 

如上优化后，循环体LOOP仅为一个周期，在这一个周期中有6条并行运行的指令。其中，内存读取指令LDFI需4个周期，故乘法指令SMPY是将向前追溯 4个循环周期的内存读取结果相乘。同理，SMPY指令需2个周期，故SADD指令是将2个循环周期之前的相乘结果相加。B0和A1配合用于循环控制，在等待跳转指令B有效的5个延时周期内，依次进行随后的后一循环的取数，前第3个循环的相乘，前一个循环的求和、循环控制和跳转指令，依次类推。上述优化实现了最优循环效率。

本设计优化后核心编解码算法代码完全符合ITUT G．729ab标准，并通过了ITU-T的所有测试矢量。使用300 MHz主频的TMS320C6203实现声码器，单片可支持31路G．729ab算法。

2 声码器的DSP硬件接口设计

在媒体网关中，声码器的功能是实现PSTN的E1语音信号和数据网分组语音压缩信号之间的编解码转化。利用TMS320C6203片内固化设置的 McBSP接口(多通道缓存串行接口)与HPI接口(主处理器接口)，可以实现DSP与E1总线、以及数据网上层处理器的连接。结构示意图如图1所示。

 

TM320C6203通过内置McBSP与EDMA(Enhanced Directory Memory Access，增强型直接内存访问)控制器配合，可实现与E1标准接口的链接。设置McBSP的接收／发送控制寄存器(R／XCR)，使串口按照标准E1 数据格式进行数据收发；设置串口管脚控制寄存器(PCR)，控制串口采用外部E1总线的时钟和帧同步信号；设置串口控制寄存器(SPCR)，控制串口的 R／XINT(收／发中断)由EDMA响应。

TMS320C6203支持16个EDMA通道，其12～15通道可用于响应串口收、发中断。以串口接收数据为例：本设计中设计了乒、乓两个串口数据接收缓存区。

串口寄存器中的数据通过EDMA模式缓存到乒缓存区，当乒缓存区满时，EDMA参数重载，控制切换，将数据缓存至乓缓存区，同时给出EDMA中断，通知CPU读取一帧数据。通过McBSP接口发送数据的过程完全类似。

声码器通过DSP的HPI接口与上层处理器连接，实现数据网分组语音压缩信号的收发。在HPI接口中，设计了以太网数据发送／接收缓存区，并为每个缓存区设计了RP(Read Pointer，读指针)和WP(Write Pointer，写指针)，用于控制上层处理器和DSP之间的编码数据交互。同时上层处理器通过HPI接口向声码器发送指令，控制通道的打开或关闭。

3 在媒体网关中的应用设计

声码器内部的主控程序采用定时中断方式访问HPI接口，根据上层处理器的指令打开或关闭通道。同时主程序使用轮询方式处理从E1接口来的PCM话音信号；根据相应的通道工作状态设置编解码算法参数，将话音信号压缩编码；编码后的语音数据，通过HPI接口输出到上层处理器，进入数字网络。使用完全类似的轮询处理方式，逆向处理从来自数字网络的编码数据。

由于数字网络属于分组通信，必须有合适的多媒体实时流网络传输协议以保证语音的连贯性。在声码器的HPI接口控制程序中，设计了一个提供给上层处理器的 RTP(Real-TIme Transport Protocol，实时传输协议)接口，用于完成编码和解码数据包的输出和输入及相应的RTP成帧、解帧功能，具体功能设计如下：


RTP打包和发送：RTP包由具有固定格式的包头和数据部分组成。将编码后的语音数据，按照RTP打包参数的要求组织RTP头和RTP净荷。 RTP包头中的关键字段为SN(Sequence Number，序列号)和TS(Time Stamp，时间戳)。SN用于对RTP包进行排序。每发送一个RTP数据包，SN加1。TS用于标识RTP数据包中第一个字节采样时的时刻，以语音样本为单位递增；对于语音包和静音压缩包，TS增值一致。另外，RTP包头中的PT(Payload Type，负载类型)字段用于指示RTP净荷的数据编码格式。在RFC3550中规定了标准音频载荷类型：G．729编码对应的PT为18。

由于RTP包头中没有长度字段，故对RTP包进行了外部扩展：将打好的RTP包作为净荷，附加上RTP包数据长度、通道号，组成“以太网数据包”。针对C6203的32位寻址的HPI总线接口，设计以太网数据包格式如图2所示。

 

RTP包发送：即写“以太网数据包”至“以太网数据发送缓存区”。首先根据该缓存区的读写指针判断剩余空间；如写空间不够，则放弃此次写操作，该数据包同时被丢弃。如写空间足够，则将数据包写入发送缓存区，并更新写指针。上层处理器根据该缓存区的读写指针判断该缓存区内是否有新数据，并进行读操作，以及更新读指针。

RTP包接收、排序和缓存：分组通信需要考虑语音的防抖动处理。本文通过设置静态抖动缓冲区实现去抖动。首先根据“以太网数据接收缓存区”的读写指针判断是否有新的数据包到来，如果有，则将该数据包根据RTP的SN和TS排列在相应通道的RTP缓存队列中。重复上述过程直至将“以太网数据接收缓存区”中所有的数据包读完，然后更新该缓存区的DSP读指针。对于每个通道的RTP缓存队列，当缓存语音数据到达预先定义的阈值K时，给出标志允许该通道开始进行语音数据解码。如果数据分组有抖动延迟，则解码语音可继续保持K时间单位不被打断。

4 结语

在纯汇编并行优化的基础上设计了高效的G．729ab声码器；利用TMS320C6203的在片外设McBSP实现了连接PSTN的标准E1接口；设计了用于分组数据收发的RTP协议接口，利用TMS320C6203的HPI接口方式与上层处理器连接，使声码器可灵活应用于媒体网关。