WebRTC VoiceEngine综合应用示例(一)——基本结构分析
转自 zhanghui_cuc :http://blog.csdn.net/nonmarking/article/details/50574733
把自己这两天学习VoiceEngine的成果分享出来,供大家参考,有什么问题也欢迎大家指出,一起学习一起进步。
本文将对VoiceEngine的基本结构做一个分析,分析的方法是自底向上的:看一个音频编码器是如何一层层被封装到VoiceEngine中的。
首先我们来看一下VoiceEngine的核心API,基本上就在webrtc\voiceengine\include的几个头文件中了。
具体来说,
voe_base
-支持G.711编码的、RTP传输的全双工VoIP应用,若要支持其他编码器,则需要VoECodec的支持
-初始化和销毁VoiceEngine实例
-通过文本或回调函数记录trace信息
-支持多channel(mixing或发送至多目标地址)
voe_codec
-支持其他编码器
-Voice Activity检测
-Possibility to specify how to map received payload types to codecs.
voe_dtmf
-Telephone event transmission.
-DTMF tone generation.
voe_errors
-错误信息
voe_external_media
-注册额外的音频处理功能
voe_file
-文件的播放、录制、转换
voe_hardware
-音频设备的操作
-设备信息
-CPU负载监控
voe_neteq_stats
-获取网络信息和音频解码信息
voe_network
-额外协议的支持
-Packet timeout notification.
-Dead-or-Alive connection observations.
voe_rtp_rtcp
- Callbacks for RTP and RTCP events such as modified SSRC or CSRC.
- SSRC handling.
- Transmission of RTCP sender reports.
- Obtaining RTCP data from incoming RTCP sender reports.
- RTP and RTCP statistics (jitter, packet loss, RTT etc.).
- Redundant Coding (RED)
- Writing RTP and RTCP packets to binary files for off-line analysis of the call quality.
voe_video_sync
-RTP header modification (time stamp and sequence number fields).
-Playout delay tuning to synchronize the voice with video.
-Playout delay monitoring.
voe_volume_control
-扬声器、麦克风音量控制
-静音
voe_audio_processing
-噪声抑制Noise Suppression)
-自动增益控制AGC
-回声消除EC
-接收端的VAD、NS、AGC
-语音、噪声、回音level的测量
-audio processing调试信息的生成与记录
-检测键盘动作
而各类音频编码器都在webrtc\modules下的各个项目中,包括了g711,g722,ilbc,isac,red(redundant audio coding),pcm16b,用于噪音生成的CNG,以及位于third_party目录下的opus。以G722音频编码器为例,在webrtc\modules\audio_coding\codecs\g722\g722_enc_dec.h文件中定义了编解码过程中的两个关键结构体G722EncoderState和G722DecoderState,如下
- typedef struct
- {
- /*! TRUE if the operating in the special ITU test mode, with the band split filters
- disabled. */
- int itu_test_mode;
- /*! TRUE if the G.722 data is packed */
- int packed;
- /*! TRUE if encode from 8k samples/second */
- int eight_k;
- /*! 6 for 48000kbps, 7 for 56000kbps, or 8 for 64000kbps. */
- int bits_per_sample;
- /*! Signal history for the QMF */
- int x[24];
- struct
- {
- int s;
- int sp;
- int sz;
- int r[3];
- int a[3];
- int ap[3];
- int p[3];
- int d[7];
- int b[7];
- int bp[7];
- int sg[7];
- int nb;
- int det;
- } band[2];
- unsigned int in_buffer;
- int in_bits;
- unsigned int out_buffer;
- int out_bits;
- } G722EncoderState;
- typedef struct
- {
- /*! TRUE if the operating in the special ITU test mode, with the band split filters
- disabled. */
- int itu_test_mode;
- /*! TRUE if the G.722 data is packed */
- int packed;
- /*! TRUE if decode to 8k samples/second */
- int eight_k;
- /*! 6 for 48000kbps, 7 for 56000kbps, or 8 for 64000kbps. */
- int bits_per_sample;
- /*! Signal history for the QMF */
- int x[24];
- struct
- {
- int s;
- int sp;
- int sz;
- int r[3];
- int a[3];
- int ap[3];
- int p[3];
- int d[7];
- int b[7];
- int bp[7];
- int sg[7];
- int nb;
- int det;
- } band[2];
- unsigned int in_buffer;
- int in_bits;
- unsigned int out_buffer;
- int out_bits;
- } G722DecoderState;
对应的G722编解码流程图如下
图中左侧的WebRtcG722xxx函数都定义于g722_interface.h中,而右边的WebRtc_g722xx函数都定义于g722_enc_dec.h中,真正的编解码功能都在WebRtc_g722_encode\decode中实现。图中的G722EncInst\DecInst其实就是前面说到的G722EncoderState和G722DecoderState。
像上面这样的一个G722音频编码器被封装到了AudioEncoderG722类中,此类继承了AudioEncoder。类似的还有G711编码器被封装到了AudioEncoderPcm类中,此类同样继承了AudioEncoder;iLBC被封装到了AudioEncoderIlbc类中,此类同样继承了AudioEncoder。AudioEncoder的定义位于webrtc\modules\audio_encoder_interface,包含了一个音频编码器的基本参数和接口。AudioEncoder进一步被AudioCoding类调用,此类位于webrtc\modules\audio_coding_module,顾名思义,AudioCoding是一个专门负责音频编码的类,具体来说,是在如下两个接口之中调用了AudioEncoder类
- virtual bool RegisterSendCodec(AudioEncoder* send_codec) = 0;
- virtual const AudioEncoder* GetSenderInfo() const = 0;
这两个接口的具体实现则在AudioCodingImpl类中,这个类同样继承了AudioCoding,但是当我们去看它们的具体实现时,却发现
- bool AudioCodingImpl::RegisterSendCodec(AudioEncoder* send_codec) {
- FATAL() << "Not implemented yet.";
- return false;
- }
- const AudioEncoder* AudioCodingImpl::GetSenderInfo() const {
- FATAL() << "Not implemented yet.";
- return reinterpret_cast<const AudioEncoder*>(NULL);
- }
转而实现的是
- bool AudioCodingImpl::RegisterSendCodec(int encoder_type,
- uint8_t payload_type,
- int frame_size_samples) {
- std::string codec_name;
- int sample_rate_hz;
- int channels;
- if (!MapCodecTypeToParameters(
- encoder_type, &codec_name, &sample_rate_hz, &channels)) {
- return false;
- }
- webrtc::CodecInst codec;
- AudioCodingModule::Codec(
- codec_name.c_str(), &codec, sample_rate_hz, channels);
- codec.pltype = payload_type;
- if (frame_size_samples > 0) {
- codec.pacsize = frame_size_samples;
- }
- return acm_old_->RegisterSendCodec(codec) == 0;
- }
和
- const CodecInst* AudioCodingImpl::GetSenderCodecInst() {
- if (acm_old_->SendCodec(¤t_send_codec_) != 0) {
- return NULL;
- }
- return ¤t_send_codec_;
- }
调用的是acm_old_中的一些方法,而这个acm_old_的定义也在AudioCodingImpl类中,如下
- // TODO(henrik.lundin): All members below this line are temporary and should
- // be removed after refactoring is completed.
- rtc::scoped_ptr<acm2::AudioCodingModuleImpl> acm_old_;
- CodecInst current_send_codec_;
可以看到,都是一些将来可能会被取消掉的类,但是我们现在还是要看一下它们的内容,前面看到acm_old_是一个AudioCodingModuleImpl类的对象,继承的是AudioCodingModule类,这个类和AudioCoding的功能类似,只不过没有使用AudioEncoder来表示各个编码器,而是使用了CodecInst结构体。这都是在老版的webrtc中就有的东西。
- // Each codec supported can be described by this structure.
- ruct CodecInst {
- int pltype;
- char plname[RTP_PAYLOAD_NAME_SIZE];
- int plfreq;
- int pacsize;
- int channels;
- int rate; // bits/sec unlike {start,min,max}Bitrate elsewhere in this file!
- bool operator==(const CodecInst& other) const {
- return pltype == other.pltype &&
- (STR_CASE_CMP(plname, other.plname) == 0) &&
- plfreq == other.plfreq &&
- pacsize == other.pacsize &&
- channels == other.channels &&
- rate == other.rate;
- }
- bool operator!=(const CodecInst& other) const {
- return !(*this == other);
- }
再接着来看AudioCodingModuleImpl中RegisterSendCodec和SendCodec的实现
- // Can be called multiple times for Codec, CNG, RED.
- int AudioCodingModuleImpl::RegisterSendCodec(const CodecInst& send_codec) {
- CriticalSectionScoped lock(acm_crit_sect_);
- return codec_manager_.RegisterEncoder(send_codec);
- }
- // Get current send codec.
- int AudioCodingModuleImpl::SendCodec(CodecInst* current_codec) const {
- CriticalSectionScoped lock(acm_crit_sect_);
- return codec_manager_.GetCodecInst(current_codec);
- }
可以看到调用的是codec_manager_中的对应方法,它是一个CodecManager类的对象,定义同样位于webrtc\modules\audio_coding_module中。总结来说,新版webrtc中提出了利用AudioCoding对编码器进行管理的新思路,但是具体实现还没有完成,目前还是使用老办法。
具体来看看codec_manager_.RegisterEncoder(send_codec),除了一些基本的检查之外,可以看到主要调用的是codec_owner_.SetEncoders()方法。
codec_owner_是一个CodecOwner类的对象,位于webrtc\modules\audio_coding_module中。codec_owner_.SetEncoders()中调用的是CreateSpeechEncoder方法。目前来看的话,就是把具体的编码器的指针做一个赋值操作,不像ffmpeg那样维护一个编码器链表。
回过头来,再看看AudioCodingModule类都被谁调用了,我们的目标就是一路找到VoiceEngine中对应的调用。
比较引人注目的是两个类对它的调用,一是voe命名空间中的Channel类,这一个信道方面的类我们以后再看,另一个就是VoECodecImpl类中对其的调用,这个类继承了VoECodec。VoECodecImpl类被VoiceEngineImpl类直接继承,VoECodec则是VoiceEngine的核心成员之一。
以上分析对应于下图,图中的红线代表继承关系、绿线代表调用关系
以上都是编码器的部分,中间还注意到一些解码器的部分。例如与webrtc\modules\audio_encoder_interface对应的webrtc\modules\audio_decoder_interface,其中的AudioDecoder类,也同样被很多编码器对应的解码器类所集成,例如AudioDecoderG722类等等,这些都在webrtc\module\neteq目录中,我们暂且按下不表,接着来说音频相关内容中的发送端。
来看一下诸如回音消除AEC、增益控制AGC、高通滤波、噪声抑制DeNoise(Noise Suppression)、静音检测VAD、等等的预处理步骤。
这里以回音消除技术为例进行说明,webrtc中的回音消除有针对移动端和非移动端的两个实现,分别在webrtc\modules\audio_processing的aec和aecm两个目录中,除此之外,对于支持SSE的x86平台,还有对应的SSE实现,位于webrtc\modules\audio_processing_sse2目录下。
具体的回音消除代码被封装到了EchoCancellationImpl类中,除了具体的实现之外,EchoCancellationImpl类中还包含一些handle操作的内容,这部分则继承自ProcessingComponent类。而EchoCancellationImpl的父类则是EchoCancellation,这一父类的对象直接在VoEAudioProcessingImpl类中被调用,其定义位于webrtc\voice_engine下。VoEAudioProcessingImpl的父类就是VoEAudioProcessing,同样是VoiceEngine的核心成员之一。其中的关系已经非常明了了。
这些预处理相关的内容相对于编码器的部分来说更加简单了。
下面再来看看音频解码的部分。前面说到具体的解码器类都在webrtc\module\neteq目录中,实际上解码端的其他一些内容,诸如抖动缓冲区等,都在这个目录下。而解码端的另一项重要功能,即混音功能,则在webrtc\modules\audio_conference_mixer目录下。
neteq模块即当年GIPS的核心技术,将解码、自适应抖动缓冲和丢包隐藏结合在一起,实现优秀的语音质量和低延时。
还是以我最熟悉的、单纯的解码模块来入手,前面提到的AudioDecoder类和AudioEncoder类相似,也在audio_coding_module、codec_manager、codec_owner中得到了调用,除此之外,在neteq的一干涉及到解码的内容之中都能看到他的身影。
neteq作为音频接收端的一个子模块,接下来在AcmReceiver类中得到了调用,而这个类是AudioCodingModuleImpl的成员之一,由此,即可追溯得到它与VoiceEngine的关系。
以上完成了VoiceEngine中音频编解码、预处理、neteq内容的分析总结。
下面再看看音频设备部分,这部分代码位于webrtc\modules\audio_devices,相关的类是AudioDeviceModule,其中支持了多个平台的音频设备,也包括了很多功能,例如麦克风和扬声器的音量控制、静音控制、采样率选择、立体声、混音等等。具体的实现我们暂且不看,只看它与VoiceEngine的接口关系。
需要注意的是,尽管VoiceEngine里面有一个VoEHardware类,但是对音频设备的初始化却是在VoEBase类中实现的。
- virtual int Init(AudioDeviceModule* external_adm = NULL,
- AudioProcessing* audioproc = NULL) = 0;
混音在AudioConferenceMixer类中,受VoiceEngine的OutputMixer类调用
其他一些辅助的类:AcmDump用于输出调试信息;MediaFile类用于音频文件的输入输出,同样受VoiceEngine的OutputMixer类的调用(中间经过了FileRecorder和FilePlayer)
rtp\rtcp中包含了RTP、RTCP传输中的全部内容,例如网络信道数据的报告、重传请求、视频关键帧的request、码率控制等等。暂且按下不表,后续再进行详细分析。跟它配套的还有remote_bitrate_estimator\paced_sender\bitrate_controler。
而RtpRtcp这个类也很自然地被VoiceEngine的Channel类调用了。
至此,webrtc\module下与音频传输的模块基本都分析了一遍,也看了一下它们是怎么与VoiceEngine联系到一起的,
在下一篇文章中,将使用VoiceEngine完成一个语音通话示例。
WebRTC VoiceEngine综合应用示例(一)——基本结构分析相关推荐
- Cisco Easy ***综合配置示例
以下内容摘自正在全面热销的最新网络设备图书"豪华四件套"之一<Cisco路由器配置与管理完全手册>(第二版)(其余三本分别是:<Cisco交换机配置与管理完全手册 ...
- webrtc入门:14.pion webrtc中Data Channels示例
Data Channels 在pion webrtc 中有非常多的示例,Data Channels 就是其中的一个,当我们第一次打开pion webrtc的示例时,可能会有点不知所措,不知道他要让我们 ...
- 结合WebSocket编写WebGL综合场景示例
在WebGL场景中导入多个Babylon骨骼模型,在局域网用WebSocket实现多用户交互控制. 首先是场景截图: 上图在场景中导入一个Babylon骨骼模型,使用asdw.空格.鼠标控制加速度移动 ...
- ffmpeg综合应用示例(一)——摄像头直播
本文的示例将实现:读取PC摄像头视频数据并以RTMP协议发送为直播流.示例包含了 1.ffmpeg的libavdevice的使用 2.视频解码.编码.推流的基本流程 具有较强的综合性. 要使用liba ...
- ffmpeg综合应用示例(二)——为直播流添加特效
在上一篇文章中,讲解了如何利用ffmpeg实现摄像头直播,本文将在此基础上,实现一个可以选择各种视频滤镜的摄像头直播示例.本文包含以下内容 1.AVFilter的基本介绍 2.如何利用ffmpeg命令 ...
- DataRowState、AcceptChanges、RejectChanges综合使用示例:实现DataGridView数据的增、删、改...
下面的示例中,通过一个程序,演示使用DataRowState.AcceptChanges.RejectChanges,实现DataGridView数据的增.删.改. 一.界面设计 二.代码实现 1 u ...
- ffmpeg综合应用示例(三)——安卓手机摄像头编码
本文的示例将实现:读取安卓手机摄像头数据并使用H.264编码格式实时编码保存为flv文件.示例包含了 1.编译适用于安卓平台的ffmpeg库 2.在java中通过JNI使用ffmpeg 3.读取安卓摄 ...
- android开发技术探索,《android开发艺术探索》读书笔记(十三)--综合技术(示例代码)...
No1: No2: 在Android中单个dex文件所能够包含的最大方法数为65536,这包含Android FrameWork.依赖的jar包以及应用本身的代码中的所有方法. No3: 使用mult ...
- 机器学习之多元线性回归问题综合应用示例:简单案例+解决红酒质量的判断问题
补博客持续更新中
最新文章
- Could not find 'cudnn64_6.dll'
- WinCE内核裁减(中文字体)及字库和内核的分离(转)
- RocketMQ-Spring 毕业两周年,为什么能成为 Spring 生态中最受欢迎的 messaging 实现?
- 如何制作linux系统硬盘,教你制作Linux操作系统的Boot/Root盘
- linux笔记之 搭建本地yum源,网卡的基本操作
- 互联网移动支付技术_安全架构图(安全技术/安全协议/加密技术)——转载图片...
- @Autowired和构造方法执行的顺序解析
- 数学建模学习笔记(一)——层次分析模型
- spark基础之调度器运行机制简述
- 弹出窗弹出两次的原因
- python中os模块详解_Python OS模块(常见文件操作示例)
- 微信小程序 wx.previewImage 预览分享图片结束之后 执行事件
- 【源码】从Ansys导入mesh到MATLAB的小程序
- 《Gradient-based learning applied to document recognition》翻译
- 高中计算机听课总结,信息技术听课心得.doc
- 单证与双证高级证书与普通证书的区别与联系
- 服务器双因素认证微软Ad,12-双因素认证(MIX)配置举例
- Python第三方库之MedPy
- 基于词典的细粒度情感分析
- 如何在 JavaScript 中获取当前日期?
热门文章
- python关键词_Python批量挖掘百度凤巢关键词
- 2018年上半年总结
- mysql8.0.13驱动包_MYSQL ODBC驱动包-mysql connector odbc x64位版下载V8.0.13 官方安装版-odbc西西软件下载...
- 用 Signal Processing Toolbox 软件对数据进行滤波
- 【CV】虹膜识别源代码下载,分别基于MATLAB、C++、OpenCV
- 计算机专业大专还学语数外吗,大学越学越秃的5大专业:计算机排第五,数学落榜,榜首实至名归...
- Perfetto —— 靠谱的trace利器
- Hive中ORDER BY、SORT BY和DISTRIBUTE BY
- [转]REBOL 语言简介
- PHP正则匹配img并处理src