基于P2P結(jié)構(gòu)的即時通信系統(tǒng)的設(shè)計與實現(xiàn)

張玨

（榆林學(xué)院 信息學(xué)院，陜西 榆林 719200）

隨著網(wǎng)絡(luò)帶寬的不斷增長，人們的通訊已經(jīng)開始從以文本為主導(dǎo)輔助以少量的音頻和視頻信息的模式逐漸轉(zhuǎn)向以給人們更為豐富信息的音頻為主導(dǎo)并輔助以少量的文本和視頻信息的模式。在一些特定的場合單純的視頻通訊的需求亦隨著網(wǎng)絡(luò)帶寬的增長逐漸浮出水面。MSN和QQ無法滿足以上需求，市場上少量相關(guān)產(chǎn)品亦無法滿足網(wǎng)絡(luò)帶寬增長所引發(fā)的層出不窮的需求。即時通信支撐系統(tǒng)是在以上需求驅(qū)動之下構(gòu)思的一個包裝了多種基本應(yīng)用的網(wǎng)絡(luò)應(yīng)用軟件支撐平臺，其中包括視頻采集、視頻壓縮、視頻傳輸、音頻采集、音頻壓縮、音頻傳輸、文本傳輸?shù)取＿@些基本應(yīng)用具有簡單的上層接口，使得基于此系統(tǒng)的網(wǎng)絡(luò)應(yīng)用軟件開發(fā)人員只需了解它們的借口而不必理解其內(nèi)部邏輯即可開發(fā)出各種功能強大的網(wǎng)絡(luò)應(yīng)用軟件，可以極大的加速網(wǎng)絡(luò)應(yīng)用軟件的開發(fā)速度。

1 總體設(shè)計

即時通信系統(tǒng)主要實現(xiàn)以下功能：

1）在局域網(wǎng)中兩臺或者兩臺以上的主機可以輸入對方的IP地址請求連接。

2）系統(tǒng)啟動視頻，音頻或文本傳輸設(shè)備。

3）遠端可以隨時終止或者開啟本地視頻，音頻等其它設(shè)備。

文本交流功能：文本交流是實現(xiàn)多種媒體交互的基本功能部分。本系統(tǒng)實現(xiàn)了局域網(wǎng)P2P文本聊天功能，主要包括：在信息欄輸入交談的內(nèi)容，按發(fā)送鍵發(fā)送、同時能在聊天記錄上接收到對方的聊天內(nèi)容。

語音交流功能：語音交流是多媒體會議最重要的部分，往往是最直接和最多表達信息量的一種方式。當用戶雙方接受請求，建立連接后，就可進入語音交流。通過菜單欄上的“音頻”菜單可以控制音量，屏蔽發(fā)送方或接收方中任意一方的消息。

視頻交流功能：視頻交流能使多媒體交互更具人性化，通過圖像的顯示，使人們之間的交流更加親切直觀。當下載本軟件連接成功后，就可以看到對方的視頻圖像。通過菜單欄上的“顯示控制”菜單可以屏蔽發(fā)送方或接收方中任意一方的視頻窗口。

圖1 音頻流程Fig.1 Audio process diagram

圖2 視頻流程Fig.2 Video process diagram

2 系統(tǒng)需求分析

啟動服務(wù)器，和連接用戶用例，活動圖如圖3所示。

啟動服務(wù)器，用戶點擊“文件”下拉菜單中“連接”選項，如果硬件條件不具備，系統(tǒng)拒絕，那么重新啟動系統(tǒng)，修正硬件，如果硬件滿足運行條件，系統(tǒng)接受請求，出現(xiàn)IP地址對話框，用戶在其中輸入正確IP地址，對方“拒絕”，重新選擇連接對象，重新輸入IP地址，對方“接受”，那么雙方鏈接成功，雙方進入交流主界面，其他功能正常啟動。

3 系統(tǒng)的設(shè)計與實現(xiàn)

主要論述了即時通信系統(tǒng)錄放音功能的設(shè)計與實現(xiàn)、采集功能的設(shè)計實現(xiàn)，以及發(fā)送接收系統(tǒng)的設(shè)計與實現(xiàn)。本系統(tǒng)是基于局域網(wǎng)的P2P網(wǎng)絡(luò)結(jié)構(gòu)的即時通信系統(tǒng)，所以涉及到的通信雙方，不管是請求方或是被請求方，都是對等的，權(quán)限都是相同的，所有系統(tǒng)的使用者，都是普通用戶。所以系統(tǒng)只有兩個角色，即兩個類，一個普通用戶類，一個系統(tǒng)類。

圖3 系統(tǒng)活動圖Fig.3 System active diagram

一個類是系統(tǒng)資源，用戶類主要屬性：角色碼、用戶名、所在的IP地址。用戶操作主要有：連接服務(wù)器、視頻交流、文本交流、音頻交流。另一個類是系統(tǒng)資源類，為系統(tǒng)提供功能，主要有3個子類：音頻、視頻、文本類。音頻類主要操作為音量控制、發(fā)送、接收、播放、錄音。視頻類的主要操作有、本地視頻窗口、遠程視頻窗口。文本類，主要操作是文本交流。

3.1 語音采集與回放系統(tǒng)設(shè)計

音頻采集：打開錄音設(shè)備，采集發(fā)言者語音信息，是windows通過高級音頻函數(shù)、媒體控制接口MCI設(shè)備驅(qū)動程序，低級音頻函數(shù)MIDI Mapper、低級音頻設(shè)備驅(qū)動，以及DirectSound提供了音頻服務(wù)，可以從聲卡獲取音頻流。在本系統(tǒng)中，采用低層音頻服務(wù)來實現(xiàn)。

低層音頻服務(wù)主要包括查詢音頻設(shè)備、打開/關(guān)閉音頻設(shè)備驅(qū)動程序、音頻格式的設(shè)置、分配/準備音頻緩沖區(qū)以及管理音頻緩沖區(qū)等。

錄制波形音頻的流程圖如下：

1）調(diào)用函數(shù)UINT WaveInGetNumDevs：查詢系統(tǒng)是否具備錄制音頻的設(shè)備，函數(shù)的返回值為可進行音頻錄制的設(shè)備數(shù)量。

圖4 系統(tǒng)類圖Fig.4 System class diagram

由于多媒體計算機之間的音頻設(shè)備的性能差別很大，應(yīng)用程序根據(jù)不同系統(tǒng)的音頻硬件采用不同的方法。

2）調(diào)用函數(shù)WaveInGetDevCaps（）：檢查音頻輸入設(shè)備的性能，以確定設(shè)備錄制所支持的標準音頻的格式。

如果需要錄制的是非標準格式，則需要通過調(diào)用waveInOpen函數(shù)，并設(shè)置打開設(shè)備的標志為WAVE_FORMAT_QUERY，查詢設(shè)備是否支持非標準波形格式。非標準波形格式WAVEFORMATEX說明。

3）waveInOpen函數(shù)：打開波形輸入設(shè)備。設(shè)備打開成功后，phwi將指向音頻輸入設(shè)備句柄HWAVRIN，該句柄是后續(xù)對設(shè)備進行操作的對象。

4）waveInPrepareHeader：打開音頻輸入設(shè)備，獲取句柄后，調(diào)用函數(shù)生成WAVE音頻信息頭結(jié)構(gòu)。

5）waveInAddBuffer函數(shù)：將波形輸入設(shè)備獲得數(shù)據(jù)寫入WAVEHDR。

6）waveStart函數(shù)：開始錄音。

7）錄制完成后調(diào)用waceInUnPrepareHeader：清除波形音頻數(shù)據(jù)結(jié)構(gòu)WAVEHDR，釋放分配的資源。

8）waveInClose：關(guān)閉波形音頻輸入設(shè)備。

需要注意的是，如果終止錄制，丟棄音頻數(shù)據(jù)塊，不能用waveInStart重新錄制。要重新錄制，必須重新準備數(shù)據(jù)塊，調(diào)用waveInReset來實現(xiàn)，再用waveInStart重新錄制。

3.2 語音壓縮和解壓縮的系統(tǒng)設(shè)計

本系統(tǒng)是在局域網(wǎng)的中進行傳輸，而且由時間等各方面的限制沒有實現(xiàn)語音壓縮，只是直接將采集到的語音放到緩沖區(qū)里，然后發(fā)送，最后接收方接收，但是因為沒有對語音數(shù)據(jù)進行壓縮和解壓縮，數(shù)據(jù)質(zhì)量良好。

3.3 語音發(fā)送和接收的系統(tǒng)設(shè)計

系統(tǒng)利用socket中的sendto語句發(fā)送數(shù)據(jù)給接收發(fā)，接受方利用socket中的receive語句接收數(shù)據(jù)，發(fā)送時是發(fā)送緩沖區(qū)中的數(shù)據(jù)，所以接收時需要創(chuàng)建接收緩沖區(qū)隊列，進行接收，然后在打開放音設(shè)備，使聲音傳到人的耳朵，由于UDP協(xié)議是無連接的，每個分組都攜帶完整的目的地址，各分組在系統(tǒng)中獨立發(fā)送。它不能保證分組的先后順序，不進行分組出錯的恢復(fù)和重傳，因此不能保證傳輸?shù)目煽啃裕牵峁└咚俾实臄?shù)據(jù)報服務(wù)。由于語音聊天注重數(shù)據(jù)的實時性，所以采用UDP協(xié)議，可靠性由網(wǎng)絡(luò)特征來保證。實際的設(shè)計中，socket接口可以通過一個socket連接指定協(xié)議的類型，聲音數(shù)據(jù)的全雙工通訊由聲音數(shù)據(jù)的發(fā)送和接收模塊實現(xiàn)。系統(tǒng)是端對端的語音聊天功能，兩個短點之間是對等關(guān)系，對于任何一端來說，既是有客戶機的功能，同時也具備服務(wù)器的特性。語音聊天進行的是全雙工的數(shù)據(jù)通訊，對于實際通話的主叫端和客戶端都要發(fā)送數(shù)據(jù)和接收數(shù)據(jù)。從建立socket到數(shù)據(jù)的發(fā)送直至數(shù)據(jù)的接收主要有以下幾個步驟：

1）建立發(fā)送數(shù)據(jù)的soul和用于接收數(shù)據(jù)的ssine。

2）在開始時主叫端和被叫端都通過調(diào)用BIND（）函數(shù)讓soul和ssin和本地地址（包括主機地址和協(xié)議端口）聯(lián)系起來，對協(xié)議端口進行偵聽，以便接收對它服務(wù)請求產(chǎn)生的數(shù)據(jù)報應(yīng)答。

3）為了讓系統(tǒng)記住發(fā)送的目的地址（即被叫端地址），在開始時，主叫端先調(diào)用CON-NECT（）函數(shù)向被叫端發(fā)出請求，然后進入發(fā)送和接收聲音數(shù)據(jù)的消息循環(huán)。

4）被叫端通過RECVFROMO函數(shù)向主叫端發(fā)出連接請求，并進入發(fā)送和接收聲音數(shù)據(jù)的消息循環(huán)。

5）在兩端建立了通訊鏈路后，就可以進行數(shù)據(jù)的雙向多次傳輸。聲音數(shù)據(jù)的發(fā)送主要有一個監(jiān)聽線程和sout完成，一旦監(jiān)測到有聲音信號的出現(xiàn)，就調(diào)用數(shù)據(jù)壓縮模塊對要發(fā)送的聲音數(shù)據(jù)進行壓縮處理，然后調(diào)用SEND（）函數(shù)把數(shù)據(jù)發(fā)送到另一端。數(shù)據(jù)的接收方同樣由一個監(jiān)聽線程和ssin完成，一旦監(jiān)測到有聲音數(shù)據(jù)到達，就調(diào)用RECVO函數(shù)進行接收，并把接收到的數(shù)據(jù)放入排斥區(qū)，交與聲音播放模塊處理。這樣完成了一次數(shù)據(jù)的傳輸和接收。

6）不斷重復(fù)5）的過程，直至通話結(jié)束。

主要是循環(huán)地操作nReceive和nSend指針。首先發(fā)送（接收）聲音塊的長度，然后發(fā)送（接收）聲音內(nèi)容。注意：拿CSocket::Send（buffer，count）為例，其返回值（發(fā)送出去的字結(jié)數(shù)）只是1到count之間的某值，所以要添加檢測機制，否則將出現(xiàn)錯誤，這也是socket編程必須注意的。文中是用一個循環(huán)，直到發(fā)送出去的字節(jié)總數(shù)等于“塊”的長度才發(fā)送第二個數(shù)據(jù)塊的信息。

3.4 視頻捕獲的系統(tǒng)設(shè)計

視頻模塊作為視頻會議系統(tǒng)的一個可選的組件，強化多用戶之間的協(xié)同工作。用戶可以根據(jù)協(xié)同的需要，設(shè)備狀況或網(wǎng)絡(luò)通信的現(xiàn)狀，選擇是否進行視頻交互或調(diào)整視頻交互的質(zhì)量。

在本系統(tǒng)中，視頻模塊主要以一定幀率捕獲視頻數(shù)據(jù)，并壓縮發(fā)送視頻數(shù)據(jù)給其他用戶，同時接收其他客戶的視頻信號，解壓縮回放視頻信號。本地視頻直接顯示并進行監(jiān)控。它主要以下部分組成：

1）視頻捕獲：生成視頻捕獲窗口，捕獲視頻負責(zé)。

2）視頻發(fā)送緩沖區(qū)管理：捕獲視頻幀加入視頻發(fā)送緩沖池。

3）視頻壓縮：對視頻幀壓縮，以獲得低通信量。

4）發(fā)送視頻數(shù)據(jù)：從視頻發(fā)送緩沖池取出視頻幀在網(wǎng)絡(luò)信道上傳播。

5）接收視頻數(shù)據(jù)：從網(wǎng)絡(luò)信道接收壓縮的視頻幀。

6）視頻接收緩沖區(qū)管理：接收的視頻幀加入視頻接收緩沖池。

7）視頻解壓縮：從視頻幀接收緩沖池中取出視頻幀解壓縮。

8）視頻回放：將視頻幀在本地回放。

由于實時傳輸?shù)男枰K需要在時間上并行工作，因此軟件的視頻部分由多個線程組成。線程間用事件對象進行同步，而共享數(shù)據(jù)區(qū)用臨界區(qū)對象和信號量對象進行同步。

視頻數(shù)據(jù)的實時采集主要是通過調(diào)用AVICap32.dll（avicap32.dll是Windows API應(yīng)用程序接口相關(guān)模塊，用于對攝像頭和其它視頻硬件進行AVI電影和視頻的截取）創(chuàng)建AVICap窗口類，由AVICap窗口類中的消息、宏函數(shù)、結(jié)構(gòu)以及回調(diào)函數(shù)來完成。AVICap在捕獲視頻方面具有明顯的優(yōu)勢，它能直接訪問視頻緩沖區(qū)，不需要生成中間文件，實時性很高，它也可將數(shù)字視頻保存到事先建好的文件中。實際應(yīng)用表明，通過這種方法，提高了視頻采集的效果和程序運行的效率，同時也減少了對硬件的依賴性，提高了程序的兼容性和移植性。

VFW的視頻采集功能主要包括捕獲視頻流至AVI文件（capCaptureSequence）、捕獲視頻流至緩存（capCaptureSequence Nofile）、捕獲視頻流至 AVI文件（capCaptureSingleFrame）、本地預(yù)覽（capPreview/capOverlay）和捕獲單幀預(yù)覽（capGrabFrame/capGrabFrameNoStop）等。VFW還提供了回調(diào)函數(shù)，允許應(yīng)用程序精確控制視頻流的捕獲、檢測錯誤、監(jiān)控狀態(tài)變化 ，以及在捕獲兩幀數(shù)據(jù)的空隙和每捕獲新幀時對實時數(shù)據(jù)進行處理。

4 實驗應(yīng)用

對于本系統(tǒng)，通過BoundsChecke軟件測試，可證明程序代碼在運行是無異常，可正常執(zhí)行。在進行測試時，首先運行在開始實施測試之前設(shè)計好測試用例，可以避免盲目測試并提高測試效率。

經(jīng)過多次測試表明，該即時通信系統(tǒng)的各個功能都基本達到了實用的要求。“文件”下拉菜單下的“退出”選項可以隨時退出系統(tǒng)，“連接”選項，可以隨時選擇連接對象，客戶端能夠及時發(fā)送服務(wù)請求或視頻、音頻與文件請求，以及接收各種請求結(jié)果。在各種負荷下能正常工作，客戶端可以及時響應(yīng)和處理客戶端的各種請求，沒有出現(xiàn)異常情況，具備一定的健壯性。局域網(wǎng)測試為用戶觀看到的視頻監(jiān)控畫面。通過系統(tǒng)測試，客戶端收到的視頻圖像播放幀率在24～25幀之間波動，比服務(wù)器端滯后大約1～1.5 s，傳輸圖像較清晰，沒有出現(xiàn)馬賽克情況。音頻通信效果清楚，沒有出現(xiàn)斷音或爆音的情況，延時大約120～150 ms，能夠保證實時音頻通信。

圖5 系統(tǒng)測試圖Fig.5 System test diagram

5 結(jié) 論

該測試系統(tǒng)已用于測試用例進行測試，實際應(yīng)用表明該測試系統(tǒng)具有測試準確、穩(wěn)定可靠、人機界面友好等特點，達到了設(shè)計要求。

[1]楊云.P2P音視頻通訊系統(tǒng)的研究與實現(xiàn)[D].北京:中國地址大學(xué)，2006.

[2]伍文華.基于H.263的視頻編解碼器的研究與實現(xiàn)[D].武漢:華中科技大學(xué)，2007.

[3]侯俊杰.深入淺出MFC[M].2版.武漢：華中科技大學(xué)出版社，2001.

[4]王豐錦，邵新宇.基于SOCKET和多線程的應(yīng)用程序間通訊技術(shù)的研究[J].計算機應(yīng)用，2000（6）:65－67.WANG Feng-jing，SHAO Xin-yu.SOCKET and multithreaded applicationscommunication technology-based research[J].Computer Application，2000（6）:65－67.

[5]譚枝梅.基于TCP/IP網(wǎng)絡(luò)的嵌入式平臺上的視頻會議系統(tǒng)[D].西安:西北工業(yè)大學(xué)，2007.

[6]趙純.數(shù)字視頻采集壓縮系統(tǒng)實現(xiàn)[D].沈陽:東北大學(xué)，2008.

[7]榮治國，陳松喬.實時音頻采集、播放技術(shù)的研究[J].計算機應(yīng)用研究報，2003（1）:134－135.RONG Zhi-guo，CHEN Song-qiao.Real-time audio capture[J].Applications Reported，2003（1）:134－135.