基于SIP的嵌入式UA語音終端設(shè)計

沙愛軍，沈衛(wèi)康，毛其林

（南京工程學院通信工程學院，江蘇南京,211167）

0 引言

SIP(Session Initiation Protocol)會話初始協(xié)議，最新的SIP 規(guī)范為RFC 3261。作為應用層控制信令協(xié)議，SIP具有簡單、靈活的特點，正逐步取代H.323 協(xié)議成為 VoIP 的標準協(xié)議。

SIP 基于客戶機／服務器結(jié)構(gòu)。用戶代理（User Agent ），即SIP 終端，是SIP 系統(tǒng)中的最終用戶，可分為：用戶代理客戶端UAC，用于發(fā)起呼叫請求；用戶代理服務器UAS，用于響應呼叫請求，一個終端往往既可以充當UAC，也可以充當UAS。

在一個VoIP網(wǎng)絡(luò)中，UA作為終端設(shè)備，需求大，而且對移動便攜和價格也有要求。嵌入式設(shè)備具有便攜、專用、可裁剪、性價比等優(yōu)點，本文將在嵌入式平臺上實現(xiàn)一個基于SIP的的語音電話終端，并對系統(tǒng)實現(xiàn)中所需的關(guān)鍵技術(shù)和工作過程進行介紹。

1 UA實現(xiàn)框架

需求分析可知，作為一個語音電話終端，需要如下幾個方面的功能：（1）要有音頻采集/播放設(shè)備以及相關(guān)的編解碼算法；（2）要有網(wǎng)卡處理設(shè)備，傳輸雙方的信令和音頻數(shù)據(jù)；（3）要采用實時傳輸協(xié)議保證語音傳輸質(zhì)量?；谏鲜龇治?，系統(tǒng)的實現(xiàn)框架可設(shè)計如圖1，后面將具體闡述。

圖1 UA 實現(xiàn)框架

2 終端的硬件設(shè)備和操作系統(tǒng)

硬件平臺采用一款ARM開發(fā)板：CPU為三星公司生產(chǎn)的主頻可達400MHz的S3C2440A；音頻處理設(shè)備采用Philips公司生產(chǎn)的UDA1341TS，可實現(xiàn)A/D的相互轉(zhuǎn)換， S3C2440A 通過 L3接口可以控制和配置 UDA1341TS，L3 接口有 L3MODE、L3DATA和 L3CLOCK 三根信號線，音頻的驅(qū)動采用OSS架構(gòu)，類似其他驅(qū)動，音頻驅(qū)動的實現(xiàn)分為初始化、打開設(shè)備、讀寫操作、設(shè)備查詢/控制、釋放設(shè)備和注銷設(shè)備等部分；開發(fā)板帶有網(wǎng)絡(luò)芯片DM9000，滿足聯(lián)網(wǎng)的要求；系統(tǒng)還帶有串口等其他設(shè)備。本次使用的內(nèi)核Linux-2.6.32.2 已經(jīng)能支持UDA1341 音頻芯片的驅(qū)動，但提供的是針對SMDK2440，SMDK2440的錄音通道，使用的是VIN1，而在本開發(fā)板使用的則是VIN2，因此需修改內(nèi)核驅(qū)動linux-2.6.32.2/sound/soc/codecs/ uda134x.c中添加uda134x_write(codec, 2, 2|(5U<<2))，把錄音通道改為VIN2。

軟件平臺采用linux-2.6.32.2，Linux作為一種開源操作系統(tǒng)，具有較高的穩(wěn)定和可移植性，可以根據(jù)需要進行內(nèi)核、驅(qū)動的裁剪配置，這里將TCP、UDP協(xié)議以及聲卡，網(wǎng)卡、串口等相關(guān)的驅(qū)動配置進去。

3 信令協(xié)議SIP及其協(xié)議棧

SIP協(xié)議作為會話控制協(xié)議，用來建立、修改和終止多媒體會話，其重要性不言而喻。這里對SIP再做點介紹。

SIP采用分層結(jié)構(gòu)，最低層是語法和編碼，第2層是傳輸層，第3層是事務層。最上層是事務用戶。每個有狀態(tài)的SIP 實體，都是事務用戶，當發(fā)送請求時，將創(chuàng)建一個客戶端事務實例，并將請求與目的IP 地址、端口一起發(fā)送。SIP消息分為兩大類：請求（Request）和 響應（Response。請求消息分為 6 種：REGISTER、INVITE、ACK、BYE、CANCEL、OPTIONS。響應消息分為6類：1xx，2xx，3xx，4xx，5xx，6xx。其中1xx是臨時響應（Provisional Response），其余是最終響應（Final Response）。

目前符合RFC3261規(guī)范的開源SIP協(xié)議棧有OPAL,VOCAL,sipX ,oSIP[5]等，oSIP 結(jié)構(gòu)簡單、功能齊全，可移植性好，因此本次選用了oSIP。

oSIP協(xié)議棧主要分為3大部分：狀態(tài)機模塊、解析器模塊、工具和對話模塊。其核心是狀態(tài)機模塊。狀態(tài)機有4種類型：ICT、IST、NICT以及 NST，對不同的事務，oSIP用不同的狀態(tài)機處理，并推動自身狀態(tài)的改變。解析器模塊主要完成對SIP 消息結(jié)構(gòu)剖析、SDP 消息的結(jié)構(gòu)剖析以及URI 結(jié)構(gòu)的剖析。工具模塊主要提供一些處理工具用于對話管理和SDP協(xié)商。

eXosip是對oSIP的擴展，它對oSIP協(xié)議棧進行了部分封裝，增加了registration、 call、dialog等過程的解析，使得調(diào)用接口更加友好，使用eXosip可以簡化開發(fā)任務。

4 流媒體處理部分Mediastreamer2和oRTP和語音編解碼算法

流媒體處理分為3個部分Mediastreamer2和ORTP以及編解碼算法。這3個本來是獨立的，由于它們相互協(xié)作處理用于處理音頻流，因此這里一起介紹。

Mediastreamer2負責媒體流的處理，采用純C開發(fā)，是一個功能強大且小巧的流引擎，最小依賴只需oRTP和LIBC，可根據(jù)需要添加其他庫，如SPEEX。Mediastreamer2媒體庫將語音模塊的工作分為幾大MSFilter實體：對聲卡的讀寫soundread/soundwrite，調(diào)用音頻庫的encode/decode，接收/發(fā)送RTP數(shù)據(jù)包的rtpsend/rtprecv等，利用函數(shù)指針將一系列的FILTER組合起來，多個MSFilter進行連接，形成一個MSFilter chain。

oRTP負責流媒體如何安全可靠的傳輸，是用C語言編寫的RTP的開源協(xié)議棧，并且實現(xiàn)了RTCP，RTP在初始化的時候會對全局變量RtpProfile賦值，RtpProfile中的PayloadType數(shù)組的每個元素對應一種媒體流，包括了名稱，采樣率，聲音位數(shù)，靜音格式，占用帶寬等媒體流屬性。rtp_session_send_with_ts和rtp_session_recv_with_ts分別是oRTP發(fā)送和接收的主要函數(shù)。

語音壓縮編解碼算法很多，常見的有G.711PCM、GSM等算法，本次采用的G.711PCM算法，如需要更多算法，還可以使用SPEEX庫。

5 UA的程序設(shè)計

本次UA部分實現(xiàn)了注冊、呼叫、應答、掛斷、退出 等電話呼叫的基本功能。UA主程序的流程圖如圖2示。

圖2 UA主流程圖

圖3 mysip_init()執(zhí)行流程圖

（1）系統(tǒng)首先調(diào)用add_port_set()，設(shè)置注冊時所用的注冊服務器地址和端口號，通話時對端的sip url地址及本地sip端口和rtp端口號、用戶名和密碼等；然后調(diào)用mysip_init()。

（2）在mysip_init()中，進行一系列初始化，見圖3。首先調(diào)用eXosip_init（）對eXosip變量、osip庫初始化，設(shè)置回調(diào)函數(shù)以及傳輸方式；mysip_init()接著調(diào)用eXosip_listen_addr()，eXosip_listen_addr()則對開始監(jiān)聽sip端口，并執(zhí)行eXosip_execute ()去讀取各種osip事件，并進行處理：對于要發(fā)送的message，管理程序會主動調(diào)用接口發(fā)送，對于接收到的message，可能會創(chuàng)建新的call、新的transaction，生成新的transaction的event，還有exosip的event，其中exosip的event是上報給管理程序的；在mysip_init()中會創(chuàng)建一個新的線程ua_exosip來處理這些eXosip事件，為便于描述，在（3）中再討論這些事情，該線程創(chuàng)建后，會對UAC和UAS事件分別作出處理，見圖4；mysip_init()繼續(xù)完成初始化的調(diào)用ortp()和ms_init()，分別對oRTP協(xié)議棧和對Mediastreamer2初始化。

（3）ua_exosip()線程創(chuàng)建后就一直獨立運行，在程序初始化完成后，它的運行要和主程序的循環(huán)讀取用戶輸入的命令并做出響應的運行結(jié)合起來。

在ua_exosip中的exosip事件處理有很多，這里僅僅選取了UAS端收到的EXOSIP_CALL_INVITE， EXOSIP_CALL_ACK以及UAC端收到的EXOSIP_CALL_RINGING，EXOSIP_CALL_ANSWERED在圖4中展示。

（4）在主程序中進入一個死循環(huán)中，循環(huán)中不斷讀取當前輸入的命令，并根據(jù)命令的輸入，執(zhí)行相應的處理函數(shù)。圖2中，列舉了一些常見的命令，當輸入r時，代表要向注冊服務器注冊，將執(zhí)行函數(shù)sregister()完成此功能；當輸入i時，代表作為UAC，將執(zhí)行函數(shù)sinvite()發(fā)起一次呼叫；當輸入a時，代表作為UAS，將執(zhí)行函數(shù)sanswer()接聽電話；當按下h時，代表掛斷電話，將執(zhí)行shang()；當按下q時，代表退出系統(tǒng)，將執(zhí)行squit()。這里分別以UAC端的sinvite()和UAS端的sanswer()為例，介紹實現(xiàn)過程。

圖5為UAC端的sinvite()過程，由于這是一個呼叫發(fā)起請求，將主要調(diào)用eXosip_call_build_initial_invite(&invite, dest_call, source_call, NULL, "invite")和eXosip_call_send_initial_invite (invite)等，它們將構(gòu)造一個invite 請求信息，創(chuàng)建一個新的call，并為該invite創(chuàng)建一個新的transaction，創(chuàng)建完call和transaction后，會根據(jù)要發(fā)送的invite生成一個transaction的event，并將event添加到transaction的event隊列中，最后喚醒處理線程對transaction上的event處理。

圖6 為UAS端的sanswer()過程。當接收方接聽一個電話時，將向發(fā)起方發(fā)送200OK的信息，此時將建立起來一次dialog。但正式的通話要等到發(fā)起方發(fā)出ack信息之后。

（5）終端的運行分析

結(jié)合圖4、圖5、圖6來分析一次執(zhí)行的過程。當在主程序中輸入i命令時，UAC將調(diào)用sinvite()發(fā)起一次呼叫，向接收端發(fā)送呼叫請求(INVITE)，接收端UAS收到了來自EXOSIP層的EXOSIP_CALL_INVITE，則將執(zhí)行圖4中的EXOSIP_CALL_INVITE分支下的處理程序，顯示“收到來自xx的呼叫”，本地振鈴，發(fā)送“180”消息給UAC；當UAC收到來自EXOSIP層的EXOSIP_CALL_RINGING時，會顯示“對方已振鈴”；UAS端打算接聽電話，在主程序中輸入a命令，則調(diào)用sanswer()接聽，這里將進行媒體協(xié)商，并發(fā)送200OK消息給UAC,表明已應答，一次dialog建立；UAC收到來自EXOSIP報告的EXOSIP_CALL_ANSWERED，將“顯示對方已通話”，并構(gòu)建、發(fā)送ACK消息給UAS，獲取編碼方式，調(diào)用start_media()函數(shù)進行媒體流的建立，為隨時準備利用RTP傳輸通話語音；UAS收到來自EXOSIP報告的EXOSIP_CALL_ACK，將會顯示“通話開始”，同時調(diào)用start_media()函數(shù)進行媒體流的建立。start_media()中將調(diào)用Mediastreamer2和oRTP來進行音頻數(shù)據(jù)的RTP傳輸。

6 測試及結(jié)論

在移植好開發(fā)板所用的內(nèi)核和文件系統(tǒng)后，再交叉編譯libosip、libexosip、mediastream、ortp等庫和應用程序myua.c等，得到可執(zhí)行文件myua，將可執(zhí)行文件和前述生成的動態(tài)庫拷貝到開發(fā)板的相應目錄下，就可以運行。

圖4 ua_exosip中的exosip事件處理

圖5 UAC端的sinvite()過程

圖6 UAS端的sanswer()過程

系統(tǒng)的運行環(huán)境：在一個局域網(wǎng)內(nèi)，由一臺在ubuntu下運行的brekeke sip sever擔任服務器，提供注冊員、代理服務、定位等功能；客戶端由兩個移植了UA的開發(fā)板組成，地址和用戶名見圖7。運行時，假設(shè)1002（此時擔當UAC）向1001（此時擔當UAS）發(fā)起呼叫：先將兩者分別運行注冊；再在1002上輸入i，則會發(fā)起一次呼叫；1001收到后輸入a應答；1002收到發(fā)ACK則兩者建立語音通話。

圖7 系統(tǒng)的運行環(huán)境

測試表明，局域網(wǎng)內(nèi)RTP包的丟包率為0，通話通話質(zhì)量較為清晰，通話情況良好。進一步的工作可以實現(xiàn)視頻通話，增加SPEEX等語音編碼，使其能用于更多的場合。

[1]Rosenberg J.SIP: Session Initiation Protocol[S].RFC3261 ,IETF , 2002

[2]張遼.基于ARM 的嵌入式 IP 電話系統(tǒng)設(shè)計與實現(xiàn)[D].武漢：華中科技大學，2012.1.

[3]劉剛,趙劍川.Linux系統(tǒng)移植 [M].北京: 清華大學出版社, 2011.1.

[4]友善之臂.Mini2440 之Linux 移植開發(fā)實戰(zhàn)指南[EB].http://www.arm9.net/.2010.04

[5]潘健等.基于Mediastreamer2的嵌入式語音終端的實現(xiàn)[J],湖北工業(yè)大學學報,2012,27(5):48-51

[6]胡斌.VoIP系統(tǒng)中基于RTP/RTCP協(xié)議的語音及視頻傳輸?shù)脑O(shè)計與實現(xiàn)[D].廈門：廈門大學,2009.05