3G交互式视频网关的设计与实现方案二

2 网关总体设计

　　网关的工作原理如图3 所示。

　　图3 网关工作原理

　　由图中可以看出，3G 交互式视频网关主要负责控制消息和媒体格式的转换。在3G 电路域一侧，3G 手机用户通过拨打特服号码拨通到3G 网关，此时通过Q.931 信令建立起了一个B 信道，这个信道是一个64Kbps 的数据信道。在B 信道建立后，3G-324M协议的初始化过程就在B 信道上进行，协议会在B 信道上建立三个逻辑信道，分别用来传输H.245 控制消息、音频数据和视频数据。在完成了3G-324M 协议的初始化后，网关在IP 域一侧通过SIP 协议与增值应用服务器建立一个SIP 会话，获得RTP 格式的实时媒体流。对于从增值应用服务器获得的音频、视频数据和控制消息，网关转换格式后，发送到3G-324M 协议栈，3G-324M 协议栈根据H.223 协议将音频、视频数据和控制消息复用到B 信道上发送到3G 手机。

　　对于从B 信道上获得的数据，网关解复用成相应的音频、视频数据和控制消息后封装成对应的RTP 格式的数据报和SIP 消息，发送到增值应用服务器。网关的交互式功能主要通过控制消息的转换实现，而控制消息主要来自手机端的DTMF 输入。

　　在设计的时候，由于实验室已有的2G 音频网关技术平台已经实现了SIP 协议栈并配有E1 板卡， 所以只要在其基础上加入3G-324M 协议栈，并实现3G-324M 协议与SIP 协议之间媒体格式和控制消息的转换即可以完成3G 交互式视频网关的基本功能。

　　根据3G-324M 协议标准，3G-324M 协议栈的结构设计如图4 所示：

　　图4 3G-324M 协议栈结构

　　从图中可以看出，所设计的3G-324M 协议栈一共有3 个逻辑信道，分别是H.245 控制消息信道、音频信道和视频信道。由应用自上而下传递的控制消息翻译成对应的H.245消息，经过CCSR（Control ChannelSegmentation and Reassembly Layer，简称CCSR）分段后交NSRP（Numbered Simple RetransmissionProtocol，简称NSRP）加上序列号，加入到控制消息发送队列中，由应用自上而下传递的音频和视频数据经过H.223 的适配层进行适配后，也加入到相应的媒体数据发送队列中，H.223 的复用层分别从各队列中取得数据复用后通过3G 网络发送到3G 手机上。对于从3G网络得到的数据，协议栈自下而上通过H.223 进行解复用到各逻辑信道的接收队列中，应用从各逻辑信道提取控制消息或媒体数据进行处理。

　　在设计3G-324M 协议栈音视频发送机制的时候，考虑到媒体流中视频的数据量较大，而电路域提供给视频的带宽只有40kbps 左右，所以如果不做适当处理，肯定会出现音频超前视频的情形。因此为音频数据流设计一个缓冲区，只有当音频缓冲区中音频包的个数大于一定域值的时候，才会发送音频数据，这样就最大限度的避免了可能出现的音视频不同步的问题。

　　在设计协议间媒体格式转换机制，特别是在将RTP 格式的H.263 视频数据转换成3G-324M 协议栈能处理的视频帧的时候，由于RTP 封装的H.263视频数据在图像开始码处字节对齐，具有填充位，如果不去掉填充位直接发送到3G 手机终端，则会出现马赛克，所以设计了一个H.263 视频帧的缓冲区，将连续两个图像开始码之间的视频帧缓冲起来，以去掉帧间的填充位。具体的处理流程是让程序扫描H.263格式的视频流缓冲区，每遇到图像开始码便将其之后的视频帧缓冲起来，缓冲区的大小动态分配，直到遇到下一个图像开始码，然后将两个图像开始码之间的视频数据去掉填充位后发送到3G-324M 协议栈。