SIP终端分布式语音会议的研究*

冯玖江，瞿 辉，袁星勇，于兴网

（重庆金美通信有限责任公司，重庆 400030）

0 引 言

随着网络和多媒体技术的不断发展，多媒体业务逐渐在Internet应用中占据主导地位，用户对手持终端的使用要求越来越高，使用方式不局限于简单的文字消息、电话业务，更希望能集成视频、图片、短语音消息、状态显示、地理位置共享等业务。于是，融合通信技术应运而生，很好地将上述要求进行了融合统一。语音会议作为它的重要应用，逐渐被提上研究议程，越来越受到关注。

本文通过分析现有语音会议系统架构，提出了在终端侧集中混音的分布式语音会议方法，并利用SIP协议优良的扩展性实现SIP终端多方通话的信令接续，完成语音会议功能。

1 语音会议系统分析

目前，IP网络上的语音会议系统主要采用SIP和H.323协议作为控制信令，采用RTP（RealtimeTransport Protocol，实时传输协议）作为语音流的传输协议，主要架构模型有信令集中式和语音集中式、信令集中式和语音分布式、信令集中式和语音组播式三种模型，拓扑分别如图1、图2和图3所示[1]。

图1 语音集中式处理模型

图2 语音分布式处理模型

图3 语音组播式处理模型

三种会议系统模型都是信令集中式处理，但是语音处理方式不相同，其优缺点如下所述。

（1）语音集中处理模型

优点：参与语音会议的终端用户不需要自己进行混音处理，不需要关心其他参与者的语音编解码类型。

缺点：需要预约会议，灵活性差；需要单独部署会议服务器对会议进行管理和对语音进行混音，增加了部署成本；如果建立大规模会议或者会议室很多的情况下，会增加会议服务器的运行压力。

（2）语音分布式处理模型

优点：每个参与终端相当于一个混音服务器，不需要专门的会议服务器进行语音混音，降低了部署成本。

缺点：每一个参与语音会议的终端必须具有混音功能和会议管理功能，从而降低了会议参与的灵活性；每一个终端都会向其他所有参与终端发送混音后的语音数据，导致语音数据的网络开销急剧增加。

（3）语音组播处理模型

优点：会议参与终端需向网络中指定的一个组播IP地址发送语音数据，组播设备将收到的语音数据向网络中的终端设备进行传递，降低了网络开销。

缺点：每一个会议参与终端需要具备混音功能和会议管理功能，从而降低了会议参与的灵活性；需要增加网络组播设备，同样增加了部署成本。

2 多方语音会议架构

本文对语音分布式处理模型进行改进，会议模型中不需要单独部署会议服务器和媒体服务器，只需要一个SIP信令服务器做信令转发，对语音混音的控制和会议管理都主要由语音会议召集终端执行，语音会议拓扑如图4所示。

图4 语音会议拓扑

优点如下：

（1）不需要预约，可以随时建立、撤销语音会议；

（2）对参与成员来说，语音会议只相当于一路普通通话；

（3）只对会议召集终端有混音功能和会议控制功能，对参与语音会议的终端没有能力要求，一部普通SIP电话即可加入语音会议；

（4）互联网中，任意一个具有会议功能的终端都可以发起一个语音会议，不需要单独的会议服务器，可以实现多点分布式语音会议。

分布式语音会议拓扑如图5所示[2-3]：

图5 分布式语音会议模型

3 基本会议功能实现

SIP协议能够实现发起、终止、修改会话参数等，但SIP并不提供会议控制服务，可以在其基础上实现会议控制功能来建立、拆除一个会议[4]。

3.1 会议建立和加入

语音会议的信令采用SIP信令建立通话连接，没有会议室的概念，所有会议参与方都是一路普通呼叫。当新的参与方接通后，语音会议召集终端将新的通话合并到已经存在的通话中，从而完成一个语音会议的建立。会议建立流程如图6所示。

图6 会议建立流程

3.2 会议拆除和退出

该系统设计不限制成员退出会议。当某一路参与者想退出语音会议时，直接发送BYE信令挂机，并关闭语音流即可退出。会议召集者如果要移除参与成员，向被移除成员发送BYE挂机信令，即可将该参与者移除当前会议。当语音会议中没有参与成员时，语音会议自动拆除。会议拆除流程如图7所示。

图7 会议拆除流程

3.3 会议管理单元

会议管理单元负责协调参与会议各成员的信令沟通，维护会话流程的建立和调度，可以对参与成员进行禁止发言和恢复发言的管理，可以邀请新成员或者移除新成员。邀请新成员进入会议，可以采用Dial-in方式，即成员主动呼叫召集者的URI，召集者在回复200OK的contact头域中加入isfocus标识来表明自己是会议召集者。也可以采用Dial-out方式，会议召集者主动邀请会话参与者进入会议，在发送的INVITE消息的contact头域中加入isfocus标识来表明自己是会话召集者。移除成员则直接向成员发送BYE信令；会议状态管理采用SIP的REFER方法，将新加入的成员信息或者刚退出的成员信息通知给其他参与成员，其他参与成员则更新自己的会议状态信息。会话管理流程如图8所示。

3.4 媒体策略

媒体策略包括媒体混合单元和媒体控制单元。媒体混合单元是一个对语音媒体处理的部件，其功能是完成对语音的编码、解码和混合，目前能够支持PCMA、PCMU、G.729的编解码[5]；媒体控制单元从网络中收取RTP语音流，然后将语音载荷送到媒体混合单元进行处理，并根据会议管理单元的信令将媒体混合单元的语音数据通过RTP[6]发往对应的网络地址。

图8 会议管理流程

4 结 语

本文设计的终端侧混音分布式语音会议能满足基本的语音会议要求，可以实现简单的会议管理。SIP作为业务控制信令实现简单，且对SIP稍作扩展还可以实现更加丰富的功能。终端侧的混音也降低了会议服务器的部署成本，是一个在性能和成本之间折中的较佳方案。