视频会议多点控制单元的MCU设计与实现

0  引言

视频会议的多点控制单元(MCU)是视频会议系统的核心设备。所有参与会议的终端可与MCU建立一对一的连接，终端负责采集本会场的声音和图像，然后经编码后传输到MCU，由MCU根据当前视频会议的模式确定对音视频信号的处理方式和转发逻辑，最后将处理后的音视频数据再发送到每一个与会者。

1  多点视频会议的分类

基于H.324标准，多点会议实现有各种不同的方法和配置，主要可以为集中式多点会议和分散式多点会议两种模式。

集中式多点会议是由一个多点控制单元来组织，所有终端以点对点方式向多点控制单元发送视频流、音频流和控制流。其结构如图1所示。图1中的多点控制器使用H.245控制功能来对会议进行集中式管理。H.245也可用来指定各终端的通信能力。多点处理器可进行混音、数据分配以及视频信号的混合和切换，并将处理结果送回参加会议的终端。一个支持集中式多点会议的典型多点控制单元通常由一个多点处理器和多点控制器组成。



分散式多点会议是传统的会议系统(如H.320)所没有的。在这种管理方式的系统中没有MCU，也没有集中控制和集中管理的设备，MCU的功能是以MC和MP功能模块的方式分别存在于系统的其他设备中。分布式多点控制和管理之所以能在基于分组的通信网中实现，其主要原因是网络中的通信是在逻辑信道中进行的，而不是以物理信道为单位进行的。分布式多点会议利用多点播送技术来组织，参加会议的终端向别的与会者终端以多点播送方式传送视频和音频信息，而无须在多点处理器集中进行。H.245控制信息仍然以点对点的方式传送给主多点控制器，图2所示是分散式MCU的组网结构。



集中式多点视频会议中的MCU集多点视频会议控制器(MC)和多点视频会议处理器(MP)于一身，它既有组织和管理会议的功能，同时负责所有与会者的声音和图像的处理和切换。  

2 MCU的系统设计

2.1  集中式多点视频会议的网络结构

星型组网方案是集中式多点会议的首选方案。星型组网方案是将所有终端通过集线器或交换机连接到MCU，每个终端都只与MCU建立一个基于H.324标准的连接，图3所示是其星型组网方案。每个终端负责对本会场的声音、图像进行采集后，再经过相应的编码算法进行编码，然后将编码得到的音视频流通过交换机发送到MCU，由MCU根据当前的会议模式对音频和视频分别进行处理。音视频的处理主要包括对与会者声音的混合和多画面合成，最后将处理后的音视频数据由MCU根据会议模式转发给每个参会者的终端。



视频会议模式的设置和参与会议的成员管理可由MCU控制台来完成。实际应用中，一般会为每个会议配备一个会议管理者，又称会议管理员。会议管理员可通过MCU控制台对多点控制单元进行远程控制，包括设置会议开始和结束的时间、会议采用的音视频标准、会议模式的设置、与会者列表的管理以及会议模板的装载和保存等。在会议进行中，会议管理员还可通过MCU控制台对会议进行调度，包括指定新的主席、指定新的发言听众、取消发言等。

在分布式会议方案中，各个终端均完成一定的控制与交换功能，因而灵活性强，与会端加入／退出会议功能易于实现，但其通信协议比较复杂。控制信息以广播方式发送，因而通信效率比较低，所以通常采用集中式实现方案。有时候，主席端也可与MCU合并形成一个超级服务端。这种方式可以演化为人们所熟悉的客户／服务器体系。在主席端的机动性要求不高时，这种方式具有非常突出的优点，如易于实现，控制简便等。图4所示是客户／服务器方式MCU的方案结构。为了保证通用性和机动性，本设计采用集中式MCU方案。



2.2 MCU的通信接口设计

通信接口的主要功能是数据串／并变换与缓存，其作用类似于较大输入输出缓冲区的串口扩展。从调制解调器(Modem)输入的串行数据格式为2-8-1-N，即2 bit起始位，8 bit数据，1bit停止位，无奇偶校验。接口卡分离出8 bit数据位并对之进行串／并变换后存入输入缓冲区，缓冲区是8 kbit的FIFO(先入先出)堆栈，接口卡提供指定的地址以便微机从中读取数据。微机输出的数据可写入接口卡的输出缓冲区。它也是8 kbit的FIFO堆栈，然后接口卡执行相反的操作并将之输出到Modem[17]。接口卡的原理如图5所示。



2.3  视频会议系统协议的简化模型

MCU的设计可参考ITU的H.324系列建议。该建议拟订了低比特多媒体通信终端的基本框架。它包括四个主要部分：G.723.1音频编码标准、H.263视频编码标准、H.245通信控制协议和H.223复接分接协议，该建议同时也描述了一个在PSTN中采用V.34标准的Modem。V.34标准规定了输入／输出Modem的数据格式、比特率等要求。本系统由于MCU连接了多个端口，若各端口Modem的速率不一致，则可能会造成MCU的数据拥塞，故本系统中禁止Modem速率的自动调整。一般在会议开始之前，即按各端口中最低速率建立连接，以保证较小的误码率。在MCU中，主要是对H.223帧的帧头进行处理。H.223帧结构中的帧起始标志为3个连续的FAS码，每个FAS码长为4个字节，试验系统中可取为0XEC。该标志也可用于实现对H.223帧的定界。由于帧长度是不定的，因此，帧起始标志的正确传输与检测直接影响到帧定位。控制信号也占4个字节，其中前两个字节为BAS码，主要携带会议控制信息。因本会议系统的可能状态较少，所用到的控制命令也少，故只用一个字节传送命令，另一个字节作为BAS码的纠错字节，以保证命令的正确传输。

在视频会议系统的命令交互中，MCU及各个与会站点在会议中都要维护一张状态设置表，表中记录了各与会站点所对应的逻辑端口、电话号码、地理位置、在会议中的身份(主席、发言方及普通会员)等，此后MCU进一步将逻辑端口映射成相应的物理地址，以便MCU从该地址读写信息。状态设置表的初始设置是在会前通过勤务电话确定的。预定的开会时间由MCU负责通过Modem呼通各与会站点，以建立起数据链路。当某个站点呼通后，该站点即在其H.223帧中插入终端就绪命令，而MCU则将该帧环回，并将BAS码替换为就绪确认命令。当所有站点均就绪后，MCU即向各站点发会议就绪命令。同时将主席端的数据切换到各个站点，此时主席便可以发言，也可以命令其它会员发言。如果主席没有发命令给MCU，则向MCU发会议进行中状态指示，MCU则维持当前状态；若主席命令A站点发言，则其在H.223帧中插入令A发言的命令。MCU接到命令后，即将A站点的数据切换到除A外的所有其它站点，同时将主席的数据发往A站点。当主席命令会议结束时，MCU即向各站点发送会议结束确认命令，并停止工作，由各站点自行挂断Modem。图6为上述过程的命令交互示意图。



在会议中，MCU接主席命令后，应根据该命令所产生的状态转移来修改状态设置表。通过低速MCU伺服软件可使MCU同时控制8个与会站点的数据读入写出操作，同时进行命令解释执行工作。由于帧交换又要占用大量的内存资源，同时还要保证系统的实时性，因此，MCU伺服软件的设计不仅要求执行效率高，还要求程序本身要占用较少的系统资源。

3 MCU的软件设计

该软件的设计可采用快速原型方法来完成。首先可建立简化的快速原型，然后在此基础上逐步完善以达到设计要求。快速原型同样可采用模块化的方法将整个MCU软件划分为若干松耦合的功能模块，并对各模块分别进行设计与测试，在保证各模块正确后，再对整个软件进行综合调试，以发现各模块间接口设计可能存在的失误，再反过来通过修正各模块程序来完成整个软件的设计。具体开发流程如图7所示。现将各步的工作描述如下：



(1)利用电话线在两台计算机间通过Modem进行数据通信时，可将其作为功能最简单的快速原型。该步的主要工作是建立DOS平台上Modem的控制功能。其关键是对键入的命令进行解释后传送给Modem，同时接收Modem的反馈信号，以确定Modem的状态，并以此进行进一步的控制；

(2)建立远地自环模型，以测试快速原型的正确性，同时测试接口卡的工作特性；

(3)编写帧读入模块和帧写出模块程序，以连续测试帧环回及单一测试帧。验证传送来的测试帧读摸块以及帧写出模块的正确性；

(4)编写命令提取与解释模块和状态修改模块程序，通过改变测试帧的BAS码并读取状态修改结果来验证上述模块的正确性；

(5)编写帧切换／BAS码替换模块程序，构造三台计算机间的测试平台，并使其一充当MCU，然后通过另两端的测试帧切换来验证上述模块的正确性；

(6)根据实际条件建立多台计算机间的测试平台，并适当改变测试帧的长度(128～512 byte)，进行连续的测试并计时，以检验各模块的工作时延。然后按照系统的实时性要求对产生时延较大的模块进行改进。

4  结束语

由于MCU对运动程度不同的视频图像的处理能力有所不同，所以，传送运动程度不同的视频图像时，在终端B接收到的视频质量良好的情况下，MCU的最大接入终端数(MCU的容量)是不同的。测试发现，本文设计的MCU在运动量比较大(n=16的时候)时，音视频图像良好；n=20的时候，音视频效果基本可以接收，但是偶尔图像有失真；而在n=32时，图像色彩严重失真，声音断断续续。同时再考虑图像时延和延迟抖动(话音和图像的同步)等视频会议的规定值(点对点的图像时延不超过150 ms，延迟抖动约为400ms)。可以得出：在图像质量良好，图像时延和延迟抖动均能达到规定要求的情况下，本MCU的单台容量应为16。