《数字视频处理及应用》课件第9章

第9章视频会议系统9.1视频会议系统概述9.2视频会议系统的工作原理9.3视频会议系统的组网及应用9.4本章小结

9.1视频会议系统概述

9.1.1视频会议系统的基本概念

视频会议系统，又称会议电视系统，是指两个或两个以上不同地方的个人或群体，通过传输线路及多媒体设备，将声音、影像及文件资料互传，实现即时且互动的沟通，以实现会议目的的系统设备。视频会议是一种集通信、计算机技术、微电子技术于一体的远程异地通信方式，是一种典型的图像通信。在通信的发送端，图像和声音信号被变成数字化信号，在接收端再把它重现为视觉、听觉可获取的信息。视频会议的参与者通过视频会议的方式，可以听到其他会场与会者的声音，看到其他会场与会者的视频图像，还可以通过传真和电子白板及时传送需要的讨论文件，使与会者有身临其境的感觉。9.1.2视频会议系统的分类

视频会议系统可以从节点数目、通信网络、传输内容、终端配置及应用场合等多个角度进行分类。

1.按照节点数目分类

视频会议系统按照参与会议的节点数目可分为点对点会议系统和多点会议系统。点对点系统不需要多点控制单元(MultipointControlUnit，MCU)，其实质就是可视电话系统。

2.按照通信网络分类

支持视频会议系统的通信网络有很多，而且各种通信网络均有其各自独特的特性，从而导致了在不同通信网络上视频会议系统设计和部署的差异性。视频会议系统按照所运行通信网络的不同可以分为专用网络(如DDN)、局域网(LAN)、广域网(如B-ISDN)、公共电话网(PSTN)和互联网(Internet)等。

3.按照传输内容分类

在实际的计算机会议系统中，根据不同程度的需求和目的，在网络中交互的会议内容也有极大的差别。视频会议按使用的信息流分为文件会议、数据会议、多媒体会议等(从狭义角度讲，文件会议和数据会议并不属于视频会议系统)。

在文件会议系统中，与会者共享屏幕上一个或多个窗口，通过这些窗口交换信息，可传图文，但不能传声音；数据会议系统是在文件会议系统的基础上，在相同的通信线路上增加同时传送声音的功能；多媒体视频会议系统可以支持语音、视频、文本、图形等多种媒体的传输，是视频会议发展的方向。

4.按照终端设备的档次及应用场合分类

视频会议系统可以在政府行政会议、公司远程会议、公用会议出租或个人临时会议中使用。根据视频会议系统设备档次及应用场合等因素可分为专业会议室型、标准会议室型、桌面宽带可视电话型和基于计算机平台的软终端型四大类。第一种类型系统设备性能要求很高，设备配置及安装位置相对固定，移动不方便，最高传输速率可达4Mb/s，可提供高质量的音频和视频，系统价格比较昂贵，一般适用于政府机构、大型企业的专用会议室。第二种类型系统能提供良好的图像质量，系统安装简单，操作方便，价格合理，最高传输速率可达2Mb/s，可以在那些以视频会议作为应急的必要措施的中小型企业中使用。第三类系统没有专用的会议室通常只为一个人使用，主要用于远程办公。第四类基于计算机平台的软终端视频会议系统没有专用的硬件设备，软终端通过计算机提供的通信接口与简单的音视频输入输出设备连接，图像的编码解码通过计算机应用程序由计算机资源完成，图像显示由显示器显示，主要应用于个人用户。9.1.3视频会议系统的关键技术

视频会议是多媒体通信的一种主要应用形式，因此多媒体通信中使用的关键技术也是视频会议中的关键技术，主要包括高速多媒体网络传输技术、音视频数据压缩编码技术和同步技术。

1.高速多媒体网络传输技术

现代计算机网络与通信技术是视频会议系统的基础，现有的各种通信网络可以在不同程度上支持视频会议传输。公共电话交换网(PSTN)由于信息传输速率较低，因而只适用于传输话音、静态图像、文件和低质量的视频图像。窄带综合业务数字网(N-ISDN)采用电路交换方式，其基本速率接口可以传输可视电话质量级的音视频信号，集群速率接口可以传输家用录像机质量级和会议电视质量级的音视频信号。理论上，最适合多媒体通信的网络是宽带综合业务数字网(B-ISDN)，它采用异步传输模式(ATM)技术，能够灵活地传输和交换不同类型(如声音、图像、文本、数据)、不同速率、不同性质(如突发性、连续性、离散性)、不同性能要求(如时延、抖动、误码等)、不同连接方式(如面向连接、无连接等)的信息。随着IP网络的普及发展，Internet的网络规模、用户数量以及业务量成指数型增长，IP协议在WAN中占据了越来越大的比例，成为传送数据的主要协议。由于IP网具有很多专线网络不可比拟的优势，基于IP网络的视频会议系统已成为发展的主流趋势，但是目前的广域网环境及TCP/IP协议并不适合传送实时多媒体数据。因此，要开发全球范围的高性能视频会议系统首先必须建立高速的多媒体通信网络，同时配以新型的实时多媒体传输协议。目前世界各个主要的标准化组织、产业联盟、各大公司都在对IP网络上的传输协议进行改进，并已初步取得成效，如RTP/RTCP、RSVP、IPv6等，其中IPv6将从本质上提高IPv4的性能，支持资源预订(与RSVP协议相结合)和QoS控制，同时支持完整的Multicast(内置Internet组管理协议IGMP)，因而将成为下一代IP技术的核心。

2.音视频数据压缩编码技术

数字音视频信号相对于传统的模拟信号有很大的优势，但数据量大，无论对于存储还是传输都会造成很大的困难。考虑到一般通信网络传输速度的限制，要实时处理和传输视频和音频数据，不进行数据压缩是无法实现的。另外，实现压缩的可能性就在于图像或语音信源固有的统计特性，以及信号接收者的视觉和听觉的某些特性。迄今为止，已经提出了大量的编码方法。在图像压缩方面有预测编码、变换编码、子带编码、小波编码、分形编码、模型基编码、矢量量化、运动估计等。在音频方面有自适应差分脉码调制(ADPCM)、线性预测编码(LPC)、子带编码、熵编码、矢量量化等。评价编码技术优劣的准则主要有三条：压缩比、重现质量和压缩速度，另外还有抗干扰能力、同步能力、可伸缩性等。其中压缩速度在多媒体应用中显得尤为重要。目前在音视频编解码方面已经制定了一些国际标准，如用于视频编码的H.261、H.263、H.263+、MPEG-1、MPEG-2等标准。这些标准的算法核心均采用了DCT和运动估计的编码技术，H.261是P×64kbps的视频编解码标准，H.263则是低比特率视频编解码标准，H.263+又在H.263的基础上进行改进，提出了一些新的帧内和帧间编码技术，如在帧内编码时对8×8方块的第一行(或第一列)DCT系数进行预测(H.263标准只对直流分量进行预测)，对帧内和帧间编码采用不同的VLC码表，帧间编码时可在一组缓存图像中选择一帧作为参考帧进行运动估计。另外还提出了图像分层技术和改进的PB帧方式等。在音频编码方面，相继出现了G.711、G.722、G.723、G.728、G.729、G.729A等标准。除了早期的G.711和G.722标准，近期提出的低比特率音频编码标准其核心都包括LPAS技术。其中，G.728的优点是低时延，它是ISDN视频会议系统的推荐语音编码标准；G.723.1的优点是低码率，因而是Internet视频会议系统的推荐语音编码标准，但其缺点是时延太大；G.729是目前很有前途的一种低比特率多媒体会议语音编码标准，它的时延和码率都较低，很适合在视频会议系统中使用。

3.同步技术

在视频会议中，视频信息通常是由多个媒体流(音频、视频、文本等)组成的，各媒体流之间往往具有一定的时间关系，因此在接收端应实现同步回放，这种同步称为媒体同步(也称为唇音同步)。除了媒体同步外，由于视频会议是面向多个用户的，为了公平起见，一个用户发送的多媒体信息应当在所有接收的用户中同时进行回放，使每个用户有平等的反应机会，这种同步称为群同步。一般采用存储缓冲和时间戳标记的方法来实现信息的同步。存储缓冲法在接收端设置一些大小适宜的存储器，通过对信息的存储来消除来自不同地区的信息时延差。时间戳标记法把所有信息打上时间戳(RTS)，凡具有相同RTS的信息将被同步显示，以达到不同媒体间的同步。

4.视频通信系统的发展历史

和其他许多事物的发展一样，视频会议的发展也经历了一个从无序到有序、从不成熟到基本成熟的过程。在这个发展过程中，相继出现了电视会议、桌面视频会议、多媒体会议等多种远程会议系统。

1)发展初期

视频会议系统的历史可追溯到上个世纪60年代初，当时美国电报电话公司(AT&T)曾推出过模拟视频会议系统(PicturePhone)，该系统传送的是黑白图像，并且只限于在两个地点之间举行会议，而且要占用很宽的频带，费用很高，因此这种视频会议没有得到进一步地发展。进入70年代以后，由于相关技术领域的长足进步，最主要是数字传输的出现，传统视频会议系统所用模拟信号的采样或变换方法也得到极大的改善，数字信号处理技术开始走向成熟，视频会议开始采用数字信号处理技术和数字传输方式。但是数字信号的存储与传输仍是一个难以解决的问题，尤其是模拟信号如果用数字形式表示，其存储量和要求的传输能力更甚。对数据压缩问题的研究，成为突破障碍最终把视频会议技术推向市场的关键。总体来看，20世纪70年代视频会议系统的发展处于相对平稳的时期，但研究工作并未中断。

2)快速发展阶段

进入20世纪80年代中期，通信技术发展迅猛，信息编解码技术趋于成熟，信息压缩算法性能大为提高，使得视频会议设备的实用性大为提高。这一阶段，数字视频会议逐渐取代了模拟视频会议，并且得到发展，在某些地区开始形成了视频会议网。但此时的视频会议由于价格和技术因素，仍只局限于高档会议室的视频会议应用，且由于各地使用的协议不一，难于实现国际视频会议。

3)实用阶段

20世纪90年代初，第一套国际标准H.320获得通过，不同品牌产品之间的兼容性问题得到解决。在视频会议系统的发展过程中，音视频编码技术作为其中的关键技术之一起到了极大的推动作用。1990年CCITT第15届研究制定了针对活动图像的Px64kbps的编解码器协议H.261之后，视频压缩编码技术开始走向标准化和实用化，一批符合H.261标准的专用芯片和多媒体会议产品(大多基于ISDN)相继问世。五年之后，该研究组又提出更低比特率的视频编解码方案H.263标准。该标准可将视频图像最少压缩到大约20kb/s，可在普通电话线上通过28.8kb/s的V.34Modem传送音视频信号。音频编码标准则从早先的G.711、G.722发展到以后的G.723.1、G.728、G.729等。在音视频编码协议不断改进与发展的同时，视频会议本身的协议也实现了更新换代。从基于ISDN环境的H.320标准到基于分组交换网的H.323标准，再到PSTN的H.324标准，另外还有H.321标准(B-ISDN环境下的视频会议)、H.322标准(等时以太网环境下的视频会议)。

4)多功能阶段

随着计算机和通信技术的发展，视频会议系统在实用化和改善性能的同时，开发了适应在多种通信网络上召开会议的视频会议系统，功能也在不断满足用户的需求。配合H.261视频压缩集成电路技术的开发，视频会议系统也有朝小型化发展的趋势。在1992－1995年期间，可移动型视频会议系统成为视频会议应用中的主要产品。视频会议系统在90年代中期的另一个发展趋势为桌上型产品开始成熟。桌面视频会议系统是面向广大机关企事业单位、组织和个人的较理想的远程会议工具，其优点是价格便宜、带宽利用率高、接入方式灵活(PSTN、ISDN、LAN、Internet、虚拟专网VPN等)、具有互操作性以及便于升级扩充等等，因而在最近几年里得到了飞速的发展。视频会议是在桌面视频会议的基础上增加多媒体支持特性而形成的，目前对于视频会议还没有一个统一的定义和标准，也有人将桌面视频会议称为多媒体会议，因为许多桌面视频会议系统支持一些简单的多媒体特性(如电子白板、文字交流、文件传输、应用程序共享等)。视频会议系统比一般的桌面视频会议系统有一定的进步，但仍然存在较大的局限性，只能召开一般意义上的互相交流信息的会议，而不能让某一群体用户使用完成一项共同的工作，或者说，视频会议系统的协同性不够。

5)视频会议系统的发展方向

随着近年来视频会议系统的便捷性日渐深入人心，视频会议系统以快捷、方便为特点越来越受到关注并得到了长足发展。视频会议系统使更多的使用用户摆脱了时间、地域的限制，随时随地轻松地进行多人的“面对面”实时沟通，同时降低了企业成本，提高了工作效率和决策速度，更提高了企业对客户服务的反应速度，视频会议系统经过多年的发展已经被广泛认可。据相关调查显示，我国在政府、金融、能源、通信、交通、医疗、教育等重点行业机构中，使用视频会议系统的用户比例日趋增多，视频会议系统已经成为我国行业信息交流和传递的重要手段。在过去的几年间，我国视频会议系统市场已逐渐步入快速发展阶段，在未来几年内，视频会议系统发展速度还将加快，其发展方向主要表现在以下几个方面：

(1)IP化。

(2)高清化。

(3)移动化。

(4)融合化。

9.2视频会议系统的工作原理

典型的多点视频会议系统是由终端设备、通信网络、多点控制单元(MCU)和相应的系统运行软件组成的，其拓扑结构如图9-1所示。其中的通信网络可以是PSTN、LAN、ISDN、Internet、FDDI/ATM等，但由于不同的通信网络原理及结构差异很大，导致了视频会议系统的组成部分及微观内部结构(包括终端系统的连接结构，MCU的配置方案结构等)多有不同。下面介绍两种应用最广的视频会议体系，一种是适用于ISDN、ATM等电路交换网络的H.320框架体系，一种是适用于IP分组交换网的H.323框架体系。图9-1多点视频会议系统拓扑结构9.2.1基于H.320框架标准的视频会议系统

H.320标准发展于20世纪80年代后期，于1990年7月由CCITT(现在的ITU)通过。它是第一个成功的低速率视频通信标准，描述了保证服务质量的多媒体通信和业务，使用带宽时以64kb/s为基本增加量，称为“p*64”，它包括ISDN和56kb/s交换网(速率从56kb/s～2Mb/s)上的视频会议和电视电话，目前仍是一个被广泛接受的ISDN视频会议标准。

1.H.320终端

终端是视频会议系统的基本功能实体，在视频会议系统中处在会场的图像、音频、数据输入/输出设备和通信网络之间，其核心是编解码算法。它将本地会场的视频图像、语音和数据信息进行压缩编码、处理后发送出来，同时将接收到的各种信息进行解码，再现图像、语音和数据信号。会议终端根据不同的网络所采用的标准有所不同，主要表现在“复用控制”及“通信接口”模块的不同，此外，所使用的视、音频处理的标准也有所差别。

H.320标准从总体上规定了视频会议以终端为主的系统框架。通常将符合H.320协议的视频会议终端称为H.320终端，其功能结构如图9-2的虚线框所示。图9-2H.320终端结构

1)视频编解码

视频编解码对由视频I/O设备来的视频信号实行减少冗余度的处理，由H.261/H.263/H.264协议来规范，主要功能包括以下几点：

(1)将来自本地会场视频输入设备的模拟视频信号数字化后进行压缩编码处理，以适应窄带数字信道的传送。目前，已有许多数字式摄像头产品，这种摄像头输出的信号已经被数字化，视频编解码器对此数字信号流直接进行压缩编码处理。

(2)将来自远程会场的已压缩视频信号解压缩后，送给相应的视频输出设备。

(3)可对不同电视制式的视频信号进行处理，以使不同电视制式的视频会议系统直接无缝互通，如PAL与NTSC之间的互通。

在多点视频会议通信的环境下，视频编解码器应支持MCU进行多点切换控制。

2)音频编解码

在视频会议系统中，音频编解码与视频编解码具有同等的核心地位，按照G.711、G.722或G.728协议对音频信号进行编解码。由于音频数据量与视频数据量相比要小得多，音频编解码在视频会议系统设计中并不会成为瓶颈问题。

音频编解码功能主要包括两个方面：

(1)对来自本地会场音频输入设备的模拟信号数字化，以PCM、ADPCM或LDCELP方式进行编码。这类模拟信号频率通常为50Hz～3.4kHz或50Hz～7kHz。编码后的数字音频信号的速率可为16kb/s、48kb/s、56kb/s和64kb/s四种。

(2)对来自远程会场已压缩的音频信号解压缩后，送到相应的音频输出设备。

3)语音延时

由于视频编解码器会引入一定时延，造成发言人的语言与唇部的动作不协调，其口形动作与语音相比有一个延迟，因此在音频编码器中必须对编码的音频信号增加适当的时延，以便使解码器中的视频信号和音频信号同步，即所谓的同步问题。

4)数据协议

数据协议是所有会议场点之间进行各种数据通信的基础，它必须支持电子白板、静止图像传输、文件交换及数据库存取等类型。

5)系统控制

系统控制是视频会议终端之间联络的工具，利用控制协议的控制信令对系统进行控制。一般，视频会议系统各终端之间的互通是依据一定的步骤和规程通过系统的控制来实现的，每进行一项步骤都由相关的信令信号完成。

6)复用解复用器

该设备可将视频、音频、数据、信令等各种多媒体数字信号组合为64～1920kb/s的数字码流，成为与用户/网络接口兼容的信号格式。同时，也可把接收到来自远程会场的比特流分解为各种多媒体信号。对于该设备而言，不管是输入还是输出，数字比特流格式应符合H.221协议所规定的信道帧结构。

7)用户/网络接口

用户/网络接口是用户端的终端系统与通信网络信道的连接点，该连接点称为接口。该接口主要完成通信网络与多路复用和解复用模块的匹配问题。

上面简单介绍了H.320终端的主要功能模块，需要注意的是，终端系统结构中各模块并不是独立存在的，在实际设计时可能会将若干模块集成或镶嵌在一起协调工作，如时延电路模块就内嵌在音频编解码器电路中。

2.多点控制单元

多点控制单元(MultipointControlUnit)是多点视频会议系统的关键设备。MCU将来自各会议场点的信息流经过同步分离后，抽取出音频、视频、数据等信息和信令，再将各会议场点的信息和信令送入同一种处理模块，完成相应的音视频混合或切换、数据广播和路由选择、定时和会议控制等过程，最后将各会议场点所需的各种信息重新组合起来，送往各相应的终端系统设备。MCU还有自动统一传输速率的功能：同一次会议的所有终端系统应该工作在同一速率上，如果与它连接的终端系统速率不一致，它会自动选择所有终端系统的最低速率为工作速率。MCU的工作原理如图9-3所示。线路单元包括网络接口、多路分解、多路复接和呼叫控制4个部分。每个端口对应一个线路单元。图9-3MCU构成原理在图9-3中，网络接口模块分输入、输出两个方向。一方面，该模块校正输入数据流和输出数据流，完成输入/输出符合码流的波形转换。另一方面，该模块按本地系统的时钟定位输入的数据流，完成输入码流的时钟同步。多路分解模块将输入的H.221格式的复合码流分解为视频、音频和数据信号并送往相应的处理单元。多路复接模块将视频、音频和数据处理单元送来的数据进行复接，形成固定格式的帧，以便在数字信道中传输。呼叫控制处理器主要负责决定正确的路由选择，混合或切换音频、视频、数据信号，并对会议进行控制。

1)视频信号

视频信号主要由视频处理单元完成。MCU对视频信号一般采用直接分配的方式，即对符合H.221协议的复合视频码流进行解复用处理，对分解出的各路压缩数字视频信号并不进行解码，采用直接分配的方式将视频码流发送到目的终端。若某会议场点有人发言，它的图像信号便会传送到MCU，MCU将其切换到与它连接的所有其他会议场点。如果每个会议场点需要同时观看多个会议场点的图像(多窗口系统或多监视器系统)时，MCU的视频处理器才对多路视频信号进行混合处理，即解码、组合和再编码处理。在一般的视频应用中，MCU只完成对视频信号的切换选择，并不进行解码处理。

2)音频信号

音频信号的处理主要由音频处理单元完成。如只有一个会议场点发言，MCU将其音频信号切换到其他会议场点；若同时有几个会议场点发言，MCU根据会议控制模式选出一个音频信号，将其切换到其他会议场点。音频处理器由语音代码转换器和语音混合模块组成。语音代码转换器从各个端口输入的数据流帧结构中分离出各种语音信号并进行解码，然后送入语音混合器进行线性叠加，最后送到编码部分以适当的形式进行编码并插入到输出的数据流中。

3)数据信号

数据信号的处理由数据处理单元完成，数据处理单元在MCU中是可选单元。一方面，MCU根据H.243协议，采用广播方式将某一会议场点的数据切换到其他会议场点；另一方面，MCU可根据H.200/A270系列协议的多层协议(MLP)来完成数据信号的处理。9.2.2基于H.323框架标准的视频会议系统

H.323由ITU-T于1996年提出并完成标准化，它定义了一个在无服务质量(QoS)保证的Internet或其他分组网络上实现多媒体通信的协议及其规程。H.323是H.320的改进版本。H.320阐述的是在ISDN和其他线路交换网络上的视频会议和服务。自从1990年H.320批准以来，许多公司已经在局域网(LAN)上开发了视频会议，并通过网关扩展到广域网(WAN)，H.323就是在这种情况下对H.320做了必要的扩充，扩充后的H.323标准支持以前的多媒体通信标准和设备，其拓扑图如图9-4所示。从图中可以看出，H.323不仅在Internet上通信，还可通过H.323网关与PSTN、N-ISDN及B-ISDN上的终端进行通信。H.323视频系统的基本组成单位是域(ZONE)，一个H.323系统的域是由一个H.323网守、H.323MCU、H.323网关和所有H.323终端组成。图9-4H.323拓扑结构

1.H.323终端

H.323终端结构如图9-5所示。在H.323终端中，对语音的编解码功能是必备项，而对视频和数据通信则是可选项。H.323终端允许不对称的视频传输，即通信的双方可以不同的图像格式、帧频、速率等传输。H.323终端中的视频、音频及数据信息都是以分组方式按各自的逻辑信道进行传送的。图9-5H.323终端结构

1)音频编解码

H.323允许音频编解码的标准种类较多，从低速到高速都有。音频编解码器必须具备G.711的编解码能力，并可选择使用G.722、G.728、G.729、G.723.1或MPEG-1音频标准进行编解码，可进行不对称工作。例如，若音频编码器具有G.711和G.728的能力，则它能够发送G.711标准的音频和接收G.728的音频。编解码器在工作时所使用的音频算法由H.245协议在能力交换期间所确定。H.225.0为每个音频逻辑信道设置一个音频控制逻辑信道，音频数据流根据H.255.0标准的格式进行传输。

2)视频编解码

视频在H.323终端中是可选项。视频编码的标准可以是H.261、H.263、MPEG-2或MPEG-4。图像格式允许采用QCIF、CIF、4CIF、16CIF等格式。H.323允许不对称的比特率、帧频、图像分辨率的视频传输，例如可以允许具有CIF能力的终端以QCIF格式发送，而接收CIF图像。视频数据流根据H.255.0协议规定的格式进行传输，每个视频逻辑信道都伴随一个视频控制逻辑信道。

3)数据处理

T.120是一套支持多点数据交互、静止图像传输、电子白板共享的数据会议标准。T.120可以在H.323通信建立前建立，也可以在H.323通信的过程中，由H.245打开数据逻辑信道，再建立T.120连接和通信。由于T.120是H.323与其他多媒体通信终端间数据互操作的基础，因此，通过H.245协商可将其实施到多种数据应用中，如白板、应用共享、文件传输、静态图像传输、数据库访问、音频图像会议等。

4)系统控制

系统控制功能是H.323终端的核心，它提供了H.323终端正确操作的信令。H.323的系统控制分为3部分。

(1)H.245控制协议:在H.323的通信中，控制是利用多媒体通信控制协议H.245所规定的逻辑信道的信令过程进行的，完成通信的初始过程建立、逻辑信道建立、终端之间能力交换、通信结束等功能。H.245的控制信号须在一条专门的可靠信道上传输，且该信道须在建立任何逻辑信道之前先行建立，并在结束通信后才能关闭。能力交换过程用来保证传输的媒体信号是能够被接收端接收的。这要求每一个终端的接收和解码能力必须被对方终端知道。终端不需具备所有的能力，对于不能处理的要求可以不予理睬。终端通过发送它的能力集合使对方知道自己的接收和解码能力，接收方可以从中选择某种方式。能力交换过程完成后，主叫和被叫之间就可以根据对方的接收能力发起媒体的信道建立过程。

(2)RAS控制:H.255.0协议规定如何使用RTP对音视频数据进行封装，定义了登记、接纳和状态(Registration、AdmissionandStatus，RAS)协议。RAS信道是端点设备到网守的信道，是一个非可靠传输信道。它采用UDP作为传输层，用于传送有关网守发现和端点设备登记的信息(终端和MCU通过RAS信道在网守中注册)。这一信息将一个端点的别地址和它的“呼叫信令传送地址”相联系。网守发现是终端用于决定向哪一个网守去登记的过程，可以用手工方式，也可以用自动方式进行。终端设备要加入H.323的域，必须要进行登记，告诉网守自己的传输地址和别地址。所有的终端都要通过网守发现过程向网守登记。

(3)呼叫控制:呼叫过程使用H.255.0所定义的消息。呼叫信令就是用于建立呼叫、请求改变呼叫的带宽、获得呼叫中端点设备的状态、终止呼叫等的消息过程。在传输音视频数据前，先在端点之间建立呼叫联系以及建立H.245控制信道，然后再建立H.245媒体信道进行数据和音视频信息的传输。当控制功能从H.255.0移交给H.245以后，H.255呼叫即可释放。

5)RTP/RTCP

两个终端间呼叫信令信道建立之后，H.245控制信道建立起来，然后通过能力协商，打开相应的H.245逻辑信道，其中传输视频数据的视频信道就是一种H.245逻辑信道。在视频会议系统中，如何提高音视频数据传输的实时性和通信的QoS，是一个技术重点和技术难点。在H.323视频会议系统中，采用了IETF提出的RTP(Real-timeTransportProtocal，实时传输协议)来保证QoS。RTP为具有实时特性的音视频通信提供了传输服务。它实际上包含两个协议：RTP本身和RTCP。RTP用以传输实时数据，提供净荷类型指示、数据分组序号、数据发送时间戳和数据源标识等。RTCP用于传输实时信号传递的质量参数，提供QoS监测机制，同时还可以传送会议通信中的参会者信息，为会议通信提供控制机制。

2.H.323多点控制单元

多点控制单元支持在3个或者3个以上的端点之间召开视频会议。在H.323系统中，MCU包含必选的MC(MultipointController)和可选的MP(MultipointProcessors)，MP可以没有，也可以有多个。

MC完成对整个会议的集中控制。MC的控制功能通过H.245协议完成，因此，参会各端点首先要建立至MC的H.245控制信道。MC和参会的每个端点进行“能力交换”，并给每个端点发送一个能力集，告知它们可以执行的操作模式(视音频处理能力)。当有终端加入或离开此会议时，MC可能会调整向各终端发送的能力集信息，MC据此确定会议的选定通信模式(SelectedCommunicationMode，SCM)，MC不负责音频、视频和数据的混合或交换，不直接处理任何媒体流。

MP负责完成视音频编解码、格式转换、速率适配、语音的混合、视频的合成或切换以及多画面等功能。MP对终端送来的信号进行音频混合、视频交换或合成以及T.120数据分配，然后将处理后的音视频流和数据流再回送各终端。发送端和接收端如果视频协议、格式和带宽一样，MCU会直接转发，三者中有任一不一样就需要MP把发送端的图像格式翻译成接收端的图像格式。因此，MP必须能执行各种媒体信息的编解码，具备在不同的音频、视频和数据格式以及比特率之间转换的能力，使得与会终端能使用不同的通信模式加入同一会议。如果终端之间的SCM不同，MP则要进行通信模式的转换以保证各终端之间的正常通信。在实现多画面功能时，MCU对需要加入多画面组合中的各终端图像进行解码，再组合编码成一路图像，传送给所有观看多画面的终端。一个多画面会议需要占用MCU一路多画面编码资源，有几个子画面需要几路多画面解码资源；多个会议有多画面则相应累加。

MC和MP可以作为单独的部件或者集成到其他H.323部件。

3.网守

网守也称为关守、网闸，是局域网H.323中一个特有的实体，并且是一个可选项，属于H.323系统中的信令单元，管理一个区域里的终端、MCU和网关等设备。网守向H.323终端提供呼叫控制服务。虽然从逻辑上网守和H.323节点设备是分离的，但生产商可以将网守的功能融入H.323终端、网关和MCU等物理设备中，当然，网守也可以是一个独立的设备。网守执行三种主要功能。

1)接入控制

由于网络资源有限，网络上同时接入的用户数也是有限的。网守根据授权情况和网络资源情况确定是否允许用户接入。它通过地址转换(把终端的别地址转换为可寻址的IP地址)来控制终端、网关和MCU对局域网的访问。

2)带宽管理

网守可以通过发送远程访问服务(RAS)消息来支持对带宽的控制功能。RAS消息包括带宽请求、带宽确认和带宽丢弃等，通过带宽管理，可以限制网络可分配的最大带宽，为网络其他业务预留资源。例如，网络管理员可定义同时参加会议用户数的门限值，一旦用户数达到此设定值，网守就可以拒绝任何超过该门限值的连接请求。这将使整个会议所占有的带宽限制在网络总带宽的某一可行范围内，剩余部分则留给E-mail、文件传输和其他应用。

3)呼叫路由

所有终端的呼叫可以汇集到这里，然后再转发到其他终端，以便于ATM上的H.310终端、ISDN上的H.320终端、公用电话网或移动网上的H.324终端之间的通信。

4.网关

在H.323会议中，网关是一个可选择的部件，因为如果视频会议不与其他网络上的终端连接时，同一个网络上的终端之间就可以直接进行通信。网关提供局域网和其他类型网络之间的连接，在它们之间充当“翻译”。H.323网关提供许多服务，最基本的服务是对在H.323会议终端与其他类型终端之间传输的数字信号格式进行转换(如H.320终端的传输格式H.221与H.323终端传输格式H.255.0间的转换)和通信规程间的转换(如H.320终端通信规程H.242和H.323终端通信规程H.245之间的转换)。另外，H.323网关可实现IP数据分组的打包及拆包、执行语音和图像编解码器的转换、负责在LAN和电路交换网间实施呼叫的建立和消除。H.323网关可建立连接的终端包含PSTN终端、运行在ISDN网络上与H.320兼容的终端以及运行在PSTN上与H.324兼容的终端。9.2.3基于SIP的IP视频会议系统

SIP(SessionInitiationProtocol，会话初始协议)是一种基于IP网络提供多媒体会话控制的信令协议，是由EITF负责制定的。最初版本是1999年形成的RFC2543，之后不断更新，最新的版本是2002年6月提出来的RFC3261。SIP是一个基于文本的应用层控制协议，独立于底层传输协议TCP/UDP/SCTP，用于建立、修改和终止IP网上的双方或多方多媒体会话。SIP协议借鉴了HTTP、SMTP等协议，支持代理、重定向及登记定位用户等功能，支持用户移动，通过与RTP/RTCP、SDP、RTSP等协议及DNS配合，SIP支持语音、视频、数据、E-mali、聊天、游戏等。SIP协议可在TCP或UDP之上传送，由于SIP本身具有握手机制，可首选UDP。

SIP协议是创建、修改或终止多媒体会话的应用层控制协议，其本身只能利用消息机制实现不同的呼叫机制，也就是说它只能提供服务，不具备通信功能，其只能通过以下几种方式实现通信功能：

(1)点对点视频通信。

(2)视频会议通信。系统中增加多点控制单元的工作原理是：多点控制单元的每个单元需要通过INVITE请求发出邀请，在INVITE请求中的SDP(SessionDescriptionProtocol)协议上一定要加上对会议属性的描述，也就是说要给出会议的一些信息，让接到邀请的人员能知道此次会议的大体内容，有利于做出是否要参加的判断。会议开始后，多点控制单元需要将接收到的媒体流准确定位，并且依靠媒体处理器达到视频的分屏再与音频流混合的效果，然后由控制单元分别发送给每个SIP终端。

SIP较H.323而言，具有设计思想简洁开放、移动性和扩展性支持好、终端设备具有良好的智能性等不可比拟的优势。利用SIP构建多媒体会议系统不仅可以方便地实现H.323的各种功能，而且还具有营运成本低，便于开发各种增值业务等巨大优势，其研发存在较大的经济效益和良好的社会效益。但是SIP协议起初是为IP电话而提出的，它主要用于点到点的会话连接和管理，并没有直接提供多方会话的功能，因而研究和实现基于SIP的多媒体会议系统存在一定的难度和复杂性。目前SIP会议框架还处于草案阶段，并没有正式成为标准，对此，IETF也正在紧张地研究和制定之中。通常，大中型企业或行业用户比较适合H.323协议，因为此协议偏向效率，适合用于开发以指挥、调度通信、远程购物、电子商务为主的行业网络。由于中小型企事业单位更关注成本，比较适合选择SIP协议，利用其技术开发出的远程教育、远程医疗、远程监控系统、视频点播业务等企业网络，以省钱、灵活通信为主。

1.SIP会议系统逻辑组件

SIP会议系统的逻辑组件包括以下几种：

(1)会议中心节点(Focus)。

(2)会议策略服务器(ConferencePolicyServer)。

(3)混合器(Mixer)。

(4)会议事件通知服务(ConferenceNotificationService)。

(5)与会者(Participant)。

(6)会议策略(ConferencePolicy)。

2.SIP会议系统模型

目前多媒体会议有多种分类方式，按其组织方式一般分为集中式会议、松散式多播会议、全分布式会议。按照发起方式可分为主动发起和Ad-Hoc会议两种。主动发起方式指的是预先生成一个会议URI，然后通过网页发布链接等非SIP方式通知与会者，或由会议服务器主动邀请与会者参与会议。Ad-Hoc方式则可以将正在进行的SIP对话自动迁移至会议状态，从而接受多方会谈。SIP会议模型通过专门的会议服务器支持主动发起方式，同时通过Join方法支持Ad-Hoc方式。松散多播会议使用了多播技术。如图9-6所示，在松散多播会议中，参与会议的终端将其音频和视频多播到其他参与会议的终端，不需要使用MCU，终端负责混合接收到的音频流以及从接收到的视频流中选择一个或多个显示。松散多播会议没有中央节点，终端间不需要信令通信，加入媒体多播组即可加入会议。这种会议方式功能简单，对网络资源的占用低，并能大幅度地降低成本，但是要求网络的配置支持网络多播，局限大，所以应用不广。图9-6松散式多播会议模型全分布式会议中，每个节点都与其他所有节点保持联系，没有中央节点，但是不管节点之间是不是有信息的交流都需要保持相对的通信，这样就造成了带宽的浪费和效率的降低，且对终端要求高，难以组织大规模会议，难以控制。

集中多点会议是指所有终端以点对点方式与一个MCU进行通信，如图9-7所示，终端发送控制、音频、视频或数据流到MCU，MCU中的MC集中管理会议，MCU中的MP进行音频混合、视频混合和数据分发，并将处理后的媒体流返还给参加会议的每个终端。图9-7集中式多点会议模型集中式的多媒体会议系统是一种紧藕合的方式，这种方式需要有会议服务器的参与，会议服务器通过集中控制器负责会话控制信令，通过媒体混合器负责媒体流的混合和分发，所有参加会议的成员与集中控制器发生SIP信令关系，与媒体混合器建立多播或多重单播媒体连接。集中式的多媒体会议系统性能优越，在安全性、会议规模等方面都可以满足企业用户的需要，该系统架构的会议服务器有着广阔的商用前景。

9.3视频会议系统的组网及应用

9.3.1视频会议系统组网结构

1.点对点组网结构

点对点视频会议系统只涉及两个会议终端系统，其组网结构非常简单，不需要MCU，也不需要增加额外的网络设备，只须在终端系统的系统控制模块中增加会议管理功能即可实现。其组网结构如图9-8所示，图中控制协议虚线实际上并不存在，其内容也是通过接口相互传递的。图9-8点对点组网结构两个会场(终端系统)只需相互拨号呼叫对方并得到对方确认后便可召开视频会议。目前比较流行的可视电话的通信网络是PSTN，实际上这是点对点结构的一种特例。

2.多点会议组网结构

在多个会场进行多点会议时，必须设置一台或多台MCU(多点控制单元)。MCU是一个数字处理单元，通常设置在网络节点处，可供多个会场同时进行相互间的通信。MCU应在数字域中实现音频、视频、数据信令等数字信号的混合和切换(分配)，但不得影响音频、视频等信号的质量。

多点会议组网结构比较复杂，根据MCU数目可分为两类：单MCU方式和多MCU方式。而多MCU方式一般又可分为两种：星型组网结构和层级组网结构。

1)单MCU方式

当会场数目不多且地域分布比较集中时，可采用单MCU方式，其组网结构如图9-9所示。

图中Ta，Tb，…，Tf均为视频会议终端系统设备。

各会场依次加入会议时，必须经过MCU确认并通知先于它加入会议的会场。图9-9单MCU方式组网结构

2)星型组网结构

多MCU连接的星型组网结构如图9-10所示，其中VCT是视频会议终端VideoConferenceTerminal的缩写。

这种星型结构对会议终端系统要求较低，增加新会场时易扩展。MCU功能类似于交换机，各MCU在这种组网结构中地位平等。由于该组网方式的会场数目较多，其会议控制模式宜采用主席控制模式。图9-10多MCU连接的星型组网结构

3)层级组网结构

多MCU连接的层级组网结构最适宜布置在各会场地域上很分散的情况，可利用ISDN、B-ISDN或DDN(长途数字传输网)等通信网络，其组网结构如图9-11所示。

这种层级结构覆盖的地域很广，也可以进行国际间视频会议，不仅易于扩充，而且更易于管理。多个MCU受上层的MCU控制和制约。图9-11多MCU连接的层级组网结构9.3.2典型视频会议系统

视频会议作为目前最先进的通讯技术，只需借助互联网，即可实现高效高清的远程会议、办公，在持续提升用户沟通效率、缩减企业差旅费用成本、提高管理成效等方面具有得天独厚的优势，已部分取代商务出行，成为远程办公的最新模式。近年来，视频会议的应用范围迅速扩大，从政府、公安、军队、法院到科技、能源、医疗、教育等领域随处可见，涵盖了社会生活的方方面面。

1.基于H.320系统的某省电子政务视频会议系统

自1999年启动政府上网工程之后，大部分政府部门都搭建了一套网络传输平台，组建了互联网站，推出了一些针对社会公众的网上办公业务。在网络高速发展为政府信息化提供充足的发展平台时，这些越来越多的对外电子服务逐渐对政府内部和政府之间的协同办公与业务处理提出了更高要求，单纯的文件传输和信息发布已经无法满足人们更高层次的需求。基于网络传输的多媒体应用和视频会议已逐渐成为政府应有的主要交流方式。某省电子政务视频会议系统构建于省电子政务网中的视频会议专网，是覆盖五大办公厅、部分省厅局单位、省电子政务网管中心、3个省级移动会场、16个州(市)和129个县(市、区)的党政部门专业的视讯系统。如图9-12所示，省到州市带宽为4M、州市到县带宽为2M。整个系统网络拓扑结构为星型树状结构，通过多点控制单元(MCU)的级联实现会议终端之间的互通。图9-12省电子政务视讯承载网络拓扑图全网基于标准的H.320架构，采用2级分布式组网结构，通过SDHE1专线电路接入方式点对点连接，省-州市采用4MSDH专线链路，州市-区县采用2MSDH专线链路。在此基础上构建纵向覆盖全省各州市、县网管中心的以视频和语音为主要业务的综合视讯应用骨干平台，通过多点控制交换单元(MCU)的级联实现会议终端设备的互通。E1线路采用2MSDH专线，相对于IP网络能提供更为可靠和更为稳定的承载网络保证。E1组网能避免IP线路传输数据存在的网络丢包严重、线路带宽被挤占、网络延时大和网络QoS得不到保证等质量弊端，同时还能避免IP线路传输存在的数据安全得不到保证、广域网上防火墙NAT设备众多对视频会议的影响等弊端。E1专线可靠稳定的数据传输性能能有效保证政府视频会议系统稳定运行，因此，E1方式组网是对重要性和质量要求很高的省电子政务视频会议系统的最合适选择。如图9-12所示，省电子政务视讯系统采用级联组网，具体配置如下：省级主会场配置高清视频会议终端6台，省电子政务网络中心控制室配置视频会议视频交换平台MCU1台，用于召开全省的视频会议；配置资源管理平台，用于全省视频会议系统的管理和调度；各州市网管中心分会场配置高清视频会议终端1台；各州市网管中心维护机房配置视频会议视频交换平台MCU1台，用于召开州市党政部门到所属区县部门的视频会议；配置资源管理平台，用于该州市视频会议系统的管理和调度；各个区县分会场配置高清视频会议终端1台。整个系统的功能包括：

1)会议控制功能

系统支持多种会议控制方式，如主席控制、导演控制、自动轮询、语音激励等，根据会议的不同需要可选择不同的会议控制方式。

2)多画面功能

系统提供强大的多画面功能，至少是4画面，这样各会场都能在一个显示设备上同时显示，增强会议的临场效果。

3)双流功能

系统能提供标准的H.239双流，包括2路活动图像或1路活动图像和1路PC桌面。

4)双视传送

终端内置双视传送功能，支持同时将2路的摄像机实时图像传送给远端，增强视频会议的临场效果。

5)字幕功能

终端提供内置字幕机功能，主席会场可现场或提前编辑好字母，会议中可通过滚动方式或其他方式在会场中实时发送给其他会场。如用于重要提示、会议通知、欢迎词等。

6)全景会场功能

在会议中主席会场可同时使用双流发送、双视传送、字母发送等功能，使各分会场可以同时看到主会场与会者实时场面、演讲人的实时图像、演讲人的演讲胶片内容、主会场的滚动字幕等。

7)分屏显示

系统提供在1台显示设备上同时显示“远端的会场图像+远端胶片+本地会场图像”，显示模式可通过终端遥控器灵活选择，例如：远端图像、远端胶片、远端图像+远端胶片、远端图像+远端胶片+本地图像。

8)动态速率调整

系统支持动态速率调整，当网络出现拥塞时，视频会议的带宽得不到保证，将会出现画面马赛克甚至停顿的情况，系统动态速率调整技术可通过检测网络状况动态调整视频会议的码率，当网络带宽不足时，自动降低会议带宽，当网络状况恢复后，视频会议恢复到正常带宽，这样可保证会议的连贯性，提供更好的视音频效果。

9)多点摄像机控制

主席会场可以对其他分会场的摄像头进行远程控制(上下左右、远近、调焦)以及位置预置等，支持对远端多个视频源的选择和控制。

该省电子政务视频会议系统拥有优秀的扩展性，以便将来增加会场接入数量。系统MCU支持3级数字级联和5级简单级联，可以非常方便地增加会议点数。

2.