1.引言

對于重親情和友情的中國人來講，可視電話是普通百姓盼望已久的通信方式。可視電話是集通信技術、計算機技術、音視頻處理技術等為一體的產品，是信息技術發展的方向。目前可視電話從產品類型上分主要有兩種：一種是基于PC機的可視電話；另一種是脫離PC的一體化可視電話；從信號傳輸線路上分主要有：基于ISDN,ADSL等的寬帶可視電話和基于PSTN的窄帶可視電話。PSTN在中國已經發展了幾十年，是目前覆蓋最廣、最為經濟、群眾基礎最為廣泛的的通信網。因此在PSTN網絡上實現簡易便于推廣的可視電話仍然有很強的現實意義。

我國基于PSTN可視電話的標準是依據ITU-T H.324制定的。目前市面上所有的PSTN可視電話基本采用MCU+專用ASIC芯片來實現H.324協議所要求的音視頻編碼以及協議控制，或者處理器+DSP架構的方案，系統構成復雜。本文提出一種新的基于RISC架構嵌入式平臺的可視電話，實現了系統構成簡單的無線可視電話。該方案可開發出獨立的可視電話終端，并可用于通信，監控等領域。

2.H.324協議簡介

圖-1 為H.324 協議的框圖，圖中框內為建議H.324 協議范圍。建議內容主要包括H.263/H.261 視頻編解碼協議、G.723 音頻編解碼協議、V.14 數據協議、H.223 復用/解復協議、H.245 控制協議以及Modem（控制協議）等，可參見參考文獻[1].

圖-1 H.324 協議框圖

在PSTN 網絡上傳輸低碼率的音視頻信息必須進行壓縮編碼，在H.324 協議中，音視頻編解碼是核心內容之一H.263 是由ITU 定義，支持用于視頻會議和視頻電話應用程序的視頻編解碼。H.263 基于H.261 編碼發展而來，是特別面向低碼率的視頻編碼而設定，能在最低帶寬為 20K 到 24Kbit/sec 上傳輸的視頻流。G.723.1 是ITU 組織針對電話帶寬的語音信號推出的一種雙速率語音編解碼標準，最低能以5.3Kbps 的速率傳輸音頻流。

3. 基于ARM處理器S3C2440A系統硬件平臺構成

圖-2 系統硬件架構

整體硬件架構圖如圖-2 所示。

（1） 系統的核心為基于RISC 架構的ARM 處理器S3C2440.該處理器韓國三星電子推出的一個16/32-bit RISC 小型高性能微處理器。采用速度最高可達533MHz 的ARM920T 內核， 可提供面向普通系統外設的各種功能，因此不需增加額外器件，在降低系統復雜度的同時，向終端用戶提供Camera 接口、TFT 及STN 液晶顯示器的功能及SD/MMC/SDIO 卡插槽等附加設備。該處理器性能強大，能夠滿足H.263 編解碼以及G.723.1 編解碼的運算要求。可參見參考文獻[9]。

（2） 系統的視頻采集部分：采用30 萬像素的CMOS Camera OV9650ESL.該器件最高能采集1280*1024 的像素陣列，足夠滿足系統的需求。利用S3C2440A專有的Camera 控制器對視頻數據進行采集，并采用IIC 總線對其進行配置曝光時間，白平衡等參數。

（3） 系統的顯示部分：采用LG 的3.5 寸65K 色TFT 液晶顯示屏，該屏幕分辨率為320*240,滿足系統需求。在本設計中，利用處理器的液晶數據接口對液晶屏幕的對其進行配置顯示格式，并利用SDRAM 作為顯示存儲區域，利用S3C2440A 集成的LCD 控制器對液晶屏幕進行輸出顯示。

（4） 系統的音頻輸入輸出部分：采用Codec 芯片UDA1341,該音頻芯片內部集成ADC 以及DAC,通過接駁MIC,SPEAKER 來組成系統的音頻的采集與播放功能。該芯片通過IIS 總線與CPU 進行數據的傳輸，并可以通過L3-BUS設置其采集速率，增益等。

（5） 與PSTN 網絡接口部分：為實現在PSTN 網絡上傳輸數據，遵從H.324 協議，采用Conexant 的CX06833.該芯片通過UART 接口與CPU 相連接，并提供PSTN 網絡接口。可參見參考文獻[10]

（6） 系統存儲部分：內存采用型號為IS42S32200 的SDRAM,芯片的容量大小為8MBYTE,用于運行軟件系統。程序存儲采用SST39VF320X,該芯片為NOR型FLASH 用于存儲程序，容量大小為4MBYTE.

（7） 附件：包括4*4 鍵盤，以及工作狀態顯示LED 等。

4. 系統軟件的實現

系統的流程見圖-3。

圖-3 系統軟件流程

在硬件系統上電后，軟件對硬件做初始化即進入待機狀態。當摘機后，CPU 通過modem內置的模擬電話控制進行模擬通話。通話雙方均按可視建，經過H.245 協議協商，開始建立可視。

系統通過CMOS Camera 采集視頻，在SDRAM 中開辟一段內存用于視頻內容的緩存，H.263 編碼部分從該緩存中按照一定的幀率取出圖像進行編碼。CPU 控制Codec 芯片通過MIC 進行語音的采集，同樣在SDRAM 中開辟用于存儲音頻的緩存，G.723.1 編碼成碼流。

H.223 將視頻碼流、音頻碼流及控制數據碼流復用，通過modem 調制到PSTN 網絡上進行模擬線路的傳輸。

從 MODEM 獲得的數據碼流則解復成音頻及視頻碼流。H.263 碼流解碼后，以固定的幀率刷新顯存。ARM 將顯存中的數據通過內置的TFT 控制器，傳輸到4 寸 320*240 的液晶顯示屏上顯示。G.723.1 碼流通過G.723.1 解碼器解碼，輸出到codec 芯片，通過功放推動揚聲器播放。

4.1 系統硬件的初始化

在 S3C2440 中，內含名為Stepping Stone 的4K 的SRAM,可用做bootloader,用于系統的初始化。系統上電啟動時，將Flash 中的初始化程序段讀入SRAM 中，初始化CPU 內部的時鐘，SDRAM 控制器，看門狗，中斷等。并初始化memory system,將FLASH 中的程序搬移到SDRAM 中，系統主程序運行在SRAM 中。進入主程序后，初始化GPIO,液晶屏幕，Camera,keyboard 等等外設。初始化完畢，系統進入待機，等待摘機。

4.2 H.263編解碼模塊

在RISC架構的嵌入式系統中實現可視通話的關鍵之一是如何實現H.263編解碼。H.263協議是很成熟的一個視頻編碼壓縮協議，見圖-4.在本文中對H.263協議不詳述，僅介紹在基于ARM處理器的系統中如何實現，具體可參見參考文獻[2].

4.2.1 H.263編碼

圖-4 H.263 編碼框圖

在如圖-4 所示，H.263 編碼器主要由4 部分組成：變換編碼T,量化Q,預測P,熵編碼VLC;對于實際應用的編碼系統，碼流控制CC 也必不可少的部分。圖中有 2 個單刀雙置開關，用于選擇INTRA 和INTER.判斷當前幀的類型，判斷之后分成INTRA 和INTER的分支，分別進行處理。

在本系統中，H.263 編碼器過程是：

在函數處理層在H.263 編碼任務發出后，即調用處理函數video_encode 進行編碼，從內存中讀出一幀圖像，判斷當前幀的類型。如圖-5 所示。

圖-5 H.263 編碼軟件流程

1）INTRA 幀情況。此時開關撥到上面的開關。視頻幀分塊后的當前塊（目前處理的視頻塊）輸入經過變換編碼，量化后進行熵編碼作為碼流輸出；量化結果再經過反量化和反變換作為參考幀儲存。最后調用重構圖像進行去塊效應濾波。

函數 CodeOneIntra（）對當前幀按照I 幀進行編碼，該函數輸入為：

H263ENCODE_MEMORY * mems 編碼信息結構體指針。

H.263ENCODE_MEMORY{

重建幀結構指針，參考幀結構指針，重建宏塊結構指針， 參考宏塊結構指針，解碼圖像參數結構指針，解碼后系數，宏塊參數結構指針，解碼過程結構指針}

2）INTER 幀情況。此時開關撥到下面的開關。視頻幀分塊后的當前塊首先在參考幀搜索區域中進行運動估計得到預測塊（參考幀中與當前塊最相近的塊），同時得到運動矢量， 運動矢量熵編碼作為碼流輸出。 預測塊與當前塊相減得到差值圖像，對差值圖像進行變換編碼，量化后進行熵編碼作為碼流輸出。

4.2.1 H.263解碼

下圖6是H.263 解碼器系統框圖：

圖-6 H.263 解碼器框圖

如圖-6 所示，H.263 解碼器與編碼器對應，也有4 個主要部分：反熵編碼，反量化（Scale），反DCT（IDCT），運動估計Motion Estimation.圖2 簡單示意了INTER 幀解碼的過程，即IDCT 之后的結果都與運動估計結果相加，但在INTRA 幀時候，不需要與運動估計預測結果相加。可以看出， 解碼器相對于編碼器， 流程比較簡單。

H.263 解碼過程是：

1）INTRA 幀情況，對碼流中幀內系數碼流進行反熵編碼，反量化，IDCT 即完成視頻幀的解碼，得到視頻數據輸出；2）INTER 幀情況，對差值進行反熵編碼，反量化，IDCT,得到的結果與運動估計預測塊相加，完成運動補償，隨后得到視頻數據輸出；4.3 G.723.1編解碼。

本系統的另一個關鍵是在嵌入式架構上實現G.723.1 的編解碼。該標準能夠對輸入的模擬語音信號用8kHz 采樣，16bit 線性PCM 量化的語音信號壓縮成6.3Kbps 或5.3Kbps 的比特流。G. 723. 1 的兩種碼率根據不同需求可供選擇，高碼率為6. 3kb/s, 采用多脈沖最大似然量化（MP-MLQ）編碼算法，具有較高的重建語音質量； 低碼率為5. 3kb/s,以ACELP 算法為基礎， 計算復雜度則較低。本系統中采用ACELP 算法的低碼率語音壓縮。限于篇幅，本文在此不詳述，可參閱參考文獻[6]與[8].

4.4 H.245協議的實現

H.245協議的全稱是多媒體通信控制協議，他給出了一組用于描述終端信息，帶寬協商等食物消息的語法和語義，主要提供端到端的信令功能，以便通信雙方能正確的互聯。H.245的信令控制H.324系統的操作，包括能力交換，邏輯通道的打開和關閉，模式優先請求，復用表項傳輸，流量控制消息，通用命令和指示。可參見參考文獻[4].

在系統實現的時候，利用SRP簡單重傳協議提供可靠的H.245碼流的傳輸，采用一個發送標記，當發送一個命令幀后，激活該標記，此時后續的命令幀都不進行發送，當收到相應幀后，清除該標記，發送下一個命令幀。期間若有超時沒有收到響應幀，則重發當前幀；若重發多次仍沒有收到響應幀，則終止通信，并報知應用程序通信錯誤。整個過程由ARM來進行控制。

4.5 H.223協議的實現

H.223 協議是低位率多媒體通信復用協議。分為復用層（MUX）和適配層（AL），AL負責將從用戶層和IO 層獲取的不同數據流轉換。AL 分為AL1、AL2、AL3 一共三層，分別進行數據和控制碼流、音頻碼流、視頻碼流的傳輸。MUX 將AL 的碼流按照復用表進行碼流復用。該協議由ARM 來完成。具體可參見參考文獻[5]

5 系統實現結果

該系統在建立穩定的模擬通話之后，通信雙方按下可視鍵，建立連接。可以選擇通話的視頻的質量，視頻在QCIF（176x144）之下，能穩定的達到10 幀的速率，人物清晰，唇形同步活動圖像及伴音之間的同步較好。

6 結束語

本文介紹了一種基于純RISC架構的嵌入式的終端平臺，在該平臺上遵從H.324協議，很好的實現了可視電話的功能，在QCIF分辨率下，能穩定的達到10幀的速率，語音清晰，能達到視頻通話的要求。系統平臺構造簡單，在該平臺之上能很容易的進行相應的擴展智能化。