基于WebRTC语音引擎的会议混音技术研究

摘要

目前，IP电话会议系统正受到越来越多的关注，它的理想目标是借助于Internet的连通性，使所有与会者能够获得与参与现实会议无差别的用户体验。混音技术在IP电话会议系统中占据重要的地位，它能够解决会议中多人同时发言的问题。
　　Google公司在2011年6月推出了WebRTC开源项目，它包括了一系列成熟的音视频通信技术。借助于WebRTC中的语音引擎，可以实现较为理想的单端语音通信。为将其应用于IP电话会议系统中，使语音引擎具备会议混音功能，必须对其进行修改。本文首先分析了混音的原理以及目前主流的混音算法，但混音技术还应包括混音策略。在对混音策略进行比较分析后，基于具体实现，提出将WebRTC语音引擎应用于集中式混音架构。为使WebRTC语音引擎能够适合于集中式混音架构，在对语音引擎各个模块的功能及其采用的技术进行研究后，本文详细分析了语音引擎采用的混音算法。它与传统的混音算法的不同之处在于，借助于静音检测技术，其将重点放在挑选非静音语音帧并对其进行叠加，而不是解决混音结果的溢出。随后在此基础上对语音引擎的结构以及混音算法进行改进，提出并实现了一种集中式混音架构。最后利用测试用例，对混音结果进行波形比较，确定了该集中式混音架构的实用性。