Este artigo ofrece unha solución de sistema de transmisión de voz dixital Ethernet integrada, que pode realizar facilmente a función de transmisión rexional do sistema de radiodifusión. O sistema baséase na arquitectura do brazo e adopta o método de arbitraxe de terminal de reprodución do sistema para controlar a realización da emisión rexional e o contido da emisión pódese reproducir e gardar simultaneamente.
O sistema de transmisión de voz dixital Ethernet refírese principalmente ao sistema de transmisión que usa Ethernet como medio de transmisión para proporcionar servizos de audio. Pódese utilizar Ethernet para resolver o problema da transmisión de sinais de voz a longa distancia. Permite aos deseñadores crear unha estrutura de rede a gran escala para realizar a transmisión de miles de sinais de voz dixitais en Ethernet, facendo un pleno uso dos recursos de rede existentes, evitando o problema de configurar repetidamente liñas e realizando a integración de redes de radiodifusión e computadoras. . Resolve os problemas de mala calidade de son, susceptibilidade a interferencias, mantemento e xestión complexos e mala interacción nos sistemas tradicionais de radiodifusión. Ao mesmo tempo, é posible seleccionar todas, partes ou áreas específicas para a emisión grupal direccional, o que rompe a limitación de que os sistemas tradicionais de transmisión só poden realizar emisións públicas para todas as áreas. Os sistemas de radiodifusión dixital Ethernet existentes usan principalmente sinais de control para controlar o terminal de radiodifusión para unirse ou abandonar o grupo de multidifusión na realización da función de radiodifusión rexional. É necesario enviar un sinal de control para que o terminal únase ao grupo de multidifusión antes de que se poida realizar a transmisión. , Ou establece unha táboa de mapeo complexa no lado do servidor para manter o estado do terminal de reprodución para lograr a transmisión rexional, que é máis complicado de implementar.
1 Deseño estrutural
Este sistema adopta a estrutura C / S, componse de dúas partes do terminal do servidor de sistema de transmisión e do terminal de transmisión do sistema de transmisión, como se mostra na figura 1.
O servidor do sistema de transmisión está implementado nun PC e é un programa de recollida, almacenamento e transmisión de sinais de voz realizado por VC ++. Esta parte recolle e almacena o sinal de voz a través dun micrófono e, a continuación, transmite os datos de voz a Ethernet a través de UDP para realizar a función de transmisión de rede de datos de voz.
O terminal de reprodución do sistema de transmisión é un terminal integrado baseado en LM3S8962, que pode recibir os paquetes de datos de voz IP que se lle envían desde Ethernet e o chip de descodificación de audio MS6336 completa a conversión dixital / analóxica e a reprodución dos datos de voz.
2 Deseño de hardware de terminal de transmisión por sistema de transmisión
O chip de control principal do terminal de transmisión do sistema de transmisión adopta o microcontrolador LM3S8962 fornecido por LuminaryMicro. Esta serie de chips é o primeiro controlador baseado en ARM CortexTM-M3 cun controlador Ethernet integrado interno. É o primeiro chip ARM da industria que admite Industrial Ethernet (IEEE) e pode implementar facilmente funcións de rede.
O chip de descodificación de audio utiliza o chip MS6336 producido por MOSA. O chip é un conversor dixital a analóxico de audio estéreo de 16 bits e os formatos de entrada dixital admitidos son Right Justifl-ed, Left Justified, I2S. A interface de control MS6336 adopta o bus I2C, a interface é fácil de configurar. A parte DAC ten unha corrente precisa e estable, combinada cun excelente método de descodificación simétrico, pode reproducir sinais de son de alta calidade.
O chip de control principal LM3S8962 está conectado á interface RJ45 a través de compoñentes magnéticos e úsase para recibir datos de voz desde Ethernet. LM3S8962 proporciona sinais de control e sinais de datos de voz para o chip decodificador de audio MS6336. LM3S8962 admite a función I2C. Os portos PB2 e PB3 proporcionan sinais de reloxo e datos I2C respectivamente. Estes dous pines pódense conectar directamente aos pines de función I2C do MS6336, e é necesaria unha resistencia pull-up. LM3S8962 non admite o formato de entrada de datos requirido por MS6336. O formato de entrada de datos de MS6336 no sistema adopta I2S. Polo tanto, para proporcionar datos de voz ao MS6336, é necesario empregar o software do porto GPIO de LM3S8962 para simular o formato de entrada de datos I2S requirido polo MS6336. No deseño, os portos PA5, PA6 e PA7 úsanse para simular esta función. Os tres pines corresponden ao sinal de selección de canle I2S, sinal de reloxo e sinal de datos respectivamente. Conecte estes tres pins ao pin de función I2S do MS6336.
A estrutura de hardware do terminal de reprodución do sistema de transmisión de voz dixital Ethernet móstrase na Figura 2.
3 Deseño de software de sistema de radiodifusión
O software do sistema de emisión divídese en dúas partes: o software do servidor do sistema de emisión e o software do terminal de emisión.
Este deseño realiza a reprodución en tempo real de datos de voz, polo que é necesario garantir o rendemento en tempo real da transmisión de datos de voz, pero os requisitos para a integridade dos datos non son demasiado estritos e unha pequena cantidade de perda de paquetes non afectará á efecto de reprodución global, polo que os datos de voz do sistema A transmisión adopta o modo de transmisión UDP. Ao mesmo tempo, o sistema funciona na rede de área local e hai poucos usuarios temporais. Polo tanto, a asignación de dirección IP estática adóptase para simplificar a realización do software do terminal de reprodución.
3.1 A recollida, almacenamento e transmisión de datos de voz no lado do servidor do sistema de transmisión
A recompilación de datos de voz implántase mediante funcións de API WAVE de baixo nivel. Para non provocar a perda de datos de voz, o deseño utiliza un dobre buffer para almacenar datos de voz. O proceso de implementación móstrase na Figura 3.
Cando un búfer de gravación está cheo, o sistema envía inmediatamente outro búfer de gravación ao dispositivo de gravación para continuar a gravación e o programa de aplicación debería ler os datos no búfer de gravación completo e procesalos. A continuación, chame á función waveInAddBuffer para volver asignar o búfer ao dispositivo de gravación para a súa reciclaxe.
Para evitar a perda de datos de voz no proceso de gravación, non basta con empregar un dobre búfer. Tamén hai que ter en conta que cando un búfer está cheo, a aplicación procesará os datos no búfer e o segundo O búfer úsase para a gravación e o tempo de procesamento de datos debe ser inferior ao tempo necesario para que o segundo búfer estea completamente gravado, se non, o primeiro búfer non se volveu asignar ao dispositivo de gravación despois de que o segundo búfer estea cheo, o que provocará a perda de datos de voz. Cando a frecuencia de mostraxe do sinal de voz é grande, aumentar o tamaño do búfer de xeito adecuado pode solucionar efectivamente este problema.
Para gardar o contido emitido para o seu uso posterior, é necesario gardalo nun ficheiro WAV. Os ficheiros WAV teñen un formato de cabeceira fixo. Antes de gardar os datos de voz, cómpre axustar a cabeceira do ficheiro WAV, se non, non se pode reproducir o ficheiro WAV gardado. Cada vez que o búfer de gravación está cheo, primeiro busque o final do ficheiro WAV e logo escriba os datos recollidos ao final do ficheiro. Cando remate todo o proceso de transmisión, todos os datos de voz gárdanse no ficheiro WAV, realizándose o almacenamento de datos de voz.
Cando un búfer de gravación está cheo, é necesario enviar os datos de voz recollidos a través da rede. No deseño, primeiro use a clase Csocket para crear un socket e despois só necesitará encapsular os datos recollidos nun paquete IP e envialos. A taxa de mostraxe do sinal de voz neste deseño é de 44.1 kHz, dobre canle de 16 bits. Para evitar a perda de datos de voz, o tamaño do búfer de gravación establécese en 1024B.
3.2 Realización de radiodifusión rexional
Unha aplicación importante do sistema de radiodifusión dixital Ethernet non só é realizar toda a área de radiodifusión, senón tamén realizar a función de radiodifusión local, é dicir, transmitir ao terminal designado. Polo tanto, o paquete de multidifusión UDP úsase para a transmisión de datos na transmisión en rede de paquetes de datos IP de voz. Usando paquetes de multidifusión para transmitir datos, todos os terminais incluídos no grupo na rede de área local poden recibir os datos, realizando a emisión de toda a área. Para realizar a función de transmisión local, engádese unha estrutura diante dos datos de voz no deseño, como se mostra a continuación, e úsase un ficheiro de configuración para almacenar a dirección IP de cada terminal do sistema.
02 Deseño de hardware de terminal de transmisión do sistema de transmisión
O chip de control principal do terminal de transmisión do sistema de transmisión adopta o microcontrolador LM3S8962 fornecido por LuminaryMicro. Esta serie de chips é o primeiro controlador baseado en ARM CortexTM-M3 cun controlador Ethernet integrado interno. É o primeiro chip ARM da industria que admite Industrial Ethernet (IEEE) e pode implementar facilmente funcións de rede.
O chip de descodificación de audio utiliza o chip MS6336 producido por MOSA. O chip é un conversor dixital a analóxico de audio estéreo de 16 bits e os formatos de entrada dixital admitidos son Right Justifl-ed, Left Justified, I2S. A interface de control MS6336 adopta o bus I2C, a interface é fácil de configurar. A parte DAC ten unha corrente precisa e estable, combinada cun excelente método de descodificación simétrico, pode reproducir sinais de son de alta calidade.
O chip de control principal LM3S8962 está conectado á interface RJ45 a través de compoñentes magnéticos e úsase para recibir datos de voz desde Ethernet. LM3S8962 proporciona sinais de control e sinais de datos de voz para o chip decodificador de audio MS6336. LM3S8962 admite a función I2C. Os portos PB2 e PB3 proporcionan sinais de reloxo e datos I2C respectivamente. Estes dous pines pódense conectar directamente aos pines de función I2C do MS6336, e é necesaria unha resistencia pull-up. LM3S8962 non admite o formato de entrada de datos requirido por MS6336. O formato de entrada de datos de MS6336 no sistema adopta I2S. Polo tanto, para proporcionar datos de voz ao MS6336, é necesario empregar o software do porto GPIO de LM3S8962 para simular o formato de entrada de datos I2S requirido polo MS6336. No deseño, os portos PA5, PA6 e PA7 úsanse para simular esta función. Os tres pines corresponden ao sinal de selección de canle I2S, sinal de reloxo e sinal de datos respectivamente. Conecte estes tres pins ao pin de función I2S do MS6336.
A estrutura de hardware do terminal de reprodución do sistema de transmisión de voz dixital Ethernet móstrase na Figura 2.
3 Deseño de software de sistema de radiodifusión
O software do sistema de emisión divídese en dúas partes: o software do servidor do sistema de emisión e o software do terminal de emisión.
Este deseño realiza a reprodución en tempo real de datos de voz, polo que é necesario garantir o rendemento en tempo real da transmisión de datos de voz, pero os requisitos para a integridade dos datos non son demasiado estritos e unha pequena cantidade de perda de paquetes non afectará á efecto de reprodución global, polo que os datos de voz do sistema A transmisión adopta o modo de transmisión UDP. Ao mesmo tempo, o sistema funciona nunha rede de área local con menos usuarios temporais. Polo tanto, adóptase a asignación de dirección IP estática para simplificar a realización do software do terminal de reprodución.
3.1 A recollida, almacenamento e transmisión de datos de voz no lado do servidor do sistema de transmisión
A recompilación de datos de voz implántase mediante funcións de API WAVE de baixo nivel. Para non provocar a perda de datos de voz, o deseño utiliza un dobre buffer para almacenar datos de voz. O proceso de implementación móstrase na Figura 3.
Cando un búfer de gravación está cheo, o sistema envía inmediatamente outro búfer de gravación ao dispositivo de gravación para continuar a gravación e o programa de aplicación debería ler os datos no búfer de gravación completo e procesalos. A continuación, chame á función waveInAddBuffer para volver asignar o búfer ao dispositivo de gravación para a súa reciclaxe.
Para evitar a perda de datos de voz no proceso de gravación, non basta con empregar un dobre búfer. Tamén hai que ter en conta que cando un búfer está cheo, a aplicación procesará os datos no búfer e o segundo O búfer úsase para a gravación e o tempo de procesamento de datos debe ser inferior ao tempo necesario para que o segundo búfer estea completamente gravado, se non, o primeiro búfer non se volveu asignar ao dispositivo de gravación despois de que o segundo búfer estea cheo, o que provocará a perda de datos de voz. Cando a frecuencia de mostraxe do sinal de voz é grande, aumentar o tamaño do búfer de xeito adecuado pode solucionar efectivamente este problema.
Para gardar o contido emitido para o seu uso posterior, é necesario gardalo nun ficheiro WAV. Os ficheiros WAV teñen un formato de cabeceira fixo. Antes de gardar os datos de voz, cómpre axustar a cabeceira do ficheiro WAV, se non, non se pode reproducir o ficheiro WAV gardado. Cada vez que o búfer de gravación está cheo, primeiro busque o final do ficheiro WAV e logo escriba os datos recollidos ao final do ficheiro. Cando remate todo o proceso de transmisión, todos os datos de voz gárdanse no ficheiro WAV, realizándose o almacenamento de datos de voz.
Cando un búfer de gravación está cheo, é necesario enviar os datos de voz recollidos a través da rede. No deseño, primeiro use a clase Csocket para crear un socket e despois só necesitará encapsular os datos recollidos nun paquete IP e envialos. A taxa de mostraxe do sinal de voz neste deseño é de 44.1 kHz, dobre canle de 16 bits. Para evitar a perda de datos de voz, o tamaño do búfer de gravación establécese en 1024B.
3.2 Realización de radiodifusión rexional
Unha aplicación importante do sistema de radiodifusión dixital Ethernet non só é realizar toda a área de radiodifusión, senón tamén realizar a función de radiodifusión local, é dicir, transmitir ao terminal designado. Polo tanto, o paquete de multidifusión UDP úsase para a transmisión de datos na transmisión en rede de paquetes de datos IP de voz. Usando paquetes de multidifusión para transmitir datos, todos os terminais incluídos no grupo na rede de área local poden recibir os datos, realizando a emisión de toda a área. Para realizar a función de transmisión local, engádese unha estrutura diante dos datos de voz no deseño, como se mostra a continuación, e úsase un ficheiro de configuración para almacenar a dirección IP de cada terminal do sistema.
estrutura STRING
{Cadea IPNO1;
Cadea IPNO2;
...
Cadea IPNO9;
Cadea IPNO10};
Cando sexa necesario realizar emisións rexionais en certos terminais, seleccione os números correspondentes destes terminais no panel do lado do servidor do sistema de emisión (como se mostra na Figura 4). Neste momento, a dirección IP do terminal seleccionado é lida dende o ficheiro de configuración e asignada á variable correspondente na estrutura. Cando o terminal recibe un paquete de multidifusión IP, primeiro xulga se a estrutura ten a mesma variable que a súa propia dirección IP, se a hai, entón os datos recíbense e reprodúcense, se non, os datos descártanse, realizando así a área Broadcast función. En comparación co método de usar un sinal de control para controlar o terminal de reprodución para unirse ou saír do grupo de multidifusión ou para manter dinámicamente unha táboa de mapeo complexa para implementar a función de transmisión rexional. Este método non precisa controlar de forma interactiva o terminal de reprodución antes de cada transmisión, nin fai un seguimento dinámico do estado do terminal. Só precisa escribir a dirección IP correspondente do terminal no ficheiro de configuración cando o terminal se incorpora ao sistema por primeira vez. A función é sinxela de implementar.
3.3 A realización do software de terminal de transmisión do sistema de transmisión
O terminal de transmisión do sistema de transmisión divídese en dúas partes para realizalo, a parte de recepción de datos de audio úsase para recibir os datos de voz e almacenalos e reenviarlos e o descodificador de audio realiza a conversión D / A e a reprodución do sinal de voz. A parte de recepción de datos de audio adopta a programación Socket para recibir datos de voz desde Ethernet. Despois de recibir o paquete de datos de voz, primeiro debe xulgar se o paquete de datos é para si mesmo. O terminal compara a variable membro da estrutura struct STRING do paquete IP coa súa propia dirección IP e, se algunha variable membro é igual á súa propia dirección IP, almacena os datos no paquete, se non os descarta.
Os datos de voz recíbense e almacénanse nunha cola circular. Debido ao trastorno da transmisión de datos UDP, os paquetes de datos de voz deben clasificarse despois de que os datos de voz se reciban no extremo de recepción de datos de voz para garantir o procesamento secuencial dos datos de voz e a restauración correcta Sinal de voz. Ao mesmo tempo, para evitar os cambios de rede, os datos procesanse cada vez que hai polo menos 5 paquetes na cola circular.
O formato de entrada de datos de MS6336 no deseño adopta o formato I2S. Debido a que LM3S8962 non admite este formato de datos, adóptase a simulación de software para realizar a función I2S a través do porto GPIO. Para restaurar completamente o sinal de voz, é necesario asegurarse de que a sincronización do sinal I2S é estrita e precisa e que a conversión entre niveis alto e baixo é implementada por un programa de atraso. O diagrama de temporización I2S móstrase na Figura 5.
A frecuencia do reloxo do terminal de transmisión do sistema de transmisión é de 40 MHz e o tempo para enviar cada bit de datos é de 600 ns calculados a partir da taxa de mostraxe. LM3S8962 proporciona datos de voz ao MS6336 e realiza a transmisión en serie a través do porto GPIO segundo o punto de mostraxe. Cada punto de mostraxe contén catro bytes e o proceso de envío de datos dun punto de mostraxe móstrase na Figura 6.
4 Análise de resultados
O tamaño do paquete de datos de voz transmitido polo sistema a través de Ethernet é de 1024B. Para evitar as fluctuacións de rede, o terminal comeza a emitir cando recibe 5 paquetes de datos. O tempo de atraso de emisión é de aproximadamente 30 ms, o que cumpre cos indicadores funcionais. O lado do servidor pode controlar o traballo de 10 terminais de emisión ao mesmo tempo. Seleccionando o número de terminal correspondente no lado do servidor, pódense realizar con éxito todas as funcións de radiodifusión e transmisión local do sistema de radiodifusión.
5 Conclusión
Partindo das necesidades reais, deseñamos e implementamos un sistema de transmisión de voz dixital Ethernet. Os resultados experimentais mostran que o terminal de reprodución do sistema decide se realizar a transmisión de voz para realizar a transmisión rexional é un xeito sinxelo e eficaz de realizar a transmisión global e a transmisión rexional de sinais de voz. O terminal do reprodutor do sistema adopta a simulación do software do porto GPIO para realizar a función I2S, que pode realizar con precisión o tempo I2S, completar a transmisión de datos do sinal de voz e realizar a transmisión en tempo real do sinal de voz. A estrutura de deseño é razoable e pode realizar facilmente a expansión de funcións, como a transmisión de tempo, a reprodución de música, a xestión remota, a monitorización en tempo real, etc. Este deseño ten unha importante importancia práctica e proporciona unha base para resolver emisións Ethernet complexas e grandes. sistemas.
Noso outro produto:
