关于服务器:WebRTC-音频抗弱网技术上

人均社恐，钟爱语聊。以语聊房为代表的语音社交产品解锁陌生人社交新形式，也一直讲述着新的出圈故事。关注【融云寰球互联网通信云】理解更多

而声音卡顿、断断续续、快进、慢放等景象会重大影响用户体验，间接导致用户来到，这些都是弱网引起的常见问题。
本文次要从音频利用的角度来剖析罕用的弱网反抗技术，次要有如下几种：

前向纠错技术（FEC、RED 等）
后向纠错技术（ARQ、PLC 等）
编码器抗弱网个性（本文重点关注 OPUS 编码器的个性）
抗抖动技术（JitterBuffer）

咱们将用上、下两篇文章，联合 WebRTC 中应用或反对的音频抗弱网技术，对以上几类技术做剖析，以实现音频通信服务在弱网环境下高可用。

上篇次要分享前向纠错技术、后向纠错技术及 OPUS 编解码抗弱网个性；下篇专题分享 WebRTC 应用的抗抖动模块 NetEQ。

前向纠错技术，最典型的就是 FEC 技术了。
发送端：生成冗余包来反抗传输过程中丢包的问题；
接收端：对收到的冗余包和失常包来从新复原传输过程中失落的包。

FEC 分带内和带外两种，WebRTC 中视频是通过带外 FEC（ULPFEC[1]、FLEXFEC[2]）来产生冗余包，音频则是通过 OPUS 带内 FEC 来生成冗余包。

带内 FEC 因为会占用一部分编码码率，所以对音频的音质会有所升高。带外 FEC 不会影响音质，但会额定占用网络带宽，各有优缺点。

FEC 典型的编码方式有 XOR 和 Reed Solomon[3]。WebRTC 的带外 FEC 应用的是 XOR 编码方式（ULPFEC 和 FLEXFEC），其特点是计算量绝对少，但其抗丢包能力无限。

在 WebRTC 中，带外 FEC，不论是 ULPFEC，还是 FLEXFEC 都是依据 MASK 掩码来确定 FEC 包和被爱护的源 RTP 包的映射关系，其中定义了两种类型的掩码，RandMask 和 BurstMask，前者在随机丢包中爱护成果要好些；后者则是对突发导致间断丢包成果会好些，然而不管哪种，都有其毛病；这里以 7-4 掩码（即 7 个原始包，将生成 4 个冗余包）举例：

#define kMaskBursty7_4 \
0x38, 0x00, \
0x8a, 0x00, \
0xc4, 0x00, \
0x62, 0x00

将下面十六进制依照二进制开展如下：

包序号: S1 S2 S3 S4 S5 S6 S7
R1: 0 0 1 1 1 0 0 原始包 S3,S4,S5 被冗余包 R1 爱护
R2: 1 0 0 0 1 0 1 ==> 原始包 S1,S5,S7 被冗余包 R2 爱护
R3: 1 1 0 0 0 1 0 原始包 S1,S2,S6 被冗余包 R3 爱护
R4: 0 1 1 0 0 0 1 原始包 S2,S3,S7 被冗余包 R4 爱护

下面的掩码示意依据 S1-S7 共 7 个原始包，发送端将生成 4 个冗余包 R1-R4，其中：

R1 包爱护 S3,S4,S5 三个原始包
R2 包爱护 S1,S5,S7 三个原始包
R3 包爱护 S1,S2,S6 三个原始包
R4 包爱护 S2,S3,S7 三个原始包

从上也能够看出，每个原始包都有被冗余包爱护；当包失落了，个别能够通过冗余包和收到的原始包来进行复原，比方发送端发送了 S1-S7、R1-R4 共 11 个包，接收端收到了 S1、S3、S5、S7、R1、R2、R3、R4 共 8 个包，失落了 S2、S4、S6 三个包；则 S2、S4、S6 修复过程如下：

S2 能够被 R4、S3、S7 修复，即 S2 = R4 XOR S3 XOR S7 

S4 能够被 R1、S3、S5 修复，即 S4 = R1 XOR S3 XOR S5 

S6 能够被 R3、S1、S2 修复，即 S6 = R3 XOR S1 XOR S2

然而也有些包无奈修复，比方失落了 S1、S2、S7，则无奈复原，起因如下：

依据掩码爱护关系可知，S1 的复原能够通过 R2、S5、S7 或者 R3、S2、S6；但因为 S7 和 S2 失落，要复原 S1，须要先复原 S2 或 S7

同样，S2 能够通过 R3、S1、S6 复原，但因为 S1 失落，则须要先复原 S1 

同理，S6 能够通过 R3、S1、S2 复原，然而须要先复原 S1、S2 

所以，通过下面的剖析可知 S1、S2、S7 均⽆法复原

同理，要是失落了 S3、S5、S7，也无奈复原，这是 WebRTC 中采纳掩码来确定冗余包和原始包之间的爱护关系的技术毛病。

即对于（M 个原始包 + N 个冗余包）一组包，有小于等于 N 个包失落时，可能无奈复原失落包的状况。

Reed Solomon 编码则能够做到对于（M 个原始包 + N 个冗余包）一组包，有小于等于 N 个包失落，都能够将失落的包复原。

RS FEC 次要是应用范德蒙矩阵或者柯西矩阵来进行编解码 [4]，柯西矩阵成果比范德蒙矩阵计算量少，性能更优；但不管下面何种矩阵，它们都 具备⼀个个性就是可逆，且任意子矩阵可逆，这就保障了在失落小于等于 N 个包时，RS 能将其复原。

上面以范德蒙矩阵做简要阐明。以（7，4）为例，即 7 个原始包产生 4 个冗余包，原始包为 S1、S2、S3、S4、S5、S6、S7，冗余包为（R1、R2、R3、R4）。原始包和冗余包的关系如下：

图说

其中下面的范德蒙矩阵为 A，如下所示：

图说

单位矩阵示意如下：

图说

假如 S2、S4 两数据包失落了，则将公式 1 中的单位矩阵对应的行删除，则有如下：

图说

公式 2 左侧的矩阵记为 B，如下：

图说

依据范德蒙矩阵可逆特点, 所以 B 也是一个可逆矩阵，记为 B，则复原包过程其实次要就是求解 B’ 矩阵的过程，对公式 2 做如下推导，即可求解原始包，如下所示：

图说

即（S1、S2、S3、S4、S5、S6、S7）中任何一个包都能够通过矩阵 B’ 和收到的包进行复原。所以 RS 的爱护能力更强。

RED 也是前向纠错的⼀种形式，发送端通过被动发送冗余码，来在⼀定水平上抵制包在传输网络失落的问题。解码端能够通过冗余包复原失落的包，RED 的标准规范在 RFC2198 中定义，可用在视频和音频冗余包生成，WebRTC 音频在 m96 上开启了 RED 形式。

RED 的 payload 中岂但蕴含以后包，还蕴含了历史包，这样 payload 在⼀定水平上具备冗余信息，起到抗丢包的作用。

上面简要介绍下 RED 的封装格局：RED block head

0                   1                   2                   3  
    0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1  
   +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+ 
   |F| block PT | timestamp offset | block length | 
   +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+ 
  
   F: 1 表⽰以后 block 后还有其它 block, 0 表⽰以后 block 为最初⼀个 block 
   block PT: 表⽰以后 block 的 payload type 
   timestamp offset: 表⽰以后包工夫戳绝对于 rtp head 的工夫戳的偏移 
   block length: 表⽰以后 block 的⻓度，不包含以后 block header ⻓度 
  
   0 1 2 3 4 5 6 7 
   +-+-+-+-+-+-+-+-+ 
   |0| Block PT | 
   +-+-+-+-+-+-+-+-+ 
   表⽰最初⼀个 block

上面是一个 RED 包的示例：

0 1 2 3 
 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 
 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+ 
 |V=2|P|X| CC=0 |M| PT | sequence number of primary | 
 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+ 
 | timestamp of primary encoding | 
 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+ 
 | synchronization source (SSRC) identifier | 
 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+ 
 |1| block PT=7 | timestamp offset | block length | 
 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+ 
 |0| block PT=5 | | 
 +-+-+-+-+-+-+-+-+ + 
 | | 
 + LPC encoded redundant data (PT=7) + 
 | (14 bytes) | 
 + +---------------+ 
 | | | 
 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+ + 
 | | 
 + + 
 | | 
 + + 
 | | 
 + + 
 | DVI4 encoded primary data (PT=5) | 
 + (84 bytes, not to scale) + 
 / / 
 + + 
 | | 
 + + 
 | | 
 + +---------------+ 
 | | 
 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+ 

 该 rtp 包是⼀个 RED 封装，蕴含两个 block, ⼀个 block type 为 7，⼀个 block type 为 5；即该 rtp 包蕴含了两中类型的数据包。

WebRTC 中应用 RED 包来生成 audio 冗余包，其原理大抵如下：

图说

上图中，发送端除了发送以后包，还会携带之前一个包做为冗余包，当上图的 RED4 包失落，即 4,3 包丢掉时，后续的 RED5 包达到，蕴含了 5,4 包，联合之前 RED3 包（蕴含了 3, 2 包），能够复原失落的包。

ARQ 为丢包重传技术，接收端通过向发送端申请重发失落的包来复原失落的包。

这个绝对于前向纠错技术来讲，延时偏高，在延时小的状况下，是个比拟适合的抉择。

原理如下所示：

图

数据包 3 第⼀次发送时，接收端没有收到，便向发送端发动 3 的重传申请（WebRTC 中使⽤ NACK RTCP 包），发送端收到了接管的重传申请后，则再次重发报文 3。

上面是对 WebRTC 中应用的 NACK[6] RTCP 格局的简略介绍，NACK RTCP 在 RFC4585 中有介绍，NACK 属于反馈音讯，即 Feedback Message，格局如下：

 0                  1                   2                   3 
   0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 
   +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+ 
   |V=2|P| FMT | PT | length | 
   +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+ 
   | SSRC of packet sender | 
   +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+ 
   | SSRC of media source | 
   +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+ 
   : Feedback Control Information (FCI) : 
   : : 
  
   Figure 3: Common Packet Format for Feedback Messages

PT 有两种大类型：‍

Name | Value | Brief Description 
 ----------+-------+------------------------------------ 
 RTPFB | 205 | Transport layer FB message 
 PSFB | 206 | Payload-specific FB message

NACK 对应的 FCI 音讯格局如下：

0                 1                   2                   3 
 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+ 
| PID | BLP | 
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+ 

            Figure 4: Syntax for the Generic NACK message 

NACK 的 PT=RTPFB 且 FMT=1 
PID 表⽰以后重传申请的第⼀个 seqnum 
BLP 为 16 位，代表 PID 所指的 seqnum 后间断的 16 个 seqnum 的重传申请状况, 1 表⽰以后位对应的 se qnum 失落，接收端对其进⾏了重传申请, 0 表⽰未对该位对应的 seqnum 做重传申请 
NACK 中能够携带多个 FCI 端

PLC 称之为丢包暗藏技术，位于接收端，也即解码端；解码端依据历史语音帧，对其进行信号剖析，通过线性预测系数进行 LPC 建模，来预测失落的语音帧，这项技术的可行性是基于语音的短时语音相似性。其长处是，不占用额定带宽；PLC 技术能够解决较小的丢包率（<15%）。

NetEQ 中的丢包暗藏是依据上一语音帧的线性预测系数 PLC 来建模，依据历史语音信号重建语音信号而后加载肯定的随机噪声；

间断丢包暗藏时，均应用同一个线性预测系数 LPC 重建语音信号，留神这⾥须要缩小间断重建信号间的相关性，因而丢包暗藏产生的数据包能量递加；

最初为了语音间断，须要做平滑解决。当须要进行丢包弥补时，从存储最近 70ms 的语音缓冲区中取出最新的一帧数据并计算该帧的 LPC 系数即可

WebRTC 的 NetEQ 模块和 OPUS 解码器都具备 PLC 的性能，要是 Decoder 反对 PLC，优先应用解码器的 PLC 性能，否则应用 NetEQ 的 PLC 性能，下一篇文章在介绍 NetEQ 模块时，会进行较具体阐明。

OPUS 不然而开源且无专利的编解码器, 而且相比其它编解码器来说，性能非常优越。这也是 WebRTC 音频通常应用它的起因。

上面对 OPUS 的一些个性进行阐明，这些个性在反抗弱网上都有十分大的帮忙。

OPUS 反对的码率能够从窄带 6kbps 到⾼品质立体声 510kbps，上面这幅图阐明 OPUS 从窄带到高品质宽带都能笼罩，且雷同码率下，品质更高。

图说

能够无缝调节码高下，等同码率下，OPUS 的音效品质更高；同时在丢包状况下，当丢包率大于肯定范畴时，会将编码模式转换成为 SILK 模式，即低码率模式，以适应网络状况。

> // 设置码率接⼝，能够通过该接⼝动静调整码率 
> WebRTCOPUS_SetBitRate 
>  
> /* When FEC is enabled and there's enough packet loss, use SILK */ 
> if (st->silk_mode.useInBandFEC && st->silk_mode.packetLossPercentage > (128-vo ice_est)>>4) 
>       st->mode = MODE_SILK_ONLY;

OPUS 联合了两种编解码技术，SILK（用于语音）和 CELT（用于音乐），具备低提早劣势。

这对于用作低提早音频通信链路的一部分是必不可少的, OPUS 能够以就义语音品质为代价将算法提早缩小到 5 毫秒。

现有的音乐编解码器（例如 MP3、Vorbis 和 HE-AAC）具备 100 毫秒或更多的提早，而 OPUS 的提早要低得多，但在品质上与比特率相当，如下图所示：

图说

OPUS 反对带内 FEC 性能，在应用 FEC 后，能够依据丢包率来生成冗余包，进步音频的抗丢包能力。

OPUS 的带内 FEC 性能应用形式相似 RED 办法，即发送以后包时，会携带上一个包的内容，只不过是上一个包是应用低码率编码来产生冗余包的，相似上面的形式：

|1| | -> |2|1| -> |3|2| -> |4|3| -> |5|4| -> |6|5|

上面是 OPUS 和 FEC 相干的几个接口：


// 使能内置 FEC
WebRTCOPUS_EnableFec
// 向 OPUS 传递丢包率 
WebRTCOPUS_SetPacketLossRate 

// 依据丢包率及 useInBandFEC 来判断是否开启低码率编码，即利⽤低码率编码来上⼀帧语⾳帧，⽣成 冗余包 
st->silk_mode.LBRR_coded = decide_fec(st->silk_mode.useInBandFEC, 
             st- >silk_mode.packetLossPercentage, st->silk_mode.LBRR_coded, st->mode, &st->bandwidth, equiv_rate); 
             
// 依据是否⽀持 FEC，来调配 SILK rate 
static int compute_silk_rate_for_hybrid(int rate, int bandwidth, int frame20ms, int vbr, int fec) 


/* Low-Bitrate Redundancy (LBRR) encoding. 
Reuse all parameters but encode excitation at lower bitrate */ 
static OPUS_INLINE void silk_LBRR_encode_FLP( 
    silk_encoder_state_FLP *psEnc, /* I/O Encoder state FLP */ 
    silk_encoder_control_FLP *psEncCtrl, /* I/O Encoder control FLP */ 
    const silk_float xfw[], /* I Input signal */ 
    OPUS_int condCoding /* I The type of conditional coding used so far for this frame */ 
)

这里须要指出的是，OPUS 内置的 FEC 包只在 SILK 模式下生成，CELT 编码模式下是不生成冗余包的。

if (st->mode == MODE_CELT_ONLY) 
   redundancy = 0; 

 if (redundancy) 
 {redundancy_bytes = compute_redundancy_bytes(max_data_bytes, st- >bitrate_bps, frame_rate, st->stream_channels); 
     if (redundancy_bytes == 0) 
        redundancy = 0; 
 }

WebRTC 中 FEC 的性能开启是通过 SDP 协商来实现的，如下所示：

a=rtpmap:111 OPUS/48000/2 
a=fmtp:111 minptime=10;useinbandfec=1

下图是 OPUS 开启 FEC 和没开启 FEC 的成果比照图 [8]

图说

从图中能够看出，FEC 开启后，在 20% 丢包状况下，音频 MOS 值晋升还是非常明显的。

OPUS 解码端反对丢包暗藏，其原理是依据语音信号具备短时相似性的特点，利用上一帧失常或复原的语音信号，对其进行信号剖析，重建和预测以后失落的语音帧。

int WebRTCOPUS_Decode(OPUSDecInst* inst, const uint8_t* encoded, 
                      size_t encoded_bytes, int16_t* decoded, 
                      int16_t* audio_type) { 
  int decoded_samples; 

  if (encoded_bytes == 0) {*audio_type = DetermineAudioType(inst, encoded_bytes); 
    decoded_samples = WebRTCOPUS_DecodePlc(inst, decoded, 1); 
  } else {...}

当不是音乐模式时，即在 VoIP 模式下，当检测到某个工夫期间内没有说话声时，为了节俭带宽，能够将开启 DTX。

这个时候，在没有检测到通话声音时，OPUS 会定期 400ms 发送静音包，达到升高带宽的目标，WebRTC 默认没有开启这个个性，要开启 DTX，只须要 SDP 协商时，在 a=ftmp 这一行中退出 usedtx=1 即可开启。

WebRTCOPUS_EnableDtx  
WebRTCOPUS_

OPUS 本⾝具备很多抗弱网的个性，这些个性再配合丢包重传，能够使音频具备很强的抗弱网能力。

本文次要结合实际弱网解决工作教训，从前向纠错、后向纠错及 OPUS 编码器自身个性等方面，对音频弱网一些罕用技术做简要阐明和总结。

弱网解决还有一个要害的抗抖动技术，将在该系列的下一篇文章中具体介绍。

参考资料：

[1]: https://datatracker.ietf.org/doc/html/rfc5109

[2]: https://datatracker.ietf.org/doc/html/draft-ietf-payload-flexible-fec-scheme-03

[3]:‍https://tex2e.github.io/rfctranslater/html/rfc5510.html‍

[4]:https://www.scirp.org/pdf/6-2.16.pdf

[5]:https://datatracker.ietf.org/doc/html/rfc2198

[6]https://tex2e.github.io/rfc-translater/html/rfc4585.html

[7]:https://ja.wikipedia.org/wiki/OPUS_(%E9%9F%B3%E5%A3%B0%E5%9C%A7%E7%B8%AE)

[8]:https://www.OPUScodec.org/static/presentations/OPUS_voice_aes135.pdf

关于服务器:WebRTC-音频抗弱网技术上

前向纠错技术

FEC

RED[5]

后向纠错技术

ARQ

PLC

编码器 OPUS 抗弱网个性[7]

⽀持全频带带宽

OPUS 反对动态码率调准

OPUS 延时更低

OPUS 反对带内 FEC

OPUS 解码端反对 PLC

OPUS 语音性能反对 DTX