VOIP系统开源实现PCMA/PCMU/AMR/G729常用格式解码服务

VOIP系统开源实现PCMA/PCMU/AMR/G729常用格式解码服务

最近在Windows上开发一套用于处理多种音频数据的解码服务，大致原理是输入不同格式的源码数据 ，通过解码模块，输出原始的音频数据，原始音频数据经过二次生成，可用wav格式的文件保存为音频文件。
利用到的开源库：pcmu\pcma\编解码以及转换代码、bcg729、	opencore-amr-0.1.5	

pcmu\pcma(g711编码)

1. wireshark抓包数据如上；

2. 打包时间标签为160ms,rtp整包长度216，实际PayloadType=8,真正的payload长度为160；

3. 处理方法，我这边是将PCMA的数据转成PCMU的数据，然后交由PCMU的解码器一起解码；
   BOOL G711AlawToUlaw(unsigned char *pG711aData,int iG711aDataLen)
   {
   int i = 0;
   for (i = 0; i < iG711aDataLen; i++)
   {
   pG711aData[i] = alaw2ulaw(pG711aData[i]);
   }
   return TRUE;
   }

4. PCMA和PCMU生成的数据为320个字节的音频数据，也可以用 ushort *160 表示；解码的函数网上有很多，在CSDN中也能找到很多的例子，这里就不详细说了。

G729解码

1. 使用G729解码库；
   
2. 我这边系列里面用到的G729包，是160ms打包，每包是20个字节，解码的时候需要分两次解码，最终合并成一个音频数据包，如下；
   
   

amr格式解码（目前只支持octet-align=1字节对齐）

1. 参考了非常重要的一篇博文，感谢原作者的分享，博文地址:https://blog.csdn.net/szfhy/article/details/50552819
2. amr-nb:
3. amr-wb:
4. 需要注意的是，需要根据wireshark的抓包数据进行具体分析：
   amr-wb和amr-nb的最大区别是码率不一致，在payload的第一个字节中，可以得到码率，这个码率根据设定可以对应得到payload的实际长度，下面是具体的长度：

*//amr_nb长度
const int amr_nbsizes[] = { 12, 13, 15, 17, 19, 20, 26, 31, 5, 6, 5, 5, 0, 0, 0, 0 };

//AMR_WB长度
const int amr_wbsizes[] = { 17, 23, 32, 36, 40, 46, 50, 58, 60, 5, -1, -1, -1, -1, -1, 0 };
计算方式：此处pbuffer[1]对应的就是抓包数据中的第一个字节0x44;
5. 调用解码函数的时候，是需要把第一个字节直接带入解码函数的buffer;

实际实现过程中遇到的问题

1. 假如终端，在静默时，不发送音频数据，那么导致最终抓取到的音频数据包，seq连续，但是timestamp确是不连续的，这种情况下需要记录已经写入的最后一个时间戳，然后处理当前这个帧时，根据时间戳、结合打包时间戳来处理是否补充数据，具体实现如下：
2. 关于噪音帧：amr中AMR-SID对应值是8，amr-wb中对应值是9；像这样的情况，应该把该帧之间过滤，然后通过第一点提到的补充数据长度，把对应数据保存到文件中；
   
   
3. 此外还用到了简单的线性混音函数，可参考网络；