[发明专利]一种可视电话的实现方法及移动终端

说明书

技术领域

本发明涉及移动通信技术领域，尤其涉及一种可视电话的实现方法及移动终端。

背景技术

随着3G(Third Generation，第三代移动通信)技术的普及和发展，作为3G重要的业务——可视电话也日渐被广大消费者所接收和喜爱。可视电话是一种集图像、声音于一体的多媒体通信业务，其可以实现人们面对面的实时沟通效果，即通话双方在通话过程中既闻其声、又见其人。但是现有3G可视电话中，总是先听见声音，后看到图像，视频图像的显示明显的滞后于音频声音的播放，滞后时间一般约1～2秒(各厂家的终端略有差异)，而目前中国移动的规范UE-SEV-Video-001和3GPP(Third Generation Partnership Project，第三代合作伙伴计划)的标准中，要求可视电话的通信双方点对点的音频和视频的延时不超过1.2秒。

可视电话中音频和视频不同步的原因是：当前的3G移动终端中，由可视电话的视频协议栈H324M来负责接受通信对端传过来的音/视频数据，并负责把音频数据和视频数据以帧为单位分开，音频数据通过函数接口发送给音频解码器的驱动程序，目前国内的音频数据大多是AMR格式。同时，把视频数据发送给视频解码器(如CORELOGIC公司的MUSE解码芯片或者MV公司的MV解码芯片)的驱动程序，其格式大多为H.263或者MPEG4等。目前机制是视频协议栈H324M把音/视频数据送出去后就不再关心了，最后到底什么时候能解码出来，跟使用的编解码芯片速度有关。一般音频数据的数据量小，为12KBPS/秒左右，由协议栈发来的音频数据很快就可进行解码了，延迟不超过200毫秒(0.2秒)。而视频数据的数据量是48KBPS/秒左右，可见视频的数据量大约比音频的数据量大4倍，而且需要先在缓存中排队，等待队列前面的视频数据处理完毕了才能进行解码，导致延迟的时间一般1～2秒不等。这样，由于音频解码器和视频解码器的不同步工作，也就造成了音频数据和视频数据播放的不同步。比如，用户A通过可视电话讲一句话，用户B方先听见他的这句话，大约1～2秒后，用户B才能看到用户A的表情。而此时，用户A可能继续讲另一句话了，造成了不匹配。

综上可知，现有可视电话技术在实际使用上显然存在不便与缺陷，所以有必要加以改进。

发明内容

针对上述的缺陷，本发明的目的在于提供一种可视电话的实现方法及移动终端，其能改善可视电话中音频和视频的同步性能。

为了实现上述目的，本发明提供一种可视电话的实现方法，所述方法包括步骤有：

A、可视电话通话开始，移动终端将收到的视频数据和音频数据分别发送给本地的视频解码器和音频解码器；

B、所述视频解码器将收到的所述视频数据进行缓冲，并获取待解码的视频数据的时间戳发送给所述音频解码器，所述视频解码器再对所述待解码的视频数据进行解码；

C、所述音频解码器将收到的所述音频数据进行缓冲，并获取被缓冲的音频数据的时间戳，在收到所述待解码的视频数据的时间戳后，将具有相同时间戳的音频数据进行解码。

上述方法，其所述步骤A之前进一步包括音/视频同步模式设置步骤，在所述移动终端上设置音/视频同步模式。

上述方法，其所述音/视频同步模式设置步骤中，所述移动终端将所述音/视频同步模式的设置项存储到本地数据库中；在所述视频解码器对视频数据进行解码之前，所述移动终端检查本地数据库中的设置项，若设置了所述音/视频同步模式则执行音/视频同步通话程序。

上述方法，其所述步骤A进一步包括：所述移动终端的协议栈收到网络侧发来的音/视频数据后，检查所述音/视频数据中的时间戳，把具有相同时间戳的所述视频数据和音频数据分开，并将所述视频数据和音频数据分别发送给所述视频解码器和音频解码器。

上述方法，其所述移动终端的协议栈为H324M协议栈。

上述方法，其所述步骤B中通过H263协议获取所述待解码的视频数据的时间戳。

上述方法，其所述步骤C中音频解码器收到所述音频数据后，建立至少一缓冲区来存放所述音频数据，并获取所述缓冲区中的音频数据的时间戳，在收到所述待解码的视频数据的时间戳后，检索所述缓冲区中音频数据的时间戳，将与所述待解码的视频数据具有相同时间戳的音频数据进行解码。

本发明还提供一种实现上述方法的移动终端，其所述移动终端包括：

协议栈模块，用于在可视电话通话开始后，将收到的视频数据和音频数据分别发送给本地的视频解码器和音频解码器；