[发明专利]一种移动终端及其处理语音通信的方法

说明书

本申请公开了一种移动终端处理语音通信的方法，包括如下步骤。步骤S10：语音通信开始时，预置接收端的播放缓存区中的读指针和写指针位置，设置参考值和阈值；将读指针预置在写指针之前；所述阈值小于所述参考值。步骤S20：每隔第一时间检测一次播放缓存区中的读指针和写指针的距离称为检测距离。步骤S30：用偏移状态表示播放缓存区的历史状态，将偏移状态左移两位，根据检测距离与参考值和阈值之和或之差的比较结果，确定偏移状态的新取值。步骤S40：根据VAD从语音PCM数据流中的检测情况，联合偏移状态决定进行样本数插值还是抽取。本申请用来解决时延对语音通信的影响。

技术领域

本申请涉及一种移动终端对语音通信的处理方法。

背景技术

以手机为代表的移动终端（UE，User Equipment，用户设备）已成为人们生活中不可或缺的一部分，时延（delay）是移动终端进行语音通信的一个重要指标。当端到端的时延（end-to-end delay）低于150ms时，人感觉不到。当端到端的时延超过150ms且小于450ms时，人能感受到但能忍受，不影响通话交流。当端到端的时延大于1s时，就会严重影响通话交流，用户体验会比较差。中国移动通信集团有限公司的音频测试规范中，要求手机在发送和接收方向的端到端时延不能超过220ms，建议在185ms以内，否则无法通过其认证。

请参阅图1，这是语音从采集到播放的传输过程。两台移动终端之间进行语音通信时，语音的传输过程包括三部分：一是从发送端采集到语音数据并处理后发送到网络设备，二是网络设备之间传送，三是从网络设备发送给接收端并播放出来。前述每一部分都会产生时延，本申请仅讨论移动终端上引入的时延。移动终端和网络设备之间的时延、网络设备和网络设备之间的时延均不在本申请的讨论范围中。

在CS（circuit switch，电路交换）语音链路中，每隔20ms会对音频信号做一次语音增强处理、编码和解码。以8K采样率为例，这是指对音频信号每一秒采样8000次。在发送端，从麦克风（MIC）采集的160个样本（sample）的PCM数据流（PCM stream）进行上行语音增强处理，然后进行编码，然后送给调制解调器（modem）去发送。在接收端，会将调制解调器送过来的语音包（voice packet）进行解码，解成160个样本的PCM数据流，然后对其进行下行语音增强处理，最终将160个样本通过SSP（Synchronous Serial Port，同步串行端口）写到数字音频通路和DAC（数模转换模块）上，数模转换后通过扬声器播放。

发送端的延时主要包括声音的采集引入的延时、语音增强处理算法引入的延时和编码算法引入的延时。由于编码时多数声码器（vocoder）要求的一帧是20ms长度，这就要求采集到的语音数据放在缓存区（buffer）里等待一段时间，等到帧长符合要求时再取出来去编码，这就引入了时延。以一帧20ms为例，至少会引入20ms的延时。

接收端的延时主要包括解码算法延时、下行语音增强处理延时和播放延时。播放前为了保持播放的流畅性会在语音数据进入播放DMA（direct memory access，直接内存访问）控制器前加一级缓存区，这也引入了延时。

上述CS语音链路的实现依赖于晶振（crystal oscillator，晶体振荡器）的频率准确度。TCXO（Temperature Compensated Crystal Oscillator，温度补偿晶振）比VCXO（Voltage Control Crystal Oscillator，压控晶振）、DCXO（Digitally CompensatedCrystal Oscillator，数字补偿晶振）的性能要好，频率稳定度高，但是成本也高。所以为了节省成本，VCXO和DCXO仍在很多移动终端中被使用。此外，晶振老化也会引入频率稳定性不高的问题。