从零开始精通RTSP之传输ADPCM等音频流

概述

        在上一篇文章中，我们详细介绍了使用RTP传输AAC音频流的打包方法。除了AAC编码算法外，常用的音频编码算法还有ADPCM、G711A、G711U、G726等。接下来，我们继续介绍RTP传输ADPCM等音频流的打包方法。

封装方法

        RTP封装ADPCM等音频数据时，非常简单，直接将音频数据放入RTP包的Payload中即可。此时，RTP包的结构如下。

+-----------------------------+
| RTP Header (12 Byte)        |
| Audio Data ...              |
+-----------------------------+

        其中，Audio Data为已经编码好的ADPCM、G711A、G711U、G726等音频数据。由于音频帧通常较小，可以直接放入RTP包中，无需分片。RTP包封装好以后，通过UDP或其他适合实时传输的网络协议发送给接收端即可。

ADPCM等的SDP

        在使用ADPCM等编码的音频流时，SDP媒体描述应反映这种封装方式，以便接收端能够正确识别、配置解码器并处理音频流。ADPCM等的SDP与AAC的SDP类似，因此，下面将仅介绍有差异的部分。

        ADPCM的SDP：a=rtpmap行中，ADPCM指定音频编码格式为ADPCM。ADPCM（Adaptive Differential Pulse Code Modulation，自适应差分脉冲编码调制）是一种有损音频压缩技术，主要用于降低数字音频数据的存储空间需求和传输带宽，同时力求保持较高的声音质量。ADPCM通过对原始音频信号进行预测、差分编码、量化和自适应调整等步骤，实现了高效的数据压缩。

m=audio 49250 RTP/AVP 22
a=rtpmap:22 ADPCM/8000/1

        G711A的SDP：G711A的RTP负载类型（Payload Type, PT）通常为8。a=rtpmap行中，PCMA指定音频编码格式为G711 A-law。PCMA是ITU-T G711标准中的一种编码方式，常用于电话系统和其他语音通信应用。8000表示音频采样率为8 kHz，即每秒钟采集并编码8000个音频样本。1表示单声道音频，如果是双声道立体声，这里可能会显示2。

m=audio 49250 RTP/AVP 8
a=rtpmap:8 PCMA/8000/1

        G711U的SDP：G711U的RTP负载类型（Payload Type, PT）通常为0。a=rtpmap行中，PCMU指定音频编码格式为G711 U-law。PCMU是ITU-T G711标准中的另一种编码方式，同样广泛应用于电话系统和语音通信应用。8000表示音频采样率为8 kHz，即每秒钟采集并编码8000个音频样本。1表示单声道音频，如果是双声道立体声，这里可能会显示2。

m=audio 49250 RTP/AVP 0
a=rtpmap:0 PCMU/8000/1

        G726的SDP：G726的RTP负载类型（Payload Type, PT）通常为21。a=rtpmap行中，G726-32指定了音频编码标准为G726，并且使用的是32 kbps的编码速率。G726是ITU-T制定的一种ADPCM语音编码标准，它支持四种不同的比特率：16kbps、24kbps、32kbps、40kbps。这里的“32”，即表明使用的是32 kbps的编码模式。

m=audio 49250 RTP/AVP 21
a=rtpmap:21 G726-32/8000/1

注意事项

        1、在会话建立阶段（通常通过SDP协议），发送端和接收端需协商一致使用哪个PT值（Payload Type）来标识音频数据。比如：G711A通常使用PT值8，但应遵循实际协商结果。

        2、RTP包的时间戳增量应与采样率相匹配。比如：G711A使用8 kHz的采样率，每8个样本代表1毫秒，所以时间戳通常按每个样本的采样时间（125 µs）递增。另外，还需要确保时间戳准确反映音频数据的采样时刻，以便接收端能够正确同步和播放音频流。

        3、ADPCM、G711A等编码的音频帧大小适中，通常一个RTP包可以容纳一个完整的音频帧。如有必要，可以按照RTP的分包机制来处理非常大的音频帧。

        4、考虑到网络条件和接收端处理能力，合理控制RTP包的大小，避免因包过大导致网络拥塞或接收端处理困难。