主頁（http://www.by236.com）：【對講】解析樓宇對講系統中的音頻同步問題

　　目前，成熟的智能家居系統的室外機中，門禁可視對講和門禁控制幾乎全部采用模擬信號，安裝時需要架設專用網絡，布線復雜，不可擴展，靈活性差，傳輸距離短，投資大，維護成本高。隨著市場需求的增長、消費者消費觀念的提高以及模擬系統沉重的工程維護代價，結合以太網技術的全數字室外機和門禁產品成為研發的熱點。但是在諸多因素影響下，當前的數字門禁產品不成熟，不穩定，價格高昂，特別是門禁對講中的音視頻同步問題，一直以來都是數字可視對講的短板。

　　在數字可視對講中，可以考慮的音視頻同步方案有兩種：一是發送端解決;二是接收端解決。

　　發送端解決方法比較簡單，具體措施是在發送端先將一段時間內采集到音視頻數據打包。比如采集到一幀視頻圖像，將這幀圖像與采集這幀視頻的時間內采集到的視頻數據打成一個包，接收端接收到這個包之后解包分別播放就可以了。發送端解決的控制方法比較簡單，但是高清若是要求清晰度比較高的情況下就不是很理想，清晰度高，意味著每個音視頻包數據量就大，能保證同步，卻不保證連續。測試這種方案時，在同一個線程中循環的按照先后順序發送PCM音頻，和H.264視頻，測試的結果表明這種方法確實存在連續問題。

　　接收端解決方案繞不開的問題是時間戳，接收端根據接收到的音視頻數據的時間戳安排播放。時間戳需要一個參考時間。而采集過程中視頻的時間是不定的，數字攝像頭采集圖像的幀率是一個平均值，不宜用來做參考時間，所以只能用音頻時間作為參考時間。

　　與文件形式的多媒體不同的是，可視對講中音視頻流的源端是永遠同步的。所以一種簡單的解決方案是發送端啟用獨立的音頻和視頻線程，進行音視頻采集，采集后只管往外發送數據，接收端接到數據就分別解碼播放，從表面看，這種采用無同步機制多線程解決方案是可行的，但是忽略了一個問題：音頻數據包和視頻數據包的大小。包的大小會影響網絡傳輸的速度。這種差別在網絡條件好的情況下顯示不出來，一旦遇到網絡擁塞或者其他情況就會變得很明顯。

　　根據對音頻采集和處理的敘述，我們知道，音頻的采集是有時間機制的。比如采樣率是8000，采樣位數是8，我們就可以算出采8K字節的數據所用的時間是1s，這樣音頻就可以按照自己的速度播放;而攝像頭每秒采集的幀數是相對固定的，如OV9650采集速度為平均每秒30幀，這樣即可以算出1/30秒(約為0.03333，具體精度可以根據要求決定)刷新一幀圖片，這種方式中只要保證源端音頻視頻的采集是同步的就可以，而門禁對講過程中，這種同步是原生的。