VoIP之Jitter Buffer(抖动缓冲器)
Jitter Buffer（抖动缓冲器）是一种VoIP领域用于处理网络传输中数据包抖动和延迟的技术，通过合理的配置和优化，该机制可以确保通话中语音的连续性和清晰度，提高用户的通话体验。
一、Jitter Buffer的产生背景
在SIP/VoIP通话中，通常使用UDP方式传输RTP语音包，理想情况下，接收端每隔(20ms或40ms)就会收到一个语音包，但网络存在信号强弱、网络拥塞、路由选择等而引发抖动和延迟问题，而UDP又是不可靠的传输方式，因此接收端收到的语音包会存在乱序、延时、抖动等问题。如果终端收到一个语音包就立刻解码播放时，用户听到的声音会有卡顿、不清晰等异常情况。为了解决上述问题，jitter Buffer机制诞生了。
二、 Jitter Buffer的机制原理
-
将接收到的RTP包按照RTP包的序列号顺序插入到一个接收队列中，更新Jitter-Buffer的相关计算指标（如包间隔，延迟时间等）
-
读取模块根据当前系统时间和jitter-Buffer相关计算指标计算得出一个预期时间戳，返回队列中比该时间戳小的RTP数据
-
解码模块解码RTP数据并进行播放，由于Jitter Buffer对RTP包进行了缓存、排序，解决了延迟、乱序问题，因此声音播放起来持续稳定
-
如果RTP数据包的延迟超过允许的阈值，Jitter Buffer视其为过期数据，直接丢弃
-
网络延迟较小时，数据包能够相对实时播放;当网络延迟较大时，Jitter Buffer会等待一段时间缓存数据，以平滑处理延迟和抖动
三、Jitter Buffer的作用
-
平滑处理网络传输中的抖动、延迟和乱序问题
-
确保语音通话的连续性和清晰度
四、参数配置
Jitter Buffer模块一般会支持多个参数设置，如下：
- 初始缓冲数据个数或时长(ms)
- 模式
静态：缓冲区大小固定
动态：缓冲区大小根据接收情况动态调整
注：
一般选用动态模式
较大的缓冲区应对网络抖动能力强，但会增加延迟
较小的缓冲区可以减少延迟，但应对网络抖动能力低
-
算法
计算抖动、延迟等指标时，会用到一些算法（如方差计算等）
五、关键说明
- 实现逻辑较复杂，实际应用开发中通常使用开源库（如oRTP、WebRTC等)中的Jitter Buffer模块实现
- 不仅用于音频通话，同样适用于视频等其它以UDP/RTP方式时行媒体传输的场景
- 在SIP/VoIP领域的媒体传输中是必不可少的模块，是弱网对抗中的一项关键技术
- 合适的参数配置可以显著提高语音通话的质量和用户体验
- 能够消除一定程度的网络抖动、延迟等情况，但无法处理延迟过大的情况，不同的开源实现处理能力不同
- 无法应对丢包问题，丢包问题需要额外机制处理，比如丢包重传或FEC(前向纠错)等