自我认知中的RTP（1）

工作不仅仅只是ctrl+V 或者ctrl+C，还有总结与思考。RTP的协议介绍挺多，但是我也没耐心去看，目前也没有直接用RTP去实现播放。

---

前言

最近在看了下RTP的相关代码，需要做如下的总结：

  如下图所示：假设有两个线程，一个线程往缓冲区里写RTP包，一个线程是读取这个RTP包。假设存储空间是一个环形缓冲区，所有的信息都是用一个结构体描述，如：当前的写地址，写包index,读包index,以及对应每index包的对应的内存地址,一共可以存储LEN个包，即由长度为len的数组维系着。一个视频帧有可能由多个RTP包组成。往平台发送视频时，往往首先要找到I帧，对于生产者来说，在他写每个rtp包的时候，会将每一index包的地址放在那个数组中。

  形成一个环状索引的一般公式是这样的：

index= （index + 1）% LEN

---

一、RTP目前需要知道的

  首先还是得知道RTP的头,他的前12字节是固定的，CSRC可以有多个或者0个。

解释如下：

字段	描述
V	2 bits,RTP协议的版本号，V=2
P	填充标志，占1位，如果P=1，则该RTP包的尾部包含附加的填充字节，作用是为了字节对齐，填充字节的数量保存在最后一个字节中。曾经在音频格式的aac格式下出现。
X	扩展位：占1位，如果X=1，则RTP固定头部后面就跟有一个扩展头部，即上面的CSRC信息
CC	CSRC计数器（CC）：占4位，指示 CSRC标识符的数量。当X=1的时候需要关注下，但是感觉很少情况遇到
M	标记位（M）：占1位,当M=1时，对于视频流, 它表示一帧的结束,而对于音频,则表示一次谈话的开始。
PT	载荷类型：占7位，标识了RTP载荷的类型，比如是视频还是音频类型
SN	序列号：占16位，发送方在每发送完一个RTP包后就将该域的值增加1，接收方可以由该域检测包的丢失及恢复包序列。序列号的初始值是随机的。
timestamp	时间戳：占32位，记录了该包中数据的第一个字节的采样时刻。在一次会话开始时，时间戳初始化成一个初始值（随机生成）。即使在没有信号发送时，时间戳的数值也要随时间而不断地增加。时间戳是去除抖动和实现同步不可缺少的。
SSRC	同步源标识符：占32位，用来表示RTP包的类型，每次开启新的流会话该值都会变化
CSRC	特约信源：每个CSRC标识符占32位，可以有0～15个。每个CSRC标识了包含在该RTP报文有效载荷中的所有特约信源。

注：基本的RTP说明并不定义任何头扩展本身，如果遇到X=1，需要特殊处理

二、RTP头需要注意的

1.PT

  负载类型主要用来告诉接收端（或者播放器）传输的是哪种类型的媒体（例如G.729，H.264，MPEG-4等），这样接收端（或者播放器）才知道了数据流的格式，才会调用适当的编解码器去解码或者播放，这就是负载类型的主要作用。

载荷类型

2.时间戳

时间戳反映了RTP分组中的数据的第一个字节的采样时刻。

首先，了解几个基本概念：
时间戳单位：时间戳计算的单位不是秒之类的单位，而是由采样频率所代替的单位，这样做的目的就是 为了是时间戳单位更为精准。比如说一个音频的采样频率为8000Hz，那么我们可以把时间戳单位设为1 / 8000。
时间戳增量：相邻两个RTP包之间的时间差（以时间 戳单位为基准）。
采样频率：  每秒钟抽取样本的次数，例如音频的采样率一般为8000Hz
帧率：      每秒传输或者显示帧数，例如25f/s

例如，对于8kHz采样的话音信号，若每隔20ms构成一个数据块。
则一个数据块中包含有160个样本（0.02×8000=160）。因此每发送一个RTP分组，其时间戳的值就增加160。
如果采样频率为90000Hz，则由上面讨论可知，时间戳单位为1/90000。
我们就假设1s钟被划分了90000个时间块，那么，如果每秒发送25 帧，那么，每一个帧的发送占多少个时间块呢？当然是 90000/25 = 3600。因此，我们根据定义“时间戳增量是发送第二个RTP包相距发送第一个RTP包时的时间间隔”，故时间戳增量应该为3600。

以上都是网页节选，具体用到采样频率，应该是和播放器有关。

总结

以上就是关于RTP头的介绍。