前言：Speex官网：http://speex.org/ 可以再Documentation下找到PDF版或HTML OL版的英文手册。可能会由于英文技能的匮乏或语音解码领域的不熟悉会有翻译错误，所以每段我都会付上英文原段落，也望各位发现后能够不吝赐教，大家共同进步。

PS: 1) 如需转载，注明出处，不胜感激; 2) 如侵您版权，及时通知，速删之

5.1 编码

5.2 解码

5.3 编解码选项(speex_*_ctl)

5.4 模式查询

5.5 封包和带内信令

补充

后记

The libspeex library contains all the functions for encoding and decoding speech with the Speex codec. When linking on a UNIX system, one must add -lspeex -lm to the compiler command line. One important thing to know is that libspeex calls are reentrant, but not thread-safe. That means that it is fine to use calls from many threads, but calls using the same state from multiple threads must be protected by mutexes. Examples of code can also be found in Appendix A and the complete API documentation is included in the Documentation section of the Speex website (http://www.speex.org/).

Speex编解码器的libspeex包囊括了所有的语音编码和解码函数。在Linux系统中连接时，必须在编译器命令行中加入-lspeex –lm。需要知道的是，虽然libspeex的函数调用是可重入的，但不是线程安全的，所以在多线程调用时，如果使用共享资源需要进行互斥保护。附录A中有代码实例，在Speex站点(http://www.speex.org/ )的文档部分能下到完整的API文档。

5.1 编码

In order to encode speech using Speex, one first needs to:
#include <speex/speex.h>
Then in the code, a Speex bit-packing struct must be declared, along with a Speex encoder state:
SpeexBits bits;

void *enc_state;
The two are initialized by:
speex_bits_init(&bits);
enc_state = speex_encoder_init(&speex_nb_mode);
For wideband coding, speex_nb_mode will be replaced by speex_wb_mode. In most cases, you will need to know the frame size used at the sampling rate you are using. You can get that value in the frame_size variable (expressed in samples, not
bytes) with:
speex_encoder_ctl(enc_state,SPEEX_GET_FRAME_SIZE,&frame_size);
In practice, frame_size will correspond to 20 ms when using 8, 16, or 32 kHz sampling rate. There are many parameters that can be set for the Speex encoder, but the most useful one is the quality parameter that controls the quality vs bit-rate tradeoff.
This is set by:
speex_encoder_ctl(enc_state,SPEEX_SET_QUALITY,&quality);
where quality is an integer value ranging from 0 to 10 (inclusively). The mapping between quality and bit-rate is described in Fig. 9.2 for narrowband.
Once the initialization is done, for every input frame:
speex_bits_reset(&bits);
speex_encode_int(enc_state, input_frame, &bits);
nbBytes = speex_bits_write(&bits, byte_ptr, MAX_NB_BYTES);
where input_frame is a (short *) pointing to the beginning of a speech frame, byte_ptr is a (char *) where the encoded frame will be written,MAX_NB_BYTES is the maximumnumber of bytes that can be written to byte_ptr without causing an overflow and nbBytes is the number of bytes actually written to byte_ptr (the encoded size in bytes). Before calling speex_bits_write, it is possible to find the number of bytes that need to be written by calling speex_bits_nbytes(&bits), which returns a number of bytes.
It is still possible to use the speex_encode() function, which takes a (float *) for the audio. However, this would make an eventual port to an FPU-less platform (like ARM) more complicated. Internally, speex_encode() and speex_encode_int() are processed in the same way. Whether the encoder uses the fixed-point version is only decided by the compile-time flags, not at the API level.
After you’re done with the encoding, free all resources with:
speex_bits_destroy(&bits);
speex_encoder_destroy(enc_state);
That’s about it for the encoder.

使用Speex进行语音编码，首先要：

#include < speex/speex.h >

在代码中，需要声明Speex比特包结构体，同时设置Speex编码器状态：

SpeexBits bits;

void * enc_state;

初始化两变量：

speex_bits_init( &bits );

enc_state = speex_encoder_init( &speex_nb_mode );

用speex_wb_mode代替为speex_nb_mode，即可转换为宽带编码。很多时候，你在使用采样率的需要知道帧的大小，可以通过变量frame_size（用样本中的单位表示，不以字节为单位）获得，调用下面函数：

speex_encoder_ctl( enc_state, SPEEX_GET_FRAME_SIZE, &frame_size );

实践表明，在采用8、16或32kHz采样率的时候，frame_size大约对应于20ms。Speex编码器还有很多参数可以设置，其中最有用的一个是质量参数，控制着比特率（bit-rate）交换的质量，通过下面函数设置：
speex_encoder_ctl( enc_state, SPEEX_SET_QUALITY, &quality );

quality是一个0～10（包含10）范围内的整数，窄带（narrowband）的质量和比特率（bit-rate）的对应关系如图9.2所示。

初始化成功后，对于每帧的输入：

speex_bits_reset( &bits );

speex_encode_int( enc_state, input_frame, &bits );

nbBytes = speex_bits_write( &bits, byte_ptr, MAX_NB_BYTES );

其中，input_frame是指向每个Speex帧开始的short型指针，byte_ptr是将写入已被编码的帧的char型指针，MAX_NB_BYTES是byte_ptr在不导致溢出时可被写入的最大字节数，nbBytes是byte_ptr实际被写入的字节数(编码大小以字节为单位)。在调用speex_bits_write之前，可能会通过speex_bits_nbytes(&bits)返回的字节数获得需要被写入的字节数，也可能使用speex_encode() 函数，它接受一个携带音频数据的float*型参数。不过这将使缺少浮点运算单元（FPU）的平台（如ARM）变的更为复杂。实际上，speex_encode和speex_encode_int()用同样的方法处理，编码器是否使用定点数取决于编译期的标志位，不由API来控制。

完成编码后，释放所有资源：
speex_bits_destroy( &bits );

speex_encoder_destroy( enc_state );

这是关于编码的部分。

5.2 解码

In order to decode speech using Speex, you first need to:
#include <speex/speex.h>
You also need to declare a Speex bit-packing struct
SpeexBits bits;
and a Speex decoder state
void *dec_state;
The two are initialized by:
speex_bits_init(&bits);
dec_state = speex_decoder_init(&speex_nb_mode);
For wideband decoding, speex_nb_mode will be replaced by speex_wb_mode. If you need to obtain the size of the frames that will be used by the decoder, you can get that value in the frame_size variable (expressed in samples, not bytes) with:
speex_decoder_ctl(dec_state, SPEEX_GET_FRAME_SIZE, &frame_size);
There is also a parameter that can be set for the decoder: whether or not to use a perceptual enhancer. This can be set by:
speex_decoder_ctl(dec_state, SPEEX_SET_ENH, &enh);
where enh is an int with value 0 to have the enhancer disabled and 1 to have it enabled. As of 1.2-beta1, the default is now to enable the enhancer.
Again, once the decoder initialization is done, for every input frame:
speex_bits_read_from(&bits, input_bytes, nbBytes);
speex_decode_int(dec_state, &bits, output_frame);
where input_bytes is a (char *) containing the bit-stream data received for a frame, nbBytes is the size (in bytes) of that bit-stream, and output_frame is a (short *) and points to the area where the decoded speech frame will be written. A NULL value as the second argument indicates that we don’t have the bits for the current frame. When a frame is lost, the Speex decoder will do its best to "guess" the correct signal.
As for the encoder, the speex_decode() function can still be used, with a (float *) as the output for the audio. After you’re done with the decoding, free all resources with:
speex_bits_destroy(&bits);
speex_decoder_destroy(dec_state);

使用Speex解码语音，首先要包含speex.h头文件。

#include < speex/speex.h>

需要声明Speex比特包的结构体和Speex解码器的状态

SpeexBits bits;

void* dec_state;

进行初始化
speex_bits_init( &bits );

dec_state = speex_decoder_init( &speex_nb_mode );

用speex_wb_mode代替speex_nb_mode，可转换为宽带（windband）解码。可能过变量frame_size来获得解码的帧大小

speex_decoder_ctl( dec_state, SPEEX_GET_FRAME_SIZE, &frame_size );

还可以能过下面函数设置是否使用“知觉增强”功能

speex_decoder_ctl( dec_state, SPEEX_SET_ENH, &enh );

如果enh是0则表是不启用，1则表示启用。在1.2-beta1中，默认是开启的。

做完初始化工作后，则可对每个输入帧进行如下操作：

speex_bits_read_from( &bits, input_bytes, nbBytes );

speex_decode_int( dec_state, &bits, output_frame );

其中,input_bytes是char型指针，包含了一帧的比特流数据，nbBytes是那帧比特流数据的大小（以字节为单位），output_frame是short型指针，指向一块内存区域，存储对语音帧的解码。第二个参数为空值（NULL）意味着没有获得到正确的比特(bit)数据，出现丢帧，Speex解码器会尽可能猜测最为准确的语音信号。

和编码器类似，可以用speex_decode()函数的一个float*型参数获得音频输出。

完成解码后，释放掉所有资源：

speex_bits_destory( &bits );

speex_decoder_destory( dec_state );

5.3 编解码选项(speex_*_ctl)

The Speex encoder and decoder support many options and requests that can be accessed through the speex_encoder_ctl and
speex_decoder_ctl functions. These functions are similar to the ioctl system call and their prototypes are:
void speex_encoder_ctl(void *encoder, int request, void *ptr);
void speex_decoder_ctl(void *encoder, int request, void *ptr);
Despite those functions, the defaults are usually good for many applications and optional settings should only be used when one understands them and knows that they are needed. A common error is to attempt to set many unnecessary settings.
Here is a list of the values allowed for the requests. Some only apply to the encoder or the decoder. Because the last argument is of type void *, the _ctl() functions are not type safe, and shoud thus be used with care. The type spx_int32_t is the same as the C99 int32_t type.
SPEEX_SET_ENH‡ Set perceptual enhancer to on (1) or off (0) (spx_int32_t, default is on)
SPEEX_GET_ENH‡ Get perceptual enhancer status (spx_int32_t)
SPEEX_GET_FRAME_SIZE Get the number of samples per frame for the current mode (spx_int32_t)
SPEEX_SET_QUALITY† Set the encoder speech quality (spx_int32_t from 0 to 10, default is 8)
SPEEX_GET_QUALITY† Get the current encoder speech quality (spx_int32_t from 0 to 10)
SPEEX_SET_MODE† Set the mode number, as specified in the RTP spec (spx_int32_t)
SPEEX_GET_MODE† Get the current mode number, as specified in the RTP spec (spx_int32_t)
SPEEX_SET_VBR† Set variable bit-rate (VBR) to on (1) or off (0) (spx_int32_t, default is off)
SPEEX_GET_VBR† Get variable bit-rate (VBR) status (spx_int32_t)
SPEEX_SET_VBR_QUALITY† Set the encoder VBR speech quality (float 0.0 to 10.0, default is 8.0)
SPEEX_GET_VBR_QUALITY† Get the current encoder VBR speech quality (float 0 to 10)
SPEEX_SET_COMPLEXITY† Set the CPU resources allowed for the encoder (spx_int32_t from 1 to 10, default is 2)
SPEEX_GET_COMPLEXITY† Get the CPU resources allowed for the encoder (spx_int32_t from 1 to 10, default is 2)
SPEEX_SET_BITRATE† Set the bit-rate to use the closest value not exceeding the parameter (spx_int32_t in bits per second)
SPEEX_GET_BITRATE Get the current bit-rate in use (spx_int32_t in bits per second)
SPEEX_SET_SAMPLING_RATE Set real sampling rate (spx_int32_t in Hz)
SPEEX_GET_SAMPLING_RATE Get real sampling rate (spx_int32_t in Hz)
SPEEX_RESET_STATE Reset the encoder/decoder state to its original state, clearing all memories (no argument)
SPEEX_SET_VAD† Set voice activity detection (VAD) to on (1) or off (0) (spx_int32_t, default is off)
SPEEX_GET_VAD† Get voice activity detection (VAD) status (spx_int32_t)
SPEEX_SET_DTX† Set discontinuous transmission (DTX) to on (1) or off (0) (spx_int32_t, default is off)
SPEEX_GET_DTX† Get discontinuous transmission (DTX) status (spx_int32_t)
SPEEX_SET_ABR† Set average bit-rate (ABR) to a value n in bits per second (spx_int32_t in bits per second)
SPEEX_GET_ABR† Get average bit-rate (ABR) setting (spx_int32_t in bits per second)
SPEEX_SET_PLC_TUNING† Tell the encoder to optimize encoding for a certain percentage of packet loss (spx_int32_t in percent)
SPEEX_GET_PLC_TUNING† Get the current tuning of the encoder for PLC (spx_int32_t in percent)
SPEEX_SET_VBR_MAX_BITRATE† Set the maximum bit-rate allowed in VBR operation (spx_int32_t in bits per second)
SPEEX_GET_VBR_MAX_BITRATE† Get the current maximum bit-rate allowed in VBR operation (spx_int32_t in bits per second)
SPEEX_SET_HIGHPASS Set the high-pass filter on (1) or off (0) (spx_int32_t, default is on)
SPEEX_GET_HIGHPASS Get the current high-pass filter status (spx_int32_t)
† applies only to the encoder
‡ applies only to the decoder

Speex编码器和解码器可以通过访问speex_encoder_ctl和speex_decoder_ctl函数来设置更多选项，类似于系统函数ioctl。它们的原型是：

void speex_encoder_ctl( void* encoder, int request, void* ptr );

void speex_decoder_ctl( void* decoder, int request, void* ptr );

尽管拥有这些函数，但一般的应用程序在默认情况下就足够，如果要设置则需了解并知道为什么需要它们，勿随变设置。

下面列出了各种需求的允许值，其中一些只能应用于编码器或解码器。因为最后一个参数是void指针，所以_ctl()函数不是类型安全的，应小心使用。spx_int32_t类型同C99中的int32_t。

SPEEX_SET_ENH：设置知觉增强，1开启，0关闭（spx_int32_t，默认开启）

SPEEX_GET_ENH：获得知觉增强状态( spx_int32_t)

SPEEX_SET_QUALITY：设置编码质量（spx_int32_t 从0～10，默认为8 ）

SPEEX_GET_QUALITY：获得当前语音编码质量（spx_int32_t 从0～10 ）

SPEEX_SET_MODE：设置模式，指明RTP协议规格（spx_int32_t）

SPEEX_GET_MODE：获得当前模式，指明的RTP协议规格（spx_int32_t）

SPEEX_SET_VBR：设置变比特率（VBR），1开启，0关闭（spx_int32_t， 默认关闭）

SPEEX_GET_VBR： 获得变比特率功能当前是否开启（spx_int32_t ）

SPEEX_SET_VBR_QUALITY：设置变比特率语音的编码质量（浮点数从0.0～10.0,默认8.0）

SPEEX_GET_VBR_QUALITY：获得当前变比特率语音的编码质量（ 浮点数从0.0～10.0）

SPEEX_SET_COMPLEXITY：设置编码器的可用CPU资源（ spx_int32_t从1～10，默认为2）

SPEEX_GET_COMPLEXITY：获取编码器的可用CPU资源（spx_int32_t从1～10，默认为2）

SPEEX_SET_BITRATE：设置不超过参数设置的最佳比特值(spx_int32_t 单位bits/s )

SPEEX_GET_BITRATE：获取当前使用的比特率（ spx_int32_t 单位 bits/s）

SPEEX_SET_SAMPLING_RATE：设置实时采样率（spx_int32_t 单位 Hz ）

SPEEX_GET_SAMPLING_RATE：获取实时采样率（spx_int32_t 单位 Hz）

SPEEX_RESET_STATE：重置编/解码器到原始状态，并清除所有记忆（无参数）

SPEEX_SET_VAD：设置静音检测特性（VAD），1为打开，0为关闭（ spx_int32_t, 默认为关闭）

SPEEX_GET_VAD：获取静音检测是否打开（ spx_int32_t ）

SPEEX_SET_DTX：设计非连续性传输（DTX），1为打开，0为关闭（spx_int32_t, 默认为关闭）

SPEEX_GET_DTX：获取非连续性传输（DTX）是否打开（spx_int32_t ）

SPEEX_SET_ABR：设置平均比特率（ABR）值， 单位 bits/s(spx_int32_t，单位 bits/s )

SPEEX_GET_ABR：获得平均比特率设置（spx_int32_t，单位bits/s ）

SPEEX_SET_PLC_TUNING：让编码器对一定的失包率开启最优化编码（spx_int32_t，单位 ％）

SPEEX_GET_PLC_TUNING：获取编码器为PLC的当前调整（spx_int32_t，单位％）

SPEEX_SET_VBR_MAX_BITRATE：设置允许变比特率（VBR）使用的最大比特率（spx_int32_t，单位 bits/s ）

SPEEX_GET_VBR_MAX_BITRATE：获取允许变比特率（VBR）使用的最大比特率（spx_int32_t，单位 bits/s ）

SPEEX_SET_HIGHPASS：设置高通滤波器，1为打开，0为关闭（spx_int32_t，默认为打开）

SPEEX_GET_HIGHPASS：获取高通滤波器状态（ spx_int32_t ）

仅用于编/解码器。

5.4 模式查询

Speex modes have a query system similar to the speex_encoder_ctl and speex_decoder_ctl calls. Since modes are read-only,it is only possible to get information about a particular mode. The function used to do that is:
void speex_mode_query(SpeexMode *mode, int request, void *ptr);

类似于调用speex_encoder_ctl和speex_decoder_ctl，Speex有模式查询系统。因为模式是只读的，所以只能获得模式的详细信息。使用如下函数：

void speex_mode_query( SpeexMode* mode, int request, void* ptr );

The admissible values for request are (unless otherwise note, the values are returned through ptr):
SPEEX_MODE_FRAME_SIZE Get the frame size (in samples) for the mode
SPEEX_SUBMODE_BITRATE Get the bit-rate for a submode number specified through ptr (integer in bps).

受理的请求值（除非另有说明，要不返回值都是通过ptr）：

SPEEX_MODE_FRAME_SIZE 获得模式的帧大小(样本中)

SPEEX_SUBMODE_BITRATE：获取通过ptr指定的子模式数量的比特率（以bps为单位的整数）

5.5 封包和带内信令

Sometimes it is desirable to pack more than one frame per packet (or other basic unit of storage). The proper way to do it is to call speex_encode N times before writing the stream with speex_bits_write. In cases where the number of frames is not determined by an out-of-band mechanism, it is possible to include a terminator code. That terminator consists of the code 15 (decimal) encoded with 5 bits, as shown in Table 9.2. Note that as of version 1.0.2, calling speex_bits_write automatically inserts the terminator so as to fill the last byte. This doesn’t involves any overhead and makes sure Speex can always detect when there is no more frame in a packet.

有时我们打包的数据不只一帧（或其他基本存储单元），正确做法是在用speex_bits_write写入流数据之前调用N次speex_encode。这种情况下的帧数不是由带外机制决定的，它会包含一个终结码。如表9.2所示，这个终结码是由用5bits编码的Mode 15组成。如果是1.0.2版本需注意，调用speex_bits_write时，为了填充最后字节，它会自动添加终结码。这不会增加开销，并能确保Speex一直检测到包中没有更多帧为止。

It is also possible to send in-band “messages” to the other side. All these messages are encoded as “pseudo-frames” of mode 14 which contain a 4-bit message type code, followed by the message. Table 5.1 lists the available codes, their meaning and the size of the message that follows. Most of these messages are requests that are sent to the encoder or decoder on the other end, which is free to comply or ignore them. By default, all in-band messages are ignored.

当然也可以通过带内“消息”的方法，所有这些消息是作为Mode14的“伪帧”编码的，Mode14包含4bit的消息类型代码。表5.1列出了可用代码的说明和大小，发送给编/解码器的的消息大部分都可随意的被接受或被忽略。默认情况下，所有带内消息都被忽略掉了。

表5.1 带内信号代码

Finally, applications may define custom in-band messages using mode 13. The size of the message in bytes is encoded with 5 bits, so that the decoder can skip it if it doesn’t know how to interpret it.

最后，一些应用会使用Mode 13自定义带内消息，消息的字节大小是用5bits编码的，所以如果编码器不知道如何解析它就会跳过。

补充：

本是第9章--Speex窄带模式中的图和表格，但本章中需要参考，贴上来

Figure 9.2: Analysis-by-synthesis closed-loop optimization on a sub-frame.

Table 9.2: Quality versus bit-rate

后记：

因为时间问题(英语学的太菜，翻译对偶来说是件困难的事情)，所以直接到第5章了，第3章--编译和移植和第4章--编/解码器命令行以后再进行翻译整理。

目录(?)[-]

1. 概念
2. 编解码
3. 预处理器
4. 自适应抖动缓冲
5. 回声消除
6. 重采样

 前言：没搜到Speex相关的中文资料，所以想将Speex的英文手册中会用到的部分翻译出来。Speex官网：http://speex.org/ 可以再Documentation下找到PDF版或HTML OL版的英文手册。每段我都会付上英文原段落，可能会由于英文技能的匮乏或语音解码领域的不熟悉会有翻译错误，也望各位发现后能够不吝赐教，大家共同进步。

PS:如需转载，注明出处，不胜感激

简介

1.1 获得帮助

1.2 关于此文档

后记

简介：

The Speex codec (http://www.speex.org/) exists because there is a need for a speech codec that is open-source and free from software patent royalties. These are essential conditions for being usable in any open-source software. In essence,Speex is to speech what Vorbis is to audio/music. Unlike many other speech codecs, Speex is not designed for mobile phones but rather for packet networks and voice over IP (VoIP) applications. File-based compression is of course also supported.

由于语音对话编解码需要一个免费的开源软件，所以诞生了Speex库，可以在任何开源软件中使用。实际上，Speex对于语音对话来讲，相当于Vorbis[一种可将声音来源加以压缩的编码软件，开放源码且免版权]对于音频/音乐。和大多数语音编解码库不一样的是，Speex不是为移动电话而设计的，而是为分组网络的VOIP(Voice over IP)应用程序，同时支持基于文件的压缩。

The Speex codec is designed to be very flexible and support a wide range of speech quality and bit-rate. Support for very good quality speech also means that Speex can encode wideband speech (16 kHz sampling rate) in addition to narrowband speech (telephone quality, 8 kHz sampling rate).

       Speex编解码库的设计非常灵活，支持广泛的语音质量和比特率。良好的语音质量支持意味着除了窄带语音( 电话质量，8kHz采样率)外还可以对宽带语音( 电话质量，16kHz采样率)进行编解码。

    Designing for VoIP instead of mobile phones means that Speex is robust to lost packets, but not to corrupted ones. This is based on the assumption that in VoIP, packets either arrive unaltered or don’t arrive at all. Because Speex is targeted at a wide range of devices, it has modest (adjustable) complexity and a small memory footprint.

       Speex被设计用于VoIP而不是移动电话，意味着Speex对于丢包能够妥善处理,不会有损坏数据。这在VOIP里是基于这样的假设，数据包要么不被改变的到达，要么不会到达。Speex针对于大多数的设备，因此它拥有适中（可调整）的复杂性和较小内存占用。

   All the design goals led to the choice of CELP as the encoding technique. One of the main reasons is that CELP has long proved that it could work reliably and scale well to both low bit-rates (e.g. DoD CELP @ 4.8 kbps) and high bit-rates (e.g.G.728 @ 16 kbps).

       所有这些设计的目的是为了引入码激励线性预测(CELP)编码技术，因为长期实践表明它对于低比特率（如DoD CELP@ 4.8kbps）和高比特率（如G.728 @ 16kbps）的工作性能良好,可靠性高。

1.1      获得帮助
As for many open source projects, there are many ways to get help with Speex. These include:
• This manual
• Other documentation on the Speex website (http://www.speex.org/)
• Mailing list: Discuss any Speex-related topic on speex-dev@xiph.org (not just for developers)
• IRC: The main channel is #speex on irc.freenode.net. Note that due to time differences, it may take a while to get someone, so please be patient.
• Email the author privately at jean-marc.valin@usherbrooke.ca only for private/delicate topics you do not wish to discuss publically.

类似于大多数开源项目，Speex也可以能过多种获得帮助的路径，包括：

l         本手册

l         Speex官方站点（http://www.speex.org/ ）的其他文档

l         邮件列表：讨论Speex相关发送至 speex-dev@xiph.org (不是仅限于开发者)

l         IRC：通过irc.freenode.net Speex频道获取，可能需要耐心等待一段时间

l         如果不想公开讨论一些主题，可Email作者jean-marc.valin@usherbrooke.ca

Before asking for help (mailing list or IRC), it is important to first read this manual (OK, so if you made it here it’s already a good sign). It is generally considered rude to ask on a mailing list about topics that are clearly detailed in the documentation. On the other hand, it’s perfectly OK (and encouraged) to ask for clarifications about something covered in the manual. This manual does not (yet) cover everything about Speex, so everyone is encouraged to ask questions, send comments, feature requests, or just let us know how Speex is being used.

在寻求帮助前（邮件列表或IRC），最好先仔细阅读本手册（呵呵，看到这里说明你已经有一个不错的开始），如果文档中介绍的很详细的问题你仍然去Email多不好。当然，本手册也不可能囊括关于Speex所有的知识点，所以也希望大家多提问题和见解、以及需要改进或增加的功能，或者是仅仅让我们知道您在使用Speex。

Here are some additional guidelines related to the mailing list. Before reporting bugs in Speex to the list, it is strongly recommended (if possible) to first test whether these bugs can be reproduced using the speexenc and speexdec (see Section 4)
command-line utilities. Bugs reported based on 3rd party code are both harder to find and far too often caused by errors that have nothing to do with Speex.

在发送报告Bugs的邮件时，也对大家有些额外的要求，建议（如果可能）先使用Speexenc和Speexdec（见第4节）命令行工具测试能否使Bugs再现，很多报告的Bug都由第三方的代码引起而难以发现，造成的错误往往不关Speex的事。

1.2      关于此文档
This document is divided in the following way. Section 2 describes the different Speex features and defines many basic terms that are used throughout this manual. Section 4 documents the standard command-line tools provided in the Speex distribution. Section 5 includes detailed instructions about programming using the libspeex API. Section 7 has some information related to Speex and standards.

文档分为几部分，第2节介绍Speex的特性以及一些文档中用到的基本术语。第4节是关于Speex提供的标准命令行工具。第5节是使用libspeex API进行编程的详细说明。第7节是一些关于Speex相关标准的信息。

    The three last sections describe the algorithms used in Speex. These sections require signal processing knowledge, but are not required for merely using Speex. They are intended for people who want to understand how Speex really works and/or want to do research based on Speex. Section 8 explains the general idea behind CELP, while sections 9 and 10 are specific to Speex.

    最后三节介绍了Speex使用的算法。这部分需要信号处理相关知识，但这是对于那些想了解Speex的真正工作原理或基于Speex进行研究的人，如果仅仅是使用Speex库则不是必需的。第8节大概介绍了CELP（码激励线性预测）编码，9和10节是关于Speex的一些具体介绍。

后记：

如果哪位同学已拥有此手册的中文版本，可留我一份，不然偶得继续增强英文了，也不算一件坏事。

在VOIP的音频算法中，回音处理已经成为一个关系通话质量的主要问题。

回声的产生在IP网络主要有两种：
1.声学回声
2.电路回声

声学回声主要又分成以下几种:
a ) 直接回声:由扬声器产生的声音未经任何反射直接进入麦克风
b ) 间接回声: 由扬声器发出的声音经过多次反射后,再进入Mic
对于第二种回声,拥有多路径,时变性的特点.是比较难处理的.

由于IP网络下的传输的延迟较大,而一般情况下,对于人耳,如果声音延迟达到了10ms以上的话,那么回声就会越来越明显.
一般来讲,VOIP中的声音延迟主要来自于几个方面:
1. 编码延迟: 一般情况下编码算法在声音压缩时都会产生延迟,就我们采用的Speex来讲,延迟大概在20ms左右
2. 处理延迟, 封装时延, 缓冲时延等
3. 在IP网络中数据的传输过程也会照成延时.这由当前的网络状况决定.

回声消除的模型:
a) 建立远端声音模型,进行回声估计, 从采集的值中减去估计值
b) 声学模型

Speex manul(手册)中文版

1,speex的介绍(略)

2特征描述

这个章节展示了speex的主要特征,以衣一些关于对话(speech)编码的一个概念,以便

帮助我们更好的了解下一章节.

取样率(Sampling rate)

Speex主要是设计了三种不同的取样率:8kHz,16kHz,32kHz.这些分别代表了窄宽(narrowband),

多频率,超声.

质量

Speex编码大都数时间是被一个范围为0到10的质量参数来控制  的.在一个比特率为常量(CBR)的操作中,质量参数是一个整数,而对于变动的比特率(VBR)参数是一个float;

复杂性(变量)

用speex,你可以将编码设置成允许的复杂度.这由一个范围为1到10的整数来控制完成,就像你用选项-1到-9来控制gzip和bzip2的压缩质量.在通常的运用中,噪声级别的复杂度1是在1到2dB之间,比复杂度10要高,但是CPU需要复杂度10大概5倍高行复杂度1.在实践中,最好的是设置在2到4之间,尽管更高的设定通常有用,当编码一个非对话声音(non-speech sounds)像DTMF语调(tones).

变波特率(VBR

Variable bit-rate (VBR) allows a codec to change its bit-rate dynamically to adapt to

变波特率(VBR)允许编码动态地改变它的波特率以适应声音编码的”难度”.在speex举例来说,

像元音(vowel)和瞬间高音(high-enenrg transients)需要个高的比特率来

取得一个不错的质量,

而摩擦音(fricative)可以被充分地用相对较少的字节来进行编码.

由于上面这个原因,VBR可以调节到一个低的比特率却达到一个同样的质量,或者用

某个比特率达到更好的质量.尽管有上面这些优点,但是VBR也有两个主要的缺点.

首先,仅仅靠指定质量值,这里没有一个关于最后平均比特率的保证.(译者注:作者大概是想说没有什么明确的方法知道质量值)此外,对一些即时

通信,像IP电话(VoIP)这种包含着最大的比特率的,必须把比特率设为足够低以适应

传输通道.

r

平均比特率(ABR)

平均比特率通过动态地调节VBR质量去得到一个确定的目标的比特率,从而解决了VBR中的一个问题..因为质量/比特率被即时的调整了,整体质量将会稍稍低于由VBR对一个

设置得和目标平均比特率非常接近的质量数编码得到的结果.

声音生动性检测(VAD)

声音生动性检测将会发觉音频正在被编码成对话,静音,或背景噪音.VAD总在用VBR进行编码时暗中起作用,因此选项仅仅对一个不是VBR的操作起作用.对于不是VBR的操作来说,speex察觉出一个不属于对话的周期,然后对它用足够的字节重新生成为背景噪音.不这叫做舒适的噪音生成(CNG).

不连续传输(DTX)

不连续传输是VAD/VBR操作的一个额外选项,当背景噪音一定时,它可以完整地传输.因为在基于文件的操作中,我们不能停止对文件进行写入,所以只有5字节被这种帧所运用.(给250bps通信)

Perceptual enhancement

知觉增强

知觉增加是解码的一部分,它在打开的时候用来减少由编码解码所产生的噪音.在大都数

情况下,知觉增强在客观上使声音离原始值更远(如果用SNR),但是在最后它仍然听起来更好(主观上的改进)

Algorithmic delay

迟时算法

每一个声音编码导致了在传输上的延时.对于speex,这种延时等于frame的大小加上一些

数量的需要对每一帧进行的前瞻(”look-adhead”).

在窄宽操作中(8kHz),迟时是30ms,而对于多频率(2-44Hz),迟时是34ms.这些值

不包括CPU编码,解码帧的时间. 

用speex编程(the libspeex api)

这个章节出要讲述了如何用speex api进行编程.例子的源代友你也可以在附录B中找到

4.1 Encoding

4.1压缩

为了用Speex压缩对话,你首先需要引用头文件:

#include <speex.h>

然后你需要定义一个Speex的位采集(bit-packing)结构

SpeexBits bits;

and a Speex encoder state

以及定义一个speex编码器状态量

void *enc_state;

上面定义的这样被初始化:

The two are initialized by:

speex_bits_init(&bits);

enc_state = speex_encoder_init(&speex_nb_mode);

为了支持多频率的压缩,speex_nb_mode将被sppex_wb_mode取代.在大都数

情况下,你需要知道你用的模式(mode)的帧(frame)的大小,你可以得到在frame_size变量里得到这值:

speex_encoder_ctl(enc_state,SPEEX_GET_FRAME_SIZE,&frame_size);

一但初始化完毕,对于每一个输入帧:

speex_bits_reset(&bits);

speex_encode(enc_state, input_frame, &bits);

nbBytes = speex_bits_write(&bits, byte_ptr, MAX_NB_BYTES);

上面input_frame是一个指向对话(speech)帧(frame)的float指针(pointing);byte_ptr

是指向编码帧开始写的地方的char指针,MAX_NB_BYTES是能

写进byte_ptr而不会造成溢出的最大数.nbBytes是一个实际写入btye_ptr的数,即编码的实际大小

在调用speex_bits_write前,可能你需要调用speex_bits_nbytes(&bits)得到需要写入(write)的字节大小.

在你已经编码后,释放所有的资源.

speex_bits_destroy(&bits);

speex_encoder_destroy(enc_state);

That’s about it for the encoder.

这就是关于编码的方面.

Speex manul中文版三

在Speex（www.speex.org）的最新版本中，开始集成了回音消除的模块，而回音消除一直是Voip之中亟待解决的主要问题。
很多朋友和我说speex的aec模块的效能并不好，我们先来看一下speex的aec的api调用方式。

/*
*创建AEC对象
*/
SpeexEchoState *echo_state = speex_echo_state_init(frame_size, filter_length);

frame_size 的取值最好是一个编码的frame大小， 在低带宽条件下，一般延迟20ms，而大小为160
filter_length,最好是房间内反射时间的1/3
如: 一个房间的反射时延为300ms
    那么这个filter_length就最好是100ms(这个长度又被称为tail length).

而其中filter_length的设定是一个关键。

/*
*执行AEC
*/
speex_echo_cancel(echo_state, input_frame, echo_frame, output_frame, residue);

其中:
input_frame: 就是被声卡捕捉到的声音
echo_frame: 是由扬声器播放出的声音,这个声音是需要从 input_frame中抵消的声音.

output_frame 是处理完以后输出的声音

residue是一个可选参数,如果不使用可以将之设置为NULL, 也可以通过preprocessor 来控制

问题的关键是 处理input和echo 之间的关系,
也就是说在捕捉到的信号和播放的信号之间的延迟必须足够的小,才可以提高效率.

writetosndcard(echo_frame, frame_size)
readfromsndcard(input_frame, frame_size)
speex_echo_cancel(echo_state, input_frame, echo_frame, output_frame, residue)
如果你想要尽可能的减小信号中的回音,那么可以将residue这个参数设置为噪音参数.

我相信在大多数情况下，都是因为声音捕捉和声音播放之间的同步问题没有处理好，导致的音频质量下降。

/*
*销毁和复位
*/
speex_echo_state_destroy(echo_state);

speex_echo_state_reset(echo_state);
不再复述了！

说明：
据说在Speex的最新的1.2beta版本上，Speex提供了可选择的，简化的API，来提高echo执行过程中的同步问题。

最近，Google正式开源了WebRTC实时通信项目，希望浏览器厂商能够将该技术内建在浏览器中，从而使Web应用开发人员能够通过HTML标签和JavaScript API就实现Web音频、视频通信功能。

WebRTC（Web Real Time Communication）并不是Google原来自己的技术。在2010年，Google以大约6820万美元收购了VoIP软件开发商Global IP Solutions公司，并因此获得了该公司拥有的WebRTC技术。如今，互联网的音频、视频通信服务技术一般都是私有技术，如Skype， 需要通过安装插件或者桌面客户端来实现通信功能。Google希望Web开发人员能够直接在浏览器中创建视频或语音聊天应用，Global IP Solutions公司之前已经针对Android、Windows Mobile、iPhone制作了基于WebRTC的移动客户端。Google此次将WebRTC开源出来，就是希望浏览器厂商能够将该技术直接内嵌到浏 览器中，从而方便Web开发人员。

WebRTC的博客说明了WebRTC的优势和发展方向：

直到现在，实时通信仍然需要私有的信号处理技术，大部分都是通过插件和客户端来安装使用。我们通过WebRTC开源了收购GIPS后获得的音频、视频引擎技术，让开发人员能够了解信号处理技术，并使用了BSD风格的授权。这会支持开发人员通过简单的HTML和JavaScript API创建音频和视频聊天应用。

我们正在与其他浏览器开发厂商Mozilla和Opera等紧密合作，尽快在浏览器中实现这项技术以便于Web社区使用。此外，我们还积极地参与IETF和W3C工作组的活动，定义和实现一套实时通信标准。

其官网上列表了使用WebRTC技术的四个理由：

1. 互联网成功的一个关键因素是一些核心技术如HTML、HTTP和TCP/IP是开放和免费实现的。目前，在浏览器通信领域还没有免费、高质量、完整的解决方案。WebRTC就是这样的技术。
2. 该技术已经集成了最佳的音频、视频引擎，并被部署到数以百万级的终端中，经过超过8年的磨练。Google不会从该技术中收取费用。
3. 包含了使用STUN、ICE、TURN、RTP-over-TCP的关键NAT和防火墙穿越技术，并支持代理。
4. 构建在浏览器中，WebRTC通过提供直接映射到PeerConnection的信号状态机来抽象信号处理。Web开发人员因此可以选择适合应用场景的协议（例如：SIP、XMPP/Jingle等等）。

WebRTC的架构图如下所示：

图 1  WebRTC架构图（图片来源：WebRTC官方网站）

关于架构图的组成部分，包括：

Web API——第三方开发人员用来开发基于Web的应用，如视频聊天。
WebRTC Native C++ API——浏览器厂商用于实现Web API的函数集。
Session Management——抽象session层，支持调用构建和管理层，由应用开发者来决定如何实现协议。
VoiceEngine——音频媒体链的框架，从声卡到网络。
iSAC——一种用于VoIP和流音频的宽带和超宽带音频编解码器，iSAC采用16 kHz或32 kHz的采样频率和12—52 kbps的可变比特率。
iLBC——用于VoIP和流音频的窄带语音编解码器，使用8 kHZ的采样频率，20毫秒帧比特率为15.2 kbps，30毫米帧的比特率为13.33 kbps，标准由IETF RFC 3951和3952定义。
NetEQ for Voice——动态抖动缓存和错误隐藏算法，用于缓解网络抖动和丢包引起的负面影响。在保持高音频质量的同时尽可能降低延迟。
VideoEngine——视频媒体链的框架，从相机像头到网络，从网络到屏幕。
VP8——来自于WebM项目的视频编解码器，非常适合RTC，因为它是为低延迟而设计开发的。
Image enhancements——消除通过摄像头获取的图片的视频噪声等。
其他更详细的架构分析可以查看这里的文档。

PeerConnection位于WebRTC Native C++ API的最上层，它的代码实现来源于libjingle（一款p2p开发工具包），目前被应用于WebRTC中。其中关键的两个类定义是：

class  PeerConnectionObserver {
public:
 virtual void OnError();
 virtual void OnSignalingMessage(const std::string& msg);
 virtual void OnAddStream(const std::string& stream_id,
                          int channel_id,
                          bool video);
 virtual void OnRemoveStream(const std::string& stream_id,
                             int channel_id,
                             bool video);
};

该类定义了一个抽象的观察者。开发人员应该继承实现自己的观察者类。

class  PeerConnection {
public:
 explicit PeerConnection(const std::string& config);
 bool Initialize();
 void RegisterObserver(PeerConnectionObserver* observer);
 bool SignalingMessage(const std::string& msg);
 bool AddStream(const std::string& stream_id, bool video);
 bool RemoveStream(const std::string& stream_id);
 bool Connect();
 void Close();
 bool SetAudioDevice(const std::string& wave_in_device,
                     const std::string& wave_out_device);
 bool SetLocalVideoRenderer(cricket::VideoRenderer* renderer);
 bool SetVideoRenderer(const std::string& stream_id,
                       cricket::VideoRenderer* renderer);
 bool SetVideoCapture(const std::string& cam_device);
};

具体的函数说明可以查看相应的API介绍。

正如Google所说的，它一直在参与制定和实现HTML 5标准中的视频会议和p2p通信部分，虽然还不是正式标准，但是我们可以从草案的示例中看到未来Web开发人员的使用情况：

// the first argument describes the STUN/TURN server configuration
var local = new PeerConnection('TURNS example.net', sendSignalingChannel);
local.signalingChannel(...); // if we have a message from the other side, pass it along here
// (aLocalStream is some GeneratedStream object)
local.addStream(aLocalStream); // start sending video
function sendSignalingChannel(message) {
 ... // send message to the other side via the signaling channel
}
function receiveSignalingChannel (message) {
 // call this whenever we get a message on the signaling channel
 local.signalingChannel(message);
}
local.onaddstream = function (event) {
 // (videoElement is some <video> element)
 videoElement.src = URL.getObjectURL(event.stream);
};

目前有关Web实时通信的技术标准正在制定当中，W3C的Web Real-Time Communication工作组今年五月份刚刚正式成立，并计划在今年第三季度发布第一个公开草案，从其工作组的路线图中可以看出，正式的推荐标准预计将在2013年第一季度发布，有关W3C标准是否会对WebRTC项目的发展有所影响，未来还要看草案的具体细节。

Google希望开源的WebRTC技术能够获得越来越多的浏览器厂商支持，WebRTC的网站已经宣布将在Chrome、Firefox和Opera上实现相应的API接口。Opera首席技术官Håkon Wium Lie对媒体表示，Google能够把价值不菲的代码贡献出来非常了不起，Opera一直希望能够在浏览器中实现实时通信技术。

提到实时通信技术，不得不让人想起行业巨头Skype。巧合的是，就在前不久，微软刚刚斥资85亿美元现金收购网络电话服务商Skype，当时有许多分析师指出，微软的收购将直面Google的竞争：

…...收购也挫败了竞争对手Google利用Skype技术完善通话服务的计划。

MSN即时通讯、必应（bing）搜索、网络广告等成了微软在互联网领域迎战谷歌的三大阵地。然而，相对于谷歌在互联网行业的呼风唤雨，微软的互联网战略一直没有真正展现出让业界看到其能够挑战谷歌的核心优势。

谷歌和苹果都已经在网络电话上投入了数年时间。苹果一直在力推iChat和FaceTime，谷歌也在普及其网络通信相关产品Chat和Voice。不过，谷歌和苹果都有一个共同的问题，他们很难在竞争对手的平台上生存。苹果用户无法和谷歌以及微软的用户进行视频聊天，谷歌在跨 平台方面做了很多努力，但是仍有不少障碍。

不过Skype则没有这一问题，作为免费服务的Skype可以运行在苹果、Linux以及Windows电脑上，也支持Android和iPhone等手机平台，甚至可以在电视机上运行。

收购Skype，微软不仅仅是为了从中受益，微软还希望借此使Skype远离谷歌的“魔爪”。如果谷歌收购了Skype，这对微软来说无疑是一个沉重的打击。想想吧，如果谷歌收购了Skype，并将Skype整合进Google Apps、Gmail、Google Talk和Google Voice等谷歌产品之中，再想想如果谷歌将Skype与Android平台进行一些深度整合，这对微软来说，无疑是一场灾难。即便微软并未很好的将Skype整合进自家产品之中，但这也避免了谷歌通过收购Skype来获得巨大的价值。

就在微软收购Skype不久，Google就宣布对WebRTC开源，这不免让人有所联想。有国外媒体评论说，Google此次开源是想让广大用户远离该行业的领导者如Skype和Apple的FaceTime平台。通过浏览器来支持实时通信技术，Google希望开发社区能够在自己的应用中集成该功能，从而削弱其他对手。

这已经不是Google第一次大方地开源关键项目。去年，Google曾经将VP8视频编解码项目开源，以支持HTML 5技术中的视频媒体播放。如今，多种主流浏览器都已经支持VP8格式，成为主要的多媒体格式，相比伴随着专利、付费纠纷的H.264，开放、免费的VP8更让浏览器厂商放心。

这次WebRTC的开源会对浏览器厂商和实时通信技术领域带来哪些影响，InfoQ中文站将持续关注和及时报道，也欢迎读者朋友发表自己的看法。

　　前记：TCP/IP详解系列，毕竟不是一本教材，很多地方讲的不细致。比如SWS未说明是什么就开始介绍其避免方法，还和nagle扯在了一起，直觉告诉我二者一定有猫腻，边搜索一下，果然很有收获。今天贴在这里，分享给大家。 

第一部分：SWS

何谓糊涂窗口综合症

　　当发送端应用进程产生数据很慢、或接收端应用进程处理接收缓冲区数据很慢，或二者兼而有之；就会使应用进程间传送的报文段很小，特别是有效载荷很小。 极端情况下，有效载荷可能只有1个字节；而传输开销有40字节(20字节的IP头+20字节的TCP头) 这种现象就叫糊涂窗口综合症。

发送端引起的SWS

　　如果发送端为产生数据很慢的应用程序服务(典型的有telnet应用)，例如，一次产生一个字节。这个应用程序一次将一个字节的数据写入发送端的TCP的缓存。如果发送端的TCP没有特定的指令，它就产生只包括一个字节数据的报文段。结果有很多41字节的IP数据报就在互连网中传来传去。解决的方法是防止发送端的TCP逐个字节地发送数据。必须强迫发送端的TCP收集数据，然后用一个更大的数据块来发送。发送端的TCP要等待多长时间呢？如果它等待过长，它就会使整个的过程产生较长的时延。如果它的等待时间不够长，它就可能发送较小的报文段，于是，Nagle找到了一个很好的解决方法，发明了Nagle算法。而他选择的等待时间是一个RTT,即下个ACK来到时。

接收端引起的SWS

　　接收端的TCP可能产生糊涂窗口综合症，如果它为消耗数据很慢的应用程序服务，例如，一次消耗一个字节。假定发送应用程序产生了1000字节的数据块，但接收应用程序每次只吸收1字节的数据。再假定接收端的TCP的输入缓存为4000字节。发送端先发送第一个4000字节的数据。接收端将它存储在其缓存中。现在缓存满了。它通知窗口大小为零，这表示发送端必须停止发送数据。接收应用程序从接收端的TCP的输入缓存中读取第一个字节的数据。在入缓存中现在有了1字节的空间。接收端的TCP宣布其窗口大小为1字节，这表示正渴望等待发送数据的发送端的TCP会把这个宣布当作一个好消息，并发送只包括一个字节数据的报文段。这样的过程一直继续下去。一个字节的数据被消耗掉，然后发送只包含一个字节数据的报文段。

　　对于这种糊涂窗口综合症，即应用程序消耗数据比到达的慢，有两种建议的解决方法：
　　1） Clark解决方法 Clark解决方法是只要有数据到达就发送确认，但宣布的窗口大小为零，直到或者缓存空间已能放入具有最大长度的报文段，或者缓存空间的一半已经空了。
　　2 ）延迟确认 第二个解决方法是延迟一段时间后再发送确认。这表示当一个报文段到达时并不立即发送确认。接收端在确认收到的报文段之前一直等待，直到入缓存有足够的空间为止。延迟的确认防止了发送端的TCP滑动其窗口。当发送端的TCP发送完其数据后，它就停下来了。这样就防止了这种症状。迟延的确认还有另一个优点：它减少了通信量。接收端不需要确认每一个报文段。但它也有一个缺点，就是迟延的确认有可能迫使发送端重传其未被确认的报文段。可以用协议来平衡这个优点和缺点，例如现在定义了确认的延迟不能超过500毫秒。

第二部分：Nagle算法

        TCP/IP协议中，无论发送多少数据，总是要在数据前面加上协议头，同时，对方接收到数据，也需要发送ACK表示确认。为了尽可能的利用网络带宽，TCP总是希望尽可能的发送足够大的数据。（一个连接会设置MSS参数，因此，TCP/IP希望每次都能够以MSS尺寸的数据块来发送数据）。Nagle算法就是为了尽可能发送大块数据，避免网络中充斥着许多小数据块。
        Nagle算法的基本定义是任意时刻，最多只能有一个未被确认的小段。 所谓“小段”，指的是小于MSS尺寸的数据块，所谓“未被确认”，是指一个数据块发送出去后，没有收到对方发送的ACK确认该数据已收到。
        Nagle算法的规则（可参考tcp_output.c文件里tcp_nagle_check函数注释）： 

      （1）如果包长度达到MSS，则允许发送；

      （2）如果该包含有FIN，则允许发送；

      （3）设置了TCP_NODELAY选项，则允许发送；

      （4）未设置TCP_CORK选项时，若所有发出去的小数据包（包长度小于MSS）均被确认，则允许发送； 

      （5）上述条件都未满足，但发生了超时（一般为200ms），则立即发送。

         Nagle算法只允许一个未被ACK的包存在于网络，它并不管包的大小，因此它事实上就是一个扩展的停-等协议，只不过它是基于包停-等的，而不是基于字节停-等的。Nagle算法完全由TCP协议的ACK机制决定，这会带来一些问题，比如如果对端ACK回复很快的话，Nagle事实上不会拼接太多的数据包，虽然避免了网络拥塞，网络总体的利用率依然很低。另外，他是一个自适应的方法，读者可以自己按上述规则试验一下。 

        Nagle算法是silly window syndrome(SWS)预防算法的一个半集。SWS算法预防发送少量的数据，Nagle算法是其在发送方的实现，而接收方要做的时不要通告缓冲空间的很小增长，不通知小窗口，除非缓冲区空间有显著的增长。这里显著的增长定义为完全大小的段（MSS）或增长到大于最大窗口的一半。

注意：BSD的实现是允许在空闲链接上发送大的写操作剩下的最后的小段，也就是说，当超过1个MSS数据发送时，内核先依次发送完n个MSS的数据包，然后再发送尾部的小数据包，其间不再延时等待。（假设网络不阻塞且接收窗口足够大）

TCP_NODELAY 选项

        默认情况下，发送数据采用Negale 算法。这样虽然提高了网络吞吐量，但是实时性却降低了，在一些交互性很强的应用程序来说是不允许的，使用TCP_NODELAY选项可以禁止Negale 算法。 

        此时，应用程序向内核递交的每个数据包都会立即发送出去。需要注意的是，虽然禁止了Negale 算法，但网络的传输仍然受到TCP确认延迟机制的影响。

TCP_CORK 选项 

        所谓的CORK就是塞子的意思，形象地理解就是用CORK将连接塞住，使得数据先不发出去，等到拔去塞子后再发出去。设置该选项后，内核会尽力把小数据包拼接成一个大的数据包（一个MTU）再发送出去，当然若一定时间后（一般为200ms，该值尚待确认），内核仍然没有组合成一个MTU时也必须发送现有的数据（不可能让数据一直等待吧）。
        然而，TCP_CORK的实现可能并不像你想象的那么完美，CORK并不会将连接完全塞住。内核其实并不知道应用层到底什么时候会发送第二批数据用于和第一批数据拼接以达到MTU的大小，因此内核会给出一个时间限制，在该时间内没有拼接成一个大包（努力接近MTU）的话，内核就会无条件发送。也就是说若应用层程序发送小包数据的间隔不够短时，TCP_CORK就没有一点作用，反而失去了数据的实时性（每个小包数据都会延时一定时间再发送）。

Nagle算法与CORK算法区别

　　Nagle算法和CORK算法非常类似，但是它们的着眼点不一样，Nagle算法主要避免网络因为太多的小包（协议头的比例非常之大）而拥塞，而CORK算法则是为了提高网络的利用率，使得总体上协议头占用的比例尽可能的小。如此看来这二者在避免发送小包上是一致的，在用户控制的层面上，Nagle算法完全不受用户socket的控制，你只能简单的设置TCP_NODELAY而禁用它，CORK算法同样也是通过设置或者清除TCP_CORK使能或者禁用之，然而Nagle算法关心的是网络拥塞问题，只要所有的ACK回来则发包，而CORK算法却可以关心内容，在前后数据包发送间隔很短的前提下（很重要，否则内核会帮你将分散的包发出），即使你是分散发送多个小数据包，你也可以通过使能CORK算法将这些内容拼接在一个包内，如果此时用Nagle算法的话，则可能做不到这一点。

参考：http://www.cnblogs.com/ggjucheng/archive/2012/02/03/2337046.html