随着网络视频会议技术的发展,越来越多类似远程教学、招聘面试、员工培训这样的多媒体交互活动可以通过因特联网络跨地域的进行,在高速高效完成任务的同时大大节省了系统使用者的费用.同时,由于宽带网络的不断普及,利用因特网进行大范围多层次音视频互动的可能性也大大得到提高.然而,发展的不均衡所带来的网络环境的异构性,也限制了大部分依赖底层硬件条件的高性能视频会议系统的适用范围和规模.针对异构网络下多媒体接入解决方案的研究成为了目前视频会议系统可扩展性研究的热点.该文首先对计算机支持的协同工作环境的发展过程进行分析,阐述了视频会议的特点以及解决异构网络接入问题对视频会议系统的重要性.针对目前已有的多种方案,提出了一种利用音频特性提供自适应服务的应用层混音网关解决方案.该方案利用人耳可分解和理解叠加后语音信息这一特性来降低大规模会议中转发网关对网络传输带宽的依赖,同时提出了使用类似静音检测技术这样的声学技术优化音频数据的内容,并由此进一步降低系统负载.在这些研究的基础之上,该文基于ADMIRE视频会议系统,设计并实现了一个完整的音频混音网关.它能够根据连接用户不同的接入类型,提供灵活的音频数据转发服务.在实现技术方面,探讨了保证音频质量的策略和音频处理的性能优化技术.最后,对不同接入用户数量和不同并发发言节点数量两种情况下,混音网关系统对服务器资源的消耗和所引入交流延迟进行了测试,验证了该文提出的体系结构和多种性能优化方法