VoIP的关键技术

　　在许多场合，VoIP技术仅指通过IP网络实现类似普通老式电话的功能。但是，在传统电话网的业务不断发展的情况下，VoIP的含义和设计目标也超越了其字面意义；也就是说VoIP技术不仅指提供双方会话的传统电话技术，而且是包含话音、图像和数据、支持各种智能业务的双方及多方多媒体通信技术。

　　由于传统PSTN的广泛存在性等历史渊源，在相当长一段时间内，新兴的IP电话系统要充分发挥其优势，就必须考虑与PSTN的互通问题。这就要在IP网与PSTN交换机之间配置IP电话网关，以实现媒体流与控制信令的互连互通。这样IP电话就有了4种方式：电话到电话、电话到PC、PC到电话和PC到PC，如图2所示。

　　电话到电话即普通电话经过电话交换机连到IP电话网关，用电话号码穿过IP网进行呼叫。发端网关鉴别主叫用户，翻译电话号码/网关IP地址，发起IP电话呼叫，连接到最靠近被叫的网关，并完成话音编码和打包。收端的网关实现拆包、解码和连接被叫。
　　对于电话到PC或是PC到电话的情况，是由网关来完成IP地址和电话号码的对应和翻译，以及话音编解码和打包。
　　PC到PC方式下，多媒体PC经过电话线或局域网连接到Internet上，利用IP地址进行呼叫。话音压缩、编解码和打包均通过PC上的处理器、声卡、网卡等硬件资源完成。

　　对于Internet或企业内部互联网（Intranet）这样的无连接数据网络是没有业务质量保障的，必然会存在分组丢失、失序到达和时延抖动的情况。这样，就必须采取特殊的步骤来保障一定的业务质量。例如，高层协议TCP提供了流控和差错恢复，但会产生显著的时延和时延抖动，因而在此环境中，TCP就不可用作第三层协议。基于多媒体数据与一般计算机数据不同，它能容忍一定程度的差错，而不会明显地影响通话或图像质量。因此，多媒体数据传输都采用UDP传输协议。由于UDP只是提供了一个基本的传输手段，而多媒体传输应用需要多媒体编码类型、同步时标、分组序列号等参数，以及一定程度的业务质量保障，因而提出了实时传输协议RTP/实时传输控制协议TRCP[3]。

VoIP的关键技术包括：

　　（1）信令技术，包括ITU-TH.323和IETF会话初始化协议SIP[4]（SessionInitationProtocol）两套标准体系，还涉及到进行实时同步连续媒体流传输控制的实时流协议TRSP。
　　（2）媒体编码技术，包括流行的G.723.1、G.729，G.729A话音压缩编码算法和MPEG-II多媒体压缩技术。
　　（3）媒体实时传输技术，主要采用实时传输协议RTP。
　　（4）业务质量保障技术，采用资源预留协议RSVP和用于业务质量监控的实时传输控制协议RTCP来避免网络拥塞，保障通话质量。
　　（5）网络传输技术，主要是TCP和UDP。

　　此外还涉及到分组重建技术和时延抖动平滑技术、动态路由平衡传输技术、网关互联技术（包括媒体互通和控制信令互通）、网络管理技术（SNMP）以及安全认证和计费技术等等。
　　 本文着重介绍编解码技术、Internet话音分组传输技术、控制信令技术。

VoIP的关键技术

1.媒体编码技术

　　目前，话音和图像压缩技术发展十分迅速，已经研究开发出很多高效率的压缩编码技术。如先进的以码本激励线性预测（CELP）原理为基础的G.729、G.723（G.723.1）话音压缩编码技术。以G.729为例，它可将经过采样的64kb/s话音以几乎不失真的质量压缩至8kb/s。话音压缩编码技术是IP电话技术的一个重要组成部分。图像编码方面有IP网络会议系统采用的H.261（活动图像编码）和H.263（低速率活动图像编码）。

　　由于在分组交换网络中，业务质量不能得到很好保证，因而需要话音和图像的编码具有一定的灵活性，也就是说编码速率、编码尺度的可变可适应性。在图像编码方面，H.263采取了多种方式使得图像编码的尺度可变（分层编码、多精度编码），即根据不同的信道质量可以对码流进行调整，以保证所需的业务质量。在话音编码方面，近年来的研究得出G.729中一种很好的算法。G.729原来是8kb/s的话音编码标准，现在经进一步的研究和实践将其工作范围扩展至6.4～11.8kb/s，话音质量也在此范围内有一定的变化，但即使是6.4kb/s，话音质量也还不错，因而很适合在VoIP系统中使用。G723.1采用5.3/6.3kb/s双速率话音编码，其话音质量好，但是处理时延较大，它是目前已标准化的最低速率的话音编码算法。在目前接入网速度普遍较低的情况下，G.723.1话音编码也大量运用于H.323会议系统中。

编码方法 G.723.1 G.729 G.729A

表1 几种话音编解码方法的性能对比

　　　　　　编码方法　　 G.723.1　　　 G.729　　　 G.729A

　　　　　　比特率　　　 5.3/6.3kb/s　　 8kb/s 　　　8kb/s

　　　　　　帧长度 　　　30ms 　　　　　10ms 　　　　10ms

　　　　　　处理时延　　 30ms 　　　　　10ms 　　　　10ms

　　　　　　观看时延 　　7.5ms 　　　　　5ms 　　　　5ms

　　　　　　帧字节数 　　20/24 　　　　　10 　　　　　10

　　　　　　DSP MIP 　　　16 　　　　　　20 　　　　　10.5

　　　　　　RAM 　　　　　2200 　　　　　3000　　　　 2000

　　相关的话音技术还包括静音检测技术和回声消除技术。有研究结果表明，人们在打电话时约有50％为聆听对方讲话的静默时间，10％为讲话时短暂停顿的静默时间。静音检测技术可以有效剔除静默信号，从而使话音信号占用的带宽要求进一步降低到3.5kb/s左右；回声消除技术利用数字滤波器技术来消除对通话质量影响很大回声干扰，保证通话质量。这点在时延相对较大的分组网络环境中尤为重要。