为VoIP解决的方案实现最佳音质.docVIP

为VoIP解决的方案实现最佳音质 　　 　　随着互联网语音(Voice over IP, VoIP)的日益普及，确保服务和设备能够提供最佳的音质成为这类解决方案的关键因素。无论是VoIP的商业用户或普通消费者，都期望VoIP的音质至少能够达到现有移动或PSTN电话的水平。这意味着设备及应用开发商面临着严峻的设计挑战，因为他们必须考虑终端用户的整体音频使用感受。本文将探讨开发商要确保VoIP设备的最佳音质所必须解决的一些问题。 　　电信应用的语音处理领域，在过去数十年引起了广泛的兴趣；同时，这些年来，业界一直不断开发质量极高的解决方案。也因为如此，终端用户对语音解决方案有着某种程度的质量预期。尽管VoIP在成本节省和服务改进方面提供了各种优势，但部分由于质量的问题，其推广一直不太顺利。事实上，在传统电话系统和新兴的VoIP系统之间存在着若干基本差异，如果处理不恰当，可能对音质造成严重影响。 　　本文将讨论VoIP面临的主要特殊挑战，并阐释了通过正确的设计，VoIP解决方案的质量甚至可以大大超越PSTN。本文的要点在于全面论述影响端到端质量的所有问题，并涵盖每个问题的主要因素，而非专门探讨某一特定论题。 　　 　　语音编码解码器 　　 　　VoIP系统中基本的算法构建模块是语音编码解码器(codec)，它具备若干重要特性，包括语音质量、比特率、延迟、采样率、包丢失稳健性、复杂性，以及对输入信号类型的灵敏性。语音编码解码器所产生的语音质量，定义了可获得的端到端质量的上限，这又决定了理想网络(没有包丢失、延迟、抖动、回声或其它影响质量的因素)条件下的音质。 　　语音编码解码器的其它影响总体音质的相关因素还包括：对不同语音的处理，以及非语音信号(背景噪声、音调和音乐等)的质量。 　　 　　 　　●Codec的选择 　　语音解码器的比特率(bit-rate)决定了网络的带宽负载。此外，数据包标头(IP、UDP、RTP)也显著地增加了带宽的负载。事实上，传输协议引起的开销(overhead)常常超过实际有效负载的比特率。结果，比特率极低的编码解码器的带宽利用率可能较中等比特率的编码解码器低不了多少，因此，不能单独根据语音编码解码器的比特率来进行比特率和质量之间的权衡取舍。 　　VoIP环境中使用的语音编码解码器必须能够处理包丢失问题。这种稳健性决定了满载的网络和拥塞条件下的音质，因为这两种情形都很可能发生包丢失。包丢失问题将在后面讨论。 　　语音编码器引入的延迟可以分为算法延迟和处理延迟。产生算法延迟的原因是模块处理的成帧，因为编码器会产生一组位(bit)代表一组语音样本。此外，许多使用模块处理的编码器还具有预测(look ahead)功能，该功能在模块编码之前，需要对后来的语音样本进行缓冲，这增加了算法延迟。处理延迟是指编码解码一组语音样本所需要的时间。 　　语音编码算法的复杂性决定了计算工作量和所需内存。复杂性是实现编码解码器的一项重要成本因素，一般随比特率的降低而增加。同样地，内存的要求也会影响实现的成本。 　　把用于窄带产品的8 kHz采样频率提高到用于宽带语音编码的16 kHz，可以产生更加自然、更令人舒适、而且更清晰的语音。迄今，宽带语音编码只用于视频会议等非常有限的应用领域，因为语音编码器主要与公共交换电话网络(PSTN)相互作用，后者本身是窄带的。VoIP的通话是在IP网络内部开始与结束的，故没有这种限制。因此，由于可获得动态质量的提高，用于下一代VoIP的语音编码解码器将是宽带的。 　　基本上，所有理想的参数诸如低比特率、低延迟、低复杂性和低内存使用率等，均与获得高基本质量和包丢失稳健性这一总体目标相冲突，因此需要适用于不同环境的多个编码解码器。 　　 　　●实现问题 　　由于语音编码标准是通过位准确(bit-exact)标准规范来定义的，因此很容易便认为所有的实现都是相同的，但其实不然。事实上，为了减少复杂性和内存利用率，而对位准确性和质量进行权衡取舍是极为常见的。如果需要脱离标准，就必须极其谨慎，并必须对代码进行全面测试，包括高或低输入级和音调等特殊情况，以验证质量是否受损。偏离规范的另一个原因是某些标准中含有众所周知而没有进行纠正的“错误”(bug)。这种情况下，与标准不兼容的实现方案提供的质量，可能反而比兼容的要好得多。 　　有时候看起来似乎是编码解码器实现的问题可能有时与信号处理相关，比如滤波和有关时序安排及缓冲的问题。 　　在执行任何信号处理算法时，有一个非常重要的问题，就是如何充分地利用可用的内存。能够支持的信道数目往往是受限于内存的限制而非复杂性。不过，这是没有什么适用的普遍指导方针，因为每一种情况都不相同。例如，应该分配多少动态内存在某些暂存区域(scrat