1.2.1 话音处理技术
IP 网络电路中的话音处理主要需解决两个问题。一是在保证一定话音质量的前提下尽可能降低编码比特率，二是在IP 网络环境下保证一定的通话质量。前者主要是话音编码技术，包括静音检测； 后者包括分组丢失补偿和回波抵消技术。欧洲电信标准化委员会 (ETSI) 提出了关于1P 网络电话QoS 的分级要求，如表1. 1 所示。表中，MOS 为话音质量的主观评测分 ，最高分为5分。在话音通信中，时延指标是主要的，时延过大会使听话者有不连续的感觉，而时延抖动是次要的，听话音对此感觉不很灵敏。
IP 网络电路中的话音处理主要需解决两个问题。一是在保证一定话音质量的前提下尽可能降低编码比特率，二是在IP 网络环境下保证一定的通话质量。前者主要是话音编码技术，包括静音检测； 后者包括分组丢失补偿和回波抵消技术。欧洲电信标准化委员会 (ETSI) 提出了关于1P 网络电话QoS 的分级要求，如表1. 1 所示。表中，MOS 为话音质量的主观评测分 ，最高分为5分。在话音通信中，时延指标是主要的，时延过大会使听话者有不连续的感觉，而时延抖动是次要的，听话音对此感觉不很灵敏。
表1.1 IP网络电话QoS分机要求
1. 低比特率话音编码
话音编码算法需要考虑三个方面的问题：编码比特率、话音质量和算法复杂度，一般说来这些指标是有矛盾的。比特率越低，线路利用率越高，但话音质量会受到影响；在同样比特率情况下，算法设计越复杂，话音质量会有所提高，但处理时延将增加。因此，制订一个编码标准，首先必需确定其应用环境，据此给出其性能要求，然后才能设计出编码方案和算法，实际上就是在上述三个指标中取得某种折衷。
目前在PSTN 中广泛应用的是PCM 话音编码，其比特率为64-kbit/ s，话音采样频率是8kHz。它属于波形编码类型。一般说来， 这类编码的最低比特率为32 kbit/ s，即ADPCM。若要进一步降低其比特率，特别是低于16kbit/ s 的低比特率编码方案，必须采用新的编码原理，这就是参数编码，又称作声码器(Vocoder )技术。它是通过模拟人的发声器官，提取模型参数来降低话音信息编码率的。这种 技术虽然早就提出，但是由千其算法太复杂未能实用。直至90 年代，微电子业研制出了高性能的数字信号处理(DSP)专用芯片，其定点运算能力可高达几十个MIPS，才使声码器技术得以实际应用。首先广泛使用的是第二代移动通信系统，其比特率为2 .4 -13kbit/s。IP 网络电话推荐使用ITU-T 定义的低比特率编码标准，其比特率为5. 3 -16kbit/s，均为中低复杂度编码算法，话音分组长度在30ms 以下，话音质量较好。
话音编码算法需要考虑三个方面的问题：编码比特率、话音质量和算法复杂度，一般说来这些指标是有矛盾的。比特率越低，线路利用率越高，但话音质量会受到影响；在同样比特率情况下，算法设计越复杂，话音质量会有所提高，但处理时延将增加。因此，制订一个编码标准，首先必需确定其应用环境，据此给出其性能要求，然后才能设计出编码方案和算法，实际上就是在上述三个指标中取得某种折衷。
目前在PSTN 中广泛应用的是PCM 话音编码，其比特率为64-kbit/ s，话音采样频率是8kHz。它属于波形编码类型。一般说来， 这类编码的最低比特率为32 kbit/ s，即ADPCM。若要进一步降低其比特率，特别是低于16kbit/ s 的低比特率编码方案，必须采用新的编码原理，这就是参数编码，又称作声码器(Vocoder )技术。它是通过模拟人的发声器官，提取模型参数来降低话音信息编码率的。这种 技术虽然早就提出，但是由千其算法太复杂未能实用。直至90 年代，微电子业研制出了高性能的数字信号处理(DSP)专用芯片，其定点运算能力可高达几十个MIPS，才使声码器技术得以实际应用。首先广泛使用的是第二代移动通信系统，其比特率为2 .4 -13kbit/s。IP 网络电话推荐使用ITU-T 定义的低比特率编码标准，其比特率为5. 3 -16kbit/s，均为中低复杂度编码算法，话音分组长度在30ms 以下，话音质量较好。
2 .静音检测
静音检测又称话音活动性检测 ( VAl)--Voice Activity Detec tion) ，它是一种静音压缩技术。
在电话通信中，平均说来，每一方说话的时间和听对方说话的时 间大体上各占一半，即使在说话时也还有停顿间隙，因此任一方对线路的占用率，也就是话音活动度大约只有40％左右。在电路交换中，即使通话者不说话，也要占用64-kbit/s 的信道；在分组交换中，由于传输通道是统计复用的，因此在通话者不讲话时就可以不发送话音分组，从而进一步降低话音比特率。这一技术的关键就是如何检测说话者处于不发声状态，即VAD。检测的基本原理是判断话音信号能量，当低于一定门限值就认为是静默状态。
静音检测有两个技术难点。一是如何在噪声较大的环境中检测静音，二是＂剪音”(clipping)问题。所谓剪音指的是话音还原时有一部分被剪切掉了，使人感到失真。其原因是通话者从说话到静默以及从静默到说话的检测都是要有一定时间和一定判定门限的，因此当通话者从静默刚刚转为说话时，开始一段微弱话音部分就可能被作为静默而丢弃了。解决这一问题的方法是在一组突发话音分组前增加一个话音分组进行平滑，话音突发后沿剪音也可用同样方法解决。
静音检测又称话音活动性检测 ( VAl)--Voice Activity Detec tion) ，它是一种静音压缩技术。
在电话通信中，平均说来，每一方说话的时间和听对方说话的时 间大体上各占一半，即使在说话时也还有停顿间隙，因此任一方对线路的占用率，也就是话音活动度大约只有40％左右。在电路交换中，即使通话者不说话，也要占用64-kbit/s 的信道；在分组交换中，由于传输通道是统计复用的，因此在通话者不讲话时就可以不发送话音分组，从而进一步降低话音比特率。这一技术的关键就是如何检测说话者处于不发声状态，即VAD。检测的基本原理是判断话音信号能量，当低于一定门限值就认为是静默状态。
静音检测有两个技术难点。一是如何在噪声较大的环境中检测静音，二是＂剪音”(clipping)问题。所谓剪音指的是话音还原时有一部分被剪切掉了，使人感到失真。其原因是通话者从说话到静默以及从静默到说话的检测都是要有一定时间和一定判定门限的，因此当通话者从静默刚刚转为说话时，开始一段微弱话音部分就可能被作为静默而丢弃了。解决这一问题的方法是在一组突发话音分组前增加一个话音分组进行平滑，话音突发后沿剪音也可用同样方法解决。
在实际使用中还有一个问题，如果静音期不发任何分组，即完全无声，收听者反而会感到不自然，因此实用的静音压缩算法由两部分组成：话音活动性检测器(VAD)：制定输入信号是话音还是背景噪
声。如果信号被确认为话音，就以编码算法规定的固定比特率对其编码；如果信号被确认为噪声，就以非常低的比特率对其编码，或者根本就不发送任何比特。
舒适噪声生成器(CNG)：接收方采用某种机制重构背景噪声的主要特征。噪声生成方法的设计必须保证解码器和编码器之间的 同步；即使在某段时间内编码器未发出任何比特，解码器也能正确理解，使得复原后话音的有音段和无音段之间有平滑的过渡。
3. 分组丢失补偿
在IP 网络中分组丢失是不可避免的，丢失的原因可能是线路误码或者网络路由故障，更常见的原因则是传输时延过长或网络拥塞导致分组被丢弃。由于低比特率声码器都是基于线性预测编码原 理，其当前值是通过以前历史值线性组合而得，因此通过内插的方法不难得到丢失分组的近似估计值。ITU－T 定义的标准编码的解码器部分都已包含分组丢失补偿这一功能。实际试验表明，如果Internet 电话话音分组丢失两个以上，则可能此时网络连接状态很差，将会有一大堆分组丢失。所以Internet 电话分组丢失补偿以处理一个分组丢失为主要目的。所幸的是，话音通信对分组丢失的容忍性远比数据通信强，一般不会影响通话的可懂度。
4. 回波抵消
对于纯IP电话系统来说，由于话音信号的接收和发送经由不同的物理线路，也就是所谓的四线制，因此不存在回音的问题。如果IP网和PSTN 互连，通信双方至少有一方是二线制电话，涉及有混合线圈的2/ 4 线转换电路，就会产生回音。其原理如图1. 5 所示。从理论上说，混合线圈对端间的衰耗应为无穷大，这样IP电话发出的话音信号只能送到PS1N 电话，不会串到对端。可是实际上混合线圈很难做到完全平衡，这样一部分信号将漏到对端返回ip电话，如果传输时延较长，发话者就会感到明显的回声，严重干扰通话。按照电话网的严格规定，单向时延大于25ms 就需考虑回波问题，实际上单向时延达到100 -150ms 人耳感觉尚可容忍。
声。如果信号被确认为话音，就以编码算法规定的固定比特率对其编码；如果信号被确认为噪声，就以非常低的比特率对其编码，或者根本就不发送任何比特。
舒适噪声生成器(CNG)：接收方采用某种机制重构背景噪声的主要特征。噪声生成方法的设计必须保证解码器和编码器之间的 同步；即使在某段时间内编码器未发出任何比特，解码器也能正确理解，使得复原后话音的有音段和无音段之间有平滑的过渡。
3. 分组丢失补偿
在IP 网络中分组丢失是不可避免的，丢失的原因可能是线路误码或者网络路由故障，更常见的原因则是传输时延过长或网络拥塞导致分组被丢弃。由于低比特率声码器都是基于线性预测编码原 理，其当前值是通过以前历史值线性组合而得，因此通过内插的方法不难得到丢失分组的近似估计值。ITU－T 定义的标准编码的解码器部分都已包含分组丢失补偿这一功能。实际试验表明，如果Internet 电话话音分组丢失两个以上，则可能此时网络连接状态很差，将会有一大堆分组丢失。所以Internet 电话分组丢失补偿以处理一个分组丢失为主要目的。所幸的是，话音通信对分组丢失的容忍性远比数据通信强，一般不会影响通话的可懂度。
4. 回波抵消
对于纯IP电话系统来说，由于话音信号的接收和发送经由不同的物理线路，也就是所谓的四线制，因此不存在回音的问题。如果IP网和PSTN 互连，通信双方至少有一方是二线制电话，涉及有混合线圈的2/ 4 线转换电路，就会产生回音。其原理如图1. 5 所示。从理论上说，混合线圈对端间的衰耗应为无穷大，这样IP电话发出的话音信号只能送到PS1N 电话，不会串到对端。可是实际上混合线圈很难做到完全平衡，这样一部分信号将漏到对端返回ip电话，如果传输时延较长，发话者就会感到明显的回声，严重干扰通话。按照电话网的严格规定，单向时延大于25ms 就需考虑回波问题，实际上单向时延达到100 -150ms 人耳感觉尚可容忍。
图1. 5 回波产生机理
美国AT&T公司和贝尔实验室曾对Internet 电话的时延性能进行测试，其单向时延统计特性如表1. 2 所示。由此结果可见，本地通信时延一般在l100ms 以下，州际通信时延大部分在200ms 以下，国际通信时延则大于500ms，必需考虑回波控制问题。
表 1.2 Internet 电话单向时延统计概率
| > I00ms | > 200ms | > 300ms | > 400ms | > 500ms | |
| 本地 | 0.77% | 0.085% | 0.039% | 0.0062% | 0.0023% |
| 州际 | 69.3% | 7. 7% | 0.54% | 0.017% | 0.0061 % |
| 国际 | 92% | 69.7% | 61.6% | 54% | 47% |
目前回波控制均采用回波抵消方法，即通过自适应方法估计回波信号的大小，然后在接收信号中减去此估计值。这种方法虽然比较复杂，但是已有专用芯片推出，因此得到广泛的应用。在IP 网络和PSTN 互通的情况下，回波抵消功能一般由网关完成。
1.2.2 IP话音通信协议
统一的协议是IP 电话实现全网互通、走向商用的关键。IP 话音通信协议应包含如下几个部分：
1. 话音通信控制协议
话音通信控制协议也就是电信网中的呼叫控制信令，它包括地址信息、用户状态信息、音信号、DTMF 信号等。这些信息是以控制分组的形式发送的。由于信令的重要性，要求采用可靠的传送方式 传递，如果发生差错可通过重发机制校正。因此该类协议应采用 TCP 作为其运输层的协议。
2. 话音信息传送协议
话音信息传送协议规定了话音分组应如何封装、复用和传送，包括具有静音检测功能的各种话音编码分组如何组装和标识。由于话 音分组需要实时传送，不允许有大的时延，因此无法采用重发校错机制。也就是说，话音分组只能采用UDP 作为其运输层的协议。
3.会议电话控制协议
IP 网络电话用千电话会议特别有利。因为电话会议参加的人数较多，但同时发言的只有一个人，如果采用传统的电话网，每个人都要占用一个64kbit/ s 的双向通道，网络资源非常浪费。而1P 分组话音通信在任一时刻只需传送当前讲话者的话音分组，因此网络资源利用率十分高。
会议电话应用一般要用到一个称之为多点控制单元(MCU一Multipoint Control Unit) 的网络部件，由它来控制点到多点连接的建立设置主席、控制发言权、进行话路切换等。会议电话控制协议规 定了如何建立各与会者至MCU 的话音通道、协商会议的规模和能力、确定会议管理方式等过程。
4. 实时控制协议
和ATM 中适配话音仿真通信的AALl 适配层类似，IETF 也定义了RTP(Real--Ti me Protocol)协议，该协议可以传送分组的时间戳(timestamp) 、分组序号等信息，支持QoS 监视和多数据流合并。IP 网络电话就利用RTP 适配分组话音数据。此外，为了确保分组话音通信的实时性，还可以选用IETF 定义的RSVP(ReSerVe Protocol) 协议为呼叫保留网络资源。
统一的协议是IP 电话实现全网互通、走向商用的关键。IP 话音通信协议应包含如下几个部分：
1. 话音通信控制协议
话音通信控制协议也就是电信网中的呼叫控制信令，它包括地址信息、用户状态信息、音信号、DTMF 信号等。这些信息是以控制分组的形式发送的。由于信令的重要性，要求采用可靠的传送方式 传递，如果发生差错可通过重发机制校正。因此该类协议应采用 TCP 作为其运输层的协议。
2. 话音信息传送协议
话音信息传送协议规定了话音分组应如何封装、复用和传送，包括具有静音检测功能的各种话音编码分组如何组装和标识。由于话 音分组需要实时传送，不允许有大的时延，因此无法采用重发校错机制。也就是说，话音分组只能采用UDP 作为其运输层的协议。
3.会议电话控制协议
IP 网络电话用千电话会议特别有利。因为电话会议参加的人数较多，但同时发言的只有一个人，如果采用传统的电话网，每个人都要占用一个64kbit/ s 的双向通道，网络资源非常浪费。而1P 分组话音通信在任一时刻只需传送当前讲话者的话音分组，因此网络资源利用率十分高。
会议电话应用一般要用到一个称之为多点控制单元(MCU一Multipoint Control Unit) 的网络部件，由它来控制点到多点连接的建立设置主席、控制发言权、进行话路切换等。会议电话控制协议规 定了如何建立各与会者至MCU 的话音通道、协商会议的规模和能力、确定会议管理方式等过程。
4. 实时控制协议
和ATM 中适配话音仿真通信的AALl 适配层类似，IETF 也定义了RTP(Real--Ti me Protocol)协议，该协议可以传送分组的时间戳(timestamp) 、分组序号等信息，支持QoS 监视和多数据流合并。IP 网络电话就利用RTP 适配分组话音数据。此外，为了确保分组话音通信的实时性，还可以选用IETF 定义的RSVP(ReSerVe Protocol) 协议为呼叫保留网络资源。
1.2.3 网络管理和安全技术
1. 网络安全技术
IP网络和传统电信网的一个重要不同之处是，后者是封闭式网络，前者是开放式网络，因此必须十分注意网络安全，以防止网络受到恶意攻击、网络资源被无偿地欺骗使用以及用户信息被泄露。
IP网络电话系统的安全性包括以下几个方面：
- 鉴权(authentication)：主要是用户的身份验证，包括用户至非本地运营商使用业务时的双向鉴权。系统应有对每个呼叫进行鉴权的 能力。
- 权限验证(authorization )：即接入控制功能。验证用户能否使用某项业务，包括Internet 中必备的防火墙功能。
- 加密：主要指的是重要信令消息的加密，这些消息内含鉴权、权限验证、计费等信息。
- 不可抵赖性保护：主要指的是相关网络部件，如网关和服务器中，必须保存关于呼叫的完整记录，以防止某些用户使用过网络服务后抵赖。
- 数据完整性：指的是确保用户信息不能被未授权的他人修改。
2. 网络管理技术
除了 IP 网络的一般管理以外，IP 网络电话系统必须具 有完善的计费功能和运营商间互操作管理功能。
(1) 计费功能
系统必须具有业务详细记录(SOR )，其内容包括：付费方标识、业务类型、时间、呼叫时长、呼叫源点和目的地点、Qo.S 等级及资源利用情况。至少应能对如下5 类呼叫建立SOR：基本呼叫（主叫付费）、免费电话、话务员辅助呼叫或被叫付费呼叫、增值费率呼叫、信用卡呼叫。上述 SDR也可用于话务统计。
(2) 运营商间互操作管理除了 IP 网络的一般管理以外，IP 网络电话系统必须具 有完善的计费功能和运营商间互操作管理功能。
(1) 计费功能
系统必须具有业务详细记录(SOR )，其内容包括：付费方标识、业务类型、时间、呼叫时长、呼叫源点和目的地点、Qo.S 等级及资源利用情况。至少应能对如下5 类呼叫建立SOR：基本呼叫（主叫付费）、免费电话、话务员辅助呼叫或被叫付费呼叫、增值费率呼叫、信用卡呼叫。上述 SDR也可用于话务统计。
不同运营管理域间应能交换如下信息：域间管理信息、网间代理鉴权和权限验证信息、业务和用户管理规则、计帐信息等。
1.2.4 终端技术
随着宽带接入网的发展和住宅局域网的普及，信息业将可开设和PSTN 并行的IP公众电话网，为此有必要开发能直接接入以太网的专用1P 电话机。目前已有公司推出此类话机。其外形和普通话机类似，但具有许多PC 机的特性。
典型性能可包括：
- RJ -45 插口线接入lOBase T 以太网。
- 可利用按钮编程，设置各种功能、缩位拨号和按钮上网。
- 具有自己的IP 地址，并可利用小键盘，通过1P 网络上的动态主机配置协议(DHCP)指配IP地址。
- 内置多种话音压缩编码，在呼叫中可以变换。
- 内置信令和话音加密功能。
- 具有鉴权功能，能自动生成业务使用记录。
- 可通过Web 浏览器用按钮进行管理和配置。开发低成本、高性能易千使用的终端将是未来1P网络电话发展的重要技术之一。
