VoIP - передача голоса через IP-сети

Возможность передачи голосовых сообщений через сеть с пакетной коммутацией впервые была реализована в 1993 году. Данная технология получила название VoIP. Одним из частных приложений данной технологии является IP-телефония — услуга по передаче телефонных разговоров абонентов по протоколу IP.

Основными преимуществами технологии VoIP является сокращение требуемой полосы пропускания, что обеспечивается учётом статистических характеристик речевого трафика:

• блокировкой передачи пауз (диалоговых, слоговых, смысловых и др.), которые могут составлять до 40-50 % времени занятия канала передачи;
• высокой избыточностью речевого сигнала и его сжатием (без потери качества при восстановлении) до уровня 20-40 % исходного сигнала.

Трафик VoIP критичен к задержкам пакетов в сети, но обладает толерантностью (устойчивостью) к потерям отдельных пакетов. Так, потеря до 5 % пакетов не приводит к ухудшению разборчивости речи.

Функциональность

Технология VoIP реализует задачи и решения, которые с помощью технологии PSTN реализовать будет труднее, либо дороже.

Примеры:

• Возможность передавать более чем один телефонный звонок, в рамках высокоскоростного телефонного подключения. Поэтому технология VoIP используется в качестве простого способа, для добавления дополнительной телефонной линии дома или в офисе.

• Свойства, такие как

• конференция,
• переадресация звонка,
• автоматический перенабор,
• определение номера звонящего

предоставляются бесплатно или почти бесплатно, тогда как в традиционных телекоммуникационных компаниях обычно выставляют в счёт за дополнительную плату.

• Безопасные звонки, со стандартизованным протоколом, (такие, как SRTP). Большинство трудностей для включения безопасных телефонных соединений по традиционным телефонным линиям, такие как оцифровка сигнала, и передача цифрового сигнала, уже решены в рамках технологии VoIP. Необходимо лишь произвести шифрование сигнала, и его идентификацию для существующего потока данных.

• Независимость от месторасположения. Нужно только интернет соединение, для подключения к провайдеру VoIP. Например, операторы центра звонков (call-центр) с помощью VoIP-телефонов могут работать из любого офиса, где есть в наличии эффективное быстрое и стабильное интернет подключение.

• Доступна интеграция с другими через интернет, включая видео-звонок, обмен сообщениями и данными во время разговора, аудио конференции, управление адресной книгой, и получение информации о том, доступен ли для звонка какие-то другие абоненты (коллеги или друзья).

• Дополнительные телефонные свойства, такие как маршрутизация звонка, всплывающие окна, альтернативный GSM-роуминг и внедрение IVR — легче и дороже внедрить и интегрировать. Тот факт, что телефонный звонок находится в той же самой сети передачи данных, что и персональный компьютер пользователя, открывает путь ко многим новым возможностям.

Дополнительно: возможность подключения прямых номеров в любой стране мира (DID)

Кодирование речевой информации

Источником информационных данных является речевой сигнал, возможной моделью которого является нестационарный случайный процесс. В первом приближении можно выделить следующие типы сигнальных фрагментов: вокализированные, невокализированные, переходные и паузы. При передаче речи в цифровой форме каждый тип сигнала при одной и той же длительности и одинаковом качестве требует различного числа бит для кодирования и передачи. Следовательно, скорость передачи разных типов сигнала также может быть различной, что обусловливает применение кодеков с переменной скоростью. В результате, передача речевых данных в каждом направлении дуплексного канала рассматривается как передача асинхронных логически самостоятельных фрагментов цифровых последовательностей (транзакций) с датаграммной синхронизацией внутри транзакции, наполненной блоками различной длины.

В основе кодека речи с переменной скоростью лежит классификатор входного сигнала, определяющий степень его информативности и, таким образом, задающий метод кодирования и скорость передачи речевых данных. Наиболее простым классификатором речевого сигнала является VAD (англ. Voice Activity Detector, детектор речевой активности), который выделяет во входном речевом сигнале активную речь и паузы. Фрагменты сигнала, классифицируемые как активная речь, кодируются каким-либо из известных алгоритмов (как правило, на базе метода Code Excited Linear Prediction, CELP) с базовой скоростью 4-8 кбит/с. Фрагменты, классифицированные как паузы, кодируются и передаются с низкой скоростью порядка 0,1-0,2 кбит/с, либо не передаются вообще. Когда срабатывает VAD, на приёмной стороне может автоматически генерироваться так называемый «комфортный шум», чтобы у собеседника не возникало ощущение пропадания связи. При этом передача минимальной информации о фрагментах пауз предпочтительна. Данная стратегия позволяет оптимизировать скорость кодирования до 2-4 кбит/с при достаточном качестве синтезируемой речи. При этом для особо критичных фрагментов речевого сигнала выделяется бо́льшая скорость передачи, для менее ответственных — меньшая.

Вокодер вносит дополнительную задержку порядка 15—45 мс, возникающую по следующим причинам:

• использование буфера для накопления сигнала и учёта статистики последующих отсчётов (алгоритмическая задержка);
• математические преобразования, выполняемые над речевым сигналом, требуют процессорного времени (вычислительная задержка).

Данную задержку необходимо учитывать при расчёте сквозных задержек (см. выше).

Проведённый в различных исследовательских группах анализ качества передачи речевых данных через Интернет показывает, что основным источником возникновения искажений, снижения качества и разборчивости синтезированной речи является прерывание потока речевых данных, вызванное:

• потерями пакетов при передаче по сети связи;
• превышением допустимого времени доставки пакета с речевыми данными.

Это требует решения задачи оптимизации задержек в сети и создание алгоритмов компрессии речи, устойчивых к потерям пакетов (восстановления потерянных пакетов).