voip语音业务的分析与研究

voip语音业务的分析与研究

专家普遍认为，voip代表了电话技术的未来方向。换句话说，所有东西都基于ip。许多人相信IP电话时代即将到来,据伦敦菲利普斯公司分析,IP电话将在2003年占全球总体电话业务的43.12%,而Frost&Sullivan调研公司在报告中预计,到2007年VoIP的通话量将占全部通话量的75%。所谓VoIP(VoiceoverInternetProtocol)就是一种以IP电话为主,并推出相应的增值业务的技术。它是通过IP包发送实现的语音业务,是建立在IP技术上的分组化、数字化传输技术,其基本原理是:通过语音压缩算法对语音进行压缩编码处理,然后把这些语音数据按IP等相关协议进行打包,经过IP网络把数据包传输到目的地,再把这些语音数据包串起来,经过解码解压缩处理后,恢复成原来的语音信号,从而达到由IP网络传送语音的目的。随着计算机网络技术的不断发展和完善,IP电话技术已经能够在各种环境下提供顺畅的通话服务;但是在语音源拾取方面因拾取设备性能和设置问题而影响了语音的拾取质量。考虑到成本问题用户一般极少选用专用IP电话设备,现有的IP电话大部分都是直接在台式PC上使用,普通的PC一般都自带声卡,用户只须购买一副简单的耳麦接到声卡上即可方便使用IP电话;但因PC自带的声卡和耳麦质量参差,所拾取的语音质量并不能都达到可接受的程度。产生语音拾取质量不好的原因有多方面,如:PC机声卡能力有限;PC机声卡的电路设计不完善,布线不规范;耳麦的元件接线错误;耳麦的电子元件质量问题;用户无意识地增大或减少耳麦的音量增益等等。我们IP电话项目产品的用户群主要是面向网吧用户、在校学生和个人用户等,该用户群基本上是不使用专用设备;在产品推广过程中,用户所遇到问题大多数是麦克风的拾音质量不高,从而影响语音质量,究其原因是用户使用驻极体电容器麦克风(ECM)制作的耳麦所致。因驻极体电容器麦克风体积小巧,成本低廉,因此大受市场欢迎,但由于其灵敏度较低,声音的失真度较大,所以严重影响语音的拾取质量。对于驻极体电容器麦克风灵敏度较低、声音失真度较大的缺点,专用设备使用有源压控可变自动增益放大器作为前置放大后再进行语音拾取,以保证拾取质量。对于PC机使用驻极体电容器麦克风的语音拾取问题,要求用户购买专用设备或者更换声卡硬件设备有一定难度。经过一番摸索和测试,发现只要用户把声卡的麦克风设备音量设置调整到适当的位置,一般都能满足IP电话通话质量的要求;但需要用户在通话过程中根据对方反馈通话质量来手动调整麦克风设备的音量增益,这样必然会影响用户的使用。针对该情况,可以利用软件在语音拾取模块输出和应用程序语音源输入接口之间增加一个类似压控可变自动增益控制子模块即可为用户自动调整麦克风音量增益,以提高语音拾取质量,使用户更方便地使用耳麦来打IP电话。在IP电话通信协议中,使用比较广泛的有SIP和H.323协议,两个协议的实现均提供比较好的插入接口让开发人员对输入的语音采样数据进行预处理;如,H.323协议中,在创建H323Codec对象后可以使用AddFilter方法对语音数据进行预处理,这里我们增加一个Filter模块对Codec所获得的语音数据进行一定运算得出增益系数后,对语音数据进行简单的乘法运算来扩大数据幅值,从而改善语音质量。在电子设计中,压控可变自动增益线路被广泛运用,它可以分成增益受控放大电路和控制电压形成电路两部分。增益受控放大电路位于正向放大通路,其增益随控制电压而改变;控制电压形成电路将输入信号经过滤波放大平滑等处理后产生用以控制增益受控放大器的电压。压控可变自动增益线路广泛用于各种接收机、录音机和测量仪器中,它常被用来使系统的输出电平保持在一定范围内,因而也称自动电平控制;用于语音放大器或收音机时,称为自动音量控制。据此原理我们可以用软件来实现该功能。增益受控放大部分,语音数字信号和普通模拟信号一样可以进行乘法运算以实现放大功能,只要调整乘法系数即可实现增益受控;控制电压形成部分,利用软件算法对输入语音信号进行数字滤波放大平滑等处理后确定用于增益受控放大部分的乘法系数,又可谓控制系数形成。对于增益受控放大部分在软件层面上进行数值乘法运算即可方便实现,而控制系数形成部分则有多种实现途径,算法各异、处理所需时间、复杂程度和对处理器的压力也不尽相同。控制系数需要对输入语音数据进行一定的运算来确定,语音拾取最终表现为语音信号的数字采集。对于连续周期信号,自动增益控制可以简单地使用归一化算法来处理:将一周期时间内的信号数据作为一个整体处理,以最大幅度的采样点做基准,与期望幅值进行比较后确定增益系数,对所有的采样点进行同样的增益,将数据最高和最低幅度限定在指定范围内。此方法同样也适用于语音信号,但是语音信号有其特有的特征,具有非周期性、突发性和不连续性等,应对语音的这些特征需要把归一化算法和其他算法进行适当柔合才可以达到比较好的控制效果。在日常语音通话中所采集的语音并不会呈现出连续周期性或近似周期性,如果将语音作为连续信号并设定一个固定时间长度作为周期来处理的话,所选择的时间片太短数据量少,则增益系数的变动范围非常大容易使语音产生过大的变形失真;所选择的时间片太长,系统需要缓冲的语音数据量比较大,增益变动范围缩小,相对地失真减少了,但会产生较大时延。在日常语音通话中一般是轮流说话,所获得的语音会是突然发声和句读间隔,如果不考虑语音数据的突发性和不连续性,不分辨数据是语音还是背景噪音而一概放大,则不可避免会引入比较大的背景噪音,影响通话效果。对于语音的非周期性,可以选择当前语音压缩编码算法帧长的一到两倍作为周期对数据进行处理,如Codec是G.723可以选择30ms(6.3kbps)或者2×10ms(5.3kbps),G.729可以选择2×10ms;控制增益的步进幅度,利用上一段时间片所使用的增益系数作为基数,每次调整增益的幅度不能大于限定值,使增益的增长速度放慢,以减少增益系数调整后前后两语音帧串接时所产生的信号变形失真。因应语音信号的突发性和不连续性,可以使用语音活动检测(VAD)算法,当检测算法分辨出当前数据是正常语音时才调整当前增益系数,如果判定为噪声则不对增益作调整;用VAD算法控制增益的调整可以避免没有语音输入时还不断地增大增益,以致将背景噪音不断地被放大影响通话效果。按上述方法对输入语音进行自动增益控制在实际应用中可以得到改善,对于连续的声音如音乐等有比较好的效果,但对于正常的语音通话还存在一些问题。如果用户长时间不说话,则VAD算法会不断降低背景噪音门限阀值,将背景噪声判定为正常语音,增益系数也会不断地增长并达到相当大的数值;此时再有正常语音输入时增益要经过比较长的一段时间才能恢复到合适范围内,这样增益后的数据就会出现过冲削峰的情况。因应这种情况,可以设置一个最大增益系数,以防将噪声被增益过大;同时设置不同的步进增益幅值,使增幅呈现慢增长快降低,如选择增长的步进增益幅值比较小,减少的步进增益幅值相对较大;再有如果出现增益后出现削峰的情况可以马上将增益降低到不出现削峰的水平,使用户重新说话时增益能快速回调到适当的位置。在实际使用中,还需避免增益比较高而实际输入音量比较小的情况下语音波形发生比较大的失真,要避免这种情况需要从数据采样来源方面来解决;声音从声卡的麦克风设备采样,经过麦克风的音量调节后才输出给应用程序,故在调整增益系数的时候还需要顾及麦克风设备的输出音量大小,即尽量将增益系数保持在相对较小的数值范围内。麦克风设备的音量调节可以称为硬增益调节,前者可以称之为软增益调节。一般软增益系数的最大值可以设置为2倍即可满足需要,硬增益的调整可以在软增益已经达到预设最大值而语音幅值还不能达到期望值的时候再去调整,使放大后波形的失真尽可能地减少。经过上述修正,模块可实现类似压控可变增益功能,根据输入音量幅值大小自动调整系统的麦克风音量增益,从而提高通话质量,使用户方便使用耳麦来打IP电话,在实际应用中也得到很好的效果。我们对数据的预处理还需考虑处理所需时间、复杂程度和对处理器的压力,尽可能结合实际需要选取速