相关专题：
华东理工大学信息学院 孙丰强
VoIP又称IP电话或IP网络电话，是Voice over IP的缩写，这种技术通过对语音信号进行编码数字化、压缩处理成压缩帧，然后转换为IP数据包在IP网络上进行传输，从而达到了在IP网络上进行语音通信的目的。
VoIP技术最初只是一种互联网上的增值应用，形式也较为简单。随着互联网的普及，其在商业运营中的应用价值被人们发现，很多新兴的电信运营商将VoIP技术引入到电信运营中，并在上个世纪的最后几年内取得了爆炸式的增长。
VoIP技术的体系结构
VoIP技术的主要目的是用于处理语音和信令，因此可以将它分为四个功能模块：语音包处理模块（Voice Package Module）、电话信令网关模块（Telephone Signaling Gateway Module）、网络协议模块（Network Protocol Module）、网络管理模块（Network Management Module）。VoIP技术功能结构见图1。
语音包处理模块
一般而言，语音包处理模块主要是在数字信号处理器（DSP）芯片上运行。主要实现以下功能：
◆ 语音的编码及解码
◆ 静音检测
通过对无话音时的噪声进行检测，从而判断所接收的信号是否含有语音信号，如果没有检测到语音信号，将会反馈至“语音包处理器”，让它发出一个含有“静音”的信息包，从而最大限度地节省通讯带宽。
◆ 回音抵消器
基于国际标准G.165/G.168实现语音通讯中的回音抵消，以改善语音的通讯质量。
◆ 自适应语音恢复
通过一个缓冲器，对接收到的延后语音包信号，进行语音恢复。从而达到抗“延时”、抗“时延抖动”的目的。并且可以“自适应”地调节时延值，实现达到语音传输时延最小的目的，从而改善语音通讯质量。当然，它同时必须支持“内插”算法，即当语音包在传输过程中丢失时，能够利用“内插”技术进行恢复。
◆ 语音包处理器
对经过编码后的语音信号进行“语音打包”处理，或者是对接收到的语音包进行“拆包”处理，实际上它是一种封装协议的处理。
电话信令网关模块
一般而言，电话信令网关模块主要是在Host CPU上运行。作为一个“网关处理器”，它主要是作为电话信令，在电讯设备与网络协议处理之间进行协议转换。这些信令包含如：挂机、摘机、呼入保持、来电显示等。它主要是指原有传统电话设备上的业务及其将来的增值服务。
网络协议模块
这个模块主要是用于处理信令的信息。同时也可以将信令信息转换成对应的特殊网络的信令协议，通过交换网络传输。一般而言，国际上目前比较通用的网络协议标准是：H.323协议，MGCP协议和SIP协议等。
网络管理模块
主要是提供一个语音管理的接口，实现VoIP的配置及维护。管理信息是基于国际标准ASN.1及SNMP简单网络管理协议的要求所建立的。
VoIP的传输过程分析
VoIP是以IP分组交换网络为传输平台，对模拟的语音信号进行压缩、打包等一系列的特殊处理，使之可以采用无连接的UDP协议进行传输。
为了在一个IP网络上传输语音信号，要求几个元素和功能。最简单形式的网络由两个或多个具有VoIP功能的设备组成，共同通过一个IP网络连接。VoIP设备先把语音信号转换为IP数据流，并把这些数据流转发到IP目的地址，IP目的地址又把它们转换回到语音信号。两者之间的网络必须支持IP传输，且可以是IP路由器和网络链路的任意组合。
VoIP传输过程可分为语音数字化、信号编码分组、信号打包传送、解包及解压缩过程及数字语音模拟化五个过程。VoIP传输过程见图2。
语音信号数字化
语音信号是模拟波形，通过IP方式来传输语音，首先要对语音信号进行模拟数据转换，也就是对模拟语音信号进行量化，然后送入到缓冲存储区中。数字化可以使用各种语音编码方案来实现，目前采用的语音编码标准主要有ITU-TG.711。
信号编码分组
语音信号进行数字编码以后，下一步就要对语音包以特定的帧长进行压缩编码。编码后，压缩的帧合成一个压缩的语音包送入网络处理器。网络处理器为语音添加包头、时标和其它信息后通过IP网络传送到另一端。语音网络简单地建立通信端点间的物理连接，并在端点间传输编码信号。IP网络不会形成连接，而要求把数据放在可变长的数据报或分组中，然后给每个数据报附带寻址和控制信息，并通过网络发送。
信号打包传送
信号（数据）被压缩后，就需要对它进行打包，加进一些协议信息。在收集语音数据的处理过程中需要一些存储时间，因为将语音数据发送到IP网络之前必须先收到一定数量的语音数据。在对信号进行编码及压缩过程中，也需要一定的时间来对数据进行存储，从而也产生了一定的时间延迟。
协议信息被加入包中是为了更好地保障完成数据的传输过程。由于IP协议是为各种不同的网络互联而设计的，与专用网相比它含有许多复杂的处理过程，它要求将一个包封装到另外一个包中，而且数据在传输的过程中还要经过再打包、重寻址和重新封装等过程。
解包及解压缩过程
当每个包到达目的地主机（网关、服务器或用户计算机终端）时，要检查该包的序号并将其放到正确的位置，然后用一个解压缩算法来尽量恢复原始信号数据，这时通过利用时钟同步及时延处理技术来填充由发送端处理过程中导致的空缺。由于各个包在传输过程中经过了不同的路由，所以它们到达目的地的顺序有很大差别，因此接收端要将先达到的包放到存储器里一段时间以后等待后达到的包，等待时间的长短要根据网络的拥塞情况而定。
数字语音模拟化
目前，IP电话主要应用于Internet上，是Internet上的一个增值业务。由于Internet是一个开放的网络，另外，由于它的带宽还不够宽，尤其在网络恶化的情况下，在传输过程中很大一部分包会被丢失或被延迟传送，这些丢弃、延迟和被破坏的包是导致语音质量下降的根本原因。
按Internet传统纠错机制，接收端如果收到错误的数据包就将其丢弃并请求重传，因此用户最终收到的数据跟原始发送的数据是完全一样的。由于IP电话业务是一种对时间敏感的业务，不能使用重传机制，这就需要专用的检错和纠错机制来再造声音和填补空隙，需要接收端存储接收到一定数量的语音数据，然后使用一种复杂的算法来“猜测”丢失包的内容，产生新的语音信息，从而提高通信的质量。因此，接收端听到的语音并不与发送端讲的语音完全一样，其中一部分信息是由VoIP系统“再造”的。
摘自 赛迪网－中国计算机用户
