浅谈IP语音通信中的抗抖动技术

2018-03-20韩文峰

数字通信世界 2018年7期

韩文峰

（东北空管局，沈阳 110043）

在现有通信手段中，最直接、最常用的即为语音通信。相比于传统语音通信系统，VoIP具有更高的抗干扰性、更好的保密性，集成易于实现，且成本低，能够与复杂环境良好的适应，使通信便捷的、灵活的实现，应用前景十分广阔。VoIP系统中，抖动为重要参数，可直接影响语音通信质量，关系着接收端是否可以真实的再现传输的语音，因此，要想保证语音通信质量，必须要采用适当的技术抗抖动。

1 抖动对IP语音通信的影响

语音传送利用IP网络进行时，传送质量会受到多种因素的影响，抖动即为影响因素中一个主要的。原本，语音为连续信号，不过，传送过程中，主机A会以分组的方式向主机B传送语音数据，由于采取了不同的分组传输路径，而且每个路径不具备相同的长短及数据流量，导致每组数据在不同的时间达到接收端，接收端回放语音时，时断时续，此种现象就是抖动。因抖动现象的存在，使间断问题出现在接收端解码的语音信号中，造成语音失真，这不仅降低语音通信质量，而且语音信息的准确传递也受到极大影响。

2 IP语言通信中的抗抖动技术

2.1 自适应缓冲算法的设计

VoIP是一种语音传输技术，以网络技术为建立基础，具备数字化及分组化的特征，其基本原理如下：压缩编码及打包模拟语音信号时，利用数字化处理技术，再通过IP网络，向接收端传送语音包，数字处理再次进行后，接收端以相应终端播放语音，实现语音通信。

语音通信中，一段语音既包含话音段，也包含静音段，二者交替组成，丢包现象若出现在语音段，传输语音质量会被损伤，但如果发生在静音段，基本不会影响语音质量[1]。因此，为将接收的语音质量提高，需将缓冲播放设置在语音段。本文为实现此种目的，在E-Model基础上，提出了一种抗抖动自适应缓冲算法，旨在通过将E-Model联系最终用户的感知语音质量，把缓冲控制机制找出，使用户感知高质量的语音。为让复杂程度降低，算法以固定值来表示同一话音段内的缓冲区大小，而话音段不同时，自适应调整缓冲区大小。

按照基于E-Model的抗抖动自适应缓冲算法流程，设定播放延时为PD、语言包延时的统计分布函数为FD（d）、丢包率L和语音质量因子R随PD变化的函数分别为L（PD）、R（PD）。具体算法流程如下[2]：第一，预测及更新延时分布FD（d），对于PD，算法会先进行初始值的设定，新语音包接收后，算法会记录该语音包RTP头中的延时信息，延时数据统计总数为n（取值为1000）个，随着不断地传送来新包，会逐渐的丢弃最旧包的延时数据，并增加进新包的延时数据，根据这些数据，即可进行延时分布FD（d）的预测；第二，预测L（PD），新语音包接收后，更新延时数据过程中，会不断的改变FD（d）的预测参数，算法检测语音段及静音段时，采用的技术为VAD技术，在一个静音段内，出现下一个话音段前，丢包率利用FD（d）预测；第三，引入E-Model，E-Model引入后，利用93.2减去设备损伤因子、延时损伤因子后，差值即为语音质量因子R，要想获得最佳的语音质量，需要获得最大的R值，也就是说，设备损伤因子与延时损伤因子的和要达到最小；第四，找到最佳PD值，获得最小的设备损伤因子及延时损伤因子和情况下，PD值即为最佳的播放延时；第五，设置新话音段缓冲时间，最佳播放延时获得后，就能够进行新话音段缓冲时间的设置。

2.2 实验分析

本文设计实验时，除提出算法外，还选择了3种目前常用的自适应缓冲算法，分别为指数平均缓冲算法、尖峰检测缓冲算法、基于MOS的缓冲算法；实验网络环境共3种，分别为局域网、ADSL/2M网络、移动GPRS接入网络。实验过程中，跟踪4种算法的RTP语音包延时信息，并将缓冲播放时间计算出来。实验结果显示，在前两种网络环境中，这4种算法都具有比较高的MOS分，处于3.50～3.82、3.35～3.94之间，其中，MOS值最高的均为基于MOS的缓冲算法，本文提出算法MOS分略低，该结果出现的原因为前两种网络环境都具有比较小的抖动，并不能完全的体现出提出算法的优势；在第三种网络环境中，具有比较大的抖动及延时，此时，提出算法的MOS分为3.05，而其他3种算法的MOS分分别为2.24、2.38、2.53，都比较低，提出算法仍然具有较高的MOS分的原因为其控制语音质量时采用E-Model，而E-Model可对语音传输质量更加精确的评估，使计算出来的播放延时值更为适合，继而有效的保证语音传输质量。