基于AMR語音編解碼算法的VoIP系統(tǒng)

本文提出了一種基于AMR語音編解碼算法的新VoIP系統(tǒng)，該系統(tǒng)可以根據(jù)網(wǎng)絡(luò)信道質(zhì)量的好壞來自適應(yīng)地選擇一種最佳的傳輸速率，從而使得合成后的語音質(zhì)量有了更加良好的QoS保障。通過NS-2平臺下的仿真，實驗結(jié)果表明：新VoIP系統(tǒng)在網(wǎng)絡(luò)延時和數(shù)據(jù)包丟失率方面均要明顯優(yōu)于采用G.729算法的傳統(tǒng)VoIP系統(tǒng)。
1 NS-2和AMR相關(guān)技術(shù)
1.1 NS-2網(wǎng)絡(luò)模擬器
??? NS-2(Network Simulator，version 2)是由加州大學(xué)伯克利分校開發(fā)的面向?qū)ο蟮?、離散事件驅(qū)動的網(wǎng)絡(luò)模擬器，主要用于解決網(wǎng)絡(luò)研究方面的問題，目前NS-2可以用于模擬各種不同的通信網(wǎng)絡(luò)。它功能強大，模塊豐富，已經(jīng)實現(xiàn)的主要模塊有：網(wǎng)絡(luò)傳輸協(xié)議(如TCP和UDP)，業(yè)務(wù)源流量產(chǎn)生器(如FTP、Telnet、Web、CBR和VBR)，路由隊列管理機制(如Droptail、FQ、RED和CBQ)，路由算法(如Dijkstra)，無線網(wǎng)絡(luò)WLAN、移動IP、衛(wèi)星通信網(wǎng)絡(luò)模塊、多播協(xié)議以及一些MAC子層協(xié)議等。
??? NS-2使用了被稱為分裂對象模型的開發(fā)機制，采用C++和OTcl兩種開發(fā)語言進行開發(fā)，它們之間采用TclCL進行自動連接和映射。NS-2的模擬可分為2個層次，其中第一個層次是基于OTcl的模擬，主要利用NS-2現(xiàn)有的網(wǎng)絡(luò)元素來實現(xiàn)模擬，因此無需對NS-2本身做任何修改，只需要編寫一個完整的OTcl腳本程序即可；另外一個層次是基于C++和OTcl的模擬，該層次中沒有所需的網(wǎng)絡(luò)元素，因此需要對NS-2進行擴展，添加所需要的網(wǎng)絡(luò)元素。一般來說，NS-2的模擬需要與Nam﹙Network animater﹚配合使用。Nam是基于Tcl/Tk的動畫演示工具，以把模擬的過程用可視化的方式呈現(xiàn)出來[2]。
1.2 AMR自適應(yīng)技術(shù)的介紹
??? 自適應(yīng)多速率語音編碼(AMR)有8種信源編碼模式,2種信道模式(即全速率信道模式和半速率信道模式)以及不同信道模式下所對應(yīng)的不同信道編碼模式。其中，全速率信道模式下所對應(yīng)的信道編碼模式為8種，半速率信道模式下所對應(yīng)的信道編碼模式為6種，每種信道編碼模式都有一種信源編碼模式與之相對應(yīng)。此外為了降低算法的復(fù)雜度，8種信源編碼模式均采用ACELP(Algebraic Code Excited Linear Prediction)模型，不同的只是參量的量化碼本和量化比特數(shù)。在移動通信中，當(dāng)信道模式固定后，通過測量歸一化的載(載波信號)干(干擾信號)比來估計當(dāng)前信道的質(zhì)量，度量級別為4個級別，分別為很差、差、好、很好。如果當(dāng)前信道質(zhì)量估計為較好或者好，則降低信道編碼速率、提高信源編碼速率，以此來提高重構(gòu)后的語音質(zhì)量；如果當(dāng)前信道質(zhì)量估計為差或者較差，則提高信道編碼速率、降低信源編碼速率，以此來保障通話質(zhì)量。所以高模式下的信源編碼(如MR122)，雖然可以提供優(yōu)良的語音可懂度和自然度，但是抗噪能力差；而低模式下的信源編碼(如MR475)，由于多數(shù)比特被用作信道編碼，因此具有很強的糾錯能力，但是重構(gòu)后的語音質(zhì)量不佳[3]。
2 AMR算法下的VoIP系統(tǒng)
??? VoIP傳輸?shù)幕具^程可分為4種：PC-PC模型、PC-Phone模型、Phone-PC模型和Phone-Phone模型[4]。本文中仿真的是Phone-Phone模型，具體過程如圖1所示。在該模型中，語音的傳輸過程可以拆分為2個階段。第一個階段，語音數(shù)據(jù)通過UDP協(xié)議打包從源點pc0-T開始發(fā)送，通過網(wǎng)關(guān)gk0、gk1轉(zhuǎn)發(fā)，將語音數(shù)據(jù)包轉(zhuǎn)發(fā)到目的地點pc0-R，從而實現(xiàn)節(jié)點0~5之間的語音數(shù)據(jù)通信；第二個階段，語音數(shù)據(jù)通過UDP協(xié)議打包從源點pc1-T開始發(fā)送，通過網(wǎng)關(guān)gk1和gk0轉(zhuǎn)發(fā)，將語音數(shù)據(jù)包轉(zhuǎn)發(fā)到目的地點pc1-R，從而實現(xiàn)節(jié)點6~1之間的語音數(shù)據(jù)通信。2個階段連續(xù)的傳輸過程構(gòu)成了VoIP中語音數(shù)據(jù)的基本傳輸過程。此外，為了更加真實地模擬網(wǎng)絡(luò)資源的變化，設(shè)置了一個pc到pc的網(wǎng)絡(luò)數(shù)據(jù)量的傳輸過程。該過程為：網(wǎng)絡(luò)數(shù)據(jù)通過TCP協(xié)議打包從源點pc2-T開始發(fā)送，通過網(wǎng)關(guān)gk0和gk1轉(zhuǎn)發(fā)，將網(wǎng)絡(luò)數(shù)據(jù)包轉(zhuǎn)發(fā)到目的地點pc2-R，從而實現(xiàn)節(jié)點2~7之間的網(wǎng)絡(luò)數(shù)據(jù)的傳輸。通過設(shè)置不同的網(wǎng)絡(luò)數(shù)據(jù)流量可以來模擬當(dāng)前網(wǎng)絡(luò)信道質(zhì)量的好壞，從而為選擇不同的AMR信源編碼模式做準備。

??? 為了檢測網(wǎng)絡(luò)擁塞下新VoIP系統(tǒng)的性能，需要對上述語音模型的一些參數(shù)進行調(diào)整：(1)公共交換網(wǎng)(PSTN)傳輸帶寬的設(shè)定。節(jié)點0~3之間的鏈路是用來模擬PSTN的，而PSTN中最大的語音傳輸速率(無損語音編碼方案G.711)為64 Kb/s，因此為了體現(xiàn)帶寬資源的寶貴性，設(shè)置此鏈路的傳輸帶寬為64 Kb，同理節(jié)點1~3之間、節(jié)點5~4之間、節(jié)點6~4之間的傳輸帶寬也設(shè)為64 Kb；(2)Internet網(wǎng)傳輸帶寬的設(shè)定。節(jié)點3~4之間的鏈路是用來模擬Internet網(wǎng)的，由于Internet網(wǎng)中傳輸數(shù)據(jù)量往往很大，而分配給每個用戶之間的傳輸帶寬是有限的，因此為了體現(xiàn)網(wǎng)絡(luò)帶寬的有限性，設(shè)置此鏈路的傳輸帶寬為1 Mb。同理節(jié)點2~3之間、節(jié)點4~7之間的傳輸帶寬也設(shè)為1 Mb；(3)當(dāng)前網(wǎng)絡(luò)信道質(zhì)量的度量。為了度量當(dāng)前網(wǎng)絡(luò)信道質(zhì)量，選取衡量VoIP系統(tǒng)性能的參數(shù)如時延、抖動、數(shù)據(jù)包丟失率等來作為衡量當(dāng)前信道質(zhì)量的參數(shù)。在本實驗中，選取的是在一定時間內(nèi)的語音數(shù)據(jù)丟包率，其計算公式為：λ=Sd/SRTT，式中Sd為固定時間內(nèi)丟失的語音包數(shù)目，SRTT為固定時間內(nèi)發(fā)送的語音包數(shù)目[4]；(4)AMR信源編碼模式的選擇。由于AMR有8種信源編碼模式，且8種信源編碼模式均是基于ACELP模型，各個模式下重構(gòu)后的語音MOS值相差也不大，但是AMR總的代碼量卻很大，所以綜合衡量起來，可以根據(jù)不同的語音數(shù)據(jù)包丟失率來自適應(yīng)地選取其中的3種，即：MR122、MR74、MR475[3]。選擇標準為：當(dāng)λ≤1%時，選取MR122模式；當(dāng)1%<λ≤3%時，選取MR74模式；當(dāng)λ>3%時，選取MR475模式；初始信源編碼模式為MR122。
3 實驗結(jié)果與分析
??? 新VoIP系統(tǒng)在NS-2平臺下的運行情況如圖2所示。在該運行模型中，節(jié)點2~7之間流量的大小代表了網(wǎng)關(guān)節(jié)點3~4之間鏈路的狀況。即當(dāng)節(jié)點2~7之間傳送的網(wǎng)絡(luò)數(shù)據(jù)很大時(>1 Mb)，則認為節(jié)點3~4之間的鏈路發(fā)生了擁塞狀況；當(dāng)節(jié)點2~7之間傳送的數(shù)據(jù)量較小時(<1 Mb)，則認為不會發(fā)生擁塞狀況。節(jié)點0~6是語音數(shù)據(jù)包的發(fā)送節(jié)點，且具有根據(jù)網(wǎng)絡(luò)質(zhì)量來自適應(yīng)地調(diào)整語音發(fā)送速率的功能，其中初始發(fā)送速率為12.2 Kb/s；數(shù)據(jù)包的發(fā)送用NS-2自帶的Pareto分布流量產(chǎn)生器，這主要是考慮到話音激活檢測技術(shù)(VAD)對IP話音的影響[2]。

??? 此外，為了更加方便和有效地分析實驗數(shù)據(jù)，需要對上述VoIP模型進行簡化處理，簡化后的VoIP傳輸模型如圖3所示。其中節(jié)點2為網(wǎng)關(guān)，節(jié)點3既是網(wǎng)關(guān)也是所有網(wǎng)絡(luò)數(shù)據(jù)的接收節(jié)點；節(jié)點0為語音數(shù)據(jù)包的發(fā)送節(jié)點，節(jié)點1為網(wǎng)絡(luò)數(shù)據(jù)量的發(fā)送節(jié)點。

??? 圖4為采用不同語音算法的網(wǎng)絡(luò)數(shù)據(jù)的時延圖和丟包率圖。

??? 通過實驗結(jié)果可知，網(wǎng)絡(luò)擁塞下的新VoIP系統(tǒng)在時延和丟包率方面均要比基于G.729的VoIP系統(tǒng)優(yōu)越，因而在重構(gòu)后的IP語音MOS值上，新VoIP系統(tǒng)要比原系統(tǒng)更加具備QoS保障性能。
??? 其中在網(wǎng)絡(luò)時延方面，兩者基本上都處于上升階段，但是其最大值均沒有超過250 ms(實時語音傳輸?shù)淖畲髸r延要求)。此外由于新VoIP系統(tǒng)采用了自適應(yīng)機制，故而在上升的趨勢上，前者沒有后者的上升趨勢快，時延時間在整體上要小于后者，如圖4(a)和圖4(b)所示。
??? 在丟包率方面，兩者均隨著數(shù)據(jù)包的增加而呈現(xiàn)出波浪形的發(fā)展趨勢，其中基于G.729算法的VoIP系統(tǒng)的包丟失率在整體上將穩(wěn)定于4%左右，如圖4(d)所示。而基于AMR算法的新VoIP系統(tǒng)由于采用了自適應(yīng)機制，其可以隨著信道質(zhì)量的變化而自適應(yīng)地調(diào)節(jié)發(fā)送速率，但是由于初始速率為MR122模式，這就使得第一次出現(xiàn)的數(shù)據(jù)包丟失率比較大，而后由于采用了自適應(yīng)機制，減小了信源發(fā)送速率，在一定程度上緩解了網(wǎng)絡(luò)擁塞的情況，從而降低了數(shù)據(jù)包丟失率。但是當(dāng)數(shù)據(jù)包丟失率小于3%時，由于用到了MR74模式，之后數(shù)據(jù)包丟失率又有了一個上升趨勢，但是很快就又降了下來，最后將基本保持在3%左右，如圖4(c)所示。
??? 本文介紹了一種基于AMR算法的新VoIP系統(tǒng)，該系統(tǒng)可以隨著網(wǎng)絡(luò)信道質(zhì)量的好壞來自適應(yīng)地調(diào)整發(fā)送端的發(fā)送速率。實驗結(jié)果證明，新系統(tǒng)在網(wǎng)絡(luò)時延和包丟失率上均要優(yōu)于傳統(tǒng)VoIP系統(tǒng)。因而新系統(tǒng)在網(wǎng)絡(luò)擁塞的情況下可以更好地保障重構(gòu)后的語音質(zhì)量，具有良好的應(yīng)用前景。