Основные характеристики Н. 323

Основные характеристики Н.323:

• 1) независимость от сети, т. е. возможна работа поверх существующихВ архитектур сетей;
• 2) управление шириной полосы — каждому Н.323-вызову выделяетсяВ определенная ширина полосы;
• 3) независимость от приложения и платформы — не требуется применения определенной аппаратной или программной платформы;
• 4) поддержка многосторонних конференций;
• 5) взаимодействие — прозрачная коммутация для конечного пользователя;
• 6) гибкость — в одной Н.323 конференции могут участвовать терминалы различных возможностей коммуникации.

Обработка звуковых сигналов (Audio Signal)

Одним из важных факторов эффективного использования пропускной способности IP-канала является выбор оптимального алгоритма кодирова-ния/декодирования речевой информации — кодека.

Типы речевых кодеков по принципу действия можно разделить на три группы:

• • с импульсно-кодовой модуляцией (ИКМ) и адаптивной дифференциальной импульсно-кодовой модуляцией (АДИКМ):
  • — разработаны в конце 1950;х гг.,
  • — используются в системах традиционной телефонии;
• • с вокодерным^[1] преобразованием речевого сигнала:
• — разработаны для снижения требований к пропускной способностиВ радиотракта в системах мобильной связи,
• — применяется гармонический синтез сигнала на основании информации о его вокальных составляющих — фонемах,
• — реализованы как аналоговые устройства;
• • комбинированные (гибридные) кодеки:
• — сочетают в себе технологию вокодерного преобразования / синтеза речи, но оперируют с цифровым сигналом посредством специализированных преобразователей цифровых сигналов,
• — содержат в себе ИКМ или АДИКМ кодек и реализованный цифровым способом вокодер.

Оценка MOS. Средняя экспертная оценка разборчивости речи (Mean Opinion Score, MOS) — метод субъективного тестирования качества речи, В часто используемый для сравнения характеристик речевых кодеков, В при котором слушатели выставляют оценки по пятибалльной системе. В Результирующая оценка MOS вычисляется как среднее арифметическоеВ для большого числа оценок.

Оценки MOS.

Таблица 8.2

Рекомендация G.711^[2] описывает кодек, использующий преобразование аналогового сигнала с точностью 8 бит, тактовой частотой 8 КГц и простейшей компрессией амплитуды сигнала. Скорость потока данных на выходеВ преобразователя составляет 64 кбит/с (8 бит х 8 КГц). Для снижения шумаВ квантования и улучшения преобразования сигналов с небольшой амплитудой при кодировании используется нелинейное квантование по уровнюВ согласно специальному псевдологарифмическому закону. Существуют дваВ основных алгоритма, представленных в стандарте.

1. p-law (используется в Северной Америке и Японии):В прямое преобразование.

обратное преобразование.

где р = 255 (8 бит).

2. Л-law (используется в Европе и остальном мире):В прямое преобразование.

обратное преобразование В где А = 87,6 — параметр сжатия.

Оба алгоритма являются логарифмическими, но более поздний Л-law был изначально предназначен для компьютерной обработки процессов. В Типичная оценка MOS составляет 4,2. Обычно любое устройство VoIPВ поддерживает этот тип кодирования.

Кодек G.711 широко распространен в системах традиционной телефонии с коммутацией каналов. Несмотря на то, что рекомендация G.711 в стандарте Н.323 является основной и первичной, в шлюзах 1Р-телефонииВ данный кодек применяется редко из-за высоких требований к полосе пропускания и задержкам в канале передачи. Использование G.711 в системахВ IP-телефонии обоснованно лишь в тех случаях, когда требуется обеспечитьВ максимальное качество кодирования речевой информации при небольшомВ числе одновременных разговоров.

Кодек G.723.1^[3] является одним из базовых кодеков сжатия речи, утвержденным ITU-T в рекомендации G.723.1 в ноябре 1995 г. Кодек предназначен для приложений IP-телефонии, в частности, для организацииВ видеоконференций по телефонным сетям. Рекомендация G.723.1 являетсяВ частью более общего стандарта Н.324, описывающего подход к организации видеоконференций, при этом целью является обеспечение видеоконференций с использованием обычных модемов.

Кодек G.723.1 представляет собой комбинацию аналого-цифрового пре-образования/цифро-аналогового преобразования и вокодера. Применение вокодера позволяет снизить скорость передачи данных в канале, что принципиально важно для эффективного использования как радиотракта, такВ и 1Р-канала.

Кодек G.723.1 осуществляет преобразование аналогового сигнала в поток данных со скоростью 64 кбит/с (ИКМ), а затем при помощи многополосного цифрового фильтра/вокодера выделяет частотные фонемы, В анализирует их и передает по IP-каналу информацию только о текущемВ состоянии фонем в речевом сигнале. Данный алгоритм преобразованияВ позволяет снизить скорость кодированной информации до 5,3−6,3 кбит/сВ без видимого ухудшения качества речи.

Кодек G.723.1 предусматривает два режима работы: 6,3 кбит/с (кадр имеет размер 189 бит, дополненных до 24 байт) и 5,3 кбит/с (кадр имеетВ размер 158 бит, дополненных до 20 байт). Первый режим применяетсяВ для сетей с пакетной передачей голоса и использует алгоритм сжатия речиВ MP-MLQ (Multipulse Maximum Likelihood Quantization — многоимиульсное квантование с максимальным правдоподобием), который позволяет добиться весьма существенного сжатия речевой информации при сохранении достаточно высокого качества звучания. Второй режим применяетсяВ в сетях со смешанным типом трафика (голос/данные) и использует алгоритм CELP (Code Excited Linear Prediction — кодирование с линейнымВ предсказанием). Режим работы кодека G.723.1 может меняться динамически от кадра к кадру.

Алгоритм CELP^[4] построен на модели кодирования с использованием процедуры «анализа через синтез», линейного предсказания и векторногоВ квантования. CELP-анализ состоит из трех основных процедур:

• — кратковременное линейное предсказание;
• — долговременный поиск по адаптивной кодовой книге;
• — поиск по стохастической кодовой книге.

CELP-синтез состоит из этих же процедур, выполненных в обратном порядке.

Кодер оперирует с кадрами речевого сигнала длиной 30 мс, дискретизованными с частотой 8 КГц. Для каждого кадра производится анализ речевого сигнала и выделяются передаваемые параметры CELP-модели:В 10 линейных спектральных пар (несут информацию о коэффициентахВ фильтра линейного предсказания), индексы и коэффициенты усиленияВ в адаптивной и фиксированной кодовых книгах. Далее эти параметрыВ кодируются в битовый поток и передаются в канал.

В декодере эта битовая посылка используется для восстановления параметров сигнала возбуждения и коэффициентов синтезирующего фильтра. Далее восстанавливается речь путем пропускания сигнала возбужденияВ через синтезирующий фильтр. Затем для улучшения качества восприятияВ синтетического сигнала выходной сигнал с фильтра-синтезатора пропускается через постфильтр.

Длительность кадров кодека G.723.1 составляет 30 мс с длительностью предварительного анализа сигнала 7,5 мс.

Оценка MOS для данного кодека составляет 3,9 в режиме 6,3 кбит/с и 3,7 — в режиме 5,3 кбит/с.

Кодек G.726. Рекомендация G.726 основана на алгоритме кодирования ADPCM — адаптивная дифференциальная ИКМ. Этот алгоритм дает практически такое же качество воспроизведения речи, как и ИКМ, однакоВ для передачи информации при его использовании требуется полоса всегоВ 16−32 кбит/с. Кодек предназначен для использования в системах видеоконференций; в приложениях IP-телефонии этот кодек практическиВ не применяется. Оценка по MOS составляет 4,3.

Алгоритм G.728 стандартизован ITU в 1992 г.^[5], основан на методе LD-CELP (Low-Delay Code Excited Linear Prediction — кодирование с линейным предсказанием и низкой задержкой) и предназначен для сжатия и передачи речевых данных со скоростью 16 кбит/с, при этом внося задержку при кодировании от 3 до 5 мс.

Алгоритм применяется к цифровой последовательности, получаемой в результате аналого-цифрового преобразования речевого сигнала с 16-разрядным разрешением. Входной сигнал с частотой дискретизацииВ 8кГц, сжатый по А- или p-закону (см. подпараграф 8.2.4), преобразуетсяВ для получения линейного кода.

Оценка MOS для данного кодека составляет 3,6. G.728 предназначен для использования в основном в системах видеоконференций. В устройствах IP-телефонии данный кодек применяется достаточно редко.

В основе кодеков G.729^[6] лежит алгоритм CS-ACELP (Conjugate Structure — Algebraic Code Excited Linear Prediction) — сопряженная структура с управляемым алгебраическим кодированием с линейным предсказанием. Процесс преобразования вносит задержку 15 мс. Скорость кодированного речевого сигнала составляет 8 кбит/с.

Алгоритм основан на модели кодирования с использованием линейного предсказания по алгебраической кодовой книге (CELP-модель). КодерВ оперирует с кадрами речевого сигнала длительностью 10 мс, дискретизованными с частотой 8 КГц, что соответствует 80 16-битным отсчетамВ в линейном законе. Для каждого кадра производится анализ речевого сигнала и выделяются параметры модели (коэффициенты фильтра линейногоВ предсказания, индексы и коэффициенты усиления в адаптивной и фиксированной кодовых книгах). Далее эти параметры кодируются и передаютсяВ в канал.

В декодере битовая посылка используется для восстановления параметров сигнала возбуждения и коэффициентов синтезирующего фильтра. Речь восстанавливается путем пропускания сигнала через кратковременный синтезирующий фильтр.

Синтезирующий фильтр имеет полюсную передаточную функцию 10-го порядка. Для работы синтезатора основного тона используется адаптивная кодовая книга. В последующем речь улучшается адаптивной постфильтрацией.

В случае потери передаваемой кодером битовой посылки исходные данные для речевого синтезатора получаются интерполяцией данных с предыдущих нс поврежденных кадров, но при этом энергия интерполированного речевого сигнала постепенно уменьшается, что не создает особого дискомфорта у слушателя.

В устройствах VoIP и VoFR данный кодек занимает лидирующее положение, обеспечивая наилучшее качество кодирования речевой информации при достаточно высокой компрессии.

• [1] Вокодер — электронный цифровой музыкальный инструмент, преобразующий звукВ человеческого голоса путем изменения его волновых и частотных характеристик.
• [2] ITU-T Recommendation G.711: Pulse code modulation (PCM) of voice frequencies. 1988.
• [3] ITU-T Recommendation G.723.1: Dual rate speech coder for multimedia communications transmitting at 5.3 and 6.3 kbit/s. 1996, 2006.
• [4] Federal Standard 1016, Telecommunications: Analog to Digital Conversion of RadioВ Voice by 4,800 bit/second Code Excited Linear Prediction (CELP). Washington: NationalВ Communications System, Office of Technology, Standards, 1991; NCS Technical InformationВ Bulletin 92−1. Details to Assist in Implementation of Federal Standard 1016 CELP.
• [5] ITU-T Recomendation G.728: Coding of speech at 16 kbit/s using law delay code excitedВ linear prediction. 1992.
• [6] ITU-T Recommendation G.729: Coding of speech at 8 kbit/s using conjugate-structure algebraic-code-excited linear-prediction. 1996; ITU-T Recommendation G.729 — Annex A, В Coding of speech at 8 kbit/s using conjugate-structure algebraic-code-excited linear-predictionВ (CS-ACLEP), Annex A: Reduced complexity 8 kbit/s CS-ACELP speech codec. 1996; ITU-TВ Recommendation G.729 — Annex B. Coding of speech at 8 kbit/s using conjugate-structureВ algebraic-code-excited linear-prediction (CS-ACLEP), Annex B: A silence compression schemeВ for G.729 optimized for terminals conforming to Recommendation V.70. 1996.