VOICE VOER IP：承载在IP数据包中的语音信息
分组电话网络的优点：
Mor efficient use of bandwidth and equipment
Lower transmission costs
Conolidated network expenses
Increased revenue from new services
Service innovation
Access to new communications devices
Flexible new pricing structures
五类局：只能做内部交换（类似二层交换机）
六类局：可以做路由（类似路由器）
中国使用的是1号信令和7号信令
信令是运行在PBX与PBX之间的
PBX（程控交换机）
VOIP与PSTN之间最大的区别是：
VOIP使用的是包交换、分组交换
PSTN是使用的电路交换。
IP phones:有硬件和软件两种形式
Gatekeeper网守：主要提供两种能力，一是呼叫先路（IP电话拨号一个号码，代表了一个IP目的地，而网守相当于一个DNS，做了号码与IP目的地的映射或解析）；二是提供连接管理控制
Gatewary语音网关：Provides translation between VoIP and non-VoIP networks, such as the publicswitched telephone network(PSTN). It also provides physical access for local analog and digital voice devices, such as telephones, fax machines,key sets, and PBXs.数字信号与模拟信号的转换
Multipoint Control Unit（MCU）：（多点控制单元）Provides real-time connectivity for participatsinmultiple locations to attend the same videoconference or meeting.
Call agent呼叫代理：整个通信的过程由呼叫代理进行控制，相当于传统的程控交换机。呼叫代理有两种，一种是专用的的呼叫代理软件，比如思科的CCM；另一种是用思科的IOS来做CALL MANAGER，也叫CMG
Application server应用和数据服务器：在其上存放着所有IP电话的配置文件，当IP电话启动后，它成了一个TFTP服务器，所有的IP电话会去从它上面下载读取配置文件。
Videoconference station 视频会议终端：Provides access for end-user participation in videoconferencing. The videoconference station contains a video capture device for video input and a microphone for audio input. The user can view video streams and hear the audio that originates at a remote user station.
Other components, such as software voice applications,interactive voice response(IVR)systems,and soft phones,provide additional services to meet the needs of enterprise site
通信在VOIP里面有四种协议：
Sip会话初始化协议
Mgcp媒体网关控制协议
H.323 H.248
两种最基本的VOIP：
1、 使用传统模拟电话机对话音进行采样，再通过话音网关进行数模转换，进而在IP网络上传输，到达对端后再通过语音网关还原为模拟信息，送达目的的传统话机上。
2、 使用专用的IP电话机对语音进行采样，全程都在IP网上进行传输，没有进行数字模拟的转换工作。
模拟信号接口类型：
FXS：外部交换站，连接电话机的永远是FXS接口
FXO：外部交换局。
E&M Trunk：程控交换机之间的连接线路或程控交换机与语音网关之间的连接线路，E&M分了6种类型
传统的电话线路叫做FX线路，一条线路上要求要有一个站端和一个局端，FXO要为FXS提供馈电、拨号音、响铃铃流等。
数字信号接口类型：
|
|
提供的语音通道
|
信令
|
成帧时的头部长度
|
总共需要的带宽
|
|
BRI
：
|
2
|
1
个信道
,16kbps
|
48kbps
|
192kbps
|
|
T1 CAS
|
24
|
In-band
|
8kbps
|
1544kbps
|
|
T1 CCS
|
23
|
1
个信道
,64kbps
|
8kbps
|
1544kbps
|
|
E1 CAS
|
30
|
64kbps
|
64kbps
|
2048kbps
|
|
E1 CCS
|
30
|
1
个信道
,64kbps
|
64kbps
|
2048kbps
|
CAS叫做随路信令，也叫做信道关联信令
CCS叫做共路信令，也叫做共同信道信令
电话之间通信需要相关的控制信令，VOIP的信令目前有三种：
1、H.323 ITU-T标准，国际电联标准，用于分布式呼叫控制
2、MGCP IETF标准，用于集中式呼叫控制
3、SIP IETF标准，会话初始化协议，用于分布式呼叫控制
VOIP的大体过程：
第一步：
1、
call routing：拨出电话号码，并将其转换为IP地址，也就是呼叫选路
2、
CAC-call admission control：呼叫接纳控制，本步是可选的，不是每次都必须执行，它的作用是来确认网络中的资源是否充足，比如是否有足够的带宽来保证通信，如果资源不够，CAC会给呼叫发起方发出一个通告告知相关情况，具体表现形式就是传来的忙音
第二步：
如果资源充足，那么在正式通信前，还要进行一些协商，包括协商源目IP地址、协商RTP协议的源目端口号、协商本次通信中所使用的编解码和压缩算法，如果协商能够成功，那么电话就打通了，进入呼叫的维护阶段（这里还要考虑交换了多少个包，延迟、抖动、通信质量的监控等），可以进行通话了
第三步：
当呼叫结束时挂机，释放所占用的相关资源
分布式和集中式呼叫控制：主叫被叫都是传统电话的情况下
1、
分布式呼叫控制：由两个或多个语音网关组成。主叫摘机，本地语音风头给其拨号音，主叫拨号，本地语音网关收到并查看自己的呼叫路由表中是否有相关映射，如果有则向远端语音网关发出呼叫建立信号和被呼叫号码，远端语音网关收到呼叫建立信号和被呼叫号码后查看呼叫路由表，发现被叫与自己是直连关系FXS空闲，于是给被叫发出响铃电流，当被叫收到响铃电流时开始振铃，被叫摘机，呼叫建立。
2、
集中式呼叫控制：由call agent与语音网关组成。相比上述方式，本地语音网关与远端语音网关是不作选路的，也就是不会查看呼叫路由表。主叫摘机，本地语音网关发现后通知呼叫代理，呼叫代理给其拨号音，主叫拨号，本地语音网关收到后不作任何处理发给呼叫代理，由呼叫代理根据自己的呼叫路由表来进行集中式的选路，并对被叫发出响铃电流，当被叫收到响铃电流时开始振铃，被叫摘机，呼叫建立。
语音编码基础：将模拟信号和数字信号相互转换
模拟转数字的四个阶段：
1、
采样：周期性的捕捉和记录语音信号的过程，采样结果叫做PAM脉冲调辐信号
2、
量化：采用某种换算的方法将PAM辐度分配不同数值的过程
3、
编码：用二进制把量化结果进行表示
4、
可选的压缩：对IP数据包进行压缩尽量变小以方便传输
数字转模拟的四个阶段：
把上面4个阶段反过来即可，也就是个还原的过程
采样率：在采样阶段每秒钟采样的次数，采样率越高还原后的质量越好，当然对应的数据量就越大
尼奎斯特定则：采样率至少为被采样信号的量高频率的两部。
这样才能为接收端还原信号提供足够的信息
人类说话声音的频率为200到9000HZ，听分辨的频率为20到20000Hz
传统电话系统采样是300到3400Hz，而数字电话的采样范围就宽广了很多，比如4000Hz的声音在传统电话系统上无法进行采样，但数字电话可以提供高达8000Hz的采样率，这也说明了IP语音比传统语音效果要好
量化：
将坐标轴的Y的正负极各分为8个段，每个段又分了16级，所以总共有256种离散等级或叫离散值
1个字节=8个bit位，第一位用来表示正负；第二、三、四位用来表示8个段；第五、六、七、八位用来表示16级
假设采样率为每秒8000，而每次采样都需要用一个字节也就是8bit来描述，也就是每秒钟分产生64000bit的数据，也就是64k/s
采样不可能每次都正好和256级的离散相匹配，这就导致了还原出来的信号和原始信号多少有些差异也叫失真，这种差异叫做量化误差或量化操音
量化模型分为两种：
1、
线性量化：级与级之间是等距的
2、
对数量化：级与级之间是非等距的，越靠近X轴分布得越密集，越远越稀疏。这种模型较好对数量化又分为两种变体；
MU-LAW：贝尔试验室发明，由加拿大、美国、日本使用
A-LAW：其它国家
语音编解码技术：
标准编解码 比特率(kbps) 语音质量（MOS平均意见成绩-ITU推出用来描述语音质量的标准）
G.711,PCM 64 4.1
G.726,ADPCM 16,24,32 3.85
G.728,LDCELP 16 3.61
G.729,CS-ACELP 8 3.92
G.729A,CS-ACELP 8 3.9
DSP——数字信号处理器：语音应用的专用处理器，功能如下：
1、
语音终结：数模转换、编解码、压缩、回声抵消、静音检测、舒适噪音生成、抖动处理等
2、
会议流：将各方的声音融合为一路语音
3、
译码：不同编码技术之间进行转换
|
|
语音需求
|
TCP
需求
|
UDP
需求
|
RTP
需求
|
|
可靠性
|
NO
|
YES
|
NO
|
NO
|
|
排序性
|
YES
|
YES
|
NO
|
YES
|
|
时间戳
|
YES
|
NO
|
NO
|
YES
|
|
多路复用
|
YES
|
YES
|
YES
|
NO
|
RTP：实时传输协议，基于UDP之上的运行
语音解决方案=UDP+RTP
语音的封装：
IP+UDP+RTP+G.711（20ms of voice）
20 8 12 160
IP+UDP+RTP+G.729（20ms of voice）
20 8 12 20
报头过于大而显得效率低下，希望报头变小，所以产生了cRTP（压缩的RTP）
Crtp+G.729orG.729
2or4 20or160
2个字节表示没有校验，4个字节代表有校验
cRTP=IP+UDP+RTP
cRTP不是端到端的压缩，它只是在整个路径上某条链路的两端设备中进行的压缩，如果希望继续压缩传递，下一个设备必须先解压综再压缩
cRTP耗用硬件资源，并且会带来更多的延时，思科设备默认最多支持16路cRTP会话。
带宽需求的相关因素：
1、
包速率：单位是PPS，与包的大小成反比
2、
头部开销：包括IP、UDP、RTP
3、
数据链路层头部开销：以太网18，FR6，MLP6，以太网trunk22
4、
遂道开销：IPSEC TRANSPORT MODE30-53/IPSEC TUNEL MODE50-73/L2TP&GRE24/MPLS4/PPPOE8
打包周期：通常为10ms一个包，思科是把20ms的内容放在一个包里面。包里的内容越长越有效率，但一旦丢包就比较明显，所以太小了不好，太大了也不好
计算带宽需求：
1、
收集确认打包周期和编码带宽
2、
收集链路信息：cRTP使用否、数据链路层协议、IPSEC或其它遂道协议使用否
3、
计算完整的包和帧的大小
需求带宽（kbps）=（整个包大小（bytes per packet）*8/1000）*包速率（pps），下面是各部分分解：
整个包大小=数据链路层头部+其它头部+IP包头+packetization size 单位都是bytes per packet
其它头部：IPSEC/Tunneling protocol
Packetization size=（打包的周期(ms per packet)1000）*（编解码带宽（kbps）*1000/8）
包速率（pps）=1/（打包的周期（ms per packet）/1000）
普通以太网，G.711，打包周期20ms，100部电话，至少需要多少带宽？
Packetization size是160
IP头部是40
其它头部是0
数据链路层头部是18
（（（160+18）*8/1000）*1（20/1000））*100=8720kbps
VAD作用：能够节省35%的带宽，但在计算不要去作考虑
1、
静音检测：通话双方停止发言就没有必要打包传输数据
2、
单向音频：只允许一方说话，另一方停止采样
VAD的实际效果与音频类型、背景噪音等级、不同的说话方式、语言等有关系
本文转自 ltyluck 51CTO博客，原文链接:http://blog.51cto.com/ltyluck/207219
