本文通過研究英飛凌基于VoIP引擎VINETIC-2PLUS的參考系統，揭示了影響VoIP語音質量的關鍵因素以及克服挑戰的方法，并提出依靠無縫的VoIP解決方案而非僅靠高速的連接帶來未來網絡上的語音品質。

　　自從貝爾發明電話，人類能夠遠距離傳遞聲音以來，語音通訊系統在100多年中經歷了多次變革，從模擬傳送到數字交換，從有線電話到無線通訊，而其中有創造性的就是VoIP技術的發展與應用。早期的VoIP是伴隨著個人電腦以及互聯網的出現而誕生的，但由于網絡物理條件的限制(包括帶寬、時延、抖動等因素)，當時的VoIP 在很大程度上是一種PC與PC之間的游戲。“我能聽到你了！”就是使用者的目標。隨著互聯網的快速發展和基于包交換的數據網絡逐漸成熟，基于IP的語音通訊質量得以不斷提高，更多的應用方式也應運而生，例如使用專門的VoIP終端，使用戶實現近乎即插即用的VoIP通信體驗，并且實現了用戶ID的移動性(號碼可攜)和通訊終端多元化。

　　現在芯片公司都競相提供集成度更高的VoIP 用戶端設備(CPE)方案，例如基于以太網的VoIP電話、模擬終端適配器(ATA)、基于xDSL技術的VoIP家庭網關等等。于是，如何保證VoIP在24x7狀態下的通話質量，并使其成為能夠取代傳統模擬語音接入線路的個人通訊系統，便成為了人們的新要求。

　　從表面上看，只要IP網絡不斷發展，VoIP的質量就能相應得到提高，但實際情況到底是不是這樣呢？我們暫時拋開這個問題，先來探討一下影響VoIP語音質量的關鍵因素，以及應該在VoIP CPE系統中采用何種方式去應對這些挑戰。

　　當使用電話通信的時候，人耳對于聲音的質量十分敏感。在VoIP系統中有損語音質量的干擾通常由抖動、回聲、時延、靜音和丟包等因素造成。

　　網絡抖動會造成語音數據包的抵達時間不一致。在發送端，按照一定的速度和次序生成語音數據包，但是在經過IP網絡傳送后，數據包往往以不同的速度和次序抵達接收端。通常較高的抖動出現在低速率和擁塞的網絡里，利用QoS控制機制、帶寬預留、分級隊列和高速網絡技術(例如Gb以太網、VDSL2或者PON等)可以減少抖動的發生。但作為IP網絡的固有特征之一，網絡抖動始終存在于全網任何端到端的路徑上。

　　回聲是指通信方聽到自己的聲音被反射回來，其物理解釋是發送的語音泄漏到了回傳線路上。由于線路和電話機AC阻抗的不確定性，當用戶線路2/4線匹配時將不可避免地產生線路回聲。

　　時延是指從網絡發送端到接收端所需的時間。人耳對任何超過50ms的時延都會有所察覺。通常，IP網絡的時延大于傳統TDM網絡，而且較大的時延會使回聲變得更加明顯。

　　靜音是指當通話一方靜默傾聽另一方說話的時候，為了減少流量，此時在VoIP系統中不會產生語音數據包。但是，當靜默一方開始說話的時候，系統必須快速擺脫靜音狀態，以避免話音丟失。

　　丟包也是IP網絡上的一種常見現象。通常，如果一個數據包無法在可接受的時延內抵達接收端，就會被接收方按丟失情況處理。

　　由于上述多種因素互相關聯，所以一個出色的VoIP CPE系統必須能對各種因素分別進行處理，并協調各個模塊的工作狀態以獲得的語音質量。下面將以英飛凌科技公司的一款集成了VoIP功能的寬帶路由器方案為例，說明帶FXS的VoIP CPE系統的組成，并討論如何在芯片和系統設計中提高語音質量。

　　如圖1所示，這款VoIP寬帶路由器主要由英飛凌的VoIP處理器VINETIC-2PLUS，和家用網關處理器ADM5120組成。作為全球款集成了多通道VoIP處理器、動態存儲器、雙路A/D編解碼器和用戶線路接口芯片(SLIC)的CPE VoIP引擎，VINETIC-2PLUS具有從POTS、語音的模/數轉換到壓縮編解碼、封包和其它VoIP處理的全部功能。

圖1:VoIP寬帶路由器系統由VoIP處理器VINETIC-2PLUS和家用網關處理器ADM5120組成。

　　圖2為VoIP CPE系統中的基本數據流。下行語音數據以IP包的方式被接收，在網絡處理器內，這些語音數據的IP頭被剝離，并根據UDP頭來判斷其數據端口。然后，UDP頭也被剝離，數據以RTP的形式被傳送到抖動緩沖器。抖動緩沖器對VoIP系統的語音質量影響很大。VINETIC中內置的抖動緩沖器通過在播放前對抵達的數據包進行短期緩存，實現減小或消除抖動的目的，它通過判斷時間戳來重新整理抵達的數據包，并不斷自動調整可用緩存大小，以適應網絡抖動的變化。這種自適應的抖動緩沖器通常被用于VoIP系統以滿足IP網絡的動態特性。另一方面，由于時延隨緩存增大而增長，抖動緩沖器還必須平衡質量和時延之間的關系，以便將時延優化到小，同時又不會因為緩存過小而造成語音播放間斷。

圖2：VoIP CPE系統中的語音數據處理流程。

　　抖動緩沖器和播放組件緊密協作，后者負責在正確的時間播放相應的語音數據包。如果發送端的過高采樣率導致抖動緩沖器中數據包的抵達速度超過播放速度，則播放組件將丟棄一些采樣數據；反之，如果緩存被清空，則必須多產生一些數據來避免語音間斷。壞幀掩蔽(BFM)和丟包隱匿(PLC)機制可以用來解決語音間斷問題。此外，語音事件數據和對方靜音將在該組件中被檢測出來，以產生相應的音頻信號或舒適噪聲。

　　當處理器解壓縮語音編碼后，數據被送往D/A轉換編碼器和SLIC，然后SLIC進行4/2線轉換并將模擬信號送至雙絞線和電話。在上行方向，模擬語音信號從電話到達SLIC和A/D轉換器，然后進入語音處理器(集成了線路回聲消除(LEC)單元)。線路和電話機阻抗的任何微小不匹配都會在2/4線轉換時產生語音泄漏(即回聲)。