[发明专利]最小化分组网络上通话的端到端延迟的方法、系统和电路

说明书

技术领域

本发明涉及数据通信，更具体地说，涉及一种最小化分组网络上通话的端到端延迟的方法、系统和电路。

背景技术

在音频编码(有时称为“音频压缩”)过程中，编码器将输入音频信号编码为压缩数字比特流，以便进行传送或存储，解码器将传送的或存储的比特流解码为输出音频信号。编码器和解码器的组合称为编解码器。输入音频信号通常分割为段，称为“帧”，编码器对每个帧进行编码，生成代表该帧的压缩比特流。在本文中，术语“帧”有时是指输入音频信号段，有时是指代表这种段的压缩比特流。

在分组语音网络(voice over packet network)如网络电话协议(VoIP)网络中，编码语音信号帧必须封装在一个或多个数据分组的载荷中，然后进行传送。用于对编码语音信号进行打包(packetize)的多数传统的语音编码器不允许将单个帧分割为多个数据分组内。实际上，熟知的实时传输协议(RTP)标准(一种互联网工程任务组(IETF)标准，其中定义有用于在互联网上传送音频和视频数据的协议)特别反对将帧分割在多个数据分组内。这是因为多数语音解码器需要的是整个编码语音数据帧，以便成功的进行解码操作。因此，如果将一个帧分割到多个数据分组内，且在传输过程中其中的一个分组丢失(或延迟时间过长使得看起来像是丢失)，则多数传统的解码器将无法使用其余的分组，即使这些分组都已成功接收。因此，可以看出，将帧分割到多个数据分组内的方法将增大通信系统的丢包率。

分组语音网络效率不高的主要原因在于电话通话的端到端延迟或时延不可避免的高于传统电路交换网络。其中的一部分原因在于，电路交换网络可以以样本为单位传送语音信号。也就是说，在电路交换网络中，输入语音的每个样本将通过如脉冲编码调制(PCM)技术编码为少量比特(例如8个比特)，然后立即在网络上传送这些比特。相比之下，如上所述，在分组语音网络中，必须收集至少一个完整的编码音频信号帧，并在打包之后进行传输。例如，若分组语音网络中的编码器以16kb/s的比特率来编码以8kHz的采样率采样的语音，帧长为20毫秒(ms)，则需要在传输之前收集和打包至少40字节的编码数据。

对于双向通信而言，实现较低的端到端延迟十分重要，这是因为如果延迟过长，则通话质量将受到影响。例如，端到端连接中的声音信息和电子回声在延迟增大时将变得更为明显。这是因为回声延迟的时间越长，人耳就越能感觉得到。为了解决这一问题，通常使用能够显著降低回声的回声消除器。然而，这将增加语音通信中电话设备的成本和复杂度。在通话过程中，显著的延迟如150ms或更长的延迟将造成很大的问题，导致通话双方发话时间重叠，并会造成对方参与者发话内容的丢失。

正如上文所指出的，分组语音网络中的编码器必须积累至少一个编码语音信号帧，并进行打包然后进行传输。多数传统的低比特率编解码器(也就是以每样本2比特或更低比特率工作的编解码器)使用的帧长度至少为10ms。例如，G.729编解码器使用10ms帧长度。许多其他的传统低比特率编解码器所使用的帧长度长达20ms或30ms。

用于降低分组语音通信延迟的一种方法是降低帧长度，从而降低在传输前需要积累和打包的编码数据量。BroadVoice^TM是由美国博通公司(加州尔湾)开发的应用于VoIP应用(包括有线电缆上的语音、DSL上的语音和IP电话应用)的语音编解码器族。BroadVoice^TM编解码器族包括两个编解码器版本。窄带版本的BroadVoice^TM称为BroadVoice16或BV16，以16kb/s的比特率来编码以8kHz采样率采样的窄带语音。宽带版本的BroadVoice^TM称为BroadVoice32或BV32，以32kb/s的比特率来编码以16kHz采样率采样的宽带语音。为了将实时双向通信中的延迟降至最低，BV16和BV32编码语音时的帧长度都非常小，为5ms。通过在必要时使用小至5ms的分组长度，基于BroadVoice^TM的VoIP系统具有非常低的端到端系统延迟。例如，通过使用5ms的分组长度，基于BV16的VoIP系统在传送之前只需编码和打包10字节的数据，基于BV32的VoIP系统在传送之前只需编码和打包20字节的数据。