0 引言
IP电话是一个复杂的系统工程，涉及到的技术也很繁杂，其中尤以下几种技术的发展最为关键，包括分组语音技术、语音编码和压缩技术等。

1 分组语音技术
传统的电话网是以电路交换的方式传输语音，它需要的基本带宽为64kbit／S。而要在基于IP的分组网络上传输语音，就必须对模拟的语音信号进行特殊的处理，使处理后的信号可以适合在面向无连接的分组网络上传输，这项技术称为分组语音技术。
1．1 分组语音技术简述分组语音技术是指将语音信号转换为一定长度的数字化语音包，采用存储转发的方法，以包的形式进行交换和传输的技术。电话技术通常需要64kb／S以上的带宽，而分组语音需要的带宽不到10kb／S。语音代理设备或部件的任务是将语音信息从传统的电话格式转换为适用于分组传输的格式。然后通过网络将分组数据发送到目标的语音代理。

1．2 处理流程无论对于实时的应用还是非实时的应用，发送端语音都要经过模拟信号—数字信号—语音包的处理过程，并在接收端对语音包进行相反的处理，从而得到与输入端相同的语音信号。我们可以把处理流程分为发送端的处理流程和接收端的处理流程两部分来介绍。
1.2.1 发送端的处理流程首先，把模拟信号转换为数字信号，并对其进行进入缓冲器前的量化数据处理。声卡和音频设备先对模拟语音信号进行8位或16位量化，然后再送入缓冲器。其次，把语音包按照特定的帧长进行编码。大部分的编码器都有特定的帧尺寸，若一个编码器使用15ms的帧，则把从第一级来的120ms的包分成8帧，并按顺序进行编码。每个帧合2O个语音样点(抽样频率为8kHz）。编码后，将8个压缩的帧合成一个压缩的语音包送入网络处理器。网络处理器为语音包添加包头、时标和其他信息后通过网络传送到另一端点。

1.2.2 接收端的处理流程首先，网络提供一个可变长度的缓冲器，用来调节网络产生的抖动。缓；中器可容纳许多语音包，用户可选择缓；中器的大小，大的缓冲器能调节大的抖动，但产生延迟较大，小的缓冲器产生延迟较小，但不能调节大的抖动。其次，解码器将经过编码的语音包解压缩后产生新的语音包。这里也可按帧进行操作，完全和编码器的长度相同。若帧长度为15ms，则120ms的语音包被分成8帧，然后被解码还原成20ms的语音数据流送入解码缓冲器。最后，缓冲器中语音样点被播放驱动器取出送入声卡，通过扬声器按预定的频率(例如8kHz)播出。

1．3 分组语音的传输方案和传输系统中的几个关键技术分组语音传输网络可以基于IP、帧中继或异步传输模式(ATM)，这些构成了传统的分组语音传输方案，我们分别称为ATM语音(VoATM)、帧中继语音(VFFP)、IP语音(VOIP)。VOATM(Voice over ATM)是指在ATM网络上传递分组语音的技术。ATM是利用固定长度(53个字节)信元中的48个字节来存放数据信息的，因此，通过ATM传输语音流，要遵循ATM信元的结构规定。VOFR(Voice over Frame Relay)是利用帧中继网络传输分组语音的技术。帧中继论坛FRF.11已经建立了用于帧中继上的语音传输以及有关通话建立、编码类型和分组格式的标准，未来还将提供用于产品互操作性等方面的基本功能。VOIP(Voice over IP)是利用IP网络进行语音通信的技术。IP是无连接的，在优先级、资源预留、分组拆分等领域的优势比较引人注目。IP拥有强大的信令、寻址和路由功能。IP的另一优势在于它与当前众多的数据应用程序的集成，使得IP网络应用无所不在。另外，在分组语音网络传输系统中需要解决以下几个技术才能使分组语音服务满足质量上的需要。
1．3．1 语音编码即如何将语音信息转换为分组信息以及如何将分组信息重新转换为语音。其中包括优化编码方案、寻找最佳算法、对语音进行高效、优质的编解码以及语音恢复等等，这些都已形成了一个学科分支，并受到人们应有的重视。

1．3．2 信令用于鉴别呼叫方所需要呼叫的对象以及呼叫方在网络中的位置。在许多情况下，如何实现语音编码、如何保证语音质量并不是分组语音技术的难点，关键是可行的分组语音应用要求某地的呼叫者连接至使用其标准拨号机制的语音代理，并将呼叫发送至可以访问其他语音代理的用户组。

1．3．3 语音压缩算法语音压缩是分组语音系统中的重要组成部分。目前，通过调制解调器接入网络的最大速率为56kbit／S,远远不能适应多媒体通信的要求，而且因特网不能对传输带宽提供保证，因此必须采用低速率的语音压缩算法来处理语音，这对实时语音应用尤为重要。

1．3．4 音频回声消除技术在IP电话的应用中，人们若使用扬声器和麦克风就可能出现回声现象。本地扬声器输出的模拟语音信号可能又被话筒接收，当信号被传回到源端时，就会产生不必要的回声。在因特网中，呼叫必须经过多个路由器和网关，其相当长的延迟又会造成回声问题的进一步恶化，在系统中使用回声消除技术可以解决这个问题。目前，回声消除技术主要有回声抑制和回声抵消两种。

1．3．5 网络呼叫技求IP电话采用分布式的呼叫模式。因为不需要通过电路交换完成呼叫，所以每个终端都使用了呼叫处理器。单工呼叫模式仅支持一个终端的呼叫，且需要本地呼叫驱动的支持。通过触发本地呼叫驱动软件建立一次呼叫，而呼叫驱动利用传输控制协议(TCP)的套接字(Socket)与另一端的呼叫驱动建立信令连接，从而触发另一端的单工呼叫。

2 语音的编码及压缩技术
模拟语音信号必须经过处理，转换成适合在IP网络上传输的 IP数据包。这个过程需要先进行数字编码，转换为PCM码，然后经过专门的DSP芯片进行数据压缩，最后再打上IP包的标记，形成IP数据包的形式，以适合IP网络上的传输带宽，其中涉及到了PCM、DSP、编码、压缩等内容。

2.1 PCM技术介绍脉冲编码调制(Pulse Code Modulation简写为PCM)，是指把模拟信号转化为数字信号的过程，为目前世界各国主要采用的方式。PCM包括抽样、量化和编码三个过程。

2.2 DSP介绍简述DSP是数字信号处理器(Digital Signal Processor)的缩写，属于MPU(微处理器)的一种，它主要应用于声音压缩、图像压缩等数字压缩技术领域，能将声音、图像、温度压力等种种模拟信号高速转变成数字信号。

2．3 IP语音编码与压缩技术通过Internet传输实时的语音或图像与传输普通数据是不一样的，应用网络的组成必须符合这种实时传输的需要。这种传输与传统的数据传输有着很大的区别。对于越来越多的语音服务商们来说，能支持高品质的VoIP(Voice over IP)应用是走向成功的一个关键因素。话音的分组传送通常要求网络提供充足的带宽，所以对现有的多数IP网络而言，话音压缩技术是实施IP话音通信的关键所在。编码压缩方法由ITU统一制定，并标准化。它的压缩能力由DSP的处理能力决定，通常DSP的处理能力用MIPS(Millions of intructions per second)来度量。编码压缩仅负责对实际传输的lP分组数据进行压缩，它不负责对IP头压缩，一般，IP／UDP头(包括地址信息和控制信息)要耗去7kb／S左右的带宽，如果有些IP路由器支持IP包头的压缩，那么带宽损耗可以降低到2～3kb／S左右。