通过因特网进行语音通信是一个非常复杂的系统工程，其应用面很广，因此涉及的技术也特别多，其中最根本的技术是VoIP (Voice over IP)技术，可以说，因特网语音通信是VoIP技术的一个最典型的、也是最有前景的应用领域。因此在讨论用因特网进行语音通信之前，有必要首先分析VoIP的基本原理，以及VoIP中的相关技术问题。
一、 VoIP的基本传输过程
传统的电话网是以电路交换方式传输语音，所要求的传输宽带为64kbit/s。而所谓的VoIP是以IP分组交换网络为传输平台，对模拟的语音信号进行压缩、打包等一系列的特殊处理，使之可以采用无连接的UDP协议进行传输。
为了在一个IP网络上传输语音信号，要求几个元素和功能。最简单形式的网络由两个或多个具有VoIP功能的设备组成，这一设备通过一个IP网络连接。VoIP模型的基本结构图如下图所示。从图中可以发现VoIP设备是如何把语音信号转换为IP数据流，并把这些数据流转发到IP目的地，IP目的地又把它们转换回到语音信号。两者之音的网络必须支持IP传输，且可以是IP路由器和网络链路的任意组合。因此可以简单地将VoIP的传输过程分为下列几个阶段。
1、 语音-数据转换
语音信号是模拟波形，通过IP方式来传输语音，不管是实时应用业务还是非实时应用业务，道貌岸首先要对语音信号进行模拟数据转换，也就是对模拟语音信号进行8位或6位的量化，然后送入到缓冲存储区中，缓冲器的大小可以根据延迟和编码的要求选择。许多低比特率的编码器是采取以帧为单位进行编码。典型帧长为10~30ms。考虑传输过程中的代价，语间包通常由60、120或240ms的语音数据组成。数字化可以使用各种语音编码方案来实现，目前采用的语音编码标准主要有ITU-T G.711。源和目的地的语音编码器必须实现相同的算法，这样目的地的语音设备帮可以还原模拟语音信号。
2、 原数据到IP转换
一旦语音信号进行数字编码，下一步就是对语音包以特定的帧长进行压缩编码。大部份的编码器都有特定的帧长，若一个编码器使用15ms的帧，则把从第一来的60ms的包分成4帧，并按顺序进行编码。每个帧合120个语音样点(抽样率为8kHz)。编码后，将4个压缩的帧合成一个压缩的语音包送入网络处理器。网络处理器为语音添加包头、时标和其它信息后通过网络传送到另一端点。语音网络简单地建立通信端点之间的物理连接(一条线路)，并在端点之间传输编码的信号。IP网络不像电路交换网络，它不形成连接，它要求把数据放在可变长的数据报或分组中，然后给每个数据报附带寻址和控制信息，并通过网络发送，一站一站地转发到目的地。
3、 传送
在这个通道中，全部网络被看成一个从输入端接收语音包，然后在一定时间(t)内将其传送到网络输出端。t可以在某全范围内变化，反映了网络传输中的抖动。网络中的同间节点检查每个IP数据附带的寻址信息，并使用这个信息把该数据报转发到目的地路径上的下一站。网络链路可以是支持IP数据流的任何拓结构或访问方法。
4、 IP包-数据的转换
目的地VoIP设备接收这个IP数据并开始处理。网络级提供一个可变长度的缓冲器，用来调节网络产生的抖动。该缓冲器可容纳许多语音包，用户可以选择缓冲器的大小。小的缓冲器产生延迟较小，但不能调节大的抖动。其次，解码器将经编码的语音包解压缩后产生新的语音包，这个模块也可以按帧进行操作，完全和解码器的长度相同。若帧长度为15ms，，是60ms的语音包被分成4帧，然后它们被解码还原成60ms的语音数据流送入解码缓冲器。在数据报的处理过程中，去掉寻址和控制信息，保留原始的原数据，然后把这个原数据提供给解码器。
5、 数字语音转换为模拟语音
播放驱动器将缓冲器中的语音样点(480个)取出送入声卡，通过扬声器按预定的频率(例如8kHz)播出。简而言之，语音信号在IP网络上的传送要经过从模拟信号到数字信号的转换、数字语音封装成IP分组、IP分组通过网络的传送、IP分组的解包和数字语音还原到模拟信号等过程。
1、 语音-数据转换
语音信号是模拟波形，通过IP方式来传输语音，不管是实时应用业务还是非实时应用业务，道貌岸首先要对语音信号进行模拟数据转换，也就是对模拟语音信号进行8位或6位的量化，然后送入到缓冲存储区中，缓冲器的大小可以根据延迟和编码的要求选择。许多低比特率的编码器是采取以帧为单位进行编码。典型帧长为10~30ms。考虑传输过程中的代价，语间包通常由60、120或240ms的语音数据组成。数字化可以使用各种语音编码方案来实现，目前采用的语音编码标准主要有ITU-T G.711。源和目的地的语音编码器必须实现相同的算法，这样目的地的语音设备帮可以还原模拟语音信号。
2、 原数据到IP转换
一旦语音信号进行数字编码，下一步就是对语音包以特定的帧长进行压缩编码。大部份的编码器都有特定的帧长，若一个编码器使用15ms的帧，则把从第一来的60ms的包分成4帧，并按顺序进行编码。每个帧合120个语音样点(抽样率为8kHz)。编码后，将4个压缩的帧合成一个压缩的语音包送入网络处理器。网络处理器为语音添加包头、时标和其它信息后通过网络传送到另一端点。语音网络简单地建立通信端点之间的物理连接(一条线路)，并在端点之间传输编码的信号。IP网络不像电路交换网络，它不形成连接，它要求把数据放在可变长的数据报或分组中，然后给每个数据报附带寻址和控制信息，并通过网络发送，一站一站地转发到目的地。
3、 传送
在这个通道中，全部网络被看成一个从输入端接收语音包，然后在一定时间(t)内将其传送到网络输出端。t可以在某全范围内变化，反映了网络传输中的抖动。网络中的同间节点检查每个IP数据附带的寻址信息，并使用这个信息把该数据报转发到目的地路径上的下一站。网络链路可以是支持IP数据流的任何拓结构或访问方法。
4、 IP包-数据的转换
目的地VoIP设备接收这个IP数据并开始处理。网络级提供一个可变长度的缓冲器，用来调节网络产生的抖动。该缓冲器可容纳许多语音包，用户可以选择缓冲器的大小。小的缓冲器产生延迟较小，但不能调节大的抖动。其次，解码器将经编码的语音包解压缩后产生新的语音包，这个模块也可以按帧进行操作，完全和解码器的长度相同。若帧长度为15ms，，是60ms的语音包被分成4帧，然后它们被解码还原成60ms的语音数据流送入解码缓冲器。在数据报的处理过程中，去掉寻址和控制信息，保留原始的原数据，然后把这个原数据提供给解码器。
5、 数字语音转换为模拟语音
播放驱动器将缓冲器中的语音样点(480个)取出送入声卡，通过扬声器按预定的频率(例如8kHz)播出。简而言之，语音信号在IP网络上的传送要经过从模拟信号到数字信号的转换、数字语音封装成IP分组、IP分组通过网络的传送、IP分组的解包和数字语音还原到模拟信号等过
二、 VoIP的相关技术因素
由于相关的硬件、软件、协议和标准中的许多发展和技术突破，使得VoIP的广泛使用很快就会变成现实。这些领域中的技术进步和发展为创建一个更有效、功能和互操作性更强的VoIP网络起着推波助澜的作用。表2-2简单列出了这些领域中的主要发展。从表中可以看出，推动VoIP飞速发展乃至广泛应用的技术因素可以归纳为如下几个方面。
1、 数字信号处理器 先进的数字信号处理器(Digital Signal Processor ,DSP)执行语音和数据集成所要求的计算密集的任各。DSP处理数字信号主要用于执行复杂的计算，否则这些计算可能必须由通用CPU执行。它们的专门化的处理能力与低成本的结合使DSP很好地适合于执行VoIP系统中的信号处理功能。
单个语音流上G.729语音压缩的计算开销开常大，要求达到20MIPS，如果要求一个中央CPU在处理多个语音流的同时，还执行路由和系统管理功能，这是不现实的，因此，使用一个或多个DSP可以从中央CPU卸载其中的复杂语音压缩算法的计算任务。另外，DSP还适合于语音的活动检测和回声取消这样的功能，困为它们实时处理语音数据流，并能快速访问板上内存，因此。在本章节中，比较详细地介绍如何在TMS320C6201DSP平台来实现语音编码和回声抵消的功能。
表2-2 推动VoIP的主要技术进展
协议和标准 软件 硬件 H.323 加权公平排队法 DSP MPLS标记交换 加权随机早期检测 高级ASIC RTP, RTCP 双漏斗通用信元速率算法 DWDM RSVP 额定访问速成率 SONET Diffserv, CAR Cisco快速转发 CPU处理功率 G.729, G.729a:CS-ACELP 扩展访问表 ADSL，RADSL，SDSL FRF.11/FRF.12 令牌桶算法 Multilink PPP 帧中继数据整流形 SIP 基于优先级的CoS Packet over SONET IP和ATM QoS/CoS的集成
2、 高级专用集成电路 专用集成电路(Application-Specific Integrated Circait, ASIC)发展产生了更快、更复杂、功能更强的ASIC。ASIC是执行单一应用或很小的一组功能专门的应用芯片。由于集中于很窄的应用目标，故它们可以对特定的功能进行高度的优化，通常双通用CPU快一个或几个数量级。就像精简指令集计算机(RSIC)芯片集中于快速执行扔限数目的操作一样，ASIC被预先编程、使其能更快地执行有限数目的功能。一旦开发完成，ASIC批量生产的成本并不高，被用于包括路由器和交换机这样的网络设备，执行路由查表、分组转发、分组分类和检查以及排队等功能。ASIC的使用使设备的性能更高，而成本更低。它们为网络提供增加的宽带和更好的QoS支持，所以对VoIP发展起着很大的促进作用。
3、 IP传输持术传输电信网大多采用时分多路复用方式，因特网须采用的是统计复用变长分组交换方式，二者相比，后者对网络资源利用率高，互连互通简便有效、对数据业务十分适用，这是因特网得以飞速发展的重要原因之一。但是，宽带IP网络通信对QoS和延迟特性提出了苟刻的要求，因此，统计复用变长分组交换的技术发展为人们所关注。目前，除已问世的新一代IP协议--IPV6外，世界因特网工程任务组(IETF)提出了多协议标记交换技术(MPLS)，这是一种基于网络层选路的各种标记/标签的交换，能提高选路的灵活性，扩展网络层选路能力，简化路由器和基于信元交换的集成，提高网络性能。MPLS既可以作为独立的选路协议工作，又能与现有的网络选路协议兼容，支持IP网络的各种操作、管理和维护功能，使IP网络通信的QoS、路由、信令等性能大大提高，达到或接近统计复用定长分组交换(ATM)的水平，而又比ATM简单、高效、便宜、适用。IETF还地抓紧新的分组理理持术，以便实现QoS选路。其中正在研究"隧道技术" 就是为了实现单向链路的宽带传送。 另外，如何选择IP网络传输平台也是近年来研究的一个重要领域，先后出现了IP over ATM、IP over SDH、IP over DWDM等技术，目前公认的宽带网络分析模型如图所示。
第一层是基层础，提供高速的数据传输骨干。IP层向IP用户提供高质量的，具有一定服务保证的IP接入服务。用户层提供接入形式(IP接入和宽带接入)和服务内容形式。在基础层，以太网作为IP网络的物理层，是理所当然的事情，但是IP overDWDM却上最新技术，并具有很大的发展潜力。
密集波分多路复用(Dense Wave Division MultipLexing,DWDM)为光纤网络注入新的活力，并在电信公司铺设新的光纤主干网中提供惊人的带宽。DWDM技术利用光纤的能力和先进的光传输设备。波分多路复用的名称是从单股光纤上传送多个波长的光(LASER)而得来的。目前的系统能够发送和识别16个波长，而将来的系统能够支持40~96全波长。这具有重要意义，因为每增加一个波长，就增加了一个信息流。因此可以将2.6Gbit/s(OC-48)网络扩大16倍，而不必铺设新的光纤。
大多数新的光纤网络以(9.6Gbit/s)的速度运行OC-192，在与DWDM结合时，在一对光纤上产生150Gbit/s以上的容量。另外，DWDM提供了接口的协议和速度无关的特征，在一条光纤上可同时支持ATM、SDH和千兆以太网信号的传输，这样和现在已建成的各种网络都可以兼容，因此DWDM既可以保护已有的设资，还可以以其巨大带宽为ISP和电信公司提供了功能更强的主干网，并使宽带成本更低和访问性更强，这对VoIP解决方案的带宽要求提供强有力的支持。增加的传输速率不仅可以提供更粗的管道，使阻塞的机会更少，而且使延时降低了许多，因此可以在很大程度上减少IP网络上的 QoS要求。
4、 宽带接入技术
IP网络的用户接入已成为制约全网发展的瓶颈。从长期发展看，用户接入的终极目标是光纤到户(FTTH)。光接入网从广义上讲包括光数字环路载波系统和无源光网络两类。前者主要在美国，结合开放口V5.1/V5.2，在光纤上传送其综合系统，显示了很大的生命力。后者主要在目本和德国。日本坚持不懈攻关十多年，采取一系列措施，将无源光网络成本降低至与铜缆和金属双绞线相近的水平，并大量使用。特别是近年 ITU提出以ATM为基础的无源光网络(APON)，将ATM与无源光网络优势互补，接入速率可达622M bit/s，对宽带IP多媒体业务发展十分有利，且能减少故障率和节点数目，扩大覆盖范围。目前ITU已完成了标准化工作，各厂家正在积极研制，不久会有商品上市，将成为面向21世纪的宽带接入技术的主要发展方向。
目前主要采用的接入技术有:PSTN、IADN、ADSL、CM、DDN、 X.25和 Ethernet以及宽带无线接入系统列等。这些接入技术各有特点，其中发展最快的是ADSL和CM;CM(Cable Modem)采用同轴电缆，传输速率高、抗干扰能力强;但是不能双向传输，无统一标准。ADSL(Asymmetrical Digital Loop) 独享接入宽带， 充分利有现有电话网，提供非对称的传输速率，用户侧的下载速率可以达到8 Mbit/s，用户侧的上载速率可以达到1M bit/s。ADSL为企业和各个用户提供必要的宽带，并极大地降低成本。使用较低成本的ADSL地区环路，现在公司能以更高的速度访问因特网和基于因特网服务供应商的VPN，允许更高的VoIP呼叫容量。
5、 中央处理单元技术
中央处理单元(CPU)在功能、功率和速度方面继续发展。这使多媒体PC能够广泛应用，并提高了受CPU功率限制的系统功能的性能。PC处理流式音频和视频数据的能力在用户中期待已久，所以在数据网络上传送语音呼叫理所当然成为下一步的目标。这个计算功能使先进的多媒体桌面应用和网络组件中的先进功能都支持语音应用。
