整合性封包保护机制提升语音通讯之品质

1、整合性封包保護機制提升語音通訊之品質Ren-Yuh LuOutline Introduction MANET Motivation & Objective Problem Description Related Work Reliable Blast UDP Partial-Reliable TCP 整合性封包保護機制提升語音通訊之品質 分辨重要封包的方法 整合性封包保護技術 Evaluation & Performance AnalysisIntroduction VoIP ( Voice over IP ) 是一種透過網際網路以數位化的方式來傳輸語音封包的技術。 近年來，V

2、oIP因為其使用簡單、成本低廉等特性，導致使用率及使用人口與日俱增。 本研究是為了使VoIP能夠在High Loss Rate的網路環境下更順暢地運作所設計。 VoIP運作在High Loss Rate的網路環境中會遇到一些問題，我們將以MANET作為例子加以說明。MANET MANET 群組行動電腦網路是一種行動式無線區域網路，對群組行動使用者提供一個可在行動中使用的電腦網路。 一個 MANET 係由一組行動電腦 ( 筆記型電腦或 具有 WiFi能力的 PDA手機 ) 組成， 其間以 Multi-Hop Ad-Hoc 無線區域網路連結成 Wireless Intranet。 各個行動電腦之間

3、可藉由高速的 Wireless Intranet 進行即時多媒體網路通訊。Motivation & Objective High Loss Rate的網路環境，例如MANET，具有以下的缺點： 錯誤率很高 沒有Server管理節點 在這樣的網路環境中使用VoIP，會有一些問題需要克服。Problem Description VoIP對時效性的要求極高，為了符合這個要求，現今的VoIP系統大部份都使用UDP傳輸層協定。 UDP的特性： 不保證一定送達 如果VoIP運用在錯誤率很高的網路環境時，可能會因為遺失太多封包而影響通話品質。 我們即將研究一些機制用以提高VoIP的品質。Relate

4、d Work Reliable Blast UDP Partial-Reliable UDPReliable Blast UDPPartial-Reliable TCP整合性封包保護機制提升語音通訊之品質 假設除了人聲之外，其他聲音均視為噪音。 我們即將研究一個分辯重要封包的方法，可能搭配Partial-Reliable UDP，保證能夠維持VoIP的通訊品質。 分辨重要封包的方法 VAD ( Voice Activity Detection ) 整合性封包保護技術分辨重要封包的方法VAD Time Domain VAD技術 Frequency Domain VAD技術 混合式VAD技術 個性

5、化VAD技術Time Domain VAD 在擷取語音Frame但尚未壓縮之前，就用某些特徵判斷封包的重要性。 這個方法較為簡單，但是當信號雜訊比 ( SNR ) 較低時或能變化較快速時 ( 即背景噪音較高時 ) 此法較不適用。Time Domain VAD Energy Based 設一個Threshold值k，k可依據不同雜訊調件調整。 若y(n)k或y(n)=k，則判定為Speech Segment。 若y(n)k，則判定為non-Speech Segment。 計算m ( 長度為N秒的語音Frame ) 的方式如下： 12NNnNmnnymEN為Time indexFrequency

6、Domain VAD 在噪音較高的情況下，就要藉助於Frequency Domain的分析分辨語音與噪音。 假設噪音的頻譜與White Noise相似，而語音的頻譜則集中在40Hz至4000Hz之間，我們將以Entropy之值作為分辨語音與White Noise的數。 Frequency Domain VAD Entropy-Based An Example of Entropy： The entropy of class A is bigger than the entropy of class B.NameScoreJoe99Mary28Steven84Mark42Alice15Brian

7、72NameScoreCarlo70Drew58Elsa66Harry61Jack69Lucy55Class 1Class 2Frequency Domain VAD Entropy-Based 上式中：即為在Frame t中，訊號出現在頻帶的機率。 頻寬越窄的訊號 (例如Sine Wave)，Entropy越低。2212),(log),(),(tYPtYPtYH1222,tYtYtYPFrequency Domain VAD Entropy-Based 若發話端背景雜訊與White Noise相似，則Entropy會較高。 根據上述做法，可以用語音和Noise在頻率上特性的相異，計算Entr

8、opy差異，藉此設定一個Threshold值，即可判斷語音中的Speech Segment或non-Speech Segment。Frequency Domain VAD Entropy-Based 優點： 對Noise的變動較不敏感，即使雜訊嘈雜且不規則，本方法仍然有效。 即使訊號的SNR較差，仍然可以分辨Speech Segment或non-Speech Segment。 缺點： 需要耗費龐大的計算資源。 可能會使VOIP的即時性減低，封包的Delay會大幅增加。 若收音器處於非常嘈雜且噪音相當不規則的環境下（Ex：White Noise加Colored Noise），可能會造成non-S

9、peech Segment和Speech Segment的Entropy值接近，而導致辨識上的錯誤率增加。混合式VAD 針對SNR高且Noise變化小，或雜訊頻寬接近語音頻寬的Colored Noise的環境，使用Energy-Based VAD。 節省運算資源。 避免判斷的正確性受到過於接近的語音頻譜的雜訊影響。 若發話端SNR較低或Noise變化較大，但雜訊特性為頻寬較寬的White Noise時，使用Entropy-Based VAD。 避免變化迅速的Noise振幅影響判斷正確率。 若Noise振幅和雜訊頻譜皆不穩定，則將兩種VAD混合使用。個性化VAD 假設在每個傳送端由於發話地點環境

10、的差異，都存在不同特性 ( 頻譜與振幅 ) 的Noise。 在這些環境下，發送端將其要傳送的語音訊號混合在背景雜訊中，以前述方式使用Frame為單位，透過Internet傳送至接收端。個性化VAD 接收端的做法 由接收端根據所收到的語音Frame中的Noise特性進行補償或濾除non-Speech Segment中的雜訊。 根據目前所接收到的雜訊狀況判斷訊號品質，並根據當下網路的品質，決定給予何種等級的QoS，在傳輸層優先保護較高品質的封包。 當網路品質不佳或Buffer空間不足時，可優先放棄Noise較高的發送端所傳送的Frame，藉以提高收聽品質。整合性封包保護技術 Model： 1. 定

11、義基本封包間隔時間 ( msec / packet )，簡稱為基本時隔最常用的基本時隔為 20 ( ms/packet ) 及30 ( ms / packet )。 2. 將Redundant Voice Packets視為不同的Packet Stream。 3. 不同的Voice Packets可用不同的壓縮碼 ( Codec )。 4. 所有的Packet Stream的時隔應為基本時隔的倍數。 5. 定義第一個Packet Stream為基本Stream。 6. 其他的Packet Stream稱為Redundant Stream，彼此之間相差至少一個時隔。 7. 最後，將所有Packe

12、t Stream Piggyback在一起，變成一個時隔為基本時隔的單一Packet Stream。Example 1 Redundancy OnlyTime ( msec )Voice Stream 1Voice Stream 21231230204060801001204564567Example 1 Redundancy OnlyTime ( msec )Voice Stream1231230204060801004564512076Example 2 Different Codec & RedundancyTime ( msec )Voice Stream 1Voice Stream 21212020406080100120Voice Stream 31+2+34+5+6345634567Example 2 Different Codec & Redundanc