H.323语音编码

来自EEWiki.

背景：

H.323 由 ITU-T 定义，用于在因特网（VOIP）上传输语音。除了语音应用程序， H.323 结合 ITU-T T.120 系列标准还提供了视频通信和数据协作机制。H.323 是一种框架性结构规范，因为它包括了多种其它 ITU 标准。 H.323 架构定义了四个主要的组件：终端（Terminal）、网关（Gageway）、关守（Gagekeeper）、多点控制单元（MCU）。

H.323 结构的信息交换方式有五种类型：

音频（数字化）语音；

视频（数字化）；

数据（文件或图像）；

通信控制（功能支持交换、逻辑控制信道等）；

控制连接和会话（安装和解除）。

音频编解码协议包括G.711协议（必选）、G.722、G.723.1、G.728、G.729等协议。

发展情况：

音频编码器对从麦克风输入的音频信息进行编码传输，在接收端进行解码以便输出到扬声器，音频信号包含数字化且压缩的语音。H.323支持的压缩算法符合ITU标准。为进行语音压缩，H.323终端必须支持G.711语音标准，传送和接收A律和u律。其它音频编解码器标准如G.722、G.723.1、G.729.A、MPEG-1音频则可选择支持。编码器使用的音频算法必须由H.245来确定。H.323终端应能对本身所具有的音频编解码能力进行非对称操作，如以G.711发送，以G.728接收。

H.323协议栈结构

G.711：关于声音频率的脉冲编码调制

G.722：7 kHz 音频编码 （64 kb/s）

G.723.1：传输速率为5.3和6.3 kb/s 的多媒体通信下的双速率语音编码。

G.728：通过低时延码激励线性预测编码实现16 kb/s 的语音编码 。

G.729：通过共扼结构—代数码激励线性预测编码实现8 kb/s 的语音编码 。

相关理论：

H.323会议系统中的音频（语音）编码方式主要有六种：G.711、G.722、G.723.1、G.728、G.729和MPEG audio。其中G.711是必备的，其它为可选项。除了上述六种编码方式外，也可以通过能力协商来采用其它方法。在图象编码方面，H.263采用了多种方法使编码尺度可变，即根据不同的信道质量对码流进行调整以保证适当的服务质量。对于语音编码，这一点同样重要。目前，H.323会议系统中主要采用G.723.1和G.729两种语音方式。

G.723.1是一个双速率的语音编码器，它的两个编码速率分别为6.3k和5.3k。高速率（6.3k）采用多脉冲激励最大似然量化（MP_MLQ）算法，低速率（5.3k）采用代数码本激励线性预测（ACELP）算法。这两种算法具有相同的理论基础，都是基于线性预测（LPC），都采用非周期性分量的激励源。不同之处在于对MP_MLQ采用多脉冲最大似然量化激励，而对ACELP采用的是代数码本激励。

G.723.1具有较好的语音质量。其5.3k速率编码，语音质量优于VCELP（8kb/s）；其6.3k速率编码，语音质量等价于32kb/s的G.726建议相应指标。两者基本上均能达到长途电话质量的要求。G.723.1的缺点是固有时延较大。

G.729是一个8kb/s的语音编码标准，它采用的算法是共轭结构代数码本激励线性预测编码（CS_ACELP），能达到32kb/sADPCM语音质量。研究发现，CS_ACELP算法很有特点：作不太大的改动后，向下可达6.4kb/s，向上可达13kb/s，且可传送更好的语音质量。