Quality Enhancement for VoIP by Partial-Reliable UDP

Ren-Yuh Lu

Outline

• Introduction– MANET– Motivation & Objective– Problem Description

• Quality Enhancement for VoIP by Partial-Reliable UDP– 分辨重要封包的方法– 封包保護技術

• Redundancy• 整合型封包保護技術

• Evaluation & Performance Analysis• Conclusion

Introduction

• 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， VoIP 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。

Quality Enhancement for VoIP by Partial-Reliable UDP

• 我們即將研究一個分辯重要封包的方法，並搭配Partial-Reliable UDP ，保證重要的封包一定會送達接收端，因而改善 VoIP 的通話品質。

• 分辨重要封包的方法– VAD ( Voice Activity Detection )

• 封包保護技術– Redundancy

– 整合型封包保護技術• Using Partial-Reliable UDP

VAD

• Energy-Based– 利用語音 Frame 的振幅判斷該語音是否為 Speech Segm

ent 。– 使用條件

• 雜訊有一定的規律性。• Speech Segment 的能量必須大於 Noise 的能量。

• Entropy-Based– 利用聲音的頻譜 ( Spectrum ) ，在 Frequency Domain中偵測聲音的特性，藉以判斷是否為 Speech Segment 。

– 使用條件• 環境嘈雜，背景雜訊變化大， SNR 值過低。

VAD — Energy-Based

• 設一個 Threshold 值 k ， k 可依據不同雜訊條件調整。– 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 。

• 計算長度為 N 秒的第 m 個語音 Frame 的方式如下：

1

2NNn

Nmn

nymE N 為 Time index

VAD — Energy-Based

• 優點：– 簡單易執行，僅需要累計的振幅數值與簡單的運算，可在語音取樣時同時進行，相當節省運算資源。

– 不需事先分析背景雜訊。• 缺點：

– 若語音變動的速率太快，偵測隨即變得困難。– 若雜訊太大 ( 即 SNR 太低 ) ，也會使偵測變得更困難。

VAD — Entropy-Based

• 原本由 Shannon 所提出的 Entropy 定義為：” It measures the average length of bit code per symbol under optimal coding”( 測量最佳化編碼方式中，每個符號所需的平均位元長度 ) ，且定義計算方法如下：

– 其中， S=[s(1),....s(i),....,s(N)]表示要計算的 N 個符號– P(s(i)) 則代表符號 i(Symble i) 出現的機率。

• 由上式可知，當每個符號出現的機率相同 ( 即　　　　時 ) ， H(S) 可得到最大值為　　　　。反之，當某一符號出現機率為 1( 即全部都是此符號 ) 時， H(S) 會是最小值0 。

isPisPSHN

i

2

1

log)(

N

isP1

N

SH1

log)( 2

VAD — Entropy-Based

• 將 Entropy 的概念應用於語音測量的問題上，預先設定語音訊號出現的頻寬，當一連串的語音進行傳輸時，計算這些訊號振幅出現在此頻帶的機率總和 ( Entropy ) 。

• 上式中：　　　　　　　　　　　即為在 Frame

t 中，訊號出現在 W 頻帶的機率。• 頻寬越窄的訊號 ( 例如 Sine Wave) ， Entropy越低。

22

1

2),(log),(),( tYPtYPtYH

1

2

22

,

,,

tY

tYtYP

VAD — Entropy-Based

• 若發話端背景雜訊為 White Noise ，則 Entropy 會較高。

• 根據上述做法，可以利用語音和 Noise 在頻率上特性的相異，計算 Entropy差異，藉此設定一個 Threshold 值，即可判斷語音中的 Speech Segment或 non-Speech Segment 。

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。

– 在 White Noise和 Colored Noise的環境下，可能會造成non-Speech害 Speech Segment 的 Entropy 值接近，而導致辨識上的錯誤率增加。

VAD — 使用在 VOIP

• 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。

VAD — 預先傳送雜訊頻譜

• 假設在每個傳送端由於發話地點環境的差異，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。

VAD — 預先傳送雜訊頻譜

• 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。

封包保護技術• Model-1 ：採用 Redundancy 封包保護技術，設法從後續的封包還原遺失的封包。

• Model-2 ：結合 P-R UDP和Model-1 ，提出一個整合型封包保護技術。

Model-1 Redundancy Protected Technology

• 基本封包時隔為 20 msec/packet• 將 Redundant Voice Packets視為不同的 Packet Strea

m• 定義第一個 Packet Stream 為基本 Stream

Time ( msec )

Voice Stream 1

Voice Stream 2

1 2 3

1 2 3

0 20 40 60 80 100 120

4 5 6

4 5 6

7

Model-1 Redundancy Protected Technology

Time ( msec )

Voice Stream 1 2 31 2 3

0 20 40 60 80 100

4 5 64 5

120

76

Model-2 整合型封包保護技術• 每一個 VoIP Stream 包含一個基本 Stream 及二個

Redundant Stream 。• 基本 Stream 及第一個 Redundant Stream 採用相同

Codec 及時隔，兩者相差一時隔。• 第二個 Redundant Stream 使用較低品質低速率的

Codec ，以三倍時隔，落後於基本 Stream兩個時隔送出。

Time ( msec )

Voice Stream 1

Voice Stream 2

1 2

1 2

0 20 40 60 80 100 120

Voice Stream 3 1+2+3 4+5+6

3 4 5 6

3 4 5 6

7

Model-2 整合型封包保護技術• 利用 Piggyback 技術將三個 Stream 合併成為一個

Packet Stream 。• 將含有第二個 Redundant Stream 的封包視為重要封包，利用 Partial-Reliable UDP 保護。

Time ( msec )0 20 40 60 80 100 120

1 2 1 32 1+2+3 43 5

Voice Stream 1

Voice Stream 2

Voice Stream 3

4 65 4+5+6 76

Partial-Reliable UDP

• Reliable Blast UDP

Sender Receiver

Evaluation & Performance Analysis

• 模擬的環境與工具：– NS2

• 做法：– 將網路環境設成有很多干擾及不穩定– 在不穩定的網路環境下，讓相同的語音串流分別使用 U

DP 、 TCP ，和我們提出的方法進行傳輸。– 在接收端錄製接收到的語音串流，並做比較。

Conclusion