通過因特網進行語音通信是一個非常復雜的系統工程，其應用面很廣，因此涉及的技術也特別多，其中最根本的技術是VoIP (Voice over IP)技術，可以說，因特網語音通信是VoIP技術的一個最典型的、也是最有前景的應用領域。因此在討論用因特網進行語音通信之前，有必要首先分析VoIP的基本原理，以及VoIP中的相關技術問題。
一、 VoIP的基本傳輸過程
傳統的電話網是以電路交換方式傳輸語音，所要求的傳輸寬帶為64kbit/s。而所謂的VoIP是以IP分組交換網絡為傳輸平臺，對模擬的語音信號進行壓縮、打包等一系列的特殊處理，使之可以采用無連接的UDP協議進行傳輸。
為了在一個IP網絡上傳輸語音信號，要求幾個元素和功能。最簡單形式的網絡由兩個或多個具有VoIP功能的設備組成，這一設備通過一個IP網絡連接。VoIP模型的基本結構圖如下圖所示。從圖中可以發現VoIP設備是如何把語音信號轉換為IP數據流，并把這些數據流轉發到IP目的地，IP目的地又把它們轉換回到語音信號。兩者之音的網絡必須支持IP傳輸，且可以是IP路由器和網絡鏈路的任意組合。因此可以簡單地將VoIP的傳輸過程分為下列幾個階段。
1、 語音-數據轉換
語音信號是模擬波形，通過IP方式來傳輸語音，不管是實時應用業務還是非實時應用業務，道貌岸首先要對語音信號進行模擬數據轉換，也就是對模擬語音信號進行8位或6位的量化，然后送入到緩沖存儲區中，緩沖器的大小可以根據延遲和編碼的要求選擇。許多低比特率的編碼器是采取以幀為單位進行編碼。典型幀長為10~30ms。考慮傳輸過程中的代價，語間包通常由60、120或240ms的語音數據組成。數字化可以使用各種語音編碼方案來實現，目前采用的語音編碼標準主要有ITU-T G.711。源和目的地的語音編碼器必須實現相同的算法，這樣目的地的語音設備幫可以還原模擬語音信號。
2、 原數據到IP轉換
一旦語音信號進行數字編碼，下一步就是對語音包以特定的幀長進行壓縮編碼。大部份的編碼器都有特定的幀長，若一個編碼器使用15ms的幀，則把從第一來的60ms的包分成4幀，并按順序進行編碼。每個幀合120個語音樣點(抽樣率為8kHz)。編碼后，將4個壓縮的幀合成一個壓縮的語音包送入網絡處理器。網絡處理器為語音添加包頭、時標和其它信息后通過網絡傳送到另一端點。語音網絡簡單地建立通信端點之間的物理連接(一條線路)，并在端點之間傳輸編碼的信號。IP網絡不像電路交換網絡，它不形成連接，它要求把數據放在可變長的數據報或分組中，然后給每個數據報附帶尋址和控制信息，并通過網絡發送，一站一站地轉發到目的地。
3、 傳送
在這個通道中，全部網絡被看成一個從輸入端接收語音包，然后在一定時間(t)內將其傳送到網絡輸出端。t可以在某全范圍內變化，反映了網絡傳輸中的抖動。網絡中的同間節點檢查每個IP數據附帶的尋址信息，并使用這個信息把該數據報轉發到目的地路徑上的下一站。網絡鏈路可以是支持IP數據流的任何拓結構或訪問方法。
4、 IP包-數據的轉換
目的地VoIP設備接收這個IP數據并開始處理。網絡級提供一個可變長度的緩沖器，用來調節網絡產生的抖動。該緩沖器可容納許多語音包，用戶可以選擇緩沖器的大小。小的緩沖器產生延遲較小，但不能調節大的抖動。其次，解碼器將經編碼的語音包解壓縮后產生新的語音包，這個模塊也可以按幀進行操作，完全和解碼器的長度相同。若幀長度為15ms，，是60ms的語音包被分成4幀，然后它們被解碼還原成60ms的語音數據流送入解碼緩沖器。在數據報的處理過程中，去掉尋址和控制信息，保留原始的原數據，然后把這個原數據提供給解碼器。
5、 數字語音轉換為模擬語音
播放驅動器將緩沖器中的語音樣點(480個)取出送入聲卡，通過揚聲器按預定的頻率(例如8kHz)播出。簡而言之，語音信號在IP網絡上的傳送要經過從模擬信號到數字信號的轉換、數字語音封裝成IP分組、IP分組通過網絡的傳送、IP分組的解包和數字語音還原到模擬信號等過程。
1、 語音-數據轉換
語音信號是模擬波形，通過IP方式來傳輸語音，不管是實時應用業務還是非實時應用業務，道貌岸首先要對語音信號進行模擬數據轉換，也就是對模擬語音信號進行8位或6位的量化，然后送入到緩沖存儲區中，緩沖器的大小可以根據延遲和編碼的要求選擇。許多低比特率的編碼器是采取以幀為單位進行編碼。典型幀長為10~30ms。考慮傳輸過程中的代價，語間包通常由60、120或240ms的語音數據組成。數字化可以使用各種語音編碼方案來實現，目前采用的語音編碼標準主要有ITU-T G.711。源和目的地的語音編碼器必須實現相同的算法，這樣目的地的語音設備幫可以還原模擬語音信號。
2、 原數據到IP轉換
一旦語音信號進行數字編碼，下一步就是對語音包以特定的幀長進行壓縮編碼。大部份的編碼器都有特定的幀長，若一個編碼器使用15ms的幀，則把從第一來的60ms的包分成4幀，并按順序進行編碼。每個幀合120個語音樣點(抽樣率為8kHz)。編碼后，將4個壓縮的幀合成一個壓縮的語音包送入網絡處理器。網絡處理器為語音添加包頭、時標和其它信息后通過網絡傳送到另一端點。語音網絡簡單地建立通信端點之間的物理連接(一條線路)，并在端點之間傳輸編碼的信號。IP網絡不像電路交換網絡，它不形成連接，它要求把數據放在可變長的數據報或分組中，然后給每個數據報附帶尋址和控制信息，并通過網絡發送，一站一站地轉發到目的地。
3、 傳送
在這個通道中，全部網絡被看成一個從輸入端接收語音包，然后在一定時間(t)內將其傳送到網絡輸出端。t可以在某全范圍內變化，反映了網絡傳輸中的抖動。網絡中的同間節點檢查每個IP數據附帶的尋址信息，并使用這個信息把該數據報轉發到目的地路徑上的下一站。網絡鏈路可以是支持IP數據流的任何拓結構或訪問方法。
4、 IP包-數據的轉換
目的地VoIP設備接收這個IP數據并開始處理。網絡級提供一個可變長度的緩沖器，用來調節網絡產生的抖動。該緩沖器可容納許多語音包，用戶可以選擇緩沖器的大小。小的緩沖器產生延遲較小，但不能調節大的抖動。其次，解碼器將經編碼的語音包解壓縮后產生新的語音包，這個模塊也可以按幀進行操作，完全和解碼器的長度相同。若幀長度為15ms，，是60ms的語音包被分成4幀，然后它們被解碼還原成60ms的語音數據流送入解碼緩沖器。在數據報的處理過程中，去掉尋址和控制信息，保留原始的原數據，然后把這個原數據提供給解碼器。
5、 數字語音轉換為模擬語音
播放驅動器將緩沖器中的語音樣點(480個)取出送入聲卡，通過揚聲器按預定的頻率(例如8kHz)播出。簡而言之，語音信號在IP網絡上的傳送要經過從模擬信號到數字信號的轉換、數字語音封裝成IP分組、IP分組通過網絡的傳送、IP分組的解包和數字語音還原到模擬信號等過
二、 VoIP的相關技術因素
由于相關的硬件、軟件、協議和標準中的許多發展和技術突破，使得VoIP的廣泛使用很快就會變成現實。這些領域中的技術進步和發展為創建一個更有效、功能和互操作性更強的VoIP網絡起著推波助瀾的作用。表2-2簡單列出了這些領域中的主要發展。從表中可以看出，推動VoIP飛速發展乃至廣泛應用的技術因素可以歸納為如下幾個方面。
1、 數字信號處理器 先進的數字信號處理器(Digital Signal Processor ,DSP)執行語音和數據集成所要求的計算密集的任各。DSP處理數字信號主要用于執行復雜的計算，否則這些計算可能必須由通用CPU執行。它們的專門化的處理能力與低成本的結合使DSP很好地適合于執行VoIP系統中的信號處理功能。
單個語音流上G.729語音壓縮的計算開銷開常大，要求達到20MIPS，如果要求一個中央CPU在處理多個語音流的同時，還執行路由和系統管理功能，這是不現實的，因此，使用一個或多個DSP可以從中央CPU卸載其中的復雜語音壓縮算法的計算任務。另外，DSP還適合于語音的活動檢測和回聲取消這樣的功能，困為它們實時處理語音數據流，并能快速訪問板上內存，因此。在本章節中，比較詳細地介紹如何在TMS320C6201DSP平臺來實現語音編碼和回聲抵消的功能。
表2-2 推動VoIP的主要技術進展
協議和標準 軟件 硬件 H.323 加權公平排隊法 DSP MPLS標記交換 加權隨機早期檢測 高級ASIC RTP, RTCP 雙漏斗通用信元速率算法 DWDM RSVP 額定訪問速成率 SONET Diffserv, CAR Cisco快速轉發 CPU處理功率 G.729, G.729a:CS-ACELP 擴展訪問表 ADSL，RADSL，SDSL FRF.11/FRF.12 令牌桶算法 Multilink PPP 幀中繼數據整流形 SIP 基于優先級的CoS Packet over SONET IP和ATM QoS/CoS的集成
2、 高級專用集成電路 專用集成電路(Application-Specific Integrated Circait, ASIC)發展產生了更快、更復雜、功能更強的ASIC。ASIC是執行單一應用或很小的一組功能專門的應用芯片。由于集中于很窄的應用目標，故它們可以對特定的功能進行高度的優化，通常雙通用CPU快一個或幾個數量級。就像精簡指令集計算機(RSIC)芯片集中于快速執行扔限數目的操作一樣，ASIC被預先編程、使其能更快地執行有限數目的功能。一旦開發完成，ASIC批量生產的成本并不高，被用于包括路由器和交換機這樣的網絡設備，執行路由查表、分組轉發、分組分類和檢查以及排隊等功能。ASIC的使用使設備的性能更高，而成本更低。它們為網絡提供增加的寬帶和更好的QoS支持，所以對VoIP發展起著很大的促進作用。
3、 IP傳輸持術傳輸電信網大多采用時分多路復用方式，因特網須采用的是統計復用變長分組交換方式，二者相比，后者對網絡資源利用率高，互連互通簡便有效、對數據業務十分適用，這是因特網得以飛速發展的重要原因之一。但是，寬帶IP網絡通信對QoS和延遲特性提出了茍刻的要求，因此，統計復用變長分組交換的技術發展為人們所關注。目前，除已問世的新一代IP協議--IPV6外，世界因特網工程任務組(IETF)提出了多協議標記交換技術(MPLS)，這是一種基于網絡層選路的各種標記/標簽的交換，能提高選路的靈活性，擴展網絡層選路能力，簡化路由器和基于信元交換的集成，提高網絡性能。MPLS既可以作為獨立的選路協議工作，又能與現有的網絡選路協議兼容，支持IP網絡的各種操作、管理和維護功能，使IP網絡通信的QoS、路由、信令等性能大大提高，達到或接近統計復用定長分組交換(ATM)的水平，而又比ATM簡單、高效、便宜、適用。IETF還地抓緊新的分組理理持術，以便實現QoS選路。其中正在研究"隧道技術" 就是為了實現單向鏈路的寬帶傳送。 另外，如何選擇IP網絡傳輸平臺也是近年來研究的一個重要領域，先后出現了IP over ATM、IP over SDH、IP over DWDM等技術，目前公認的寬帶網絡分析模型如圖所示。
第一層是基層礎，提供高速的數據傳輸骨干。IP層向IP用戶提供高質量的，具有一定服務保證的IP接入服務。用戶層提供接入形式(IP接入和寬帶接入)和服務內容形式。在基礎層，以太網作為IP網絡的物理層，是理所當然的事情，但是IP overDWDM卻上最新技術，并具有很大的發展潛力。
密集波分多路復用(Dense Wave Division MultipLexing,DWDM)為光纖網絡注入新的活力，并在電信公司鋪設新的光纖主干網中提供驚人的帶寬。DWDM技術利用光纖的能力和先進的光傳輸設備。波分多路復用的名稱是從單股光纖上傳送多個波長的光(LASER)而得來的。目前的系統能夠發送和識別16個波長，而將來的系統能夠支持40~96全波長。這具有重要意義，因為每增加一個波長，就增加了一個信息流。因此可以將2.6Gbit/s(OC-48)網絡擴大16倍，而不必鋪設新的光纖。
大多數新的光纖網絡以(9.6Gbit/s)的速度運行OC-192，在與DWDM結合時，在一對光纖上產生150Gbit/s以上的容量。另外，DWDM提供了接口的協議和速度無關的特征，在一條光纖上可同時支持ATM、SDH和千兆以太網信號的傳輸，這樣和現在已建成的各種網絡都可以兼容，因此DWDM既可以保護已有的設資，還可以以其巨大帶寬為ISP和電信公司提供了功能更強的主干網，并使寬帶成本更低和訪問性更強，這對VoIP解決方案的帶寬要求提供強有力的支持。增加的傳輸速率不僅可以提供更粗的管道，使阻塞的機會更少，而且使延時降低了許多，因此可以在很大程度上減少IP網絡上的 QoS要求。
4、 寬帶接入技術
IP網絡的用戶接入已成為制約全網發展的瓶頸。從長期發展看，用戶接入的終極目標是光纖到戶(FTTH)。光接入網從廣義上講包括光數字環路載波系統和無源光網絡兩類。前者主要在美國，結合開放口V5.1/V5.2，在光纖上傳送其綜合系統，顯示了很大的生命力。后者主要在目本和德國。日本堅持不懈攻關十多年，采取一系列措施，將無源光網絡成本降低至與銅纜和金屬雙絞線相近的水平，并大量使用。特別是近年 ITU提出以ATM為基礎的無源光網絡(APON)，將ATM與無源光網絡優勢互補，接入速率可達622M bit/s，對寬帶IP多媒體業務發展十分有利，且能減少故障率和節點數目，擴大覆蓋范圍。目前ITU已完成了標準化工作，各廠家正在積極研制，不久會有商品上市，將成為面向21世紀的寬帶接入技術的主要發展方向。
目前主要采用的接入技術有:PSTN、IADN、ADSL、CM、DDN、 X.25和 Ethernet以及寬帶無線接入系統列等。這些接入技術各有特點，其中發展最快的是ADSL和CM;CM(Cable Modem)采用同軸電纜，傳輸速率高、抗干擾能力強;但是不能雙向傳輸，無統一標準。ADSL(Asymmetrical Digital Loop) 獨享接入寬帶， 充分利有現有電話網，提供非對稱的傳輸速率，用戶側的下載速率可以達到8 Mbit/s，用戶側的上載速率可以達到1M bit/s。ADSL為企業和各個用戶提供必要的寬帶，并極大地降低成本。使用較低成本的ADSL地區環路，現在公司能以更高的速度訪問因特網和基于因特網服務供應商的VPN，允許更高的VoIP呼叫容量。
5、 中央處理單元技術
中央處理單元(CPU)在功能、功率和速度方面繼續發展。這使多媒體PC能夠廣泛應用，并提高了受CPU功率限制的系統功能的性能。PC處理流式音頻和視頻數據的能力在用戶中期待已久，所以在數據網絡上傳送語音呼叫理所當然成為下一步的目標。這個計算功能使先進的多媒體桌面應用和網絡組件中的先進功能都支持語音應用。
