1. Quality Enhancement for VoIP by Partial-Reliable UDP Ren-Yuh Lu

2. 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

3. 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。

4. 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。

5. 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。

6. 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。

7. 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

8. VAD Energy-Based – 利用語音 Frame 的振幅判斷該語音是否為 Speech Segment 。 – 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。

9. 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： N 為 Time index

10. 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。

11. 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 。

12. 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。

13. 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 。

14. 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。 Colored Noise

15. White Noise & Colored Noise White noise ( 白噪音 ) ： a random signal (or process) with a flat power spectral density. In other words, the signal's power spectral density has equal power in any band, at any centre frequency, having a given bandwidth — 均勻遍佈整個頻譜的雜訊。 Colored Noise ( 或稱為 Colors of Noise) ： Although noise is a random signal, it can have characteristic statistical properties. Spectral density (power distribution in the frequency spectrum) is such a property, which can be used to distinguish different types of noise. — 一種在頻譜上較為密集 ( 集中於 特定頻率範圍 ) ，但能量分散的雜訊。

16. 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。

17. 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。

18. 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。

19. VAD — Idea Entropy-Based VAD Background 聲音 過濾 Background Noise 語音 & Background 決定 Sample Rate Energy-Based VAD 傳送至 Receiver 端

20. 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。

21. 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 Stream 定義第一個 Packet Stream 為基本 Stream Time ( msec ) Voice Stream 1 Voice Stream 2 1 23 123 020 40 6080100 120 4 56 4 56 7

22. Model-1 Redundancy Protected Technology Time ( msec ) Voice Stream 1 23 123 020 40 6080100 4 56 45 120 7 6

23. 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 12 020 40 6080100 120 Voice Stream 3 1+2+3 4+5+6 345 6 3 45 6 7

24. 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 ) 020 40 6080100 120 12 132 1+2+3 43 5 Voice Stream 1 Voice Stream 2 Voice Stream 3 465 4+5+6 76

25. Partial-Reliable UDP Reliable Blast UDP SenderReceiver

26. 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 UDP 、 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。

27. Conclusion