1. Les codecs Pour pouvoir utiliser les mêmes liaisons que les autres données, sur le réseau du FAI, la voix est multiplexée : Pour être ainsi transportée, sous forme de paquets, la voix doit être numérisée : Les Codecs (COdeur/DECodeur) permettent la conversion analogique/numérique à l émission puis la conversion numérique/analogique à la réception de la parole téléphonique. 2. Synoptique La transformation d une onde sonore en «paquets» de données comporte plusieurs étapes : - Conversion énergie mécanique / énergie électrique - Conversion analogique/numérique - Codage-Compression - Paquétisation-Ajout des en-têtes auteur : L.Burri 1
onde sonore 1 conversion signal analogique 2 échantillonnage conversion 3 signal discret quantification analogique / numérique signal quantifié 4 Compression-codage Éventuellement : suppression des silences signal codé 5 Paquétisation - ajout des en-têtes paquet auteur : L.Burri 2
2.1 Conversion onde sonore/signal électrique Cette première étape est réalisée à l aide d un microphone. Le microphone est un transducteur d'énergie, qui transforme de l'énergie acoustique en énergie électrique. 2.2 Echantillonnage et quantification La conversion analogique/numérique (CAN) permet de représenter le signal analogique, image de la parole, sous forme d un ensemble fini de nombres à une fréquence d échantillonnage fixée. Cette CAN se caractérise par : La fréquence d échantillonnage, c est-à-dire la période avec laquelle le signal analogique est mesuré au cours du temps. La méthode de quantification, c est-à-dire le nombre et la distribution des valeurs discrètes qui sont utilisées pour la mesure. 2.2.1 Echantillonnage Mathématiquement, le processus d échantillonnage est le résultat de la multiplication d une série d impulsions d amplitude 1 par le signal analogique. On obtient des impulsions à amplitude modulée (PAM =Pulse Amplitude Modulation) : t 1 X = Te = 1/fe t t Théorème de Shannon La fréquence minimale d échantillonnage d un signal doit être au moins le double de la fréquence maximale contenue dans le signal à échantillonner : F ech 2 * F max_signal On considère alors que les échantillons contiennent toutes les informations du signal original. auteur : L.Burri 3
Comme la parole téléphonique a une bande passante de 3200Hz, ce sont au moins 6400 échantillons qui doivent être acheminés au récepteur. La normalisation a optée pour un échantillonnage 8000 fois par seconde 2.2.2 Quantification La quantification permet de représenter chaque échantillon par une valeur numérique au moyen d une loi de correspondance. 2.2.2.1 Quantification linéaire La loi la plus simple consiste à diviser l ordonnée en segments égaux, le nombre de segments dépendant du nombre de bits choisis pour la numérisation. C est la quantification linéaire. o Exemple : quantification sur 4 bits : 1111 1110 1100 1011 1010 1001 1000 0111 0110 0100 0011 0010 0001 0000 La valeur de l échantillon est égale à la valeur numérique la plus proche t auteur : L.Burri 4
On obtient un signal MIC (Modulation par Impulsion Codée) : 1111 1110 1100 1011 1010 1001 1000 0111 0110 0100 0011 0010 0001 0000 t Les erreurs introduites par le processus de quantification, induisent un «bruit de quantification». Ce bruit est la différence entre la valeur du signal analogique à l'entrée du CAN, et la valeur du signal quantifié à la sortie. Plus l échelle de quantification est fine, moins le bruit est important. o Remarque : le bruit total, dans le signal qui arrive au récepteur est la somme de plusieurs bruits introduits par : les erreurs de quantification, la qualité de la ligne de transmission, les ondes électromagnétiques SNR = Signal to Noise Ratio SNR = Le SNR est le rapport de l énergie du signal transmis (S) sur l énergie du bruit (B). 2.2.2.2 Quantification non linéaire La loi de correspondance, pour la quantification doit être choisie de façon à ce que la valeur des signaux ait le plus de signification possible. Ainsi, si tous les échantillons ont une valeur à peu près égale et se trouvent donc tous rassemblés dans une zone de codage, il faut essayer d y obtenir plus de possibilités de codage que dans les zones où il y a peu d échantillons, de façon à pouvoir distinguer la valeur de ces échantillons très proches (plutôt que d avoir que des valeurs égales). auteur : L.Burri 5
On utilise essentiellement 2 lois de correspondance : La loi en Amérique du Nord : 128 valeurs d échantillons positives La loi A en Europe : 128 valeurs d échantillons positives + 128 négatives, soit 256 valeurs Ces deux lois sont de type semi-logarithmique, garantissant ainsi une précision à peu près constante : auteur : L.Burri 6
2.3 Compression - codage Dans le but de transporter les données numériques précédentes, on réalise un traitement du signal, par de purs algorithmes mathématiques. La compression/codage permet de coder des échantillons, issus de la quantification de N 1 bits en échantillons de N 2 bits, avec N 2 < N 1, afin de réduire le débit en ligne. Il existe des codages : HBR ( Hight Bit Rate Codec ) = codecs haut débit LBR ( Low Bit Rate Codec ) = codecs bas débits. o Remarque : Si les codecs LBR permettent de réduire la bande passante allouée au trafic de la voix, ils induisent aussi une distorsion du signal et des problèmes d écho. o Débit de différents codecs : codec G.711 G.726 G.728 G.729 G.729a G.723.1 Débit(Kbits/s) 64 32 16/24/32/40 8 8 5,3/6,3 2.4 Suppression des silences Pour optimiser la bande passante, il ne faut pas transmettre les silences. Par contre, les utilisateurs doivent toujours avoir l impression d être en conversation. La VAD (Voice Activity Detection) permet, en cas de silence de ne pas les transmettre, mais de générer à leur place, côté réception, un bruit de confort. 2.5 Paquétisation - ajout des en-têtes La voix est transporté au dessus d IP, en mode non connecté (plus rapide) via UDP( User Data Protocol). Le protocole utilisé pour transporter les échantillons de voix téléphonique est RTP (Real-time Transport Protocol) RTP UDP IP Data link Physical auteur : L.Burri 7
Par défaut, le segment RTP contenu dans le paquet IP contient un nombre d échantillons équivalents à 20 ms de voix, mais cette valeur peut être modifiée jusqu à 200ms au maximum. en-tête charge utile L en-tête contient : Les adresses IP (source et destination) Le n de port UDP afin d identifier les applications émettrice et réceptrice Dans le champ RTP, les informations nécessaires à la restitution du signal voix. 3. Transport de la voix Deux protocoles sont utilisés pour le transport des flux en temps réel : RTP et RTCP. Les connexions RTP et RTCP sont établies par un protocole supplémentaire de signalisation : H245, SIP 3.1 RTP RTP = Real-time Transport Protocol RTP fournit les services suivants : Distingue les différentes sources, lors d envoi de trames de multidiffusion Maintient la distribution en temps réel des paquets Assure la synchronisation des flux voix Séquence les paquets afin d identifier, à la réception, une perte éventuelle Identifie les types de codecs Contrôle le multipoint (conversation à plusieurs) auteur : L.Burri 8
RTP ne fournit pas la QoS (Qualité de Service) 3.2 RTCP RTP = Real-time Transport Control Protocol RTCP fournit les services suivants : Transmet les paquets de contrôle aux participants à un appel. Rend compte de la qualité du service fourni par le RTP en fournissant des informations de supervision relatives à la gigue et au taux de perte des paquets. Contrôle la session. RTCP permet aux participants d'indiquer, par exemple, leur départ d'une conférence téléphonique (paquet Bye) 4. Qualité de réception de la parole téléphonique Plusieurs paramètres influent sur la qualité de la voix : Le traitement de la voix (qualité de codage) Le délai de transmission La gigue Le phénomène d écho La perte des paquets 4.1 Qualité du codec Souvent, les techniques de codage offrant de faibles débits (codec LBR), augmentent le délai de transmission. Pour caractériser la qualité du codeur, il existe le critère de notation MOS ( Mean Opinion Score note moyenne d opinion), qui classe les codecs en 5 classes : 1 = Mauvais 2 = Médiocre 3 = Moyen, assez bon 4 = Bon 5 = Excellent 4.1.1 Le MOS de différents codecs codec G.711 G.726 G.728 G.729 G.729a G.723.1 MOS 4.1 3.85 3.61 3.92 3.9 3.9 4.1.2 Taille des paquets La bande passante utilisée sur le réseau, pour le transport de la parole téléphonique, ne dépend pas uniquement du choix du codec, mais aussi de la taille des paquets de voix. auteur : L.Burri 9
Ainsi, pour un même temps de parole à transmettre, si l on utilise : des petits paquets de voix : Il ya un plus grand nombre de paquets à transmettre donc plus d en-tête à transmettre donc la BP utilisée est plus importante par contre le temps d acheminement de chaque paquet est plus court. de grands paquets de voix : Il ya un plus petit nombre de paquets à transmettre donc moins d en-tête à transmettre donc la BP utilisée est moins importante par contre le temps d acheminement de chaque paquet est plus long. Donc, il faut un bon compromis entre la taille des paquets à transmettre et le délai nécessaire pour cette transmission. 4.1.3 Bande passante utilisée par différents codecs auteur : L.Burri 10
4.2 Délai de transmission Le délai de transmission est le temps écoulé entre l émission de la parole et sa restitution à l arrivée. Dans le cas de la VOIP, par exemple, il est donc la somme des opérations suivantes : o Codage/Paquétisation de la voix o Traversée du terminal (téléphone ou PC) o Traversée du modem et de la passerelle o Traversée du réseau IP o Traversée du modem et de la passerelle o Traversée du terminal (téléphone ou PC) o Décodage/Dépaquétisation de la voix Pour permettre un échange interactif, la voix doit être transmise avec des contraintes de délai. L UIT-T, indique qu un délai de transmission des paquets de voix : de 0 à 150 ms = est acceptable pour la plupart des conversations de 150 à 300 ms = est acceptable pour des conversations faiblement interactives de 300 à 700ms = devient pratiquement une conversation half-duplex (talkiewalkie) au-delà de 700ms = inutilisable sans une bonne pratique de la conversation halfduplex. 4.3 Gigue (jitter) La gigue est la variation du délai de transmission. Comme les différents paquets de voix n empruntent pas forcément le même chemin, ils subissent inévitablement des délais de transmission variables, le récepteur ne peut pas simplement reproduire le signal, au moment de l arrivée du paquet. Pour égaliser les variations de la gigue, on utilise un tampon de lissage (jitter buffer). La reproduction de la voix se fait par lecture, à partir du tampon de lissage, et non plus à partir du réseau, en temps réel : auteur : L.Burri 11
L inconvénient est que l utilisation de ce tampon de lissage introduit un délai supplémentaire et augmente donc le délai de transmission. 4.4 Phénomène d écho o Echo côté locuteur : perception par le locuteur de sa propre voix, décalée dans le temps. o Echo côté auditeur : lorsque la parole du locuteur est réfléchie deux fois, l auditeur entend la voix du locuteur deux fois : un signal fort et clair, suivi d un signal très atténué et fortement décalé. 4.5 Perte des paquets Pour combattre les effets des pertes de paquets, les terminaux peuvent utiliser des techniques de Redondance = au départ, on envoie périodiquement de paquets contenant un «résumé» des N paquets précédents cela augmente le délai de transmission. Masquage : à l arrivée, on remplace le paquet manquant avec les données des paquets qui précèdent et qui suivent le paquet perdu. Pour avoir une qualité de parole acceptable, le taux de parte de paquets doit être inférieur à 5%. 5. Sources «Cours réseaux et télécoms» de Guy Pujolle, aux éditions Eyrolles Diaporama «voix et téléphonie sur IP» de Learneo (Avril 2005) auteur : L.Burri 12