音频编码（二）——音频编码带宽及延迟计算

首先我们要区分窄带音频编码和宽带的区别，这两种方式将传统的音频编码方式分为两类，可以从下图理解窄带与宽带的区别。

窄带就是8KHZ采样，宽带语音就是16KHZ采样，扩大了语音采样频率范围。

---

下面以窄带的音频编码为例，分析其所占用带宽的计算方法。

例如：G711 G723 G729线路占多少带宽问题，计算方法如下

带宽=包长度×每秒包数

　　=包长度×（1/打包周期）

　　=（Ethernet头+IP头+UDP头+RTP头+有效载荷）×（1/打包周期）

　　=（208bit +160bit+64bit+96bit +有效载荷）×（1/打包周期）（Ethernet头是个变量）

　　=（528bit+（打包周期(秒)×每秒的比特数））×（1/打包周期）

　　=（ 528 / 打包周期 ) + 每秒比特数

按照上面的计算公式：

　　G711：20ms打包，带宽为 ( 528/20 + 64) Kbit/s=90.4 Kbit/s

　　G729：20ms打包，带宽为 ( 528/20 + 8 ) Kbit/s= 34.4 Kbit/s

　　G723：5.3k，30ms打包，带宽为 ( 528/30 + 5.3 ) Kbit/s=22.9 Kbit/s

上述给出了音频编码带宽大小的计算方法，结合下图可进行直观地对数据进行总结。

计算带宽时,不能假设每一个通道都处于使用状态，正常的通话过程包括一系列的静音,也就意味着并不是一直都有包在传送，所以理论的最大带宽并末一直被使用，一个传送64kb流的语音编码很大程度上都是IP网络流的结果，额外的带宽使用主要是IP或UDP头的增加，即很多时候，实际上音频是包头大小远远大于包数据大小。

另外，还会出现加了VPN后包更大的状态。8K的G.729加上IP封装后达到32K，为了防封杀，还有的用户使用IP Sec设备将语音做成VPN，这样G.729加上IP封装，再加上VPN会达到60多K。

为了提升音频的流畅性，编码时候会尽量减少时延，导致话音净荷通常都很短。但音频净荷短了会导致分组数量变多了，即话音分组的IP部分开销很大，于是有人提出组合RTP分组的概念。

---

根据上述所需带宽值，我们给出理想的带宽条件

G711在大约有 100Kbps 带宽时，有很好的语音质量。
G.726 在大约有 50Kbps 带宽时，有好的语音质量。
G.729 在大约有 30Kbps 带宽时，有好的语音质量。

---

除了上述带宽外，音频编码还会存在算法延迟。

关于算法的延迟，很大一部分时间是用于封装（采样并量化），即封装的效率

带宽占用＝传输的总字节数 / 传输的总时间

带宽＝(20byte（IP头）+8byte（UDP头）+12byte（RTP头）+20byte(数据))/２０ms=60byte/20ms

以上计算公式含义为：每20ms，需要传输的字节数包括20个字节的IP包头，8个字节的UDP包头，12各字节的RTP包头，20字节的语音数据共60字节，结果为：3byte/ms=3000byte/s=24000bit/s＝24kbit/s。

因此，理论上G.729中每个数据包包含两帧语音的编码方式，占用带宽24kbit/s，而又有封装效率的估算公式为：

封装效率=[（压缩后的语音包× n × 帧长/ 8）] / [（压缩后的语音包×n× 帧长/ 8 ）＋40] 。

n表示打进n个语音包。

以G.729信源编码为例，如一个RTP包打进一个语音包，则实际传送码流为40kbit/s，时延约为 10 ms；

如打两个语音包，则实际传送码流为24kbit/s，时延约为 20ms；

如打四个语音包，实际传送码流为16kbit/s，时延为40ms。

为保证编码打包的时延，若将缺省语音包的数量定为两个，实际传送码流即为24kbit/s，而不是8kbit/s。

因此对于语音业务这类实时性要求非常高的业务，要保证语音的质量，根据ITU-T标准语音的全程往返时延应当控制在450ms为宜，编码打包后形成的单位码流通常是在20kbit/s。