Tổng quan nghiên cứu

Sự bùng nổ của mạng Internet và công nghệ chuyển mạch gói đã tạo nên bước ngoặt mang tính cách mạng trong ngành viễn thông toàn cầu. Việc chuyển đổi từ mạng điện thoại công cộng truyền thống (PSTN - Public Switched Telephone Network) sang công nghệ truyền thoại qua giao thức Internet (VoIP - Voice over Internet Protocol) giúp các tổ chức và doanh nghiệp cắt giảm từ 40% đến 65% chi phí cước viễn thông đường dài, đồng thời tiết kiệm hơn 50% chi phí đầu tư cơ sở hạ tầng mạng độc lập. Tuy nhiên, do mạng IP vốn được thiết kế theo cơ chế nỗ lực tối đa (best-effort), luồng dữ liệu thoại thời gian thực thường xuyên phải đối mặt với các vấn đề kỹ thuật nghiêm trọng như độ trễ truyền dẫn (delay), độ biến thiên trễ (jitter) và tỷ lệ thất lạc gói tin (packet loss).

Trước thách thức đó, đề tài luận văn thạc sĩ "Truyền tiếng nói qua internet" được thực hiện bởi học viên Đỗ Thị Hương dưới sự hướng dẫn khoa học của Phó Giáo sư, Tiến sĩ Trịnh Văn Loan tại Viện Công nghệ Thông tin & Truyền thông, Trường Đại học Bách khoa Hà Nội vào tháng 09 năm 2013. Mục tiêu trọng tâm của nghiên cứu là khảo sát bản chất xử lý tín hiệu tiếng nói số, so sánh hiệu năng các giải thuật mã hóa nén âm thanh (đặc biệt là chuẩn CS-ACELP G.729 với tốc độ 8 kbit/s), phân tích cơ chế đảm bảo chất lượng dịch vụ QoS, và xây dựng mô hình thực nghiệm hệ thống thoại hội nghị đa điểm tích hợp đồng thời mạng VoIP và PSTN. Nghiên cứu mang ý nghĩa thực tiễn to lớn khi đưa ra giải pháp nén băng thông hiệu quả tới 87,5% so với chuẩn PCM 64 kbit/s truyền thống, đồng thời duy trì điểm số chất lượng cảm nhận thoại MOS đạt ngưỡng trên 3,9 điểm trong điều kiện mạng biến động.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn được xây dựng trên nền tảng lý thuyết vững chắc về xử lý tín hiệu số âm thanh (Digital Signal Processing), lý thuyết mã hóa tiếng nói nguồn và mô hình truyền thông thời gian thực trên nền tảng gói tin IP. Khung lý thuyết trọng tâm bao gồm mô hình tạo tiếng nói sinh học của con người kết hợp với giải thuật mã hóa dự đoán tuyến tính kích thích mã cấu trúc liên hợp (CS-ACELP - Conjugate-Structure Algebraic Code-Excited Linear Prediction), cùng với mô hình truyền tải thời gian thực thông qua bộ giao thức RTP/RTCP trên nền UDP/IP.

Hệ thống lý thuyết tích hợp 5 khái niệm chuyên ngành cốt lõi:

  1. Quá trình lượng tử hóa và nén tín hiệu âm thanh theo các chuẩn điều chế xung mã vi sai thích nghi (ADPCM) và mã hóa dự đoán tuyến tính (LPC).
  2. Thuật toán phát hiện hoạt tính thoại (VAD - Voice Activity Detection) và phát sinh tiếng ồn tiện nghi (CNG - Comfort Noise Generation).
  3. Cơ chế kiểm soát và phục hồi lỗi gói tin qua mã sửa sai trước (FEC - Forward Error Correction) sử dụng phép toán XOR chẵn lẻ và mã khối đa thức Reed-Solomon RS(n, k).
  4. Khung tiêu chuẩn chất lượng dịch vụ thoại theo khuyến nghị ITU-T G.114 với ngưỡng trễ một chiều tối đa 150 ms và ITU-T P.862 đo lường chất lượng âm thanh khách quan theo thang điểm PESQ/MOS.
  5. Kiến trúc chuyển mạch mềm IP-PBX dựa trên giao thức khởi tạo phiên SIP kết hợp cơ chế bộ đệm Jitter Buffer nhằm tái sắp xếp các gói tin thoại có độ biến thiên thời gian truyền từ 10 ms đến 50 ms.

Phương pháp nghiên cứu

Phương pháp nghiên cứu kết hợp chặt chẽ giữa mô phỏng giải thuật toán học và kiểm chứng thực nghiệm trên hệ thống tổng đài viễn thông thực tế. Về nguồn dữ liệu, tác giả thu thập và số hóa 120 mẫu âm thanh thoại chuẩn hóa của cả giọng nam và giọng nữ ở dải tần số cơ bản 300 Hz - 3400 Hz với tần số lấy mẫu 8 kHz và độ phân giải 16 bit. Cỡ mẫu 120 tệp thoại được lựa chọn theo phương pháp chọn mẫu phân tầng ngẫu nhiên (stratified random sampling) nhằm đảm bảo tính đại diện cho các âm hữu thanh, âm vô thanh và các khoảng lặng tự nhiên trong hội thoại giao tiếp.

Lý do lựa chọn phương pháp phân tích kết hợp giữa mô phỏng tính toán (đo lường WMOPS và MIPS trên CPU) và thực nghiệm hệ thống là nhằm đánh giá chính xác độ trễ thuật toán cũng như khả năng tương thích của các bộ codec trong môi trường mạng thực tế. Về mặt triển khai phần cứng và phần mềm, nghiên cứu tiến hành cài đặt máy chủ tổng đài mã nguồn mở Elastix (tích hợp FreePBX và nhân Asterisk), thiết lập các máy trạm sử dụng SIP Softphone X-Lite và kết nối thiết bị điện thoại hội nghị chuyên dụng Panasonic KX-NT700 qua mạng nội bộ LAN/WLAN và mạng PSTN. Toàn bộ quá trình nghiên cứu, đo lường và đánh giá hiệu năng được hoàn thành trong chu kỳ 11 tháng, từ tháng 10 năm 2012 đến tháng 09 năm 2013.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình nghiên cứu và thực nghiệm đã đem lại 4 phát hiện kỹ thuật mang tính đột phá:

Thứ nhất, chuẩn nén tiếng nói CS-ACELP (G.729) đạt hiệu suất nén vượt trội ở tốc độ 8 kbit/s với kích thước khung 10 ms (cộng thêm 5 ms nhìn trước look-ahead), giúp giảm tới 87,5% nhu cầu băng thông đường truyền so với chuẩn PCM G.711 tốc độ 64 kbit/s. Chất lượng âm thanh sau nén vẫn duy trì độ rõ nét với điểm đánh giá chất lượng thoại MOS đạt từ 3,92 đến 4,04 điểm.

Thứ hai, việc kích hoạt giải thuật VAD và CNG cho phép triệt tiêu lưu lượng truyền dẫn trong các khoảng lặng đàm thoại vốn chiếm từ 45% đến 50% tổng thời lượng cuộc gọi. Cơ chế này giúp giải phóng thêm xấp xỉ 35% băng thông tổng thể mạng truyền dẫn mà người nghe vẫn duy trì cảm giác kết nối tự nhiên nhờ tiếng ồn nền nhân tạo.

Thứ ba, thực nghiệm đo kiểm tắc nghẽn tại điểm truy cập không dây WLAN cho thấy khi số lượng cuộc gọi VoIP đồng thời tăng từ 5 cuộc lên 25 cuộc, tỷ lệ mất gói tin tăng vọt từ dưới 1,0% lên mức 6,8% và độ biến thiên trễ jitter tăng từ 12 ms lên 48 ms. Việc triển khai cơ chế mã hóa sửa sai FEC (kết hợp mã chẵn lẻ XOR và ma trận RS(n, k)) đã phục hồi thành công tới 92% số gói tin bị mất đơn lẻ, giúp ổn định chất lượng đàm thoại mà không cần phát lại gói tin.

Thứ tư, hệ thống thoại hội nghị đa điểm lai ghép VoIP và PSTN trên máy chủ Elastix xử lý trơn tru các cuộc gọi xuyên mạng với độ trễ đầu cuối trung bình chỉ dao động trong khoảng 85 ms đến 110 ms, hoàn toàn nằm trong giới hạn cho phép theo chuẩn ITU-T G.114 (dưới 150 ms).

Thảo luận kết quả

Các phát hiện trên minh chứng rằng chất lượng cuộc gọi qua mạng gói IP hoàn toàn có thể sánh ngang, thậm chí vượt trội hơn so với mạng PSTN truyền thống nếu áp dụng đúng tổ hợp giải thuật nén và cơ chế QoS thích ứng. Nguyên nhân chính của hiện tượng nghẽn mạng và méo tiếng khi số lượng kết nối tăng cao là do cơ chế tranh chấp kênh truyền vô tuyến CSMA/CA trong môi trường WLAN và xung đột băng thông tại các hàng đợi router. Tuy nhiên, giải thuật CS-ACELP với độ phức tạp tính toán hợp lý (chỉ tiêu tốn từ 10 đến 15 MIPS và khoảng 18,9 WMOPS) giúp các bộ xử lý CPU của thiết bị đầu cuối xử lý mượt mà tín hiệu mà không gây hiện tượng trễ xử lý.

So với các công trình nghiên cứu trước đây vốn chủ yếu tập trung vào mạng dây cố định hoặc mô phỏng lý thuyết thuần túy, luận văn đã hiện thực hóa giải pháp liên thông thoại đa điểm giữa hạ tầng số IP và hạ tầng analog PSTN, giúp doanh nghiệp tiết kiệm hơn 60% chi phí đầu tư tổng đài chuyên dụng. Trong luận văn, các dữ liệu thực nghiệm được trình bày trực quan thông qua bảng đối chiếu chi tiết các thông số kỹ thuật (tốc độ bit, kích thước mẫu, độ phức tạp WMOPS, điểm MOS) giữa các chuẩn mã hóa PCM, APCM, ADPCM, LPC và G.729A, cùng hệ thống đồ thị biểu diễn hàm tương quan giữa số lượng cuộc gọi đồng thời với tỷ lệ suy hao gói tin (%) và độ biến thiên trễ jitter (ms).

Đề xuất và khuyến nghị

Từ các kết quả nghiên cứu và thực nghiệm đạt được, luận văn đưa ra 4 khuyến nghị kỹ thuật và giải pháp triển khai thực tế như sau:

  1. Chuẩn hóa và triển khai bộ mã hóa CS-ACELP G.729A (Codec Deployment): Các doanh nghiệp viễn thông và đơn vị phát triển phần mềm thoại cần ưu tiên tích hợp chuẩn nén G.729A có kèm mô-đun VAD/CNG cho toàn bộ hệ thống đầu cuối, đặt mục tiêu tiết kiệm tối thiểu 40% đến 50% chi phí thuê kênh truyền dẫn trong lộ trình nâng cấp hạ tầng kéo dài 6 tháng.
  2. Thiết lập chính sách ưu tiên lưu lượng QoS trên thiết bị mạng (QoS Traffic Shaping): Đội ngũ quản trị mạng doanh nghiệp cần kích hoạt chính sách phân loại gói tin DSCP/DiffServ trên các thiết bị chuyển mạch switch và định tuyến router, cam kết duy trì độ trễ gói tin thoại dưới ngưỡng 120 ms và kiểm soát tỷ lệ mất gói dưới 1,5% trong quý đầu tiên áp dụng.
  3. Tích hợp giải thuật sửa sai FEC và bộ đệm Jitter động (FEC & Adaptive Buffer Integration): Các kỹ sư hệ thống cần cấu hình bộ đệm jitter thích ứng với độ trễ dao động từ 20 ms đến 60 ms, kết hợp cơ chế mã hóa sửa sai trước Reed-Solomon RS(n, k) nhằm bảo đảm tỷ lệ khôi phục gói tin lỗi đạt trên 90% trước tháng 12 năm nay.
  4. Xây dựng kiến trúc tổng đài lai ghép VoIP - PSTN mã nguồn mở (Hybrid PBX Implementation): Ban quản trị CNTT tại các cơ quan, doanh nghiệp nên ứng dụng nền tảng Elastix/Asterisk kết hợp thẻ giao tiếp FXO/FXS để thiết lập hệ thống hội nghị truyền thông hợp nhất, hướng tới mục tiêu cắt giảm ngay 50% cước phí đàm thoại đường dài và liên tỉnh sau 3 tháng đưa vào vận hành.

Đối tượng nên tham khảo luận văn

Luận văn thạc sĩ "Truyền tiếng nói qua internet" là nguồn tài liệu học thuật và kỹ thuật chuyên sâu, đặc biệt giá trị đối với 4 nhóm đối tượng sau:

  1. Học viên cao học, sinh viên và nghiên cứu sinh ngành Điện tử - Viễn thông và CNTT: Luận văn cung cấp toàn bộ nền tảng toán học về xử lý tín hiệu âm thanh, giải thuật lượng tử hóa, mô hình mã hóa dự đoán tuyến tính LPC/CELP và các phương pháp đo lường chất lượng thoại chuẩn quốc tế theo ITU-T để phục vụ nghiên cứu học thuật và viết khóa luận tốt nghiệp.
  2. Kỹ sư viễn thông và chuyên viên quản trị mạng doanh nghiệp (Network & Telecom Engineers): Cung cấp tài liệu hướng dẫn từng bước về cấu hình tổng đài IP Elastix, thiết lập tài khoản SIP trên phần mềm X-Lite, và kết nối đồng bộ thiết bị hội nghị phần cứng Panasonic KX-NT700 nhằm tối ưu hóa hạ tầng thoại nội bộ.
  3. Giám đốc công nghệ (CTO) và nhà quản lý hạ tầng CNTT (IT Managers): Nắm bắt phương án khả thi để chuyển đổi số hạ tầng viễn thông, giảm từ 40% đến 60% chi phí vận hành dịch vụ điện thoại mà vẫn nâng cao năng suất giao tiếp đa điểm xuyên quốc gia.
  4. Lập trình viên và nhà phát triển ứng dụng thoại OTT (VoIP Software Developers): Tham khảo kiến trúc đóng gói RTP/UDP, thuật toán phát hiện khoảng lặng VAD và kỹ thuật giấu mất gói PLC để phát triển các ứng dụng gọi thoại thời gian thực có chất lượng âm thanh mượt mà trên nền tảng mạng không dây.

Câu hỏi thường gặp

1. Chuẩn nén thoại CS-ACELP G.729 giúp tiết kiệm băng thông mạng như thế nào? Chuẩn mã hóa CS-ACELP chia nhỏ tín hiệu tiếng nói thành các khung 10 ms và sử dụng thuật toán dự đoán tuyến tính để nén luồng thoại từ 64 kbit/s (chuẩn PCM G.711) xuống còn 8 kbit/s. Nhờ đó, hệ thống tiết kiệm được 87,5% dung lượng băng thông truyền tải mà vẫn duy trì chất lượng âm thanh trong trẻo với điểm MOS đạt mức xấp xỉ 4,0 điểm.

2. Nguyên nhân nào gây ra hiện tượng trễ và suy giảm chất lượng âm thanh trong mạng VoIP? Hiện tượng trễ và giật tiếng xuất phát từ đặc tính chuyển mạch gói không kết nối của mạng IP, khiến các gói tin thoại gặp phải tình trạng xếp hàng tại router khi lưu lượng tăng cao. Khi số lượng cuộc gọi qua điểm truy cập vượt quá 20 cuộc đồng thời, độ biến thiên trễ jitter có thể vượt 40 ms, đòi hỏi phải có bộ đệm thích nghi để bù đắp sai lệch thời gian.

3. Kỹ thuật VAD và CNG hỗ trợ tối ưu hóa đường truyền thoại ra sao? Thuật toán phát hiện hoạt tính thoại (VAD) nhận biết các khoảng im lặng tự nhiên trong đàm thoại (chiếm từ 45% đến 50% thời gian cuộc gọi) để tạm dừng gửi gói tin, giúp giảm khoảng 35% băng thông tổng thể. Đồng thời, bộ tạo tiếng ồn tiện nghi (CNG) phía nhận sẽ phát âm thanh nền giả lập để người nghe không có cảm giác bị rớt cuộc gọi.

4. Tại sao doanh nghiệp nên triển khai mô hình hội nghị kết hợp giữa VoIP và PSTN? Mô hình hội nghị lai ghép cho phép doanh nghiệp tận dụng hạ tầng Internet để gọi nội bộ và họp đa điểm hoàn toàn miễn phí, đồng thời vẫn giữ được khả năng kết nối thông suốt với các thuê bao cố định và di động ngoài mạng PSTN. Giải pháp này giúp cắt giảm trên 50% chi phí cước viễn thông và không bị giới hạn số lượng điểm cầu tham gia.

5. Những chỉ số nào đóng vai trò cốt lõi trong việc đánh giá chất lượng mạng VoIP? Chất lượng thoại VoIP được định lượng thông qua thang điểm cảm nhận chủ quan MOS từ 1 đến 5 điểm hoặc công cụ đo lường khách quan PESQ theo chuẩn ITU-T P.862. Về mặt hạ tầng mạng, các thông số kỹ thuật then chốt bao gồm độ trễ một chiều phải dưới 150 ms theo khuyến nghị ITU-T G.114 và tỷ lệ mất mát gói tin không được vượt quá ngưỡng 2,0%.

Kết luận

  • Hệ thống hóa toàn diện cơ sở lý thuyết xử lý tín hiệu âm thanh, cấu trúc bộ máy phát âm sinh học và các giải thuật mã hóa nén thoại hiện đại từ PCM, ADPCM đến CS-ACELP tốc độ 8 kbit/s.
  • Phân tích chi tiết các thông số ảnh hưởng trực tiếp đến chất lượng dịch vụ QoS trên mạng gói IP như độ trễ, biến thiên trễ jitter và tỷ lệ mất gói theo chuẩn quốc tế ITU-T G.114.
  • Ứng dụng thành công thuật toán VAD/CNG và kỹ thuật mã hóa sửa sai FEC (mã chẵn lẻ XOR và Reed-Solomon), giúp giải phóng hơn 80% tài nguyên mạng và phục hồi trên 90% gói dữ liệu hỏng.
  • Thiết kế và thử nghiệm hoàn chỉnh mô hình thoại hội nghị đa điểm tích hợp đồng thời VoIP và PSTN trên nền tảng máy chủ Elastix kết hợp thiết bị đầu cuối Panasonic KX-NT700.
  • Cung cấp cơ sở khoa học và cẩm nang kỹ thuật thực tiễn giá trị cho công cuộc chuyển đổi số hạ tầng viễn thông tại các tổ chức và doanh nghiệp tại Việt Nam.

Trong lộ trình 12 tháng tới, các hệ thống truyền thông thoại cần tiếp tục mở rộng nghiên cứu sang các chuẩn mã hóa băng rộng (Wideband Codec) như G.722.2 và tích hợp cơ chế bảo mật nâng cao SRTP/TLS. Độc giả, kỹ sư mạng và các nhà quản lý công nghệ hãy khai thác toàn văn luận văn thạc sĩ này ngay hôm nay để áp dụng hiệu quả vào công tác nghiên cứu học thuật và xây dựng giải pháp viễn thông tối ưu cho tổ chức của mình!