VoIP環境における音声帯域について

＃＃＃

今回のInst. Tech Viewは、「第43回"IP電話で使用されるRTPの特長"」の続編として、VoIP環境における音声帯域についてご紹介します。

　さっそくですが、VoIP環境において1通話分の音声帯域はどのくらいだと思いますか？実は、この1通話分の帯域はVoIPネットワークを設計する上で重要な要件になる場合があります。具体的には、利用者要件に応じてWAN回線の増強や通話数の制限をしなければならない場合です。

　例えば、ある拠点間のWAN回線が200kbpsという非常に遅い（狭い）帯域だったとします。また、1通話分の音声帯域が50kbpsだと仮定します。この場合、この拠点間で実現できる同時通話数は単純計算すると4通話（200kbps ÷ 50kbps = 4）ということになります。

　ただ、VoIPでは従来の電話回線（PSTN）のように音声回線という概念がありませんので、両拠点の利用者からの通話要求に応じて通話トラフィックが発生してしまいます。そして、WAN回線の帯域を上回る音声通話のトラフィックが発生したタイミング（つまり今回のケースでは5通話目）で、すべての通話に対して本来必要な帯域が割り当てられず、パケットロスや遅延が発生します。結果、すべての通話で音声の途切れや遅れなど品質に影響が出ます。

　1通話分の音声帯域を把握することの重要性が理解できたところで、実際の音声帯域を計算してみましょう。

　「第43回"IP電話で使用されるRTPの特長"」でもご紹介したように、VoIP環境では音声情報は以下手順を経てIPネットワークへ送出されます。

(1)音声情報をデジタルデータ化
(2)各レイヤープロトコル（L2フレーム、IP、UDP、RTP）によってカプセル化

まずは(1)についてですが、音声情報は"コーデック（codec）"と呼ばれるアナログ→デジタル変換技術によってデジタル化されます。コーデックには様々な方式があり、VoIP環境では主にG.711およびG.729と呼ばれるものが利用されます。なお、それぞれの方式でデジタル化された音声の情報量は64kbps（G.711）、8kbps（G.729）となります。

　また、デジタル化された音声データはIPパケットに詰め込むために一般的には20ms毎（※）に分割されます。つまり、1通話あたりの1秒分の音声は最終的には50パケットになります。※遅延や転送効率を考慮し、一般的なVoIPデバイスでは20ms毎にIPパケット化　します。

　よって、1パケットあたりの音声データサイズは以下のように計算できます。

(G.711)　64kbps ÷　50pps（packet per second） =　1,280bit（160byte）/packet
(G.729)　8kbps ÷　50pps（packet per second） =　160bit（20byte）/packet

　次に(2)についてですが、1パケットあたりの各レイヤープロトコルのヘッダサイズは以下の通りです。（今回はL2プロトコルをEthernetとします）

この続きは以下をご覧ください
リンク