Audio-Codecs zur Sprachdigitalisierung

Wie bei der Digitalisierung von Sprache für die Fernsprechübertragung arbeiten Codecs nach dem Prinzip Sampling, Quantisierung und Kodierung. Dadurch erreicht man eine optimale Sprachqualität, um das analoge Sprachsignal über digitale Systeme zu übertragen.
Bei 8.000 Abtastungen pro Sekunde (Sampling), mit einer Quantisierung von 8 Bit pro Abtastung ergibt sich eine Bitrate von 64 kBit pro Sekunde (nach µ-Law/a-Law). Diese Technik wird als PCM bezeichnet. Sie wird im leitungsvermittelten ISDN für die Digitalisierung der Sprache verwendet.
In einem paketvermittelten Netz ist man immer bestrebt Bandbreite zu sparen. Deshalb werden die Sprachdaten meistens noch komprimiert. Bei zunehmender Komprimierung nimmt die Sprachqualität ab, die Dekomprimierungszeit und die erforderliche Rechenleistung nehmen zu.
Es gilt: Je höher die Bitrate eines Codecs ist, desto besser die Tonqualität. Je niedriger die Bitrate, desto schlechter die Tonqualität und höher der Bedarf an Rechenleistung. Das gilt jedoch nicht immer. Die meisten Codecs machen sich die Eigenschaften der menschlichen Sprache zu nutze um möglichst verlustfrei zu komprimieren.
Es gibt verschiedene Codecs, die für Multimedia-Übertragung im IP-Netzwerk geeignet sind. G.711 (PCM) bietet die beste Sprachqualität. Er kommt ohne rechenintensive Kompression aus und braucht deshalb auch relativ viel Bandbreite. Werden die Sprachdaten mit einem anderen Codec komprimiert, dann wird G.711 beim Qualitätsvergleich herangezogen.

Codecs zur Sprachdigitalisierung müssen noch ein paar Bedingungen mehr erfüllen können. Bedingt durch die Struktur des Internets (paketorientierte Übertragung und Vermittlung) müssen sie Paketverluste (bis zu 5%) verkraften und Laufzeitunterschiede der einzelnen Pakete ausgleichen und in die richtige Reihenfolge sortieren können (Forward Error Correction und Jitter Buffering). Das bedeutet, dass Paketverluste und Laufzeitschwankungen keinen Einfluss auf die Sprachqualität haben dürfen.

MOS - Mean Opinion Score

Von Bell Labs wurde der "Mean Opinion Score" (MOS) definiert. Der MOS ermittelt das statische Empfinden der Sprachqualität eines Benutzers. Der MOS 4 gilt als Grenzwert. Darüber wird die Sprachqualität besser, darunter schlechter.

Die Auswahl eines Codecs ist immer ein Kompromiss zwischen Sprachqualität, Bitrate, Bandbreite und Rechenleistung. Muss die Sprachqualität sehr gut sein, dann ist die Bitrate sehr groß. Entsprechend muss eine ausreichende Bandbreite über die gesamte Übertragungsstrecke zur Verfügung stehen. Reicht eine geringere Sprachqualität aus, dann sinkt dadurch die Bitrate und der Bedarf an Bandbreite. Gleichzeitig steigt dabei der Bedarf an Rechenleistung, um die Sprachdaten zu dekomprimieren.

G.711

G.711 ist der älteste Codec überhaupt. Er wurde bereits 1965 von der ITU zugelassen. Er benötigt nur eine geringe Rechenleistung, erzeugt dafür einen Datenstrom von 64 kBit/s.
IP-Telefonie-Anbieter setzen häufig auf G.711. Es ist dasselbe Verfahren wie bei ISDN. Der Vorteil liegt in der einfachen Durchleitung der Sprachdaten vom Festnetz ins IP-Netz bzw. umgekehrt. Eine Umkodierung der Sprachdaten ist nicht notwendig.
Für schmalbandige Internet-Zugänge oder Netzwerkverbindungen ist dieser Codec absolut ungeeignet.

G.722

Der Codec G.722 bewertet die Signaldifferenz zwei aufeinanderfolgender Signale. So lässt sich mit der selben Bitrate von G.711 ein Sprachsignale bis 7 kHz mit einer Abtastrate von 16 kHz digitalisieren. Das Frequenzband reicht von 50 Hz bis 7.000 Hz. Der Bandbreitenbedarf liegt bei 48, 56 oder 64 kBit/s.

G.723.1

Durch ein Prädiktionsverfahren erreicht dieser Codec mit einer Bitrate von 5,6 oder 6,3 kBit/s, einer Audiobandbreite von 3,1 kHz und einer Bitbreite von 8 Bit eine etwas geringere Sprachqualität als G.711.
Die erforderliche Rechenleistung bei G.723 ist nicht zu unterschätzen. Das ist der Datenrate geschuldet, die um den Faktor 10 niedriger ist, als bei G.711.

G.729

Bei G.729 handelt es sich um die optimierte Variante des CELP-Algorithmus für Sprachübertragungen. G.729 ist mit G.723 vergleichbar. Der Bandbreitenbedarf liegt nur bei 8 kBit/s, wodurch eine geringere Rechenleistung im Vergleich zu G.723 erforderlich ist.
Für VoIP-Anwendungen wird der Codec G.729A verwendet. Er ist die Grundlage für eine gute Sprachqualität in VoIP-Netzen. Unter Berücksichtigung des IP-Overheads, der Sprachkomprimierung und der Sprechpausenunterdrückung wird eine Bandbreite von ca. 10 kbit/s (1,25 kByte/s) pro Sprachverbindung benötigt. Diese Bandbreite muss das Datennetz für jedes Gespräch gewährleisten.
Alternativ stellen VoIP-Anbieter Verbindungen mit G.729 zur Verfügung. Die eingesetzte Kompression drückt die Datentransferrate auf fast 10%. Obwohl das Abstriche bei der Sprachqualität bedeutet, ist das deutlich besser als die Sprachqualität im Mobilfunknetz.

Linear-PCM 16 (L16)

Linear-PCM 16 (L16) ist von der TIA (Telecommunications Industry Association) im Rahmen der Spezifikation TIA 920 für Breitband-Kommunikation definiert (Breitband-Internet-Anschlüsse). Das Sprachsignal wird 16.000 mal pro Sekunden abgetastet (Sampling). Die Sprachdaten werden mit 16 Bit aufgelöst (Quantisierung). Die Übertragung findet ohne Kompression, ohne Latenz und ohne Umwandlung statt. L16 bietet so die beste Übertragungsqualität.

PCMA-16

PCMA-16 ist eine 16 kHz-Variante des G.711-Codecs. PCMA-16 bietet eine Abtastrate von 16.000 Samples pro Sekunde (Sampling). Die Sprachdaten werden nach dem A-Law in 8 Bit aufgelöst (Quantisierung).

GSM

GSM ist der Codec für die Sprachübertragung im Mobilfunknetz. Die Bandbreite beträgt 13,2 kBit/s.

iLBC

Der Codec iLBC ist für schmalbandige Übetragungsstrecken im Internet entwickelt worden. Er ist speziell darauf optimiert, im Falle von verloren gegangenen und verzögert eingetroffenen Datenpaketen, eine gleichbleibende Sprachqualität und -verständlichkeit zu liefern. Der Codec besitzt eine höhere Qualität als G.729. Die Bandbreite liegt bei 13,33 kBit/s.

Speex (SPX)

Speex zeichnet sich dadurch aus, dass er eine variable Bitrate hat und somit optimal an die Sprachübertragung angepasst ist. So zum Beispiel an Sprechpausen, in denen so gut wie keine Daten anfallen. Die Bandbreite liegt zwischen 2,15 und 24,6 kBit/s.

Skype

Skype verwendet einen propritären Codec, der Audio bis rund 12 kHz übertragen kann.

Übersicht der Audio-Codecs

Weitere verwandte Themen:

• VoIP - Voice-over-IP
• H.323
• SIP - Session Initiation Protocol
• QoS - Quality of Service
• Skype

Bookmark

Findest Du Elektronik-Kompendium.de gut? Hat Dir diese Webseite auch schon weitergeholfen?
Willst Du uns dabei unterstützen noch bekannter und besser zu werden?
Erfahre mehr über die Möglichkeiten. Jeder kann etwas tun!