Technische Aspekte der Internet-Telefonie/VoIP

Inhalt

1. Einleitung - Was ist VoIP

2. Hardware

3. Signalisierung

4. Buffer

5. Priorisierung

6. Codecs
6.1. Psychoakustik

7. Protokolle
7.1. UDP
7.2. RTP
7.3. SIP

8. Schluss

1. Einleitung - Was ist VoIP

Die vorliegende Arbeit soll die Technik von Voice over IP darstellen. Das bedeutet die Technik, die genutzt wird, um gesprochene Texte per Internet-Protokoll zu verbreiten. Diese Technik bietet somit eine Form der Telefonie an, die sich von der traditionellen, analogen Telefonie besonders dadurch unterscheidet, dass bei ihr die Sprache digital und in einzelnen Datenpaketen vermittelt wird.^[1] Diese in IP geschriebenen Pakete nehmen nun ihren Weg vom Sender zum Empfänger nicht über eine direkte, exklusive Leitung, sondern über verschiedenste Wege durch Netzwerke geleitet, zusammen mit vielen anderen Datenpaketen.

Diese IP-Telefonie findet eine immer weitere Verbreitung, bei Privatleuten wahrscheinlich, weil bei Vorhandensein eines schnellen Internetanschlusses evtl. erheblich geringere Kosten als bei der traditionellen Telefonie entstehen, bei Gewerben vermutlich, weil nicht genutzte Bandbreite für andere Anwendungen zur Verfügung steht und keine Leitung für die Dauer des Gesprächs blockiert wird. Um diesen Dienst jedoch nutzen zu können, muss man ein paar Voraussetzungen erfüllen. Diese möchte ich in Abschnitt 2. Hardware behandeln. Interessanter ist allerdings, welche Aspekte dieser Technologie man nicht sieht: Den Aufbau einer Verbindung (behandelt in Abschnitt 3.), die Komprimierung der Sprechdaten (Abschnitt 6.), das Schreiben der Datenpakete (Abschnitt 6.), sowie die Lösung eines speziellen Problems der VoIP, der Übertragung in Echtzeit (Abschnitte 4. und 5.). In Abschnitt 8. Schluss möchte dann noch kurz einen Ausblick auf die Bedeutung dieser Technik in Bezug auf die traditionelle Telefonie geben.

2. Hardware

Damit eine VoIP-Vebindung zustande kommen kann, benötigt man einen Anschluss an das Internet oder ein anderes öffentliches oder privates Computernetzwerk. Ist dieser vorhanden, gibt es normalerweise auch einen Rechner, der mit diesem verbunden ist. Die direkteste Art nun VoIP zu nutzen wäre ein Programm auf dem Rechner zu nutzen und diesen mit einem Mikrofon und Lautsprechern auszustatten. In der Tat werden solche Programme angeboten und einen Rechner kann man recht leicht durch ein Headset mit Mikrofon und Lautsprecher ausstatten^[2]. Jedoch geht die VoIP-Technik eher den Weg sich für den Endverbraucher möglichst genau wie die herkömmliche Telefon-Technik darzustellen, also Telefone als Endgeräte anzubieten. Dies kann auf verschiedene Weisen geschehen: Ein normales Telefon kann an einen DSL-Router angeschlossen werden, der VoIP unterstützt, es kann über einen Adapter mit dem Internet verbunden sein (sogenannte ATA-Box) oder man verbindet ein spezielles IP-Telefon mit dem Netz. Ein VoIP-fähiger DSL-Router, ein IP-Telefon und die ATA (Analog-Telefon-Adapter)-Box leisten dabei jeweils die Digitalisierung unserer analogen Sprechdaten. In diesen Versionen von VoIP kann ein vorhandener Rechner entweder auch ausgeschaltet sein (DSL-Router, ATA-Box) oder gänzlich fehlen (IP-Telefon). Die Digitalisierung findet auf der Ethernet-Ebene statt. Soll nun ein Gespräch zustande kommen, so müssen entweder beide Teilnehmer eine der genannten Voraussetzungen erfüllen, oder ein Teilnehmer ist Teilnehmer im normalen Telefonnetz. Das dies möglich ist gewährleistet die „Konvergenz der Netze“, d.h. das Phänomen, dass das VoIP-Netz und das herkömmliche Telefonnetz in beiden Richtungen mit Gateways verbunden sind. Diese Vermittlungsrechner wandeln die IP-Pakete in analoge Sprechdaten um und umgekehrt.

3. Signalisierung

Die traditionelle Telefon-Technik hat ihre Signalisierungsprobleme hinter sich. Jedes Analog-Telefon hat eine bestimmte Rufnummer, die von jedem anderen angewählt werden kann. Anders sieht es bei der VoIP aus. Ein IP-Paket sucht im Netzwerk nach einer speziellen IP-Adresse. Die IP-Adresse wäre also das in der VoIP, was in der traditionellen Telefonie die Rufnummer ist. Dies ist jedoch problematisch, da die meisten Rechner heute, zumindest im privaten Bereich, keine feste IP-Adresse verwenden, sondern sich über einen Dynamic Host Configuration Protocol (DHCP) –Server im Netz anmelden und eine IP-Adresse dynamisch zugeteilt bekommen. Somit wird eine direkte Anwahl unmöglich. Benötigt wird ein Uniform Resource Identifier (URI), welcher wie bei einer E-mail es anderen Rechnern möglich macht einen bestimmten Rechner auch mit veränderter IP-Adresse wiederzuerkennen. Dafür sind Signalisierungsprotokolle zuständig, welche von beiden Seiten unterstützt werden müssen^[3]. Diese Signalisierungsprotokolle können auch für die eigentliche Anwendung steuernd sein, wie bei SIP. Da jedoch, wie schon gesagt, die IP-Telefonie bevorzugt herkömmliche Telefone als Endgeräte verwendet, muss dieser URI noch in ein Rufnummernsystem umgewandelt werden. Das kann man erreichen, indem man beim Wechsel von analog zu VoIP mit dem ENUM-Verfahren^[4] die alte Rufnummer beibehält, oder eine neue, noch nicht vergebene Nummer aus dem entsprechenden Vorwahlgebiet verteilt, oder ähnlich wie beim Mobilfunk eine spezielle Internet-Vorwahl einführt, durch welche auch der jeweilige VoIP-Provider erkennbar wäre. Wenn also nun nach dem Wählen einer Rufnummer eines VoIP-Anschluss an einem herkömmlichen Telefon in einem Gateway (der zum Telefon gehörige Rechner in dem Fall, in dem der anrufende Anschluss ebenfalls ein VoIP-Anschluss ist, oder ein Gateway, das für die Konvergenz der Netze zuständig ist) ein Signalisierungsprotokoll gestartet wird, das vom Empfänger-Anschluss unterstützt wird, dürfte das Telefon klingeln, womit die Signalisierung geglückt wäre.

4. Buffer

Wir kommen nun zum Problem der Echtzeitübertragung. Wie erwähnt ist VoIP ein paket-vermittelter Dienst. Da sich diese Pakete unterschiedliche Wege durch das Netzwerk suchen, ist nicht gewährleistet, dass die gesendeten Pakete im gleichen zeitlichen Abstand oder in der richtigen Reihenfolge beim Empfänger ankommen. Die zeitliche Schwankung, die deshalb zwischen dem Empfangen der Datenpakete entsteht, wird als Jitter bezeichnet. Aufgrund dieses Jitters können die empfangenen Pakete nicht sofort zur Anwendung kommen, da dies zu Unterbrechungen und falscher Reihenfolge in der Wiedergabe führen würde. Man schaltet nun einen Zwischenspeicher zwischen das Empfangen der Daten und deren Wiedergabe, derart, dass er soviele Datenpakete sammelt, dass er den Jitter ausgleichen kann, indem er aus einem Vorrat an Daten für die Anwendung schöpfen kann. Dieser Speicher, Buffer genannt, muss nun natürlich groß genug gewählt werden, damit der Jitter zureichend aufgefangen wird. Der Buffer benötigt jedoch eine gewisse Zeitspanne, um sich erstmalig zu füllen. Diese Zeitspanne zieht sich dann als Grundzeitverzögerung (Delay) durch die gesamte Anwendung. Die Gesprächsteilnehmer bekommen dann das doppelte Delay zu spüren, da es sich in beiden Richtungen addiert. Ist das resultierende Delay nun zu groß, treten Kommunikationsprobleme auf: A sagt etwas und wartet auf eine Erwiderung von B. B erhält das Gesagte jedoch verzögert durch das Delay, sodass A scheinbar keine Erwiderung erhält und das Gespräch wieder aufnimmt. Währenddessen erwidert B und in dem Moment, in dem das von B gesagte bei A ankommt stoppt A seine Geprächswiederaufnahme und erwidert auf B. Bei B kommt allerdings noch der Geprächsfetzen von A an und B fängt an sich wiederholen, stoppt dies allerdings, als er wieder etwas von A hört, und so weiter. Als maximales Delay, bei dem normale Kommunikation noch möglich ist werden 150 Millisekunden angegeben. Das Delay muss jedoch groß genug sein um den Jitter auszugleichen, denn ein Übersteigen des Delays durch den Jitter führt sofort zu Tonstörungen, Stocken oder Verzerren. Um das Delay klein genug für ein herkömmliches Telefonat zu halten muss also der Jitter möglichst klein gehalten werden. Wie das geschehen kann behandeln die nächsten beiden Abschnitte. Ein Telefonat kann allerdings auch bei relativ großem Delay zustande kommen, wenn die Gesprächsteilnehmer trainieren würden immer genügend lange Pausen einzulegen. Da VoIP aber die Bestrebung hat eine adäquate Alternative zur analogen Telefonie zu sein, wird dieser Weg nicht bestritten.

[...]

^[1] Ein Mittelding zwischen analoger Telefonie und VoIP in Hinsicht auf die Datenübertragung ist die digitale Festnetztelefonie (ISDN), wo digitalisierte Sprache kontinuierlich mit einer festen Bandbreite über eine reservierte Leitungsverbindung zwischen den Gesprächspartnern übertragen wird.

^[2] Diese Art des „Telefons“ wird auch als Softphone bezeichnet.

^[3] Signalisierungsprotokolle sind z.B.: H.323 – Packet-based multimedia communications systems, IAX – Inter-Asterisk eXchange protocol, ISDN over IP – ISDN/CAPI basierendes Protokoll, MGCP und MeGaCo – Media Gateway Control Protocol H.248, MiNET, SIP – Session Initiation Protocol, Skinny Client Control Protocol

^[4] ENUM steht entweder für "Electronic Numbering" oder "tElephone NUmber Mapping" und ist eine Anwendung des Domain Name Systems zur Übersetzung von Telefonnummern in Internet-Adressen. Die Umsetzung einer Telefonnummer in die korrespondierende ENUM-Domain (in diesem Fall das IETF Mapping) geschieht dabei wie folgt:

+44 1 2345 6789 - Anschreiben der vollständigen E.164-Nummer
44123456789 - Entfernen aller Zeichen, die keine Ziffern darstellen
4.4.1.2.3.4.5.6.7.8.9 - Einfügen von Punkten zwischen den einzelnen Ziffern
9.8.7.6.5.4.3.2.1.4.4 - Umkehren der Reihenfolge der Ziffern
9.8.7.6.5.4.3.2.1.4.4.e164.arpa - Anfügen des ENUM Domain Suffix e164.arpa (Klassische Telefonnummern folgen einem Nummernplan, der im ITU Dokument E.164 festgelegt ist.)