IP-telefoni (Voice over IP) Jonas Myhrman, 790921-5530, D.
1. INTRODUKTION IP-telefoni, eller VoIP (Voice over IP) som det också kallas, tillåter användare att föra telefonsamtal över datanätverk istället för över det vanliga telefonnätet. Vanligt förekommande i de här sammanhangen är också termen Internettelefoni, men dess innebörd är egentligen mindre omfattande. Telefoni över datanätverk kan mycket väl implementeras i ett lokalt nätverk (LAN) och är inte på något vis beroende av Internet. Som både IP-telefoni och VoIP antyder sker samtalsöverföringen med det så kallade Internet Protocol (IP). IP är ursprungligen inte konstruerat för att användas till röstöverföring men eftersom ljud kan lagras digitalt är det naturligt att också ljudet från ett telefonsamtal kan paketeras och transporteras över datanätverk. Utvecklingen har sedan länge gått mot att använda gemensamma nät till flertalet olika användningsområden. IP-telefoni är ännu ett steg i samma riktning. 2. HISTORIK Redan under slutet av 1970-talet genomfördes forskning kring det dåvarande ARPA-nätet, föregångaren till Internet. Det man då studerade var hur röstupptagningar kan paketeras och transporteras över nätet. Trots detta är det först de senaste tio åren som utvecklingen har kommit igång på allvar. 1995 kom den första mjukvaran som möjliggjorde att röstsamtal kunde föras mellan två persondatorer sammankopplade via IP-baserade nät i allmänhet och Internet i synnerhet. Nästa steg i utvecklingen var att från en dator ansluten till ett IP-nätverk ringa en mottagare ansluten till det konventionella telefonnätet. Detta möjliggörs genom att en gateway vidarebefordrar trafiken från datanätet till telefonnätet. Den naturligt påföljande utvecklingen blev att om en gateway kunde användas mellan två typer av nät, så kunde också två gateways användas. På så sätt försvinner beroende av att man använder sig av datorer. Kommunikation kan helt enkelt ske mellan två telefoner genom att signalen först överförs från telefonnätet till ett datanät och sen tillbaks till telefonnätet. 3. TEKNOLOGI Vid traditionella telefonsamtal upprättas en förbindelse mellan de samtalande parterna med en viss garanterad bandbredd för signalen som överförs. Denna förbindelse är sedan uppkopplad under hela det pågående samtalet, även om det periodvis kan vara helt tyst. Detta förfarande får både positiva och negativa konsekvenser. Fördelen är att när förbindelsen väl är uppkopplad fås en konstant fördröjning av ljudet, nämligen själva överföringstiden för signalen. Nackdelen är att en förbindelse låses upp även om utnyttjandegraden är låg, vilket kan betraktas som ganska ineffektivt. Med IP-telefoni är förfarandet helt annorlunda. Eftersom ett paketorienterat protokoll används för dataöverföringen skickas inte alla paket samma väg över nätverket, utan de skickas helt oberoende av varandra. På så sätt låser man inte upp någon bandbredd utan använder bara nätet till att skicka data som är nödvändig. Att paketen inte skickas samma väga medför den variation i överföringstid som paketen kan ha samt att paket kan förloras på vägen. Nätverksprotokoll IP är ett protokoll för kommunikation i nätverkslagret utan uppkopplingsförfarande. Detta innebär att paket skickas utan att det finns någon kontroll på var de egentligen tar vägen. TCP (Transmission Control Protocol) är ett transportprotokoll som använder sig av kvittenser (så kallade ACK) och omsändningar. På så sätt finns en kontroll på att paketen kommer fram som avsett. TCP kombinerat med IP skapar pålitlighet vid överföringar över nätverk. Många olika applikationer använder sig därför av TCP/IP. Vid realtidsöverföringar, som IPtelefoni, lämpar sig dock TCP/IP dåligt.
Kvittenser och omsändningar garanterar bara att paketen kommer fram och inte på något sätt hur lång tid det tar. Att återsända borttappade paket fyller inte heller någon funktion i telefoni eftersom ett återsänt paket sannolikt kommer fram alldeles för sent. Alla ACK-sändningar skapar dessutom ytterligare fördröjningar i överföringen. UDP saknar den funktionalitet som TCP erbjuder och transporterar tillsammans med IP uppkopplingslöst paket över nätverket utan några garantier för när, eller om, paketen når mottagaren. Om UDP/IP utökas med RTP (Real-time Transport Protocol) fås transportfunktioner anpassade för applikationer som sänder paket med realtidskrav, till exempel ljud och bild. RTP innehåller stöd för mätning av tidsfördröjning och jitter. Återkoppling från en mottagare till sändaren sker med systerprotokollet RTCP (Real-time Transport Control Protocol). Samtalet Det mest grundläggande för att det ska vara möjligt att föra en konversation över ett datanätverk är att en analog röstupptagning kan konverteras till digital data. När man pratar fångas ljudet upp av till exempel en mikrofon och omvandlas till en digital bitström som sparas blockvis i en minnesbuffert. Detektorer kan kontrollera den sparade datan och avgöra vilka block som är att betrakta som tystnad och rensa bort dessa. Allt eftersom bufferten fylls på paketeras röstdatan tillsammans med nödvändig header-data till IP-paket som sedan skickas ut i en ström till mottagaren. Väl framme hos mottagaren behöver följaktligen ett motsatt förfarande ske. Header-datan åtskiljs från datapaketen och datan som representerar ljudet från den andre parten konverteras åter till en analog signal. Ljudkvalitet Det finns flera faktorer som spelar in i strävan efter att åstadkomma bra kvalitet på ett IP-telefonisamtal. Codec för att konvertera taldata, paketering, tappade paket och fördröjning av paket är några bakomliggande orsaker till att kvaliteten kan variera. Ett tappat paket innebär att ett paket av olika anledningar inte har kunnats överföra hela vägen från sändare till mottagare. När detta inträffar yttrar det sig i ljudet som "hopp" eller "klipp", vilket normalt sett upplevs som mycket störande att lyssna på. När det gäller dessa tappade paket klarar många codec av att enskilda paket försvinner så länge det sker med ett visst intervall. Dessa enstaka paket kan det kompenseras för i ljudet, till exempel med algoritmer som använder sig av innehållet i närliggande paket. Om paketen visserligen kommer fram men på vägen mellan sändare och mottagare avsevärt har fördröjts får det andra negativa konsekvenser. Samtalet upplevs då på grund av fördröjningen i ljudet som onaturligt. Människor är även för detta känsliga och marginalerna för vad som accepteras är små. ITU-T har tagit fram riktlinjer som säger att 0-150 millisekunders fördröjning är acceptabelt för de flesta applikationer medan det vid internationella samtal är godtagbart med fördröjningar på upp till 400 millisekunder. Inte bara själva fördröjningen utan också skillnaden i fördröjning för paketen, så kallat jitter, har betydelse. Detta löses genom att ha mottagarbuffertar tillräckligt stora för att kompensera för den högsta sannolika fördröjningen av ett paket. Om bufferten trots detta blir full och paket inte får plats får detta samma konsekvens i ljudet som tappade paket. För att konvertera en röstupptagning till digital data finns det ett antal olika codec varav flertalet har definierats av ITU. Vid val av codec finns en avvägning som måste göras, nämligen den mellan bandbreddskrav och komplexitet vid ljudkonverteringen. Mycket bandbredd är dyrt och användandet kan därför inte vara alltför frikostigt. Om codecen å andra sidan är för komplexa blir tidsfördröjningen innan paketen är klara för sändning för stor.
QoS (Quality of Service) QoS är ett begrepp som används inom datakommunikation. Det syftar till en prioritering av olika typer av emellan, baserat på hur höga kvalitetskrav trafiken har. Eftersom IP-telefoni är en tjänst som har realtidskrav på dataöverföringen prioriteras de datapaketen högre än paket tillhörande till exempel en nedladdning av en webbsida. Begreppet kan också innefatta det faktum att högre prioritet kan ges till trafik från kunder, av till exempel IP-telefoni, som är beredda att betala lite extra för att försäkra sig om en viss kvalitet. Prioritering av paket kan åstadkommas genom att kontrollera paketsortering i routerköer eller att omdirigera paket så att de inte skickas över kraftigt belastade delar av nätverket. Det pratas om två olika koncept: IntServ och DiffServ. IntServ genom protokollet RVSP (Resource reservation protocol) handlar om att reservera resurser för varje paketflöde genom nätet. Det finns goda anledningar till att inte använda sig av RVSP, främst för att det inte är skalbart för att stort antal samtidiga samtal. DiffServ är ett simplare system som klassificerar olika paket att få olika nivå av service, genom att specificera detta i IP-paketens meddelandehuvud. Problematik Ett generellt problem för applikationer som använder sig av IP är när paketen ska korsa NAT:ar och brandväggar. En NAT (Network Address Translation) används typiskt till att koppla samman ett privat nätverk med ett publikt där det finns anledning att IPadresser inom det privata inte kan användas ute i det publika. Det kan röra sig om adresser som bara är till för privat bruk och redan används ute publikt eller så vill man dölja strukturen på nätet bakom den NAT som används. Signalprotokollen för IP-telefoni inleder ett telefonsamtal med ett utbyte av adresser och portnummer under en kontrollsession för att därefter kunna koppla upp datasessioner. NAT:en förstår inte att sessionerna hör ihop vilket leder till problem. Att använda protokollet RTP tillsammans med brandväggar leder till problem i form av att RTP inte använder sig av någon fast port. Man kan då inte tillåta önskad RTPtrafik utan att samtidigt tillåta oönskad annan trafik. RTP skapar också svårigheter vid användande av NAT:ar. RTP och samverkande RTCP använder sig av parvisa portnummer men en NAPT (Network Address Port Translation) delar ut portnummer på slumpad basis. Att lösa dylika problem kan vara både kostsamt och kräva komplexa lösningar. En variant är en extern proxy som arbetar parallellt med en NAT mellan ett privat och ett publikt nät. På så sätt kan den ta hand om till exempel all H.323- och SIP-trafik medan övrig trafik går genom NAT:en. Alternativt kan en ALG (Application Level Gateway) integreras i en NAT eller brandvägg. Det är en ganska dyr men fungerande lösning där ALG:n kontrollerar och modifierar IPtelefonitrafik så den får passera. 4. STANDARDISERING Det finns ett antal tillgängliga signalprotokoll, varav H.323 och SIP är de två mest välkända och använda. H.323 är det protokoll som tidigare varit dominerande men den marknadsledande positionen har de sista åren tagits över av SIP. Båda fungerar enligt principen P2P (peer-to-peer) men det finns också protokoll enligt master/slave-principen att tillgå. H.323 Protokollet H.323 som rekommenderas av ITU-T erbjuder realtidsöverföring av röstoch videodata. Standarden har ursprungligen utvecklats anpassad för videosamtal men har modifierats för att bättre passa IP-telefoni. För att kunna upprätthålla samtal enligt H.323 har tre olika enheter definierats: terminal, gateway och gatekeeper. En terminal är en användarenhet vilken kan vara en dedikerad IP-telefon, en
adapter för att ansluta en analog telefon till ett H.323-nätverk eller en vanlig persondator. Med en sådan kan man kommunicera med en annan H.323-terminal av valfri typ. Är man ansluten till ett LAN är det just två terminaler som är den minsta möjliga konfigurationen som behövs för att kunna föra ett samtal. Alla terminaler måste ha stöd för röstöverföring för att de ska kunna fungera i nätet, medan det inte finns något tvång för video- och dataöverföring. För att möjliggöra kommunikation med enheter i nätverk av andra typer krävs en gateway som binder nät tillsammans. Gatewayen utför översättning av olika sändformat och procedurer för kommunikation och kan koppla samman ett H.323-nät med till exempel ett IP-telefonnät baserat på något annat protokoll. Den kan också överföra samtal från ett H.323-nät till nät som inte är paket- utan förbindelseorienterat, som det traditionella telefonnätet. En gatekeeper har en slags övervakande funktion för en så kallad zon i ett H.323-nät. En zon består av ett antal terminaler samt ett antal gateways. Gatekeepers är inte nödvändiga enheter men i de fall då de existerar måste dem användas av terminalerna. Samtal inom en zon handhas av en gatekeeper medan samtal mellan zoner kan involvera flera stycken. En gatekeeper kontrollerar hur mycket bandbredd som får användas till H.323-trafik, både för enskilda terminaler och för alla dess anslutna terminaler totalt. En gatekeeper för tabell över sina terminaler och har också möjlighet att översätta alias till transportadresser. Gatekeepern är också den som ger behörighet till terminaler att starta samtal över nätet. Till exempel kan tidigare nämnda begränsningar av bandbredden vara en anledning att neka att ett samtal kopplas upp. Ett samtal via H.323 innebär multipla UDP-strömmar och flera samtidiga TCPuppkopplingar. Man kan dela upp den information som sänds i olika så kallade kanaler. RAS (Registration, Admission and Status) används för att skicka olika kontrollmeddelanden till gatekeepern. Det kan innebära registrering av IP-telefonnummer som ska sammankopplas med en viss IP-adress. Meddelandena kan också röra bandbreddsförändringar, status av olika slag, urkoppling av användare gentemot gatekeepern. Eftersom meddelandena skickas med hjälp av UDP rekommenderas att omsändningar används vid behov. Samtalssignalkanalen (Call Signaling Channel) använder sig av en TCP-uppkoppling till att skicka olika kontrollmeddelanden, antingen till gatekeepern eller om någon sådan inte existerar, direkt till mottagaren av samtalet. SIP (Session Initiation Protocol) Precis som namnet säger är SIP en standard för att koppla upp sessioner mellan två eller fler klienter. SIP är utformat ursprungligen för IP-kommunikation och har inte sina rötter i telecom-industrin. Det är ett kontroll- och signalprotokoll inte helt olikt HTTP, med en grundfilosofi om att vara ganska enkelt och begripligt. Det använder sig inte av IP-adresser utan logiska adresser som till exempel användarnamn eller e-postadresser. Det är utformat för att ha smarta användarenheter som interagerar över ett ganska ointelligent nät. P2P-egenskaperna gör att nätet dessutom i allra högsta grad är skalbart. En logisk enhet inom SIP-nät är den så kallade LS (Location Server). En LS har hand om en domän, som kan innehålla ett antal användare och ett antal gateways. En LS tillhandahåller routing-information för inkommande paket, baserat på statiska kunskaper om nätet. SIP innehåller dels de grundläggande telefonifunktioner som finns i det vanliga telefonnätet men också ett antal mer avancerade funktioner. Exempelvis finns det stöd för att kunna se om andra användare är uppkopplade eller om de för tillfället är upptagna med ett samtal. Ytterligare en funktion är att kunna skicka textmeddelanden till varandra och den biten, så kallat Instant Messaging (IM), är en viktig del av protokollet. Det är just mjukvaru-
implementationer av SIP som är den vanligaste typen idag. 5. FORSKNING TRIP (Telephony Routing over IP) Många samtal som sker via IP-telefoni har inte en annan IP-telefonikund som mottagare utan en användare i det vanliga telefonnätet. Som tidigare har beskrivits kan gateways vidarebefordra samtal från det paketorienterade nätet till det förbindelseorienterade. Problemet med detta är inte att vidarebefordringen inte är möjlig, utan vilken gateway som ska göra det. Givet ett telefonnummer i det förbindelseorienterade nätet är flera faktorer avgörande för vilken gateway som lämpar sig bäst för uppgiften att ta hand om samtalet. För det första så har alla gateways inte stöd för alla tänkbara protokoll som kan används. För det andra har vissa gateways betydligt lägre kapacitet än andra tänkbara kandidater. Slutligen är det en fråga om operatörer och avtal dessa emellan som styr vilka gateways som är tillgängliga. En operatör kan äga ett antal själv, ha överenskommelser med andra operatörer om att använda andra och inte ha tillgång till ytterligare ett antal. För att komma till rätta med de problemen har TRIP utvecklats. Det är ett protokoll för applikationslagret i ett nätverk med den huvudsakliga funktionen att bygga routingtabeller med dynamisk information om vilka gateways som finns tillgängliga. TRIP agerar oberoende av underliggande signalprotokoll och fungerar till exempel lika bra tillsammans med H.323 som med SIP. kan sedan användas för att utvärdera huruvida ett nät uppfyller de höga krav som IPtelefoni ställer. ExamiNet sänder syntetisk samtalsdata över nätet för att kunna samla upp mätvärden på till exempel utnyttjandegraden för olika nätverksenheter. DISKUSSION Förespråkare för tekniken kan lätt se fördelar som att redan befintliga datanätverk kan användas för dataöverföringen. Just integreringen i nät som redan har andra användningsområden kan ses som en ekonomiskt försvarbar lösning som dessutom är effektiv. Kan utvecklingen gå i den riktningen kan samlade resurser satsas på en enda väl fungerande infrastruktur av hög kvalitet istället för på flera parallella strukturer. IP-telefoni är dock krävande teknikmässigt och att dataöverföringar över de nätverk som används lever upp till de högt ställda kraven är mycket viktigt. Därför är det vikigt att tekniken finslipas och att hög samtalskvalitet kan uppnås även över nät med vissa dåliga länkar. Om IP-telefoni ska slå igenom ordentligt som kommersiell produkt måste kvaliteten motsvara åtminstone nästan den som idag fås vid vanliga samtal. Kan detta dessutom kombineras med lägre kostnader för kunden är det en helt klart intressant utveckling att följa. Idag finns, beroende på var man bor, möjligheten att skaffa ett abonnemang för IP-telefoni som helt ersätter det vanliga telefonabonnemanget. QoS-utvärdering När tillgänglighet och prestanda för nätverk är kritiska faktorer, är det naturligt att instrument för utvärdering av desamma är väsentliga. Därför forskas det en del på detta område och verktyg har tagits fram för att ge mätvärden på ett näts duglighet. ExamiNet [4] är ett verktyg för att samla in data och analysvärden. Dessa data
TERMINOLOGI IP ITU ITU-T RTP TCP UDP Internet Protocol Internation Telecommunications ITU Telecommunication Standardization Sector Real-time Transport Protocol Transmission Control Protocol User Datagram Protocol KÄLLOR [1] B. Goode, Voice Over Internet Protocol (VoIP), Proceedings of the IEEE, vol. 90, no. 9, 2002. [2] Vugrinec, S. Tomažič, IP telephony from a user perspective, IEEE, MEleCon, 2002. [3] M. C. Schlesener, V. S. Frost, Performance Evaluation of Telephony Routing over IP (TRIP), IEEE, 2003. [4] M. Bearden et. al., Experiences with Evaluating Network Qos for IP Telephony, IEEE, 2002. [5] http://www.wikipedia.org