随着互联网的迅速发展，人们对通过互联网进行实时语音、视频传输的要求越发强烈，VOIP正是在这一应用背景下诞生的一门新技术，它把数字语音编码技术与分组交换网相结合，提供实时语音及其相关服务，该技术要求占用尽可能小的网络带宽并拥有良好的语音质量。由于当前网络环境" title="网络环境">网络环境的特点，丢包现象不可避免，以往的低比特率编码标准虽然可以解决带宽问题，但丢包时语音质量不能保证。因而，需要新的语音编码算法来满足这一要求。
1 ILBC简介
　　ILBC是由Global IP Sound公司提出的一种专为包交换网络通信设计的编解码" title="编解码">编解码，优于目前流行的G.729A、G.723.1，对丢包进行了特殊处理，既使在丢包率相当高的网络环境下，仍可获得非常清晰的语音效果。
　　ILBC是一种适用于窄带网络的编码算法。根据网络带宽的不同，ILBC提供两种编码的格式，如表1。该算法使用了长时的预测技术和帧独立编码方法，使其非常适合在存在丢包的网络环境中传播。

2 ILBC算法的原理
2.1 ILBC编码
　　ILBC本质上是一种基于帧的线性预测编码方法，是对CELP(码激励线性预测编码)的一种发展，其独有的动态码本更新技术、语音加强算法和丢包掩蔽技术使其在VOIP中应用时有更好的性能。对于每一个含有160/240(20ms/30ms) 样点的输入帧，ILBC算法将进行以下主要操作：
　　(1) 把该帧分为4/6 个子帧,每子帧40个样点。对30ms的帧，进行两组10阶的LPC分析，得到相应的LPC系数；对于20ms的帧，进行一次10阶LPC分析。
　　(2)每次分析得到的LPC系数将转化为LSF(线谱对)参数，并对LSF系数进行量化，内插以得到各个子帧的LSF系数；随后，由各子帧的LSF系数得到各子帧对应的分析器，对各个子帧进行线性预测，计算各子帧的残差。
　　(3)从残差中找到两个能量最大的连续子帧，然后把能量值较小的首23/22个样点(30ms/20ms)或尾23/22样点从连续子帧中去除，剩余的57/58个被选定为本次处理的初始状态。对于浊音语音，这样的选取方式将至少包含一个基音脉冲。
　　(4)对初始状态进行基于DPCM的标量量化，量化结果将作为编码输出的一部分。与此同时，初始状态被存入码本存储区，以构成动态码本的初始值，用于对本帧的剩余样点进行矢量量化" title="矢量量化">矢量量化。
　　(5)对于剩余的残差，矢量量化将按下面顺序进行：(a)包含有初始状态的两个连续子帧中剩余的23/22个样点;(b) 时间轴上处于初始状态之后的各个子帧; (c)时间轴上在初始状态之前的各个子帧。对于此矢量量化，每次搜索码本的范围是动态码本，其中存储了已经被解码的对象，并随着最新的解码结果，该动态码本被更新。
　　(6)对编码结果进行封包处理。
　　ILBC的编码的框图如图1所示。

2.2 ILBC解码
　　ILBC是一种运用了分析合成方法的编解码算法，解码部分的运算量相对要小一些，使其在功能不强的客户端的实时解码成为可能。
　　解码的主要过程如下:
　　(1)解包，参数提取。
　　(2)从得到的LSF参数进行内插，并转化各个子帧的LPC系数，以便进行合成操作。
　　(3) 对初始状态进行解码，解码结果一方面作为激励信号" title="激励信号">激励信号暂存，另一方面存入码本存储区，以构成动态码本的初始值。
　　(4) 对剩余的子帧部分，按照与编码相同的次序进行残差解码，并用解码结果更新动态码本，重复(4)直到所有子帧完成译码。
　　(5) 对于解码得到的残差信号，进行语音增强的操作。该语音增强采用了条件限制的增强方法。
　　(6) 进行语音合成，形成解码后的语音。
　　(7) 高通滤波，以消除合成后的低频语音。
　　ILBC解码的流程图如图2所示。

2.3 ILBC的比特流定义
　　对于20 ms的帧，共使用了304个比特来表示编码后的语音信号，被封装在38个字节中；对于30ms的帧，共使用了400个比特，封装在50个字节中。在封装的过程中，按照数据对传输误差的敏感程度不同，这些比特被分成三类，第一类代表了最敏感的数据^[3]。表2 列出了ILBC编码的比特流分配情况。

3 ILBC的关键技术
　　与以往的低比特率语音编解码算法相比，ILBC除了采用经典的线性预测分析法、LPC系数到LSF系数相互转换、分裂矢量量化LSF参数和多级形状-增益量化^[4]残差外，主要有下面特殊的方法。
　　(1) 基于初始状态的动态码本的选取和更新。
　　ILBC利用了基于初始状态的动态码本的更新方法，把最新的解码结果加入码本，以取代较老的码矢。通过这种算法，可以较为方便地生成码本，同时也提供了很好的码本预测能力。
　　(2) 帧间独立的长时预测方法，在此基础上的PLC(丢包掩蔽)技术。
　　经典的CELP方法是利用以往的激励信号来对自适应码本进行更新的，这样的方法在分组交换网中有下面问题：
　　①如果过去的信号丢失或在传输过程中被污染，解码用的码本就会与编码时不同，将导致解码语音质量变差；
　　②在语音建立阶段，解码端的自适应码本并不能很好地描述基音周期，导致解码语音建立时间加长。
　　ILBC采用了基于初始状态的解码方法，初始码本是从初始状态中得到的，通常都会包含至少一个基音脉冲，因而建立时间较快；同时，从初始状态出发，既有时间上前向的预测，也有向后的预测，因而体现了长时预测的概念，配合PLC技术，即使出现丢帧，解码语音质量也不会有明显下降。
　　PLC技术的基本原则是：解码端若收到正确的帧，则计算出的LPC系数和激励码本被存储; 若丢帧，则使用上一个正确帧中的激励信号，利用基音同步重复的方法得到本帧解码信号。
　　(3) 利用有条件限制的优化算法^[3]加强残差语音。
　　该算法的主要思想是对要加强的残差语音块，寻找其前3个块和后3个块，用这6个块的线性组合逼近当前待加强的块。计算待加强块和逼近块的均方误差。若误差足够小，就把逼近块作为加强块；否则，加强块为待加强块和逼近块的线性组合。

4 实验结果与性能评测
　　图3是Dynstat公司在具有丢包情况的网络环境下对ILBC、G729.A、G723.1几种算法进行测试后的MOS(平均意见得分)对比图，可以看出ILBC编码的语音质量整体高于其余两种编码，尤其是当丢包率较高时，MOS得分远高于另外两种编码。
　　为了对ILBC在丢帧时仍有良好语音质量做出解释，进行了以下实验:
　　(1)在短时间内对有丢包时的解码片断做分析，如图4所示。实验得出，仅有一帧丢失时，语音的损坏基本上不会被听者察觉，当出现连续两帧以上丢失时，才会被察觉。在文献^[2]中有ILBC与G.729.A的丢帧对比。

　　(2)初始状态编码是ILBC中的关键步骤，应用了标量编码的方式。为使编码更有效，实现时，先用一个全通滤波器将残差的动态范围压缩，解码时再通过逆滤波恢复。图5是对某一帧语音的残差分析的结果，经过多帧测试发现，该技术使残差的动态范围减小了约1/3。
　　由于实时传输的需要，算法的时间复杂度成为实际系统实现时重要的考虑因素，在PC机(Celeron 2.7G, 512M内存)上对用ANSI-C实现的ILBC浮点算法^[1]进行运算量统计，可以得到表3的结果，可以得到①解码的复杂度较小，是一种非对称的编码方案；②编码部分码本搜索占用了最长的时间，成为算法优化时要考虑的关键部分。