数据说话数据说话VoIP 测试方法和测试数据分析测试方法和测试数据分析2005/01/28经过近一个季度的紧张测试，我们现在可以告诉您，什么才是一个完整的 VoIP。而在这之前，我们的工程师面对 VoIP 的测试，还像那个第一个拿起刀叉面 对螃蟹的人，充满期待却又诚惶诚恐。技术世界和我们的现实世界一样，有理想的 状态，有复杂的环境，有妥协，也有令人兴奋的亮点。 根据我们最早的测试技术安排，我们要测试目前的 VoIP 系统的组网能力，必 须要架设一个网络，要检查架设这样一个 VoIP 网络的所有部件是否已经完全具备？ 其构成的网络是否完整？那么搭建一个可以通话的 VoIP 系统是测试的第一步 我们按照 VoIP 组网的原理，构建了这样一个基本网络，其网络结构如图所 示。我们用软交换的概念来描述网络上的设备，在这个网络上，MG（媒体网关） 和 MGC（媒体网关控制器）是关键的 VoIP 网络元素。这些网络元素可以是支持 H.323、MGCP、H.248 或者 SIP 的实体。本文中提到的 MG 和 MGC 不具体指某一 个设备，本次测试正是针对这两类设备进行，测试的主要内容也围绕着这两类设备 展开。测试从模拟话音开始，然后延伸到 PSTN 网络，再到 IP 网络，最后回到模 拟话机的被叫方。在这样一个完整通话过程中，测试 MG 以及 MGC 的信令互操作 性以及设备处理信令的能力。图是测试系统结构原理图。 一、一、 测试设备的呼叫建立能力测试设备的呼叫建立能力 我们采用了思博伦公司的 Abacus5000 型的 IP 电话测试议。通过模拟网络中的 模拟电话终端、IP 电话终端、MGC、传真终端等元素，以一个简单的测试结构， 来测试被测的语音网关的饱和呼叫量。 饱和呼叫量可以用两个参数来表示：忙时呼叫量（BHCA）或者每秒建立呼叫 数量（CAPS）。BHCA 是忙时呼叫量的缩写，主要测试内容为：在一小时之内， 系统能建立通话连接的绝对数量值。测试结果是一个极端能力的反映，它反映了设备的软件和硬件的综合性能。如果您的企业是一个有巨大话务量需求的企业，这个 参数应该是一个最重要的参考指标。但我们感觉到，幸运的是，企业用户的实际应 用需求都远远低于测试设备所提供的能力。 我们建立 100300 个用户，让他们每秒建立一个呼叫，呼叫持续一秒钟，挂 机后等待一秒钟再进行第二次呼叫。这样的呼叫在数百条通路中同时进行，以致我 们都很担心被测设备是否能挺过一小时。最后所有的被测设备都交出了很好的答卷， BHCA 值最后体现为 CAPS(每秒建立呼叫数量)，CAPS 乘以 3600 就是 BHCA 了。二、呼叫长时保持能力二、呼叫长时保持能力 我们设计了一个呼叫测试。首先用被测设备搭建起一个完整的 VoIP 系统，从 模拟的语音开始，通过媒体网关，再通过媒体网关控制器到另一个媒体网关，最后 从被叫方的一部模拟电话出来。 这样的呼叫建立之后，保持一个小时，以验证被测设备的工作稳定性。掉线是 人们谈到 VoIP 应用时常提到的一个问题，呼叫保持能力的测试是希望验证系统的稳定性和健壮性。 在更加严格的电信入网测试中，呼叫保持测试常常进行 24 小时甚至更长时间。 而影响呼叫保持的因素很多，在 VoIP 应用中，网络的客观环境极为重要。在实际 的 Internet 中，网络数据包所经过的路由并不由数据的发送和接收端决定，在网络 出现阻塞的时候就有出现断线的可能。 共享数据网络带宽的 VoIP 系统就更容易出现这样的问题。内部的 VoIP 通话 可以通过支持 QoS 机制的网络交换设备来保证，而广域网范围的 VoIP 稳定性还需 要依靠运营商网络的支持和发展。根据我们使用的效果来看，Internet 上的 VoIP 服 务在不大的话务量情况下还是非常好的，甚至有优于传统电话质量的表现。 因为在软交换架构中，语音的业务数据和呼叫的控制信令是分离的。我们还用 Abacus5000 模拟了 MG，测试了几种 MGC 类设备。在测试的网络环境中，它们的 呼叫保持测试表现都极为顺利。 另外，VoIP 呼叫的建立首先是一个呼叫信令的交互过程。网关和网关、网关 和控制器之间的信令交互响应速度，是考察一个呼叫建立的重要指标。我们的测试 同样展示了系统的呼叫建立时间。 三、通话语音质量测试三、通话语音质量测试 话音质量是人们对 VoIP 应用的一大关注点。以前怀疑 VoIP 的人们提的最多 的还是话音质量，而制约话音质量的因素非常多，同时也非常复杂。图 6 示出在一 个复杂网络中，影响 VoIP 语音质量的几乎所有的因素。 我们设计采用模拟电话的原因，是因为我们的耳朵其实都是模拟的，对吗？我 们只能接受模拟信号。 然后，我们根据 ITU 的 P.861 标准来播放一段语音信号，主叫方和被叫方都由 呼叫模拟器 Abacus5000 来模拟。它会对比发出和接收到的那些模拟通路的音频信 号，然后给出一个标注的语音质量值。 单纯考察语音质量，我们采用 PSQM 值和 MOS 值。这是通信行业判断通话质 量的标准，PSQM 是一个客观的采集数据比对值，而 MOS 是考虑主观因素的参考 值。 ITU-T 建议的 P800 标准提出了 MOS（Mean Objection Score）的方法。即请 40 60 位有代表性的人士来听一段相同的语音样本，然后对该样本经过 IP 电话 传输后的语音质量进行投票评价。随着语音因语言、年龄、性别的变化，得分亦被 赋予不同的意义。这是一种纯粹主观的定性测量。ITU-T 在非常宽的听觉范围内， 选取不同年龄、性别和语言组别的相同得分，作出语音质量的判别标准：5 为最佳；4 为好（4.54.0 可收费电信级） ；3 为中级（4.03.5可通话通信级） ；2 为较差 （3.52.5可建立连接级） ；1 为差。很显然，MOS 方法是一种模 糊的评估方法，其测试结果很难对 IP 电话系统的改进和不同 IP 电话设备之间性能 的比较作出有实际意义的判别。因此 ITU-T 在标准建议 P861 中又提出了 PSQM（Perceptual Speech Quality Measurement）方法。 PSQM 仍以 MOS 的 5 个级别作为客观标准，所不同的是其对每一个级别都以 百分比的方式作出了“差”/“最差”（%PoW，Percent Poor or Worse）和“好最好” （%GoB，Percent Good or Better）的进一步描述。根据 P861 提出的 PSQM 方法， IP 电话的测试开始摆脱原始的人类主观评估，而开始使用计算机产生的波形文件 （Wave File），通过比较其通过 IP 电话网传输前后的变化计算出 PSQM 中相对应 的级别及好坏程度。 我们测试的设备的 MOS 值，都在 4.5 以上；而 PSQM 值均在 0.2 到 0.3 之间。 这都达到了电信级设备的评价标准。因为我们的测试环境相对单纯，在今后我们还 会开展真实环境测试，让大家更加了解 VoIP 的发展和现状。 对语音质量的判断，还有很多参数可以体现。包括网络延时、语音延迟、回声、 RTP 数据祯丢失率等等。参测的所有近 20 台设备都交出了令人满意的答卷。 您可以在下面的文章中看到四套系统的数据表现，它们的成绩可以说都是令人 满意的。我们测试工程师有这么一句格言：设备的真实表现不可能比测试结果更好。 您在实际使用中还可能遇到这样和那样的问题，这不是我们在给您的应用泼冷水， 而是希望告诉您，任何一套优秀的系统，需要厂商和用户的工程师们不断努力才能 表现得更出色。 在征集产品的过程中，很多厂商表达了对参与这次评测的兴趣，但我们有选择 性地征集了四家厂商的近 20 款设备，它们构成了四套有着自己鲜明特点的 VoIP 系 统。我们的工程师在这次中国首次的媒体 VoIP 测试过程中也向厂商的技术人员学 到了很多东西。在此我们向北京共业科技有限公司、港湾网络公司、苏迪思公司、 中兴通讯有限公司和思博伦公司对我们的支持表示感谢