G.711 — PSTN 的基石

概述

G.711 是 ITU-T 于 1972 年发布的语音编码标准，是全球公共交换电话网络（PSTN）的基础编码。它采用脉冲编码调制（PCM），将模拟语音以 8kHz 采样、8bit 量化，产生 64 kbps 的恒定码率。

尽管已有 50 多年历史，G.711 至今仍是 VoIP 和 WebRTC 中最重要的兼容性编码——几乎所有语音设备都支持它。

属性

值

标准

ITU-T G.711 (1972)

采样率

8 kHz

量化位数

8 bit（非线性压扩后）

码率

64 kbps

帧长

无固定帧长（逐样本编码）

算法延迟

0.125 ms（1 个采样点）

频率范围

300 - 3400 Hz

MOS

~4.1

专利

无（已过期）

压扩法则

人耳对声音的感知是对数的——小信号的变化比大信号更敏感。G.711 利用这一特性，采用**非线性量化**（压扩，Companding）：对小信号用更多量化级，对大信号用更少量化级。

这样，8bit 非线性量化的效果接近 13-14bit 线性量化。

μ-law（PCMU）

北美和日本使用，RTP payload type = 0。

压缩公式：

\[F(x) = \text{sgn}(x) \cdot \frac{\ln(1 + \mu |x|)}{\ln(1 + \mu)}, \quad -1 \leq x \leq 1\]

其中 μ = 255。

编码步骤：

  1. 输入 14bit 线性 PCM 样本（有符号）

  2. 加偏移 33（bias），避免对数函数在零点附近的问题

  3. 取符号位（1bit）

  4. 确定段号（3bit）：找到最高有效位的位置

  5. 取段内量化值（4bit）

  6. 组合为 8bit，按位取反

/* μ-law 编码（简化版） */
static const int16_t BIAS = 0x84;   /* 132, 即 33 << 2 */
static const int16_t CLIP = 32635;

uint8_t linear_to_ulaw(int16_t sample) {
    int sign = (sample >> 8) & 0x80;
    if (sign) sample = -sample;
    if (sample > CLIP) sample = CLIP;
    sample += BIAS;

    int exponent = 7;
    int mask = 0x4000;
    while (!(sample & mask) && exponent > 0) {
        exponent--;
        mask >>= 1;
    }
    int mantissa = (sample >> (exponent + 3)) & 0x0F;
    uint8_t ulawbyte = ~(sign | (exponent << 4) | mantissa);
    return ulawbyte;
}

A-law（PCMA）

欧洲和中国使用，RTP payload type = 8。

压缩公式：

\[\begin{split}F(x) = \begin{cases} \frac{A \cdot |x|}{1 + \ln A} \cdot \text{sgn}(x), & |x| \leq \frac{1}{A} \\ \frac{1 + \ln(A \cdot |x|)}{1 + \ln A} \cdot \text{sgn}(x), & \frac{1}{A} < |x| \leq 1 \end{cases}\end{split}\]

其中 A = 87.6。

μ-law vs A-law 对比

特性

μ-law (PCMU)

A-law (PCMA)

地区

北美、日本

欧洲、中国、其他

RTP PT

0

8

动态范围

略好（小信号）

略好（大信号）

空闲信道噪声

较高

较低

国际互通

A-law 优先（ITU 建议）

A-law 优先

RTP 打包

G.711 的 RTP 打包非常简单——每个 RTP 包直接承载 PCM 样本字节：

RTP Header (12 bytes)
┌──────────────────────────────────────┐
│ V=2 │ P │ X │ CC │ M │ PT=0/8      │
│ Sequence Number                      │
│ Timestamp (8000 Hz clock)            │
│ SSRC                                 │
└──────────────────────────────────────┘
Payload (N bytes = N samples)
┌──────────────────────────────────────┐
│ sample[0] │ sample[1] │ ... │ sample[N-1] │
└──────────────────────────────────────┘

  • 20ms 帧 = 160 samples = 160 bytes payload

  • 加上 RTP(12) + UDP(8) + IP(20) = 200 bytes/packet

  • 包率 = 50 pps（每秒 50 个包）

G.711 附录

G.711 Appendix I — PLC

G.711 原始标准没有丢包隐藏（PLC）。ITU-T 在 1999 年发布了 Appendix I，定义了一种简单的 PLC 算法：

  1. 正常接收时，保存最近的 48.75ms 语音作为历史缓冲

  2. 丢包时，用基音周期检测找到历史缓冲中的重复模式

  3. 用该模式外推生成替代帧

  4. 逐渐衰减（每丢一帧衰减 10%），避免长时间丢包产生伪音

G.711 Appendix II — DTX

**Appendix II**（2000 年）增加了不连续传输（DTX）支持：

  • 静音检测（VAD）

  • 舒适噪声生成（CNG）

  • 静音期间不发送语音包，节省带宽约 50-60%

在 WebRTC 中的使用

WebRTC 规范要求**应该支持** G.711（PCMA 和 PCMU）。它的主要用途：

  1. PSTN 网关互通：与传统电话系统对接时，避免转码

  2. 低延迟场景：算法延迟几乎为零

  3. 兜底编码：当 Opus 协商失败时的后备方案

SDP 示例：

a=rtpmap:0 PCMU/8000
a=rtpmap:8 PCMA/8000
a=ptime:20

局限性

  • 码率高：64 kbps，是 Opus 的 2-4 倍

  • 窄带：只覆盖 300-3400 Hz，语音听起来"电话味"

  • 无内置 FEC：依赖网络层或 RED 冗余

  • 无自适应码率：无法根据网络状况调整

小结

G.711 是语音编码的"Hello World"——简单、可靠、无处不在。理解它的压扩原理和 RTP 打包方式，是学习更复杂编码器的基础。

在现代 WebRTC 应用中，Opus 几乎总是更好的选择，但 G.711 作为兼容性保障和 PSTN 互通桥梁，仍然不可或缺。