För att VoIP ska kunna konkurrera framgångsrikt med det vanliga telefonsystemet bör röstkvaliteten vara minst lika bra som för analoga telefoner eller bättre. Ljudkvaliteten var ett stort problem i de tidigaste implementeringarna av VoIP, när tekniken var ganska ny.
Sedan dess har själva tekniken förbättrats genom flera omgångar. Leverantörerna i branschen har också fått både sakkunskap och erfarenhet och har förbättrat sina tjänster och sin infrastruktur på vägen.
Det kan ändå vara en svår uppgift för företagsorganisationer att säkerställa en hög samtalskvalitet på ett konsekvent sätt. Detta beror på att kvaliteten påverkas av ett antal olika faktorer och att implementering av en lösning för ett problem kan förvärra ett annat.
För den smidigaste och bästa upplevelsen är nätverksoptimering ett måste. Detta uppnås vanligtvis genom att konfigurera lämpliga QoS-inställningar som anger för nätverksutrustningen att VoIP-samtal måste prioriteras framför andra former av trafik.
Det är dock nödvändigt med regelbunden övervakning av samtalen och nätverket för att se till att det inte förekommer några större avvikelser från den förväntade kvaliteten. De vanligaste mätvärdena som används för att mäta nätverkets prestanda och i förlängningen ljudkvaliteten är latens och jitter.
Latens
Detta är tidsfördröjningen för att flytta röstpaketen från källan till destinationen. I allmänhet bör detta mått inte överstiga 150 ms i en riktning för att förhindra att samtalskvaliteten försämras.
Om en del av samtalet går över det offentliga Internet (vilket medför en egen latenstid) bör organisationens interna nätverkslatenstid vara betydligt mindre än 150 ms.
Jitter
Det här är i huvudsak variationen i paketfördröjningen. När det gäller källans slutpunkt har paketen skickats i en kontinuerlig ström.
Men eftersom varje paket kan ta en annan väg till sin destination kan nätverksöverbelastning eller felaktig konfiguration resultera i betydande variationer i paketfördröjningen.
Det innebär att paketen inte kommer att tas emot i samma ordning eller kanske tappas helt på vägen. Jitter som överstiger 40 ms orsakar en allvarlig försämring av samtalskvaliteten. Höga nivåer av jitter är vanligtvis en följd av långsamma hastigheter eller överbelastade nät.
Jittermätningar
Jitter kan mätas på ett antal olika sätt, varav flera beskrivs i detalj i olika IETF-standarder för RTP som RFC 3550 och RFC 3611. Några av dessa metoder är Mean packet to packet delay variation, Mean absolute packet delay variation, Packet delay variation histograms och Y.1541 IPDV Parameter.
Det är nödvändigt för verksamheten att förstå varje metod och vad värdet förmedlar, eftersom de kan använda olika parametrar eller antaganden. Tyvärr avslöjar många utrustningstillverkare eller tjänsteleverantörer inte vilken metod de använder för att beräkna jittervärden i sina nätverk eller enheter.
Hur som helst inkluderar många leverantörer nu genomsnittliga jittervärden i sina SLA:s, så att kunderna kan vara försäkrade om minsta acceptabla kvalitetsstandarder.
Hur man kompenserar för jitter
Med avseende på jitter är en av de första sakerna som ska kontrolleras QoS-inställningarna i företagets nätverk. Om QoS inte har konfigurerats eller är felaktigt inställt kommer röstpaketen inte att prioriteras. Detta kommer att resultera i missade eller förkastade paket.
Ljudsamtal kommer således att utsättas för höga nivåer av jitter, vilket försämrar kvaliteten på samtalen. Om QoS-inställningarna är korrekta och nätverkstrafiken är på sina vanliga nivåer bör det inte förekomma någon betydande jitter.
VoIP-slutpunkter som skrivbordstelefoner och ATA:er innehåller vanligtvis en jitterbuffert för att kompensera för detta. Att ha en jitterbuffert säkerställer att den mottagande enheten kan lagra ett bestämt antal paket och sedan ställa om dem i rätt ordning.
Avhängigt av storleken på jitterbufferten kan paket i fel ordning ställas om innan de levereras. Detta medför dock en viss fördröjning utöver den ursprungliga latensen i nätverket.
Jitterbuffertar fungerar inte alltid, även om storleken kan ökas upp till en viss punkt. I allmänhet är de bara effektiva för fördröjningsvariationer på mindre än 100 ms och även då kan en försämring av kvaliteten vara lätt märkbar för användarna.