Hoje vivemos numa era em que muitas pessoas já iniciam sua carreira mergulhadas em tecnologias que muitos outros viram engatinhar, uma delas é telefonia IP.
Pouquíssimas pessoas ainda possuem telefone fixo em casa, o mais comum é cada pessoa dentro da uma residência possuir um celular próprio, dispositivo que é usado para fazer e receber ligações (e várias outras coisas), mas você já parou para pensar como a sua voz é processada é transformada em dados/bits permitindo que seja trafegada de um lado para outro pela internet/rede? Para entendermos isso, vamos dar uma breve volta ao passado para entendermos como chegamos até aqui.
Há relativamente bastante tempo atrás quem possuía linha telefônica em casa era considerado rico, pouquíssimas pessoas tinham acesso ao serviço, no Brasil quem possuía a linha era considerado sócio da empresa de telecomunicações.
No início o alcance era tão baixo que existiam operadoras que recebiam a ligação das pessoas que solicitavam que elas a ‘conectassem’ a outra pessoa/linha, nada prático né? Mas como tudo nessa vida, as coisas evoluem.
Com o aumento da quantidade de assinantes e aumento da infraestrutura, possuir pessoas que manualmente iriam conectar as ligações ia se tornando impraticável, além de que ter a limitação que uma linha quando em ligação sempre estaria ocupada se tornava ineficaz, imagine uma empresa que só pudesse receber uma ligação por vez?
Para resolver o problema de suportar apenas uma ligação de cada vez, as operadoras começaram a implementar sistemas com multiplexadores.
Um multiplexador é nada mais que um dispositivo que recebe sinais de diversas entradas digitais ou analógicas e o encaminha a uma saída única.
Para simplificar um pouco, temos a animação abaixo. Temos 5 conversas (A,B,C,D e E). Para utilizar como exemplo, podemos comparar quando estamos com algum programa rodando em nosso computador, o processador não está focado apenas na aplicação aberta em primeiro plano (diversas outras aplicações e funções estão rodando em background), diversos ciclos acontecem, em cada ciclo é processado um pouquinho de cada aplicação, mas como isso é tão rápido, se torna imperceptível, o multiplexador faz algo parecido, ele controla quem/oque vai se comunicar com quem/oque dentro de qual período, frequência...
Existem diversos métodos de multiplexação de sinais, um dos mais famosos é TDM (Time Division Multiplexing), onde cada sinal utiliza a mesma frequência, mas possui um pedaço de tempo (timeslot) por vez para transmitir dados.
Essas são as famosas redes TDM, com os links E1 que são oferecidos pelas operadoras quando se deseja contratar um sistema DDR.
Quando falamos de links E1, cada timeslot possui uma reserva de banda de 64Kbps, sendo oferecido 32 canais pela operadora, normalmente 2 canais são reservados para controle e sinalização (30 úteis para chamadas). Esses links E1 possuem capacidade de 2Mbps (32 canais * 64 Kb = 2.048 Kbps)
Pelo menos no Brasil grande parte da infra oferecida e existente ainda utiliza essa tecnologia, mas na medida que o mundo caminha para um mundo cada vez mais digital, essa tecnologia tem cada vez mais sua manutenção custosa e difícil, era necessário se adequar (aqui no Brasil a passos de tartaruga como sempre) e utilizar redes IP, mas vem a pergunta inicial de ‘como vou converter voz em dados e a transferir numa rede? `
Qualquer tipo de som, incluindo a voz é nada mais que ondas de som que são produzidas por nós ou elementos externos. Essas ondas de som possuem amplitudes, sons mais agudos possuem amplitude mais alta enquanto sons mais graves possuem amplitude mais baixa.
O que os sistemas de voz sobre IP utilizam para converter a voz em bits é fazer uso dessas ondas de som (sinal analógico).
Relembrando que 1 byte possui 8 bits, dentro de um byte é possível ter 256 (0 a 255) possíveis valores, o que um gateway de voz (por exemplo) em conjunto com chips específicos para a função chamados DSP (Digital Signaling Processor) fazem é receber essas ondas de som e de acordo com a amplitude do som gerar valores que variam entre -127 e +127, com isso o sistema consegue codificar o áudio em bits, que por sua vez são trafegados pela rede. O processo é revertido no destino para a pessoa conseguir então ouvir o que foi dito pelo originador.
Normalmente em sistemas de telefonia 8 mil amostras de ondas de som são coletadas por segundo, sendo que em cada amostra temos 8 bits.
8.000 * 8 = 64.000 bits
Temos então o valor de 64kbps por segundo/por ligação, por isso o valor de 64kbps por canal em links E1.
Esse exemplo se aplica comumente a sistemas de voz em que em algum momento temos um sistema digital no meio do caminho antes de se tornar IP, mas não é regra. Quanto maior a quantidade de amostras (sampling rate) melhor a qualidade do áudio, mas também aumenta o consumo da banda.