（计算机应用技术专业论文）voip语音质量关键技术的研究.pdf

北京邮电大学硕士研究生毕业论文 v oip 语音质量关键技术的研究 摘要 随着计算机和宽带网络技术日新月异的发展，以多媒体通信为主 体的信息网络已成为世界关注的热点。工p 网中传输的信息已由单纯 的文本数据演变到丰富多彩的多媒体信息( 如语音、图形图像、实时 视频等) 。作为因特网上的电话服务，工p 电话已被视为电话发展的新 时代，并成为下一代网络( n g n ) 的发展目标之一。虽然i p 电话有众多 优势，但也存在一些阻碍其发展的劣势，主要体现在i p 网络上并不 十分理想的话音质量。由于工p 网络的设计初衷仅是处理非实时数据， 只能提供“尽力而为”的服务，所以并不能满足传输音频和视频这样 的实时数据所需的服务质量。如何确保和提高通信的q o s ，是工p 电话 系统的关键技术要求，也是它的一个技术难点。 本文首先讨论了v o i p 的基本原理及v o i p 的的系统组成，阐述了 涉及v o i p 的主要协议h 3 2 3 、s i p 、r t p r t c p ，并分析了h 3 2 3 协议 和s i p 协议的特点和异同，然后对影响v o i p 语音质量的因素及提高 语音质量的技术进行了分析。对v o i pq o s ( q u a l i t yo fs e r v i c e ) 的 探讨是我们的重心，文中详细分析了自适应抖动缓冲技术和丢包恢复 技术，并结合本人参与的g k s t a r 网络电话项目，对自适应抖动缓冲 控制算法的设计和实现进行了较为详细的描述。 关键词v o l p 抖动缓冲丢包恢复h 3 2 3 s i p 北京邮电大学硕二e 研究生毕业论文 i t e s e a r c ht ot h eq u a l i t yo fv o i c eo v e ri p a b s t r a c t d u et ot h er a p i dd e v e l o p m e n to fc o m p u t e ra n db r o a d b a n dn e t w o r kt e c h n o l o g y , t h em u l t i m e d i ac o m m u n i c a t i o n b a s e di n f o r m a t i o nn e t w o r kh a sb e e nt h ew o r l df o c u s t h et r a n s f e r r e di n f o r m a t i o nb yi n t e r n e ti sc o n v e r t e df r o ms i m p l et e x ti n f o r m a t i o nt o r i c ha n dc o l o r f u lm u l t i m e d i ai n f o r m a t i o n ，s u c ha sv o i c e 、i m a g e s 、g r a p h i c sa n dr e a l t i m ev i d e o i pt e l e p h o n ya st h ep r o v i s i o no ft e l e p h o n e - l i k es e r v i c e so v e rt h e i n t e r n e ti sc o n s i d e r e da so n eo ft h eg o a l so ft h en e x tg e n e r a t i o nn e t w o r k ( n g n ) d e s p i t et h ea d v a n t a g e so fi pt e l e p h o n y , h o w e v e r ，t h e r ea r ean u m b e ro fb a r r i e r st o k e e pi tf r o mm o r ew i d e s p r e a du s e t h em o s tp r o m i n e n ta m o n gt h e mi s t h ep o o r q u a l i t yo fv o i c ec o n n e c t i o n so nt h ei n t e r n e t d e s i g n e dt oh a n d l en o n r e a lt i m ed a t a t r a f f i c i n t e m e tc a no n l yp r o v i d e ”b e s te f f o r t ”s e r v i c ew h i c hc a n n o ts a t i s f yt h eq u a l i t y o fs e r v i c er e q u i r e m e n tf o rc a r r y i n gv o i c ea n dv i d e o h o wt oi m p r o v ei t sr e a l - t i m e c a p a b i l i t ys ot h a tq o so fc o m m u n i c a t i o nc a nb eg u a r a n t e e di s ac r i t i c a lt e c h n i q u e i s s u ea n do n eo ft h et e c h n i q u ed i f f i c u l t i e so fi pt e l e p h o n e f i r s t l y , t h i sd i s s e r t a t i o nd i s c u s s e st h eb a s i ct h e o r yo fv o i et h es e v e r a lm o d e l s o fi t sc o n s t r u c t i o n a n ds e t sf o r t hi t sm a i np r o t o c o l ss u c ha sh 3 2 3 ，s i p , r t p r t c p , a t t h es a m et i m ep o i n t so u tt h e s ep r o t o c o l s c h a r a c t e r i s t i ca n dt h ed i f f e r e n c e so fe a c h o t h e r d u r i n gt h ef o l l o w i n gd i s s e r t a t i o n ，is i m p l y i n t r o d u c et h es e v e r a lk e y t e c h n o l o g i e sa b o u tv o l pb e s i d e sp r e s e n t i n gt h ef a c t o r so fi n f l u e n c i n gt h eq u a l i t yo f v o i c ea n dt h et e c h n o l o g i e so fi m p r o v i n gt h eq u a l i t yo fv o i c e t h ed i s c u s s i o no f q o s ( q u a l i t yo fs e r v i c e ) i nv o l pi s o u rw o r k i n gc e n t e r i m p a i r m e n t sp r e s e n to ni p n e t w o r k s ，n a m e l yji t t e ra n dd e l a yc a n l e a dt ot h el o s so fp a c k e t sa tt h er e c e i v i n ge n d t h i sp a c k e tl o s sd e g r a d e st h es p e e c hq u a l i t y t h e nie x p l o r ea n da n a l y z et h e t e c h n i q u e so f j i t t e rb u f f e ra n dp a c k e tr e c o v e r yu s e dt oi m p r o v i n gt h eq u a l i t yo f v o i c e i nd e t a i la n dh a sc a r r i e do nae x p e r i m e n tb a s e do ns t a t i cj i t t e rb u f f e r k e yw o r d sv o i p j i t t e rb u f f e rp a c k e tr e c o v e r y h 3 2 3s i p 独截性声甓及关予论文使爝授权静说瞩 独刨性声明 本人声明所呈交的论文是本人在导师指导下遴行豹研究工作及取得的磷究 袋暴。尽我所躲，除了文中蟹剐翘以嚣注窥鍪谢中所罗溺的表容以辨，论文中不 包含其他人融经发表或撰写过的研究溅果，也不包含为获得北京邮电大学或其他 教育机构的学位或证书附使用过的材料。我一弼工作的同志对本研究所傲的任 鹰贡献驽纛在论文中露了臻确薛说明著表示了辩蠢。 中请学位论文与资料若有不实之处，本人承担一切相关责任。 本人签名： 强廷 日蓦鼋：! 壁叁| 一 关于论文使用授扳韵凌鞠 学位论文作者完全了解北京邮电大学有关保留和使用学位论文的规定，即： 磅究生在校玫读学位矮麓论文工 乍驰豫识产投鼙经属j l 京霉电大学。学校骞裁豫 露并两霍家有关部门或械扮送交论文静复窝件耧磁盘，允许学 ：觅论文被查搁翻借 阅：学校可以公布学位论文的全部或部分内容，可以允许采用影印、缩印或其它 复镬手段缀存、汇编学位论文。 奉学位论文不属于保密范瓣，逡髑本授权书。 本人签名 导师签名 北京邮电大学硕士研究生毕业论文 第一章绪论 随着计算机网络技术的飞速发展和多媒体应用技术的日益深入和普及，基于 i n t e r n e t 的多媒体通信已成为当前i n t e r n e t 发展的趋势之一，而发展基于i n t e r a c t 的语音通信一v o i p ，也是技术发展的必然趋势。 1 1 概述 v o i p ( v o i c eo v e rr e ) ，即i n t e r n e t 上的语音传输，亦可称之为i p 电话、i pp h o n e 等，其实质是以分组的形式传输语音数据。 如今，i p 电话成为因特网多媒体通信的一个典型业务，也成为了当前计算 机网络技术和通信技术的热点。据国际数据公司统计，i p 电话在2 0 0 0 年的营业 额已达到3 0 亿美元，全球有1 5 的用户使用i p 电话，预计在2 0 0 5 年，使用i p 电话的用户数将会增至3 4 。五年的增长率为1 4 9 ，而传统电话的增长率则仅 为1 5 。可见，发展基于i n t e r n e t 的实时语音，无论从技术发展趋势，还是从市 场前景和投资回报来分析，都是非常有价值的。 此外，v o i p 以分组的形式传送语音数据，它使语音和数据业务综合，使带 宽得以合并，符合未来“三网合一”的发展方向；它提供的低成本语音业务，对 用户极具吸引力；它传播信息容量大、不受时空限制，有效地利用了网络资源， 这些优势使得v o i p 备受业界青睐，也使得i p 电话作为现有电话的强有力的竞争 对手，将在未来的发展中形成很大的市场。 1 2 课题背景及意义 v o i p 广泛的应用前景和巨大的商业价值促使业界对其产生了浓厚的开发热 情，我国信息产业界正密切关注着这一领域的发展。v o i p 相关技术很多，目前 研究主要分布在以下几个方面：实现v o i p 的网络体系结构及其相关信令、管理、 媒体传送、安全协议，v o i p 的服务质量保证，即i pq o s ( q u a l i t yo fs e r v i c e s ) 问 题。 与传统电话相比，v o i p 有一个致命的缺点，就是语音服务质量无法得到保 北京邮电大学硕士研究生毕业论文 证。这是由于i p 网最初设计的目的是为传输数据，采用的是面向无连接的“尽 力而为”的传输体制；而实时语音数据和普通数据有着不一样的特性，实时语音 数据要求网络传输能保证较高的实时性和连续性。如何在一个无连接的网络上建 立一个提供综合业务的有质量保证的传输平台，如何提高v o i p 的语音质量成为 近年研究的热点。 影响v o i p 语音质量的主要因素有编解码算法、时延、时延抖动、分组丢失、 带宽、网络状况等。在基于i n t e m e t 的语音传输中，如何处理各种因素的相互制 约，尽可能降低分组丢失和时延抖动对通信的影响，以高质量的语音传输向用户 提供舒适满意的使用体验，已成为业界共同关注的一个焦点问题。 清晰、连续、无间断的通话会给用户带来良好的使用体验，可以使企业更加 容易地推广v o i p 业务，从而吸引更多的用户。如果v o i p 系统的语音质量能够达 到理想的水平，它将占有更大的通信市场，进而取代现有的大部分传统电信业务， 成为未来通信的一种主流模式。 因此，为了进一步提高我国在多媒体通信领域的国际地位，迅速展开对提高 v o i p 语音质量的关键理论和技术的研究具有重要的战略意义。 1 3本文的研究工作及内容组成 本课题主要研究如何在基于i n t e r n e t 的实时语音传输中提高语音质量。本课 题的重点是对丢失分组的恢复和j i t t e rb u f f e r 的控制进行理论研究和实现；难点 则是如何综合考虑其相互之间的制约影响，达到系统性能的优化。本课题的主要 工作如下： 1 ) 研究v o i p 体系结构的框架，深入理解i n t e m e t 上的语音传输的基本原理及主 要技术。 2 ) 分析比较当前各种纠错、掩错策略对系统性能的影响，从中汲取对本课题的 研究有价值的部分加以借鉴和学习。 3 ) 研究各种产生时延抖动的因素，以及现有的j i t t e r b u f f e r 解决方案，提出自适 应抖动缓冲控制方案，以优化系统性能。 4 ) 综合考虑时延、丢包恢复、j i t t e rb u f f e r 和语音质量的相互制约，从理论上研 究它们之间的平衡点，以最大可能地优化系统性能。 5 ) 编程实现自适应抖动缓冲控制。 本文在探讨了v o i p 的原理、主要技术标准之后，集中精力讨论语音传输质 量问题。 全文分五章，第一章介绍了v o l p 的发展现状；第二章阐述了v o l p 的基本原 理和背景知识；第三章介绍了商业应用软件一一竞开协同之星( g k s t a r ) 中网 北京邮电大学硕士研究生毕业论文 络电话的实现，并分析了h 3 2 3 、s i p 、r t p r t c p 等协议；第四章详细描述了自 适应抖动缓冲控制算法的设计和实现；第五章是本论文的总结与展望。 北京邮电大学硕士研究生毕业论文 第二章v o lp 的基本原理 i p 网络电话泛指在以i p ( i n t e m e t p r o t o c 0 1 ) 为网络层协议的计算机网络中进 行话音通信的系统，它采用的技术通称v o l p ( v o i c eo v e ri p ) ，即在i p 网上传送 话音。 2 1ip 电话的应用模式 v o l p 技术最初只是一种基于互联网上的语音通讯应用，主要表现为p c 到 p c ，然而在很短的时间里v o l p 技术被迅速扩展为p c 到电话、电话到电话。v o l p 技术真正全面进军电信运营，是随着g a t e w a y ( 电话网关) 生产商在技术上的不 断革命，使得电话到电话技术逐步成熟。1 9 9 8 年起v o i p 技术才真正大规模应用 于长途电信业务当中。电信运营商纷纷采用v o l p 技术来降低长途传输成本和为 客户提供更低的资费价格。图2 一l 中，根据用户终端的不同分别给出了“p c 到 p c ”、 “p c 到电话”和“电话到电话”三种应用方式： p c 到p c 网关 p c 剐电话 北京邮电大学硕士研究生毕业论文 孵关 网荚 ( c )电话鄯电话 图2 1v o l p 的三种应用形式 2 2 v o i p 的基本传输过程 传统的电话网以电路交换的方式传输语音，所要求的传输宽带为6 4 k b i t s ， 而v o i p 是以i p 分组交换网络为传输平台，对模拟的语音信号进行采样、压缩、 编码、打包等一系列的特殊处理，使之可以采用无连接的u d p 协议进行传输。 最简单的v o l p 系统由两个或多个具有v o i p 功能的设备组成，并通过i p 网 络连接。v o i p 模型的基本结构如图2 2 所示。图中示出了v o l p 设备如何把语音 信号转换为i p 数据流，并把这些数据流转发到i p 目的地，i p 目的地又把它们转 换回到语音信号。 图2 2v o l p 的模型结构 两者之间的网络必须支持i p 传输，且可以是i p 路由器和网络链路的任意组 合。因此可以简单地将v o i p 的传输过程分为下列几个阶段。n 1 北京邮电大学硕士研究生毕业论文 1 ) 语音数据采样 模拟语音到数字样点的转换和进入缓冲器前量化数据的打包处理。声卡和音 频设备首先对模拟语音信号进行8 位或1 6 位量化；然后顺序送入缓冲器，缓冲 器的大小可根据延迟和编码的要求选择。许多低比特率的编码器是对被称作帧的 语音块进行编码的，典型帧大小为1 0 3 0m s 。考虑到传输过程中的代价，语音 包通常由6 0 、1 2 0 或2 4 0 m s 的语音数据组成。数字化可以通过各种语音编码方 案来实现。源地和目的地的语音编码器必须实现相同的算法，这样目的地的语音 设备才可以还原模拟语音信号。 2 ) 数据到i p 分组的转换 一旦对语音信号进行了数字编码，下一步就是对语音包以特定的帧长进行压 缩编码。大部分的编码器都有特定的帧尺寸，若一个编码器使用1 5 m s 的帧，则 把从第一级来的6 0 m s 的包分成4 帧，并按顺序进行编码。每个帧合1 2 0 个语音 样点( 抽样率为8 k h z ) 。编码后，将4 个压缩的帧合成一个压缩的语音包送入网 络处理器。网络处理器为语音包添加分组头、时间戳和其他信息后通过网络传送 到另一终端。传统语音网络是简单地建立通信终端之间的物理连接( 一条线路) ， 并在终端之间传输编码的信号。而i p 网络不像电路交换网络，它不形成连接， 它要求把数据放在可变长的数据报或分组中，然后给每个数据报附带寻址和控制 信息，并通过网络发送，一站一站地转发到接收端。 3 ) 传送 在这个传输通道中，全部网络被看成一个整体，持续不断地从输入端接收数 据包，然后在一定时间( t ) 内将其传送到网络输出端。t 可以在某个范围内变化， 反映了网络传输中的抖动。网络中的网间节点检查每个i p 数据附带的寻址信息， 根据这个信息把该数据包转发到目的地路径上的下一站。 4 ) i p 分组到数据的转换 接收端v o i p 设备接收这个i p 数据包并开始处理。接收端提供一个可变长度 的缓冲器，用来调节网络产生的抖动( j i t t e r ) 。该缓冲器可容纳许多语音包，用户 可选择缓冲器的大小。小的缓冲器产生延迟较小，但不能调节大的抖动。解码器 将经编码的语音包解压缩后产生新的语音包，这个模块也可按帧进行操作，完全 和编码器的长度相同。若帧长度为1 5 m s ，则6 0 m s 的语音包被分成4 帧，然后它 们被解码还原成6 0m s 的语音数据流送入解码缓冲器。在数据包的处理过程中， 去掉寻址和控制信息，保留原始的数据，然后把这个原始数据提供给解码器。 6 北京邮电大学硕士研究生毕业论文 5 ) 数字语音转换为模拟语音 播放驱动器将解码缓冲器中语音样点( 1 2 0 x 4 = 4 8 0 个) 取出进入声卡，通过 扬声器按预定的频率( 例如8 k h z ) 播出。 在像i p 电话这样的全双工通信中，每一端既是发送端又是接收端，它的六 级处理过程都是连续进行的。在具体应用时为了减少分离处理的数量，这六级被 合成同时工作的三个处理过程。如图2 3 所示： 净 模数 压缩i p 封装 接收器十_ 斗 转换器 斗 编码器 斗 发送器 一 _ _ 一 ， 播放器 数模解压缩i p 解封 、 转换器解码器接收器 图2 3v o i p 传输的基本过程 北京邮电大学硕士研究生毕业论文 第三章g k s t a r 中p ct op h o n e 的实现 竞开协同之星g k s t a r 是北京点击科技有限公司开发的一款协同软件。本章 中，作者将结合自己参与的g k s t a r 网络电话项目，详细介绍多媒体网络通信中 p ct op h o n e 的实现。 目前可用来实现多媒体网络通讯的协议有h 3 2 3 、s i p 、m g c p 等，本章所 涉及的协议主要是在v b i p 系统中广泛使用的的信令协议h 3 2 3 协议簇和s i p 协 议，以及传输协议：r t p r t c p 。 3 1h 3 2 3 协议 3 1 1h 3 2 3 协议简介 h 3 2 3 是i t u t 第1 6 工作组的建议，h 3 2 3 由一组协议构成，有负责音频、 视频信号的编码、解码和封装的协议，有负责呼叫信令收发和控制的信令，还有 负责能力交换的信令。1 9 9 7 年7 月前，多数已实现的系统是基于h 3 2 3 第二版 的，而在此之后，h 3 2 3 第三版开始应用。目前发布的最新版本是第四版瞳1 。 h 3 2 3 的主要特点有： 1 ) 标准规范，包括视频和音频数据流的编解码标准 2 ) 互操作性，用户不必担心接收端的兼容性，除了确保接收端可以解码，还允 许接收端和发送端协商能力，标准还规定了通用呼叫设置和控制协议 3 ) 独立于网络，h 3 2 3 运行在通用网络基础上 4 ) 独立于平台和应用，h 3 2 3 不依赖任何硬件或操作系统 5 ) 多点支持，支持三个或更多终端的会议而无需专用的多点控制器 6 ) 带宽管理，视频和音频通信需要大量带宽，可能造成网络阻塞。网络管理员 可以限制h 3 2 3 连接的数量或供h 3 2 3 应用使用的带宽，保证紧要的通信 不会被干扰 7 ) 支持组播，组播可以把一个包不用复制就发送给目的端的一个子集，与此相 反，单播( u n i c a s t ) 进行多个点到点传送，广播( b r o a d c a s t ) 则把包送到所 有目的端，需要复制而不能有效利用带宽 8 ) 灵活性，一个h 3 2 3 会议可以包含不同能力的终端，如只有音频能力的终端 北京邮电大学硕士研究生毕业论文 可以和有视频、数据能力的终端共同参加会议，多媒体终端可以和只有 t 1 2 0 数据能力的终端进行视频会议的数据部分 9 ) 网络间会议，可以建立局域网和i s d n 间的连接，使用共同的编解码技术来 减小编码转换延迟，提高性能 3 1 。2 h 3 2 3 体系结构 h 3 2 3 并不是单个的协议，而是一个框架性建议，它指定如何把多个协议组 合起来，形成一个实用的i p 电话技术系统。从协议的观点看，h 3 2 3 为基于i p 网络的通信系统定义了四个主要的组件：h 3 2 3 终端( t e r m i n a l ) 、网关 ( g a t e w a y ) 、网守( g a t e k e e p e r ) ，多点控制单元( m c u ：m u l t i p o i n tc o n t r o l u n i t s ) 。它涉及到的组件如图3 1 所示： 图3 一i 基于h 3 2 3 的v o i p 体系结构 终端是h 3 2 3 定义的最基本组件。h 3 2 3 终端包括传统的电话机、p c ，也可 以是集语音、数据和图像于一体的多媒体业务终端。它用来提供与其他终端的实 时双向语音、视频或数据通信。该终端也能与h 3 2 3 网关或多点控制单元( m c u ) 通信。 网关是h 3 2 3 会议系统的一个可选组件。它是一个位于l a n 上的节点，用 来与其他h 3 2 3 终端或其他网络上的i t u - t 终端进行通信。网关提供很多服务， 如h 3 2 3 终端和其他i t u 标准相兼容的终端之间的信号转换功能，与其他h 3 2 3 网关协同工作的能力。 网守也是h 3 2 3 系统的一个可选组件，其功能是向h 3 2 3 节点提供呼叫控制 服务。当系统中存在网守时，其必须提供以下四种服务：地址翻译、带宽控制、 北京邮电大学硕士研究生毕业论文 许可控制与区域管理功能。 多点控制单元( m c u ) 支持三个或三个以上终端和网关之间的多点会议。一个 两终端的点对点会议可被扩展到一个多点会议。在h 3 2 3 系统中，一个多点控 制单元由一个多点控制器m c 和可选的多点处理器m p 组成。m c 支持与所有终端 进行协商的能力，用以保证通信达到一个普遍的水平，它还能控制组播中的资源。 m p 可在m c 的控制下提供对语音、视频或数据业务的混合和交换能力，在进行多 点会议时，m p 是处理语音、视频及数据流的主处理器【4 1 。 3 1 3 h 3 2 3 信道 h 3 2 3 用信道的概念来对两个通信实体进行信息交换结构化。信道是一个传 输层的连接。 1 ) r a s 信道 该信道使终端用户与它们的网守( g a t e k e e p e r ) 通信，定义在h 2 2 5 0 中， 通过r a s 信道，终端用户登录到网守上，并请求允许它呼叫另一个终端用户。 如果请求获得同意，则网守回送一个传输地址( 含i p 地址和端口号) 作为被叫点 的呼叫信令信道。 2 ) 呼叫信令信道 该通道承载呼叫和补充业务的控制信息，这个通道采用类似于q 9 3 1 的协 议，协议描述在h 2 2 5 0 和h 2 4 5 x 中，当呼叫建立好之后，h 2 4 5 控制通道的 传输地址将在本通道内指明。 3 ) h 2 4 5 控制信道 这个信道承载h 2 4 5 协议的信息，该信息用于具有能力交换支持的媒体控 制。在参与呼叫的各方完成能力交换之后，通过本信道创建媒体的逻辑通道。 4 ) 媒体的逻辑信道 这个信道承载音频、视频和其他媒体信息，每一个媒体类型承载在各自一对 单向信道上，每个方向采用r t p 和r t c p 畸1 。 3 2sip 协议 3 2 1s ip 协议的基本功能 s i p 被描述为用来生成、修改和终结一个或多个参与者之间的会话。这些会 话包括因特网多媒体会议，因特网( 或任何i p 网络) 电话呼叫和多媒体发布。会 话中的成员能够通过多播或单播的网络来通信。s i p 支持会话描述，它允许参与 北京邮电大学硕士研究生毕业论文 者在一组兼容媒体类型上达成一致。它同时通过代理和重定向请求到用户当前位 置来支持用户移动性。s i p 不与任何特定的会议控制协议捆绑。“。 s i p 提供以下功能： 1 ) 名字翻译和用户定位 无论被呼叫方在哪里都确保呼叫达到被叫方，执行任何描述信息到定位信息 的映射，确保呼叫( 会话) 的本质细节被支持。 2 ) 特征协商 它允许与呼叫有关的组( 这可以是多方呼叫) 在支持的特征上达成一致( 注 意：不是所有方都能够支持相同级别的特征) ，例如视频可以或不可以被支持。 总之，存在很多需要协商的范围。 3 ) 呼叫参与者管理 呼叫中参与者能够引入其它用户加入呼叫，或取消到其它用户的连接。此外， 用户可以被转移或置为呼叫保持。 4 ) 呼叫特征改变 用户应该能够改变呼叫过程中的呼叫特征。例如，一个呼叫可以被设置为 “v o i c e o n l y ”，但是在呼叫过程中，用户可以要求开启视频功能。也就是说一 。 个加入呼叫的第三方为了加入该呼叫可以开启不同的特征。 3 2 2s ip 协议的实现机制 s i p 是一个分层结构的协议，这意味着它的行为根据一组平等独立的处理阶 段来描述，每一阶段之间只是松耦合。协议分层描述是为了表达，从而允许功能 的描述可在一个部分跨越几个元素。它不指定任何方式的实现。当我们说某元素 包含某层，我们是指它顺从该层定义的规则集1 6 1 。 不是协议规定的每个元素都包含各层。而且，由s i p 规定的元素是逻辑元素， 不是物理元素。一个物理实现可以选择作为不同的逻辑元素，甚至可能在一个个 事务的基础上。s i p 的最底层是语法和编码。它的编码使用增强b a c k u s - n a u r 形 式语法( b n f ) 来规定。 第二层是传输层。它定义了网络上一个客户机如何发送请求和接收响应以及 一个服务器如何接收请求和发送响应。所有的s i p 元素包含传输层。 第三层是事务层。事务是s i p 的基本元素，一个事务是由客户机事务发送给 服务器事务的请求( 使用传输层) ，以及对应该请求的从服务器事务发送回客户机 的所有响应组成。事务层处理应用层重传、匹配响应到请求、以及应用层超时。 任何用户代理客户机( u a o 完成的任务使用一组事务产生。用户代理包含一个 事务层，有状态的代理也有事务层，无状态的代理不包含事务层。事务层具有客 北京邮电大学硕士研究生毕业论文 户机组成部分( 称为客户机事务) 和服务器组成部分( 称为服务器事务) ，每个代表 一个有限状态机，它被构造用来处理特定的请求。 事务层之上的层称为事务用户( t u ) 。每个s i p 实体，除了无状态代理，都是 事务用户。当一个t u 希望发送请求，它生成一个客户机事务实例并且向它传递 请求和i p 地址、端口、以及用来发送请求的传输机制。一个t u 生成客户机事 务也能够删除它。当客户机取消一个事务时，它请求服务器停止进一步的处理， 将状态恢复到事务初始化之前，并且生成特定的错误响应到该事务。这由 c a n c e l 请求完成，它构成自己的事务，但涉及要取消的事务【l 。 s i p 通过e m a i l 形式的地址来标明用户地址。每一用户通过一个等级化的 u r l 来标识，它通过诸如用户电话号码或主机名等元素来构造f 例如 s i p ：u s e r c o m p a n y c o r n ) 。因为它与e m a i l 地址的相似性，s i pu r l 容易与用户的 e m a i l 地址关联。 s i p 提供它自己的可靠性机制从而独立于分组层，并且只需不可靠的数据包 服务即可。s i p 可典型地用于u d p 或t c p 之上。 3 3h 3 2 3 和slp 协议的比较 1 ) h 3 2 3 与s i p 的区别 s i p 和h 3 2 3 作为i p 电话的信令协议，分别是通信领域与i n t e r n e t 领域两 大阵营推出的建议，它们的区别有以下几点： 从信令协议的出发点来看，h 3 2 3 试图把工p 电话当作是众所周知的传统电 话，只是传输方式发生了改变，由电路交换变成了分组交换。而s i p 协议侧重于 将i p 电话作为i n t e r n e t 上的一个应用，较其他应用( 如f t p 、e - m a i1 等) 增加了 信令和q o s 的要求。它们支持的业务集基本相同，也都利用r t p 作为媒体传输的 协议。 从消息的编码方法来看，h 3 2 3 采用基于a s n 1 和压缩编码规则的二进制方 法表示其消息。a s n 1 通常需要特殊的代码生成器来进行词法和语法分析。而s i p 是基于文本的协议，类似于h t t p 。基于文本的编码意味着头域的含义是一目了 然的，如f r o m 、t o 、s u b j e c t 等域名。这种几乎不需要复杂的文档说明的标准规 范风格，其优越性已在过去的实践中得到了充分的证明。 从会话能力的协商和调整方法来看，h 3 2 3 是采用h 2 4 5 协议来进行能力协 商的会话控制的，而s i p 的能力协商采用s d p ( s e s s i o nd e s c r i p t i o np r o t o c 0 1 ) 进行描述，s d p 中的每一项的格式为 = ，也比较简单。 从会话管理的方式来看，h 3 2 3 由于由多点控制单元( m c u ) 集中执行会议控 制功能，所有参加会议的终端都向m c u 发送控制消息，m c u 可能会成为瓶颈，特 北京邮电大学硕士研究生毕业论文 别是对于具有附加特性的大型会议；并且h 3 2 3 不支持信令的多播功能，其单播 功能限制了可扩展性，降低了可靠性。而s i p 设计上就为分布式的呼叫模型，具 有分布式的多播功能。其多播功能不仅便于会议控制，而且简化了用户定位、群 组邀请等，并且能节约带宽。但h 3 2 3 的集中控制便于计费，对带宽的管理也比 较简单、有效。 在补充业务方面，h 3 2 3 中定义了专门的协议用于补充业务，如h 4 5 0 1 、 h 4 5 0 2 和h 4 5 0 3 等。s i p 并未定义专门的协议用于此目的，但它能很方便地 支持补充业务或智能业务。只要充分利用s i p 已定义的头域，并对s i p 进行简单 的扩展，就可以实现这些业务。对于通过扩展头域较难实现的一些智能业务，可 在体系结构中增加业务代理，提供一些补充服务或与智能网设备的接口。 另外，h 3 2 3 中的呼叫建立过程涉及到三条信令信道：r a s 信令信道、呼叫 信令信道和h 2 4 5 控制信道。通过这三条信道的协调才使得h 3 2 3 的呼叫得以进 行，呼叫建立时间较长。在s i p 中，会话请求过程和媒体协商过程等一起进行。 尽管h 3 2 3 v 2 已对呼叫建立过程做了改进( h 2 4 5 控制消息可以通过用h 2 2 5 0 呼叫信道隧道来传送) ，但较之s i p 只需要1 5 个回路时延来建立呼叫，仍是无 法相比的。 h 3 2 3 的呼叫信令信道和h 2 4 5 控制信道需要可靠的传输协议，而s i p 独立 于低层协议，一般使用u d p 等无连接的协议，用自己应用层的可靠性机制来保证 消息的可靠传输。 总之，h 3 2 3 沿用的是传统的实现电话信令的模式，比较成熟，已经出现了 不少h 3 2 3 产品。h 3 2 3 符合通信领域传统的设计思想，进行集中、层次式控制， 采用h 3 2 3 协议便于与传统的电话网相连。s i p 协议借鉴了其他i n t e r n e t 的标 准和协议的设计思想，在风格上遵循i n t e r n e t 一贯坚持的简练、开放、兼容和 可扩展等原则，比较简单，但推出的时间不长，协议并不是很成熟。它的优点是 同i n t e r n e t 结合，可以很方便地生成新的业务，如w e b 呼叫点击拨号等。但是 s i p 协议需要相对智能的终端。 2 ) h 3 2 3 和s i p 协议的不足 h 3 2 3 和s i p 都是基于i p 这样一个承载网络提出的，在提出的当初，并没有 深入考虑到异构网络互联这样一个现实问题。尽管i t u t 和i e t f 后来分别就 v o i p 和p s t n 及工p 的互联提出了一整套解决方案，但是产品开发的实践表明： 单纯在异构网络边界采取消息映射的方法不仅会导致开发工作的繁冗，开发费用 的提高，而且可能导致信令语义在映射时的损失，最终导致综合服务网络在提供 某一业务时与现有专业网络相比服务质量的下斛7 1 。 北京邮电大学硕士研究生毕业论文 在通过i p 网络传送信令消息时，h 3 2 3 和s i p 的消息尽管经过了简化，消 息类型仍然过多，当用户终端的处理能力逐渐增强后，用户本身对业务的控制能 力将受限于消息类型的复杂性。h 3 2 3 和s i p 着重于呼叫的建立和释放，并没有 仔细考虑网络管理的需求，这样，呼叫控制信令和网络管理将处于相对独立的层 面上，在i p 环境下，资源的动态变化常常需要网络管理和控制信令相互配合， 甚至网络管理的重要性大于呼叫控制信令，h 3 2 3 和s i p 都不z 厅。匕k , 1 4 k e t 好解决这一问 题。能否构筑统一的呼叫控制信令和网络管理系统及语义无关的信令体系结构是 一些电信设备开发厂商在构筑基于软交换体系结构的综合网络时努力追求的目 标。 3 4 r t p r t c p 协议 实时传输协议( r t p ) 和实时传输控制协议( r t c p ) 是普遍接受的多媒体数据流 传输协议，它们为实现多媒体数据流端到端的传输服务而设计。 我们知道，当i p 语音包经过网络时，都无一例外的被引入抖动、乱序、丢 包等问题。实时传输协议( r t p ) 除了能承载任何实时数据之外，还能让接收端校 正i p 网络所造成的抖动和乱序问题。另一个协议：实时传输控制协议( r t c p ) 常 和r t p 一同使用，它用于承载关于传输质量的反馈信息( 如抖动量、分组的平均 丢失率等) ，和传输一些参与者的相关身份信息。借助r t c p ，会话参与者不仅可 以得知数据通信质量和网络运行现状，采取相应的措施来调整多媒体数据流的传 输，还可以行使一些基本的会话控制功能，如参与退出会话，识别其他参加者 身份等。 3 4 1 r t p 协议 r t p 的设计采用“集成处理”和“应用成帧”的思想。所谓“集成处理”指 的是r t p 一般由应用层综合处理，而不作为一个单独的协议层来处理。如图3 2 是r t p 协议在作为i n t e r n e t 协议标准的t c p i p 协议簇的层次结构中的位置以 及客观存在与底层协议的配合关系。所谓“应用成帧”指的是r t p 只规定所有应 用都需要的公共功能，它不像一般协议那样通过任选机制等办法追求全面和完 备，而是留有余地，允许具体应用修改和或增加头部信息以满足其特定需要。 因此，用r t p 封装应用数据，除了要遵从r t p 协议本身的要求外，还需要制定轮 廓文件( p r o f i l e ) 和格式文件以说明本次应用对r t p 协议所作的改动。 北京邮电大学硕士研究生毕业论文 t c p i p 协议簇 应用层 r t p t c pu d p i p 硬件接口 3 4 1 1r t p 包结构 i s o o s l 分层模型 应用层 表示层 会话层 传输层 网络层 数据链路层 物理层 图3 - - 2t c p i p 协议与i s o o s i 模型 r t p 数据包的结构如图3 3 所示： 01 51 63 1 v = 2pxc cmp t s e q u e n c en u m b e r t i m e s t a m p s y n c h r o n i z a t i o ns o u r c e ( s s r c ) i d e n t i f i e r c o n t r i b u t i n gs o u r c e ( c s r c ) i d e n t i f e r 图3 - - 3r t p 数据包结构 版本( v ) ：2 比特 这个域表示r t p 的版本号，在i p 电话中版本号为2 。 填充( p ) ：1 比特 如果填充域设置，那么在包的尾部将包含一个或多个附加的填充字节，这些 字节不是有效负载。填充的最后一个字节是填充字节数。在固定块大小的某些加 密算法或要在一个低层协议数据单元里传输多个r t p 包时可能会需要填充。 扩展( x ) ：l 比特 如果设置了扩展比特，则在固定头的后面将跟随着一个头的扩展。 c s r c 计数器( c c ) ：4 比特 c s r c 计数器包含固定头后的c s r c 标志个数。 北京邮电大学硕士研究生毕业论文 标志( m ) ：1 比特 对标志的解释在框架中定义。定义它是为了允许重要事件，例如帧的边界， 能在包文流中表示出来。框架可以定义额外的标志位，也可以通过改变负载类型 域的比特数来规定有没有标志位。 负载类型( p t ) ：7 比特 这个域标明r t p 负载的格式。一个r t p 发送者一次发送一种r t p 负载类型的 数据。如果媒体流是多个流复合而成的，则在复合流中不使用这个域。 时戳：3 2 比特 时戳一般是r t p 数据包中第一个字节的抽样瞬时。为了便于同步和计算跳 数，抽样瞬时必须来自一个单调线性递增的时钟。时钟的分辨率应满足一定的准 确性。如果r t p 包的产生是周期性的，则可以使用由抽样时钟决定的抽样瞬间。 像序列号一样，时戳的初始值是随机的。如果几个连续的r t p 包逻辑上是同时产 生的，例如属于同一视频帧，就可能有相同的时戳。 s s r c ：3 2 比特 s s r c 域定义同步源。为了保证在同一r t p 会话中同步源标志的唯一性，这 个标志是随机选择的。虽然多个源选择相同标志的可能性很低，所有r t p 应用都 必须准备发现并解决这种碰撞。如果一个源改变了它的源传输地址，它必须选择 一个新的s s r c 标志，以避免被当作一个形成环路的源。 c s r c 表：0 到1 5 个表项，每个表项3 2 位 c s r c 表中的各个表项分别对应构成包中负载的源。它所含标志的数目由c c 给出。如果源超过1 5 个，只有1 5 个会表示出来。c s r c 标志是由混合器根据构 成源的s s r c 标志插入的，它列出混合成一个包的所有源的s s r c 标志，使得接收 端能正确分辨出复合包中各段数据真正的源是谁。 3 4 1 2r t p 协议的功能 r t p 能基于单播、组播传输技术来工作，适用于多播电话会议、音频和视频 会议等实时应用系统。两个或多个用户之间建立的r t p 连接被称为r t p 会话，就 每一个会话参与者而言，会话由一对传输层地址标识( 即一个i p 地址加上两个 u d p 端口地址，一个端口为r t p 分组的发送接收占用，另一个为r t c p 分组的发