（计算机系统结构专业论文）voip系统中基于rtprtcp协议的语音及视频传输的设计与实现.pdf

摘要 摘要 v o i p 是近十几年以来兴起的一项新技术，具有广阔的发展前景，它通过 i n t e m e t 承载语音数据的传输，随着计算机网络和通信技术的不断发展，实时通 信业务逐渐在i n t e r n e t 应用中占据了主导地位，口电话作为“下一代电话”而倍 受瞩目的原因，是与通信业务经营者所传输的语音质量和口信息量比率有关， 同时，它比传统电话便宜也是其兴起的重要因素。 在i n t e r n e t 网上传输语音数据，具有实时性、连续性、突发性等一些特点， 这就使得v o i p 的数据传输与传统的模式有很大的区别，在语音实时通信过程中， i n t e r n e t 所提供的尽力而为服务，即u d p 服务，仅仅依靠传统的一些互联网协议 已经无法满足实时通话的需求，在这种形势下，因特网工程任务组i e t f 制定了 实时传输协议r t p ( r e a l t i m et r a n s p o r tp r o t o c 0 1 ) 标准，实时传输协议位于应用 层和传输层之间，它可以很好的完成双向语音及视频的通信，避免了t c p 协议 进行语音通信实时性差的缺点，同时减小了网络时延，改善了语音传输效果。 本文在l i n u x 上开发v o i p 系统，主要实现了r t p 的音频和视频传输，主要 的工作如下： 1 、介绍了v o i p 相关协议，主要包括s i p 和r t p 协议，分析了它们的特点。 提出采用r t p 协议完成实时数据传输的设计。 2 、在l i n u x 平台上开发音频和视频的实时传输，并在原基础上实现了音频 和视频的两路通话模式。 3 、对音频和视频传输的质量，进行分析，并对通话的实时数据进行了统计。 4 、最后对目前较成熟的v o i p 电话产品l i n p h o n e 进行了功能上的比较，并 对自己的研究课题提出了展望。 关键字：v 0 口；r t p 协议；s i p 协议 a b s t r a c t a b s t r a c t v o i pi san e w t e c h n o l o g yw h i c hh a se m e r g e ds i n c el a s td e c a d ea n di th a sb r o a d p r o s p e c t sf o rd e v e l o p m e n t 。a u d i o s t r e a m i n go fv o i pi s t r a n s f e r r e dt h r o u g ht h e i n t e m e t 。r e a l t i m ec o m m u n i c a t i o nh a sb e e no c c u p i e dad o m i n a n tp o s i t i o ni nt h e i n t e m e ta p p l i c a t i o nw i mt h ed e v e l o p m e n to fc o m p u t e rn e t w o r k sa n dc o m m u n i c a t i o n t e c h n o l o g y 。 i pp h o n ea st h en e x tg e n e r a t i o nt e l e p h o n eh a sb e e nt a k e ns e r i o u s l ya n d t h er e a s o n sf o rt h a ti st h eq u a l i t yo fi t sv o i c ew h i c hi st r a n s f e r r e db yc o m m u n i c a t i o n s e r v i c em a n a g e ra n dt h er a t i oo fi pi n f o r m a t i o n 。s i m u l t a n e o u s l y ，a n o t h e ri m p o r t a n t f a c t o ri st h ec o s to fc o m m u n i c a t i o ni sc h e a p e rt h a nt h et r a d i t i o n a lp h o n e 。 t r a n s m i s s i o no fv o i c e - d a t at h r o u g hi n t e r n e th a ss o m ef e a t u r e s ，s u c ha s r e a l t i m e 、c o n t i n u i t y 、b u r s tc h a r a c t e r i s t i c sa n ds oo n ，a n dt h e s ef a c t o r sm a k et h e t r a n s m i s s i o no fv o i p d a t ad i f f e r e n tf r o mt h et r a d i t i o n a lm o d e l 。i nt h er e a l t i m e c o m m u n i c a t i o n ，i tp r o v i d e du d p ss e r v i c e sa n dt h et r a d i t i o n a li n t e r n e tp r o t o c o lh a s b e e nu n a b l et os a t i s f yt h ed e m a n do f r e a l - t i m ec o m m u n i c a t i o n 。i nt h i ss i t u a t i o n ，i e t f d e v e l o p e dt h er t ps t a n d a r dw h i c h i sl o c a t e db e t w e e na p p l i c a t i o nl a y e ra n d t r a n s m i s s i o n l a y e r a n dw h i c hc o u l d c o m p l e t e t h ec o m m u n i c a t i o nb e t w e e n a u d i o - s t r e a m i n ga n dv i d e o - s t r e a m i n gp e r f e c t l y 。i ta v o i d st h ed e f e c t i o no f t c ps u c ha s p o o lr e a l - t i m ei nc o m m t m i c a t i o n 。s i m u l t a n e o u s l y ，i tr e d u c e st h en e t w o r kd e l a ya n d e n h a n c e se f f e c to fc o m m u n i c a t i o n 。 t l l i sp a p e rt a l k e dav o i ps y s t e md e v e l o p e do nl i n u x ，t h em a i ng o a li s c o m p l e t e dc o m m u n i c a t i o no fa u d i oa n dv i d e ob yi 唧p r o t o c o l ， 1 1 1 em a j o rw o r ki sa s f o l l o w s ： 1 、i n t r o d u c e dv o i p - r e l a t e dp r o t o c o l ， i n c l u d i n g ： s i pa n dr t pp r o t o c o l ， f u t h e r m o r e ，a n a l y s i so f t h ec h a r a c t e r i s t i c sa b o u tt h e m ，a n dr a i s et oa d o p tt h ep r o t o c o l o fr t pt oc o m p l e t et h ed e s i g no fr e a l - t i m ed a t at r a n s m i s s i o n 2 、d e v e l o p m e n to ft h er e a l t i m et r a n s m i s s i o no fa u d i oa n dv i d e oo nl i n u x s y s t e m ，a n db a s e do nt h eo r i g i n a lr e s u l tir e a l i z et h et w o w a y sc o m m u n i c a t i o nm o d e o f a u d i oa n dv i d e o 。 3 、a n a l y s i so ft h eq u a l i t yo fa u d i oa n dv i d e o st r a n s m i s s i o n ，a n dig o t s t a t i s t i c a lr e a l t i m ed a t ai nc o m m u n i c a t i o n v o 口系统中基于r t p r t c p 协议的语音及视频传输的设计与实现 4 、f i n a l l y , ic o m p a r em yr e s e a r c hw i t ht h em o r em a t u r eo ft h ec u r r e n tv o i p p h o n e - - - - - - l i n p h o n ei nf u n c t i o n , a n dm a k eo u t l o o kf o rm yr e s e a r c hs u b j e c t 。 k e yw o r d s ：v o l p ；r t pp r o t o c o l ；s i pp r o t o c o l 厦门大学学位论文原创性声明 本人呈交的学位论文是本人在导师指导下，独立完成的研究成 果。本人在论文写作中参考其他个人或集体已经发表的研究成果，均 在文中以适当方式明确标明，并符合法律规范和厦门大学研究生学 术活动规范( 试行) 。 另外，该学位论文为() 课题( 组) 的研究成果，获得() 课题( 组) 经费或实验室的 资助，在() 实验室完成。( 请在以上括号内填写课 题或课题组负责人或实验室名称，未有此项声明内容的，可以不作特 别声明。) 声明人( 签名) ： 年 以氨娥 6 月7 日 | 厦门大学学位论文著作权使用声明 本人同意厦f - j ：k 学根据中华人民共和国学位条例暂行实施办 法等规定保留和使用此学位论文，并向主管部门或其指定机构送交 学位论文( 包括纸质版和电子版) ，允许学位论文进入厦门大学图书 馆及其数据库被查阅、借阅。本人同意厦门大学将学位论文加入全国 博士、硕士学位论文共建单位数据库进行检索，将学位论文的标题和 摘要汇编出版，采用影印、缩印或者其它方式合理复制学位论文。 本学位论文属于： () 1 经厦f - j ：k 学保密委员会审查核定的保密学位论文， 于年 月日解密，解密后适用上述授权。 | ( ) 2 不保密，适用上述授权。 ( 请在以上相应括号内打“”或填上相应内容。保密学位论文 应是已经厦门大学保密委员会审定过的学位论文，未经厦门大学保密 委员会审定的学位论文均为公开学位论文。此声明栏不填写的，默认 为公开学位论文，均适用上述授权。) 声明人c 签名，：两妒心 w 7 年1 月7 日 第一章绪论 1 1 研究背景和意义 第一章绪论 i p ( i n t e m e tp r o t o c 0 1 ) 电话【l - 2 】是一种数字电话，是技术创新的一种通信服 务业务。它运用语音、压缩编码、打包分组、分配路由、存储交换、解包解压等 交换处理在口网或互联网上实现语音通信。它促进了网络资源利用，降低语音 业务成本，因此在全球范围内得到了迅速的发展，可以说是世界上发展最快、普 及最快的一门应用服务技术之一，也是计算机网络界关注的热点之一。 口电话商业化以后，在全世界，特别是发达国家迅速发展起来。在一些国 家( 如美国) 本地电话i n t e m e t 接入采用包月制，不限时限量，因此i n t e r n e t 是 近乎免费的，人们都希望能通过这近乎免费的网络进行传统的电话和传真服务。 1 9 9 5 年2 月以色列v o c a l t e c 公司研制出可以通过i n t e m e t 网打长途电话的软件产 品”i n t e m e tp h o n e ”，用户只要在多媒体p c 机上安装该软件，就可以通过i n t e m e t 网和任何地方安装同样软件的联机用户进行通话。这项技术上的突破引起全世界 的瞩目，其背后的无限商机也使许多公司进行此项技术的研究，从而使m 电话 技术得到迅速发展，人们把这种在i n t e m e t 上实现的电话业务称为i n t e m e t 电话， 应该说是i p 电话的雏形。 经过十几年的发展，口电话已作为信息技术进步带来的一项新型电话业务 在全世界开展，并对传统电话业务形成越来越大的威胁。m 电话从当初的p c 到 p c 发展到今天的p c 到p c 、p c 到电话、电话到电话等多种业务形式，但不论 是现在还是将来，电话到电话的应用将拥有最大的市场，口电话承载网络可以 是i n t e r n e t ，更多的是遵循t c p i p 协议的专用网或i n t e m e t 。因此对我们来说， i p 电话传真就是通过i p 网络传送电话所拿真业务。口网泛指基本t c p i p 协议的 网络，包括因特网和企业网。 1 2v o l p 系统的国内外现状 近几年来，m 技术及其业务高速发展，口技术与电信技术的融合速度也在 加快，口已经进入传统电信领域，其突破口就是v 0 口。m 网络电话的成功开发 l v o m 系统中基于r t p r t c p 协议的语音及视频传输的设计与实现 和应用预示着以为基础的新一代以多媒体通信为主的信息网络时代的出现。 目前国内已有的v o l p 技术虽然有各种各样的实现方式，但都采用t c p i p 协议作 为传输层协议，而且依据的通信协议基本是一致的，如h 3 2 3 协议 3 1 、h 2 4 8 m g c p 协议队s i p 协议【3 1 等。通常把这类通过口协议传送语音的技术统称为v o m 技术。 v o l p 技术曾被认为是在未来的电信网络中承载语音业务的基本技术。随着 基于h 3 2 3 协议【3 】的i p 电话长途网络建设逐步平稳，逐渐意识到用已有的v o l p 技术来代替传统电路交换网上的电话业务还有许多问题没有解决。从电信技术的 发展历史来看，一种新的技术只有通过和新业务的推广紧密联系才能得到发展， 也就是说，当原有技术无法满足开展新业务的需求时，新的技术就得到了发展的 时机，并随着新业务的普及逐步替代原有技术的地位。对v o l p 技术也一样，能 否提供比电路交换技术更吸引用户的新业务、并满足电信运营的基本需求，才是 决定其能否得到广泛应用的关键。 目前国内可以支持v o l p 业务开展的主要实现形式有两种，即基于h 3 2 3 协 议的m 电话网络和基于s i p 协议的i p 电话网络。 1 基于h 3 2 3 协议的i p 电话网络 h 3 2 3 协议最早是由i t u t 提出的、一种基于不保证服务质量分组网络的会 议电视标准，虽然其可以很好地满足在互联网上开展业务的要求，但它的设计思 路更接近传统电信网络集中管理的原则。从上个世纪九十年代开始，各大电信运 营商开始建设依据h 3 2 3 协议的p 电话网络，并形成了相当的规模。基于h 3 2 3 协议的m 电话网络也是目前应用最为广泛的v o l p 实现技术，据统计，目前全国 的国际长途业务的话务量相当部分是经由各运营商的f i 3 2 3 长途口电话网络传 输的。其中，中国联通建设的口电话网在规模上是世界上最大的商用m 电话网 络，每年承担着几亿分钟的国际国内长途话务量。经过几年的实践，已积累了大 量的运营管理经验。 2 基于s i p 协议的v o l p 电话 s i p 协议最早是由i e t f 的i p t e l 工作组提出的一种v o l p 实现方式，其基 本思想是在互联网环境中，组建一个平面结构的、可用于点到点对话需求的系统， 基于s i p 协议构建的系统具有协议结构简单、设备易于开发等特点，也能很好地 承载语音和图像等多种业务。该系统由s i p 终端( 客户机) 、代理服务器和重定向 服务器等功能模块组成。s i p 终端负责发出呼叫、媒体流的编解码；代理服务器 2 第一章绪论 负责接受终端的呼叫请求消息，并根据重定向服务器给出的地址信息将呼叫请求 消息转发给下一个代理服务器，直到送达最终的用户终端；而重定向服务器则用 于给代理服务器指出转发消息下一次应该送达的代理服务器的地址。 基于s i p 协议的v o i p 技术，在互联网上应用相当广泛。微软公司正在大力 推广的操作系统w i n d o wx p 中就内置了采用s i p 协议的对话软件。由于其具有协 议结构简单、能支持多媒体业务的开展、符合互联网网络结构等特点，许多互联 网上的多媒体应用都倾向于采用s i p 协议来实现。基于s i p 协议的v o i p 技术一 直受到设备生产商的关注，主要是因为其协议简单、设备开发容易。 3 用软交换设备实现的v o i p 网络 软交换一词最早见于综合交换机的研究中，是n g n 的核心设备。目前在 v o i p 系统中也有采用软交换设备的情况。国内最早用于商用v o w 业务的软交换 设备采用的是s i p 协议，其只负责地址解析而不管理呼叫状态。随着发展，软交 换也逐渐吸收了许多其它p 技术的内容，将网关分解协议中的媒体网关控制 器、h 3 2 3 协议中网守以及其它设备的功能逐步融合进来，形成了目前的软交换 设备。 v o i p 发展至今，已经取得了巨大的成就，但是在语音的传输中，不管是语 音还是视频，m 电话仍然有很大的不足。 语音质量在v o i p 电话的传输语音过程中，通话质量是首当其冲要保证 的因素，影响语传输质量的主要因素包括：实时带宽，p 网络当初的设计并不 为语音的实时传输保证应有的带宽，虽然实时语音的传输带宽需求很低，但它却 需要一个恒定的或直接可用的带宽；延时，端到端的延时包括编、解码造成的延 时，打包与解包的延时及网络传送延时；包丢失，口网上数据的完整性是依靠 t c p 的重发机制来实现的，口网上语音包的传输采用u d p 的方式，不能保证包 的的完整性。为保证通话质量，一般要求包丢失率应在5 以下；非线性语音编 码，非线性语音压缩编码方案并不能保留所有频谱的信息。影响语音质量的因素 还有很多，比如时延抖动、终端的编解码技术等等，在v o i p 发展的今天，语音 质量的保证已经有了很大的飞跃，相关的语音q o s 算法也取得了很大的突破。 网络和网关互连不同1 1 r 厂商所提供的网关都有自己的一套路由系统及 计费系统，拥有自己的一个口通信网络，但各个网络之间并不能互连。如果购 买网关产品后，能在不同网络间进行路由选择，则通信成本更加低廉，网络利用 3 v o l p 系统中基于r t p r t c p 协议的语音及视频传输的设计与实现 率更高。 除了上述问题之外，i p 仍然有很多问题急需解决，比如如何顺畅连通大 众报警系统、如何提供紧急救援服务、如何处理电源问题等。另外一个最关键的 问题是如何实现v o i p 在家庭和企业中的分布部署等等。 1 3 本文研究的主要内容与组织结构 本文对v 0 口电话的语音及视频传输模块进行了详细的设计，在两台计算机 上进行了测试，并对通话过程的各项实时参数，包括发包数量、收包数量、丢包 个数等等进行了统计，主要的工作在第四章，本文的章节安排如下： 第二章介绍了v o i p 系统的一些相关技术并对s i p 协议进行了简单介绍。 第三章主要是对实时传输协议进行了全面的概述。 第四章主要讲述了实时传输协议模块的详细设计，包括语音、视频模块的 实现，它们都是基于使用o r t p 协议栈来实现的。 第五章是对系统的各项参数进行统计说明，并做了功能演示。 第六章是总结和前景展望。 4 第二章v o l p 系统简介 2 1 引言 第二章v o l p 系统简介 v o p ( v o i c eo v e ri n t e r n e tp r o t o c 0 1 ) 简而言之就是将模拟声音讯号数字化， 以数据封包的型式在i p 数据网络上做实时传递。p 最大的优势是能广泛地采 用i n t e m e t 和全球口互连的环境，提供比传统业务更多、更好的服务。v o m 可 以在网络上便宜的传送语音、传真、视频和数据等业务，如统一消息、虚拟 电话、虚拟语音、传真邮箱、查号业务、i n t e m e t 呼叫中心、i n t e m e t 呼叫管理、 电视会议、电子商务、传真存储转发和各种信息的存储转发等。 v o i p 是一种以口电话为主，并推出相应的增值业务的技术。口最大的优 势是能广泛地采用i n t e r n e t 和全球p 互连的环境，提供比传统业务更多、更好的 服务。v o i p 电话不过是互联网上的一种应用。从本质上说，v o i p 电话与电子邮 件，即时讯息或者网页没有什么不同，它们均能在经过了互联网连接的机器间进 行传输。这些机器可以是电脑，或者无线设备，比如手机或者掌上设备等等。2 0 0 9 年的中国v o 口市场流量将达到9 9 5 0 亿分钟，而具有更强大实力的新v 0 口服务 供应商也会涌入市场。无线v 0 m 在不久的将来会与传统无线通信实现并存和竞 争的关系，而不是对传统无线通信的一种廉价替代物。 2 2v o l p 系统 2 2 1 简介 v o 口又称口电话或m 网络电话，是v o i c eo v e ri p 的缩写，这种技术通过 对语音信号进行编码数字化、压缩处理成压缩帧，然后转换为口数据包在口网 络上进行传输，从而达到了在口网络上进行语音通信的目的。p 电话极大的改 进了网络带宽的利用率，大大降低了通信的费用，它的广泛应用也促进了宽带多 媒体应用的发展1 4 】。 传统的电话网是以电路交换方式传输语音，所要求的传输宽带为6 4 k b i t s 。 而所谓的v o 口是以m 分组交换网络为传输平台，对模拟的语音信号进行压缩、 5 岫系统中基于r i p k i l v 排议的语音丑视频传输的设计与赛既 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。 为了在一个口网络上传输语音信号。要求几个元素和功能。最简单形式的 网络由两个或多个具有v o m 功能的设备组成，这一设备通过一个p 网络连接。 、b 口设备是把语音信号转换为口数据流，并把这些数据流转发到口目的地，m 目的地又把它们转换回到语音信号。两者之音的网络必须支持i p 传输，而且可 以是i p 路由器和网络链路的任意组合。语音信号在球网络上的传送要经过从模 拟信号到数字信号的转换、数字语音封装成口分组、口分组通过网络的传送、 i p 分组的解包和数字语音还原到模拟信号等过程，下图是一个腰电话的基本模 型忆 2 2 2v o l p 关键技术 豳2 ij p 电话的基本模型 ! 势 _ l1 d i v e3 7 x x b 黪，。 由于v 0 口完全建立在分组交换的基础上，而分组交换固有的时延、丢包等 弱点使v o 口的通话质量无法得到保证。因此在v 0 口系统中必须采取特殊措旌来 保证一定的业务质量。v o i p 的关键技术【5 叫如下： 1 ) 信令技术 信令技术是电话呼叫的顺利实现和话音质量的保证，目前主要的信令体系 包括国际电信联盟远程通信标准化组( i t u - t ) 的h 3 2 3 系列和互联网工程任务 组( i e t f ) 的s i p 。h 3 2 3 制定了无服务质量保证的分组网络( p b n ) 上的多媒 体通信标准，已经比较成热并已在v 0 领域广泛应用。s i p 是i e t f 根据口电 第二章v o i p 系统简介 话网上存在的问题开发的新协议，因此有更多的灵活性。与h 3 2 3 相比，s i p 是 一种比较简单的协议。它不像h 3 2 3 那样提供所有的通信协议，s i p 仅用于初始 化呼叫，而不是传输媒体数据，因而带来的附加传输代价不大。s i p 的统一资源 定位符( u r l ) 甚至可以嵌入到w e b 页或其他超文本链路中，用户只需用鼠标 一点即可发出一个呼叫，s i p 还有建立呼叫快、支持传送电话号码的特点。 2 ) 语音处理技术 话音压缩处理技术是v o l p 技术的核心。目前，主要有r r u t 定义的g 7 2 9 、 c t 7 2 3 c - 7 2 3 1 等。由于在分组交换网络中无服务质量保证，因而需要话音的编码 具有一定的灵活性，即编码速率、编码尺度适应性。g 7 2 9 可以仅用8 k b i t s 的带 宽传输语音，所用的算法为对生结构代数码激励线性预测编码( c s a c e l p ) ， 这种算法构成了( 2 7 2 9 标准的基础。g 7 2 3 1 采用5 3 6 3 k b i t s 的双速率话音编码， 话音质量好，但是处理时延较大，是目前已标准化的最低速率的话音编码算法。 3 ) 计算机电话集成( c t i ) 技术 计算机电话集成是通过一些硬件和软件将计算机与电话集成为一体，它是 口电话的技术基础。目前，c t i 的构成可分为两种方式：a 、p c 与电话综合，以 p c 为基础，交换网络与计算机网络并未综合在一起；b 、p c 与电话间没有直接 联系，采用客户朋艮务系统( c l i e n t s e r w r ) 结构，将性能卓越的c t i 服务器连接 到用户级交换机( p b x ) 、大型计算机的数据库或分布式结构的服务器上。第二 种方式所使用的软件较为复杂，但当使用人数较多时，可以降低每个使用者的成 本。 4 ) q o s 保障技术 v 0 m 网络中q o s 保障的途径有：过度建设、优先级、队列、避免拥塞和传 输整形等。v o m 中主要采用资源预留协议( r s v p ) 来保证m 优先级，并采用随 机早起检测技术和加权技术来避免网络拥塞，保障它的通话质量。 5 ) 网络管理技术 网络管理技术是口电话走向运营的保障。p 电话网络管理系统主要包括呼 叫管理系统( c m s ) 、流量分析系统( t a s ) 、网络管理系统( n m s ) 、网络监视 系统。对一个实时性要求很高的通信系统来说，其网络质量直接影响通信质量。 通过网络管理技术，可以迅速处理网络故障，保证网络及各个节点稳定、高效运 行。 7 v o i p 系统中基于r t p f r t c p 协议的语音及视频传输的设计与实现 2 3s i p 协议 2 3 1 概述 s i p f 7 8 】是一个应用层的控制协议，可以用来建立、修改、和终止多媒体会话。 s i p 也可以邀请参与者参加已经存在的会话。媒体可以在一个已经存在的会话中 方便的增加或者删除。s i p 在建立和维持终止多媒体会话协议上，支持5 个方面： a 、用户定位，检查终端用户的位置，用于通讯；b 、用户有效性，检查用户参 与会话的意愿程度；c 、用户能力，检查媒体和媒体的参数；d 、建立会话， r i n g i n g 建立会话参数在呼叫方和被叫方；e 、会话管理，包括发送和终止会话，修改会 话参数，激活服务等等。 a t l a n t a c o r n b i l o x i c o m proxy p r o x y a l i c e sb o b s s o f l p h o n e s o f f h o n e ill ii n v i t ef 1ii 卜一 ii n v i t ef 2i i1 0 0t r y i n gf 3 卜一ii n v i t ef 4 i ii 一一l1 8 0 r i n g i n g f 6 fi1 8 0 r i n g i n g f 7 i 一 i1 8 0a i n 西n gf 8i i2 0 0o k f 9 l 1 2 0 0 0 k f l 0 卜 1 2 0 0 0 k f l l i 一一 i i i m e d i as e s s i o n i b y ef 1 3 i 图2 2s i p 简单模型 8 第二章v o i p 系统简介 上图是表示一个典型的a l i c e 和b o b 两个用户间的s i p 消息交换的例子。 a l i c e 在他的p c 上使用一个s i p 的应用程序，呼叫b o b 在i n t e r n e t 上的一个s i p 电话。a l i c e 通过b o b 的s i p 标志“呼叫”b o b ，这个s i p 标志是统一分配的资源 ( u n i f o r mr e s o u r c ei d e n t i f i e ru r i ) 称作s i pu r i 。它很像一个e m a i l 地址，b o b 的s i pu r j ：s i p ：b o b b i l o x i c o m ，a l i c e 的s i pu r i ：s i p ：a l i c e a t l a n t a c o m 。 s i p 是基于一个类似h r r p 协议的请求应答的通讯模式。每一个通讯都包含 对某个功能的请求，并且起码需要一个应答。在这个应答中，a l i c e 的软电话发 送一个含有b o b 的s i pu r i 抵制的i n v i t e 通讯请求。i n v i t e 是一个s i p 请求 的例子，表示请求方( a l i c e ) 希望服务方( b o b ) 应答。i n v t e 请求包含一系列 的包头域。包头中包含很多属性并且包含了传输消息的附加信息。在i n v i t e 中 有如下的字段：呼叫的唯一标志，目的抵制，a l i c e 的地址，a l i c e 和b o b 建立会 话的类型。i n v i t e 请求( 图2 2 中的f 1 ) 如下面所示： i n v i t es l p ：b o b b i l o x i c o ms i p 2 0 v i a ：s i p 2 0 u d pp c 3 3 a t l a n t a e o m ；b r a n c h = z 9 h g 4 b k 7 7 6 a s d h d s m a x f o r w a r d s ：7 0 t o ：b o b f r o m ：a l i c e ；t a g = 1 9 2 8 3 0 1 7 7 4 c a l l - i d ：a 8 4 b 4 c 7 6 e 6 6 7 1 0 p c 3 3 a t l a n t a c o m c s e q ：31 4 15 9i n v i t e c o n t a c t ： c o n t e n t - t y p e ：a p p l i c a t i o n s d p c o n t e n t - l e n g t h ：1 4 2 ( a l i c e ss d p n o ts h o w n ) 在文本消息的第一行，包含了请求的类型( i n v i t e ) 。在这行之后的是这个 请求的头域。这个例子中包含了最少需要的头域集合。 v i a 域包含了a l i c e 接收发送请求的服务器地址( p c 3 3 a t l a n t a c o r n ) 。同样 这个包含了一个分支参数来标志a l i c e 和这个服务器的会话事务。 t o 域包含了显示姓名( b o b ) 和一个s i p 或者s i p su r i ( s i p ： b o b b i l o x i e o m ) 请求将首先传输到这个u r i 中。 f r o m 域也同样包含一个显示姓名( a l i c e ) 和一个s i p 或者s i p su r i ( s i p ：a l i c e a t l a n t a e o m ) 这个u r i 用来标志请求的原始发起者。这个域也包含 9 v o i p 系统中基于r t p r t c p 协议的语音及视频传输的设计与实现 了一个t a g 参数，这个t a g 参数是一个随机字串( 1 9 2 8 3 0 1 7 7 4 ) ，是软电话 ( s o f t p h o n e ) 在u r i 上增加的一个随机串。用来做标志用途的。 c a l li d 包含一个全局的唯一标志，用来唯一标志这个呼叫，通过随机字串 和s o 邱h o n e 的自己名字或者i p 抵制混和产生的。通过t ot a g ，f r o mt a g 和 c a l l - i d 完整定义了a l i c e 和b o b 之间的端到端的s i p 关系，并且表示这个是一 个对话性质的关系。 c s e q 或者c o m m a n ds e q u e n c e 包含了一个整数和一个请求名字。这个c s e q 数字是顺序递增的。每当对话中发起一个新的请求都会引起这个数字的顺序递 增。 c o n t a c t 域包含一个s i p 或者s i p su r i 用来表示访问a l i c e 的直接方式，通 常由用户名和一个主机的全名( f u l l yq u a l i f i e dd o m a i nn a m ef q d n ) 组成。当 f q d n 作为首选的时候，许多终端用户由于不会由名字登记( 而导致不能访问 a l i c e 的主机) ，所以i p 地址是可选的。v i a 域告诉大家本请求发送到哪里并且 应答到哪里，c o n t r a c t 域告诉大家将来的请求将发送到哪里。 m a x f o r w a r d s 最大转发数量限制了通讯中转发的数量。它是由一个整数组 成，每转发一次，整数减1 。 c o n t e n t - - t y p e 包含了消息正文的描述。 c o n t e n t - l e n g t h 包含消息正文的长度( 字节数) 。 由于s o f i p h o n e 并不知道b o b 或者b o b 的s i p 服务器b i l o x i g o m 在哪里，所 以s o f i p h o n e 发送i n v i t e 请求到a l i c e 的s i p 服务器a t l a n t a c o m 。这个a t l a n t a c o m s i p 服务器应该已经在a l i c e 的s o f l p h o n e 中配置了，或者可以通过d h c p 获得。 a t l a n t a c o ms i p 服务器是一台代理服务器。代理服务器接收s i p 请求并且根据请 求转发。在例子中，代理服务器接收到i n v i t e 请求，并且回送一个1 0 0 ( t r y i n g ) 应答给a l i c e 的s o t t p h o n e 。1 0 0 ( t r y i n g ) 应答表示i n v i t e 请求已经收到，并且 代理服务器正在转发i n v i t e 请求。s i p 的应答是通过一个三位数的数字表示的。 s i p 应答同样包含t o 、f r o m 、c a l l i d ，c s e q 和在v i a 中的分支参数，这个 参数使得a l i c e 的s o f t p h o n e 可以把请求和应答关联起来。a t l a n t a t o m 代理服务器 收到i n v i t e 请求之后，就去找b i l o x i c o m 可能通过d n s 服务来找提供这个 b i l o x i t o m 的s i p 服务器。最后，转发i n v i t e 请求到b i l o x i c o m 或者能到达 b i l o x i c o m 的代理服务器。在转发请求之前，a t l a n t a c o m 代理服务器会在v i a 头 1 0 第二章v o l p 系统简介 上增加一个一段包含自己抵达的值( i n v i t e 已经包含了a l i c e 的的地址v i a 域) 。 b i l o x i c o m 代理服务器收到这个i n v i t e 请求并且返回一个1 0 0 ( t r y i n g ) 应答给 a t l a n t a c o m 代理服务器标志它已经收到这个请求，并且正在处理这个请求。这个 代理服务器通过查询数据库，通常叫做地址服务，这个服务中包含了b o b 的当前 i p 地址。b i l o x i c o m 代理服务增加另一段包含自己地址的v i a 头域并且发送它到 b o b 的s i p 电话。 b o b 的s 口电话接收到i n v i t e 请求并且提醒b o b 有一个从a l i c e 的呼入， 这样b o b 可以决定是否响应这个呼入，这个意思就是b o b 的电话响了。b o b 的s i p 电话发送一个1 8 0 ( r i n g i n g ) 回应，这个回应将通过两个代理服务器原路返回给 a l i c e 。每一个代理服务器通过v i a 头域决定该把这个应答发送给哪里，并且在发 送之前把自己的地址从头上拿走。虽然d n s 和定位服务在路由最初的i n v i t e 请求，1 8 0 ( r i n g i n g ) 响应可以简单返回给发起者而不需要查找发起者在哪里， 并且不需要在代理服务器保留状态，同时，每一个转发i n v i t e 的代理也可以得 到i n v i t e 的每一个应答，这样的特性也非常有用。 当a l i c e 的s o f t p h o n e 收到1 8 0 ( r i n g i n g ) 应答的时候，它提示a l i c e ，可能 是通过一个回铃音，或者屏幕上的一个消息提示。 此例子中，b o b 决定响应这个呼叫。当他拿起电话，他的s i p 电话发送2 0 0 ( o k ) 回应给发送者，表示这个电话已经接起来了。这个2 0 0 ( o k ) 包含了一 个消息体，这个消息体包含s d p 媒体描述，这个媒体描述包含b o b 希望和a l i c e 建立何种媒体连接。同样，s d p 消息也是两段交换：a l i c e 发送一个给b o b ，b o b 发送一个回给a l i c e 。这个两段的交换提供基本的兼容性协商，并且基于简单的 s d p 提出应答交换模型。如果b o b 不想响应这个呼叫或者正在响应别的呼叫， 一个错误的响应会代替正常的2 0 0 ( o k ) 回送出去，这样就不会有连接建立。 b 0 b 发出的2 0 0 ( o k )( 图2 2 的f 9 消息) 如下： s m 2 o2 0 0o k v i a ：s p 2 o i 刀) ps e r v e r io b i l o x i c a ) m b r a n c h = z 9 h g 4 b k n a s h d s 8 ；r e c e i v e d = 1 9 2 0 2 3 v i a ：s i p 2 0 u d pb i g b o x 3 s i t e 3 a t l a n t a c o m b r a n c h = z 9 h g 4 b k 7 7 e f 4 c 2 3 1 2 9 8 3 1 ；r c c e i v e d = 1 9 2 0 2 2 v i a ：s i p 2 0 u d pp c 3 3 a t l a n t a c o m v o l p 系统中基于r t p r t c p 协议的语音及视频传输的设计与实现 b r a n c h = z 9 h g 4 b k 7 7 6 a s d h d s ；r e c e i v e d = 1 9 2 0 2 1 t o ：b o b ；晤a 6 c 8 5 c f f r o m ：a l i c e ；t a g = 1 9 2 8 3 0 1 7 7 4 c a l l i d ：a 8 4 b 4 c 7 6 e 6 6 7 1 0 p c 3 3 a t l a n t a t o m c s e q ：3 1 4 1 5 9i n v i t e c o n t a c t ： c o n t e n t t y p e ：a p p l i c a t i o n s d p c o n t e n t - l e n g t h ：13 1 ( b o b ss d p n o ts h o w n ) 应答的第一行包含了应答代码( 2 0 0 ) 和o k 。剩下的行包含了包头域。v i a ， t o ，f r o m ，c a l l - i d ，c s e q 包头域是从i n v i t e 请求包中直接拷贝过来的。 b o b 的s i p 电话增加了一个t a g 参数。这个t a g 参数会被参与对