摘 要：隨著計算機網(wǎng)絡的普及以及計算機技術(shù)、通信技術(shù)的不斷發(fā)展，基于計算機網(wǎng)絡的VOIP技術(shù)正悄然改變著我們的日常生活。VOIP技術(shù)以其安全、高效、節(jié)省開支的特點，提供比傳統(tǒng)電話更全面和優(yōu)質(zhì)的服務。SIP協(xié)議充分借鑒了超文本傳輸協(xié)議（HTTP）、簡單郵件傳送協(xié)議（SMTP）這兩個互聯(lián)網(wǎng)上最成功的應用層協(xié)議，繼承了互聯(lián)網(wǎng)協(xié)議簡單、開放、靈活等特點。因此，研究基于SIP協(xié)議的VOIP會議系統(tǒng)具有極大的應用價值。

關(guān)鍵詞：VoIP；SIP；語音會議

中圖分類號：TN919.2

飛速發(fā)展的互聯(lián)網(wǎng)，給人們帶來了快捷的傳輸方式，隨著信息化進程的推進，人們在享受互聯(lián)網(wǎng)提供的現(xiàn)有服務的同時，又不斷產(chǎn)生獲取新的服務的渴求。最近一個時期，人們對網(wǎng)絡語音會議的需求呼聲越來越高，特別是企事業(yè)單位，急切希望盡快實現(xiàn)在互聯(lián)網(wǎng)上撥打電話，召開語音會議，本旨在根據(jù)這一需求，通過VOIP技術(shù)和SIP協(xié)議，研究設計出了一種為用戶提供方便快捷、經(jīng)濟實惠和完美服務的網(wǎng)絡語音會議系統(tǒng)。該系統(tǒng)實現(xiàn)了多個客戶端撥入同一個會議室進行語音會議；支持全雙工、實時語音傳輸；支持多個會議室同時在線，且每個會議室之間互不影響；支持超級控制模式，呼叫特權(quán)號碼后可以向服務器當前在線的所有普通會議室進行語音廣播。[1]

1 系統(tǒng)描述

本系統(tǒng)采用SIP/SDP協(xié)議對VoIP呼叫進行控制，采用業(yè)界標準的iLBC/speex/G7xx等音頻編碼標準進行語音壓縮，采用RTP/RTCP協(xié)議進行打包傳輸，整個應用層協(xié)議棧在標準UDP/IP協(xié)議棧之上承載，VOIP會議系統(tǒng)協(xié)議棧如圖1所示。

圖1 VOIP會議系統(tǒng)協(xié)議棧

1.1 SIP協(xié)議

SIP協(xié)議是一種在IP網(wǎng)絡上進行多媒體通信的應用層控制協(xié)議，它被用來創(chuàng)建、修改、和終結(jié)一個或多個參加者參加的會話進程。SIP協(xié)議可用于發(fā)起會話，也可以用于邀請成員加入已經(jīng)用其它方式建立的會話。SIP協(xié)議基于文本編解碼，采用事務機制，每一個請求觸發(fā)Server的操作方法，請求和響應構(gòu)成一個事務，事務間彼此獨立。SIP協(xié)議獨立于底層傳輸協(xié)議：SIP協(xié)議承載在IP網(wǎng)，網(wǎng)絡層協(xié)議為IP，傳輸層協(xié)議可用TCP或UDP，推薦首選UDP。SIP協(xié)議的子協(xié)議SDP協(xié)議是傳送會話信息的協(xié)議，包括會話的地址、時間、媒體和建立等信息，它定義了會話描述的統(tǒng)一格式[2]。

按邏輯功能區(qū)分，SIP系統(tǒng)由4種元素組成：用戶代理、代理服務器、重定向服務器以及注冊服務器。以上幾種服務器可共存于一個設備，也可以分布在不同的物理實體中。SIP協(xié)議工作流程示意圖如圖2所示。[3]

圖2 SIP協(xié)議工作流程示意圖

（1）SIP用戶代理向SIP代理服務器發(fā)送呼叫建立請求（INTIVE）[4]；（2）SIP代理服務器向重定向服務器發(fā)送呼叫建立請求；（3）重定向服務器返回重定向消息；（4）SIP代理服務器向重定向服務器指定的SIP代理服務器發(fā)送呼叫建立請求；（5）被請求的SIP代理服務器使用非SIP協(xié)議到定位服務器查詢被叫位置；（6）定位服務器通過用非SIP協(xié)議流返回被叫位置（被叫SIP代理服務器）；（7）被請求的SIP代理服務器向被叫SIP代理服務器發(fā)送呼叫建立請求；（8）被叫SIP代理服務器向SIP用戶代理（被叫）發(fā)呼叫建立請求（被叫振鈴或顯示）；（9）被叫用戶代理向被叫SIP用戶代理服務器發(fā)同意或拒絕；（10）被叫用戶代理服務器向主叫代理服務器所請求的代理服務器發(fā)同意或拒絕；（11）主叫代理服務器所請求的代理服務器向主叫代理服務器發(fā)同意或拒絕；（12）主叫代理服務器向主叫SIP用戶代理指示被叫是否同意呼叫請求。

1.2 實時傳輸協(xié)議

實時傳輸技術(shù)主要包含兩個相關(guān)的協(xié)議：RTP協(xié)議和RTCP協(xié)議。

（1）RTP協(xié)議。實時傳輸協(xié)議RTP（Real-time Transport Protocol）用于傳送實時數(shù)據(jù)，如語音和圖像數(shù)據(jù)。本身不提供任何保證實時傳送數(shù)據(jù)和服務質(zhì)量的能力，而是通過提供符合類型指示、序列號、時間戳、數(shù)據(jù)源標識等信息，使接收端能根據(jù)這些信息來重新恢復正確的數(shù)據(jù)流。

（2）RTCP協(xié)議。實時傳輸控制協(xié)議RTCP（Real-time Transport Control Protocol）是RTP協(xié)議中的控制功能協(xié)議，它單獨運行在底層傳輸層協(xié)議（如UDP）上。RTCP通過采用與RTP相同的分發(fā)機制，向會話中的所有成員周期性地發(fā)送控制信息，應用程序通過接收這些數(shù)據(jù)，從中獲取會話參與者的相關(guān)資料，以及網(wǎng)絡狀況、分組丟失概率等反饋信息，從而能夠?qū)Ψ召|(zhì)量進行控制或者對網(wǎng)絡狀況進行診斷，并能夠?qū)W(wǎng)絡擁塞進行有效的控制。

RTCP報文共有5類：SR（發(fā)送者報告：用于發(fā)送和接收活動源的統(tǒng)計信息）、RR（接收者報告：用于接收非活動站的統(tǒng)計信息）、SDES（源描述：用于報告和站點相關(guān)的信息）、BYE（離開申明：用于報告站點離開系統(tǒng)）、APP（應用）[5]。

本文采用的RTP包協(xié)議格式如圖3所示。

圖3 RTP包協(xié)議格式示意圖

1.3 音頻編解碼

為了保障系統(tǒng)實現(xiàn)后的通用性，可擴展性和可繼承性，音頻編解碼采用了業(yè)界標準的編解碼格式，同時支持多種音頻編解碼方式。本系統(tǒng)支持的音頻編解碼方式如表1所示[6]。

表1 本系統(tǒng)支持的音頻編解碼

格式算法采樣率kHz比特率kbps周期ms固定碼率動態(tài)碼率立體聲

GSM-HRVSELP85.625√╳╳

GSM-FRRPE-LTP81320/30√╳╳

GSM-EFRACELP812.220/30√╳╳

iLBCBlock Independent LPC813.33/15.220/30√╳╳

SpeexCELP8/16/32/482.15～24.6（窄帶）

4～44.2（寬帶）30（窄帶）

/34（寬帶）√√√

G.711companding A-law or μ-law，PCM，Lossy86420√╳╳

G.711.1MDCT，A-law，μ-law，Lossy8/1664/80/9611.875√√╳

G.726ADPCM，Lossy816/24/32/4020√╳╳

2 系統(tǒng)實現(xiàn)

本VoIP會議系統(tǒng)基于C/S架構(gòu)實現(xiàn)，由3部分組成：VoIP呼叫控制服務器SER（SIP Express Router）、VoIP多媒體服務器SEMS（SIP Express Media Server）和客戶端，如圖4所示。

圖4 VoIP會議室系統(tǒng)體系架構(gòu)

會議室1中的客戶端、會議室2中的客戶端、超級用戶客戶端、SER和SEMS通過路由器組成一個局域網(wǎng)，通過SER的配置文件配置區(qū)分會議室1、會議室2和超級用戶的呼叫號碼?？蛻舳送ㄟ^呼叫不同的號碼登錄不同的會議室。會議室1中的所有客戶端呼叫的SIP地址為，會議室2中的所有客戶端呼叫的SIP地址為，超級用戶呼叫的SIP地址為。會議室1和會議室2相互隔離，互不干擾，超級用戶可以向會議室1和會議室2中的所有客戶端進行語音廣播。

2.1 呼叫控制服務器SER

呼叫控制服務器SER是基于SIP協(xié)議（RFC2543-bis標準）的VoIP呼叫控制服務器，它集成了代理服務器、注冊服務器和重定向服務器的大部分功能，它主要為VOIP通信提供用戶跟蹤、VoIP握手、CPL、即時消息、IMP、2G網(wǎng)關(guān)、呼叫控制、會議室呼叫號碼翻譯、私人呼叫、呼叫統(tǒng)計和AAA認證等服務。SER可以在SUN/Solaris、PC/Linux、IPAQ/Linux平臺上移植，可以支持IPv4或IPv6協(xié)議棧。SER可以支持注冊、代理和轉(zhuǎn)發(fā)3種模式。SER的多用戶并發(fā)量可達150個/秒，基于純C語言實現(xiàn)。[7]

2.2 多媒體服務器SEMS

多媒體服務器SEMS是一個高效的、基于SIP協(xié)議的VoIP多媒體服務器。經(jīng)SER服務器建鏈握手后，SEMS提供語音流媒體會議室、語音郵件、呼叫通知、和back-to-back user agent（B2BUA）等服務。SEMS遵從GPLv2開放源碼協(xié)議。SEMS可以實現(xiàn)基本的語音呼叫處理，支持G711u、G711a、GSM06.10、speex、G726、L16和iLBC等非專利語音編解碼格式，但不能支持例如G729等專利語音編解碼格式。SEMS可以以插件的形式擴展其他格式的語音編解碼器。SEMS的軟件架構(gòu)可以擴展C++和嵌入式Python等編譯模塊。SEMS在普通PC平臺上表現(xiàn)出色，在2GHz主頻的CPU上運行，可以支持1200個G711用戶/700個GSM用戶/280個iLBC用戶同時在線。SEMS可以移植到運行OpenWRT操作系統(tǒng)的路由器中，也可以移植到其他小型嵌入式系統(tǒng)中，但性能較PC平臺會有所降低。SEMS基于純C語言實現(xiàn)[8]。

SEMS和SER之間通過unix socket進行通信，SEMS的模塊調(diào)用圖如圖5所示下：

圖5 SEMS和SER模塊調(diào)用示意圖

FLITE是一個多路語音疊加模塊，它將多個客戶端上傳SEMS的話音進行疊加，再通過SEMS逐一分發(fā)到每一個登錄服務器的客戶端。SPANDSP主要用于DTMF（Dual Tone Multi Frequency，雙音多頻）電話信令探測和PLC（Packet Loss Concealment，丟包隱藏）。XMLRPC是使用HTTP協(xié)議作為傳輸協(xié)議的RPC（Remote Procedure Call Protocol，遠程過程調(diào)用協(xié)議）機制，使用XML文本格式傳輸呼叫控制信令。LIBZRTP實現(xiàn)SRTP語音加密傳輸協(xié)議（Secure Realtime Transfer Protocol，安全實時傳輸協(xié)議）。

2.3 客戶端

客戶端軟件模塊結(jié)構(gòu)圖如圖6所示。

圖6 客戶端模塊結(jié)構(gòu)圖

osip2遵循IETF標準，是源代碼開放的SIP協(xié)議棧。eXosip2是對osip2的封裝，遵從開源GPL許可證。oRTP庫主要實現(xiàn)RTP協(xié)議棧，尊從開源LGPL許可證。ffmpeg是一個開源免費跨平臺的視頻和音頻流解決方案，屬于自由軟件，依據(jù)你選擇的組件尊從開源LGPL（GNU Library General Public License）或開源GPL（GNU General Public License）許可證。speex是一套主要針對語音的開源免費，無專利保護的音頻壓縮格式庫。mediastreamer2庫主要負責音視頻編解碼、采集、播放和回音消除，尊從開源GPL許可證。msilbc庫是iLBC語音編解碼器插件，尊從開源GPL許可證。mediastreamer2可以以插件的形式擴展msilbc。本系統(tǒng)在已有的開源庫基礎上，進行了相應的開發(fā)和集成，客戶端基于純C語言實現(xiàn)，可以在Windows/Linux操作系統(tǒng)下移植[9]。

3 應用效果

此套基于SIP協(xié)議的VoIP會議系統(tǒng)，經(jīng)過大量測試，語音通話效果清晰，不同編解碼格式的實際通信速率與話音質(zhì)量測試結(jié)果如表2所示。

表2 不同編解碼格式的實際通信速率與話音質(zhì)量測試結(jié)果

格式G.711GSMiLBCSpeex

語音編碼速率（kbps）641313.38

RTP封包周期（ms）20203020

凈語音數(shù)據(jù)（bytes）1603350不定長

分組包總長度（bytes）54+16054+3354+50不定長+54

實際總速率（kbps）85.634.827.73約26

語音質(zhì)量（PESQ MOS）4.453.7823.9813.75

4 展望

VOIP技術(shù)是在互聯(lián)網(wǎng)上的一種應用，即讓語音數(shù)據(jù)在網(wǎng)絡上傳輸。通過VOIP技術(shù)，系統(tǒng)實現(xiàn)語音會議功能，滿足遠距離、高質(zhì)量的通話需求，由于互聯(lián)網(wǎng)可快速靈活地引入新業(yè)務，使高新技術(shù)相融合，可不斷加速VOIP網(wǎng)絡語音會議技術(shù)的發(fā)展。采用SIP協(xié)議構(gòu)建的會議系統(tǒng)，便于開發(fā)各種增殖業(yè)務，具有運營成本低等優(yōu)勢，因而其研發(fā)存在較大的經(jīng)濟效益和良好的社會效益[10]。

參考文獻：

[1]陳德來.IP電話原理及相關(guān)技術(shù)標準[J].電信快報，2006（08）：22.

[2]International Telecommunication Union，ITU-T RecommendationG.114.Technical report[R]，1993.

[3]Zourzouvillys，T.； Rescorla， E. An Introduction to Standards-Based VoIP：SIP， RTP， and Friends. Internet Computing， IEEE Journals Magazines， Volume： 14 ，Issue：2，Publication Year：2010，Page（s）：69-73.

[4]Daniel Collins，Carrier Grade Voice Over IP McGraw-Hill 63-69 Professional September 22，2000.

[5]Robert Aston （Editor），Joyce Schwarz （Editor），Multimedia： Gateway to the Next Millennium.Morgan[M] Kaufmamt Publishers， September 1994.

[6]Comparison of audio formats[EB/OL].http：//en.wikipedia.org/wiki/Comparison_of_audio_formats

[7]王建新，裴慧民.基于IP的QoS體系結(jié)構(gòu)及路由策略研究[J].電信快報，2001.

[8]Steven L.Gay，Jacob Benesty，Dennis R. Morgan，M.Mohan Sondhi，Tomas Gander，Advances in Network and Acoustic Echo Cancellation[M].Springer，Berlin，2001.

[9]張宇.VoIP中若干關(guān)鍵技術(shù)的研究[D].浙江大學，2007（04）.

[10]張智江，張云勇.SIP協(xié)議及其應用[M].北京：電子工業(yè)出版社，2005.

作者簡介：徐山峰（1981-），男，北京人，碩士研究生，主要從事電子信息系統(tǒng)總體設計工作；謝佳（1982-），男，北京人，碩士研究生，主要從事通信應用軟件總體設計工作。

作者單位：中國電子科技集團公司電子科學研究院，北京 100041