VoIP系统及相关协议简略说明

VoIP（网络电话）是指将模拟的声音讯号经压缩与封包后，以数据封包的形式在IP网络环境中进行语音讯号的传输。

目前，国外很多基于互联网运营的VoIP电话系统都已取得成功，其巨大的市场潜力也吸引了众多国际著名厂商，力图在VoIP网络电话市场抢占先机。现以H.323协议为模型，对VoIP系统的原理进行简单说明。

1、典型的VoIP网络构成及呼叫过程

（1）网络构成

VoIP网络主要由主、被叫接入终端；主叫网关、网守；被叫网关、网守组成。

 VoIP系统结构（以H.323协议为模型）

①网关的主要功能是实现PSTN网到IP网的转换，包括ISDN信令处理、H.323协议功能、语音编解码和路由协议处理功能等。对外分别提供与PSTN网连接的中继接口以及和IP网络连接的接口。很多网关都支持PPP/PPPOE广域网接入功能，并支持基于WEB的管理方式和具有内建的IP路由、NAT、NAT穿透功能，且很多网关也提供FXS接口，可直接接入普通电话。另外，若主叫本身就是网络电话类的智能终端，一般也都提供支持PP-POE接入的能力，则不再需要源网关。

②网守的主要功能是用户认证、地址解析、带宽管理、路由管理、安全管理和区域管理。

（2）呼叫过程

呼叫由PSTN发起，通过中继接口接入到网关，也可能是网关直接连接的普通电话发起。网关获得用户希望呼叫的被叫号码后，向网守发出接入请求，申请地址解析，网守根据被叫号码查找被叫网关的IP地址，并根据网络资源情况来判断是否应该建立连接，若可建立连接，则将被叫网关的IP地址通知给主叫网关。主叫网关在得到被叫网关的IP地址后，通过IP网络与对方网关建立起呼叫连接，被叫侧网关向PSTN网络发起呼叫并由交换机向被叫用户振铃。被叫摘机后，被叫侧网关和交换机之间的话音通道被连通。

在以上过程中，若无网守，网关也可单独组网，因为网关本身可配置号码路由，自身完成选路功能。但该路由表容量有限，且这种方式维护比较困难，因此只适合于网关数目较少的情况，以节省网守的成本。网守是管理设备，一般网关规模数在15-20个以上时建议使用网守，便于网络管理维护以及网络扩容。此外，当网关使用拨号方式接入，其IP地址是动态申请的，也必须使用网守，因为网关配置号码路由必须配置静态IP地址，而通过网关向网守动态注册IP地址，可由网守完成呼叫选路。

2、VoIP应用形式

VoIP的应用形式丰富，目前主要是以下几种：

（1）PCTOPHONE

PCTOPHONE就是主叫方是PC终端上网，利用VoIP语音软件进行通话，被叫方是普通电话用户。这种应用形式在国外相当流行，代表软件有Net2Phone、VoxBar、Skype等。其特点是发话端是互联网用户，受话端是PSTN电话用户，即“INTERNET+PSTN”形式。需要说明的是，目前已出现了很多功能很好的网络电话机，电话机本身即提供PPPOE拨号功能、配置静态IP地址功能和动态获得IP地址功能。只要接入INTERNET就可以打电话，这种情况也还算此类应用范畴。

（2）PHONETOPHONE

PHONETOPHONE就是主、被叫方均为PSTN电话用户，主叫用户需拨打短号码并进行卡号和密码认证。这种应用形式出现较早，当前各大电信运营商都提供此类服务，如IP电话卡等。特点是发、受话端均是PSTN电话用户，在主、被叫端之间经有IP网络（既可是专用IP网也可是互联网），即“PSTN+IP网络+PSTN”形式。

（3）PCTOPC

PCTOPC就是主、被叫方均为PC终端上网，利用即时通讯软件的语音功能进行语音通话。代表软件有QQ、MSN、ICQ、Skype等。

（4）企业用户的应用方式

当总部城市A的员工需要拨叫企业分部城市B的本地电话时，总部语音网关首先将呼叫转移到分部城市B的语音网关，再由分部城市B网关通过连接在其上的本地PSTN通路发起对被叫方的呼叫。也就是说，若企业所在地安装了VoIP语音网关设备，全国范围内，只要在有分支机构的城市，企业中的任何一人需要给企业有分支机构的任何城市用户打电话，企业所要付出的只是当地的电话费。

我国现有很多拥有自己专网的行业和较多分支机构的大企业，如金融、能源、政府机构、跨国公司等，利用电信运营商提供的DDN、帧中继、ATM等网络组网或通过INTERNET建造自己的IPVPN网络实现内部通话。它们目前也正是中国VoIP市场的主力，已拥有一套运营级的VoIP网络。

3、VoIP协议介绍[Page]

语音通信仍是电信运营商的主要业务，只有通过为用户提供更个性化、更多样的业务，才能创造新的业务增长点，为企业创造更多利润。本着技术服务于市场的原则，下一代VoIP的发展方向需按业务个性化和多样性的特点发展。选择什么技术，应具备怎样的特点，是运营者必须关注的重点。目前，可用来实现VoIP的协议有H.323、SIP、H.248、MGCP、P2P类语音协议等。

1）H.323协议簇

国内早期运营商的VoIP网络几乎全部基于H.323协议集构建的。H.323协议集是ITU-T为基于分组交换网络而开发的多媒体通信系统。呼叫控制是其中的重要组成部分，可用以建立点到点的媒体会话和多点间媒体会议，主要应用于视频会议系统。它并不是一个独立的协议，而是由多种协议组成，包括H.225、H.245、RTP、RTCP等。H.323定义了4个主要部件构筑基于网络的通信系统：终端、网关、网守、多点控制单元（MCU）。

H.323定义了介于电路交换网和分组交换网之间的H.323网关、用于地址翻译和访问控制的网守、以及后台认证、计费等支撑系统组成。在VoIP系统中，没涉及H.323协议的多点会议控制功能部分功能。网关是完成协议转换和媒体编解码的主要设备，而网守则是完成网关之间的路由交换、用户认证和计费的控制层设备。H.323协议集的设计本身就是从电信级网络的角度出发的，易于构建大规模网络，网络的可运营、可管理性及不同厂商设备之间的互通性较好。H.323在分组网络上模拟了PSTN的结构，本身也是分层、主从、集中式的控制方式。

2）SIP协议

SIP（初始会话协议）是IETFSIP工作组提出的基于文本编码的IP电话/多媒体会议应用层控制协议。用于建立、修改并终止多媒体会话。SIP协议还可用于发起会话或邀请成员加入已用其他方式建立的会话。

自3GPP在Release5的IMS（IP多媒体子系统）中宣布以SIP为核心协议，及ETSI在其NGN体系中采用IMS以来，SIP协议就成为关注热点。最初只有国外的小厂商将SIP协议开发和使用在企业的小型网络中，以提供电话业务。第二版本发布后，SIP协议得到了更广泛的应用，基于该协议开发的系统，用户终端无论在何处接入互联网，都可通过域名找到其归属的服务器，以进行语音和视频通信。

 SIP协议的特点如下：

①既可支持点到点的话音通信或视频通信，也可支持多点参与的话音或视频会议等。 　

②透明地支持名字映射和重定向服务，便于实现ISDN，智能网及个人移动业务。

③可用MCU或全互联的方式代替组播发起多方呼叫，与PSTN相连的IP电话网关也可用SIP协议来建立普通电话用户之间的呼叫。

④采用基于文本的UTF-8编码方式和ISO10646字符集，易于实现，易于调试、灵活和扩展性好。这种方式理解容易、实现简单，方便设备商的产品开发。

⑤对个人移动业务提供了很好的支持。对主叫发出的请求，被叫可以重定向到多个点位，这些点位可以是任意一个URL，并且电话类型（移动、固定）、应用类型（商用、家用）和被叫优先级列表等附加信息将被传回主叫方，这使得主叫方可以灵活地选择与哪一个点位通话。

⑥采用Client/Server结构的消息机制，将UA分为两个部分：呼叫方发出邀请（或呼叫）；被叫方接受或拒绝邀请（或呼叫）。这种Client/Server的关系不固定，其工作方式对等，当A向B发送请求消息时，A作为Client，B作为Server。反之，当B向A发起请求时，它们之间的Client-Server关系又相反。

⑦低层协议可为SIP协议层提供可靠或非可靠业务，也可为分组或字节流业务。Internet环境下，SIP协议层可使用UDP协议或TCP协议，它首选UDP协议，当不能使用UDP协议时，使用TCP协议。

⑧SIP协议的可扩展性主要体现在：不可识别的头域可以忽略；用户可指示SIP服务器必须理解的消息内容；新的头域容易引入；状态码采用分层编码方式进行编码。

可见，SIP协议沿用了计算机网络设计的思想。协议设计灵活，可很方便地开展新业务。SIP协议完全传承了Internet的特点，终端高度智能化，网络结构相对简单。智能化有很多智能化的优点：开发众多业务、进行呼叫控制和信令处理、使网络控制简单；但终端智能化也存在缺点：成本高、使用相对复杂、网络控制简单的代价是网络本身不可靠性。

（3）Skype协议

卢森堡Skype网络电话公司开发了一种集语音和IM功能于一体私有P2P应用协议，又因其在国外提供了廉价的网络电话服务，语音通话质量较好、使用方便，所以它一出现便广为流传，业务增长迅速，受到业界的普遍关注。从技术上讲，Skype使用P2P原理传输语音，能够轻松通过NAT/防火墙，采用的语音编解码算法具有较高的效率，使用安全性极高的私有加密方法对端到端语音信息加密。 [Page]

Skype以P2P的方式提供四类服务：“PCTOPC”；“PCTO PHONE”；“PHONE TO PC”；“语音信箱”。Skype网络结构是一个由普通主机和超级节点、Skype登陆服务器组成。

一个Skype客户端通过监听特殊的端口来接受打入电话，维护一个称作主机缓存的节点表。所谓得主机缓存就是一个超级节点和其开放端口，被定期刷新的列表。使用多种方式的语音编码方式，在本机保留一个好友列表，对信息进行端到端的加密。当Skype客户端被执行后，首先要判断出是否自己在NAT设备，若在，则按不同方式去应对NAT连接造成的问题，Skype客户依据主机缓存地址和端口发送UDP包到超级节点。若UDP包被NAT设备限制，则转而使用TCP协议跨过NAT设备，若采用端口连接无效，就试图分别采取80端口（HTTP端口）和443端口（HTTPS端口）躲过防火墙的干预。Skype被人称道的是其使用AES算法对每个电话和即时信息使用256bit加密，使用1536bit～2048bit RSA去协商对称AES密钥。用户的公钥在进行登陆服务认证时鉴定。

Skype使用其全局索引技术来搜索Skype用户，并宣称这种技术是分布式的，若用户存在且在最近72小时登陆过，就保证能够查找到。

Skype语音信令使用TCP协议来传输，宣称其通信占用带宽只有3Kbit/s～16Kbit/s。不同的主、被叫用户的位置情况不同，Skype采用的技术方式也不同，分为：

①主、被叫用户都使用公网IP地址，信令使用TCP方式连接，媒体流使用UDP方式。

②主叫用户在端口受限的NAT设备后，接收者是一个公网IP用户，通过已在线的公网的其他Skype节点，以TCP方式转发信令、媒体流，转发信令，以UDP方式转发媒体流。

③主、被叫用户都在端口受限的NAT设备后，则通过已在线的公网其他Skype节点，以TCP方式来转发信令、媒体流。

　由于其随机连接其他Skype节点，使用随机IP地址和端口连接Skype网络，有时还使用知名端口（80或443）跳过防火墙联接，因此鉴别Skype流量是很困难的。

4）H.248和MGCP协议

H.248和MGCP不能成为独立的VoIP协议，只是软交换的网络中的一种承载控制协议，一种主从协议。所谓软交换，其核心思想是控制、承载和业务分离，采用软交换做控制，不同媒体网关做媒体处理来提供话音、数据、视讯等多媒体业务的实现方式。其核心协议是ITU-T制定的H.248和IETF制定的MGCP。

MGCP是为媒介网关和语音IP终端设备提供信令和呼叫控制的主从设备控制协议（MGC控制MG），是简单网关控制协议和IP设备控制规范的结合。H.248/MeGaCo是MGCP的后继协议和最终替代者，但协议概念完全不同，随NGN的不断发展，MGC与MG之间的媒体控制协议将逐步统一到H.248。

4、结束语

目前，VoIP技术还处在关键的发展阶段，并正迅速地向下一代VoIP技术演化。现阶段，以软交换为基础的NGN网络技术得到业界的广泛关注，因此软交换的技术能够实现很多基于IP电话的补充和增值业务，发挥好这种技术优势，大力开发增值业务，才是这一阶段的核心价值。而如何整合数据网络、融合移动业务则是下一阶段的技术核心问题，运营商将在IPDiffServe、MPLS、SIP等技术方面进行大量研究实践为下一步发展做好技术储备。

运营商目前大部分的长途VoIP网、NGN网络等都建设在专用通信网上。IP地址、安全、服务质量这样的问题并不突出。专网的方式只是一个过渡方式，随着三网融合的趋势，IP电话必然要融入到公共IP网当中。无论是长途网还是本地网，这些问题都必须解决。语音网络将变得越来越具有开放性、丰富性，而不仅仅是从电路交换域变为IP交换域。而在享受VoIP技术带来丰富、廉价的同时，如何从政策、技术等层面更好的控制引导便成为VoIP技术发展中应把握的重点。