VoIP全面详解

VoIP全面详解
一、VoIP定义
V oIP即V oice Over IP，是把话音或传真转换成数据，然后与数据一起共享同一个IP网络（Internet互联网）。

由于话音和传真在Internet上免费搭乘了"顺风车"，所以点对点(网关---网关)国际或国内长途通讯是完全免费的。

IP网络可以是Internet、IPLC(国际专线)、无线网络等，只要是采用IP协议( Internet Protocol ) 就[被屏蔽广告]可以了。

VoIP系统就是把传统的电话网与互联网组合搭配在一起。

二、基本原理及其应用
1995年以色列V ocalTec公司所推出的Internet Phone，不但是VoIP网络电话的开端，也揭开了电信IP化的序幕。

人们从此不但可以享受到更便宜、甚至完全免费的通话及多媒体增值服务，电信业的服务内容及面貌也为之剧变。

2.1 实现形式
一开始的网络电话是以软件的形式呈现，同时仅限于PC to PC间的通话，换句话说，人们只要分别在两端不同的PC上，安装网络电话软件，即可经由IP网络进行对话。

随着宽频普及与相关网络技术的演进，网络电话也由单纯PC to PC的通话形式，发展出IP to PSTN（公共开关电话网络）、PSTN to IP、PSTN to PSTN及IP to IP等各种形式，当然他们的共通点，就是以IP网络为传输媒介，如此一来，电信业长久以PSTN电路交换网网络为传输媒介的惯例及独占性也逐渐被打破。

2..2VoIP的原理、架构及要求
由Voice over IP的字面意义，可以直译为透过IP网络传输的语音讯号或影像讯号，所以VoIP就是一种可以在IP网络上互传模拟音讯或视讯的一种技术。

简单地说，它是藉由一连串的转码、编码、压缩、打包等程序，好让该语音数据可以在IP网络上传输到目的端，然后再经由相反的程序，还原成原来的语音讯号以供接听者接收。

进一步来说，V oIP大致透过5道程序来互传语音讯号:
（1）语音—数据转换。

语音信号是模拟波形，通过IP 方式来传输语音，不管是实时应用业务还是非实时应用业务，首先要对语音信号进行模拟数据转换，也就是对模拟语音信号进行8位或6位的量化，然后送入到缓冲存储区中，缓冲器的大小可以根据延迟和编码的要求选择。

许多低比特率的编码器是采取以帧为单位进行编码。

典型帧长为10～30ms。

考虑传输过程中的代价，语音包通常由60、120或240ms的语音数据组成。

数字化可以使用各种语音编码方案来实现，目前采用的语音编码标准主要有ITU-T G.711。

源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）原数据到IP 转换。

一旦语音信号进行数字编码，下一步就是对语音包以特定的帧长进行压缩编码。

大部份的编码器都有特定的帧长，若一个编码器使用15ms 的帧，则把每次60ms的语音包分成4帧，并按顺序进行编码。

每个帧合120个语音样点（抽样率为8kHz）。

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。

网络处理器为语音添加包头、时标和其他信息后通过网络传送到另一端点。

语音网络简单地建立通信端点之间的物理连接（一条线路），并在端点之间传输编码的信号。

IP 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，一站一站地转发到目的地。

（3）传送。

在这个通道中，全部网络被看成一个从输入端接收语音包，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。

网络中的每个节点检查每个IP 数据附带的寻址信息，并使用这个信息把该数据报转发到目的地路径上的下一站。

网络链路可以是支持IP 数据流的任何拓扑结构或访问方法。

（4）IP 包—数据的转换。

目的地V oIP 设备接收这个IP 数据并开始处理。

网络级提供一个可变长度的缓冲器，用来调节网络产生的抖动。

该缓冲器可容纳许多语音包，用户可以选择缓冲器的大小。

小的缓冲器产生延迟较小，但不能调节大的抖动。

其次，解码器将经编码的语音包解压缩后产生新的语音包，这个模块也可以按帧进行操作，完全和解码器的长度相同。

若帧长度为15ms，60ms 的语音包被分成 4 帧，然后它们被解码后还原成60ms 的语音数据流送入解码缓冲器。

在数据报的处理过程中，去掉寻址和控制信息，保留原始的数据，然后把这个数据提供给解码器。

（5）数字语音转换为模拟语音。

播放驱动器将缓冲器中的语音样点（480 个）取出送入声卡，通过扬声器按预定的频率（例如8kHz）播出。

在一个基本的V oIP架构之中，大致包含4个基本元素：
媒体网关器（Media Gateway）：主要扮演将语音讯号转换成为IP封包的角色。

媒体网关控制器（Media Gateway Controller）：又称为Gate Keeper或Call Server。

主要负责管理讯号传输与转换的工作。

语音服务器：主要提供电话不通、占线或忙线时的语音响应服务。

信号网关器（Signaling Gateway）：主要工作是在交换过程中进行相关控制，以决定通话建立与否，以及提供相关应用的增值服务。

虽然V oIP拥有许多优点，但绝不可能在短期内完全取代已有悠久历史并发展成熟的PSTN电路交换网，所以现阶段两者势必会共存一段时间。

为了要让两者间能相互沟通，势必要建立一个互通的接口及管道，而媒体网关器与网关管理器即扮演了中介的色角，因为他们具备将媒体数据流及IP封包转译成不同网络所支持的各类协议。

其运作原理是，媒体网关器先将语音转换为IP封包，然后交由媒体网关控制器加以控制管理，并决定IP封包在网络中的传送路径。

至于信号网关器则负责将SS7信号格式转换为IP封包。

网络电话若要走向符合企业级营运标准，必须达到以下几个基本要求：
服务品质（QoS）之保证：这是由PSTN过渡到V oIP、IP PBX取代PBX（专用小型交换机）的最基本要求。

所谓QoS就是要保证达到语音传输的最低延迟率（400毫秒）及封包遗失率（5-8%），如此通话品质才能达到现今PSTN的基本要求及水准，否则VoIP的推行将成问题。

99.9999％的高可用性（High Available；HA）：虽然网络电话已成今后的必然趋势，但与发展已久的PSTN相较，其成熟度、稳定度、可用性、可管理性，乃至可扩充性等方面，仍有待加强。

尤其在电信级的高可用性上，V oIP必须像现今PSTN一样，达到6个9（99.9999%）的基本标准。

目前V oIP是以负载平衡、路由备份等技术来解决这方面的要求及问题，总而言之，HA是V oIP必须达到的目标之一。

开放性及兼容性：传统PSTN是属封闭式架构，但IP网络则属开放式架构，如今VoIP 的最大课题之一就是如何在开放架构下，而能达到各家厂商VoIP产品或建设的互通与兼容，同时地造成各家产品在整合测试及验证上的困难度。

目前的解决方法是透过国际电信组织不断拟定及修改的标准协议，来达到不同产品间的兼容性问题，以及IP电话与传统电话的互通性。

可管理性与安全性问题：电信服务包罗万象，包括用户管理、异地漫游、可靠计费系统、认证授权等等，所以管理上非常复杂，V oIP营运商必须要有良好的管理工具及设备才能因
应。

同时IP网络架构技术完全不同于过去的PSTN电路网，而且长久以来具开放性的IP网络一直有着极其严重的安全性问题，所以这也形成网络电话今后发展上的重大障碍与首要解决的目标。

多媒体应用：与传统PSTN相比，网络电话今后发展上的最大特色及区别，恐怕就在多媒体的应用上。

在可预见的未来，V oIP将可提供交互式电子商务、呼叫中心、企业传真、多媒体视讯会议、智能代理等应用及服务。

过去，V oIP因为价格低廉而受到欢迎及注目，但多媒体应用才是VoIP今后蓬勃发展的最大促因，也是各家积极参与的最大动力。

三、VoIP系统协议
在VoIP 系统中，主要包括提供会话建立的信令协议和提供数据流传输的传输协议两类协议。

3.1主宰VoIP走向的三大主流信令协议
在浩瀚的IP网络中要如何正确的寻找到要通话的对方并建立对答，同时也能依照彼此资料的处理能力来传送语音数据，这中间必须藉由国际电信组织所拟定的标准协议才能达到。

如今，市面上的网络电话大致都会遵循H.323、MGCP及SIP等3种标准协议。

虽然目前产品仍以支持H.323为多，但SIP的支持将会成为今后主流。

1、H.323
ITU-T 国际电联第16研究组首先在1996年通过H.323第一版的制定工作，同时并在1998年完成第二版协议的拟定。

原则上，该协议提供了基础网络（Packet Based Networks；PBN）架构上的多媒体通讯系统标准，并为IP网络上的多媒体通讯应用提供了技术基础。

H.323并不依赖于网络结构，而是独立于操作系统和硬件平台之上，支持多点功能、组播和频宽管理。

H.323具备相当的灵活性，可支持包含不同功能节点之间的视讯会议和不同网络之间的视讯会议。

H.323并不支持群播（Multicast）协议，只能采用多点控制单元（MCU）构成多点会议，因而同时只能支持有限的多点用户。

H.323也不支持呼叫转移，且建立呼叫的时间也比较长。

早期的视讯会议多半支持H.323协议，例如微软NetMeeting、Intel Internet Video Phone 等都是支持H.323协议的视讯会议软件，亦为现今V oIP的前辈。

不过H.323协议本身具有一些问题，例如采用H.323协议的IP电话网络在接入端仍要经过当地的PSTN电路交换网。

而之后制定出的MGCP等协议，目的即在于将H.323网关进行功能上的分解，也就是划分成负责媒体流处理的媒体网关（MG），以及掌控呼叫建立与控制的媒体网关控制器（MGC）两个部分。

虽然如今微软的Windows Mesenger则已改采SIP标准，且SIP标准隐隐具有取代H.323的势头。

但目前仍有许多网络电话产品依旧支持H.323协定。

2、SIP（Session Initiation Protocol）
SIP是由IETF所制定，其特性几乎与H.323相反，原则上它是一种比较简单的会话初始化协议，也就是只提供会话或呼叫的建立与控制功能。

SIP协议可支持多媒体会议、远程教学及Internet电话等领域的应用。

SIP同时支持单点播送（Unicast）及群播功能，换句话说，使用者可以随时加入一个已存在的视讯会议之中。

在网络OSI属性上，SIP属于应用层协议，所以可透过UDP或TCP 协议进行传输。

SIP另一个重要特点就是它属于一种基于文本的协议，采用SIP规则资源定位语言描述（SIP Uniform Resource Locators），因此可方便地进行撰改或测试作业，所以比起H.323来说，其灵活性与扩展性的表现较好。

SIP的URL甚至可以嵌入到Web页面或其它超文本连结之中，用户只需用鼠标一点即
可发出呼叫。

所以与H.323相比，SIP具备了快速建立呼叫快与支持电话号码之传送等特点。

3、MGCP
原则上，MGCP协定与前两者皆不同，H.323和SIP协议是专门针对网络电话及IP网络所提出的两套各自独立的标准，两者间并不兼容及互通。

反观MGCP协议，则与IP电话网络无关，而只牵涉到网关分解上的问题，也因为如此，该协议可同时适用于支持H.323或SIP协议的网络电话系统。

MGCP协议制定的主要目的即在于将网关功能分解成负责媒体流处理的媒体网关（MG），以及掌控呼叫建立与控制的媒体网关控制器（MGC）两大部分。

同时MG在MGC 的控制下，实现跨网域的多媒体电信业务。

由于MGCP更加适应需要中央控管的通讯服务模式，因此更符合电信营运商的需求。

在大规模网络电话网中，集中控管是件非常重要的事情，透过MGCP则可利用MGC统一处理分发不同的服务给MG。

4、其它重要协议及技术
除了上述3大协议之外，还有许多左右V oIP通话品质及传输效率的重要协议与技术。

在语音压缩编码技术方面，主要有ITU-T定义的G.729、G.723等技术，其中G.729提供了将原有64Kbit/s PSTN模拟语音，压缩到只有8Kbit/s，而同时符合不失真需求的能力。

在实时传输技术方面，目前网络电话主要支持RTP传输协议。

RTP协议是一种能提供端点间语音数据实时传送的一种标准。

该协议的主要工作在于提供时间标签和不同数据流同步化控制作业，收话端可以藉由RTP重组发话端的语音数据。

除此之外，在网络传输方面，尚包括了TCP、UDP、网关互联、路由选择、网络管理、安全认证及计费等相关技术。

3.2 传输协议
1 RTP
2、RTSP
四、VOIP的关键技术
传统的IP网络主要是用来传输数据业务，采用的是尽力而为的、无连接的技术，因此没有服务质量保证，存在分组丢失、失序到达和时延抖动等情况。

数据业务对此要求不高，
但话音属于实时业务，对时序、时延等有严格的要求。

因此必须采取特殊措施来保障一定的业务质量。

VOIP的关键技术包括信令技术、编码技术、实时传输技术、服务质量（QOS）保证技术、以及网络传输技术等。

4.1 信令技术
信令技术保证电话呼叫的顺利实现和话音质量，目前被广泛接受的VOIP控制信令体系包括ITU-T的H.323系列（华为公司产品采用）和IETF的会话初始化协议SIP。

ITU的H.323系列建议定义了在无业务质量保证的因特网或其它分组网络上多媒体通信的协议及其规程。

H.323标准是局域网、广域网、Intranet和Internet上的多媒体提供技术基础保障。

H.323是ITU-T有关多媒体通信的一个协议集，包括用于ISND的H.320，用于
B-ISDN的H.321和用于PSTN终端的H.324等建议。

其编码机制，协议范围和基本操作类似于ISDN的Q.931信令协议的简化版本，并采用了比较传统的电路交换的方法。

相关的协议包括用于控制的H.245，用于建立连接的H.225，用于大型会议的H.332，用于补充业务的H.450.1、H.450.2和H.450.3，有关安全的H.235，与电路交换业务互操作的H.246等。

H.323提供设备之间、高层应用之间和提供商之间的互操作性。

它不依赖于网络结构，独立于操作系统和硬件平台，支持多点功能、组播和带宽管理。

H.323具备相当的灵活性，支持包含不同功能的节点之间的会议和不同网络之间的会议。

H.323建议的多媒体会议系统中的信息流包括音频、视频、数据和控制信息。

信息流采用H.225建议方式来打包和传送。

H.323呼叫建立过程涉及到三种信令：RAS(Registration Admission Status）信令，H.225呼叫信令和H.245控制信令。

RAS信令用来完成终端与网守之间的登记注册、授权许可、带宽改变、状态和脱离解除等过程；
H.225呼叫信令用来建立两个终端之间的连接，这个信令使用Q.931消息来控制呼叫的建立和拆除，当系统中没有网守时，呼叫信令信道在呼叫涉及的两个终端之间打开；当系统中包括一个网守时，由网守决定在终端与网守之间或是在两个终端之间开辟呼叫信令信道；
H.245控制信令用来传送终端到终端的控制消息，包括主从判别、能力交换、打开和关闭逻辑信道、模式参数请求、流控消息和通用命令与指令等。

H.245控制信令信道建立于两个终端之间，或是一个终端与一个网守之间。

此外，H.323不支持多点发送（Multicast）议，只能采用多点控制单元（MCU）构成多点会议，因而同时只能支持有限的多点用户。

H.323也不支持呼叫转移，且建立呼叫的时间比较长。

4.2 编码技术
话音压缩编码技术是IP电话技术的一个重要组成部分。

目前，主要的编码技术有ITU-T 定义的G.729、G.723等。

其中G.729可将经过采样的64Kbit/s话音以几乎不失真的质量压缩至8Kbit/s。

由于在分组交换网络中，业务质量不能得到很好保证，因而需要话音的编码具有一定的灵活性，即编码速率、编码尺度的可变可适应性。

G.729原来是8Kbit/s的话音编码标准，现在的工作范围扩展至6.4-11.8Kbit/s，话音质量也在此范围内有一定的变化，但即使是6.4Kbit/s，话音质量也还不错，因而很适合在VOIP系统中使用。

G.723.1采用
5.3/
6.3kbit/s双速率话音编码，其话音质量好，但是处理时延较大，它是目前已标准化的最低速率的话音编码算法。

此外，静音检测技术和回声消除技术也是VOIP中十分关键的技术。

静音检测技术可有效剔除静默信号，从而使话音信号的占用带宽进一步降低到3.5kbit/s左右；回声消除技术主要利用数字滤波器技术来消除对通话质量影响很大回声干扰，保证通话质量。

这点在时延相对较大的IP分组网络中尤为重要。

4.3 实时传输技术
实时传输技术主要是采用实时传输协议RTP。

RTP是提供端到端的包括音频在内的实时数据传送的协议。

ＲＴＰ包括数据和控制两部分，后者叫RTCP。

RTP提供了时间标签和控制不同数据流同步特性的机制，可以让接收端重组发送端的数据包，可以提供接收端到多点发送组的服务质量包馈。

4.4 QOS保障技术
VOIP中主要采用资源预留协议（RSVP）以及进行服务质量监控的实时传输控制协议RTCP来避免网络拥塞，保障通话质量。

4.5 网络传输技术
VOIP中网络传输技术主要是TCP和UDP，此外还包括网关互联技术、路由选择技术、网络管理技术以及安全认证和计费技术等。

由于实时传输协议RTP提供具有实时特征的、端到端的数据传输业务，因此VOIP可用RTP来传送话音数据。

在RTP报头中包含装载数据的标识符、序列号、时间戳以及传送监视等，通常RTP协议数据单元是用UDP分组来承载，而且为了尽量减少时延，话音净荷通常都很短。

IP、UDP和RTP报头都按最小长度计算。

VOIP话音分组开销很大，采用RTP协议的VOIP格式，在这种方式中将多路话音插入话音数据段中，这样提高了传输效率。

五、V oIP各项产品及设备的类型
和许多早期网络设备一样，V oIP最早是以软件的形态问世的，也就是纯粹PC to PC功能的产品。

为了能贴近过去传统模拟电话的使用习惯及经验，之后才渐渐有电话形态的产品出现。

对于企业而言，为了追求成本、语音及网络的整合、多媒体增值功能、更方便的集中式管理，而陆续出现了V oIP网关、IP PBX或其它整合型的V oIP设备等解决方案。

以下就这几种类型的VoIP产品做一简单介绍。

1、VoIP软件
V oIP软件不但是网络电话的原始形态，更是开启免费通话新世纪到来的开路先锋。

对于熟悉计算机及网络操作的人而言，只要发收双方计算机上安装VoIP软件，即可穿越因特网相互通话，这实在是件既神奇又方便的事。

更重要的是，透过V oIP软件，不论是当地PC to PC的对话，抑或跨国交谈都几乎免费，同时网上并有许多免费的VoIP软件提供下载，也因为如此，.VoIP才能紧紧锁住一般消费者乃至企业用户的目光。

但对于绝大多数的使用者而言，必须克服计算机软件安装及操作的门坎，还要安插耳机及麦克风，更要面对系统不稳定或当机的可能性，所以透过PC来打电话不但是件麻烦事，而且是一种与既有通话习惯不符的奇怪行径。

不论如何，VoIP软件背后所潜藏的无限商机，不但吸收了许多人的目光，同时成为VoIP 兵家必争的焦点。

从早期的视讯会议软件，到实时通讯软件，再到今日造成风潮的Skype 都是明显的例子。

不论是Wintel阵营中的微软、Intel，抑或Yahoo、AOL、Google、PC Home Online等入口网站、甚或ISP厂商，全都卯足全劲进行各种抢摊作业。

其中，许多ISP并推出整合VoIP软件及USB话机的销售方案，例如SEEDNet的Wagaly Walk及PC Home Online的「PChome Touch-1」USB话机。

至于外型上与一般电话无异的USB话机，就是为营造出一种与传统电话外观及使用习性相同的一种解决方案。

2、VoIP网络电话
一般而言VoIP网络电话的又分成有线、无线V oIP网络电话，以及提供影像输出的VoIP 视讯会议设备等不同类型的产品。

由于V oIP网络电话机上具备RJ45网络接口端口，所以不需藉由计算机主机，即可透过宽频、连结IP网络进行通话，同时使用习性上与传统电话一样，一般人很难分辨出其中的差异。

V oIP网络电话较少用于个人家庭或SOHO市场，但却经常做为企业V oIP网络建设中的终端设备。

但由于目前V oIP网络电话的价格仍高，所以仍不普遍，虽然之前，拜SARS之赐，促进了些V oIP视讯会议设备的销售业绩，但整体而言成长幅并不太大。

此外，微软特
别在Win CE 5.0中新增V oIP功能，除了强化与Exchange Server的整合性外，并提供讯息整合及身份管理等功能，届时藉由WinCE开发出来的V oIP电话，将提供多人共享，但每人皆有私人专属账号的功能。

3、VoIP网关器
除了VoIP软件之外，V oIP网关器可说是最普遍常见的网络电话设备。

不论是家用或商用领域中，VoIP网关器可说扮演了由传统PSTN网络转输到IP网络的接口，换句话说，透过它即可用传统的电话设备（乃至PBX交换系统）来打网络电话。

目前市场上主要有两类IP电话网关。

第一类是在某些型号的路由器上插话音板，路由器本身成为IP电话网关。

这类路由器上有三种典型的端口：局域网口连接本地网络，广域网口连接广域网另一端的路由器，话音口连接电话或程控交换设备。

第二类是单独的IP电话网关，这类网关只有两种接口，一种是局域网口连接集线器，一种是话音口连接电话或程控交换设备
比较而言，第一类设备如果直接连接广域网，则在传输话音/传真时不再经过本地网络（LAN），减少一个环节，时延会少一点。

但是LAN上传输速率一般为10Mbps～100Mbps，因此实际情况会有差异。

第一类网关也有弱点，一是有单点故障，二是将复杂的话音采样后的一切工作全部交给一台中小型路由器，负荷可能稍重，三是这类网关的安装配置工作稍复杂。

相比之下，第二类网关设备更灵活，且消除了单点故障
4、VoIP PBX
在电信级的网络电话架构中，IP PBX语音交换机扮演了相当重要的角色，其不但需要接手传统语音交换机的位置及功能，还要居中成为语音与信息整合的媒介。

IP PBX功能强大且多样化，能透过Web-Based接口提供使用者一个简单容易的操作环境。

依据思科常久在IP PBX的经验指出，在IP电话网络架构中，IP PBX是一个可促使语音流量顺利传至所指定终端的设备。

IP电话将语音讯号转换为IP封包后，由IP PBX透过讯号控制决定其封包的传输方向。

当此通电话终点为一般电话时，其IP PBX便将IP封包送至VoIP网关器，然后由V oIP网关器转换IP封包，再回传到一般TDM的PSTN电路交换网。

总之，对于企业而言，IP PBX具备降低基础建设成本、减低管理成本及增加工作效率之综合运用、降低转移至IP电话系统的风险等优点。