VoIP全面詳解

2024年1月9日發(作者：oa實施)

VoIP全面詳解

一、VoIP定義

VoIP即Voice Over IP，是把話音或傳真轉換成數據，然后與數據一起共享同一個IP網絡（Internet互聯網）。

由于話音和傳真在Internet上免費搭乘了"順風車"，所以點對點(網關---網關)國際或國內長途通訊是完全免費的。

IP網絡可以是Internet、IPLC(國際專線)、無線網絡等，只要是采用IP協議( Internet

Protocol ) 就[被屏蔽廣告]可以了。VoIP系統就是把傳統的電話網與互聯網組合搭配在一起。

二、基本原理及其應用

1995年以色列VocalTec公司所推出的Internet Phone，不但是VoIP網絡電話的開端，也揭開了電信IP化的序幕。人們從此不但可以享受到更便宜、甚至完全免費的通話及多媒體增值服務，電信業的服務內容及面貌也為之劇變。

2.1 實現形式

一開始的網絡電話是以軟件的形式呈現，同時僅限于PC to PC間的通話，換句話說，人們只要分別在兩端不同的PC上，安裝網絡電話軟件，即可經由IP網絡進行對話。隨著寬頻普及與相關網絡技術的演進，網絡電話也由單純PC to PC的通話形式，發展出IP to

PSTN（公共開關電話網絡）、PSTN to IP、PSTN to PSTN及IP to IP等各種形式，當然他們的共通點，就是以IP網絡為傳輸媒介，如此一來，電信業長久以PSTN電路交換網網絡為傳輸媒介的慣例及獨占性也逐漸被打破。

2..2VoIP的原理、架構及要求

由Voice over IP的字面意義，可以直譯為透過IP網絡傳輸的語音訊號或影像訊號，所以VoIP就是一種可以在IP網絡上互傳模擬音訊或視訊的一種技術。簡單地說，它是藉由一連串的轉碼、編碼、壓縮、打包等程序，好讓該語音數據可以在IP網絡上傳輸到目的端，然后再經由相反的程序，還原成原來的語音訊號以供接聽者接收。

進一步來說，VoIP大致透過5道程序來互傳語音訊號:

（1）語音—數據轉換。語音信號是模擬波形，通過IP 方式來傳輸語音，不管是實時應用業務還是非實時應用業務，首先要對語音信號進行模擬數據轉換，也就是對模擬語音信號進行 8位或6位的量化，然后送入到緩沖存儲區中，緩沖器的大小可以根據延遲和編碼的要求選擇。許多低比特率的編碼器是采取以幀為單位進行編碼。典型幀長為 10～30ms。考慮傳輸過程中的代價，語音包通常由 60、120或240ms的語音數據組成。數字化可以使用各種語音編碼方案來實現，目前采用的語音編碼標準主要有 ITU-T G.711。源和目的地的語音編碼器必須實現相同的算法，這樣目的地的語音設備才可以還原模擬語音信號。

（2）原數據到IP 轉換。一旦語音信號進行數字編碼，下一步就是對語音包以特定的幀長進行壓縮編碼。大部份的編碼器都有特定的幀長，若一個編碼器使用 15ms 的幀，則把每次60ms的語音包分成4幀，并按順序進行編碼。每個幀合120個語音樣點（抽樣率為8kHz）。編碼后，將4個壓縮的幀合成一個壓縮的語音包送入網絡處理器。網絡處理器為語音添加包頭、時標和其他信息后通過網絡傳送到另一端點。語音網絡簡單地建立通信端點之間的物理連接（一條線路），并在端點之間傳輸編碼的信號。IP 網絡不像電路交換網絡，它不形成連接，它要求把數據放在可變長的數據報或分組中，然后給每個數據報附帶尋址和控制信息，并通過網絡發送，一站一站地轉發到目的地。

（3）傳送。在這個通道中，全部網絡被看成一個從輸入端接收語音包，然后在一定時間t內將其傳送到網絡輸出端。t可以在某個范圍內變化，反映了網絡傳輸中的抖動。網絡中的每個節點檢查每個IP 數據附帶的尋址信息，并使用這個信息把該數據報轉發到目的地路徑上的下一站。網絡鏈路可以是支持 IP 數據流的任何拓撲結構或訪問方法。

（4）IP 包—數據的轉換。目的地VoIP 設備接收這個 IP 數據并開始處理。網絡級提供一個可變長度的緩沖器，用來調節網絡產生的抖動。該緩沖器可容納許多語音包，用戶可以選擇緩沖器的大小。小的緩沖器產生延遲較小，但不能調節大的抖動。其次，解碼器將經編碼的語音包解壓縮后產生新的語音包，這個模塊也可以按幀進行操作，完全和解碼器的長度相同。若幀長度為 15ms，60ms 的語音包被分成4 幀，然后它們被解碼后還原成60ms的語音數據流送入解碼緩沖器。在數據報的處理過程中，去掉尋址和控制信息，保留原始的數據，然后把這個數據提供給解碼器。

（5）數字語音轉換為模擬語音。播放驅動器將緩沖器中的語音樣點（480 個）取出送入聲卡，通過揚聲器按預定的頻率（例如 8kHz）播出。

在一個基本的VoIP架構之中，大致包含4個基本元素：

媒體網關器（Media Gateway）：主要扮演將語音訊號轉換成為IP封包的角色。

媒體網關控制器（Media Gateway Controller）：又稱為Gate Keeper或Call Server。主要負責管理訊號傳輸與轉換的工作。

語音服務器：主要提供電話不通、占線或忙線時的語音響應服務。

信號網關器（Signaling Gateway）：主要工作是在交換過程中進行相關控制，以決定通話建立與否，以及提供相關應用的增值服務。

雖然VoIP擁有許多優點，但絕不可能在短期內完全取代已有悠久歷史并發展成熟的PSTN電路交換網，所以現階段兩者勢必會共存一段時間。為了要讓兩者間能相互溝通，勢必要建立一個互通的接口及管道，而媒體網關器與網關管理器即扮演了中介的色角，因為他們具備將媒體數據流及IP封包轉譯成不同網絡所支持的各類協議。

其運作原理是，媒體網關器先將語音轉換為IP封包，然后交由媒體網關控制器加以控制管理，并決定IP封包在網絡中的傳送路徑。至于信號網關器則負責將SS7信號格式轉換為IP封包。

網絡電話若要走向符合企業級營運標準，必須達到以下幾個基本要求：

服務品質（QoS）之保證：這是由PSTN過渡到VoIP、IP PBX取代PBX（專用小型交換機）的最基本要求。所謂QoS就是要保證達到語音傳輸的最低延遲率（400毫秒）及封包遺失率（5-8%），如此通話品質才能達到現今PSTN的基本要求及水準，否則VoIP的推行將成問題。

99.9999％的高可用性（High Available；HA）：雖然網絡電話已成今后的必然趨勢，但與發展已久的PSTN相較，其成熟度、穩定度、可用性、可管理性，乃至可擴充性等方面，仍有待加強。尤其在電信級的高可用性上，VoIP必須像現今PSTN一樣，達到6個9（99.9999%）的基本標準。目前VoIP是以負載平衡、路由備份等技術來解決這方面的要求及問題，總而言之，HA是VoIP必須達到的目標之一。

開放性及兼容性：傳統PSTN是屬封閉式架構，但IP網絡則屬開放式架構，如今VoIP的最大課題之一就是如何在開放架構下，而能達到各家廠商VoIP產品或建設的互通與兼容，同時地造成各家產品在整合測試及驗證上的困難度。目前的解決方法是透過國際電信組織不斷擬定及修改的標準協議，來達到不同產品間的兼容性問題，以及IP電話與傳統電話的互通性。

可管理性與安全性問題：電信服務包羅萬象，包括用戶管理、異地漫游、可靠計費系統、認證授權等等，所以管理上非常復雜，VoIP營運商必須要有良好的管理工具及設備才能因

應。同時IP網絡架構技術完全不同于過去的PSTN電路網，而且長久以來具開放性的IP網絡一直有著極其嚴重的安全性問題，所以這也形成網絡電話今后發展上的重大障礙與首要解決的目標。

多媒體應用：與傳統PSTN相比，網絡電話今后發展上的最大特色及區別，恐怕就在多媒體的應用上。在可預見的未來，VoIP將可提供交互式電子商務、呼叫中心、企業傳真、多媒體視訊會議、智能代理等應用及服務。過去，VoIP因為價格低廉而受到歡迎及注目，但多媒體應用才是VoIP今后蓬勃發展的最大促因，也是各家積極參與的最大動力。

三、VoIP系統協議

在VoIP 系統中，主要包括提供會話建立的信令協議和提供數據流傳輸的傳輸協議兩類協議。

3.1主宰VoIP走向的三大主流信令協議

在浩瀚的IP網絡中要如何正確的尋找到要通話的對方并建立對答，同時也能依照彼此資料的處理能力來傳送語音數據，這中間必須藉由國際電信組織所擬定的標準協議才能達到。如今，市面上的網絡電話大致都會遵循H.323、MGCP及SIP等3種標準協議。雖然目前產品仍以支持H.323為多，但SIP的支持將會成為今后主流。

1、H.323

ITU-T 國際電聯第16研究組首先在1996年通過H.323第一版的制定工作，同時并在1998年完成第二版協議的擬定。原則上，該協議提供了基礎網絡（Packet Bad Networks；PBN）架構上的多媒體通訊系統標準，并為IP網絡上的多媒體通訊應用提供了技術基礎。

H.323并不依賴于網絡結構，而是獨立于操作系統和硬件平臺之上，支持多點功能、組播和頻寬管理。H.323具備相當的靈活性，可支持包含不同功能節點之間的視訊會議和不同網絡之間的視訊會議。

H.323并不支持群播（Multicast）協議，只能采用多點控制單元（MCU）構成多點會議，因而同時只能支持有限的多點用戶。H.323也不支持呼叫轉移，且建立呼叫的時間也比較長。

早期的視訊會議多半支持H.323協議，例如微軟NetMeeting、Intel Internet Video Phone等都是支持H.323協議的視訊會議軟件，亦為現今VoIP的前輩。

不過H.323協議本身具有一些問題，例如采用H.323協議的IP電話網絡在接入端仍要經過當地的PSTN電路交換網。而之后制定出的MGCP等協議，目的即在于將H.323網關進行功能上的分解，也就是劃分成負責媒體流處理的媒體網關（MG），以及掌控呼叫建立與控制的媒體網關控制器（MGC）兩個部分。

雖然如今微軟的Windows Menger則已改采SIP標準，且SIP標準隱隱具有取代H.323的勢頭。但目前仍有許多網絡電話產品依舊支持H.323協定。

2、SIP（Session Initiation Protocol）

SIP是由IETF所制定，其特性幾乎與H.323相反，原則上它是一種比較簡單的會話初始化協議，也就是只提供會話或呼叫的建立與控制功能。SIP協議可支持多媒體會議、遠程教學及Internet電話等領域的應用。

SIP同時支持單點播送（Unicast）及群播功能，換句話說，使用者可以隨時加入一個已存在的視訊會議之中。在網絡OSI屬性上，SIP屬于應用層協議，所以可透過UDP或TCP協議進行傳輸。

SIP另一個重要特點就是它屬于一種基于文本的協議，采用SIP規則資源定位語言描述（SIP Uniform Resource Locators），因此可方便地進行撰改或測試作業，所以比起H.323來說，其靈活性與擴展性的表現較好。

SIP的URL甚至可以嵌入到Web頁面或其它超文本連結之中，用戶只需用鼠標一點即

可發出呼叫。所以與H.323相比，SIP具備了快速建立呼叫快與支持電話號碼之傳送等特點。

3、MGCP

原則上，MGCP協定與前兩者皆不同，H.323和SIP協議是專門針對網絡電話及IP網絡所提出的兩套各自獨立的標準，兩者間并不兼容及互通。反觀MGCP協議，則與IP電話網絡無關，而只牽涉到網關分解上的問題，也因為如此，該協議可同時適用于支持H.323或SIP協議的網絡電話系統。

MGCP協議制定的主要目的即在于將網關功能分解成負責媒體流處理的媒體網關（MG），以及掌控呼叫建立與控制的媒體網關控制器（MGC）兩大部分。同時MG在MGC的控制下，實現跨網域的多媒體電信業務。

由于MGCP更加適應需要中央控管的通訊服務模式，因此更符合電信營運商的需求。在大規模網絡電話網中，集中控管是件非常重要的事情，透過MGCP則可利用MGC統一處理分發不同的服務給MG。

4、其它重要協議及技術

除了上述3大協議之外，還有許多左右VoIP通話品質及傳輸效率的重要協議與技術。在語音壓縮編碼技術方面，主要有ITU-T定義的G.729、G.723等技術，其中G.729提供了將原有64Kbit/s PSTN模擬語音，壓縮到只有8Kbit/s，而同時符合不失真需求的能力。

在實時傳輸技術方面，目前網絡電話主要支持RTP傳輸協議。RTP協議是一種能提供端點間語音數據實時傳送的一種標準。該協議的主要工作在于提供時間標簽和不同數據流同步化控制作業，收話端可以藉由RTP重組發話端的語音數據。除此之外，在網絡傳輸方面，尚包括了TCP、UDP、網關互聯、路由選擇、網絡管理、安全認證及計費等相關技術。

3.2 傳輸協議

1 RTP

2、RTSP

四、VOIP的關鍵技術

傳統的IP網絡主要是用來傳輸數據業務，采用的是盡力而為的、無連接的技術，因此沒有服務質量保證，存在分組丟失、失序到達和時延抖動等情況。數據業務對此要求不高，

但話音屬于實時業務，對時序、時延等有嚴格的要求。因此必須采取特殊措施來保障一定的業務質量。VOIP的關鍵技術包括信令技術、編碼技術、實時傳輸技術、服務質量（QOS）保證技術、以及網絡傳輸技術等。

4.1 信令技術

信令技術保證電話呼叫的順利實現和話音質量，目前被廣泛接受的VOIP控制信令體系包括ITU-T的H.323系列（華為公司產品采用）和IETF的會話初始化協議SIP。

ITU的H.323系列建議定義了在無業務質量保證的因特網或其它分組網絡上多媒體通信的協議及其規程。H.323標準是局域網、廣域網、Intranet和Internet上的多媒體提供技術基礎保障。H.323是ITU-T有關多媒體通信的一個協議集，包括用于ISND的H.320，用于B-ISDN的H.321和用于PSTN終端的H.324等建議。其編碼機制，協議范圍和基本操作類似于ISDN的Q.931信令協議的簡化版本，并采用了比較傳統的電路交換的方法。相關的協議包括用于控制的H.245，用于建立連接的H.225，用于大型會議的H.332，用于補充業務的H.450.1、H.450.2和H.450.3，有關安全的H.235，與電路交換業務互操作的H.246等。H.323提供設備之間、高層應用之間和提供商之間的互操作性。它不依賴于網絡結構，獨立于操作系統和硬件平臺，支持多點功能、組播和帶寬管理。H.323具備相當的靈活性，支持包含不同功能的節點之間的會議和不同網絡之間的會議。H.323建議的多媒體會議系統中的信息流包括音頻、視頻、數據和控制信息。信息流采用H.225建議方式來打包和傳送。

H.323呼叫建立過程涉及到三種信令：RAS(Registration Admission Status）信令，H.225呼叫信令和H.245控制信令。

RAS信令用來完成終端與網守之間的登記注冊、授權許可、帶寬改變、狀態和脫離解除等過程；

H.225呼叫信令用來建立兩個終端之間的連接，這個信令使用Q.931消息來控制呼叫的建立和拆除，當系統中沒有網守時，呼叫信令信道在呼叫涉及的兩個終端之間打開；當系統中包括一個網守時，由網守決定在終端與網守之間或是在兩個終端之間開辟呼叫信令信道；

H.245控制信令用來傳送終端到終端的控制消息，包括主從判別、能力交換、打開和關閉邏輯信道、模式參數請求、流控消息和通用命令與指令等。H.245控制信令信道建立于兩個終端之間，或是一個終端與一個網守之間。

此外，H.323不支持多點發送（Multicast）議，只能采用多點控制單元（MCU）構成多點會議，因而同時只能支持有限的多點用戶。H.323也不支持呼叫轉移，且建立呼叫的時間比較長。

4.2 編碼技術

話音壓縮編碼技術是IP電話技術的一個重要組成部分。目前，主要的編碼技術有ITU-T

定義的G.729、G.723等。其中G.729可將經過采樣的64Kbit/s話音以幾乎不失真的質量壓縮至8Kbit/s。由于在分組交換網絡中，業務質量不能得到很好保證，因而需要話音的編碼具有一定的靈活性，即編碼速率、編碼尺度的可變可適應性。G.729原來是8Kbit/s的話音編碼標準，現在的工作范圍擴展至6.4-11.8Kbit/s，話音質量也在此范圍內有一定的變化，但即使是6.4Kbit/s，話音質量也還不錯，因而很適合在VOIP系統中使用。G.723.1采用5.3/6.3kbit/s雙速率話音編碼，其話音質量好，但是處理時延較大，它是目前已標準化的最低速率的話音編碼算法。

此外，靜音檢測技術和回聲消除技術也是VOIP中十分關鍵的技術。靜音檢測技術可有效剔除靜默信號，從而使話音信號的占用帶寬進一步降低到3.5kbit/s左右；回聲消除技術主要利用數字濾波器技術來消除對通話質量影響很大回聲干擾，保證通話質量。這點在時延相對較大的IP分組網絡中尤為重要。

4.3 實時傳輸技術

實時傳輸技術主要是采用實時傳輸協議RTP。RTP是提供端到端的包括音頻在內的實時數據傳送的協議。ＲＴＰ包括數據和控制兩部分，后者叫RTCP。RTP提供了時間標簽和控制不同數據流同步特性的機制，可以讓接收端重組發送端的數據包，可以提供接收端到多點發送組的服務質量包饋。

4.4 QOS保障技術

VOIP中主要采用資源預留協議（RSVP）以及進行服務質量監控的實時傳輸控制協議RTCP來避免網絡擁塞，保障通話質量。

4.5 網絡傳輸技術

VOIP中網絡傳輸技術主要是TCP和UDP，此外還包括網關互聯技術、路由選擇技術、網絡管理技術以及安全認證和計費技術等。由于實時傳輸協議RTP提供具有實時特征的、端到端的數據傳輸業務，因此VOIP可用RTP來傳送話音數據。在RTP報頭中包含裝載數據的標識符、序列號、時間戳以及傳送監視等，通常RTP協議數據單元是用UDP分組來承載，而且為了盡量減少時延，話音凈荷通常都很短。IP、UDP和RTP報頭都按最小長度計算。VOIP話音分組開銷很大，采用RTP協議的VOIP格式，在這種方式中將多路話音插入話音數據段中，這樣提高了傳輸效率。

五、VoIP各項產品及設備的類型

和許多早期網絡設備一樣，VoIP最早是以軟件的形態問世的，也就是純粹PC to PC功能的產品。為了能貼近過去傳統模擬電話的使用習慣及經驗，之后才漸漸有電話形態的產品出現。對于企業而言，為了追求成本、語音及網絡的整合、多媒體增值功能、更方便的集中式管理，而陸續出現了VoIP網關、IP PBX或其它整合型的VoIP設備等解決方案。以下就這幾種類型的VoIP產品做一簡單介紹。

1、VoIP軟件

VoIP軟件不但是網絡電話的原始形態，更是開啟免費通話新世紀到來的開路先鋒。對于熟悉計算機及網絡操作的人而言，只要發收雙方計算機上安裝VoIP軟件，即可穿越因特網相互通話，這實在是件既神奇又方便的事。更重要的是，透過VoIP軟件，不論是當地PC

to PC的對話，抑或跨國交談都幾乎免費，同時網上并有許多免費的VoIP軟件提供下載，也因為如此，.VoIP才能緊緊鎖住一般消費者乃至企業用戶的目光。

但對于絕大多數的使用者而言，必須克服計算機軟件安裝及操作的門坎，還要安插耳機及麥克風，更要面對系統不穩定或當機的可能性，所以透過PC來打電話不但是件麻煩事，而且是一種與既有通話習慣不符的奇怪行徑。

不論如何，VoIP軟件背后所潛藏的無限商機，不但吸收了許多人的目光，同時成為VoIP兵家必爭的焦點。從早期的視訊會議軟件，到實時通訊軟件，再到今日造成風潮的Skype都是明顯的例子。不論是Wintel陣營中的微軟、Intel，抑或Yahoo、AOL、Google、PC Home

Online等入口網站、甚或ISP廠商，全都卯足全勁進行各種搶攤作業。

其中，許多ISP并推出整合VoIP軟件及USB話機的銷售方案，例如SEEDNet的Wagaly

Walk及PC Home Online的「PChome Touch-1」USB話機。至于外型上與一般電話無異的USB話機，就是為營造出一種與傳統電話外觀及使用習性相同的一種解決方案。

2、VoIP網絡電話

一般而言VoIP網絡電話的又分成有線、無線VoIP網絡電話，以及提供影像輸出的VoIP視訊會議設備等不同類型的產品。由于VoIP網絡電話機上具備RJ45網絡接口端口，所以不需藉由計算機主機，即可透過寬頻、連結IP網絡進行通話，同時使用習性上與傳統電話一樣，一般人很難分辨出其中的差異。

VoIP網絡電話較少用于個人家庭或SOHO市場，但卻經常做為企業VoIP網絡建設中的終端設備。但由于目前VoIP網絡電話的價格仍高，所以仍不普遍，雖然之前，拜SARS之賜，促進了些VoIP視訊會議設備的銷售業績，但整體而言成長幅并不太大。 此外，微軟特

別在Win CE 5.0中新增VoIP功能，除了強化與Exchange Server的整合性外，并提供訊息整合及身份管理等功能，屆時藉由WinCE開發出來的VoIP電話，將提供多人共享，但每人皆有私人專屬賬號的功能。

3、VoIP網關器

除了VoIP軟件之外，VoIP網關器可說是最普遍常見的網絡電話設備。不論是家用或商用領域中，VoIP網關器可說扮演了由傳統PSTN網絡轉輸到IP網絡的接口，換句話說，透過它即可用傳統的電話設備（乃至PBX交換系統）來打網絡電話。

目前市場上主要有兩類IP電話網關。第一類是在某些型號的路由器上插話音板，路由器本身成為IP電話網關。這類路由器上有三種典型的端口：局域網口連接本地網絡，廣域網口連接廣域網另一端的路由器，話音口連接電話或程控交換設備。第二類是單獨的IP電話網關，這類網關只有兩種接口，一種是局域網口連接集線器，一種是話音口連接電話或程控交換設備

比較而言，第一類設備如果直接連接廣域網，則在傳輸話音/傳真時不再經過本地網絡（LAN），減少一個環節，時延會少一點。但是LAN上傳輸速率一般為10Mbps～100Mbps，因此實際情況會有差異。第一類網關也有弱點，一是有單點故障，二是將復雜的話音采樣后的一切工作全部交給一臺中小型路由器，負荷可能稍重，三是這類網關的安裝配置工作稍復雜。相比之下，第二類網關設備更靈活，且消除了單點故障

4、VoIP PBX

在電信級的網絡電話架構中，IP PBX語音交換機扮演了相當重要的角色，其不但需要接手傳統語音交換機的位置及功能，還要居中成為語音與信息整合的媒介。IP PBX功能強大且多樣化，能透過Web-Bad接口提供使用者一個簡單容易的操作環境。

依據思科常久在IP PBX的經驗指出，在IP電話網絡架構中，IP PBX是一個可促使語音流量順利傳至所指定終端的設備。IP電話將語音訊號轉換為IP封包后，由IP PBX透過訊號控制決定其封包的傳輸方向。當此通電話終點為一般電話時，其IP PBX便將IP封包送至VoIP網關器，然后由VoIP網關器轉換IP封包，再回傳到一般TDM的PSTN電路交換網。

總之，對于企業而言，IP PBX具備降低基礎建設成本、減低管理成本及增加工作效率之綜合運用、降低轉移至IP電話系統的風險等優點。