在傳統電話系統中，一次通話從建立系統連接到拆除連接都需要一定的信令來配合完成。同樣，在IP電話中，如何尋找被叫方、如何建立應 答、如何按照彼此的數據處理能力發送數據，也需要相應的信令系統，一般稱爲協議。目前在國際上，比較有景響的IP電話方面的協議包括ITU-T提出的 H.323協議和IETE提出的SIP協議，本節主要介紹目前用得最廣泛H.323協議。
一、H.323的體系結構
爲了能在不保證QoS的分組交換網絡上展開多媒體會議，由ITU的第15研究組SG-15於1996年通過H.323建議的第一版，並在 1998年提出了H.323的第二版。H.323制定了無QoS（服務質量）保證的分組網絡PBN（packet Based Networks）上的多媒體通信系統標 準，這些分組網絡主宰了當今的桌面網絡系統，包括基於TCP/IP、IPX分組交換的以太網、快速以太網、令牌網、FDDI技術。因此，H.323標準爲 LAN、WAN、Internet、因特網上的多媒體通信應用提供了技術基礎和保障。
H.323是ITU多媒體通信系列標準H.32x的一部份，該系列標準使得在現有通信網絡上進行視頻會議成爲可能，其中，H.320是在N-ISDN上進行多媒體通信的標準：H.321是在 B-ISDN上進行多媒體通信的標準：H.322是在有服務質量保證的LAN上進行多媒體通信的標準：H.324是在GSTN和無線網絡上進行多媒體通信 的標準。H.323爲現有的分組網絡PBN（如IP網絡）提供多媒體通信標準。若和其它的IP技術如IETF的資源預留協議RSVP相結合，就可以實現 IP網絡的多媒體通信。基於IP的LAN正變得越來越強大，如IP over SDH/SONET、IP over ATM技術正在快速發展以及LAN 寬帶正在不斷的提高。由於能提供設備與設備、應用與應用、供應商與供應商之間的互操作能力，因此，H.323能夠保證所有H.323兼容設備的互操作性。 更高速率的處理器、日益增強的圖形器件和強大的多媒體加速芯片使提PC成爲一個越來越強大的多媒體平臺。H.323可提供PBN與別的網絡之間進行多媒體 通信的互連互通標準。許多計算機、網絡通信公司，如Inter、Microsoft和Netscape都支持H.323標準。H.323標準包括在無 QoS保證的分組網絡中進行多媒體通信所需的技術要求。這些分組網絡包括LAN、WAN、Internet/因特網以及使用PPP等分組協議通過GSTN 或ISDN的撥號連接或點對點連接。
從整體上來說，H.323是一個框架性建設，它涉及到終端設備、視頻、音頻和數據傳輸、通信控制、網絡接口方面的內容，還包括了組成多點會議的多點 控制單元（MCU）、多點控制器（MC）、多點處理器（MP）、網關以及關守等設備。它的基本組成單元是"域"，在H.323系統中，所謂域是指一個由關 守管理的網關、多點控制單元（MCU）、多點控制器（MC）、多點處理器（MP）和所有終端組成的集合。一個域最少包含一個終端，而且必須有且只有一個關 守。H.323系統中各個邏輯組成部份稱爲H.323的實體，其種類有：終端、網關、多點控制單元（MCU）、多點控制器（MC）、多點處理器（MP）。 其中終端、網關、多點控制單元（MCU）是H.323中的終端設備，是網絡中的邏輯單元。終端設備是可呼叫的和被呼叫的，而有些實體是不通被呼叫的，如關 守。H.323包括了H.323終端與其它終端之間的、通過不同網絡的、端到端的連接。其體系結構如圖所示。
圖 H.323的體系結構
二、H.323終端的組成
H.323爲基於網絡的通信系統定義了四個主要的組件：（Terminal）、網關（Gageway）、關守（Gagekeeper）、多點控制單 元（MCU）。終端是分組網絡中能提供實時、雙向通信的節點設備，也是一種終端用戶設備，可以和網關、多點接入控制單元通信。所有終端都必須支持語音通 信，視頻和數據通信可選。H.323規定了不同的音頻、視頻或數據終端協同工作所需的操作模式。它將是下一代因特網電話、音頻會議終端和視頻會議技術的主 要標準。圖6-2所示爲H.323終端的組成框圖，在發端，從輸入設備獲取的視頻和音頻信號，經編碼器壓縮後，按照一定格式打包，通過網絡發送出去，在收 端，來自網絡的數據包首先被解包，獲得的視頻、音頻壓縮數據經解碼後送入輸出設備，用戶數據和控制數據也得到了相應的處理。它所包含的各個功能單元及其標 準備或協議分別是：
視頻編解碼（H.263/ H.261）：完成對視頻碼流的冗餘壓縮編碼。
音頻編解碼（H.723.1等）：完成語音信號的編解碼，並在接收端可選擇地加入緩衝延遲以保證語音的連續性。所採用的標準爲ITU-T的 H.723.1，它提供5.3kbit/s和6.3kbit/s兩種碼率，採用線性預測綜合分析編碼方法，分別使用代數碼本激勵線性預測和多脈衝最大似然 量化，從而各自獲得編碼複雜度和質量的優化。
各種數據應用：包括電子白板、靜止圖像傳輸、文件交換、數據庫共存、數據會議、運程設備控制等，可用的標準爲T.120、T.84、T.434等。
控制單元（H.245）：提供端到端信令，以保證H.323終端的正常通信。所採用的協議爲H.245（多媒體通信控制協議），它定義了請求、應 答、信令和指示四種信息，通過各種終端間進行通信能力協商，打開/關閉邏輯信道，發送命令或指示等操作，完成對通信的控制。
H.225層：將視頻、音頻、控制等數據格式化併發送，同時從網絡接收數據。另外，還負責處理一些諸如邏輯分幀、加序列號、錯誤檢測等功能。
三、H.323標準協議簇 H.323是國際電信聯盟（ITU）的一個標準協議棧，該協議棧是一個有機的整體，根據功能可以將其分爲四類協議，也就是說該協議從系統的總體框架 （H.323）、視頻編解碼（H.263）、音頻編解碼（H.723.1）、系統控制（H.245）、數據流的複用（H.225）等各方
圖 H.323終端框圖
面作了比較祥細的規定。爲網絡電話和可視電話會議系統的進一步發展和系統的兼容性提供了良好的條件。其中系統控制協議包括H.323、H.245、 和H.225.0，Q.931和RTP/RTCP是H.225.0的主要組成部份。系統控制是H.323終端的核心。整個系統控制由H.245控制信道、 H.225.0呼叫信令信道和RAS（註冊、許可、狀態）信道提供，音頻編解碼協議包括G.711協議（必選）、G.722、G.723.1、 G.728、G.729等協議。編碼器使用的音頻標準必須由H.245協議協商確定。H.323終端應由對本身所具有的音頻編解碼能力進行非對稱操作。如 以G.711發送，以G.729接收。視頻編解碼協議主要包括H.261協議（必選）和H.263協議。H.323系統中視頻功能是可選的。數據會議功能 也是可選的，其標準是多媒體會議數據協議T.120。其結構如圖所示。
圖3 H.323協議棧
1、H.323組件 H.323終端是H.323定義的最基本組件。所有的H.323終端也必須支持H.245標準，H.245標準用於控制信道使用情況和信道性能。在 H.323終端中的其它可選組件是圖像編解碼器、T.120數據會議協議以及MCU功能。
網關也是H.323會議系統的一個可選組件。網關提供很多服務，其中包含H.323會議節點設備與其它ITU標準相兼容的終端之間的轉換功能。這種 功能包括傳輸格式（如H.250.0到H.221）和通信規程的轉換（如H.245到H.242）。另外，在分組網絡端和電路交換網絡端之間，網關還執行 語音和圖像編解碼器轉換工作，以及呼叫建立和拆除工作。終端使用H.245和H.225.0協議與網關進行通信。採用適當的解碼器，H.323網關可支持 符合H.310、H.321、H.322以及V.70標準終端。
關守是H.323系統的一個可組選件，其功能是向H.323節點提供呼叫控制服務。當系統中存在H.323關守時，其必須提供以下四種服務地址：地 址翻譯、帶寬控制、許可控制與區域管理功能。帶寬管理、呼叫鑑權、呼叫控制信令和呼叫管理等爲關守的可選功能。雖然從邏輯上，關守和H.323節點設備上 分離的，但是生產商可以將關守的功能融入H.323終端、網關和多點控制單元等物理設備中。由單一關守管理的所有終端、網關和多點控制單元的集合稱之爲 H.323域。 多點控制單元支持三個以上節點設備的會議，在H.323系統中，一個多點控制單元由一個多點控制器MC和幾個多點處理器MP組成，但可以不包含MP。MC 處理端點間的H.245控制信息，從而決定它對視頻和音頻的通常處理能力。在必要的情況下，MC還可以通過判斷哪些視頻流和音頻流需要多播來控制會議資 源。MC並不直接處理任何媒體信息流，而將它留給MP來處理。MP對音頻、視頻或數據信息進行混合、切換和處理。MC和MP可能存在於一臺專用設備中或作 爲其它的H.323組件的一部份。
音頻編碼器對從麥克風輸入的音頻信息進行編碼傳輸，在接收端進行解碼以便輸出到揚聲器，音頻信號包含數字化且壓縮的語音。H.323支持的壓縮算法 符合ITU標準。爲進行語音壓縮，H.323終端必須支持G.711語音標準，傳送和接收A律和u律。其它音頻編解碼器標準如G.722、 G.723.1、G.729.A、MPEG-1音頻則可選擇支持。編碼器使用的音頻算法必須由H.245來確定。H.323終端應能對本身所具有的音頻編 解碼能力進行非對稱操作，如以G.711發送，以G.728接收。
視頻編解碼器在視頻源處將視頻信息進行解碼傳輸，在接收端進行解碼顯示。雖然視頻功能可選，但任何具有視頻功能的H.323終端必須支持 H.261QCIF格式；支持H.261的其它格式以及可選支持H.263標準。在分組網絡上，使用H.261、H.263編解碼無需BCH糾錯和糾錯 幀。數據會議T.120是可選功能。當支持數據會議時，數據會議可出現協同工作，如白板、應用共享、文件傳輸、靜態圖像傳輸、數據庫訪問、音頻圖像會議 等。通過H.245處理後也可以使用其它的數據應用和協議。
2、H.225、H.245等協議 H.323系統中的通信可以看成是視頻、音頻、控制信息的混合。系統控制功能是H.323終端的核心，它提供了H.323終端正確操作的信令。這些功能包 括呼叫控制（建立與拆除）、通力切換、命令和指示信令以及用於開放和描述邏輯信道內容的報文等。整個系統的控制由H.245控制信道、H.225.0呼叫 信令信道以及RAS信道提供。H.225.0標準描述了無QoS保證的LAN上媒體流的打包分組與同步傳輸機制。H.225.0對傳輸的控制流進行格式 化，以便輸出到網絡接口，同時從網絡接口輸入報文中檢索出接收到控制流。另外，它還完成邏輯幀、順序編號、糾錯與檢錯功能。
在H.323多媒體通信系統中，控制信令和數據流的傳送利用了面向連接的傳輸機制。在IP遊戲棧中，IP與TCP協作，共同完成面向連接的傳輸。可 靠的傳輸保證了數據數據包傳輸時的流量控制、連續性以及正確性，但也可能引起傳輸時延以及佔用網絡寬帶。H.323將可靠的TCP用於H.245控制信 道、T.120數據信道，呼叫信令信道。而視頻和音頻信息採用不可靠的、面向非連接的傳輸方式，即利用用戶數據協議UDP（User Datagram Protocol）。UDP無法提供很好的QoS，只提供最少的控制信息，因此傳輸時延較TCP小。 在有多個視頻流和音頻流的多媒體通信系統中，基於UDP和不可靠傳輸利用IP多點廣播和由IETF實時傳輸協議RTP處理視頻和音頻信息。IP多播是以 UDP方式進行不可靠多點廣播傳輸的協議。RTP工作於IP多播的頂層，用於處理IP網上的視頻和音頻流，每個UDP包均加上一個包含時間戳和序號的報 頭。若接收端配以適當的緩衝，那麼它就可以種用時間戳和序號信息"復原，再生"數據包、記錄失序包、同步語音、圖像和數據以及改善邊接重放效果。實時控制 協議RTCP用於RTP的控制。RTCP監視服務質量以及網上傳送的信息，並定期將包含服務質量信息的控制信息包發分給所有通信節點。
在大型分組網絡如因特網中，爲一個多媒體呼叫保留點足夠的寬帶是很重要的，也是很困難的。另一個IETF協議--資源預流協議RSVP允許接收端爲 某一特殊的數據流申請一定數量的寬帶，並得到一個答覆，確認申請是否被許可。雖然RSVP不是H.323標準的正式組成部份，但大多數H.323產品都必 須支持他，因爲寬帶的預流對IP網絡上多媒體通信的成功至關重要，RSVP需要得到終端、網關、裝有多點處理器的MCU以及中間路由器或交換機的支持。
H.225.0適用於不同類型的網絡，其中包括以太網、令牌環網等。H.225.0被定義在諸如TCP/IP，SPX/IPX傳輸層。 H.225.0通信的範圍是在H.323網關之間，並且是在同一個網上，使用同一種傳輸協議。如果在整個因特網上使用H.323協議，通信性能將會下降。 H.323試圖把H.320擴展到無質量保證的局域網中，通過使用強大的認可控制會議控制，使一個專門會議的參加者從幾人到幾千人。
H.225.0建立了一個呼叫模型，在這個模型中，呼叫建立和性能協商沒有使用RTP傳輸地址，呼叫建立之後才建立若干個RTP/RTCP連接。呼 叫建立之前，終端可以向某個關守（Gatekeeper）註冊。如果終端要向某個關守註冊，它必須知道這個關守的年限（Vintage）。正因爲如此，發 現（discovery）和註冊(registion)結構都包含了一個H.245類型的對象標誌，它提供了H.323應用版本的年限。這些結構還包含了 可選擇的非標準消息，它允許終端建立非標準關係。在這些結構的末尾，還包括了版本號的非標準狀態。其中：版本號是必須的，非標準信息是可選的。非標準信息 用來在兩個終端之間相通知其年限及非標準狀態。雖然所有的Q.931消息在用戶到用戶信息中具有可選的非標準信息，但在所有的RAS通道信息中還是具有可 選的非標準信息。另外，在任何時候都能發送一個非標準RAS消息。進行註冊、認可和狀態通信的不可靠通道稱爲RAS通道。開始一個呼叫一般必須首先發送一 個認可請求消息，接着發送一個初始建立消息，這個過程以收到連接消息爲結束。
當可靠的H.245控制通道建立之後，音頻、視頻以及數據的傳輸通道都可以相應建立。多媒體會議的有關設置也可以在這裏設置。當使用可靠的 H.245控制通道傳送消息後，H.225終端可以通過不可靠通道發送音頻、視頻數據。錯誤隱藏和其它一些信息是用來處理髮生丟包的情況。一般情況下，音 頻、視頻數據包不會重發，因爲重發將引起網絡網絡上的延時。假設底層已經處理了對位出錯的檢測，而且錯誤的包不會傳給H.225。音頻、視頻數據和呼叫信 號不會在同一個通道里傳輸，並且不使用同樣的消息結構。H.225.0有能力使用不同的傳輸地址，在不同的RTP實例當中發送和接收音頻、視頻數據，以確 保不同媒體幀的序列號和每種媒體的服務質量。現在ITU正在研究如何把音頻、視頻數據包混合在同一個傳輸地址中同一幀中，雖然音頻、視頻數據能夠憑錯傳輸 層服務訪問點標識來共享同一個網絡地址，但是製造商還是選擇使用不同的網絡地址來分別傳輸音頻、視頻數據。在網關、多點控制單元和關守中可以使用動態傳輸 層服務訪問點標識來代替固定傳輸層服務訪問點標識。
一個可靠的傳輸地址用於終端與終端之間的呼叫建立，也可以用於關守之間，可靠的呼叫信號連接必須按照下例規則進行。在終端與終端的呼叫信號傳輸中， 每個終端都可以打開或關閉可靠呼叫信號通道。對於關守的呼叫信號傳輸，終端必須保證在整個過程中打開可靠端口。雖然關守能夠選擇是否關閉信號通道，但是對 於網關正在使用的呼叫通道，關守必須保證它打開。諸如顯示信息等Q.931信息可以在端到端之間傳輸。如果由於傳輸層的某個原因使得可靠的連接被斷開，這 個連接必須重建，此次呼叫不認爲是失敗。除非H.245通道被關閉。呼叫狀態和呼叫參考值不受關閉可靠連接的影響。同一時間可以打開多個H.245通道， 因此同一個終端可以同時參加多個會議。在一個會議中，一個終端甚至可以同時打開多種類型的通道，例如，同時打開兩個音頻通道來得到立體聲效果。但是在一個 點對點的呼叫中只能打開一個H.245控制通道。
H.245協議定義了主從叛別功能，當在一個呼叫中的兩個終端同時初始化一個相同的事件時，就產生了衝突。例如，資源只能被一個事件使用。爲了解決 這個問題，終端必須判斷誰是主終端，誰是從終端，主從叛別過程用來判斷哪個終端是主終端，哪個是從終端。終端的狀態一旦決定，在整個呼叫過程期間都不會改 變。性能交換過程用來保證傳輸的媒體信號是能夠被接收端接收的，也就是接收端必須能夠解碼接收數據。這要求每一個終端的接收和解碼能力必須被對方終端知 道。終端不需具備所有的能力，對於不能理解的要求可以不予理睬。終端通過發送它的性能集使對方知道自己的接收和解碼能力。接收性能描述了終端接收和處理信 息流的能力。發送必須確保所發送的性能集的內容是自己能夠做到的。發送性能給接收方提供了操作方式的選擇集，接收方可以從中選擇某種方式。如果缺省了發送 性能集，這說明了發送方沒有給接收方選擇，但這並不說明發送方不會向接收方發送數據。這些性能集使得終端可以同時提供多種媒體流的處理。例如，一個終端可 以同時接收兩路不同的H.262視頻信號和兩路不同的H.722音頻信號。性能消息描述的不僅僅是終端具有的固有能力，還描述了它可以同時具有哪些模型。 它也可能表示了發送性能和接收性能之間的一種折中。終端可以使用非標準參數結構來發送非標準性能和控制消息。非標準消息是製造商或其它組織定義的，用來表 明其終端所具有的特殊能力。
邏輯通道信號過程確保在邏輯通道打開時，終端就具有接收和解碼數據的能力。打開邏輯通道消息包含了關於傳送數據的描述。邏輯通道必須在終端有能力同 時接收所有打開通道的數據時才通被打開。一個邏輯通道由傳送方打開。接收方可以向傳送方請求關閉邏輯通道，傳送方可以接受請求，也可以拒絕請求。當性能交 換結束時，雙方終端通過交換的性能描述符都知道了對方的性能。終端不需要知道描述符中所有性通，只要知道它使用的性能即可。終端知道自己與對方終端的環型 延時是很有用的。環型延時判別就是用來測試環型延時的，它還可以用來測試遠方終端是否存在。命令和說明可以用來傳送一些特殊的數據。命令和說明不會得到遠 程終端的響應消息。命令用於強迫遠程終端執行一個動作，說明用於提供信息。
H.323協議規定，音頻和視頻分組必須被封裝在實時協議RTP中，並通過發送端和接收端的一個UDP的Socket對來進行承載。而實時控制協議 RTCP用來評估會話和連接質量，以及在通信方之間提供反饋信息。相應的數據及其支持性的分組可以通過TCP或UDP進行操作。H.323協議還規定，所 有的H.323終端都必須帶一個語音編碼器，最低要求是必須支持G.711建議。