深入解析H.323协议：构建IP网络音视频会议的核心标准

H.323是国际电信联盟制定的一套用于IP网络多媒体通信的标准协议栈。作为一个有机整体，它从系统框架、音视频编解码到呼叫控制都做了详细规定，为网络电话和视频会议系统的发展与兼容性奠定了基础。

协议栈构成

H.323协议栈根据功能可分为四大类协议：

1. 系统框架与控制协议：包括H.323、H.245和H.225.0。其中，Q.931和RTP/RTCP是H.225.0的主要组成部分。
2. 音频编解码协议：必须支持G.711协议。可选支持G.722、G.723.1、G.728、G.729等。编码器使用的具体音频标准需通过H.245协议协商确定。
3. 视频编解码协议：必须支持H.261 QCIF格式。可选支持H.261的其他格式及H.263协议。
4. 数据会议协议：可选标准为T.120。

系统控制是H.323终端的核心，由H.245控制信道、H.225.0呼叫信令信道和RAS（注册、许可、状态）信道共同提供。H.323终端应能进行非对称编解码操作，例如，可以以G.711格式发送音频，同时以G.729格式接收。

核心组件详解

终端 (Terminal)
H.323终端是最基本的组件，必须支持H.245标准。可选组件包括视频编解码器、T.120数据会议协议以及MCU（多点控制单元）功能。

网关 (Gateway)
网关是可选组件，主要提供不同标准终端（如H.323终端与H.310、H.321、H.322等ITU标准终端）之间的转换功能。这包括传输格式、通信规程以及音视频编解码器的转换，并负责呼叫的建立与拆除。

关守 (Gatekeeper)
关守同样为可选组件，它向H.323节点提供呼叫控制服务。当系统中存在关守时，它必须提供四种基本服务：地址翻译、带宽控制、许可控制与区域管理。由单一关守管理的所有终端、网关和MCU的集合称为一个H.323域。

多点控制单元 (MCU)
MCU用于支持三个以上节点的会议。它由一个多点控制器 (MC) 和可选的多点处理器 (MP) 组成。MC负责处理端点间的H.245控制信息，决定通用的音视频处理能力，并管理会议资源。MP则负责媒体流的混合、切换等处理工作。

通信与控制机制

在H.323系统中，音频编码器对来自麦克风的信号进行编码传输，接收端解码后输出到扬声器。视频编解码器的工作流程类似。数据会议功能（如白板、文件传输）通过T.120协议实现，并受H.245控制。

整个系统的控制功能由H.245、H.225.0呼叫信令以及RAS信道提供。H.225.0标准描述了在无服务质量保证的局域网上，媒体流的打包分组与同步传输机制。

传输层协议选择

H.323系统巧妙地利用了不同的传输层协议来满足不同数据流的传输需求：

• 可靠的TCP连接：用于传输H.245控制信道、T.120数据信道以及呼叫信令信道的数据，确保控制信令的可靠交付。
• 不可靠的UDP连接：用于传输视频和音频流，以减少传输时延。然而，UDP本身无法提供良好的服务质量保证。

为了在基于IP和UDP的不可靠传输之上有效处理实时媒体流，H.323采用了IETF的实时传输协议 (RTP)。RTP为每个UDP数据包添加包含时间戳和序号的报头，使接收端能够重新排序数据包、同步音视频并改善播放效果。其配套协议实时传输控制协议 (RTCP) 则用于监视服务质量并向所有通信节点反馈控制信息。

此外，资源预留协议 (RSVP) 允许接收端为特定的数据流申请并预留必要的网络带宽，以保障大型分组网络（如互联网）中多媒体通话的质量。

本文由云栈社区进行技术内容优化。