基于SIP会话的RTP话音识别及压缩设计

贺翔，张问谦

（广州海格通信集团股份有限公司，广州 510663）

0 引言

卫星通信链路由于其传输距离远、频谱资源珍贵等特点，在网络中往往作为跨区域主干链路传输高价值数据[1]。VoIP话音作为一种关键业务通常被同时多路使用。

VoIP话音业务一般采用RTP协议承载话音数据，其包头字段之间存在很大的冗余度，传输开销较大，多路业务并发时效率极其低下。压缩后传输能够显著地节约系统带宽，提高业务并发数量，但RTP协议流媒体的识别有一定难度。业内常用的识别算法通常基于RTP协议的多种特征，根据上下文进行会话匹配，但存在一定的漏报率和误报率[2]，而误报会造成数据损坏，产生较为恶劣的影响。

经分析，VoIP话音在会话建立和维持方面，通常采用H.323或SIP协议。由于H.323协议标准复杂而严格，卫星通信网络中多采用灵活易扩展的SIP协议。

本文阐述了当前识别RTP流存在的困难，并分析RTP协议和传输具有的特征，在这个基础上针对SIP会话场景，设计出一种快速RTP识别方法，并在保证稳健性的前提下，采用ROHC包头压缩技术压缩传输，极大地提高了卫星信道资源利用率。

1 RTP特征识别

RTP协议作为应用层协议，其传输层可用TCP或UDP协议。在卫星网络应用实际情况中，由于UDP协议简单，无需握手确认等特点，RTP协议通常采用UDP协议作为传输层协议，即采用IP/UDP/RTP分组。

RTP报文用于传输多媒体数据，由RTP报头和数据两部分组成，对RTP的识别主要是对RTP首部的识别。RTP首部及数据格式定义如下：

图1 RTP协议格式定义

在RTP首部中，前12字节是固定的，而且是必须的。下面主要介绍前12字节的含义。

1.V：指示RTP协议的版本号，2bit，目前为0b10；

2.P：填充标志，指示报文尾部是否填充额外信息；

3.X：扩展标记，指示是否有RTP头扩展；

4.CC：CSRC计数器；指示 CSRC的个数（0-15）；

5.M：与载荷有关的标记信息；

6.PT：载荷类型；

7.Sequence number：RTP报文序列号，每次加1；

8.timestamp：时间戳，用于同步控制；

9.SSRC：同步信源标示符，用于标识同步信源（一次会话一个值）；

10.CSRC：特约信源标识符，标识了包含在该RTP报文的所有特约信源；

11.内容：这里存放载荷数据。

识别RTP协议的过程即是根据RTP协议的特点把RTP数据识别出来，上述可见，RTP协议包可以总结为一下特征：

1.总长度不少于12字节；

2.首字节最高两个比特为0b10；

3.CC字段为0-15，且CC*4+12应大于总长度；

4.Sequence number每次加1

5.timestamp为递增关系；

6.SSRC每次会话中不变。

业内常用的识别算法通常基于上述信息指定，其中Sequence number、timestamp和SSRC的判定需要结合上下文考虑，检测会消耗较多资源，且仍存在漏报或误报的可能[3]。本方法不采用这三个特征，在沿用前3个特征的基础上，增加IP地址和UDP端口号作为精确的识别特征，以此可以进行精确判断。由于RTP采用的UDP端口号是动态的，故增加SIP会话识别的方法进行确定。

2 SIP特征识别

SIP协议是一种在IP网络中建立、修改和终止多媒体会话的应用层协议，一般采用5060号端口，识别后可用于判断一个VoIP会话的开始和结束，从而用来得到一次会话的相关信息，如源/目的IP地址及端口号等[4]。

SIP 请求消息分为：INVITE、ACK、OPTIONS、BYE、CANCEL、REGISTER和INFO等；SIP响应消息使用响应状态码标识。下面描述下识别会话相关的消息：

1.INVITE：用于邀请对方加入会话，标识着一个会话的开始；

2.BYE：释放呼叫，标识着一个会话的结束；

3.CANCEL：取消一个进行中的请求，通常标识着呼叫的取消；

4.SIP/2.0 200 OK：标识着一个请求消息已经被正确的理解和执行，在后续协议串中会包含执行的内容，如标识INVITE或BYE的成功执行。

值得注意的是：在INVITE及其应答消息中，具备本次通话约定的相关描述。例如RTP采用的音频传输端口号描述为：

m=audio 10010 RTP/AVP 111 110 0 8 101

表示音频传输采用10010端口。

需要收集的信息包括RTP端口号、源IP地址、目的IP地址。

该方法利用上述信息建立和释放RTP会话，该方法可以取得很高的识别精度。

3 压缩设计

一个典型的VoIP话音数据包采用IP/UDP/RTP分组结构，报头的总开销包括：IP（20字节）+UDP（8字节）+RTP头（12字节）=40字节，而有效负载通常只有几十字节。为避免带宽浪费，需要对报头进行压缩。

ROHC是IETF专门针对无线链路的特点而提出的稳健报头压缩技术，可通过选择profile的形式针对IP、UDP、RTP进行压缩。其功能实体分为两个部分：压缩端和解压缩端[5]。当压缩端收到一个IP分组时，首先进入初始化状态，采集报头信息存入上下文中，同时将该信息传送给解压端，解压缩端接收到后，解压缩出报头信息并存入上下文[6-7]。双方建立好上下文后开始进行压缩传输。

ROHC协议在协议栈中的位置处于链路层和IP层之间，对每个分组流都分配一个唯一的上下文标识（CID）用于唯一识别，去掉了冗长的IP报头和UDP报头，换成了简短的多的ROHC压缩报头。

ROHC可工作在无反馈信道（U模式）、弱反馈信道（O模式）、强反馈信道（R模式）三种模式，基于卫星无线链路反馈时间长、信道资源紧张的特点，适合采用U模式。压缩方采用乐观逼近和周期性则进行状态转移。该模式下的状态转移图如下：

图2 U模式状态转移图

U模式下初始进入IR（初始化）状态，在发送N包后自动切换为FO（复位有序）状态，进而在发送一段N包后，切换到SO（完全有序）状态，在用户定时周期到后切换回IR状态。在U模式下不采用反馈信道，包只沿着一个方向传输，即从压缩端到解压缩端，虽然压缩率相对O模式和R模式较低，但应用在不可靠的卫星无线链路环境下，可有效避免可能的反复确认，鉴于话音通信的特点，在合理调整回退周期时间后，基本不影响话音通信质量。

4 整体流程

使用上述方案合理配合以形成完整的RTP话音识别、压缩、传输流程。具体流程如下：

1.接收到UDP包；

2.判断是否是SIP端口（5060）发来消息，若不是进入第9步；

3.判断是否是INVITE消息或其应答，若不是进入第6步；

4.判断会话记录总条数是否满，若满则替代最旧那条记录，否则增加一条会话记录；

5.传送该包，流程结束；

6.若SIP端口接收到的是CANCEL、BYE消息或其应答，解析得到会话数据；

7.在会话列表中删除该条记录；

8.跳转到第5步；

9.接收到非SIP端口UDP数据，判断是否符合上述RTP特征，若不符合跳转到第5步；

10.检查会话列表中是否有符合的会话，若未找到，跳转到第5步；

11.送IP包给ROHC压缩器进行压缩；

12.跳转到第5步。

在接收方，接收到正常IP数据包不做处理，直接转发；接收到ROHC数据包后，进行解压缩处理，然后转发。如出现无线链路不可靠造成的上下文丢失，则该包丢弃，直到下一个周期来到，重建上下文。

图3 RTP识别、压缩、传输流程

5 结语

基于SIP会话的RTP话音识别及压缩方法在宽带卫星通信网络中得到了很好的应用，有效解决了空中传输VoIP话音资源占用过多问题，显著提高了有限带宽条件下话音接入数量。随着我国海洋运输、海域管理的蓬勃发展，卫星VoIP会话业务需求不断增长，卫星终端的成本逐渐降低，该方式应用将会越来越广泛。同时也可以推广到其他类型无线网络中使用。