IP网络电话泛指在以IP(InternetProtocol)为网络层协议的计算机网络中进行话音通信的系统，它采用的技术统称为VoIP(VoiceoverIP)，即IP上传送话音。由于计算机网络采用的都是分组交换技术，其传送的数据单元都是由控制部分和数据部分封装而成的独立的数据包，通常称之为“分组”(packet)，因此从更一般的意义上来说，VoIP属于分组话音通信的范畴。从技术上说 ，IP网络电话则是以1P为标志的网络分组化和以多媒体为目标的网络业务综合化两大主流技术融合的结果。
1.分组通信技术的发展
众所周知，在通信网上有三大交换技术：电路交换、报文交换和分组交换。历史最为悠久、目前广泛应用于公众电话网(PSTN)的就是电路交换技术，它的基本特点是为通话双方固定分配一条具有固定带宽的通信电路，在数字网中电路带宽为64kbit/s。一次通信包括三个过程：建立电路、通话和释放电路，其中电路建立和释放需要信令的支持。通常将基于电路交换技术的通信网称为电路交换网(SCN-Switched CircuitNetwork)，它包括模拟和数字的固定电话网和移动电话网。SCN的特点是可以保证为用户提供足够的带宽，从而确保低时延、低失真的实时通信服务质量(QoS）。其缺点是网络带宽利用率不高，尤论用户是否处于讲话状态，分配的电路始终被占用。根据统计，在正常通话情况下，大约只有40％的时间为有声期，其余时间电路均被空占。
这一问题对于数据通信来说尤为严重，因为数据通信具有和话音通信完全不同的特性和要求。首先，数据通信具有很强的突发性，表现为在短时间内会集中产生大量的信息。突发性的定量描述为峰值比特率和平均比特率之比，对于一般的数据传输，突发性可高达50；对于文件检索和传送，突发性也可达20。如果采用电路交换，若按峰值速率分配电路带宽，则会造成资源的严重浪费，若按平均速率分配带宽，则会造成大量数据丢失。其次，在数据通信中，大量的数据终端为计算机，计算机型号繁多，速率相差很大，而电路交换只能定义若干种标准带宽的电路，因此很难用有限类型的电路将不同类型和速率的数据终端有效地连接起来。另外，数据通信的基本要求是数据无差错地传送到对端用户，而对于传送时延则无严格的要求，因此没有必要为通信双方事先分配一条独占的电路，而可根据用户的要求和网络可提供的带宽，动态分配带宽，将突发数据按选定的路径逐个节点地接力前传，数据在每个节点允许暂存。这就是分组交换的基本思想。
分组交换技术的两大要素，一是采用长度受限、结构统一的分组作为数据传输的基本单位。每个分组的头部带有地址、序号、校验码等信息，供节点作检错校错、排队、选路等处理，数据部分则透明传送。二是采用存储转发机制。每个节点首先将前一节点送来的分组收下来，暂存在缓冲区，然后根据分组头部中的地址信息选择适当的链路将其发送至下一节点。由此可见，同一链路在不同时刻可以传送不同通信会话的数据，称之为网络资源的统计复用，这是分组交换和电路交换的最大不同之处。
分组交换的概念由美国兰德(RAND)公司的P.Baran千1964年首次提出，“分组”这一名词由英国国家物理实验(N室PL)的D.Davies于1966年首次提出，而世界上第一个采用分组交换技术的实用系统则是美国国防部高级研究规划局(ARPA-Advanced Research Projects Agency)于1969年研制成功的分布式计算机网络ARPANEf。它的成功对后来的公用分组交换数据网(PSPDN)的出现产生了重大推动作用。最著名的分组网络标准就是X.25。
分组交换最适用于数据通信，它不但极大地提高了网络带宽利用率，而且由于存储转发机制可以根据网络的实际状态动态选择路由，因此即使某些节点发生故障，数据仍然能绕道到达目的地，从而提高了通信的可靠性。但是要将分组交换技术应用于话音通信并非那么简单，其最大的问题是存储转发不可避免地带来的通信时延，此时延可高达几百毫秒，能被通话者明显地感觉到。其次是由于网络负荷鼠的变化和传输路由的不同，话音分组的时延会发生变化，称之为时延抖动( jitter)。另外，在时延过大的情况下，话音分组会发生丢失，造成话音失真。这些都是话音实时通信带来的特殊问题。
国际上自70年代初就开始进行分组话音通信的研究。其目的并非出于经济上的考虑，而是源于军事通信的需要。由千军事通信系统要求可靠性高，网络可以重构，因此基于分组交换技术的网络被军方所青眯，该网络不但需传送数据，还需传送口授命令等话音信号。实验系统开发主要基于ARPANET和局域网，理论研究相对来说较为深人，包括话音信号统计模型、呼叫发起模型、链路模型、性能判据等，由此得出分组网中话音时延分布特性、链路瞬态特性、最佳分组长度和缓冲区分配策略等有意义的参考结果。但是由于当时分组网远未普及，缺乏市场推动力，因此基本上停留在理论研究和实验室研制的阶段。
至千报文交换，系源于电报通信，其最大的贡献在于提出了存储转发的概念。其传输单元为整个报文，由于报文长度差异很大，长报文可能导致很大的时延，且缓冲区分配也较困难，因此应用范围极其有限。分组交换在此基础上，采用了较小的分组进行传输，在性能和效率方面获得了较好的平衡，从而得到广泛的应用。
2.综合业务通信技术的发展
分组交换网问世以后，一个很自然的想法就是能否将它和电话交换网合并成一个网络，向用户提供统一的服务。这就是原ccrrr于1972年提出的综合业务数字网(ISDN)的概念。此项研究于1978年正式开始，1984年原ccrrr通过了关于ISDN概念、业务能力、络网功能模型、用户网络接口等全套内容的1系列建议。
ISDN提出的技术背景是以PCM为基础的数字语音通信系统的出现和以计算机为基础的程控交换机的问世，它们使传统的模拟语音信号和数据一样，可以用数字形式在网络中传送，因此理论上可以构造一个能向用户提供话音、数据、图像和视频综合服务的统一的数字网络。
ISDN是通过以下4个方面来实现综合业务的：
(1)定义标准的用户一网络接口(UNI)和与之相适配的ISDN终端，将用户终端至本地交换机这一段由传统的模拟接人改造成数字接入，实现所谓的端到端全程数字连接。
(2)定义新的共路信令系统，支持呼叫建立、业务能力、带宽请求、终端兼容性等信息的传送，实现多种业务通信。
(3)定义统一的三类通信信道：D信道(16或64kbit/s)、B信道(64kbit/s)和H信道(384或1920khit/s)。其中，D信道主要传送信令，也可传送少量分组数据，只用于UNI。B信道主要传送PCM语音信号，分组数据复用后也可在B信道中传送。H信道主要传送视频信号，实际上就是若干个B信道的组合。
(4)定义ISDN交换机功能，主要包括电路交换功能、分组交换功能、共路信令功能和ISDN用户接口功能。
上述ISDN技术是采用叠加方式实现业务综合的。从交换机来看，话音信号和分组数据是由不同模块分别处理的，分组数据经处理后就接人分组交换网传送，因此一个最大综合ISDN交换机相当于一个电路交换机和一个分组交换机的叠加。从传输信道来看，ISDN的基本信息通道还是64khit/s固定带宽信道，即使两个支持分组业务的ISDN终端经由ISDN网进行分组通信，还是需要首先建立两者之间的B信道连接，然后在其上透明传送分组数据。从信令系统来看，其主要功能仍然是B信道的建立和释放，分组协议是在B信道建立后以隧道方式在端点之间传送。但是为了支持多种业务的接入，信令系统相当复杂，ISDN终端也十分昂贵。由此可见，ISDN的基本设计思想仍然是以电路交换为基础的，传输则是以固定带宽的B信道为基础的，因此常称其为基于64-kbit/s的ISDN，或窄带ISDN(N-ISDN)。在该网络中，虽然可以同时传送话音信号和分组数据，但是话音信号仍然是以PCM形式和电路交换方式传送的，丝毫未涉及分组话音通信技术。正因为如此，ISDN未能赢得很好的市场。但是其定义的用户侧的Q.931呼叫控制信令和网络侧的7号信令在SCN中广为使用，对于1P电话网络标准的定义和实现也有很大影响。
1989年，原ccrrr提出了宽带综合业务数字网(B-ISDN)的概念，它不是简单的 N-ISDN的带宽提升，而是采用了一种全新的技术一一异步传送模式(ATM)。ATM综合了分组交换和电路交换的优点，以统一的方式对话音、数据和视频信息进行交换、传输和处理，实现真正意义上的端到端综合业务传送。
ATM的主要技术特点是：
(1)采用新型交换技术——快速分组交换(FPS)。首先，FPS是一种面向连接的分组交换技术，它利用虚信道(VC)和虚通道(VP)的概念完成多路信息的交换接续。既具有电路交换的高速性和信息时序的完整性，又具有分组交换的网络资源利用高效性。其次，FPS又是一种简化的分组交换技术，它考虑到光纤传输的高质量特性，取消了链路级的差错控制，降低了分组交换的复杂度，从而极大地提高了交换的速度。
(2)采用新型传输技术－异步时分(ATI))复接。这是一种统计复用技术，它允许各个连接根据需要动态占用信道资源，信息元素在复接帧结构中并无固定分配的位置。这种复接方法支待变速率业务和动态带宽分配，和传统的同步时分(SID)复接技术相比，可使信道资源的利用率获得可观的统计增益。
(3)采用新型信息传送载体一一信元(cell)。这是一种固定长度(53字节）的短分组。采用固定长度可以简化交换控制结构，提高交换速度。采用短分组，可以减小信息传送时延，支持高性能的实时通信。尤其是各种业务和各种速率的信息都采用统一的信元结构封装传送，实现了真正的业务综合。
由此可见，在ATM网络中，所有媒体信息，包括话音都以分组的形式在网络中传送和交换，实时话音通信的QoS可从三个方面得以保证。首先，ATM是一种面向连接技术，从这一点来说，它和电路交换很相似。在通信开始之前，必须根据用户的需要，建立起一定带宽的连接。所不同的是，该连接不是独占某个物理通道，而是和其它连接统计复用某个物理通道，因此称为虚连接(VC或VP)。ATM有一整套完备的信令协议，支持VC和VP的建立、修改和释放，这些信令协议的基本思想和N-ISDN信令类似。和分组交换一样，ATM中也有半永久和永久虚连接，这类连接的建立不需要信令支待。其次，ATM定义了完善的业务量管理机制，包括呼叫接纳控制、使用参数控制、网络拥塞控制等，它对业务进行分类，采用“合约制”对用户发出的流量进行管制，并根据网络资源的可用性决定是否允许用户发起呼叫，藉此确保每个通信用户都能获得所需的带宽和服务质量。另外，ATM还针对不同的业务定义了相应的适配层功能，规定了各类业务信息的复用和封装方法，以传送端到端道信必须的同步、时序、差错控制等信息。
国际上主要由ITU-T（前ccm)和ATM论坛负责制订ATM网络标准，到1996年为止，基本业务的国际标准己制订完成。尤其是ATM论坛制订了一整套关于ATM上分组话音通信的标准，称之为“ATM上传送话音和电话”(VTOA-VoiceandTelephonyoverATM)，常又称为VoA。它就话音压缩编码方法、语音ATM适配技术、同步技术、信令技术以及和N-ISDN的互通作了详尽的规定，使分组话音通信技术具有实质性的重大进展。
与此同时，在90年代另一种快速分组交换技术一一帧中继( FR) 也得到很大的发展。它的基本假设也是基于极低误码率的光纤传输系统，其核心协议仅含物理层和链路层协议，将差错控制和流 量控制均交给端用户去处理，因此极大地提高了分组交换的速度。 帧中继主要用千大通道的骨干网，也可用作ATM网的接入手段，它主要采用永久或半永久虚连接。国际组织帧中继论坛( FRF) 也制订了帧中继中传送话音的技术标准，当然它比VToA来得简单，主要是话音适配和封装方法。
3. IP通信技术的发展
尽管ATM性能几乎尤懈可击，技术标准严谨而完备，电信制造业和运营业倾注了极大的热忱，曾被公认为B-ISDN的最佳传送方式。然而近年来ATM网络和设备的发展却处千徘徊状态，B-ISDN的市场接受率更为减退，被认为是不一定会实现的理想化的解决方案。
从技术上分析，ATM的主要不足之处在于用户接入比较复杂，它沿用N-ISDN的网络结构，需要宽带网络终端和宽带终端适配器。这些设备不但昂贵，而且需要专业人员安装和维护。另外，ATM标准还缺乏有效的应用编程接口(API-—-Application ProgrammingInter face),ATM网络基本上仍然是一个由电信运营业集中管理的封闭式网络。虽然ATM网络能够提供确保的Qo.5，但是其代价是必需装备复杂的网络协议和信令系统。凡此种种限制了ATM技术在家庭和个人中的应用。尽管B-ISDN的初衷是提供端到端的宽带综合业务通信能力，但是实际上其主要应用却是提供高带宽的骨干网络，且大 都为永久性连接。尤其是VToA技术尚未见实际应用，ATM网络主要还是用于传送高带宽的视频信号和高速数据信号。目前ATM论坛和rru-T正在集中力量研究的ATM中继(ATMTrunking）技术，其应用也是作为电话网的中继传输，并未扩展到用户。
由于上述情况，在很长一段时间内，宽带ATM网络必然要和已有窄带网络共存，所以必须设置网关，解决媒体信息和信令协议的转换问题，为此ITU-T又制订了许多复杂的互通协议。因此，原先设想的可作为全球信息基础设施(Gil)网络平台的统一的B-ISDN一时还难以实现，而且由于互通的要求，在过渡时期网络结构将变得更为复杂。这就是ATM面临的困惑。
与此同时，进入90年代以来，以TCP/IP为核心协议的因特网(Internet)却在全球范围内以惊人的速度获得了超乎寻常的大发展。Internet是在ARPANET基础上发展而成的分布式计算机网络，长期以来局限用于数据通信。其主要应用业务是文件传送和电子函件 (E-mail)，主要应用市场是北美，主要应用领域是教育科研和政府部门。它的高速发展主要归功于90年代中期公开推入市场的Internet应用一万维网(WWW-WorldWideWeb)oWWW的快速便捷和丰富的信息含量使因特网迅速进入企业和家庭，引起各国政府的广泛重视。
近年来，以1P业务为主的数据业务平均年增长率达25~40%,IP业务量6~12个月翻一番，比著名的摩尔定律指出的CPU性能价格比每18个月翻一番的速度还要快1.5~3倍。与此相对照的是，全球语音业务近10年来的平均年增长率约为4%。预测至21世纪初，全球的数据业务量将超过电话业务量，并将出现自贝尔发明电话100多年以来电信业的一个历史性的转折点：传统电话业务将为副业，数据业务将为主业。在此背景下，各国大力投资扩建1P网络，增加其带宽，有效地提高了Internet传送质量，反过来它又促进了Internet业务的发展和用户数的增长。预计至2CXX)年全球Internet用户数将达4亿，我国用户至98年底也已超过200万。Internet传送内容也从E-mail的低速率普通文本，到Web的包括图像的中速率数据，直至如网络游戏或影视含活动图像的高速率信号。也就是说，Internet已从单纯的数据业务进入包括声音和图像在内的多媒体通信领域，传统的计算机网络和电信网络壁垒分明的界线已被打破，作为Internet进入电信服务的第一步，自然就是用户面最为广泛的基于1P的分组话音通信，即1P网络电话。
从技术上分析，IP的最大优势是已经具有一个全球统一的网络，该网络具有统一的网络层和运输层协议，可以连接世界上任何一个地点不同类型的终端，国家与国家、地区与地区之间不存在网络互通问题，因此在这样一个网络平台上实现全球信息通信是现实的。 其次，IP接人非常简单，除了通过局域网或专线接入外，家庭用户通过modem就可拨号上网，该modem即插即用，无需专业人员安装和维护，十分简捷方便。另外，和电信网不同，IP网是一个开放式网络，网络层对于所有业务信息都是透明的，信息加工和处理均由终端完成。终端实际上就是具有不同程度智能的计算设备，计算机厂商 提供了许多使用方便的API，可供用户根据需要开发自己所需的业务。正因为如此，尽管VoIP比VToA起步晚，技术成熟度相对也较低，但是其发展却比后者快得多，且已经获得实际应用，占有相当的市场。
需要指出的是，虽然IP和A1M都采用分组交换技术，但是两者却有极大的差异。A1M是一种面向连接技术，它继承了电路交换的思想，在通信之前必定要给用户分配好所需带宽的虚电路，在通信过程中按照一定策略保证该带宽不被其它用户侵占。定义的协议和机制十分完备，业务的QoS能够确保。而1P却是一种无连接技术，它丝毫没有电路交换的痕迹，对于每个分组均根据当时网络的状态独立地选路，一个通信过程中的各个分组一般说来会走不同的路线，经历不同的时延。也就是说，IP网络的初衷只提供一种称之为“尽力而为"(besteffort)的服务，这对千只要求准确率而对时延没有严格要求的数据业务来说是合适的，对于话音和视频等实时通信业务来说显然是有问题的，它们的QoS是难以得到保证的。这一问题尚在研究之中，至今还没有完备的解决方案。因此，可以说ATM是一个技术驱动型标准，IP则是一个市场驱动型标准。前者技术完美，标准完备，但缺乏市场；后者尚有缺陷，尚待改善，但却有很大的市场前景。
如何提高IP分组话音通信的质置，或者更一般地说，如何在IP网上实现包括实时通信业务在内的综合业务通信，这是当前IP领域的一个研究热点。其研究方向主要有两个。一是参照A1M技术，在IP网络中引入资源保留机制，其大体思路是对实时通信业务采用类似于面向连接的概念，定义相应的协议和信令。其主要需考虑的问题是如何平衡技术的完备性和复杂性。所定义的机制越完备，通信质量越有保证，但相应的协议和节点处理将越复杂，难以在大规模网络中使用，即其可扩展性(Scalability）将降低。这方面的研究内容将在本书第6章作进一步介绍。另一方向是研究新的IP网络技术，提高分组交换的速度，提高网络的带宽，从根本上解决1P网络的通信质量问题。由于ATM是一个性能相当优异的技术，因此首先想到的就是将ATM技术融入1P网络，利用ATM网络作为连接1P路由器的骨干网，由此产生各种IP/ATM结合技术，包括IP/ATM重叠模型和IP/ATM集成模型两大类。进一步的研究将1P数据包直接置入SDH帧，省却1P至ATM信元映射这－中间层，有效提高带宽利用率，这就是S在DH上传送IP(IPoverSDH)技术。最新的研究则将1P数据包直接在裸光纤上传送，即IPoverDWI)M技术。这些都是提高1P网络性能的基础技术，并非特定用于1P话音通信的专项技术，因此本书不作深入讨论，仅1在.2节作一简单介绍。
根据以上讨论，可以给出常见的分组话音通信网络如图1.1所示。
图中给出的是各类网络的协议层次结构，并未涉及具体的物理结构。图示最左边二个协议栈为FR 分组话音通信网络，其物理媒体可以是El 系统，也可以是经由ATM 层承载千光纤之上。按照标准，FR数据帧需经适配层AAl5封装后装入ATM信元。图1.1中间两个协议栈为ATM分组话音通信网络，其物理媒体均为光纤。话音信号至ATM的适配有三种方式，一是经由AALl 适配，它可以提供端到端定时信息，可以传送结构化数据（如完整的或部分的PCM帧结构），适于电路仿真应用，传递固定比特率(CBR)的话音信号。第二种方式是经由AAl5适配，这是ATM 论坛提出的适配方案，它适用于传送各类可变比特率(VBR)面向连接的业务流，适配协议较简单。第三种方式是经由AAl2适配，这是ITU-T于1”7年刚通过的一种新的适配协议，其思路是将信元进一步划分为若干个微信元，可以将多路话音信号在一个信元中
复合传送，既可以提高带宽利用率，又可以降低信元装配时延。适千传送VBR信号，可用于话音的ATM中继传送。图I.I最右面5个协议栈为W话音分组通信网络。一类是纯W网络上的话音通信，包括局域网(LAN)上的话音通信和广域Internet上的话音通信，一般来说话音质量是没有保证的，完全取决千网络本身的带宽。另一类W是经由宽带骨干网的话音通信，包括IPoverFR和各种类型的IPoverATM。第三类是在应用层装备了支待声像和数据多媒体通信的H.323协议的W话音通信系统，这是目前应用最为广泛、最具实用价值的IP网络电话系统，是本书介绍的重点内容。
