今天跟大家聊聊网络电话的实现原理，很多人知道网络电话，但不清楚实现的原理，今天就碰到一个懂一点点技术的客户，聊到这块，也顺便带大家一起了解网络电话是如何实现打电话的。
网络电话，又称VOIP（Voice over Internet Protocol）通过IP数据包发送实现的语音业务，是传输语音的一种方式，它把语音分解成构成数据的字节通过互联网传输到目的地。通俗来说也就是互联网电话或IP电话,使用 VOIP协议，不管是因特网、企业内部互连网还是局域网都可以实现语音通信。一个使用 VOIP 的网络中，语音信号经过数字化，压缩并转换成 IP 包，然后在 IP 网络中进行传输。VOIP 信令协议用于建立和取消呼叫，传输用于定位用户以及协商能力所需的信息。电话网络的主要特点是低成本；数据、语音和视频在同一网络上的合成；集中式网络上的新服务以及对终端用户的简单化管理。
网络电话的基本结构由网关（GW）和网守（GK）两部分构成。网关的主要功能是信令处理、H.323协议处理、语音编解码和路由协议处理等，对外分别提供与PSTN 网连接的中继接口以及与IP 网络连接的接口。网守的主要功能是用户认证、地址解析、带宽管理、路由管理、安全管理和区域管理。一个典型的呼叫过程是：呼叫由PSTN 语音交换机发起，通过中继接口接入到网关，网关获得用户希望呼叫的被叫号码后，向网守发出查询信息，网守查找被叫网守的IP 地址，并根据网络资源情况来判断是否应该建立连接。如果可以建立连接，则将被叫网关的IP 地址通知给主叫网关，主叫网关在得到被叫网关的IP 地址后，通过IP 网络与对方网关建立起呼叫连接，被叫则网关向PSTN 网络发起呼叫并由交换机向被叫用户振铃，被叫摘机后，被叫侧网关和交换机之间的话音通道被连通，网关之间则开始利用H.245协议进行能力交换，确定通话使用的编解码，在能力交换完成后，主被叫方即可开始通话。
宏观上讲可以分为软件电话和硬件电话。软件电话就是在电脑上下载软件， 然后购买网络电话卡，然后通过耳麦实现和对方（固话或手机）进行通话； 硬件电话比较适合公司、话吧等使用，首先要一个语音网关，网关一边接到路由器上，另一边接到普通的话机上，然后普通话机即可直接通过网络自由呼出了。
网络电话就有4 种：电话到电话、电话到PC、PC 到电话和PC 到PC。具体如下：
⑴PC 到PC：最初网络电话方式主要是PC 到PC，利用IP 地址进行呼叫，通过语音压缩、打包传送方式，实现因特网上PC 机间的实时话音传送，话音压缩、编解码和打包均通过PC 上的处理器、声卡、网卡等硬件资源完成，这种方式和公用电话通信有很大的差异，且限定在因特网内，所以有很大的局限性。简单地说，计算机与计算机在因特网上打电话的过程包括以下5个实现步骤：1、首先，通过本地机的声卡将声音信息记录下来；2、使用软件将声音文件转化为一种压缩的数据文件；3、通过网络将数据文件传送到接听电话的一方；4、对方软件将数据文件还原为声音文件；5、通过对方声卡将声音播放出来。
⑵电话到电话：电话到电话即普通电话经过电话交换机连到网络电话网关，用电话号码穿过IP 网进行呼叫，发送端网关鉴别主叫用户,翻译电话号码/网关IP 地址，发起电话/网络电话呼叫，连接到最靠近被叫的网关，并完成话音编码和打包，接收端网关实现拆包、解码和连接被叫。
⑶电话到PC ：电话到PC 是由网关来完成IP 地址和电话号码的对应和翻译，以及话音编解码和打包。
⑷PC 到电话：PC 到电话也是由网关来完成IP 地址和电话号码的对应和翻译，以及话音编解码和打包。
网络电话的关键技术包括：信令技术、编码技术、实时传输技术、服务质量（QoS）保证技术、以及网络传输技术等。
信令技术:我们讲下我们网络电话常用的SIP信令，SIP 是一种应用层协议，可以用UDP 或TCP 作为其传输协议。与H.323 不同的是：SIP 是一种基于文本的协议，用SIP 规则资源定位语言描述（SIP Uniform Resource Locators），这样易于实现和调试，更重要的是灵活性和扩展性好。由于SIP 仅作于初始化呼叫，而不是传输媒体数据，因而造成的附加传输代价也不大。SIP 的URLL 甚至可以嵌入到web 页或其它超文本链路中，用户只需用鼠标一点即可发出一个呼叫。与H.323 相比，SIP 还有建立呼叫快，支持传送电话号码的特点。
编码技术：话音压缩编码技术是网络电话技术的一个重要组成部分。主要的编码技术有ITU－T 定义的G.729、G.723(G.723.1）G711等。其中G.729 可将经过采样的64kbit/s 话音以几乎不失真的质量压缩至8kbit/s。由于在分组交换网络中，业务质量不能得到很好保证，因而需要话音的编码具有一定的灵活性，即编码速率、编码尺度的可变可适应性。G.729 原来是8kbit/s 的话音编码标准，工作范围扩展至6.4～11.8kbit/s，话音质量也在此范围内有一定的变化，但即使是⒍4kbit/s，话音质量也还不错，因而很适合在VoIP 系统中使用。G723.1 采用5.3/6.3K bit/s 双速率话音编码，其话音质量好，但是处理时延较大，它是已标准化的最低速率的话音编码算法,G711采样率为8k每秒。它利用一个 64Kbps 未压缩通道传输语音讯号,音质方面有更大的优势，但带宽也相相应占用比较大。我们现在用的网络电话APP大部分都是G729或者高清的G711编码。
下面跟大说讲下这几种编码所占带宽问题
带宽=包长度×每秒包数
=包长度×（1/打包周期）
=（Ethernet头+IP头+UDP头+RTP头+有效载荷）×（1/打包周期）
=（208bit +160bit+64bit+96bit +有效载荷）×（1/打包周期）
=（528bit+（打包周期(秒)×每秒的比特数））×（1/打包周期）
=( 528 / 打包周期 ) + 每秒比特数
按照上面的计算公式：
G711：20ms打包，带宽为 ( 528/20 + 64) Kbit/s=90.4 Kbit/s
G729：20ms打包，带宽为 ( 528/20 + 8 ) Kbit/s= 34.4 Kbit/s
G723：5.3k，30ms打包，带宽为 ( 528/30 + 5.3 ) Kbit/s=22.9 Kbit/s
如果看不懂上面的计算方法,只需记住以下结果:
G711 实际占用带宽 每线90.4kbit/s 100线并发占用 9Mbps
G729 实际占用带宽 每线34.4kbit/s 100线并发占用 3.4Mbps
G723 实际占用带宽 每线22.9kbit/s 100线并发占用 2.2Mbps
想要了解的更为详细，可以去从协议，信令，软交换，中继线路这四块业务了解，协议可以先了解SIP协议，信令可以了解G729，软交换可以了解下开源的asterisk或者freeswitch等等，中继落地，可以咨询运营商。
