摘要： 本文主要说明采用RFC2833标准进行DTMF传送的方法和格式。
关键字：RFC2833,RTP，DTMF
一．IP电话传送DTMF的方式
DTMF就是双音多频，我们日常生活中拨打电话的过程中经常会用到，如拨打用户的分机号码，输入帐号和密码等。而随着IP电话的大量使用如何实现传送DTMF成为IP电话中的一个技术问题。
目前传送DTMF信号普遍有两种方式：带内传送和带外传送。
其中带外传送主要通过将DTMF消息封装到协议中进行传送，如H323协议中可以通过Q931和H245进行传送DTMF。
而带内传输主要有两种：透明传送和RFC2833方式。所谓透明传送就是将DTMF音作为语音一起打包到RTP中进行发送。由于网络丢包的影响，有时会造成DTMF信号丢失，而且DTMF音混合在语音包中，容易产生偏差，造成信号失真。所以目前普遍采用的是RFC2833方式，就是将DTMF数字按照一个的规则和格式组成一个数据包，然后封装到RTP中发送。接收端接收后进行解析，再还原成相应的DTMF信号，这种方式的优点是对丢包的容错性强以及识别差错率低。
二.RTP
在介绍RFC2833前，先来了解一下RTP（Real Time Protocal），该协议可参见RFC1889。RTP协议是IP电话中以及NGN中最经典的协议。无论采用H323，H248，MGCP还是SIP，这些都属于信令层的协议，他们之间进行互通、交换其最终目的是为了实现媒体流的收发。而所有的媒体流都是采用RTP协议，无论是视频，语音还是图象，包括本文所提到的DTMF都是建立在RTP的基础上的。
RTP协议用以传送实时数据。RTP协议通常运行在UDP层之上，二者共同完成运输层的功能。UDP提供复用及校验和服务，也就是通过分配不同的端口号传送多个RTP流。协议规定，RTP流使用偶数（2n）端口号，相应的RTCP流使用相邻的奇数（2n+1）端口号。因此，应用进程应在一对端口上接收RTP数据和RTCP控制数据，同时向另一对端口上接收RTP数据和RTCP控制数据。
RTP分组由RTP头部和净荷数据组成；RTP分组由UDP包来进行传输，通常一个UDP包仅含一个RTP分组，若采用一定的封装方法，也可以包含多个RTP分组；其中的RTP净荷就是RTP传送的语音数据。RTP分组的头部的格式如表1：
表1 RTP分组头部格式
RTP分组头部的各字段含义为：
1．V：RTP版本号。为“10”。
2．P：填充指示位。
P为“1”时表示分组结尾含有1个或多个填充字节。
3．X：扩展指示位。
X为“1”时，则表示固定头部后还有一个扩展头部，这种情况较复杂，很少使用。
4．CC：CSRC计数。
指示固定头部后的CSRC的个数
5．M：
由应用文档解释，通常不用。
6．PT：净荷类型
表示RTP分组的净荷类型。我们常用的有：
¨ “0”： G.711μ
¨ “8”： G.711A
¨ “4”： G.723.1
¨ “18”： G.729
¨ “96”：RFC2833
7．序号：
序号顾名思义就是表示RTP分组的次序。初值为随机数，每发送一个增加1。可供接收方检测分组丢失和恢复分组次序。
8．时戳：
表示RTP分组第一个字节的取样时刻。其初值为随机数，每个采用周期加1。如果每次传送20ms的数据，由于音频的采样频率为8000Hz，即每20ms有160次采样，则每传送20ms的数据，时戳增加160。
9．SSRC：同步源标识（Synchronous Source）
表示信号的同步源，其值应随机选择，以保证同一个RTP会话中任意两个同步源的SSRC标识不同。
10．CSRC：分信源标识（Contributing Source）
CSRC标识由混合器插入，其值就是组成复合信号的各个分信号的SSRC标识，用以标识各个组成分信号的信源。RTP分组的头部最多可以包含15个CSRC标识，其数目由CC字段指明。
三．RFC2833
1．标准格式
RFC2833(RTP Payload for DTMF Digits, Telephony Tones and Telephony Signals)是IETF制定的，它规定了传送DTMF数字以及其他电话音和信号的标准。
图2 RFC2833 净荷格式
图2给出RFC2833的标准格式
events: 事件号，8位，用于说明本数据包的事件。RFC2833除了传送DTMF信号外还能传送传真，调制解调器，MF信号等。本文只关注DTMF信号，有关DTMF的事件看见表2。
表2DTMF的事件
volume: 音量，6位，用于说明DTMF信号的音频功率级，范围从(0~ -63dbm)。有效的DTMF范围是从0 到-36 dBm0；低于-55 dBm0则必须丢弃。
duration：数字信号的宽度，16位，以时戳单元表示。这样，事件从RTP时间戳表示的瞬间开始，并一直持续到该参数表示的长度。事件可以已经结束也可以没有结束。以8000赫兹
取样来说，本字段最长可以表示8秒。
E：结束位,1位，若设置为1表明数据包中含有事件的结束。因此上述的duration参数即测定了事件的完整宽度。
R：本字段为以后使用而保留。发送方必须将它设为0，接收端则应忽略它。
2．举例
图3 Sniffer抓包截图
图3是采用Sniffer软件所捕获的数据包，从上面可以看到RTP数据为：80 60 03 8e 7d 8b 6a d5 5a 12 02 80 05 f0。我们将该报数据按照格式还原如表3。
表3 DTMF ‘5’的数据格式
在表3中净荷类型为96，这是RFC2833中规定的，在实际情况下可以自己定义类型，只要通信双方能够确认即可。
对于同一个DTMF信号，其时戳是相同的，这样接收方可以通过判断时戳来剔除冗余信息。
3. 安全性
参考资料：
1． RFC1889 RTP: A Transport Protocol for Real-Time Applications
2． RFC2833 RTP Payload for DTMF Digits, Telephony Tones and Telephony Signals
本文出自 51CTO.COM技术博客
