图1 VoIP系统构成

（1）终端（Terminal）
　　VoIP的终端可以有多种类型，其中包括传统的语音电话、ISDN终端、PC，也可以是集语音、数据和图象于一体的多媒体业务终端。由于不同种类的终端产生的数据源结构是不同的，要在同一个网络上传输，这就要由网关或者是通过一个适配器进行数据转换，形成统一的IP数据包。在未来，终端的发展趋势应当是标准和规格统一的，以减少数据转换带来的开销。
（2）网关(Gateway)
　　 网关负责提供IP网络和传统的PSTN接口，从而提供廉价的长途通信业务。网关可以支持多种电话线路，包括模拟电话线、数字中继线和PBX连接线路，并提供语音编码压缩、呼叫控制、信令转换、动态路由计算等功能。 当前普遍采用的网关结构如图6所示。网关由公用电话网PSTN中继接口、数字信号处理板DSP、主处理器、全局RAM、以及以太网卡等设备组成。

PSTN中继接口连接电话网，利用中继线（如El或T1）承载用户数据，主要接续呼叫信息及承载用户的语音信息。
　　DSP处理板是网关硬件结构中必不可少的设备。由于ITG要处理实时的语音信号压缩、DTMF信号的检测与产生、回波消除等工作，若所有的工作都由主机CPU来完成，则负担过重，实时性能受到影响，会造成语音质量下降，且同时通信的会话数较少，不能满足大量用户通信的要求。采用DSP的好处是所有上述工作都由DSP来实时完成，减轻了主机CPU的负担，并且DSP能同时提供多个话路，能够完成双工的操作。正是DSP的这种作用，才使得网关为普通用户提供服务成为可能。
　　快速时分复用总线（MVIP或SC总线）用于连接PSTN中继接口和DSP处理板，完成两者之间信息的快速传递。MVIP和SC都是公用总线，支持多个不同的时隙，实现同时的通信。
　　全局RAM主要用于缓存语音信息和信令报文，便于顺序重组发送方发送过来的语音信息，使得接收方能够接收到连续的报文，合成连续的语音，减少了语音抖动的现象，使接收方听到比较舒服的声音信号。
（3）、网守（Gatekeeper）（或称关守、网闸）：
　　网守是一个能够对局域网或广域网的H.323终端、网关或一些多点控制单元提供地址解析、访问控制、身份验证、安全检查、域管理、呼叫控制信令以及呼叫管理等的H.323实体，有时它也具有带宽控制和管理、路由控制和计费等功能。在一个由关守管理的域内，对所有的呼叫来说，关守不仅提供呼叫控制业务并且起到了中心控制点的作用，在许多场合下可称之为一个虚拟交换机。
　　根据业务发展的需要，VOIP的网守可分为三层，它们分别是二级网守、一级网守与顶级网守。

　　二级网守是VoIP管理层的基础，它完成用户的接入论证；在本二级网守管理范围内的地址解析，和向上级网守发起超出本二级网守管理范围的地址解析请求；实现对本网守管理范围内的资源及资源分配，管理本二级网守管理范围内网关的每一个呼叫；二级网守是VoIP网中的计费采集点。
　　 一级网守是VoIP网中管理层的中间层，它的任务是完成在本网守管理范围内的地址解析，一旦它的下层二级网守发现所要求解析的地址已超出它的范围，二级网守即向它主管一级网守发起地址解析请求，一级网守在收到二级网守解析请求后，如确定在它可以的解析范围内，它立即完成解析（如不考虑网关资源的平衡问题，一级网守直接完成地址解析功能；如要考虑网关资源平衡问题，则转发给相应二级网守，由二级网守解析后，再逐层转发，但从实际出发，网关端口的资源平衡不应由网守来处理），然后将结果回传给二级网守以完成本次地址解析。如一级网守确认该地址解析请求已超出其解析范围，则向其顶级网守发出解析请求，如果其快速存储器（cache）中存有能解析该地址的网守地址，则一级网守可向相应网守（可以是其它一级网守，也可以是其它二级网守）发出地址解析请求。
　　 顶级网守是VoIP网中管理层的最高层，它的主要作用完成本运行者中最高层地址解析，当地址在一级网守无法实现解析时，一级网守将向顶级网守发起地址解析请求，如果是同一运行者之间的地址解析，顶级网守将向发出请求的一级网守传送可以完成该次地址解析网守地址（可以是一级网守，也可以是二级网守），如果要解析地址不是同一运行者之间的地址则回传本顶级网守地址，呼叫将迂回（顶级网守）进行。顶级网守除了要实现顶级地址解析外，还要负责不同运行者之间（包括国内与国外）呼叫迂回处理，即它要具有呼叫处理和计费的能力。顶级网守向另一个运行者的顶级网守请求地址解析，另一个运行者将向发出请求的顶级网守传送可以完成该次地址解析的网守地址，从而实现地址解析过程。
　　同样，根据业务发展的需要，用户接入认证也可分为三级，二级认证中心是VoIP网中最下层的认证机构，一般来说它与二级网守配合，完成二级网守覆盖范围内的用户接入认证。接入认证分为二类，一类为储值卡用户的接入认证，这一般与发卡范围相适配，发卡机构一般拥有用户认证中心；另一类用户为主叫记费用户，二级认证中心一般与二级网守所管范围的电话用户数据库相配合，在二级认证中心完成认证的用户是本地用户；在二级认证中心无法完成认证的用户为漫游用户。一级认证中心是二级认证中心的上一级认证中心，当二级认证中心中无法完成认证的用户，则由二级认证中心向一级认证中心发起认证请求，一级认证中心管理着若干个二级认证中心，同时它也汇集这一些二级认证中心的全部用户数据，只要用户的认证范围在一级认证中心汇集用户数据范围之内，一级认证中心即可完成用户的认证。从而完成在一级网守管辖范围内的认证漫游工作。当一级认证中心也无法完成用户的接入认证时，一级认证中心将向顶级认证中心发出认证请求，顶级认证中心不象一级认证中心，它不存放用户数据，而只是存放指向其它一级认证中心的指针数据，及其它一级认证中心要求的令牌（密钥），顶级认证中心根据一级认证中心的请求确定能完成认证的另一个一级认证中心，将该地址及相应令牌（有一定有效期）发给一级认证中心，一级认证中心在获得该信息后即向另一个一级认证中心发出认证请求，从而完成认证的漫游过程。
（4）、管理服务器
　　　管理服务器是为网络管理人员提供的管理工具，可以实现对VoIP网络体系中各种组件的管理工作。网管服务器提供良好的用户界面，使网管人员可以方便地控制所有的系统组件，包括网关、关守等。网管服务器的功能包括，设备的控制及配置，数据配给，拨号方案管理及负载均衡、远程监控等。
（5）、记帐服务器
　　　记帐服务器的功能是对用户的呼叫进行费用计算，并提供相应的单据和统计报表。记帐服务器可以由VoIP的制造提供，也可以由第三方厂商制作，前提是IP制造商开放其软件的数据接口。

　　对于Internet这样的无连接数据网络是没有业务质量保障的，必然会存在分组丢失、失序到达和时延抖动的情况。这样，就必须采取特殊的步骤来保障一定的业务质量。例如，高层协议TCP提供了流控和差错恢复，但会产生显著的时延和时延抖动，因而在此环境中，TCP就不可用作第三层协议。多媒体数据传输都采用UDP传输协议。由于UDP只是提供了一个基本的传输手段，而多媒体传输应用需要多媒体编码类型、同步时标、分组序列号等参数，以及一定程度的业务质量保障，因而提出了实时传输协议RTP和实时传输控制协议TRCP。主要的技术分5类：

·信令技术：包括ITU-T H.323 和IETF会话初始化协议SIP[4]（Session Initation Protocol）两套标准体系，还涉及到进行实时同步连续媒体流传输控制的实时流协议TRSP。
·媒体编码技术：包括流行的G.723.1、G.729，G.729A话音压缩编码算法和MPEG-II多媒体压缩技术。
·媒体实时传输技术：主要采用实时传输协议RTP。
·业务质量保障技术：采用资源预留协议RSVP和用于业务质量监控的实时传输控制协议RTCP来避免网络拥塞，保障通话质量。
·网络传输技术：主要是TCP和UDP。