目前，随着安防事业的蓬勃发展，监控行业已经遍布教育、公安、银行等领域并发挥着重大作用。与此同时，音视频压缩技术也日益成熟，高性能的音视频压缩算法使网络监控的出现成为可能。由于网络监控拥有组网灵活、维护方便、使用便捷等优势，正引领着未来监控市场的发展趋势。在网络监控系统中，音视频同步是一个关键的问题。受网络延时，拥塞等影响在客户端接收的音视频信息往往会出现“唇音不同步现象”，这将大大降低用户的体验度。当前，音视频同步算法多样，复杂且效率低，很难应用于资源有限的网络监控系统中。由于在数据传输中使用了RTP协议，如果能有效使用RTP包中的时间信息，音视频同步问题将会大大简化。本文正是根据网络监控系统这个平台在应用中遇到的音视频同步问题，提出了解决方案。整个网络监控系统包括媒体服务器，数据管理转发服务器以及客户端软件。本文根据音视频流的传输过程将其分采集、压缩、发送、接收、同步、解压、播放等模块，针对这些模块进行优化和缓存设计，并充分利用RTP协议中的时间戳，提出参考时间及音视频同步算法。本文首先介绍了音视频同步技术的研究背景和意义，并讲述了音视频流媒体的广泛应用及在网络监控系统中的价值。然后，重点研究了本文所涉及到的相关技术，包括音视频压缩编码技术，流媒体技术，实时传输协议RTP，以及几种音视频同步技术。并分析各技术的优缺点，为该系统从理论上确定了切实可行的方案。接着介绍了本文网络监控系统的软硬件环境，其软件特点基于Linux操作系统开发的，其硬件特点是基于arm+dsp结构的主芯片控制的。并针对硬件平台及当前已有的技术，通过理论验证和仿真等方法找到音视频数据发送的最佳MTU值，通过缓存的设计消除了音视频的乱序和抖动现象，最后，在direcshow的框架基础上完成音视频在PC客户端的同步播放。