Internet承载的多方实时通信服务和相关技术是目前工业界和学术界关注的热点话题，H.323和会话初始化协议(SIP)是其中两个关键的信令协议。会话初始化协议由于其灵活性、可扩展性以及广阔的应用前景而成为近几年来通信和网络界的一个研究热点。SIP协议最主要的功能是为Internet实时、交互式多媒体会话提供信令控制，但是，由于一些问题的存在，直接影响了基于SIP的多方实时通信系统的广泛应用和进一步发展。这些问题集中表现在：在服务质量方面，Internet的“尽力服务”的特点，不能保证用户获得满意的通信质量；在系统应用方面，SIP协议基于分布式思想，协议本身没有提供可控制、可管理的组件，在一定程度上影响了基于SIP的实时通信系统的大规模部署；对Internet通信服务提供商和开发者，目前尚缺乏一种透明的实时通信系统的API平台，为多种实时应用提供统一、透明的接口等。 本文围绕基于SIP实现Internet多方实时通信API平台、实时通信系统以及提升系统性能等方面进行研究。具体研究内容包括： 首先，多方实时通信系统的网络行为分析研究。运行在“尽力服务”的Internet之上的多方实时通信如何获得满意的服务质量是一个挑战，而多方实时通信的行为分析是研究多方实时通信系统服务质量的基础。本文以CERNET承载的语音通信系统为研究对象，围绕丢包、延时、抖动这三种对用户可感知服务质量影响最大的因素，分别采用相应的模型或衡量指标进行分析。同时，给出了Internet多方实时通信的简单通信模型。 其次，以语音服务质量为例，研究基于端到端的算法提高多方实时通信系统的服务质量。借鉴目前IP语音通信领域的研究成果，并在分析突发丢包和突发延迟对服务质量的影响以及丢包依赖、延时依赖关系分析的基础上，提出了一种适用于多方实时通信的最佳用户语音感受自适应播放延迟算法和一种增强序列的自适应FEC扩展算法，以使系统获得更好的语音服务质量。 第三，基于SIP的会议模型及旨在提高服务器性能的混音策略研究。SIP协议中本身没有定义多方通信模型或者会议模型，研究者陆续提出了一些SIP会议模型，本文对这些会议模型进行了分析和比较。在此基础上，针对本文实现的基于SIP的IP多方电话会议系统，提出了旨在提高混音服务器混音性能和降低混音延时的混音策略，并分析了混音策略对系统性能的影响。 第四，实现了一个基于SIP的多方实时通信服务的基础设施平台(TAURUS)。TAURUS屏蔽了多方实时通信系统中底层信令和媒体交互的细节，向应用提供透明的接口，并以API函数的形式接受应用程序调用。借助这套基础设施平台，可以很方便的开发基于SIP的多方实时通信系统，尤其是多方语音通信系统。 第五，基于TAURUS实现了一种多方实时通信服务的具体实例：基于SIP的IP电话会议系统，并对真实系统运行进行了测试。通过策略部署和逻辑部件的开发，实现了系统可控和可管理的特性。同时，系统为系统管理员、用户提供WEB接口，增强了系统的可操作性。作为对TAURUS平台通用性和灵活性的证明，除了基于SIP的IP电话会议系统之外，本文还指出，可以基于TAURUS实现了多种其它应用系统，如语音消息系统、在线游戏的语音通信平台等。 综上所述，本文的创新点包括：第一，在多方实时通信领域，提出了一种最佳用户语音感受的自适应播放延迟算法； 第二，在多方实时通信领域，提出了一种考虑丢包依赖的增强序列的自适应FEC算法； 第三，提出了多方实时通信中提高混音服务器性能的混音策略； 第四，研究并实现了一种基于SIP的多方实时通信系统的基础设施平台TAURUS，并使用实际的系统进行验证。 本论文工作得到国家教育部高等学校博士学科点专项科研基金资助(项目编号：20040001050，项目名称：基于SIP软交换的实时通信系统及其关键技术)。