随着因特网技术、分组交换技术和音视频压缩技术的发展，两大网络即语音网络和数据网络出现了融合的趋势，便产生了VoIP网络电话。现在，VoIP已经占有相当比重的市场份额，成为当今电信业和计算机业最热门的话题之～。SIP协议以其灵活性、简单性和易扩展性的特点成为VoIP技术中最重要的控制信令协议之一，并且成为下一代网络技术(NGN)和3G技术中的核心协议。 本文设计实现了基于SIP的IP视频电话终端系统，该系统利用SIP协议实现呼叫控制，同时利用RTP协议支持音视频的双向通信。首先从IP电话的发展现状和发展趋势入手，研究了VoIP的相关技术，并着重对SIP协议的体系结构、SIP消息和SDP协议、SIP事务及状态机，以及SIP会话过程进行详细分析。在此基础上，论文提出了IP视频电话终端系统的总体设计方案，系统主要由七个模块来实现，分别是主控模块、SIP信令处理模块、NAT穿透模块、音频处理模块、视频处理模块、实时传输模块和网络传输模块。主控模块完成整个系统的初始化工作；SIP信令处理模块是整个系统的核心模块，是以SIP开源协议栈oSIP为基础，并通过对协议栈上层UA外围框架的设计实现了SIP信令功能；NAT穿透模块嵌入到SIP用户代理，采用STUN协议和端口探测的方法，使系统可以穿透大部分对称NAT和全部其他类型的NAT；音频处理模块和视频处理模块采用Windows自带的多媒体开发包来实现，它们实现了音视频数据的采集、传输和播放，其中选用了G729A编码格式的音频和H．263编码格式的视频；实时传模块采用RTP/RTCP协议，在开源协议栈JRTPLIB的基础上实现；讨论了如何对基于RTP协议封装的音视频流媒体数据进行处理，以较好的解决视频流和音频流在实时交互的过程中的丢包、失序、以及音频和视频不同步的问题。网络传输模块采用UDP作为网络传输的承载协议。最后，本文对系统进行了测试和分析。