VoIP是一种新的快速发展的语音传输技术，其最大优势是能够利用分布广泛的IP互联网作为信息传送平台，并具有价格低、应用形式多样等优点，打破了电信对语音业务的长期垄断，进一步证明IP分组数据网不仅可以传送数据业务，也可以传送语音和视频等实时业务。然而由于IP分组网络设计的初衷主要是用于传输文字、图形等数据型业务，而在传送语音、视频等实时媒体时则显得力不从心，如何在因特网上高质量地传输实时语音业务，已成为VoIP的关键问题之一。语音信号若要实现在IP网络中的传输，首先需要以固定的间隔对其采样，将模拟语音数字化，组装成IP语音分组，将其通过IP网络发送到目的方，并在接收方将口分组还原成模拟信号。为了保证语音传输质量，需要将传输时延控制在一定范围内，一般需要小于200ms；传输时延的变化或抖动需要通过缓存机制进行消除；一般语音传输容许一定的分组丢失率或误码率。本文结合所参与的课题“基于Linux的IP智能终端的开发”，从实时语音传输所涉及到的时延、抖动、丢包等问题出发，提出了改进语音质量的措施与算法，并在此基础上设计实现了基于Linux和RTP协议的实时语音多方通信系统。文章首先说明了实时语音通信的背景与现状，针对实时语音传输的特点以及TCP／UDP协议在传输语音业务方面存在的不足，指出引入RTP协议的必要性；接着详细地介绍了实时传输协议RTP／RTCP运行机制；之后介绍了Linux平台下基于RTP协议的实时语音传输系统的软件实现，对涉及的协议、语音数据处理以及缓存管理等内容进行了详细的分析与设计，并采用多线程技术、抖动缓存技术以及UDP传输技术实现语音通信系统；通过实际测试，证明此VoIP软件系统设计正确，性能良好。最后，论文探讨了RTP协议的QoS保障机制及其在大规模应用下的可扩展性等问题。