1. RTP（Realtime Transport Protocol实时传输协议）：被定义为在一对一或一对多的传输情况下工作，其目的是提供时间信息和实现流同步。RTP本身只保证实时数据的传输，并不能为按顺序传送数据包提供可靠的传送机制，也不提供流量控制或拥塞控制，它依靠RTCP提供这些服务。
2. RTCP（Realtime Transport Control Protocol实时传输控制协议）：负责管理传输质量,在当前应用进程之间交换控制信息，提供流量控制和拥塞控制服务。RTP和RTCP配合使用，能以有效的反馈和最小的开销使传输效率最佳化，故特别适合传送网上的实时数据。 3. RTP/RTCP用来传输用户媒体信息的，需要在承载中建立优先级最高QCI=1/2（其语音业务建立QCI=1，视频业务建立QCI=2），根据其低延迟要求，无线侧用户的RLC数据包采用UM模式，保障其实时性，其正确性通过HARQ来实现；
4. RTP/RTCP流建立在UDP/IP之上，当被邀请人通过各自终端设备接到邀请通知以后，就可以使用RTSP来控制特定的媒体通信。比如RTCP 控制视频/音频的播放，使用RTP协议来进行实时的数据传输，在传输过程中，RTCP负责QoS。
三、 与现有语音解决方案对比
在这里，分别用VoLTE与传统的GSM语音，OTT的VoIP语音进行对比。
3.1. VoLTE窄带与宽带语音质量对比
在3GPP LTE中，VoLTE业务编码有AMR-NB窄带和AMR-WB宽带两种编码，两种编码速率具有不同的话音质量，所以又分别称为VoLTE高清语音（或VoLTE 23.85kbps）和VoLTE标清语音（或VoLTE 12.2kbps）。
AMR-NB和AMR-WB这2种编码具有如下特点：
? 每20ms产生一个语音包，包括了RTP/UDP/RLC-Security压缩头，每160ms生成一个SID语音静默包，帧长20ms；
? 共有8个编码速率，分别为：4.75、5.15、5.9、6.7、7.4、7.95、10.2、12.2kbps； ? 采样率为8kHz。 AMR-WB编码特点为：
? 语音包和静默包产生与AMR-NB类似，20ms产生一个语音包，160ms产生一个静默包；
? 共有8个码率，分别为：6.6、8.85、12.65、14.25、15.85、18.25、19.85、23.05、23.85kbps； ? 采样率为16kHz。
可见两者显著的主要差异是采样速率不一样，窄带一个语音帧是160个点，宽带一个语音帧采样320个点。AMR NB的语音带宽范围：300－3400Hz，8KHz采样。AMR WB的语音带宽范围： 50－7000Hz，16KHz采样。用户可主观感受到话音比以前更加自然、舒适和易于分辨。
为了降低复杂度，AMR WB将位算法集中到更重要的频率区。低频带使用ACELP算法进行编码，添加几个特征来达到一个高的主观质量。线性预测（LP）
算法是在每隔20ms 的帧要进行一次线性预测算法，每5ms搜索一次自适应码本，这个过程是在12.8Kbs 速率下进行。高频带是在解码器端使用低带和随机激励的参数重建的, 目的是调整与在声音基础上的低频有关的高频带. 高频带的声频通过使用由低带LP 过滤器产生的LP 滤波器进行重建。
AMR WB与AMR NB的MUSHRA评分（multi-stimulustest with hidden reference and anchor，ITU-R recommendation BS.1534.)参考见下图。
利用传统的MOS值进行AMR-NB和AMR-WB进行对比测试，结果如下图：
5.004.504.003.503.002.502.001.501.000.500.004.324.184.164.144.284.14.254.084.054.224.053.93.853.73.63.53.6AMR-WBAMR-NB23.85, 12.223.05, 10.219.85, 7.9518.25, 7.415.85, 6.714.25, 5.912.65, 5.158.85, 4.756.6 由以上分析可见AMR-WB比AMR-NB有更高的话音质量。
3.2. VoLTE与GSM语音质量比较
现场使用POLQA SWB作为评分标准，评估GSM，VoLTE（23.85kbps）和VoLTE（12.65kbps）三种通话的语音质量。相比传统的PESQ标准，POLQA标准对宽带
适应能力更好，PESQ无法使用8Khz以上采样频率，其主要区别如下：
VoLTE MOS相比GSM有较大改善，MOS评分参见下表。
语音拨打类型 2G打2G MOS(POLQA SWB) 2.64 VoLTE（23.85kbps） 3.98 VoLTE（12.65kbps） 3.84 2G使用窄带语音AMR-NB 12.2k和EFR编码方式，使用POLQA SWB评分时会比传统PESQ评分会低，具体映射关系如下：
表从上可以看出：AMR（12.2k）/EFR POLQA评分先比PESQ评分低0.5分左右。
按照上表，将2G打2G MOS(POLQA SWB)折算为PESQ MOS分应为2.64+0.5=3.14分。分析2G MOS分值，大量2分MOS分值对应的语音编码方式为EFR，AMR 12.2k编码MOS分一般在3分左右。
POLQA SWB评分按照64Kbps采样率进行语音质量评分，评分标准比传统PESQ高。同样的2G语音POLQA评分先比PESQ评分低0.5分左右。
3.3. VoLTE与OTT语音质量比较
在这里，选择有代表性的腾讯公司的微信电话本的VoIP电话进行对比，其具有低接通时延、无通信费用（仅有流量费用）和高清晰音质等特点。
VoLTE试点区域内共有4G基站400个，主覆盖区域为D频段，覆盖良好。使用设备为ASCOM公司的TEMS16.1.3，测试手机为HTC M8t。
3.3.1. 音质对比分析
从现有的PDCP层速率和MoS进行推测，OTT语音采用的编码为skype的SILK Codec。SILK Codec是一个语音和音频编解码算法, 对于音频带宽、网络带宽和算法复杂度都具有很好的弹性，支持4种采样率：8KHz、12KHz、16KHz、24KHz；三种复杂度：低、中、高。编码码率在 6~40kbps（不同采样率具有不同的码率范围）以及还支持VAD、DTX、FEC等模块，已经在QQ，AIM，GOOGLE TALk上使用，性能在高掉包环境下优于AMR-WB。
为适应其编码方式，这里采用的打分标准使用基于48K采样的POLQA。OTT语音在好点（-88.33dbm，12.67）下，其MoS可以达到3.78，在坏点为1.93。在坏点的条件下，其时延，抖动，丢包都在急剧上涨，用户感知急剧降低。而VoLTE具备QoS保障，其MOS比较稳定，无明显波动，祥见下表。
类型 微信电话本 VoLTE SINR -0.09 0.02 物理层速PDCP速率率（下行） （下行） 50.48 15.61 36.23 10.44 传输模式 MCS 2.00 2.15 6.31 4.95 每TTI RB数 11.94 8.78 总调度RB数 910.89 227.22 TB size 668.44 590.79 为进一步对OTT语音的语音MOS值进行分析，找出其能力拐点，优化人员