近几年来，随着计算机技术、通信技术和互联网技术的飞速发展，视频会议的应用范围正逐渐从传统的专业领域、大型企业等高端用户向中小企业等普通用户和个人用户拓展。据有关机构的分析结果显示，2004年我国视频会议市场的规模已经达到18.7亿元，并以每年26%的速度递增，市场前景十分广阔。
本文主要介绍了一种基于SIP的集中式视频会议模型，并根据此模型设计了初步的实现方案，分析了此方案的工作原理。目前，IETF领导的对SIP会议模型的研究还处于草案阶段，并没有成为标准，因此，对SIP会议框架及其实现技术的研究具有一定的理论和实践意义。
1 视频会议系统的主流技术标准
目前，视频会议系统的主流技术标准有2个，H.323和SIP[1]。前者是由ITU-TSG16定义，包括H.225呼叫控制信令和RAS信令、H.245媒体控制信令和H.450补充业务信令规范；后者由IETFMMUSIC工作组定义，包括SDP媒体描述规范。
H.323系统沿用传统电信网的设计理念，兼顾传统PSTN呼叫流程和IP网特点而发展成熟，吸取了许多电信网的组网、互联和运营经验，能与PSTN网、窄带视频业务以及其他数据业务和应用网互联互通，近年来得到了广泛的应用，尤其是在组建VoIP大网方面凸现了其技术优势。H.323协议范围广，涵盖了各种独立设备、个人计算机技术以及点对点和点对多点的视频会议，该协议解决了视频会议中呼叫与会话控制、多媒体与带宽管理等许多问题。也正是因为H.323系统在设计的时候考虑的问题太多，整个体系结构显得庞大且较为复杂，限制了其在中小企业的部署。
SIP是用来建立、修改和终结多媒体会话的应用层控制协议，主要完成用户定位、用户能力交换、呼叫建立、呼叫处理等功能。它继承了互联网协议的设计理念，与H.323协议相比，具有简单灵活、扩展方便的特点，可方便地与其他互联网协议结合提供丰富的IP多媒体业务，以便在各种网络环境下部署。
目前，大规模商用VoIP网络和会议系统都采用H.323标准，但随着VoIP技术的进一步发展和视频会议系统应用的逐渐普及，SIP协议正日益受到业界的重视。3GPP已经确定将SIP协议作为第三代移动通信全IP网络的控制协议，制订了基于SIP的IP多媒体子系统（IMS）。业界也已经确定将SIP作为下一代网络（NGN）的核心控制协议。与此同时，SIP协议及其应用的标准化工作也在积极的进行之中，这其中就包括由IETFSIPPING工作组领导的集中式多媒体会议的标准化工作和XCON工作组领导的会场控制和CPCP（ConferencePolicyControl Protocol）的标准化工作。随着这些标准的制订，基于SIP的视频会议系统必将获得越来越广泛的应用。
2 集中式会议系统模型
下面介绍一种基于SIP的集中式会议模型。所谓集中式是指该模型相对于多播会议、全分布式会议等会议模型而言，具有信令集中控制、媒体集中处理的特点。该会议模型也是应用最广泛的一种情形。集中式会议模型的结构图[2]如图1所示。
该模型主要包括与会者（Participant）、会议控制中心（Focus）、会议策略服务器（CPS）、会议策略（CP）、会议通告服务（CNS）、媒体混合服务器（Mixer）等逻辑功能模块。其中，Focus、CPS、CNS、CP和Mixer构成会议服务器，完成多媒体会议的核心功能。此会议模型中各模块功能如下。
a）会议的控制中心：会议的控制中心与每个与会者之间存在SIP对话联系。它一方面根据会议成员策略管理整个会议，如会议接入控制、与会人员管理等，另一方面它又根据会议媒体策略，对媒体混合服务器进行控制，保证每个与会者能够接收到会议的媒体流。
每一个会议控制中心都有一个会议URI与其相对应，此URI在全局范围内是惟一的。当用户需要加入会议时，需向相应会议URI发送INVITE请求。
b）与会者：与会者是指会议中和会议控制中心维持SIP对话的SIP用户代理。此用户代理可以是PC应用程序、SIP电话或者是PSTN网关，也可以是其他会议控制中心。当与会者是其他会议的会议控制中心时，会议的拓扑结构是分级的，这种会议结构具有良好的可扩展性，所有区域性的子会议有单独的会议控制中心，这些会议控制中心再连接到主会议的会议控制中心上，进行分级控制和管理。
c）CPS：CPS是系统的逻辑功能模块，用来存储和操作会议策略，为用户和支配会议操作的会议策略之间提供接口。用户可以使用non-SIP方法和CPS交互，完成会议策略的制定、修改等操作。
d）CP：会议策略包含了支配会议控制中心进行会议操作的规则，一个会议对应一个会议策略，包括会议成员策略和会议媒体策略。会议成员策略主要用于会议成员的管理，包括用户接入控制、用户权限管理等。会议媒体策略用于会议媒体混合及分发的控制，包括媒体混合策略、同步策略、媒体分发策略等。用户可以通过Web方式或其他non-SIP方式对会议策略进行维护。
e）CNS：会议控制中心可以提供CNS功能，工作机制由RFC3265[4]定义，主要完成向与会人员通知相应的会议事件和会议状态。与会者在加入会议后可向会议控制中心发送SUBSCRIBE请求，订阅会议事件和状态通知服务。会议通知服务器将通过NOTIFY消息定时向与会者通告预定的会议事件和会议状态。例如，用户可以预定会议成员的在席信息，当有与会者加入或退出会议时，会议通知服务器将向该用户发送会议成员变更的情况。
f）媒体混合服务器：媒体混合服务器负责完成会议媒体的混合和分发，接收者可以是会议的与会者或其他的媒体混合服务器。媒体流的混合处理由会议控制中心根据媒体策略进行直接或间接控制，处理过程因媒体流类型的不同而不同。
3 视频会议系统结构设计
根据前面介绍的会议模型以及多媒体会议的一般功能要求[3]，我们设计了一个视频会议系统的实现方案，系统结构如图2所示。
该系统由多媒体会议终端、会议管理服务器、会议控制服务器、媒体服务器和系统数据库5部分构成。呼叫服务器（CS）是SIPProxy服务器，负责SIP消息的转发，并集成了注册服务器的功能。
