VoIP的基本原理是通过语音的压缩算法对语音数据编码进行压缩处理，然后把这些语音数据按 TCP/IP 标准进行打包，经过 IP 网络把数据包送至接收地，接收地再把这些语音数据包串起来，经过解压处理后，恢复成原来的语音信号，从而达到由互联网传送语音的目的。

VOIP 技术就是以Internet为传输介质进行语音传送，H.323是VOIP 技术的关键协议，是一种标准的音视频传输协议。H.323协议族规定了在IP分组交换网络上提供多媒体通信的部件、协议和规程。H.323为基于网络的通信系统定义了四个主要的组件：终端（Terminal）、网关（Gateway）、关守（Gatekeeper）、多点控制单元（MCU）。

H.323是ITU多媒体通信系列标准H.32x的一部份，该系列标准使得在现有通信网络上进行视频会议成为可能。在H.323多媒体通信系统中，控制信令和数据流的传送利用了面向连接的传输机制。

H.323是使用最为广泛的网关语音协议，被认为是一个端到端的协议。H.323协议栈是在应用层实现的，主要描述在不保障服务质量（QoS）的IP网上用于多媒体通信的终端、设备和业务。

H.323协议规定，音频和视频分组必须被封装在实时协议RTP中，并通过发送端和接收端的一个UDP的Socket对来进行承载。而实时控制协议RTCP用来评估会话和连接质量，以及在通信方之间提供反馈信息。相应的数据及其支持性的分组可以通过TCP或UDP进行操作。H.323协议还规定，所有的H.323终端都必须带一个语音编码器，最低要求是必须支持G.711建议。

H.245、H.225.0等协议为信令控制协议，G.711、G.729、G.723.1、G.723.A是音频编解码协议，H.261、H.263是视频编解码协议，T.120系列(包括T.123、T.124、T.125、T.126、T.127、T.324等协议)是多媒体数据传输协议。

RTP（实时传输协议），顾名思义它是用来提供实时传输的，因而可以看成是传输层的一个子层。RTP用来为IP网上的语音、图像、传真等多种需要实时传输的多媒体数据提供端到端的实时传输服务。RTP为Internet上端到端的实时传输提供时间信息和流同步，但并不保证服务质量，服务质量由RTCP来提供。

RTCP的主要功能是：服务质量的监视与反馈、媒体间的同步，以及多播组中成员的标识。在RTP会话期间，各参与者周期性地传送RTCP包。RTCP包中含有已发送的数据包的数量、丢失的数据包的数量等统计资料，因此，各参与者可以利用这些信息动态地改变传输速率，甚至改变有效载荷类型。RTP和RTCP配合使用，它们能以有效的反馈和最小的开销使传输效率最佳化，因而特别适合传送网上的实时数据。

简言之：

RTP（Real-Time Transfer Protocol，实时传输协议）和它的控制协议RTCP（Real-Time Transfer Control Protocol，实时传输控制协议）共同确保了语音信息传送的实时性。

RTP的功能通过RTCP获得增强，RTCP的主要作用是提供对数据分发质量的反馈信息，应用系统可利用这些信息来适应不同的网络环境。

来源：
甘刚，《网络设备配置与管理》，人民邮电出版社，p250-254
VoIP及H.323技术简介
http://www.h3c.com.cn/
http://blog.csdn.net/bripengandre/article/details/2238818