随着网络技术和多媒体技术的不断发展,以及下一代网络(NGN)概念的提出,多媒体通信业务逐渐在因特网应用中占据主导地位,其中以VoIP技术的应用尤为突出。SIP(Session Initiation Protocol)是IETF组织开发和设计的应用层会话控制协议,可以用来建立、改变和终止因特网上两个或多个参与者之间的多媒体会话。随着协议的不断完善,SIP已经广泛地应用于多媒体会议、远程教学、IP电话和多媒体分发等领域。由于具有结构简单、易于扩展等诸多优点,SIP被认为是下一代网络的核心协议,对SIP的研究和开发已成为通信和网络领域的一个热点。本文主要研究SIP在多媒体通信中的关键问题,设计并实现了Windows平台下具有音视频功能的SIP多媒体终端,搭建了一个标准的多媒体通信系统。本文详细介绍了SIP的基础知识以及相关技术,比如语法结构、呼叫流程、网络实体、认证机制、NAT/FW穿越、开源SIP协议栈等,重点研究了基于SIP的多媒体通信的相关知识,比如SIP扩展、SDP协商、音视频编解码、消息压缩等。最后本文详细阐述了SIP多媒体终端的设计思路和实现过程,特别是两大功能模块:SIP引擎和视频引擎开发中的关键技术,包括视频媒体协商、视频数据的采集、编解码、传输和显示。该多媒体终端在本地的测试环境中音视频通话表现良好,基本满足设计要求。