【转】RTP学习笔记

转自：https://www.cnblogs.com/yoyotl/p/5650101.html

一、定义

实时传输协议（Real- time Transport Protocol，RTP）是在Internet上处理多媒体数据流的一种网络协议，利用它能够在一对一（unicast，单播）或者一对多 （multicast，多播）的网络环境中实现传流媒体数据的实时传输。

RTP通常使用UDP来进行多媒体数据的传输，但如果需要的话可以使用TCP或者ATM等其它协议。

二、协议格式

    0               1               2               3              4
    0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
   +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
   |V=2|P|X|  CC   |M|     PT      |       sequence number         |
   +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
   |                           timestamp                           |
   +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
   |                synchronization source (SSRC)                  |   
   +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
   |                 contributing source (CSRC)                    | 
   +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+

三、字段解析

 1 V：RTP协议的版本号，占2位，当前协议版本号为2。
 2
 3 P：填充标志，占1位，如果P=1，则在该报文的尾部填充一个或多个额外的八位组，它们不是有效载荷的一部分。
 4
 5 X：扩展标志，占1位，如果X=1，则在RTP报头后跟有一个扩展报头。
 6
 7 CC：CSRC计数器，占4位，指示CSRC 标识符的个数。
 8
 9 M: 标记，占1位，不同的有效载荷有不同的含义，对于视频，标记一帧的结束；对于音频，标记会话的开始。
10
11 PT: 有效载荷类型，占7位，用于说明RTP报文中有效载荷的类型，如GSM音频、H264视频等,在流媒体中大部分是用来区分音频流和视频流的，这样便于客户端进行解析。
12
13 sequence number（序列号）：占16位，用于标识发送者所发送的RTP报文的序列号，每发送一个报文，序列号增1。这个字段当下层的承载协议用UDP的时候，网络状况不好的时候可以用来检查丢包。同时出现网络抖动的情况可以用来对数据进行重新排序。
14
15 timestamp（时间戳）：占32位，时戳反映了该RTP报文的第一个八位组的采样时刻。接收者使用时戳来计算延迟和延迟抖动，并进行同步控制。
16
17 SSRC（同步信源）：占32位，用于标识同步信源。
   RTP包流的源，用RTP报头中32位数值的SSRC标识符进行标识，使其不依赖于网络地址。一个同步源的所有包构成了相同计时和序列号空间的一部分，这样接收方就可以把一个同步源的包放在一起，来进行重放。
   举些同步源的例子，像来自同一信号源的包流的发送方，如麦克风、摄影机、RTP混频器就是同步源。一个同步源可能随着时间变化而改变其数据格式，如音频编码。
   SSRC标识符是一个随机选取的值，它在特定的RTP会话中是全局唯一的。
   如果参与者在一个RTP会话中生成了多个流，例如来自多个摄影机，则每个摄影机都必须标识成单独的同步源。
   该标识符是随机选择的，参加同一视频会议的两个同步信源不能有相同的SSRC。
19 CSRC（作用信源）：占32位，可以包含0～15个作用信源信息。
   若一个RTP包流的源，对由RTP混频器生成的组合流起了作用，则它就是一个作用源。对特定包的生成起作用的源，其SSRC标识符组成的列表，被混频器插入到包的RTP报头中。这个列表叫做CSRC表。
   相关应用的例子如：在音频会议中，混频器向所有的说话人（talker)指出，谁的话语（speech)将被组合到即将发出的包中，即便所有的包都包含在同一个（混频器的）SSRC标识符中，也可让听者（接收者）可以清楚谁是当前说话人。 
   每个CSRC标识了包含在该RTP报文有效载荷中的所有作用信源。

四、实例参考

16进制码流实例

1 80 00 1e e2 12 e9 c2 4d 0b a9 e9 05 ff ff ff ...

连续的ffff开始往后是Payload负载，不做分析。

1. 80 二进制 1000 0000

可以得出 V=2，P=0，X=0，CC=0

2. 00 二进制 0000 0000

可以得出 M=1，PT=0（PCMU）

3. 1e e2 二进制 00011110 11100010

可以得出 sequence number=7906

4. 12 e9 c2 4d 二进制 00010010 11101001 11000010 01001101

可以得出 timestamp=317309517

5. 0b a9 e9 05

可以得出SSRC=0x0ba9e905