VoIP通话之DTMF信号开发指南
一、前言
DTMF信号即双音频信号，最先用于程控电话交换系统来代替号盘脉冲信号，主叫用户摘机按键拨号后，电话号码所对应的DTMF信号通过电话线传到程控交换机中的DTMF接受电路，交换机中的微机识别被叫电话号码后，接通主被叫用户实现双方通话。
简单来说，DTMF信号就是在网络中传输话机按键拨号的数字。在可视对讲系统中，DTMF信号常用来控制门锁。
二、DTMF信号分类
目前传送DTMF信号有三种方式：
A.通过通信协议传输(SIP信令)
用SIP信令的INFO方法携带DTMF信号。
为带外检测方式，通过SIP信令的INFO方法携带DTMF信号。没有统一的实现标准，目前以Cisco SIPINFO为标准，通过SIPINFO包中的signal字段识别DTMF按键。注意当DTMF为“*”时不同的标准实现对应的signal=*或signal=10。SIPINFO的好处就是不影响RTP数据包的传输，但是因为SIP控制信令和媒体传输（RTP）是分开传输，很容易造成DTMF信号和媒体包不同步。
举个例子，在Voice Mail应用中，用户根据提示音输入一个DTMF信号，随后开始留言。Server是在接受到该DTMF信号后开始保存用户的留言。然而由于DTMF信号是通过SIP信令来传输的，而媒体流是通过RTP来传输的，有可能用户留言的RTP包先到，而该DTMF信号的INFO消息延迟，导致Server不保存用户的语音留言直至接受到INFO消息。
B. 通过RTP的数据内容传输（Inband）
为带内检测方式, In Band是指直接将DTMF的音频数字信号不经任何处理直接打成RTP包在IP网中传输。其中可能和用户的语音媒体流混合在一起传输。程序要获知哪个包有DTMF信号，是什么DTMF信号，必须提取RTP数据包进行频谱分析，经过频谱分析得到高频和低频的频率，然后查表得到对应的按键。在选择压缩比很高码率很低的codec，比如G.723.1和G.729A等。主要缺陷是由于网络丢包的影响，有时会造成DTMF信号丢失，而且DTMF音混合在语音包中，容易产生偏差，造成信号失真。
C. 通过rfc2833的规则和格式包传输
为带内检测方式，通过RTP传输，由特殊的rtpPayloadType即TeleponeEvent来标示RFC2833数据包。同一个DTMF按键通常会对应多个RTP包，这些RTP数据包的时间戳均相同，此可以作为识别同一个按键的判断依据，最后一包RTP数据包的end标志置1表示DTMF数据结束。另外，很多SIP UA 包括IAD都提供TeleponeEvent的设置功能如3CX Phone，Billion-IAD，ZTE-IAD等默认的TeleponeEvent都为101，但可以人为修改，这时要求在进行RFC2833 DTMF检测之前需事先获取SDP协商的TeleponeEvent参数。
三、SIP信令传输
sip信令传输方式即通过发送一条sip message给对方，对方需解析出body中的Signal字段。使用eXosip库时，可以通过eXosip_call_send_request函数发送sip message。下面是一个典型的sip info型dtmf信号：
INFO sip:[email protected]:5060 SIP/2.0
Via: SIP/2.0/UDP 10.6.120.251:5060;rport;branch=z9hG4bK1621627249
From: ;tag=1898662385
To: "102" ;tag=as71f3cca7
Call-ID: [email protected]:5060
CSeq: 3 INFO
Contact:
Content-Type: application/dtmf-relay
Max-Forwards: 70
User-Agent: eXosip/3.6.0
Content-Length: 22
Signal=#
Duration=160
四、RFC2833传输
这种类型的dtmf信号存在于RTP音频流中，所以构建它相对不容易。我们先来看下DTMF信号RTP包的组成：
首先从RTP头开始分析：
Version（版本，2bit）：此域定义了RTP的版本。此协议定义的版本是2
Padding（填充位，1bit）：如果该位置位，则该RTP包的尾部就包含附件的填充字节；
Extension（扩展位，1bit）：如果该位置位，RTP固定头部后面就跟有一个扩展头部；
Contributing source identifiers count（CSRC计数器，4bit）：含有固定头部后面跟着的CSRC的数目；
Marker（标志，1bit）：标志的解释由具体协议规定。rfc2833协议中，开始时该位要置1，结束时置0；
Payload type（负载类型， 7bit）：标识了RTP传输的负载类型。传输DTMFF信号时，该位为101；
sequence number（序列号，16bit）：每发送一个RTP数据包，序列号加1，接收端可以依次检测丢包和重建包序列。序列号的初始值是随机的；
timestamp（时间戳，32bit）：记录了该包中数据的第一个字节的采样时刻。在一次会话开始时，时间戳初始化成为一个初始值。即使在没有信号发送时，时间戳的数值也要随着时间而不断的增加。时间戳是去抖动和实现同步不可缺少的数据。
Synchronization Source identifier（同步源标识符，32bit）：同步源是指RTP包的来源。在同一个RTP会话中不能有两个相同的SSRC值。该标识符是随机选取的，RFC1889推荐了MD5随机算法。
再来看RFC2833信号：
Event ID（按键编号，8bit）：表示按下的按键编号
End of Event（结束标志位，1bit）：如果该位置位，则表示DTMF信号结束；
Reserved（预留位，1bit）：未定义；
Volume（音频音量，6bit）：表示该音频的音量大小；
Event Duration（事件持续时长，16bit）：表示按键按下事件持续的时长。
分析完RTP包每个字节的意义后，我们就可以按照协议规则进行组包了。一般一个按键事件会连续发送4个RTP包，每个包的序列号、时间戳、持续时长都会不一样。最后将代表结束的一个RTP包连续发送三次。