Asterisk项目中DTMF负载类型错误问题的分析与修复
2025-06-30 07:58:33作者:贡沫苏Truman
问题背景
在Asterisk VoIP系统中,当处理桥接呼叫时,DTMF(双音多频)信号的传输出现了一个关键问题。具体表现为:当呼叫双方协商DTMF负载类型时,系统未能正确使用协商一致的负载类型,而是错误地使用了未被接受的负载类型。
技术细节
在SIP协议中,DTMF信号可以通过两种方式传输:
- 带内传输:直接将音频信号编码到RTP流中
- 带外传输:使用专门的telephone-event负载类型(RFC 2833)
在本案例中,问题出现在带外传输方式上。呼叫方A在SDP(会话描述协议)中提供了两种telephone-event负载类型:
- telephone-event/16000(负载类型100)
- telephone-event/8000(负载类型101)
而被叫方B只接受了8000Hz采样率的telephone-event(负载类型101)。按照标准协议,双方最终协商的结果应该是使用负载类型101进行DTMF传输。
问题现象
尽管协商结果明确指定了使用负载类型101,但实际传输中Asterisk却错误地使用了负载类型100来发送DTMF事件。这会导致以下问题:
- 对端设备可能无法识别DTMF信号
- 可能触发对端设备的错误处理机制
- 影响呼叫的交互功能
问题根源
通过分析代码提交记录,这个问题源于Asterisk的RTP处理模块(res_rtp_asterisk.c)。在桥接呼叫时,系统未能正确处理双方协商后的DTMF负载类型,而是简单地使用了第一个可用的telephone-event负载类型。
解决方案
修复方案需要确保:
- 在SDP协商阶段正确记录双方都接受的DTMF负载类型
- 在RTP传输阶段严格使用协商一致的负载类型
- 对于桥接呼叫,需要分别维护两端的DTMF负载类型映射
影响范围
该问题影响所有基于Asterisk的VoIP系统,特别是:
- 跨不同采样率设备间的呼叫
- 使用多种编码方式的复杂呼叫场景
- 需要精确DTMF识别的应用(如IVR系统)
最佳实践建议
为避免类似问题,建议:
- 在SDP协商阶段明确指定优先的DTMF负载类型
- 定期更新到Asterisk的最新稳定版本
- 在复杂网络环境中进行充分的DTMF测试
- 考虑使用SIP INFO作为DTMF传输的备选方案
总结
DTMF传输是VoIP系统中的基础功能,其可靠性直接影响用户体验。Asterisk团队通过这次修复,进一步提高了系统在不同网络环境下的兼容性和稳定性。对于系统管理员而言,及时应用这类基础功能的修复补丁至关重要。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0197
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0126
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python06
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
暂无描述
Dockerfile
766
5.01 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
863
1.96 K
Ascend Extension for PyTorch
Python
722
894
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
689
1.35 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
458
453
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
265
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
250
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.01 K
627
Oohos_react_native
React Native鸿蒙化仓库
C++
357
425