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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217