随着人们对视频和音频信息的需求愈来愈强烈，追求远距离视音频的同步交互成为新的时尚。近些年来，依托计算机技术、通信技术和网络条件的发展，集音频、视频、图像、文字、数据为一体的多媒体信息，使越来越多的人开始通过互联网享受远程通讯的乐趣。它不仅缩短了时区和地域的距离，而且在远程医疗、远程教育、远程培训、远程销售、远程市场推广和金融服务业等领域的应用，将会大大提高工作效率、节省费用和节约时间。　　 而远程的视频会议可以说是上述应用的基础。本文针对企业的各分支机构在不同国家、地域举行实时视频会议，围绕构建基于IP网络的实时视频会议系统而展开研究。本文首先对基于网络的视频会议系统的现有相关技术进行了介绍。然后针对基于互联网的视频会议系统的特点，分析了其适合的技术组合，在参考国内外已有研究成果的基础上，设计了基于IP的视频会议系统，该系统可以在全球范围的互联网络上应用，满足了人们随时、随地沟通、交流的需求。　　 本文从视频会议的定义入手，依据分布式视频会议系统的功能需求，把视频会议分成两个终端，即主席终端和会员终端，每个终端即是一个多媒体PC机。本文以OSI七层模型为参考，设计了基于IP的视频会议系统的总体结构，并把整个系统分解，划分成7个功能模块，分别是人机交互界面模块、视频处理模块、音频处理模块、会议管理和控制模块、基于RTP的媒体组播/解包模块、基于RTCP的会议控制和管理信息组包/解包模块、QoS控制模块。本文对主要的各模块给出了描述，并对一些模块进行了软件设计。　　 经过对比分析，在网络层本文采用组播机制来传送多媒体数据。本文围绕组播技术，包括组播模型分类、组播机制构成、组播的协议、以及组播报文的转发机制等，对组播进行了研究。对负责音、视频信息传播的组播通信进程进行了描述，并为其进行了程序设计和编写。　　 对于视频会议系统中重要的音、视频信息的处理，包括音频和视频信息的采样与回放、压缩和解压、以及传输等环节本文描述了其处理流程，并给出了软件处理结构和机制。本文重点研究了音视频信息的同步问题，这也是视频会议系统的难点。本文提出了一种声、像同步机制，根据不同的网络状况采用相应的解决方法。网络畅通时，主要利用音、视频RTP包头的时间戳字段来解决；网络拥塞时，由QoS控制模块分析RTCP传递的报文信息，根据实时的网络状况，控制多媒体数据的发送数据量，及时有效地实现同步。　　 最后本文对所做的工作进行了总结，并对以后的工作提出了展望。