Internet的发展大大推动了基于IP协议的数据通信的发展,为集成语音、图像和数据的多媒体业务提供了有力的支持。H.323协议是较早出现的用于多媒体通信的信令协议,但其呼叫信令的建立受到传统电信网的封闭架构和低带宽的局限。而且,H.323协议完成多媒体通信会话的建立过程十分复杂,有些业务需要在多个协议之间交互,这样限制了多媒体业务的快速开发。因此,我们需要新的协议来改善这个局面。这个协议就是由IETF制定的会话初始协议(SIP,Session InitiationProtocol),它是对基于IP的多媒体通信系统进行控制的协议。SIP具有简单、可扩展的特性,因此通过SIP进行业务管理,可以更快速更灵活的支持多媒体业务。所以SIP在多媒体业务中的应用具有重要意义。本文设计实现了基于SIP的多媒体终端系统,该系统利用SIP协议实现了多媒体呼叫控制,同时可以利用RTP协议支持视音频双向通信。具体工作包括:首先对SIP协议及其相关技术进行深入细致的研究,接着对SIP协议的体系结构及JAIN(Java APIs for Integrated Network)SIP协议栈进行了详细的分析。在此基础上,论文提出了系统的总体设计方案,系统主要由五个模块来实现,分别是主控模块、SIP模块、视音频处理模块、即时消息模块和界面模块。各模块的功能如下:主控模块完成了整个系统的初始化工作;而其中SIP模块是整个系统的核心模块,是以JAIN SIP为基础,具体实现了SIP通信中各通信实体的基本方法,从而完成了SIP信令功能;视音频处理模块是采用Java媒体框架(JMF,Java Media Framework)来实现的,它实现了视频和音频的采集、传输和播放,其中选用了GSM编码格式的音频和H.263编码格式的视频;此外,还对该系统进行了优化和完善,加入了MESSAGE方法,使得能够在视音频通信的同时完成即时消息的交互;而且该系统具有良好的操作界面,包括用户端设置、服务器端设置和用户昵称、端口号的设置等。本系统经过在局域网上的多次测试,实现了UAC到UAS的直接通信和通过SIP服务器的通信,并通过SIPFlow协议分析软件分析出信令格式正确,而且视音频通信流畅,实现了设计时所期望实现的功能。