VoIP是利用基于路由器的IP分组交换网络实现话音通信的一项传输技术。VoIP技术的最大优势在于，IP电话采用了先进的语音编码技术只需要8kbit/s～12kbit/s的带宽，可以在比传统电路交换网络的64kbit/s小得多的带宽上传输。无线VoIP技术实现在无线通信网络，诸如WLAN和UMTS中端到端的话音在IP上传输。发展无线VoIP技术的主要目的一是为了节省带宽，提高频谱利用率；二是为了提供话音和数据统一的接口和平台。

3G系统的演进趋势之一是网络全IP化。网络全IP化主要是指核心网络和用户端的IP化，重点表现在网络结构IP化、协议IP化和业务IP化，承载、控制和业务分离，这样网络将更加灵活。由于传统话音业务的便捷，3G系统中话音业务仍然是最主要和比重最大的业务。实现用户端的IP化，不仅仅是实现用户端集成分组数据业务，更重要的一点是实现话音在无线接入上的分组交换承载。

VoIP技术从1995年开始至今，已经从最初的PCtoPC的简单话音通信发展为PCtoPhone、PhonetoPC以及PhonetoPhone的成功的商用技术。同时，数据网络容量的不断扩展也给VoIP技术在改善话音通信质量方面提供了帮助。目前在IP网络上实现实时话音业务的协议层大致相同，都是采用了IETF的实时传输和控制协议。在呼叫建立和控制方面则可以应用不同的信令协议，其中以ITU的标准协议H.323协议和IETF的会话发起协议（SIP）为代表。

VoIP协议栈的第4层选择用户数据报协议（UDP）是为了减小话音从一端到另一端的延迟，但是，UDP对数据的丢失不提供保护。UDP之上的实时传输和控制协议提供话音编码数据包发送端的应用层信息。RTP数据包头提供的信息包含话音编码方案、序列号、话音的抽样信息和对话音数据包的识别信息等。RTCP是一个信令协议，它包括在会话的用户之间交互的一些信息，提供关于会话质量的反馈，如丢失的RTP数据包、延迟和输入时间间隔的抖动等。

H.323是ITU的一个标准协议簇，包括了在无服务质量保证的分组网络中实现实时的交互的如视频会议、数据共享和IP电话等多媒体通信所需的技术要求。H.323提供了数据包网络多媒体通信的系统及组成部分描述、呼叫方式描述以及呼叫信令程序。虽然H.323相对复杂，在呼叫控制上非常繁琐，但它仍然是目前最广泛的VoIP信令系统。

SIP不像H.323那样提供所有的多媒体通信协议，它只提供与呼叫的建立、控制功能相关的协议。SIP比H.323更加灵活简单，而且易于实现，有希望成为H.323的有效替代，并且SIP是3GPPrelease5版本中唯一的呼叫控制协议。

由于UDP和RTP/RTCP都不能提供任何VoIP的业务质量保证，提供高质量业务的一个方法是保证有足够的带宽用于数据包的传递。资源预留协议（RSVP）用于向数据流向的沿路所有节点发送QoS请求，使得任何参与会话的节点都预留了资源，以建立和维护所需的数据转发路由。RSVP是一种近似于电路交换的方案，为VoIP提供了强大的QoS保证。