下一代网络的主要传输对象之一是实时流媒体数据,对人们的工作和生活都有着非常深远的影响。通常情况下,由于UDP协议系统开销小,传输实时性强的特点,语音数据等实时流媒体数据一般采用UDP协议作为其传输承载协议。但是,在当前的网络环境下,防火墙等网络实体普遍存在,出于安全考虑防火墙往往会关闭UDP端口,阻止UDP流的通过,造成了以UDP协议作为承载的语音数据无法很好的通过防火墙,使得VoIP系统的通话无法正常进行,因此必须使用防火墙乐于接受的TCP协议作为语音数据的承载。本文致力于设计并实现一种使用TCP协议传输语音的方案。该方案以减少发生数据丢包时TCP协议接收方的等待时延为切入点,对TCP协议的传输策略进行优化,提供一种乱序TCP的传输策略,使得应用层可以读取到TCP协议栈缓冲在乱序队列中的乱序数据,无需保证数据传输的有序；另外,提出一种数据边界自识别的方法,利用一致开销字节填充算法对数据进行编码,并添加边界标记字符实现在网络有丢包的场景下,也能对面向字节流传输的数据的边界做出准确的识别,避免乱序TCP传输过程中的粘包问题。为了实现这一方案,本文首先调研了VoIP系统和SIP协议的背景知识,然后对系统方案的需求进行了梳理,对系统的功能性需求和非功能性需求做了详细的归纳和总结。以此为基础,设计了系统的总体架构,并针对各个功能模块进行了详细的设计,重点研究了TCP乱序传输策略优化和边界识别方案,然后使用编程语言对系统予以编程实现。最后,在实验环境下对系统进行了测试。测试结果表明本系统方案能有效的减少TCP传输语音数据过程中数据端到端的时延,改善其传输实时语音数据的效果,不仅能够实现穿越防火墙的初衷,还能在网络有丢包环境下也能保持较好通话效果,符合整个系统设计的预期。