多媒体服务的协议栈如下，RTP和RTCP属于传输层。
RTP（Real-time Transport Protocol，实时传输协议）只负责实时数据的传输，RTCP（Real-time Transport Control Protocol，即实时传输控制协议）负责对RTP的通讯和会话进行带外管理（如流量控制、拥塞控制、会话源管理等）。
协议格式RTP固定头部格式，来源字段：
V：RTP版本，目前为2。
P：代表当前RTP包中是否有填充数据。
X：该bit置1表示包含头部扩展，置0表示不包含。
CSRC count (CC)：固定头部后CSRC标志符的个数。比如说多人音视频会议，接收到两个人的音频数据，RTP包中就包含两个人的音频的数据。
M：比如视频帧被分为多个包，最后一个包标识M位。
payload type (PT)：流媒体中一般用来区分音频或者视频。
类型参考这里 https://www.iana.org/assignments/rtp-parameters/rtp-parameters.xhtml，https://chromium.googlesource.com/external/webrtc/+/master/pc/g3doc/rtp.md
一般音频在[35,63]，视频 [96,127]。
Sequence Num：发送RTP报文的序列号，接收端用于检测丢包或者重新排序接收到的包。
timeStamp：该数据包中第一个字节的采样时间，比如说一帧视频拆分成的包时间戳是一样的。
SSRC：同步源标识，即RTP包的来源，比如视频来源可能来源于摄像头采集和屏幕录屏，因此有两个ssrc。
CSRC列表：最多15个，由CC决定。混合器将有贡献的SSRC标识插入表中。例如不同的SSRC的音频包混合在一起，混合器将所有有贡献的SSRC标识列出，以便接收端能正确指出交谈双方的身份。
modules tp_rtcpsource tp_packet.cc中实现。
RTP扩展如果固定头部的X置1，则CSRC列表之后存在可变长头部扩展信息。
defined by profile：表示使用一字节头部扩展（ID占4bit，最多表示16种）还是两字节扩展（ID占8bit，最多表示225中）。接收端通过这个字段决定如何解析扩展头。
length：表示头部扩展（header extension）的长度length*4字节；
header extension：扩展头要保持4字节对齐，需要使用padding补齐，并计入length。
例如下边使用的两字节头部扩展，length为3，后面跟着3*4字节长度扩展，对于第一个header extension：L=0，数据长度为0，对于第二个header extension：L=1，data长度为1，接着是填充数据，对于第三个header extension：L=4，后面跟着4字节长度数据。
webrtc中代码实现头部实现rtp_packet.h定义了RTP包，class RtpPacket；提供了解析RTP头部字段信息解析parser、头部字段信息设置set、开辟/释放内存buffer 等处理方法。
头部扩展添加rtp_rtcp_defines.h 中指定了rtp的扩展字段的扩展类型。如果需要根据自己应用场景添加字段的话，也是增加一个ID以及相应内容字段。
rtp_header_extension_map.h 管理所有的头部扩展字段；ids_[kRtpExtensionNumberOfExtensions]，数组记录RTPExtensionType和id的映射关系。提供注册RTPExtensionType的方法。
rtp_header_extensions.h 定义所有的头部扩展字段；例如 class TransportSequenceNumber；包含RTPExtensionType、kValueSizeBytes、uri等。
比如在发送音频包的时候，添加TransportSequenceNumber头部扩展字段，在RTP包分配一段内存给TransportSequenceNumber字段。
在发送PacketRouter::SendPacket包的时候设置具体的seq值给该扩展字段。