关于5G VoNR语音演进方向的研究

李佳 刘赢 康铁 胡翔

【摘要】随着通信技术的快速发展，自上世纪90年代末以来，移动通讯网络从2G逐渐发展到5G网络。每一次通信技术升级换代都给社会发展带来巨大推动。特别是通信网络技术中的基础语音业务，对普通群众的生活有着深刻影响。随着用户数据业务在5G网络快速部署，也推动着业界思考基于5G网络的语音解决方案，让5G网络语音服务更加完善。本文概述了5G语音的解决方案和发展方向，探讨了不同建设时期5G语音的建议方案和VoNR语音质量提升方向。

【关键词】VoNR 5G语音;EPS Fallbck

中图分类号：TN94                    文献标识码：A                    DOI：10.12246/j.issn.1673-0348.2021.22.056

2019年6月，工信部正式向中国电信、中国移动、中国联通、中国广电发放5G商用牌照。我国正式进入5G商用元年。5G具有高速度、低时延、高可靠等特点，是新一代信息技术的发展方向和数字经济的重要基础。

从4G网络开始，语音实现方案从2G/3G网络的CS电路域语音转向基于IMS（IP multimedia subsystem）网络承载实现的语音业务方案，主要采用VoLTE（Voice over LTE）语音和CSFB（CS FallBack）两种方案来支持语音业务。随着5G开展大规模建设，各运营商进入5G时代，5G语音方案设计总体延续了4G基于IP网络承载语音业务的方式，根据3GPP标准化组织发布的R15版本规范，5G网络开始支持VoNR（Voice over New Radio）技术，R16版本持续增强。

考虑到5G不同阶段部署，组网方案和规模不同，而4G网络已经广泛部署并将作为5G网络的补充长期存在，需结合网络的实际情况考虑5G语音方案选择，以及语音质量提升方向。

1. 5G语音方案介绍

3GPP标准化组织已经明确5G用户基于IMS网络提供语音业务，5G作为IMS语音业务的一种IP接入，连续性性能指标与VoLTE保持一致（300ms）。5G语音业务需要提供5G与4G间的双向语音业务连续性，但R15阶段暂不提供与2G/3G语音的互操作，即意味着5G-SA网络无法与2G/3G网络互操作。针对5G网络，3GPP R15提出了两个新的语音解决方案：VoNR和EPS Fallback。

1.1 EPS FallBack方案和技术介绍

采用EPS Fallback方案时，当5G终端已经完成IMS注册，在发起语音呼叫过程中发现不支持VoNR，则由网络侧发起EPS Fallback流程，重定向到4G网络或切换至连接在5GC的E-UTRA。如果核心网AMF指示EPS Fallback重定向不可行，则无法完成上述回落流程。回落过程NR使用切换流程还是系统内重定向流程取决于终端支持情况。

EPS Fallbck使终端通过PSHO or Redirection（携带目标频点）的方式回落到4G网络，建立VoLTE业务提供语音服务。基于PSHO方式的EPS Fallback回落，终端的语音业务与数据业务一起切换至4G网络，语音建立时延与数据业务中断时延相对较短。基于Redirection方式的EPS Fallback回落，終端回落后需要读取4G侧系统消息，然后再建立VoLTE业务;并且如果在EPS Fallback之前有数据业务，也需要在4G网络重新建立承载以恢复数据业务;当前推荐PSHO与Redirection方式的EPS Fallback流程同时部署，以兼容不同的终端能力与核心网能力。

1.2 VoNR技术介绍

VoNR即Voice over NR，指语音承载在5G NR上，终端也驻留5G NR;即数据和语音业务都承载在5G网络上。

当用户从5G移动到4G时，基于PSHO方式5G到4G互操作，终端的语音业务与数据业务（如果存在）一起切换至4G网络，语音建立时延与数据业务中断时延相对较短;当用户从5G移动到4G时，基于Redirection方式的互操作，终端回落到4G网络之后需要读取4G侧系统消息，然后再建立VOLTE业务;也需要在4G网络重新建立承载以恢复数据业务。

2. 5G语音方案分析

2.1 不同发展阶段语音解决方案的选择

NSA（非独立组网）组网下的5G语音解决方案采用与4G一样的语音解决方案，即当4G网络支持VoLTE业务时，5G终端在4G网络中直接基于VoLTE网络进行语音业务。SA（独立）组网下的5G语音解决方案有VoNR或EPS Fallback。由于运营商考虑到SA部署初期的覆盖情况和业务量以及终端成熟度等约束，基本会选择EPS Fallback作为过渡方案，将VoNR作为5G语音的最终方案。值得注意的是VoNR的PSHO切换和EPS Fallback都涉及4/5G互操作，差异如下。

VoNR“PSHO切换”：用户在拨打或接听语音电话时，优先基于5G网络进行VoNR业务，只有在进入到NR覆盖效果较差或无法覆盖的场景下，才需要进行PSHO切换。PSHO切换不需要中断RRC连接（基于RRC重配置），属于无缝切换，因此基本不影响用户感知。

EPS Fallback：用户在拨打或接听语音电话时，在建立通话之前就必须从5G网络通过PSHO切换或重定向回落至4G网络进行VoLTE语音业务。目前一般采用PSHO切换和重定向同时部署的方式，而重定向方式下会中断RRC连接，整体回落时间相对较长。不管采用哪种方式，EPS Fallback的接入时延都比VoNR更长一些，在业务感知方面稍差一些。

2.2 从指标分析对比语音解决方案

接入时长对比：VoNR接入时长为1.5到2秒，EPS Fallback接入时长为3到4秒;

呼叫时延对比：看EPS FB存在NR-LTE的回落过程中，呼叫建立时延较大，VoNR相比EPS Fallback，省去NR-LTE的回落，单侧呼叫建立时延可节省1s左右;

语音质量对比：若终端和网络侧都支持EVS，语音质量差异不大;

业务连续性上对比：EPS Fallback是终端从5G回落到4G执行语音的解决方案。因此通话期间，终端在4G实现数据业务;4G网络的通话可通过SRVCC切换到2/3G网络。VoNR可通过4G-5G互操作实现VoNR-VoLTE间的业务连续性，但现阶段无法实现5G-SA网络与2G/3G网络的互操作。

综上，5G用户的语音解决方案选择是一件系统性的工作，要结合多方面因素综合考量;但总体的演进路线是明确的，最终5G用户都会过渡到VoNR技术。

3. 不同编码形式对VoNR语音质量的影响

语音编码的目的是为了高效远距离语音通信，因此语音编码速率越高，语音通信过程中的听觉体验越好。随着语音编解码处理器算法能力的提升现已逐步向宽带编解码发展。随着技术演进和人们对语音质量的高要求，窄带和宽带语音编解码已逐步被超宽带和全带的语音编解码所替代。

3.1 EVS编码助力5G超高清语音质量提升

EVS（Enhance Voice Services）于2014年9月在3GPP通过标准化评估，但对于4G而言，由于推出时间较晚，4G产业链成熟度不足，仅少数的几款终端支持EVS，因此未能大规模商用。基于EVS不仅仅使能高清语音，更可以有效提升覆盖，因此在通信运营商及通信设备商的联合推动下，最终将EVS作为5G语音必选编码加入到3GPP标准。

EVS通过支持多速率语音编解码，提升编码的灵活性和效率，运营商可根据现网中的终端能力等因素来选择需要支持的语音编码速率;相邻不同编码速率映射了不同的MOS分体验。EVS还通过支持更快的语音编解码速率来提升语音体验。采用EVS编解码后，MOS分可达4.6分，已接近满分5分;因此EVS在4G语音出现，有望在5G形成产业共识。

3.2 ROHC编码技术可进一步提升语音质量

VoNR基于IP网络传输语音业务，语音包采用小包高频传输（语音帧大小20ms），因此语音包的头部开销占整个数据包的比例较大，有必要通过对包头部分进行压缩来提升VoNR资源的利用率。早期的包头压缩方案有CTCP、IPHC和CRTP，鉴于无线链路传输误码率高（可高达1%）且往返时间长（100ms～200ms）的特点，上述包头压缩方案不适用于无线链路。因此IETF中ROHC工作小组提出了对无线链路具有很强容错能力（包括帧丢失和误码残留）的包头压缩机制，即ROHC（Robust Header Compression，IETF RFC 3095）。

ROHC相对于其他压缩方案具有压缩率高和稳健性强的特点。ROHC在压缩过程中定义了压缩端和解压端的三种不同工作状态，不同的工作状态发送的包头信息量不同，ROHC可以在多种工作状态之间切换，目的是在压缩率和稳健性之间不断动态权衡调整。

VoNR语音数据（5QI1承载）采用UM（Unacknowledged Mode）模式时，MAC层HARQ最大重传次数是4。如果将最大HARQ重传次数调整为8次，可以在弱覆盖场景下提高上行数据传输的成功率。因此ROHC编码的应用可有效提升语音传输成功率，进而达到提升语音质量的目的。

3.3 基于MAC CE的调速改善5G语音业务体验

MAC CE（MAC Control Element）用于gNodeB（5G基站）和用户终端之间的MAC层控制信令。基于MAC CE的调速功能支持gNodeB根据上行空口能力，通过MAC CE向终端提供推荐速率信息，同时支持终端向gNodeB反向查询推荐速率。该功能可以协助终端进行更合理的语音速率调整，以达到应对空口速率变化。当gNodeB检测到终端的空口速率低于或高于某个门限时，根据检测结果通过MAC CE主动通知终端推荐的空口速率值，终端根据推荐的空口速率经过计算后判断是否要降低或调高语音编码速率。

同样，当终端上行空口能力提升时，终端通过MAC CE反向查询gNodeB推荐速率。此时，gNodeB先检测终端的空口速率，当检测到终端的空口速率高于某个门限时，通过MAC CE通知终端推荐的速率调整为某一高速率。基于MAC CE的速率动态调整可以有效提高网络利用率，使网络和用户体验达到一个最优的匹配。

5G网络的主要优势在于，高速率、低延迟以及广连接。其最高速率可达10Gbit/s，时延可低于1毫秒，各项指标均远好于现有网络。以5G网络为平台可以延伸出包括语音和数据业务在内的丰富多彩的特色2C和2B业务。

在5G建网初期，NSA（非独立组网）架构下，EPS Fallback为5G的语音主要方案，在未来SA（独立组网）成熟后，5G语音解决方案一定会朝向VoNR解决方案演进和发展。届时各运营商将结合网络部署实际情況根据VoNR的功能特性和技术特点逐步提升语音质量，改善语音业务的体验。

本文针对5G网络语音解决方案，从网络发展阶段、技术原理和性能指标等多维度进行了分析，希望对业界就5G语音最终解决方案提供借鉴。