胡春雷，侯佳

（中國電信股份有限公司研究院，北京 102209）

0 引言

語音業(yè)務(wù)是5G 時期運營商的重要業(yè)務(wù)之一，為用戶提供穩(wěn)定且優(yōu)質(zhì)的語音服務(wù)，是提升5G 體驗的重要一環(huán)?；?G 和IMS（IP Multimedia Subsystem，IP 多媒體子系統(tǒng)）的VoNR（Voice over New Radio，基于5G 的語音業(yè)務(wù)）作為運營商的目標語音解決方案，能夠充分利用5G 大帶寬與新空口/ 天線技術(shù)的高頻譜利用率、強抗衰落特性的優(yōu)點，通過使用超高清晰度的EVS（Enhanced Voice Services）編碼方式，為用戶提供更短的語音通話接入時延和超高清語音體驗。然而，VoNR 完全由5G NR網(wǎng)絡(luò)承載，語音質(zhì)量與網(wǎng)絡(luò)覆蓋和天線收發(fā)性能強相關(guān)，高清EVS 語音編碼對無線網(wǎng)絡(luò)速率和覆蓋要求隨著編碼速率提升而升高。此外，由于運營商頻率使用策略和設(shè)備商對無線增強功能的支持情況，在不同商用場景與產(chǎn)業(yè)發(fā)展階段，VoNR 對無線網(wǎng)絡(luò)速率要求和覆蓋能力也不盡相同。因此，如何根據(jù)5G 網(wǎng)絡(luò)結(jié)構(gòu)、部署節(jié)奏，考慮各頻段天線收發(fā)和產(chǎn)業(yè)支持情況，評估VoNR 覆蓋要求和能力，是影響運營商VoNR 商用節(jié)奏和部署策略的關(guān)鍵問題之一。

本文首先針對VoNR 技術(shù)特性及頻段使用情況，評估VoNR 業(yè)務(wù)對無線覆蓋的基本要求，對比不同無線設(shè)備、無線終端在不同環(huán)境及編碼方式下的性能差異。進一步地，結(jié)合5G 組網(wǎng)部署路線的選擇及網(wǎng)絡(luò)建設(shè)節(jié)奏，考慮終端生態(tài)系統(tǒng)成熟度，提出4G/5G 網(wǎng)絡(luò)覆蓋的下的VoNR 承載方案，支撐VoNR 策略制定。

1 VoNR無線覆蓋增強關(guān)鍵技術(shù)

VoNR 是5G SA 架構(gòu)下基于IMS 的端到端語音解決方案，語音和數(shù)據(jù)均承載在5G 網(wǎng)絡(luò)，但語音業(yè)務(wù)需要IMS 進行業(yè)務(wù)控制。此外，VoNR 需考慮與VoLTE 的業(yè)務(wù)連續(xù)性及互操作，在5G 邊緣區(qū)域信號較差時，通過EPS Fallback 方式從NR 網(wǎng)絡(luò)回落到LTE 由VoLTE 提供語音服務(wù)[1]，如圖1 所示：

圖1 SA架構(gòu)下的語音解決方案

區(qū)別于4G VoLTE 面臨與非3GPP 網(wǎng)絡(luò)CDMA 的互操作難題，5G VoNR 天然支持向VoLTE 的切換，意味著在5G/4G 切換性能較好且頻繁度較低的場景下，具備較早開啟VoNR 商用試點的可能性，使得5G 用戶能夠基于NR 網(wǎng)絡(luò)直接進行語音業(yè)務(wù)，無需回落到LTE 網(wǎng)絡(luò)，從而獲得更短的接入時延和更高速的數(shù)據(jù)業(yè)務(wù)體驗。

語音業(yè)務(wù)質(zhì)量和連續(xù)性是VoNR 商用關(guān)注的重點，無線覆蓋是影響語音業(yè)務(wù)質(zhì)量和連續(xù)性的關(guān)鍵問題。為提升VoNR 的無線覆蓋能力，5G 網(wǎng)絡(luò)定義了一系列覆蓋增強技術(shù)以提高無線覆蓋和語音質(zhì)量，提升用戶體驗。

1.1 自適應(yīng)編碼速率技術(shù)

在語音業(yè)務(wù)中，不同語音編碼速率對無線覆蓋的需求差異較大，采用自適應(yīng)編碼速率技術(shù)可以有效降低對無線網(wǎng)絡(luò)覆蓋能力的要求，如圖2 所示。然而，在VoNR的語音編解碼過程中，對端的終端或IMS 網(wǎng)關(guān)無法感知本端用戶的無線覆蓋情況和速率變化，若實現(xiàn)編碼速率的自適應(yīng)，需要借助其他功能特性。

圖2 自適應(yīng)編碼技術(shù)原理

在VoLTE 中，通常采用AMR-WB 編碼，該編碼方式中CMR 位置固定，基站可通過修改RTP 包頭中的4 bit CMR 字段實現(xiàn)語音編碼的調(diào)速。到了5G 語音，VoNR 采用EVS 編碼，該編碼方式下CMR 字段位置不固定，基站無法再通過CMR 實現(xiàn)編碼速率的自適應(yīng)。鑒于此，5G 網(wǎng)絡(luò)若實現(xiàn)編碼速率的自適應(yīng)，需要借助新引入的Recommended bit rate 技術(shù)，基站通過MAC 層控制信息把推薦的物理層速率發(fā)給終端，終端判斷并決定是否需要降低或提升語音編碼速率。具體地，該過程可以由gNodeB檢測UE 空口速率變化觸發(fā)，也可以是UE 檢測到上行空口能力變化，主動向gNodeB 查詢推薦速率，如圖3 所示：

圖3 基于MAC CE的自適應(yīng)語音調(diào)速

推薦的比特率MAC CE 由帶有LCID 的MAC 子頭標識[3]，格式如圖4 所示，指示的速率為0～8 Mbps，可以覆蓋EVS 的各個編碼速率。具體包括以下字段：

圖4 推薦比特速率MAC CE格式

（1）LCID：指示推薦比特率或推薦比特率查詢適用的邏輯信道的標識，字段長度為6 位；

（2）UL/DL：0 表示下行鏈路，1 表示上行鏈路，字段的長度為1 位；

（3）BitRate：推薦的速率（下行）/需求的速率（上行），索引為0～63，分別代表0～8 000 kbit/s，字段的長度為6 位；

（4）X：比特率系數(shù)，對于支持推薦比特率倍數(shù)的UE，當(dāng)為LCID 字段指示的邏輯信道配置bitRateMultiplier 時，X 字段設(shè)置為“1”，表示比特率的實際值是比特率字段指示的索引對應(yīng)的值乘以TS 38.331[5]中指定的bitRateMultiplier；

（5）R：預(yù)留比特位，值為0。

基于MAC CE 的自適應(yīng)語音調(diào)速功能可在小區(qū)邊緣通過降低語音編碼速率來降低當(dāng)前語音業(yè)務(wù)對無線速率的要求。當(dāng)語音編碼速率在128 kbps 至9.6 kbps 之間自適應(yīng)調(diào)整時，增益最高可達6 dB。特別地，該功能對終端要求較高，要求UE 支持ANBR（Access Network Bitrate Recommendations）能力，即根據(jù)推薦值調(diào)整速率和查詢推薦速率、RRC 階段UE 上報能力。

1.2 時隙聚合技術(shù)

時隙聚合（Slot Aggregation）與LTE TTI Bundling類似，對于上下行業(yè)務(wù)信道PDSCH/PUSCH，一個語音幀可以同時在多個slot 上傳輸同一TB 的不同冗余版本（RV,Redundancy Version），RV 由表1 所確定，其中n表示TB 的第n次傳輸。終端收到這包數(shù)據(jù)的不同RV 版本通過合并，使用一個ACK/NACK 做統(tǒng)一的回應(yīng)，從而極大提升遠點用戶的解調(diào)性能，技術(shù)原理如圖5 所示。

表1 時隙聚合中的配置

圖5 時隙聚合技術(shù)原理

與TTI Bundling 相比，Slot Aggregation 更為靈活，發(fā)送RV 的順序可以靈活配置，TTI Bundling 發(fā)送RV 的順序只能是0、2、3、1。

采用Slot Aggregation 技術(shù)，VoNR 無線覆蓋能力可提升4～6 dB，當(dāng)前暫無終端支持。

1.3 頭壓縮技術(shù)

語音業(yè)務(wù)無線傳輸具備數(shù)據(jù)小而頻繁的特點，IP 報頭產(chǎn)生的開銷非常大：當(dāng)采用IPV6 傳輸時，IP 報頭為60 字節(jié)，在一個24.4 kbps 編碼速率的語音幀中，占比高達48.78%。頭壓縮RoHC 是一種成熟的壓縮各種IP 包頭的算法，通過減少語音包頭部負荷來降低無線鏈路誤碼率和時延、減少無線資源消耗及提升容量和覆蓋，在中強場語音報頭的壓縮效率最高可達90%，極大降低了VoNR 的無線覆蓋要求，如圖6 所示：

圖6 頭壓縮技術(shù)原理

具體地，以24.4 kbps 編碼速率為例，采用IPV6 時，壓縮前語音幀為984 bit；開啟RoHC 功能后，整個語音幀由984 bit 減小至544 bit，壓縮比可達55.28%，無線覆蓋能力提升將近3 dB。該技術(shù)已在4G VoLTE 中普遍應(yīng)用，5G VoNR 商用要求開啟。

2 VoNR業(yè)務(wù)與無線覆蓋

VoNR 業(yè)務(wù)對無線覆蓋的需求與語音編碼速率相關(guān)，GSMA 規(guī)定VoNR 的終端必選支持EVS 編碼[9]。3GPP 在2014 年9 月將EVS 編解碼器標準化，由3GPP R12 版本定義可以在5.9～128 kbps 的碼率范圍內(nèi)工作，支持全頻段（8—48 kHz），可區(qū)分語音和音樂，而且具有很強的抗丟幀和抗延時抖動的能力，可以為用戶帶來全新的體驗[10]。

語音質(zhì)量和覆蓋是VoNR 應(yīng)用的主要難點，如何保證和提高IP 網(wǎng)絡(luò)傳輸語音的通話效果，是VoNR 商用迫切需要解決的問題。語音編碼速率越高，所要求的無線網(wǎng)速率越高，傳輸過程中壓縮的信息越少。相應(yīng)地，無線網(wǎng)速率越低，其能支持的語音編碼速率越低，語音壓縮得程度越高，失真越嚴重。因此，VoNR 語音業(yè)務(wù)對無線網(wǎng)絡(luò)覆蓋的要求，通常取決于它所使用的EVS codec 編碼方法和速率。EVS 編碼對無線網(wǎng)速率要求的計算主要分為兩步：

第一步，計算語音幀大小：

（1）根據(jù)控制信息和語音凈荷，計算RTP 包凈荷；

（2）取RTP 凈荷并添加IP/UDP/RTP 包頭，得到IP數(shù)據(jù)包大?。?/p>

（3）取IP 數(shù)據(jù)包大小，加上無線MAC、RLC、PDCP 開銷，計算語音的無線幀大小。

第二步，根據(jù)語音無線幀長，計算不同EVS 編碼下，無線側(cè)速率要求，詳見2.1 小節(jié)。

2.1 EVS語音幀分析

一個EVS 語音幀包含四部分，分別是IP 頭、UDP 頭、RTP 頭、RTP 包凈荷，如圖7 所示：

圖7 語音幀的組成

（1）RTP 包凈荷

EVS RTP 包凈荷由控制信息和凈荷組成，控制信息包括CMR（Codec Mode Request，編碼模式請求）和ToC（Table of Content，凈荷內(nèi)容表）組成。

1）CMR

CMR共8 bits，CMR字節(jié)結(jié)構(gòu)如圖8 所示，對于EVS Primary 模式，僅在需要傳輸CMR 或會話協(xié)商需要時使用，其指示的內(nèi)容需符合會話中協(xié)商的媒體類型參數(shù)（如支持的比特速率或音頻帶寬）。該字節(jié)中指示的比特率表示媒體接收方（CMR 發(fā)送端）想要接收的最高比特率，媒體發(fā)送方可以使用協(xié)商集合內(nèi)更低的比特率。其中：

圖8 CMR格式

H（1 bit）：報頭類型識別位，對于CMR 字節(jié)，該位始終設(shè)置為1；

T（3 bits）：指示請求類型，以區(qū)分EVS AMR-WB IO 和EVS Primary；

D（4 bits）：指示請求的比特率或編解碼器模式請求的EVS 通道感知偏移。

2）ToC

ToC 共8 bits，字節(jié)結(jié)構(gòu)如圖9 所示：

圖9 ToC格式

H（1 bit）：報頭類型標識位，對于ToC 字節(jié)，該位始終設(shè)置為0；

F（1 bit）：用于標志是否最后一個幀，0 表示最后1 幀；

FT（6 bits）：幀類型索引，指示相應(yīng)幀的EVS Primary 或EVS AMR-WB IO 模式或舒適噪聲（SID）模式是否在此有效載荷中攜帶。FT 進一步分為：EVS 模式（1位）、未使用/Q 位（1 位）（取決于EVS 模式位的值）和EVS 比特率（4 位）。

3）EVS 編碼凈荷

EVS 編碼凈荷與編碼速率相關(guān)，由于語音幀的幀長是20 ms，因此編碼速率等于凈荷除以20 ms，如表2 所示：

表2 EVS編碼凈荷

（2）EVS 語音幀

基站側(cè)收到的EVS 語音數(shù)據(jù)，會在其凈荷的基礎(chǔ)上添加RTP 包頭、UDP 包頭和IP 包頭。PDCP 層SDU 大小如式(1) 所示：

其中，UDP 包頭HUDP為8 byte，當(dāng)采用IPV6 地址時，IP 包頭HIP為40 byte。語音幀的凈荷與編碼速率相關(guān)，本文以EVS 編碼24.4 kbps 和128 kbps 為例，分析語音幀在PDCP層SDU 大小。

24.4 kbps 編碼速率的EVS payload 為488 bit，RTP 的凈荷為488+16=504 bits，RTP 凈荷以octet（8 bit）為單位，因此無需填充即已滿足octet 的整數(shù)倍。由此可知，采用IPV6 地址時，一個語音幀的PDCP SDU 長度為：504+12×8+8×8+40×8=984 bit。

128 kbps 編碼速率的EVS payload 為2 560 bit，RTP 的凈荷為2 560+16=2 576 bits，采用IPV6 地址時，一個語音幀的PDCP SDU 長度為：2 576+12×8+8×8+40×8=3 056 bit。

其他編碼速率的EVS 語音幀大小見表3：

表3 不同EVS編碼速率下的語音幀大小

2.2 VoNR的無線覆蓋需求

在無線側(cè)，對于到達的PDCP SDU，基站會繼續(xù)添加PDCP 頭、RLC 頭和MAC 頭。語音幀對應(yīng)的無線幀負荷如式(2) 所示：

其中，n表示RLC 分片數(shù)目。當(dāng)m=1 時，基站或終端發(fā)送語音幀不進行拆分，需要一次調(diào)度完成，通常是在一個時隙發(fā)送完成，子載波寬度為15 kHz 時，1 個時隙為1 ms，若子載波為30 kHz 時，1 個時隙為0.5 ms，由此無線網(wǎng)絡(luò)的速率需求見表4：

表4 RLC分片數(shù)為1時的VoNR速率需求

通過表4 可知，EVS 編碼速率為128 kbps 時，在3.5 G NR（子載波間隔30 kHz）網(wǎng)絡(luò)中上行速率需求為6.11 Mbps，語音業(yè)務(wù)對網(wǎng)絡(luò)覆蓋連續(xù)性要求很高，上行邊緣速率若為6.11 Mbps，覆蓋半徑相較于數(shù)據(jù)業(yè)務(wù)將急劇縮減，覆蓋率降低。

當(dāng)一個語音幀拆分4 片以上時，將影響語音質(zhì)量，因此針對語音業(yè)務(wù)，RLC 最大分片次數(shù)通常為4 次，如圖10 所示，此時在3.5G NR 網(wǎng)絡(luò)中上行速率需求為1.53 Mbps。

圖10 VoNR中RLC分片

2.3 VoLTE與VoNR覆蓋能力對比

VoLTE 通常采用AMR-WB 編碼，編碼速率為6.6～ 23.85 kbps，典型的23.85 kbps 編碼語音幀如圖11 所示。

圖11 VoLTE采用AMR 23.85 kbps編碼的語音幀

與VoLTE 相比，VoNR 采用較高編碼速率時，對無線覆蓋能力的要求高于VoLTE，EVS 128 kbps 編碼與AMR 23.85 kbps 編碼相比，速率需求在3 倍左右；采用相近的編碼速率時，如VoLTE 采用23.85 kbps 的編碼速率時，RTP包凈荷為504 bit，與24.4 kbps 的EVS 編碼凈荷相同。

考慮到5G 網(wǎng)絡(luò)和VoNR 技術(shù)的長期演進，當(dāng)前電信VoLTE 打底網(wǎng)絡(luò)FDD 800 MHz 頻段在經(jīng)歷4G 逐漸退網(wǎng)和5G 逐步覆蓋的漫長過渡期后，有較大可能重耕為5G 頻段作為VoNR 的打底網(wǎng)絡(luò)。此時，VoNR 將具備基于MAC CE 的語音調(diào)速功能，該功能的覆蓋增益與VoLTE CMR 調(diào)速相當(dāng)。

本節(jié)以800 MHz 上行鏈路預(yù)算為基礎(chǔ)，使用3GPP 36.873 中的3D-Uma-NLOS 信道模型，鏈路預(yù)算參數(shù)配置及結(jié)果如表5 所示，通過比較VoNR EVS 24.4 kbps 和VoLTE AMR-WB 23.85 kbps 的上行覆蓋半徑，可知VoNR和VoLTE 在相似的編碼率下具有幾乎相同的覆蓋能力。

表5 800 MHz頻段上行鏈路預(yù)算

3 VoNR現(xiàn)階段試點商用可行性分析

本節(jié)首先對VoNR 及其覆蓋增強技術(shù)的產(chǎn)業(yè)情況進行統(tǒng)計，然后，在現(xiàn)階段無線增強功能的支持情況下，開展初步的室外多小區(qū)覆蓋外場試驗，并對測試結(jié)果進行分析，最后，對于運營商極度關(guān)注的VoNR 試點商用問題，從技術(shù)角度分析方案的可行性。

3.1 VoNR產(chǎn)業(yè)情況分析

在運營商對VoNR 產(chǎn)業(yè)要求方面，三大運營商均公開表示過對VoNR 的重視及產(chǎn)業(yè)布局。2020 年7 月，中國電信發(fā)布《中國電信5G 終端白皮書》，即開始要求手機可選支持VoNR。2021 年3 月，中國移動要求21 年底必選支持VoNR；同一時期，中國聯(lián)通要求2021 年10 月1 日起，首輪送測產(chǎn)品必選支持VoNR。在運營商的號召下，芯片產(chǎn)業(yè)中的高通、聯(lián)發(fā)科、紫光展銳的5G 芯片，均已開始支持VoNR 功能，如表6 所示。2020 年起，搭載這類芯片的商用終端如華為（P40、Mate40、Nova7、Nova8 等）和小米（小米10s、RedmiK40）等商用手機已經(jīng)規(guī)模入市。

表6 已支持VoNR的部分芯片列表

VoNR 商用和覆蓋規(guī)劃還需考慮不同階段增強功能的支持情況，截至2022 年2 月，無線覆蓋增強功能中只有RoHC 較為成熟，現(xiàn)網(wǎng)已打開。而基于MAC CE 的自適應(yīng)語音編碼調(diào)速和時隙聚合等關(guān)鍵功能暫無終端支持。其中，無法支持調(diào)速意味著無論終端處于小區(qū)中心還是邊緣，都只能使用最初協(xié)商的語音編碼速率，也將導(dǎo)致用戶在信道條件惡化時無法及時降為較低的編碼速率，造成MOS 值下降和丟包，用戶體驗中語音不清晰、吞字甚至掉話。在這種情況下，為保證用戶體驗優(yōu)于支持CMR 調(diào)速的VoLTE，固定編碼方式下的VoNR 覆蓋能力會受限，同時需優(yōu)化好VoNR 向VoLTE 切換，保證語音業(yè)務(wù)的連續(xù)性。

3.2 VoNR多小區(qū)室外覆蓋能力驗證

本文選取了10 個站址開展多小區(qū)室組網(wǎng)的長呼測試，對比在空載狀態(tài)下VoNR 和EPSFB（VoLTE 承載）業(yè)務(wù)的覆蓋性能。具體地，5G 基站和終端開啟VoNR 和RoHC 功能，VoNR 終端采用固定的AMR 23.85 kbps 編碼（與EVS 24.4 kbps 覆蓋要求相當(dāng)，該測試版本暫不支持EVS）和EPS FB 終端采用商用配置，將測試終端放置在一起，接入到對應(yīng)5G 頻段的網(wǎng)絡(luò)中，2 部VoNR 終端建立VoNR 承載通話并保持，2 部EPS FB 建立VoLTE承載通話并保持，移動速率小于30 km/h。

本次測試中主被叫RSRP 如圖12 所示。測試中兩種制式均采用AMR 編碼，MOS 值對比相差不大，在后續(xù)的測試和商用中終端將支持EVS，VoNR 語音MOS 值會有更明顯的提升。此外，現(xiàn)階段5G 使用頻段的傳播特性和當(dāng)前的覆蓋與4G 相比暫無優(yōu)勢，在該測試區(qū)域中，VoNR 的切換次數(shù)為280 次左右，頻繁度明顯高于EPS FB 的200 次。從切換性能角度，VoNR 的切換用戶面時延約為40 ms 以下，小于EPS FB 切換時延60 ms，如表7 所示。因此，在5G 形成連續(xù)覆蓋，切換頻繁度較低的情況下，具備局部試點商用的可行性。

表7 室外組網(wǎng)測試中的切換性能

圖12 主被叫RSRP

4 結(jié)束語

隨著5G 網(wǎng)絡(luò)的部署，語音業(yè)務(wù)將向VoNR 演進，無線覆蓋不足是制約VoNR 產(chǎn)業(yè)發(fā)展的主要因素。若VoNR采用自適用編碼速率技術(shù)，對無線覆蓋的需求與VoLTE基本相當(dāng)，因此，從網(wǎng)絡(luò)長期演進看，VoNR 可采用與VoLTE 相似的覆蓋方案。

在5G 建設(shè)初期，5G 網(wǎng)絡(luò)覆蓋弱于4G 網(wǎng)絡(luò)時，若開啟VoNR 局部商用試點，需優(yōu)化好VoNR 向VoLTE 切換，保證語音業(yè)務(wù)的連續(xù)性。

為提升無線覆蓋能力，保證VoNR 的業(yè)務(wù)體驗，在VoNR 業(yè)務(wù)規(guī)模商用時，網(wǎng)絡(luò)和終端需至少支持基于MAC CE 的自適應(yīng)語音調(diào)速、時隙聚合及RoHC 頭壓縮等功能。