VoLTE語音質(zhì)量研究

VoLTE語音質(zhì)量研究近些年，OTT語音業(yè)務(wù)迅猛發(fā)展，新業(yè)務(wù)層出不窮，運(yùn)營商也根據(jù)自身網(wǎng)絡(luò)演進(jìn)推出VoLTE語音業(yè)務(wù)，但VoLTE語音相比OTT語音是否更具有優(yōu)勢是大家關(guān)注的問題。首先介紹了VoLTE網(wǎng)絡(luò)架構(gòu)、VoLTE優(yōu)化關(guān)鍵技術(shù)，并研究語音質(zhì)量評估的方法以及影響語音的主要因素，然后通過實(shí)驗(yàn)數(shù)據(jù)分析VoLTE語音與OTT語音在MOS評分、呼叫建立時(shí)延、流量占用等方面的對比優(yōu)勢。0前言

OTTVoIP語音在移動互聯(lián)網(wǎng)時(shí)代得到極大的關(guān)注與應(yīng)用，給運(yùn)營商傳統(tǒng)語音業(yè)務(wù)帶來了較大沖擊。語音業(yè)務(wù)在2G/3G網(wǎng)絡(luò)中是運(yùn)營商收入的主要來源，可以預(yù)期未來的LTE網(wǎng)絡(luò)中，語音將仍然是重要的業(yè)務(wù)。眾多方案中，通過IMS控制的VoLTE語音必然成

為運(yùn)營商的最終方案，截至2015年4月，包括中國移動在內(nèi)全球已經(jīng)有超過90家運(yùn)營商開始部署或試驗(yàn)VoLTE業(yè)務(wù)。VoLTE語音能否給用戶帶來更好的用戶體驗(yàn)、語音質(zhì)量能否優(yōu)于2G/3G網(wǎng)絡(luò)以及“號稱”免費(fèi)的OTTVoIP語音應(yīng)用？本文圍繞如何評價(jià)VoLTE語音質(zhì)量以及VoLTE與其他類型語音的性能進(jìn)行分析和探討。1概述

1.1VoLTE網(wǎng)絡(luò)架構(gòu)

VoLTE即VoiceoverLTE，是指語音業(yè)務(wù)由LTE無線網(wǎng)和EPC核心網(wǎng)提供的IP通道承載，由IMS進(jìn)行會話控制，從而實(shí)現(xiàn)數(shù)據(jù)與語音業(yè)務(wù)在同一網(wǎng)絡(luò)下的統(tǒng)一。另外，通過PCC架構(gòu)能夠合理、靈活地對多媒體會話進(jìn)行計(jì)費(fèi)，實(shí)現(xiàn)用戶業(yè)務(wù)QoS及計(jì)費(fèi)策略的控制。VoLTE網(wǎng)絡(luò)架構(gòu)如圖1所示。VoLTE業(yè)務(wù)涉及網(wǎng)元較多，包括現(xiàn)網(wǎng)CS域、EPS域、IMS域，以及PCC等。

IMS域主要完成呼叫控制等功能，它通過和EPS網(wǎng)絡(luò)配合，提供和電路域類似的語音業(yè)務(wù)及其補(bǔ)充業(yè)務(wù)，包括號碼顯示、呼叫轉(zhuǎn)移、呼叫等待、會議電話等。

EPC配合IMS系統(tǒng)完成P-CSCF發(fā)現(xiàn)、初始附著的信令默認(rèn)承載建立、語音及視頻等業(yè)務(wù)專有承載的建立等。

PCC主要聯(lián)合P-CSCF（AF功能點(diǎn)）以及GGSN/PGW（PCEF功能點(diǎn)）完成策略控制決策和基于流進(jìn)行計(jì)費(fèi)控制的功能。

CS域通過MSC升級支持SRVCC功能。MSC與MME之間的Sv接口實(shí)現(xiàn)VoLTE語音業(yè)務(wù)的連續(xù)性，滿足當(dāng)用戶在通話過程中移出LTE覆蓋區(qū)時(shí)保證業(yè)務(wù)的連續(xù)性，使通話平滑切換到2G/3G網(wǎng)絡(luò)的基本需求。

1.2VoLTE關(guān)鍵優(yōu)化技術(shù)

GSMA在標(biāo)準(zhǔn)中規(guī)定了VoLTE4大技術(shù)特征，這4大技術(shù)特征保障了VoLTE提供高標(biāo)準(zhǔn)的QoS服務(wù)。

1.2.1半持續(xù)調(diào)度（SPS）技術(shù)

語音業(yè)務(wù)包與數(shù)據(jù)業(yè)務(wù)包相比，它的包尺寸小且發(fā)送頻繁，而在發(fā)送數(shù)據(jù)包時(shí)，上下行鏈路都要分配物理資源塊（PRB），如此會消耗較多的無線資源。為了解決這個(gè)問題，VoLTE引入了SPS技術(shù)。SPS是一個(gè)更加靈活的資源調(diào)度方式，比如，在語音對話中，每隔20ms發(fā)送1個(gè)語音包，在靜默期沒有語音數(shù)據(jù)傳輸，當(dāng)只有背景噪聲時(shí)，就取消PRB資源分配。

1.2.2時(shí)隙綁定（TTIbunding）技術(shù)

為了減少時(shí)延，LTE中一般按照1ms為單位進(jìn)行物理層資源調(diào)度，需要HARQ每1ms就需要確認(rèn)1次傳輸，但是往往在信號受限或其他情況下，在這段時(shí)間可能未完成語音包的傳送。通過采用TTIbunding技術(shù)，將多個(gè)連續(xù)的TTI捆綁在一起，只需在綁定的最后1次傳輸完成反饋的HARQ即可，如此可降低小區(qū)VoLTE語音數(shù)據(jù)的誤碼率和時(shí)延，提高上行覆蓋性能。

1.2.3魯棒性報(bào)頭壓縮（RoHC）技術(shù)

VoLTE語音中的IP報(bào)頭數(shù)據(jù)報(bào)文太大，如果直接傳輸會嚴(yán)重浪費(fèi)空口資源。通過采用RoHC技術(shù)可以減少數(shù)據(jù)包頭的開銷，對LTE語音業(yè)務(wù)信道覆蓋和容量能帶來顯著提升，尤其適合那些較高誤碼率、時(shí)延長、通信質(zhì)量較差的鏈路。據(jù)計(jì)算，1個(gè)RTP頭大概40~60Byte，經(jīng)過AMR-WB編碼后，每幀數(shù)據(jù)載荷大約50Byte，而通過RoHC技術(shù)可壓縮到4Byte左右，大大提升了空口傳輸效率。

1.2.4非連續(xù)接收（DRX）技術(shù)

由于VoLTE流量是可預(yù)知的（20ms數(shù)據(jù)包），UE不用隨時(shí)監(jiān)視物理控制信道，采用DRX可在通話中關(guān)閉UE接收語音包功能，直到語音包達(dá)到時(shí)才喚醒UE，達(dá)到省電的目的。

2語音質(zhì)量評估

2.1語音質(zhì)量評價(jià)方法

語音質(zhì)量的好壞是一種主觀的測量結(jié)果，依賴于聽者對語音的主觀評價(jià)（見圖2）。早期語音質(zhì)量測試方法是通過在實(shí)驗(yàn)室讓很多人試聽語音，并按照ITU規(guī)范的“綜合意見評分法（MOS）”對語音質(zhì)量給出主觀評價(jià)。顯然這種方法不僅主觀依賴而且費(fèi)時(shí)費(fèi)力，ITU從20世紀(jì)90年代中開始對端到端的語音質(zhì)量自動客觀測試技術(shù)進(jìn)行標(biāo)準(zhǔn)化的工作。

ITU制訂相關(guān)的評測標(biāo)準(zhǔn)用于MOS測試，對用戶接聽和感知語音質(zhì)量的行為進(jìn)行調(diào)研和量化，由不同的調(diào)查用戶分別對原始標(biāo)準(zhǔn)語音和經(jīng)過無線網(wǎng)傳播后的衰退聲音進(jìn)行主觀感受對比，評出MOS分值。目前，客觀評價(jià)有主動方式和被動方式2種。主動方式的評價(jià)是建立在原始語音信號和失真語音信號的誤差對比上，這種方式的客觀評估大多采用數(shù)值距離或者描述聽覺系統(tǒng)如何來感知質(zhì)量的聽覺模型量化語音質(zhì)量的好壞，主要的評分算法有PSQM/PSQM+、PAMS、PESQ以及最新的POLQA等；被動方式的客觀評價(jià)是以語音系統(tǒng)的輸出信號的延時(shí)、抖動和丟包等因素來評估語音質(zhì)量的好壞，再轉(zhuǎn)換成MOS分值，主要的評分算法為E-Model。

需要指出的是，MOS是廣泛認(rèn)同的語音質(zhì)量標(biāo)準(zhǔn)，因此，無論采用何種方法都需要對測量結(jié)果最終對應(yīng)到平均主觀MOS分值。表1是MOS分值與用戶感受的對應(yīng)表。2.2影響語音質(zhì)量的因素

影響語音質(zhì)量的因素比較多，歸類起來主要有以下幾點(diǎn)。

a）網(wǎng)絡(luò)因素。包括網(wǎng)絡(luò)的延遲、抖動、丟包率。

延遲是指口耳傳輸?shù)臅r(shí)延，即端到端包傳遞的時(shí)間。包延遲會引起通話聲音不清晰、不連貫或破碎。大多數(shù)用戶察覺不到小于100ms的延遲，當(dāng)延遲在100～300ms時(shí)，說話者可以察覺到對方回復(fù)的輕微停頓，會影響到正常的交流，當(dāng)超過300ms時(shí)，延遲就會很明顯，用戶開始互相等待對方的回復(fù)，影響用戶的通話。抖動，是由路由器的包排隊(duì)引起的，會造成聲音的不連續(xù)，抖動的結(jié)果是影響通話質(zhì)量，使接收端的人聽到的聲音難以理解。丟包率，當(dāng)丟包率超過5%時(shí)，語音質(zhì)量會變的不可接收，聽者會聽到含混、爆破似的聲音。

b）編碼及采樣因素。目前語音編碼方式有多種，且每種方式采用不同的語音編碼，使得MOS分值差距也比較大。傳統(tǒng)的電話語音編碼采用窄帶編碼方式，采樣頻率是8kHz，這在很大程度上影響到聲音的真實(shí)性；而VoLTE采用寬帶AMR編碼方式，并能達(dá)到23.85kbit/s的編碼速率，采樣頻率可達(dá)到48kHz，對語音質(zhì)量有較大的提升。

c）語音的數(shù)字信號處理因素。如果不采用任何的數(shù)字信號處理，聲音質(zhì)量會比較差，表現(xiàn)為回聲和噪音大、聲音時(shí)大時(shí)小。若要提高語音的清晰度，必須做回聲抵消、噪音抑制、信號增抑控制處理。此外，其他一些因素，如不同小區(qū)之間的切換、eSRVCC語音切換等都會對語音質(zhì)量產(chǎn)生影響。

2.3語音測量方案

2G/3G網(wǎng)絡(luò)的語音質(zhì)量測量主要采用2001年ITU-T發(fā)布的P.862PESQ評估通話質(zhì)量，該方法是把信號傳輸通過設(shè)備時(shí)提取的輸出信號與參照信號進(jìn)行比較，計(jì)算出差異值，它綜合考慮了感知中的編碼速率、編碼傳輸、多速度編碼傳輸下的編解碼匹配、噪聲等因素的影響客觀地評價(jià)語音信號的質(zhì)量。但PESQ只適用于窄帶網(wǎng)絡(luò)通信，即300Hz~3.4kHz的語音信號編解碼網(wǎng)絡(luò)，不太適用于采用寬帶編解碼的VoLTE語音。

目前VoLTE語音質(zhì)量采用ITU-T最新發(fā)布的下一代語音測量技術(shù)P.863POLQA，它是對P.862PESQ的改進(jìn)，可用于固定語音（包括LTE在內(nèi)的移動網(wǎng)絡(luò)以及IP電話網(wǎng)絡(luò)），并充分考慮了人耳響度感受對評估的影響。組網(wǎng)方面，使用2部真實(shí)的VoLTE終端經(jīng)

LTE無線接入，由EPC提供IP承載并通過IMS進(jìn)行會話控制。當(dāng)LTE無線覆蓋較弱或無覆蓋時(shí)進(jìn)行eSRVCC切換，由LTE切換至2G/3G網(wǎng)絡(luò)，實(shí)現(xiàn)用戶無感知的語音切換（見圖3）。

3VoLTE語音質(zhì)量分析

3.1語音質(zhì)量MOS得分

2G或3G通話技術(shù)使用的音頻范圍為300Hz~3.4kHz，而VoLTE使用50Hz~7kHz的AMR-WB編解碼，音頻范圍更廣，通話質(zhì)量理論情況下會更清晰。同時(shí)，VoLTE與OTTVoIP相比，通過PCC機(jī)制來保障VoLTE所需的帶寬，即使在網(wǎng)絡(luò)高負(fù)載時(shí)VoLTE的通話質(zhì)量仍會受到保證。VoLTE語音采用QCI=1的專用語音承載，具備良好的QoS保證，而OTTVoIP使用的是QCI=9的默認(rèn)承載，易出現(xiàn)誤碼、丟包、時(shí)延大等問題。

分別對VoLTE語音2種寬帶編碼速率、3GCS域語音（編解碼為AMR-NB12.2kbit/s）、VoIP的微信電話本通過POLQA算法進(jìn)行語音質(zhì)量評估。從測試的結(jié)果上看，VoLTE呼叫的語音質(zhì)量優(yōu)于3G和OTT的語音呼叫。100個(gè)語音樣本中，MOS分值在4分以上VoLTE占60%以上，3.5分以上VoLTE占80%以上，優(yōu)于3G和OTT語音（見圖4）。事實(shí)上，這幾種情況通過人工的主觀去聽，能明顯聽出VoLTE語音更加清晰，聲音失真更小。這是因?yàn)閂oLTE語音比3G帶寬更大，語音更清晰，且通過QoS保障，在時(shí)延、抖動、丟包率方面比同是IP語音的微信電話本更具有優(yōu)勢，獲得的MOS分值更高。

3.2語音呼叫建立時(shí)長

語音呼叫建立時(shí)間的長短對用戶體驗(yàn)影響較大，過長的建立時(shí)間會增加用戶的投訴率。與傳統(tǒng)通信相比，VoLTE的接通時(shí)間更短。從實(shí)際測試數(shù)據(jù)來看，2G/3G的語音通話從主叫開始撥打到收到返回提示音平均需6～9s，而基于VoLTE技術(shù)的4G高清通話

平均等待時(shí)間僅需2s左右。若主叫或被叫任何一方手機(jī)不支持VoLTE，其接通速度就沒有雙方手機(jī)都支持VoLTE那么快，增加1~2s。由此可知，在呼叫建立時(shí)間方面，VoLTE語音比傳統(tǒng)2G/3G有很大的提升。

3.3口耳媒體時(shí)延和抖動

聽者對在500ms以內(nèi)的口耳媒體時(shí)延不太敏感，但時(shí)延再大就會嚴(yán)重影響用戶的感受，甚至?xí)霈F(xiàn)串話情況。從實(shí)驗(yàn)室及外場測試的測試結(jié)果來看，VoLTE時(shí)延都在200多ms以內(nèi)，而VoIP的微信電話本的時(shí)延都在600～750ms（見圖5）。另外，VoIP的抖動也不穩(wěn)定，取決于用戶的承載，靜態(tài)下在Wi-Fi和LTE下的抖動尚且穩(wěn)定，但是在移動狀態(tài)下VoIP的微信電話本的抖動很大，語音質(zhì)量無法忍受。

從圖5可看出VoIP的時(shí)延、抖動比VoLTE語音大，測試結(jié)果與理論情況一致，因VoLTE語音通過PCC進(jìn)行策略控制，對語音業(yè)務(wù)建立QCI=1的專有承載，可以為VoLTE業(yè)務(wù)設(shè)置高優(yōu)先級的QoS規(guī)則，從而保障語音通信的質(zhì)量。而OTT語音是上層應(yīng)用業(yè)務(wù)，在LTE網(wǎng)絡(luò)中底層承載將其認(rèn)定為普通數(shù)據(jù)傳輸，于是OTT語音將與其他普通數(shù)據(jù)分組使用相同的InternetPDN連接的Non-GBR默認(rèn)承載（QCI=8/9），這將導(dǎo)致OTT語音與其他業(yè)務(wù)搶占公共帶寬資源。如此，VoLTE語音比OTT語音在時(shí)延方面更加穩(wěn)定，同時(shí)也更小。

3.4終端移動對語音質(zhì)量的影響

在VoLTE現(xiàn)網(wǎng)下相同路線做了基于POLQA的VoLTE語音質(zhì)量和微信電話本路測。VoLTE通話全程測試無掉話，MOS分值在3.5分以上。而OTT的VoIP承載在商用4G網(wǎng)絡(luò)上，移動過程中頻繁掉話，MOS變化波動非常大。

3.5語音的連續(xù)性

在語音連續(xù)性方面，VoLTE的優(yōu)勢明顯。當(dāng)網(wǎng)絡(luò)質(zhì)量不好或者無LTE信號時(shí)，VoLTE語音能采用eSRVCC技術(shù)自動切換到3G網(wǎng)絡(luò)，實(shí)現(xiàn)無縫切換，用戶基本無感知；而OTT的VoIP應(yīng)用在終端從4G網(wǎng)絡(luò)接入切換到2G/3G網(wǎng)絡(luò)過程中，語音通話就會中斷。

eSRVCC切換在非常短的切換時(shí)間內(nèi)會對語音質(zhì)量有影響，但是切換一般在整個(gè)通話中只有一次，切換后語音能夠保持平穩(wěn)。

3.6流量占用

流量占用測試方法是采用真實(shí)終端，在VoLTE網(wǎng)絡(luò)下兩終端互打，正常語音通話2min。在網(wǎng)絡(luò)無擁塞條件下，VoLTE采用專用承載，OTT的VoIP微信電話本采用默認(rèn)承載。同樣的語音通話2min，由于相同的網(wǎng)絡(luò)條件下微信電話本編碼速率比VoLTE高，并且微信電話本除了通話雙方的語音數(shù)據(jù)消耗之外，還需與其他超級節(jié)點(diǎn)和服務(wù)器進(jìn)行交互，因此微信電話本業(yè)務(wù)的IP流量消耗大于VoLTE，上下行均是VoLTE消耗流量的2倍多。

3.7小結(jié)

VoLTE語音相比OTT語音，它通過EPC和IMS域的PCC架構(gòu)使語音更具有QoS保障，在誤碼、丟包、時(shí)延等一系列服務(wù)質(zhì)量問題更加具有優(yōu)勢，再加上VoLTE業(yè)務(wù)的空口4大關(guān)鍵優(yōu)化技術(shù)，使得VoLTE語音在很多技術(shù)指標(biāo)上明顯勝于OTTVoIP和2G/3G