关于VoLTE网络的概述与质量评估方法

钟其柱+罗耀满+杨彬

【摘 要】为了熟悉VoLTE复杂的网络结构、发展趋势和解决用户感知问题，通过对VoLTE的发展现状及其技术原理与优势进行梳理和总结，分析了网络升级改造中提出并选定的几种关键技术方案，研究了在语音质量优化上提出的几种基于MOS值的评估方法。结果表明，基于深度神经网络DNN-MOS的评估方法是更佳的语音质量评估方法，可以有效地评估和提升用户感知。

【关键词】VoLTE 网络优化 MOS值 DNN-MOS

Overview and Quality Evaluation Method of VoLTE Networks

[Abstract] In order to know the complex network structure and development trend of VoLTE and deal with the user perception， the developmental status， technical principle and advantages of VoLTE were arranged and summarized. Several key technical solutions which are proposed and selected in the network update and reform were analyzed. Several evaluation methods based the MOS value to optimize voice quality were studied. Results show that DNN-MOS method based on the deep neural network is the better evaluation method of voice quality， which can effectively evaluate and enhance the user perception.

[Key words]VoLTE network optimization MOS value DNN-MOS

1 背景介绍

2014年LTE网络进入商用元年，这标志着4G时代的正式来临。目前TD-LTE网络主要承载数据业务，经过3GPP制定的VoLTE网络技术方案、R8版本到R10版本的标准化工作以及IMS（IP Multimedia Subsystem，IP多媒体子系统）网络相关技术，使得VoLTE技术逐渐完善。该技术对比CSFB（Circuit Switched Fallback，电路域回落）有较明显优势，VoLTE将是LTE语音发展的必然趋势[1]。VoLTE网络的发展进程如图1所示。

1.1 VoLTE的发展形势

VoLTE已成为国际运营商共识并纳入发展路线，主要分为：

路线1：VoLTE/eSRVCC（Enhanced Single Radio Voice Call Continuity，增强的单一无线语音呼叫连续性）。主要由于2G/3G网络积累较好或VoLTE推动初期难以快速实现LTE全覆盖。

路线2：无线广覆盖实现VoLTE without eSRVCC。2G/3G为CDMA的运营商全部選择路线2。

韩国三大运营商均已在2012年下半年商用；北美和日本几大运营商在2014年商用；欧洲几大运营商在2014年至2015年商用。而中国移动采用的是路线1的方案，2016年广东省VoLTE已全面实现商用，图2是VoLTE网络在2015年的工作进度情况。

1.2 VoLTE的技术原理

相比LTE网络，VoLTE是在LTE网络的基础上新增了IMS域，VoLTE用户的所有业务触发均由IMS域来进行控制。

终端同一时刻只能在一个网络上进行业务（LTE或者2G/3G）。在LTE覆盖区，数据/语音业务都承载在LTE网络[2]；在非LTE覆盖区，由2G/3G网络为其提供服务，支持LTE网络到2G/3G网络的切换。

VoLTE的技术原理示意图如图3所示。

2 技术优势

VoLTE是一种IP数据传输技术，全部业务承载于4G网络上，与目前在2G/3G网络下通话相比，其带给4G用户最直接的感受就是接通等待时间更短[3]、更高质量以及更自然的音视频通话效果。VoLTE和3G网络的技术优势对比如表1所示。

3 方案选择

相比2G/3G或者CSFB网络，VoLTE网络具有明显的优势。但这些优势是需要相应的技术支撑的，因此需要规划一套较为完善的VoLTE技术方案。

3.1 LTE语音解决方案

4G网络的技术演进历经双待机、CSFB和VoLTE这几个阶段。CSFB和双待机都是VoLTE演进的过渡性技术，也将在一段时期内与VoLTE共存。其中，在支持国际漫游的前提下，CSFB的生命周期会相对较长，同时双待机方案作为一种终端形态将长期存在[4]。

下面将对双待机、CSFB和VoLTE三种LTE语音解决方案进行对比，具体如表2所示。

基于IMS控制的VoLTE是LTE语音的目标方案，中国移动商用VoLTE目前选择的就是这种方案，此方案的前提是LTE网络实现连续覆盖要求。而在LTE网络覆盖边缘，将利用SRVCC（Single Radio Voice Call Continuity，单一无线语音呼叫连续性）切换技术来回落到2G网络，以确保用户语音通话不会中断。

3.2 SRVCC切换方案

在VoLTE语音方案中，涉及到从LTE网络切换到2G网络的场景，该场景下所使用的技术为SRVCC切换技术[5]。3GPP R9阶段已经标准化SRVCC方案，R10阶段标准化eSRVCC方案。这两种切换方案的特点如下：

（1）SRVCC

SRVCC的媒体切换点是对端网络设备（如对端UE），发生切换后需要在IMS网络中创建新的承载。SRVCC切换导致的语音中断时长在800 ms左右。

（2）eSRVCC

eSRVCC的媒体切换点改为更靠近本端的设备[6]，具体方案就是在SBC（Session Border Control，会话边界控制器）增加ATCF（Acess Transfer Control Functionality，接入转移控制功能）/ATGW（Access Transfer Gateway，接入转移网关）功能实体作为媒体锚定点。发生eSRVCC切换时，只需要创建UE与ATGW之间的承载通道，对端设备与ATGW之间的媒体流还是通过原承载通道传输[7]。eSRVCC切换导致的语音中断时长小于300 ms。

3.3 锚定方案

锚定（Anchoring）是指将呼叫从CS网络路由到IMS网络进行业务处理的过程[8]，也就是确定主被叫各自由哪个域的哪个网元来实现信令接续流程。在以下两种场景中，与LTE用户相关的呼叫请求需要通过锚定功能路由到IMS网络：

场景一：LTE用户通过CS网络接入，并且签约了IMS网络业务；

场景二：LTE用户作为被叫用户，通过LTE网络接入，并且主叫用户为CS网络用户。

关于锚定，目前可供选择的方案分别是：ICS（IMS Centralized Services，IMS集中业务）、主被叫全锚定、被叫锚定、国际漫游不锚定以及协同方案（主被叫都不锚定）。中国移动目前使用主叫不锚定、被叫锚定到IMS域的策略。如果主叫锚定，则效率较低，特别是主叫多数不存在一致性问题仍迂回IMS域，初期存在媒体面迂回，呼叫时延增加1～3 s；若采取主叫不锚定，由于主叫补充业务较少，即便存在业务一致性问题，市场也可以接受。

4 网络优化

VoLTE的部署演进是一个复杂的系统工程，涉及除3G无线网络之外的所有专业领域，全网改造量巨大，其主要改造内容如表3所示。

改造升级后的VoLTE网络结构复杂，如何准确、高效、全面评估端到端用户感知，进而保障网络质量，提升用户体验，将成为巨大挑战。语音质量评价方法可以分为主观评价和客观评价两种。根据是否需要参考话音信号，客观评价方法又分为全参考模型（双边评估）评价和无参考模型（单边评估）评价，具体如下：

（1）全参考模型适用于定点拨测或路测场景，从最早的PSQM（Perceptual Speech Quality Measure，感知通话质量测量）算法到后面的PESQ（Perceptual Evaluation of Speech Quality，感知评估通话质量测量）算法，再到目前普遍使用的POLQA（Perceptual Objective Listening Quality Analysis，感知客观语音质量评估）算法，各有各的优缺点。

（2）无参考模型适用于实时的全网范围评估，ITU目前仅推出P.563算法，且该算法仅支持窄带语音，而在评价宽带语音质量方面仍未有统一标准，这是需要后续去努力研究的一个重点方向。

MOS（Mean Opinion Score，平均意见值）评估算法的发展历程示意图如图4所示。

4.1 基于全参考模型的算法介绍及应用

基于全参考的客观的语音感知质量评估方法中，目前最常用的是PESQ和POLQA，前者基于P.862算法，后者基于P.863算法。PESQ算法从初期适应窄带语音的评估发展到目前适用宽带语音的PESQ-WB算法，但该算法不支撑超宽带语音的质量评估。为了解决PESQ的局限性，ITU发展了新的POLQA标准，这种算法支持窄带、宽带和超宽带语音，是目前普遍使用的路测标准。

实际上，PESQ和POLQA这两种算法都具有共同的缺点，那就是仅适用于一些定点拨测或路测的场景，适用的场景局限性较大，不能大范围地实时评估网络的语音质量。这两种算法的对比如表4所示。

鉴于以上两种算法的局限性，为了达到实时性地评估全网范围语音质量的目的，ITU推出了一种基于无参考模型（单边评估）的P.563算法。

4.2 基于无参考模型的算法介绍及应用

P.563算法是基于无参考模型的适用于窄带语音的话音质量评估方法。该算法采用一個二元逻辑分类器判别话音信号的失真类型，将语音信号失真划分为6个类型：强背景噪声、信号静音与间断、乘性噪声、话音机械化、不自然男声及不自然女声。P.563算法通过提取话音信号的43维特征参数，并根据8个关键参数来判决话音信号的主要失真类型，得到话音质量的粗略估计值，再结合11维话音特征矢量映射得到最终的话音质量评价结果。

P.563算法的优点是实时性好，仅需网络侧样本即可完成评估，并可进行全网范围评估；缺点是仅适用于窄带语音，使用8个关键特征进行判决，模型不够完善且评价体系不够稳定。

下面将介绍一种新型的无参考算法，它是基于深度神经网络结构[9]的DNN-MOS评估方法。DNN即深度神经网络，深度学习（Deep Learning）是机器学习研究中的一个新领域[10]。DNN-MOS评估方法提取72维语音特征，共有5层非线性变化，同时适用于窄带、宽带语音，并高度拟合POLQA路测的结果，只需退化语音便可实时、大范围分析，既弥补了P.563算法在宽带语音质量分析的缺陷，又弥补了POLQA算法的高成本、低效率、单场景的不足。与P.563算法相比，DNN算法与时俱进，优势明显。在实践数据验证中，基于DNN算法的MOS值与传统路测的MOS值相比，拟合度高达0.89，平均误差仅0.17，这两项数据比P.563算法和E-Model模型算法均有明显的优势。

DNN-MOS评估方法实际上就是基于DNN来进行数学建模，其基本原理如图5所示。

在实际应用方面，利用DNN-MOS评估方法，结合用户、终端、小区等维度数据，与大数据平台的网管/Gn/IMEI/信令数据通过多维度数据聚合分析，可进行MOS质量监控、获取质差用户/终端、劣化小区、投诉定位以及终端质量评估等分析结果，为端到端业务优化提供有力支撑。

5 结论

VoLTE技术在国际上都是一种解决LTE语音接续的目标方案，而且近年来发展迅猛。广东移动通过对终端侧、无线网侧、核心网侧以及承载网侧等各种网络设备改造升级后，已于2016年实现全省VoLTE商用的目标。随着VoLTE的用户日益增多，语音质量将会成为关注的重点。基于此，本文通过研究几种评估语音质量（MOS）算法的优缺点，提出了一种基于深度神经网络的DNN-MOS评估方法，该方法是基于无参考模型且适用于宽带语音的评估算法。经过实践证明，该方法已完全可以辅助或者替代传统的路测，并有望成为ITU在无参考模型的宽带语音质量评估方面的新标准。

参考文献：

[1] 周晶，叶丹. 运营商LTE语音解决方案研究[J]. 集成技术， 2013（3）： 79-81.

[2] 夏晓威，周雄. LTE语音业务解决方案[J]. 中国新通信， 2014（17）： 88-89.

[3] 颜军，徐皓. 运营商VoLTE发展策略探讨[J]. 科技创新与应用， 2015（35）： 26-27.

[4] 刘烨玮，张烁，彭岩，等. TDS/TDL系统互操作方案研究[J]. 信息通信， 2013（8）： 252-253.

[5] 宗序梅，吴晓波. 中国移动TD-LTE语音模式优化解决方案研究[J]. 电信技术， 2015（1）： 77-85.

[6] 周晶，师瑜. LTE终端语音解决方案现状及下一步演进[J]. 电信科学， 2015（3）： 14-22.

[7] 叶卫明，钟正泉，朱震海，等. VoLTE核心網组网及其VPN互通研究[A]. 中国移动通信集团设计院第19届新技术论坛[C]. 2013.

[8] 蔡家鹏，计宁，王逊. VoLTE信令和媒体流路径优化方法研究[J]. 电信工程技术与标准化， 2015（7）： 58-61.

[9] 撖书良，蒋嶷川，张世永. 基于神经网络的高效智能入侵检测系统[J]. 计算机工程， 2004（10）： 69-70.

[10] 梅林. 视频结构化描述（VSD）技术及在安检中的应用[J]. 中国安防， 2014（20）： 98-102.