通信技术一直以来的追求就是突破空间的限制，不断拉近人与人之间的距离。如今5G时代已经到来了，5G的爆款业务还在酝酿中，作为通信基础能力的通话业务下一步将会如何发展?本文将和大家分析讨论运营商提出的5G新通话相关的概念和关键技术。

Labs 导读

通信技术一直以来的追求就是突破空间的限制，不断拉近人与人之间的距离。如今5G时代已经到来了，5G的爆款业务还在酝酿中，作为通信基础能力的通话业务下一步将会如何发展?本文将和大家分析讨论运营商提出的5G新通话相关的概念和关键技术。

1、通话业务发展简述

从有线电话的发明到现在快150年了，在最初发明时，通话距离短、效率低。随着通信技术和交换技术的不断进步和改良，通话的距离不断的突破。在有线电话时代，通过专有的线路实现基本的语音通话，初步实现了远隔千里的人们听到了彼此的声音。

在1G、2G时代，通过无线电技术，把通话从导线的连接解放出来，解除了空间上的限制，可以通过手机随时随地发起通话。通信业务主要面向基础话音市场和短信市场，网络技术主要重点是保障语音/短信及时可达，语音清晰，网络广覆盖等。

在3G、4G时代，借助网络技术速率带宽的大幅提高，实时通话业务仍以语音市场为主，音质实现了高清HD音质的传输，并且支持电话会议。在音频通话基础上，在开始拓展视频市场，支持视频通话。怎么把带宽更高效的利用成为业务发掘的重点，各种增值业务的不断的出现。大家都关注到通话接通前的等待时间的需求，音频、视频彩铃，以及通话后的通话助手开始出现，未接听电话的短信提示等等，业务和体验一直在不断升级。

图1 实时通信业务随网络演进历程图

从实时通信业务的历程看，网络的演进和技术的迭代促成一批又一批业务从构想走向最终商用。在这个过程中，运营商的通话一直都是高品质和可靠的代言。

当下，5G及未来数字化生活时代给新实时通信业务提供更多想象空间。

2、什么是5G新通话

5G新通话就是运营商的一种新通话概念的尝试，虽然名称是通话，但实际上不仅仅局限于通话，更是实时沉浸式互动。中国移动研究院发布的《5G VoNR+白皮书》给出了对应的概念。

VoNR+(5G新通话) 是指在5G VoNR多媒体实时通信的基础上搭载新的数据传输通道，为用户提供除高清音视频之外的更丰富的实时交互服务，并建立以多媒体实时通信能力平台为中心，统一开放的网络架构，在兼容现有业务的基础上实现创新业务的敏捷开发和快速部署[3]。是基于5G VoNR 超高清多媒体通信能力的全媒体增值服务，其将进一步提升 4G VoLTE 业务体验，丰富业务内涵。

图2 5G新通话业务示意图

简言之，是基于VoNR(5GNR)基础上的实时通信网络架构，可以快速集成新的业务形态，以满足人们多元化的通信需求。承载实时交互信息的交互的信道更宽，交互的内容类型更多，交互形式更丰富。

而且，5G新通话业务能力将进一步对人与人之间的通信进行感官延伸，使能并开启人与人、人与物、物与物之间全新的多媒体实时通信时代。

3、相关标准进展

3.1 3GPP 通话相关进展

赋予实时通话更多的业务可能性。

在R16完成 5G 网络 IMS Data Channel 实时交互通道相关技术标准，于 2020 年 3 月写入并发布了 TS26.114 V16.5.0 版本，实现了5G VoNR业务能力的增强。在CT1 R17 FS_eIMS5G2，研究IMS如何更好的使用5GC的能力，特别是利用5GC的MEC能力实现信令媒体面的优化。

SA1 R18 FS_MMTELin5G，可视菜单，屏幕共享，AR通信，第三方ID接入场景和需求讨论中。有待在R18重启IMS切片、服务化等研究内容，将纳入SA1新通话需求。

3.2 3GPP XR通信相关

使能实时通话和XR等新技术相结合。

XR场景的应用在R16也有对应的标准定义，发布了3GPP TR 26.928，将eXtended Reality(XR)引入到3GPP服务和网络。包括XR类型服务和应用程序的基线技术、媒体流的体系结构模型、QoE/QoS问题等。使能5G新通话除了传统的服务类别外，引入新的交互类别，提供了3D、XR视觉和音频等，丰富了通话的交互形式。

3GPP当前在R17也有多个相关领域的内容，如媒体架构相关的SA4 R17 FS_5GSTAR，研究交互式AR通信媒体架构，网络辅助实现媒体渲染。

目前，3GPP正在研究基于IMS数据通道的交互式通话，其基于VoLTE/VoNR高清语音和高清视频通话，与WebRTC技术相结合，通过扩展提供数据通道，让语音和视频通话与扩展的数据通道同步，从而能在高清视频通话中实现屏幕共享，叠加AR，甚至是听觉、视觉、触觉、动觉等同步的全沉浸式体验。

3.3 GSMA

丰富了通话的业务场景。

在2019年提出了“RCS Live”《Enriched Calling Technical Specification》(富媒体呼叫技术规范)。从业务场景上通话前、通话中、通话后对富媒体通话业务的以时间轴按阶段做了诠释。

2021年1月NG 5GJA启动virtual work task，制定Data Channel白皮书，纳入Data Channel典型应用场景、构建产业和生态。

2021年2月IP COMMS启动Future of Voice Calling讨论，探讨话音业务的未来发展方向。

2021年3月IP COMMS启动Business Voice Calling讨论，探讨面向2B的话音发展方向。

3.4 CCSA最新进展

国内对通话发展的独立思考和创新。

TC3 WG1，2020年11月启动下一代实时通信网络技术研究，从传统业务的演进和体验增强，新型业务的构想和需求识别等方面，基于现有IMS系统研究构建下一代通信网络架构。

TC3 WG4，2020年11月启动，5G增强实时通信业务，面向通信网络和媒体技术的持续演进及人们多元化的通信需求等提出潜在的、高价值的增强实时通信业务场景，包括传统业务、企业通信、新型业务、特殊群体和安全通信等，探讨对网络架构和安全隐私等关键诉求，支撑下一代通信网络技术研究。最近TC3第35次全会也有相关议题的讨论。

4、关键技术

4.1 VoNR技术

5G新通话，又名为5G VoNR+，由此可见VoNR是基础，那什么是VoNR?

语音业务作为基本业务是5G不可或缺的一部分，为此，标准组织3GPP确定了5G沿用4G的语音架构仍基于IMS来提供语音业务，在5G SA组网下主要有EPS Fallback和VoNR两种方案。

图3 SA组网两种方案

EPS Fallback，指5G NR不支持语音业务，当UE在5G NR中发起或接收语音呼叫时，通过重定向或切换的方式回落到4G网络，由VoLTE来提供语音业务，当语音通话结束后，UE再返回到5G网络。

VoNR，指直接由5G网络端到端承载语音业务。在这种方式下，为了保证语音通话的连续性，支持VoNR与VoLTE之间切换，系统会根据UE上报的测量报告决定语音是否需要切换到4G或者5G。

由于NR指的是5GS的无线接入网部分，而上述的VoNR指的是语音承载于包含无线gNB和5GC的5GS，因此，有些厂商也将之称为Voice over 5GS，或者Vo5G。

打通VoNR有什么意义?

首先，EPS Fallback只是5G语音的过渡方案，VoNR才是最终目标。VoNR在语音和数据业务体验上优于EPS Fallback，且利于加速淘汰老旧落后的CS语音技术，重耕2/3G优质频段。

图4 两种方案呼叫示意图

如上图，在5G部署早期，5G NR网络还未形成连续覆盖，为了避免5G与4G之间频繁进行语音切换而导致用户体验差，一般采用EPS Fallback方案。但在该方案下，由于在NR上建立语音通话时发起切换回落到4G网络，会增加语音呼叫建立时长，通话时数据业务也回落到4G网络，会大幅降低数据速率，从而会影响用户体验。

随着5G网络大规模部署，5G NR形成连续覆盖，5G语音就采用VoNR方案了。由于VoNR直接由5GS端到端承载IMS语音业务，语音呼叫建立时长更短，语音质量更好，且用户在语音通话的同时能享受到畅快的5G网速，用户体验大幅提升。此外，随着VoNR规模部署，更多的语音业务向4G/5G网络迁移，这利于加速淘汰老旧的2/3G CS语音，重耕2/3G优质频段。

其次，也是最大的意义所在，既然 VoNR是5G SA架构下最终的语音解决方案，打通VoNR当然就意味着行业向5G的终极建网目标——5G SA迈出了关键的一步。

众所周知，5G SA网络的精髓在于引入了5G核心网，其基于云原生设计，控制面采用了基于服务的架构(Service Based Architecture, SBA)，SBA=网络功能(NF)服务+SBI(基于服务的接口)，网络功能(NF)通过SBI由模块化的NF服务(即微服务)组成，且是无状态的，可灵活扩展、重用，从而可弹性高效、灵活敏捷的通过网络切片等技术使能千行百业的多样化应用，完整支持eMBB、uRLLC和mMTC三大场景，赋能各行各业数字化转型。也正因如此，打通VoNR的关键在于5G核心网能力，也考验5G核心网与IMS的融合能力。

5G核心网是打通VoNR的关键。让我们再来详细看VoNR的架构和流程。

图5 VoNR系统架构及流程示意图

在VoNR方案下，UE先连接5GS，通过5GS注册IMS，这要求5GC与IMS之间需实现互联互通;同时，为了支持VoNR与VoLTE之间平滑切换，5GC还需支持N26和S5接口，以实现与EPC之间紧密交互。

那5GC如何与IMS互联互通呢?主要有两种方案：一是通过Diameter信令将IMS网络直接连接到5GC，二是升级IMS以支持5G核心网的SBA架构。

图6 通过Diameter信令将IMS网络直接连接到5GC

图7 升级IMS支持5G核心网的SBA架构

第一种方案定义于R15版本，其无需对现有的IMS进行更改或升级，可快速开通VoNR，但会导致互联互通更复杂，以及无法充分发挥5G核心网功能。5G新通话的两个备选方案Composer、MSRP都是基于这个方案，因此业务拓展性都相对较弱。

第二种方案定义于R16版本，是面向未来最理想的实现方式。该方案将IMS升级为基于云原生设计，采用SBA，这意味着IMS也与5GC一样灵活弹性，且具备参与网络切片的能力，从而可将网络切片扩展到语音领域，可支持更多的5G用例，比如VR协作、AR辅助、实时游戏、远程医疗、远程控制等应用都需要IMS切片来保障语音体验。DC(Data Channel)方案就是就基于这个方案。

4.2 系统总体架构

5G新通话系统架构如下图所示，以音视频实时通信基础层作为基础进行搭建，通过实时通信能力层进行原子能力扩展和提炼，并最终经过实时通信使能层对接运营商自有创新业务、第三方应用、Web 应用及 2B 行业应用等。实时通信能力层作为实时通信“能力智库”的核心，负责提供丰富的、可共享的业务原子服务能力，并通过 API 向使能层提供;实时通信使能层以动态编排的能力框架对外支撑千行百业的多样化诉求，支撑行业更高效的进行业务探索和创新，构建企业的核心差异化竞争力。

图8 5G新通话系统架构示意图

4.3 实时通信基础层

5G VoNR+ 实时通信基础层可以基于基础音视频能力网元构建，可提供传统音视频呼叫路由、呼叫控制、媒体控制及协议适配等能力。实时通信基础层通过 Restful 接口向能力层提供原子 API，简化网络拓扑，提升网络灵活度。

4.4 实时通信能力层

5G VoNR+ 实时通信能力层作为实时通信的业务中台，在基础音视频之外，通过 IMS 数据通道提供实时交互、实时共享及远程控制能力。拓展实时通信到实时交互，用户感官体验从“听 / 看”延伸到“触摸”及对远端的操作;对实时通信通话前、通话中信息内容，可操作性进行全方位升级。实时通信能力层作为 5G 话音的新生态引擎，通过对基础音视频和实时交互能力进行提炼抽象，北向通过Restful API 接口开放给使能层。

4.5 实时通信使能层

5G VoNR+ 实时通信使能层通过开放业务能力，实现运营商网络价值最大化，需要引入更多行业伙伴，具备更灵活的应用使能。提供可编程的管理平台，通过编排引擎、场景化引擎、资源管理等能力实现即插即用，动态加载能力，快速构建生态，支持更多垂直行业可使用运营商音视频能力使能人与物。同时，作为业务应用的统一管理门户，向上支撑多用应用形态，如，运营商创新应用、多种第三方应用及行业应用，并支持应用的接入、管理、维护及应用安全。

4.6 统一媒体管理

5G 时代，AR/VR 通信等新媒体业务带来了更高的带宽、更灵活的媒体编解码处理能力、更短的媒体连接路径诉求。业界近年来流行的 RTC 架构也都提供了编解码算法、就近接入、路由选择等媒体面的优化处理。面向 5G，需要优化现有媒体面技术，提供统一媒体管理能力。除支持传统音视频、放音、会议等媒体能力之外，还支持基于 IMS 数据通道来传递业务逻辑数据、操作指令、肢体数据等 ( 如 XR 通信 )，并具备对多种媒体进行合成、渲染能力。统一媒体面应支持可编排的媒体处理能力，动态加载新增的媒体能力库和媒体资源库，以动态拔插的方式支持新业务快速上线。

4.7 交互式数据通道

为了实现上述业务场景，需引入新型交互式数据通道。实时交互式通话应用对网络带宽、时延、可靠性及服务质量等要求很高，需要确定性保障承载的支持。3GPP、GSMA标准组织已对交互式数据通道技术展开研究。

GSMA 在 RCS 中提出了 Enriched Calling，在通话中引入增强能力。Enriched Calling 技术可应用于 VoLTE/VoNR通话中，满足数据实时交互的一些应用场景 , 如通话前文本、图片、位置等信息的传输，通话中文件共享和共享屏幕标记等。

3GPP 也制定了 IMS 数据通道标准，其基于 VoLTE/VoNR高清音视频通话，与 WebRTC 技术结合，通过扩展提供数据通道 IMS Data Channel，让语音和视频通话与扩展的数据通道同步，从而能在高清视频通话中实现屏幕共享，叠加 AR，甚至是听觉、视觉、触觉、动觉等同步的全沉浸式体验。IMS Data Channel 基于 UDP 提供高实时性的单流或多流数据交互通道，可以在通话过程中同时进行桌面共享、白板共享及发送文件等操作。IMS Data Channel可灵活支持可靠传输模式、部分可靠传输模式及不可靠传输模式等多种数据通道，兼顾各种应用对底层通道的多样化诉求。IMS Data Channel 不关注所传递通道中内容及其格式，仅需要通信双方对于通信格式达成一致，可采用 Webpage+JavaScript 脚本通用方式通过 IMS Data Channel 传递多样化应用内容，支撑新业务快速创新、快速部署、快速上线。基于扩展的数据通道，可以一边与家人朋友视频聊天，一边共同玩同一款游戏、观看一样的视频或分享一段美妙的音乐，也可以叠加 AR 应用于行业远程维修场景，还可以同步声音、视频、触觉和动觉来实现如远程医疗等实时交互式应用。

落地该能力需要端侧改造支持IMS Data Channel。终端需升级音视频通信协议栈来支持 IMS Data Channel通道的建立和协商，通过内置原生系统服务实现叠加于音视频之上的数据通道的连接和管理。基于 Web 技术及 JavaScript 脚本可以实现应用及网络自定义的灵活界面显示，减少对端侧繁琐的定制诉求;同时，终端应支持将IMS Data Channel 向应用层开放调用接口，使能 IMS Data Channel 作为新的行业应用入口，壮大基于运营商音视频的行业应用生态。5G VoNR+ 终端功能如下图。

图9 端侧功能示意图

要求包括：

• 终端应支持 3GPP TS26.114 DCMTSI 客户端能力，通过SDP协商机制建立数据通道。

• 终端应支持 Web 引擎实时处理数据通道的业务数据并实时在用户UI呈现。

• 终端应支持根据交互式业务的可靠性要求，协商业务带宽、时延及丢包率等 QoS 指标。

4.8 实时音频编码演进

从2G、3G、4G到现在的5G时代，为了增强实时语音通信的清晰度，语音编码技术从AMR(Adaptive Multi-Rate)、AMR-WB(Adaptive Multi-Rate - Wideband)演进到EVS(Enhanced Voice Service)。

图10 音频编码演进示意图

EVS增强语音语服务是继AMR-WB高清语音编码技术后对通话编码技术又一次改进，提高了编码的灵活性和效率，专为LTE开发和优化的，主要应用于VoLTE高清语音。EVS频率范围已经扩展到14~17KHz，逼近人耳可感知的20KHz极限，声音越来越接近自然的声音。5G还能做哪些提升呢?当前声音清晰度虽然接近自然声，但是沉浸性极低，因为语音通话仍然采用一个声道的方式，导致声音空间方向维度数据丢失，无法实现沉浸式体验。为此3GPP正在制定IVAS新的语音标准，旨在实现沉浸式语音的传输。

沉浸式语音及音频服务(IVAS)编码，使能沉浸式通话。

在2017年9月的TSG SA会议上，3GPP启动了一个新的工作项IVAS_Codec，研究对EVS编码的扩展，用于沉浸式语音及音频服务(IVAS，Immersive Voice and Audio Service)。总体目标是开发用于身临其境的4G和5G服务和应用的单一通用音频编解码器IVAS。IVAS目前已经在R16版本标准化。

IVAS是下一代3GPP 编解码器，建立在EVS编解码器的基础上，具有更好的用户体验和更好的抗丢包能力。IVAS_Codec工作项本后的想法是涵盖实时语音会话、电话会议、VR会话和用户生成实时和非实时多媒体内容用例。除了满足日益增长的对丰富多媒体业务的需求外，沉浸式的电话会议应用将受益于这个下一代编解码器。

4.9 5G支持XR能力

5G网络具备大带宽和低延时特性，将极大的促进XR(eXtended Reality)业务的发展。XR是不同类型现实的总称，代表所有现实和虚拟构成的环境及计算机技术产生的人机交互。XR包括AR(Augmented Reality，增强现实)、VR(Virtual reality，虚拟现实)和MR(Mixed reality，混合现实)，应用涵盖了健康、教育、娱乐、工业等领域。XR交互是5G新通话的发展方向。

图11 5G支持XR示意图

该标准发布了XR业务的QoE、分发、渲染、编解码、媒体格式等内容，还详细描述了23种XR用例，例如3D图像消息、AR分享、沉浸式6DoF媒体流、实时3D通信、6DoF VR会议、在线VR游戏等。XR将是5G上极其重要的一种业务。XR和5G结合后会对通话业务带来什么样的创新还有待想象和发掘。

以上是5G新通话的概念和关键技术的相关内容，在下一期还会就应用、产业和展望进一步分析。