打电话，是每个人最原始的需求，也是移动通信最初的目标。

目前，以微信为代表的各种OTT（Over The Top）语音非常流行。但是，仍然无法取代传统语音电话业务。

传统语音电话业务，作为最基础的通信服务，拥有最高的优先级。在关键时刻，它是我们的救命稻草。

在网络信号不好的时候，上网龟速，微信语音卡成狗，视频根本无法接通。但是，电话肯定是可以打通的，虽然音质可能不好，但可以满足基本需求。这就是基础服务保障的承诺。

当遇到紧急情况时，不管你的手机有没有信号，甚至连SIM卡都没插，照样能打通紧急呼叫电话。这就是传统语音电话业务的优势。

5G，作为最先进的移动通信网络，是如何实现语音业务的呢？

▉ 5G网络怎样支持语音业务？

最根本的方式是：自己动手，丰衣足食。也就是说，5G直接支持VoNR（Voice over New Radio），不看4G甚至3G和2G的脸色。

5G的网络架构其实承袭自4G，只支持分组交换，不支持电路交换，也就是说自身的5GC核心网是没法支撑语音业务的，必须依赖于一个叫做IMS的系统。

IMS又叫IP多媒体子系统，可以在分组交换网络下实现语音业务。5G的无线接入部分叫做NR（New Radio），跟IMS结合之后，独立打电话的问题完美解决。因此基于5G的语音业务就叫做VoNR (Voice over NR)。

这一点跟4G如出一辙，4G在IMS支持下的语音业务就叫VoLTE（Voice over LTE）。VoLTE目前已经在国内广泛支持。

如果5G不支持VoNR，那就只能靠4G的VoLTE，甚至3G和2G支持的电路交换域语音业务，进行兜底。

根据网络部署模式，5G可分为NSA（非独立组网）和SA（独立组网）两类。再根据5G是否支持VoNR，以及4G是否支持VoLTE，分为以下多种方案。

• NSA下的语音业务：

在NSA下，5G网络被称作辅节点，作为4G的流量补充，并不直接参与语音业务，所有语音功能完全由4G完成，因此5G就都不支持VoNR。

如果4G支持VoLTE功能，则直接进行语音，覆盖不好的时候通过SRVCC（Single Radio Voice Call Continuity，单无线语音呼叫连续性）切换到3G或者2G。

如果4G不支持VoLTE，在拨打电话的时候就会直接回落到3G或者2G（这个功能称作CS Fallback，电路交换回落）。

• SA下的语音业务：

在SA模式下，5G语音方案比较复杂，有四种场景。总体思路是，5G网络优先使用VoNR，如不支持，则回落到到4G的VoLTE，最后由3G或者2G进行兜底。

场景1：5G网络支持语音功能（VoNR），则可直接在5G上接通电话，然后在5G信号不好的时候切换到4G的VoLTE。如果用户跑到了4G覆盖不好的地方，还可以通过SRVCC切换到3G或者2G。

场景2：5G网络支持VoNR，则可直接在5G上接通电话，在5G信号不好的时候发现4G信号也不好，直接由5G通过SRVCC把电话切换到3G。

5G到3G的SRVCC刚刚在3GPP R16版本中标准化，目前还没有手机支持。

既然从5G能切换到3G，未来也会支持切到2G吧？实际上没有那个必要，因为一般情况下3G已经覆盖够好，足够用来兜底了，再说2G也没几年就要退网了，不值得再花钱投资。

场景3：5G网络不支持VoNR，则在打电话的时候先通过EPSFB（EPS Fallback）来回落到4G的VoLTE，在4G覆盖不好的时候再通过SRVCC切换到3G或者2G。

场景4：5G网络不支持VoNR，则在打电话的时候先通过EPSFB来回落到4G，结果很不幸，4G也不支持VoLTE，只能再次通过CSFB回落到3G或者2G来打电话了。

可以看出，在这几个场景中，手机打着打着电话，很可能从5G跑到了4G，甚至还很可能从4G再跑到3G或者2G。就打完电话之后，还要继续留在4G，甚至3G或者2G吗？

由俭入奢易，由奢入俭难。习惯了5G/4G的高速率，对于3G和2G的龟速是不可接受的，因此需要尽快让手机返回能力最强的网络，这个过程就叫做快速返回。

▉ 5G VoNR有什么优势？

同样是基于IMS的语音业务，VoNR和VoLTE相比到底有什么优势呢？

首先，当手机驻扎在5G小区时，使用VoNR简单直接，否则还要经过EPS Fallback回落到4G，信令流程增加了，时延也必然增加，影响用户体验。

然后，VoNR下强制支持一种新的语音编解码方案，可以有效提升语音通话的音质到HiFi的级别，这就是EVS（Enhanced Voice Services），也叫超高分辨率语音（Super HD Voice）。

其实EVS早在3GPP R12版本就已经定义了，彼时还是LTE的发展正如日中天，但由于大家对语音质量都不够重视，一直少有手机支持。这一拖，就到了5G时代。

EVS是怎么提升音质的呢？

声音是由振动产生的，在空气中传播就形成了声波。但人的耳朵只能听到有限一段频率内的声波，范围是20Hz到20000Hz。

人的声带能发出的频率范围要更窄一些，为85Hz到1100Hz。

在以前的语音编解码方案中，只包含了人的听觉频率范围中的一小段，有些甚至连人的发声带宽都没有完全编码。

比如最早的标准语音编码的频率范围是300Hz到3400Hz，而人的发声频率范围是85Hz到1100Hz，也就是说，从85Hz到300Hz这一段的声音根本就没有被传输。

这种窄带编码导致了音色的损失。最直观的感受是，在打电话时，虽然对方说的语句是能辨认的，含义也能听明白，但却经常分辨不出谁在说话，像被变声了一样。

EVS直接实现了人的听觉范围全带宽的编码，除了人的声音之外，连背景里汪星人和喵星人的叫声也真真切切，可媲美CD的音质。

总而言之，我们的5G语音，已经默默做到了最好。

—— The End ——