語音業務是蜂窩網絡一項傳統業務類型，隨著網絡標準演進到5G，語音業務也自然過渡到VoNR階段。VoNR語音以其極低接通時延、先進編碼方式、超清通話質量等各種優勢，給用戶帶來全新的音視頻通話感受。

目前國內三家運營商均先后宣布VoNR業務全面商用，被稱為5G業務最后一個板塊已經全面補齊，至此用戶將享受到全5G業務帶來的通信便利。

隨著各大運營商加快推進VoNR業務，商用網VoNR話務量占比正在持續提升，如下圖所示。

某一線城市VoNR話務量增長趨勢

無線側傳統的VoNR業務KPI指標監控過程側重大尺度、長時間的大樣本量的統計平均，存在個別場景下無法對話單級的語音感知情況進行有效跟蹤和監控的問題。

隨著NR產品復雜性的增加，以及網絡規模的不斷增大，依賴于現有的KPI、信令跟蹤等方法已無法滿足外場故障快速定界定位的需求，同時面臨著傳統維測數據內容體量大、信息關聯性差、數據不易采集等諸多困難。為了解決上述運維痛點，中興無線產品MRS應運而生。

MRS是NR可觀測性解決方案的一部分，服務于維測，其基于gNB系統采集的度量指標數據進行內部智能分析，輔助研發人員和一線工程師快速定界外場感知問題。

針對語音場景，MRS已實現端到端流程的語音指標統計和問題定界定位分析，深度挖掘語音感知問題并提高投訴應對效率。

話單級上下行丟包原因統計——整體區域情況

連續丟包類指標統計——映射語音感知問題

話單A：上行連續丟7包10次，下行NG-U口連續丟7包10次，下行空口連續丟7包10次,通話時間10s。

話單B：端到端無丟包，通話時間10s。

統計示例：

1. 質差話單統計：1+0=1個——反映質差話單整體比例

2. 平均話單每秒連續丟包次數：(10+10+10)/(10+10)=1.5次/s——反映質差出現頻率

3. 平均每個話單連續丟包次數：(10+10+10)/2=15次/個——反映質差嚴重程度

話單級丟包類指標分析——輔助定位TOP站點

某物業點存在間歇性外部干擾語音洞察——MRS實戰案例

物業點1：通過MRS話單級跟蹤，發現該站點的質差話單占比偏高。通過鎖定問題時間點，現場打卡排查發現該物業點照明系統的整流器存在間歇性干擾。當整流器工作時會對外產生干擾，影響語音業務感知，表現為問題時間段的話單丟包偏高。

安裝整流器設備及干擾波形圖如下，已經反饋運營商督促該業務點進行整改。

物業點2：通過MRS話單級跟蹤，發現該站點的質差話單偏高。通過鎖定問題時間點，現場打卡排查發現該站點在切換流程中大概率丟包，進一步依據系統日志發現主要是ROHC場景的丟包。終端在目標小區最開始發送的語音媒體包的ROHC壓縮算法存在缺陷，目前網絡側通過對目標站點關閉drb-ROHCcontinue開關來規避問題。

部署規避方案后指標統計如下，該類丟包指標改善明顯。

語音業務MRS巡檢網絡洞察流程如下圖，通過該系統對語音指標深入跟蹤，在語音短板指標洞察和語音感知提升方面發揮了較大作用。

基于MRS指標巡檢流程優勢如下：

• 人力節省：通過后臺指標跟蹤語音感知，極大的減小了傳統路測的人力消耗。

• 時間提效：配合MRS系統語音指標的后分析自動化平臺，在節省前臺資源開銷的同時，可支持多站點的多維度話單分析，且能夠在短時間內生成網絡洞察巡檢報表。

• 深入挖掘：依據當前話單級+小區級的最小粒度指標，能夠快速鎖定問題點，用話單級指標的優勢來捕捉通用KPI無法跟蹤到的感知問題，快速定界VIP區域問題站點。

• 統一呈現：對全國語音重點城市，統一進行語音巡檢報告輸出，標準化執行，便于對比不同地區的語音優化水平，同步挖掘版本潛在問題。

目前VoNR語音業務MRS感知洞察系統，已經在國內多個商用局點推進規模落地。該套監控體系的落地，為核心城區的5G語音感知提升，尤其是VIP區域的語音日常巡檢工作，無論從工作提效、典型問題的提前識別還是定位定界并給出最終解決方案，均發揮了重要的作用。