很多刚入行的工程师都遇到过这样的场景：手机状态栏明明显示着5G信号，拨出电话的那一瞬间，图标却“跳”回了4G。通话结束后，5G又悄悄回来了。这是手机坏了吗？还是运营商“虚标”5G？
都不是。这背后是5G语音部署最经典的策略——EPS Fallback（回落）。而它存在的原因，则是本文要讲清楚的核心：在移动网络里，打电话从来不是“天然功能”，而是一整套精心设计的系统在背后运转。
先给一个直觉类比。如果把5G数据网络比作一条四车道的高速公路，那么语音通话就像一辆需要准时到达、绝不掉头、全程有护卫的贵宾车队。高速公路对普通车辆的态度是“尽力而为”——堵车了你就慢慢挪；但贵宾车队不能等，它需要专用车道、优先放行、沿线协调。语音在LTE/5G网络里，正是这样一支车队：它本质上是一串IP数据包，却被赋予了特殊的优先级、特殊的保障、以及一套专门的“调度系统”——IMS（IP Multimedia Subsystem，IP多媒体子系统）。
理解了“语音=特殊的数据+专门的调度系统”这个基本盘，VoLTE和VoNR的一切设计就都顺理成章了。
要理解5G语音，得先明白它是怎么一步步走到今天的。这段演进史不是知识点堆砌，而是三次“设计哲学”的转变：
graph TD
A["2G/3G 电路交换<br/>CS域"] -->|"软交换"| B["3G后期 CS+IP混合<br/>MSC Server / MGW"]
B -->|"全IP化"| C["4G VoLTE<br/>IMS + QCI=1专有承载"]
C -->|"5G核心网"| D["5G VoNR<br/>IMS + 5QI=1专有QoS流"]
A -.- A1["语音独占一条64kbps电路<br/>接通即占线，像老式铁路"]
C -.- C1["语音变成IP包<br/>但享受专属快速通道"]
D -.- D1["语音跑在5G新空口<br/>与数据同网不同待遇"]
2G时代的语音是“电路交换”：通话建立时，网络给你预留一条独占的64kbps物理电路，像老式铁路的专用线——哪怕双方都不说话，这条线也不给别人用。优点是稳定，缺点是浪费。
4G时代的VoLTE（Voice over LTE）是第一次哲学转变：LTE网络只有包交换（PS域），没有电路，语音必须“数据化”。语音被切成IP包，用RTP协议封装，跑在共享网络上。但为了保证“贵宾车队”的待遇，网络为它开辟了GBR专有承载（ Guaranteed Bit Rate，保证比特速率），并配套建设了IMS这套“调度系统”。
5G时代的VoNR（Voice over NR）是同一场哲学在新空口上的延续：语音依然是IMS调度下的IP包，只是承载它的高速公路从4G换成了5G NR，专有承载从QCI=1升级为5QI=1。
所以请记住第一个关键结论：VoLTE和VoNR的差别在“马路”，IMS才是那个不变的“调度大脑”。
这是初学者最常问的问题：数据上网走5GC就够了，为什么打电话还要额外一套IMS？直接把语音当普通数据传不行吗？
答案是：不行，因为电话业务需要的能力，通用数据网络一样都没有。
你给同事打电话时，网络需要回答一连串问题：对方此刻“在”哪里（他可能人在北京、号码是上海的）？他注册在哪台服务器上？他同时开着两部手机，铃声应该送给谁？他手机关机了，是该播放“已关机”提示还是转入语音信箱？长途电话要落地到固网，谁来做翻译？这些能力——号码路由、用户位置、业务逻辑、网络互通——纯管道式的数据网络一概不提供。
IMS就是为回答这些问题而生的“数字总机”。它不是一个设备，而是一组分工明确的功能角色：
graph TB
subgraph 终端侧
UE["手机UE<br/>(SIP用户代理)"]
end
subgraph IMS核心["IMS核心（信令大脑）"]
PCSCF["P-CSCF<br/>代理/第一入口<br/>安全保护+压缩"]
ICSCF["I-CSCF<br/> interrogation查询节点<br/>『该用户归哪台S-CSCF管?』"]
SCSCF["S-CSCF<br/>服务会话控制<br/>执行业务逻辑的『登记处主任』"]
HSS["HSS/UDM<br/>用户数据库<br/>鉴权数据+签约信息"]
TAS["TAS 电话应用服务器<br/>彩铃/呼叫转移/语音信箱"]
end
subgraph 媒体与互通
UPF["UPF<br/>媒体面锚点<br/>RTP语音包转发"]
MGCF["MGCF/IM-MGW<br/>与2G/3G/固网CS互通"]
end
UE -->|"Gm接口: SIP信令"| PCSCF
PCSCF --> ICSCF
ICSCF --> SCSCF
SCSCF <-->|"Cx: 查询签约与鉴权"| HSS
SCSCF -->|"若签约了电话业务"| TAS
SCSCF --> MGCF
UE -.->|"媒体面: RTP语音包"| UPF
三个CSCF名字里都有“CSCF”（Call Session Control Function，会话控制功能），职责却完全不同，用“去政务大厅办事”类比一遍就再也不会混：
而 HSS/UDM 是档案室（存着你的鉴权密钥和业务签约），TAS 是挂靠在S-CSCF后面的“业务专家”（所有电话特有的增值逻辑都在它那）。这套架构最精妙的设计在于：业务逻辑（TAS）与会话控制（CSCF）分离。想新增一个“视频彩铃”业务？给S-CSCF挂一台新的应用服务器就行，核心控制层一行不动。这个思路在今天的微服务架构里叫“控制面与业务逻辑解耦”，IMS在二十年前就是这么设计的。
手机开机、附着到5G网络、能上网了——此时你还不能打电话。在能拨打任何号码之前，手机必须先完成一次IMS注册。很多工程师排查过“数据正常但打不出电话”的故障，九成卡在这一步。
IMS注册走的是SIP协议（会话初始协议，一种文本格式的信令，长得像HTTP），核心是一次带鉴权的REGISTER。完整时序如下：
sequenceDiagram
participant UE as 手机(UE)
participant P as P-CSCF
participant I as I-CSCF
participant S as S-CSCF
participant H as HSS/UDM
UE->>P: SIP REGISTER (IMPU, 无鉴权信息)
Note over P: 手机此前已通过5GC获知P-CSCF地址
P->>I: 转发REGISTER
I->>H: 查询: 该用户应归哪台S-CSCF?
H-->>I: 指派S-CSCF
I->>S: 转发REGISTER
S->>H: 取鉴权向量(含随机数RAND/令牌AUTN)
H-->>S: 鉴权五元组
S-->>UE: 401 Unauthorized (挑战: RAND + AUTN)
Note over UE: USIM卡用根密钥K验证AUTN<br/>算出RES响应
UE->>P: REGISTER (带鉴权响应RES, 重新注册)
P->>I: 转发
I->>S: 转发
S->>H: 比对RES
S-->>UE: 200 OK (注册成功)
S-->>UE: NOTIFY (reg-event: 告知自身注册状态)
Note over UE,S: 双方协商IPsec安全通道<br/>此后信令加密传输
几个值得停下来琢磨的设计：
为什么是“两次REGISTER"？ 第一次REGISTER像敲门的“报名”，服务器回一个401 Unauthorized——注意这不是报错，而是故意的挑战：网络扔给你一个随机数和一个令牌，看你能不能用USIM卡里的根密钥K算出正确答案。能算对，说明你是真机真卡（因为根密钥K永远不出卡、不出HLR/HSS，网络上任何环节都截获不到）。这套双向鉴权机制与5G核心网的5G-AKA同宗同源——你鉴权网络、网络也鉴权你，防伪基站、防窃听。
为什么注册完服务器还要主动发一条NOTIFY？ 这是SIP的reg-event订阅机制：手机订阅了自己的“注册状态事件”，S-CSCF随后推送通知。作用是让手机确认“我的注册在网络侧真正生效了”，并且当注册被网络刷新或撤销时手机能第一时间知道。现网排查时，看到这条NOTIFY基本就能确认IMS注册链路完整。
P-CSCF地址是怎么来的？ 手机能敲开P-CSCF的门，前提是知道门牌号。这个地址通常在PDU会话建立阶段由网络直接下发给终端。所以故障定位时有一条铁律：IMS注册失败，先查IMS APN的PDU会话是否建立、P-CSCF地址有没有下发到位，再往前查SIP信令本身。
注册成功后，手机在网络侧“挂上了号”。但注意——此时只有信令通道就绪了（走5QI=5的信令承载），语音的“专用车道”还没修。
现在按下拨号键。接下来的几百毫秒里，网络要完成三件事：信令协商（SIP INVITE流程）→ 修专用车道（建立5QI=1专有QoS流）→ 媒体开跑（RTP语音包）。
sequenceDiagram
participant A as 主叫UE
participant P as P-CSCF
participant S as S-CSCF
participant T as TAS
participant B as 被叫侧(IMS)
participant N as 5GC(SMF/UPF)
A->>P: SIP INVITE + SDP Offer(语音编解码列表)
P->>S: 转发
S->>T: 触发主叫业务逻辑(彩铃?黑名单?)
T-->>S: 放行
S->>B: 路由至被叫侧IMS
B-->>A: 183 Session Progress + SDP Answer(选定编解码)
Note over A,B: 双方就编解码/地址/端口达成一致
A->>P: PRACK (临时应答确认,保可靠)
P-->>A: 200 OK (for PRACK)
rect rgb(230, 240, 255)
Note over A,N: 同时: 空口与核心网建立语音专有承载
A->>N: 请求建立5QI=1 GBR QoS流
N->>N: SMF会话修改, gNB预留空口资源
N-->>A: 专有QoS流就绪
end
B-->>A: 180 Ringing (被叫手机开始振铃)
A->>B: PRACK / 200 OK
B-->>A: 200 OK (被叫摘机)
A->>B: ACK (三次握手完成)
Note over A,N: RTP语音包双向流动, 通话开始
对照这张图，三个最容易误读的细节：
① SDP协商发生在“振铃之前”。 主叫的INVITE里夹着SDP Offer——一份“我会说这些方言”的编解码清单（比如EVS、AMR-WB各档码率）。被叫侧回的183里夹着SDP Answer——"那就说EVS吧”。也就是说，双方用什么编码、媒体发到哪个IP哪个端口，在被叫手机还没响铃时就已谈定。这就是为什么接通瞬间几乎感觉不到编解码协商的延迟。
② 为什么有PRACK这种“奇怪”的信令？ SIP基于UDP时，200 OK这样的最终应答是有重传保障的，但180振铃、183进度这类临时应答没有。语音通话要求信令严格可靠（漏一条“振铃”信令，客户端状态就乱了），于是引入PRACK（临时应答的确认机制），让每条临时应答也有“签收”。③ 媒体承载的建立与信令协商是并行的。 蓝色区域标出的专有QoS流建立，和SIP信令推进同时发生——手机在收到183后就开始请求为语音媒体修“专用车道”（5QI=1的GBR QoS流），等被叫摘机时，车道已铺好，语音包即到即走。这是“接通速度快”的关键设计：信令走在普通路上，铺垫工作提前完成。
挂机时则是反向的BYE → 200 OK，随后网络释放5QI=1承载、保留IMS信令承载（5QI=5不拆，下次打电话直接复用注册状态，这也是为什么短时间内第二次呼叫建立明显更快）。
前文反复出现的"5QI=1"到底是什么？5QI（5G QI Identifier）是一张预定义的待遇等级表的索引号。网络看到"5QI=1"，不需要逐条协商，直接按表执行：
| 5QI | 用途 | 资源类型 | 优先级 | 时延预算(PDB) | 误包率(PER) | 设计逻辑 |
|---|---|---|---|---|---|---|
| 1 | VoNR语音 | GBR | 20 | 100 ms | 10⁻² | 时延敏感但可容忍少量丢包（丢一帧就是一声轻响） |
| 2 | 视频通话(实时) | GBR | 40 | 150 ms | 10⁻³ | 画面比声音更能忍受时延，但要更低的丢包防花屏 |
| 5 | IMS信令 | Non-GBR | 10 | 100 ms | 10⁻⁶ | 信令一个字节都不能错，但不保证带宽 |
| 8/9 | 普通上网 | Non-GBR | 80/90 | 300 ms | 10⁻⁶ | 尽力而为，抢剩余资源 |
（表中数值为3GPP预定义5QI的标准值，各厂商设备与现网实现以配置为准。）
读懂这张表，就读懂了语音的“待遇”从何而来：
4G/5G语音对照也一目了然：VoLTE的QCI=1与VoNR的5QI=1在待遇上完全同构，只是索引表换了一套新编号体系。
现在回答开头的问题：既然VoNR是正路，为什么大量现网用户打电话时信号会跳回4G？
因为运营商面前摆着两条路线，各有清晰的取舍逻辑：
| 维度 | VoNR（原生5G语音） | EPS Fallback（回落4G语音） |
|---|---|---|
| 语音承载位置 | 5G NR空口 + 5G核心网 | 通话时切换/重定向到4G，走VoLTE |
| 数据业务 | 全程5G | 语音期间也可能降至4G |
| 对网络的要求 | 5G连续覆盖 + IMS端到端就绪 + 语音在NR上的切换优化成熟 | 只需5G覆盖数据，语音复用已成熟的4G VoLTE |
| 体验特征 | 全程5G图标，5G空口低时延红利 | 拨号瞬间图标跳4G，通话质量等同VoLTE |
| 典型阶段 | 5G覆盖成熟后的目标形态 | 5G部署初期的主流过渡方案 |
EPS Fallback的本质是一条工程上的捷径：IMS这套大脑是4G时代建好的，VoLTE的空口切换、 抗干扰、HDR优化打磨了十年。5G初期_NR覆盖如“沙漠中的绿洲”，若强行让语音留在5G，用户一旦走出绿洲，通话就会中断。与其如此，不如在通话发起（或来电）时主动把连接引导回4G，借用成熟的VoLTE完成。等到5G覆盖连成片，再把语音“搬回”5G，即VoNR。
graph TD
Call["用户在5G下发起/接收语音"] --> Check{"网络策略判断"}
Check -->|"5G覆盖良好且支持VoNR"| VoNR["留在5G建立5QI=1<br/>全程VoNR通话"]
Check -->|"5G覆盖不足/未开通VoNR"| FB["EPS Fallback"]
FB --> Switch["切换(Handover)或重定向到4G"]
Switch --> VoLTE["建立QCI=1<br/>以VoLTE完成通话"]
VoNR -.->|"移动中离开5G覆盖"| HO["RAT间切换: VoNR→VoLTE<br/>语音不中断"]
图右下角的虚线箭头是现网的隐藏考点：即便通话从VoNR开始，用户移动中离开5G覆盖，网络也会执行5G→4G的RAT间切换，把语音承载从5QI=1无缝迁移到QCI=1。这个切换的优化质量直接决定用户感知——“边走边聊进电梯，电话断没断”。它的难度远高于4G内部切换，因为两代空口的帧结构、测量机制都不同，是VoNR规模商用前必须打磨的硬骨头。
语音质量 dispute再主观，落到工程上就是两个数：时延和丢包。先看时延的构成——从说话人的嘴唇到听者的耳朵，总时延是逐段累加的：
$$ D_{total} = D_{enc} + D_{pack} + D_{net} + D_{jitter} + D_{dec} $$
各段含义与典型量级：
把典型值代入：$D_{total} \approx 30 + 20 + 90 + 60 + 10 = 210\,\text{ms}$（单程）。ITU-T G.114的经典结论是：单向时延低于150ms时绝大多数用户感觉通话自然，超过400ms就会出现明显的“抢话”现象。看到210ms你就明白了：为什么全行业对空口时延锱铢必较——编解码和抖动缓冲这两块“刚性支出”（约110ms）无法压缩，留给网络的预算极其紧张。5G空口的低时延能力对VoNR不是锦上添花，而是必要的生存空间。
抖动缓冲自身也是一场博弈：攒得越多，抗抖动越强但时延越大。所以现代终端用自适应抖动缓冲——动态监测到达抖动，网络稳定时缩缓冲抢时延，抖动变大时扩缓冲保流畅。
另一个“反直觉但重要”的事实是：VoNR语音包采用UDP/RTP而非TCP。TCP的重传与拥塞控制恰恰是语音最不需要的——重传来的包已经迟到，等它不如直接丢掉（ concealment丢包隐藏：解码器用相邻帧合成一段“过渡音”填坑，人耳几乎无感）。这也是5QI=1允许10⁻²误包率的底层逻辑。
质量最终用MOS分（Mean Opinion Score，1~5分的主观评分）度量。工程上常用ITU-T G.107的E-model把时延与损伤折算成一个R因子再映射为MOS：
$$ R = 93.2 - I_d(\text{时延损伤}) - I_{e,eff}(\text{编码与丢包损伤}), \quad MOS = f(R) $$
这个公式的价值不在精确计算，而在它揭示了时延与丢包可以互相“兑换”：端到端时延每恶化一段，留给编码/丢包损伤的“预算”就少一段。现网KPI优化本质上就是在这个方程里找最优解。
1. 投诉定位："5G能上网打不了电话"。 排查链路是固定的：先查IMS APN的PDU会话与P-CSCF地址下发，再看SIP REGISTER是否发出/是否收到401挑战/是否完成二次注册。注册成功后仍失败，再看INVITE发出后停在哪一跳（P-CSCF无响应？S-CSCF路由超时？被叫侧未注册？）。SIP是文本协议，信令跟踪里直接可读，比二进制的NAS信令友好得多。
2. 接通慢/接不通：盯着专有承载。 收到183但听不到回铃音，常见原因是5QI=1专有QoS流建立失败（小区资源接纳拒绝、空口资源不足）。观察“INVITE到180 Ringing的间隔”能快速区分是信令路由慢还是承载建立慢。
3. 常见误解与调试陷阱： - 误解一：“5QI=5是语音承载”。 错。5QI=5只承载SIP信令；真正说的话走5QI=1。所以“注册成功但通话单通/无声”要查5QI=1流的建立与媒体IP打通情况（NAT、防火墙放行RTP端口段），而不是盯着信令。 - 误解二：“VoNR就是VoLTE换个名字”。 空口完全不同。VoLTE成熟的ROHC头压缩参数、调度算法、切换门限都要针对5G NR重新适配，照搬参数是现网优化事故的高发原因。 - 陷阱：抖动缓冲“越大越好”。 部分调试中会调大终端缓冲来压丢包，结果时延劣化、R因子下降、MOS反而变差——E-model里两伤同涨。正确方向是排查抖动源头（空口重传率、传输网拥塞）。 - 陷阱：EPS Fallback中的“重定向”与“切换”混为一谈。 重定向快但语音会短暂中断感知明显；切换无缝但条件苛刻（两站间需配置邻区与切换关系）。现网两种方式并存，投诉“打电话时屏幕卡一下”多半就是重定向路径。
Q: VoNR和VoLTE的区别到底是什么？ A: 调度大脑相同（都是IMS），差别在承载网：VoLTE的语音跑在4G LTE空口+4G核心网（QCI=1承载），VoNR跑在5G NR空口+5G核心网（5QI=1承载）。对用户而言，VoNR能吃到5G空口更低时延、更高谱效的红利；对网络而言，两者共享IMS层，所以运营商从VoLTE升级到VoNR的核心工作在无线侧与互操作侧，而非重建IMS。
Q: EPS Fallback和VoNR可以共存吗？ A: 不仅可以，而且是现网常态。运营商通常按区域/小区配置策略：5G覆盖好、互操作参数打磨成熟的区域走VoNR，边缘覆盖区自动回落。判断当前通话走的是哪条路，最直接的证据是拨号瞬间信号图标是否跳转4G，以及信令中是否存在向EUTRA的移动过程。
Q: 为什么注册IMS要鉴权两次REGISTER，而打电话只要一次INVITE？ A: 注册是“验明正身”的过程，必须用USIM根密钥做挑战应答，且密钥从不出卡，只能通过挑战-响应间接验证；而呼叫建立发生在已注册的加密安全通道（IPsec）之上，身份已可信，无需重复挑战。安全强度是不变的，只是验证成本前置到了注册阶段一次性完成。
Q: 5QI=1的误包率允许10⁻²，是不是意味着丢包无所谓？ A: 不是。10⁻²是空口链路层的设计目标（配合丢包隐藏技术），端到端的RTP丢包率若持续超过1%~3%，MOS会明显下降。工程上更应关注的是突发性丢包——连续丢多帧会让丢包隐藏算法失效，听感上出现“破碎音”，比均匀丢包危害大得多。
Q: 手机显示5G但打电话回落4G，说明运营商是“假5G"吗？ A: 这是对EPS Fallback的误读。5G数据能力是真实的，回落只发生在语音场景，且是国际主流的阶段性部署策略——把已打磨十年的4G语音复用过来，反而保障了通话质量。判断5G体验要看数据业务是否跑在5G空口，而非语音场景的图标变化。
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。