# 语音上网史：为何通话总在搬家 ## 一个尴尬的日常：一打电话，5G就消失 你大概经历过这样的场景：手机右上角明明写着4G，视频刷得飞起，可一旦拨出电话，信号图标突然掉回3G甚至2G，正在加载的网页原地卡死。等电话挂断，4G才慢吞吞地回来。更让人困惑的是，到了5G时代这一幕居然重演了：图标从5G变成4G，仿佛历史开了个循环播放的玩笑。 这不是手机坏了，也不是运营商偷懒，而是移动网络里一场持续了十几年的“搬家工程”——把语音业务从它住了三十年的老家（电路交换网络），一步步搬进数据包的世界（分组交换网络）。这篇文章就讲清楚：语音为什么要搬家、为什么搬得这么慢、中间那些过渡方案各自解决了什么问题，以及工程师在现网里会踩到哪些坑。 ## 语音的老家：电路交换，一间按分钟计费的包厢 要理解这场搬家，得先看看老家长什么样。 2G和3G时代的语音走的是**电路交换**（Circuit Switched，CS）：通话建立时，网络在主被叫之间预留一条端到端的固定通道，这条通道在挂机前专属于你们两个人，哪怕双方都沉默，带宽也照占不误。打个比方，这就像火车包厢：上车就锁门，全程独享，安静、准时、不受别的乘客干扰。 为什么语音当年要住包厢？因为电话网诞生时只有它一个住户，而它对“准时”的要求近乎苛刻。固定专线上跑的是连续的比特流，时延恒定、没有排队、没有丢包，语音质量天然稳定。代价是贵——资源是独占的，不管用不用，都不能给别人。 与包厢相对的是**分组交换**：数据被切成一个个IP包，大家共享链路，谁的包到了谁先走。这像大排档，便宜、容量大，但要排队、要等位、偶尔上错菜。网页和视频对这种“尽力而为”毫无意见——慢一点就多转个圈，丢了个包就重传。可语音不行。 ## 为什么语音挤不进大排档：三项硬指标 把语音直接塞进数据管道，听起来顺理成章——语音本质上不就是一段声音文件吗？问题在于，它不是“文件”，而是“实时流”。文件晚到三秒无所谓，实时流晚到三秒就是灾难：对方已经说到下一个字了，你还在听上一个字。 业界对语音质量有一条通行的工程经验值（出自ITU-T G.114建议）：**单向端到端时延控制在150毫秒以内**，通话才感觉自然。拆开看，这个预算紧张得很： $$T_{口到耳} = T_{编码} + T_{打包} + T_{传输} + T_{抖动缓冲} + T_{解码} \le 150\,\mathrm{ms}$$ 编码解码两端各要消耗几十毫秒，传输占掉一大块，留给网络排队的余量少得可怜。除了时延，语音还怕两样东西：**抖动**（包到达时间忽快忽慢，只能靠接收端缓存兜底，而缓存本身又吃时延预算）和**丢包**（丢包率到百分之一量级，听感就开始破碎；而数据包丢了重传就行，语音等不起重传）。 | 指标 | 语音通话的要求 | 普通上网的要求 | | --- | --- | --- | | 单向时延 | 150毫秒以内 | 几百毫秒到几秒都可接受 | | 抖动 | 越小越好，缓存兜底很昂贵 | 完全无所谓 | | 丢包 | 百分之一就明显伤质量 | 重传解决，用户无感 | | 速率需求 | 极低且恒定（每秒十几比特量级） | 越快越好，弹性巨大 | | 资源策略 | 必须预留，不能临场抢 | 尽力而为即可 | 一句话总结：**语音要的不是快，是准时和稳定**。这和分组网络的天性正好相反。所以语音搬家这件事，难点从来不在“带宽够不够”，而在“怎么让一个尽力而为的网络，学会给一个流开出准点专车”。 ## LTE的一声炮响，语音没了家 IMS wiki: IMS是一个“水平控制层”，把接入网和业务层解耦——固网、Wi-Fi、移动网都能接进来。VoLTE、VoWiFi（Wi-Fi通话）、RCS消息，全都是IMS这棵树上结的果。 理解了这个背景，LTE时代的困境就一目了然了。LTE在设计之初就做了一个决绝的选择：**只保留分组域，彻底砍掉电路交换域**。整个网络从基站到核心网，只认识IP包。这是全IP愿景的必然——维护两套平行的网络太贵了，LTE的容量优势也部分来自于这种“轻装上阵”。 但砍掉CS域意味着一个尴尬的现实：**LTE自己不会打电话**。语音的“新家”（IMS）当时还是个复杂的半成品，运营商对它又爱又怕——IMS wiki里就记载着，因为运营商普遍抱怨IMS过于复杂昂贵，行业后来专门在2010年前后定义了一个精简版的IMS——只保留支撑语音和短信所需的最小集合——这就是VoLTE的雏形。而在新家装修好之前，几亿部4G手机总得能打电话。于是第一个过渡方案登场了。 ## CSFB：借旧家的窝 **CSFB**（Circuit Switched Fallback，电路交换回落）的思路朴素到近乎狡猾：既然4G不能打电话，那打电话的时候就退回2G/3G的老网络去打。手机平时驻留在4G享受高速上网；一旦你拨号或有人呼入，网络就把手机“劝退”到旧网络的CS域，在那里完成通话，挂机后再回4G。 用时序图看一次CSFB呼叫的完整过程： ```mermaid sequenceDiagram participant U as 手机 participant L as 4G网络 participant C as 2G交换机 U->>L: 拨号请求通话 L->>U: 指示回落并释放4G连接 U->>C: 重选到旧网络完成登记 U->>C: 发起电路交换呼叫 C->>U: 接通进入通话 Note over U,C: 通话期间4G上网中断 U->>L: 挂机后重选返回4G ``` CSFB是彻底的权宜之计，代价清晰可见： 1. **通话期间4G断线**——单收发的手机得把射频整个让给旧网络，这就是“一打电话就断网”的元凶； 2. **接通变慢**——回落加重新登记要花几秒钟，拨号后“嘟——”声来得明显比2G时代迟； 3. **依赖旧网活着**——CSFB要求2G/3G网络还在服役。一旦旧网退频清退（这几年全球正在密集发生），不支持VoLTE的设备就连电话都打不了。 但站在当年的视角，CSFB是理性的：它让运营商能立刻开卖4G上网，把语音的搬家推迟到新家装修完毕。工程上这叫“先解耦、再迁移”——用兼容性换时间。 ## VoLTE：语音终于变成一种数据 新家装修好之前，运营商对它又爱又怕。**VoLTE**（Voice over LTE）就是那个新家：语音的呼叫控制和媒体流全部跑在IP网络上，IMS（IP多媒体子系统）充当“语音业务的操作系统”。它的精髓用一句话概括：**语音从此不再是一张专门的网，而是一种特殊的IP数据流**。 但这个“特殊”二字大有讲究。普通数据走的是默认承载——大排档，尽力而为；而VoLTE通话建立时，网络会为它专门开一条**专用承载**，相当于在大排档里隔出一间准点专车候车室： ```mermaid flowchart TD A["一部手机
同时跑两种业务"] --> B["默认承载
装微信与网页"] A --> C["语音专用承载
只装语音包"] B --> D["尽力而为
堵了就排队降速"] C --> E["保证比特率
堵了也不许动"] D --> F["基站调度器
上网靠后站"] E --> F F --> G["语音准时送达
上网慢点没关系"] ``` 这条专用承载的保障等级就是我们在QoS文章里见过的GBR概念——网络为它预留最低速率，基站的调度器每过一个传输时间间隔都要优先照顾它。有了这道保证，时延和抖动才被摁在150毫秒的红线内。 VoLTE还有两处容易被忽略的精打细算。其一是**头压缩**：语音包体积极小，而协议栈叠加的RTP、UDP、IP头固定就要40字节。以经典的话音模式12.2 kbps为例，每20毫秒产生一帧244比特，约31字节 payload： $$\eta = \frac{40}{40+31} \approx 56\%$$ 不压缩的话，超过一半的空口资源在搬运“信封”而不是“信”。所以VoLTE强制启用头压缩，把40字节压到几字节，这也是为什么VoLTE的频谱效率能比3G语音高数倍（维基百科VoLTE词条引用的数据是容量约为3G的三倍、2G的六倍）。 其二是**编解码升级**：VoLTE普遍采用宽带语音编码AMR-WB，采样带宽翻倍，听感就是运营商宣传的“高清通话”；更新的EVS编解码还能把带宽扩展到全频带，码率从约6 kbps一路覆盖到128 kbps，兼顾容量与音质。语音编码本身的原理我们在之前的文章里专门讲过，此处不展开。 还有一个体验上的质变：因为语音和上网走的是同一张4G网、同一个手机的两条并行承载，**打电话时上网完全不断**——这是VoLTE相对CSFB最直观的体感差异。 ## SRVCC：通话半路的逃生桥 VoLTE落地后，新问题来了：4G初期覆盖不完善，一辆行驶中的车打着VoLTE电话，驶出4G覆盖区怎么办？2G/3G还在底下兜着，可两边“语言不通”——一边是IMS的IP语音，一边是CS域的电路语音，普通的系统间切换协议根本对不上。 这套机制就是**SRVCC**（Single Radio Voice Call Continuity，单射频语音连续性）。名字里的“单射频”点破了约束：手机只有一套收发机，不能同时连着4G和2G，所以切换必须一刀切过去、不能有任何交叠。它的核心思想是**锚点**：通话建立时，就在网络里设一个锚定点，语音媒体流从锚点分叉流向对端；当手机逼近4G边缘，目标2G/3G侧先把电路侧的“便桥”提前搭到锚点，一切就绪后才命令手机执行切换。手机只经历一次干净的切换动作，媒体路径在锚点后面悄然换轨。 提前搭桥是SRVCC最巧妙的设计：如果等信号掉光了才仓促换网，号令、登记、电路建立一套流程跑下来，用户早听到咔嚓声了。先在后台把路铺好，再把人领过去，切换的中断时间才能压到通话勉强可感的水平。这和普通切换里“先在目标小区签好字”的思想一脉相承，但多出的维度是跨域翻译——IMS侧和CS侧的会话状态要在锚点完成交接。 顺带一提，语音连续性这条线上还有一个更早的VCC（双射频语音连续性）方案，靠手机同时驻留两张网来实现切换，因终端实现代价太高被单射频方案取代。行业在这条路上试错多年，才收敛到SRVCC这个平衡点。 ## 5G重演历史：EPS Fallback与VoNR 时间快进到5G商用，历史押着相同的韵脚。5G空口（NR）同样只认IP包，语音照旧要走IMS。但5G建设初期，大量运营商的核心网IMS尚未支持5G接入，5G覆盖又稀稀拉拉——怎么办？当年的剧本直接翻拍： ```mermaid flowchart TD A["5G手机拨出电话"] --> B{"核心网支持VoNR吗"} B -->|支持| C["VoNR
语音留在5G空口"] B -->|未部署| D["EPS Fallback
把通话切到4G"] C --> E["全程显示5G"] D --> F["在4G上走VoLTE通话"] F --> G["挂机后返回5G"] ``` **EPS Fallback**（演进的分组系统回落）就是5G版的“借旧窝”：5G网络自己暂不承接语音，打电话时把手机切换或重定向到4G，用成熟的VoLTE完成通话，挂机后返回5G。维基百科VoLTE词条对它的定义正是“早期5G网络中的关键机制：当VoNR不可用或终端不支持时，把语音切换到LTE网络走VoLTE”。连切换手段都和当年同构——走连接态切换的用SRVCC思路过渡，走重定向的更简单粗暴。 而**VoNR**（Voice over NR）则是5G的“新家落成”：语音直接跑在5G空口和5G核心网上，全程不回落。它的技术内涵和VoLTE一脉相承——IMS是同一套操作系统，专用承载、头压缩、健壮的实时传输一个不少，变的只是底层无线接入。 把五个时代放在一张表里看全景： | 时代 | 语音走哪张网 | 打电话时数据业务 | 用户体感 | | --- | --- | --- | --- | | 2G与3G | 电路交换专线 | 同网分组域 | 通话稳，网速慢 | | 4G初期 | 回落2G或3G | 通话期间4G断开 | 一打电话就断网 | | VoLTE时代 | IMS上的IP数据流 | 与语音并行 | 高清通话不断网 | | 5G初期 | 回落4G走VoLTE | 通话期间5G断开 | 图标从5G变4G | | 5G成熟 | VoNR | 与语音并行 | 全程5G | 五种机制的速查卡： | 机制 | 一句话思路 | 触发场景 | 存在的理由 | | --- | --- | --- | --- | | CSFB | 借旧家的窝 | 4G初期打电话 | LTE当时没有语音能力 | | VoLTE | 搬进数据网 | 常态 | 全IP架构的语音正态 | | SRVCC | 通话中架便桥 | VoLTE通话中离开4G覆盖 | 保通话不掉线 | | EPS Fallback | 5G版借旧窝 | 5G初期打电话 | 5G侧IMS尚未就绪 | | VoNR | 5G新家 | 常态 | 5G语音的最终形态 | ## 现网连接：这些原理藏在你每天的处理里 **场景一：用户投诉“一打电话就断网”。** 先问清终端和套餐：如果终端不支持VoLTE或没开通，走的就是CSFB，断网是机制使然。处理路径是引导终端开启VoLTE、核查核心网是否给该用户配置了IMS能力，而不是去查无线参数。 **场景二：VoLTE接通时延突然变长。** 想想专用承载建立的链路：IMS信令要求建承载，承载建立完才发振铃。任何一环卡住——承载建立失败重试、DNS解析慢、注册状态过期触发隐式去注册后重注册——都会表现为“嘟”声迟到。抓信令看INVITE与振铃之间的时间都花在哪一段，比盲目优化空口有效得多。 **场景三：VoLTE通话MOS值差。** 专用承载只保证“有车道”，不保证“路况好”。丢包、抖动、切换频繁、弱覆盖下的重传爆发，都会压垮听感。定位时先分清是空口问题（高误块率、频繁切换）还是承载网问题（路由绕行、拥塞），两者修法完全不同。 **场景四：用户拿着5G手机质问“打电话就变4G，是不是5G假的”。** 这大概率是EPS Fallback，属正常设计而非故障，回落期间的通话质量由成熟的VoLTE保障。判断网络VoNR是否部署，看通话时图标是否保持5G即可。 几个常见误区顺手澄清：其一，“VoLTE就是高清通话”——高清只是编解码升级的赠品，VoLTE的本质是承载架构的革命；其二，“CSFB接通慢是因为IMS慢”——恰恰相反，CSFB根本没碰IMS，慢在回落重选的流程本身；其三，“5G图标掉了就是故障”——多数时候只是语音回落的正常动作。 ## 常见问题 **Q: CSFB和EPS Fallback的区别是什么？** A: 思路相同（网络自己暂时不能打电话，就把通话借给旧网），但层级不同：CSFB是4G手机回落到2G/3G的电路交换域，走的是纯传统电话网；EPS Fallback是5G手机回落到4G，走的仍是全IP的VoLTE。前者回的是“老家”，后者回的是“隔壁已经装修好的新家”。 **Q: SRVCC和普通切换的区别是什么？** A: 普通切换发生在同质网络之间（都是LTE，或都是2G），两边说同一种“语言”；SRVCC是跨域切换，要把IMS的IP语音会话翻译成2G/3G电路交换的会话。它靠锚定点提前在目标网络搭好媒体便桥，再命令单射频的手机一刀切过去，才能把中断压到最小。 **Q: VoLTE通话中，上网和语音谁优先？** A: 语音优先。语音走GBR专用承载，网络为其预留速率，基站调度器始终优先照顾；上网流量走默认承载，容量紧张时先给上网降速排队，而不是让语音卡顿。这就是“语音准时、上网让路”的资源哲学。 **Q: 为什么5G不一开始就上VoNR，非要回落4G？** A: 语音只是IMS这个框架上的一种业务，5G初期运营商优先把数据吞吐拉起来抢占市场，IMS对5G接入的支持和5G覆盖本身都需要时间。先用EPS Fallback借4G的成熟语音，是和当年CSFB一模一样的“用兼容性换时间”策略。 **Q: 2G/3G退网后，CSFB还在吗？** A: 退网之日就是CSFB失效之时——它天然依赖旧电路交换网络存活。所以全球运营商才如此迫切地推动所有终端迁移到VoLTE：旧网一关，不支持VoLTE的设备连紧急电话都可能打不出去，这也是近几年多国监管机构反复排查存量终端的原因。 ## 参考来源 1. [Voice over LTE - Wikipedia](https://en.wikipedia.org/wiki/Voice_over_LTE) — VoLTE定义、CSFB与EPS Fallback机制、QCI承载保障、编解码与商用时间线 2. [IP Multimedia Subsystem - Wikipedia](https://en.wikipedia.org/wiki/IP_Multimedia_Subsystem) — IMS架构定位、SIP会话控制、语音连续性与VoLTE精简化的由来 3. [Wideband audio - Wikipedia](https://en.wikipedia.org/wiki/Wideband_audio) — AMR-WB与“高清语音”的关系 4. [Enhanced Voice Services - Wikipedia](https://en.wikipedia.org/wiki/Enhanced_Voice_Services) — EVS编解码的码率范围与全频带能力 --- > 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。