18video性欧美19sex,欧美高清videosddfsexhd,性少妇videosexfreexxx片中国,激情五月激情综合五月看花,亚洲人成网77777色在线播放

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

VoNR語音感知端到端優(yōu)化方案

中興文檔 ? 來源:中興文檔 ? 2025-09-24 10:22 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

自2022年VoNR正式商用以來,用戶數(shù)快速增長,截止2024年初,5G語音用戶中VoNR占比超過80%,EPS Fallback占比已不足20%。隨著VoNR用戶數(shù)增加,語音用戶感知對運營商口碑影響越來越大,VoNR感知評估和優(yōu)化工作顯得尤為重要。

VoNR語音端到端涉及5大領(lǐng)域,分別為終端、無線域、傳輸域、5GC域、IMS域等,網(wǎng)絡(luò)質(zhì)量運維工作復雜,VoNR感知評估和優(yōu)化面臨如下痛點:

用戶對語音感知更敏感,容易發(fā)生用戶投訴

語音通話過程中出現(xiàn)短時間中斷或者掉話問題,相比數(shù)據(jù)業(yè)務對用戶感知影響更大,因此語音業(yè)需要更為精細的優(yōu)化工作。

用戶語音感知評估能力有限,無線側(cè)指標無法準確評估感知情況

無線側(cè)指標僅能表征無線側(cè)感知情況,無法評估無線以上網(wǎng)元的性能情況。以接通率指標為例,主叫收到180ringing代表語音端到端成功接通,而無線側(cè)無法解析SIP信令,因此無線側(cè)只能通過RRC連接建立成功率和5QI1專載空口建立成功率近似表征VoNR接通情況。

VoNR網(wǎng)絡(luò)復雜,端到端定界定位過程復雜

現(xiàn)網(wǎng)語音類問題處理過程中,VoNR問題定界定位結(jié)果涉及多領(lǐng)域,多網(wǎng)元,只能依靠大數(shù)據(jù)平臺來進行聚類分析,并聯(lián)合各專業(yè)完成問題最終定位和閉環(huán)。

e9278b74-8f7c-11f0-8c8f-92fbcf53809c.png

VoNR端到端架構(gòu)

基于VMAX的VoNR感知分析

語音質(zhì)量監(jiān)控和定界定位必須依靠端到端工具,VMAX平臺是中興通訊自主研發(fā)的一站式大數(shù)據(jù)管理平臺,語音分析功能齊全,平臺分別從“領(lǐng)導者、專家者、保障者、生產(chǎn)者”視角,建設(shè)從領(lǐng)導者洞察全局網(wǎng)絡(luò),到專家者分析網(wǎng)絡(luò),從保障者監(jiān)控預警,到生產(chǎn)者優(yōu)化網(wǎng)絡(luò)的全景化、端到端、多方位語音質(zhì)量監(jiān)控生產(chǎn)體系。

VMAX通過對海量數(shù)據(jù)靈活挖掘,實現(xiàn)語音端到端分析能力,VMAX主要功能如下:

語音業(yè)務全流程信令回溯

VMAX利用數(shù)據(jù)資源優(yōu)勢,可以將多個接口信令進行關(guān)聯(lián),獲取整個通話過程中的完整信令,通過信令回溯,可以對投訴話單進行初步定界定位,為快速解決投訴提供有效支撐。

語音端到端感知評估

語音業(yè)務感知包括打得通、接得快、聽得清、不掉話等4個方面,VMAX可以針對語音端到端感知進行較為準確的評估,同時支持通過腳本提取數(shù)據(jù),按照自定義規(guī)則進行感知評估。

打得通方面,通過統(tǒng)計Invite和180ringing次數(shù),可以統(tǒng)計用戶實際接通情況,相比無線側(cè)更加貼近用戶實際呼叫時延情況;

接得快方面,VMAX可以通過平均呼叫時延和超長時延(時延大于6s)話單占比準確評估語音時延情況,彌補無線側(cè)無法統(tǒng)計時延的缺點。

聽得清方面,VMAX通過5s切片級RTP丟包信息,可以統(tǒng)計單通吞字切片占比,相比單純丟包率統(tǒng)計粒度更細,更加貼近用戶實際通話感知。

不掉話方面,VMAX可以統(tǒng)計ASR掉話、Bye異常原因值(例如RTP Timeout)掉話,著眼于影響用戶感知的實際掉話,更加貼近用戶掉話情況。

e988ea54-8f7c-11f0-8c8f-92fbcf53809c.png

VoNR感知評估體系

基于多接口數(shù)據(jù)的網(wǎng)絡(luò)問題定界

對于語音控制面指標,VMAX可以將5GC、IMS、EPC多域多接口的XDR話單進行關(guān)聯(lián),提取異常話單對應的第一拆線接口、第一拆線網(wǎng)元、第一拆線的原因值等信息,與經(jīng)驗規(guī)則庫進行匹配,輸出定界結(jié)果,指導外場開展優(yōu)化工作。

基于VMAX的VoNR質(zhì)量提升

01 VoNR接通率優(yōu)化

VoNR接通問題定界的整體思路是從接通失敗碼入手,利用VMAX提取失敗單據(jù),根據(jù)其失敗碼進行聚類分析,優(yōu)先分析占比最高的失敗碼。

02 VoNR接通時延優(yōu)化

VoNR接通時延主要采用分段時延分析法。運用VMAX大數(shù)據(jù)平臺,對5G語音呼叫進行分段切片處理,以呼叫進程關(guān)鍵信令節(jié)點為依據(jù),深入剖析每個階段可能引入的呼叫時延。通過海量數(shù)據(jù)分析,得出每段的基準時延,并將話單分段時延與基準時延進行對比,實現(xiàn)定界定位。

根據(jù)現(xiàn)場經(jīng)驗,在“專載建立/尋呼時延/AS或智能業(yè)務/SIP接續(xù)/互操作”等關(guān)鍵業(yè)務階段進行精心優(yōu)化,以有效降低時延并提升網(wǎng)絡(luò)質(zhì)量。

e9e726aa-8f7c-11f0-8c8f-92fbcf53809c.png

VoNR常用時延分段方法

03 VoNR MOS優(yōu)化

通話中語音包的丟包率、時延、抖動,空口切換、承載網(wǎng)質(zhì)量等,均會影響到MOS分數(shù)。在MOS分析中,需要從這些指標方面分析對MOS影響。

語音質(zhì)量端到端各網(wǎng)元影響分析:

通過VMAX采集各接口數(shù)據(jù)計算得出MOS值,根據(jù)MOS值比較可以對MOS質(zhì)差進行定界定位。

ea3ba18a-8f7c-11f0-8c8f-92fbcf53809c.png

用戶面端到端路徑

如上圖所示,通過A用戶發(fā)出的媒體流判斷問題點的原理如下:

如果A用戶N3口上行MOS低,則優(yōu)先排查A用戶終端或無線側(cè)原因。

如果A用戶N3口上行MOS- A用戶SGi口上行MOS差值大,則優(yōu)先排查A用戶所在UPF及承載網(wǎng)原因。

如果A用戶SGi口上行MOS - B用戶SGi口下行MOS差值大,則優(yōu)先排查PSBC及承載網(wǎng)原因。

如果B用戶SGi口下行MOS - B用戶N3口下行MOS差值大,則優(yōu)先排查B用戶所在UPF及承載網(wǎng)原因。

如果B用戶N3口下行MOS - B用戶RTCP報文MOS差值大,則優(yōu)先排查B用戶無線側(cè)原因。

反之,可分析B用戶發(fā)出的媒體流情況。

VMAX平臺可以根據(jù)上述邏輯針對每次VoNR語音MOS質(zhì)差通話進行定界,對定界結(jié)果中核心網(wǎng)網(wǎng)元、基站、終端等信息進行聚類,針對聚類結(jié)果進行典型樣本深入分析確定問題原因。

04 VoNR掉話優(yōu)化

VoNR掉話的常見原因主要有無線鏈路失敗、切換失敗、RRC重建以及端到端協(xié)同問題導致,VMAX平臺可采用無線軟采及信令監(jiān)測數(shù)據(jù),挖局典型掉話場景及TOP終端或小區(qū)。

VoNR掉話問題需要從終端、基站、5GC、IMS端到端網(wǎng)元開展定界定位,整體定位思路如下圖:

ea9b1ab6-8f7c-11f0-8c8f-92fbcf53809c.png

VoNR掉話定位思路

VMAX已具備VoNR感知掉話分析功能,可以進行指標趨勢監(jiān)控、原因值趨勢分析、定界趨勢分析以及分區(qū)域的指標統(tǒng)計,進一步點擊失敗次數(shù)可以鉆取掉話單據(jù)詳單,分析具體掉話原因。

VoNR感知端到端優(yōu)化實踐 01 丟包導致呼叫時延劣化

問題描述:通過VMAX融合語音分析功能觀察到,進入12月份以來,某地VoNR to VoNR始呼建立的平均時延整體呈現(xiàn)出增長趨勢,12月中旬相比12月初時延增加150ms左右,需要進一步研究確定時延增加的具體原因,并采取優(yōu)化措施改善用戶感知。

eaf1c60e-8f7c-11f0-8c8f-92fbcf53809c.png

時延趨勢圖

問題分析:通過VMAX對時延進行分段分析,發(fā)現(xiàn)主要是T1階段時延劣化最為明顯,劣化幅度為90ms以上,具體分段時延情況如下:

eb4b5408-8f7c-11f0-8c8f-92fbcf53809c.png

分段時延統(tǒng)計

按照時延分段分析思路,T1時段主要包括被叫尋呼時延以及IMS對Invite和183消息轉(zhuǎn)發(fā)時延。經(jīng)與無限側(cè)確認,進入12月初以來,無線側(cè)未進行規(guī)模操作,尋呼周期未修改,全網(wǎng)指標保持穩(wěn)定,同時全網(wǎng)也未出現(xiàn)大氣波導因素導致的突發(fā)干擾抬升問題,因此懷疑IMS對SIP消息轉(zhuǎn)發(fā)時延出現(xiàn)劣化。

為進一步排查問題,利用VMAX提取T1時延較大話單,針對該類話單進行大量抽樣分析,發(fā)現(xiàn)T1時延偏大話單有共性問題,這些話單都經(jīng)過反詐平臺10.108.157.204和10.108.157.205的概率達到85%以上。

基于該類共性問題,分IP對全部反詐平臺進行時延趨勢分析,下圖中橫坐標代表IP地址第四段,例如204代表10.108.157.204,從時延趨勢來看,反詐平臺204和205時延12月中旬相比12月初增加200ms以上,問題最終鎖定為反詐平臺信令轉(zhuǎn)發(fā)時延大。

eba3d2ea-8f7c-11f0-8c8f-92fbcf53809c.png

反詐平臺時延變化情況

問題定位解決:聯(lián)合核心網(wǎng)進行問題排查,最終定位為反詐平臺資源池存在丟包,導致信令存在重傳,進而引起呼叫時延劣化。反詐平臺在12月18日處理資源池丟包問題后,反詐平臺204和205時延指標恢復正常,全網(wǎng)V2V呼叫時延從2160ms恢復至月初的2010ms,問題完成閉環(huán)。

結(jié)束語

語音感知對網(wǎng)絡(luò)口碑至關(guān)重要,中興通訊始終秉承為客戶提供卓越感知的使命,率先建設(shè)語音感知端到端工具平臺,并結(jié)合平臺探索高效的語音問題解決方案,致力于打造極致的用戶體驗。

語音感知問題定界定位能力提升是網(wǎng)絡(luò)優(yōu)化的關(guān)鍵課題,中興通訊將繼續(xù)發(fā)揮工具平臺優(yōu)勢,挖掘端到端問題,并通過專家經(jīng)驗迭代優(yōu)化規(guī)則庫,不斷提升平臺自智能力,提升用戶滿意度。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 語音
    +關(guān)注

    關(guān)注

    3

    文章

    403

    瀏覽量

    39313
  • 網(wǎng)絡(luò)
    +關(guān)注

    關(guān)注

    14

    文章

    8031

    瀏覽量

    92323
  • 5G
    5G
    +關(guān)注

    關(guān)注

    1363

    文章

    48985

    瀏覽量

    585145

原文標題:VoNR語音感知端到端優(yōu)化方案

文章出處:【微信號:ztedoc,微信公眾號:中興文檔】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點推薦

    紫光展銳攜手華為打通5G VoNR語音和視頻通話

    的移動測試終端,以及華為5G解決方案。 VoNR即Voice over NR,指話音承載在5G基站上,
    的頭像 發(fā)表于 01-15 05:31 ?5017次閱讀

    語音加密方案

    本帖最后由 藍是昵稱 于 2019-11-7 14:21 編輯 提供完整的全數(shù)字語音加密方案:包括硬件、軟件功能:通過通信終端的
    發(fā)表于 11-07 14:08

    雙向四維三階法分析VOLTE感知問題案例

    場景復雜,挑戰(zhàn)更大。如何確保VOLTE語音 “接得快”、“聽得清晰”,是現(xiàn)階段的難點和重點。而本文研究的雙向四維三階分析法,為VOLTE語音感知搭建一個成本低、效率高、定位準的分析方法論,給感知
    發(fā)表于 12-03 15:43

    物聯(lián)網(wǎng)解決方案

    英特爾打造核心技術(shù)物聯(lián)網(wǎng)解決方案
    發(fā)表于 12-28 18:12 ?0次下載

    紫光展銳與華為打通5G SA網(wǎng)絡(luò)下的VoNR通話 5G產(chǎn)業(yè)鏈將加速成熟

    近日,紫光展銳宣布,已攜手華為打通5G SA網(wǎng)絡(luò)下的VoNR通話,包括語音和視頻。本次測試基于2.6GHz頻段,采用基于紫光展銳首款5G多模調(diào)制解調(diào)器春藤510的移動測試終端,以及華為5G
    的頭像 發(fā)表于 01-14 16:22 ?3632次閱讀

    一種基于基于語音的對話代理

    這項新的專利技術(shù)旨在帶來一種基于基于語音的對話代理,該對話代理可以進行更自然,多輪回的對話,從而與用戶的對話風格和面部表情保持一致。
    的頭像 發(fā)表于 09-09 14:14 ?1997次閱讀

    的IO鏈接解決方案

    的IO鏈接解決方案
    發(fā)表于 05-10 10:43 ?1次下載
    <b class='flag-5'>端</b><b class='flag-5'>到</b><b class='flag-5'>端</b>的IO鏈接解決<b class='flag-5'>方案</b>

    中國聯(lián)通攜手華為在深圳率先規(guī)模完成的5G商用VoNR語音方案升級

    近日中國聯(lián)通攜手華為在深圳率先規(guī)模完成的5G商用VoNR語音方案升級,是首次基于超百站連片SA現(xiàn)網(wǎng)環(huán)境開展的VoNR網(wǎng)兼容性和移動性能驗證
    的頭像 發(fā)表于 05-11 17:49 ?3887次閱讀

    一種的立體深度感知系統(tǒng)的設(shè)計

    ? ? 本文提出了一種生產(chǎn)化的立體深度感知系統(tǒng)設(shè)計,可以完成預處理、在線立體校正和立體深度估計,并支持糾偏失敗后的單目深度估計備選方案
    的頭像 發(fā)表于 05-26 16:12 ?1196次閱讀
    一種<b class='flag-5'>端</b><b class='flag-5'>到</b><b class='flag-5'>端</b>的立體深度<b class='flag-5'>感知</b>系統(tǒng)的設(shè)計

    NVMe解決方案簡介

    電子發(fā)燒友網(wǎng)站提供《NVMe解決方案簡介.pdf》資料免費下載
    發(fā)表于 08-17 09:59 ?0次下載
    <b class='flag-5'>端</b><b class='flag-5'>到</b><b class='flag-5'>端</b>NVMe解決<b class='flag-5'>方案</b>簡介

    語音識別技術(shù):的挑戰(zhàn)與解決方案

    探討語音識別技術(shù)的挑戰(zhàn)與解決方案。 二、
    的頭像 發(fā)表于 10-18 17:06 ?1636次閱讀

    Sparse4D-v3:稀疏感知的性能優(yōu)化拓展

    極致的感知性能與極簡的感知pipeline一直是牽引我們持續(xù)向前的目標。為了實現(xiàn)該目標,打造一個性能優(yōu)異的
    的頭像 發(fā)表于 01-23 10:20 ?2941次閱讀
    Sparse4D-v3:稀疏<b class='flag-5'>感知</b>的性能<b class='flag-5'>優(yōu)化</b>及<b class='flag-5'>端</b><b class='flag-5'>到</b><b class='flag-5'>端</b>拓展

    Mobileye自動駕駛解決方案的深度解析

    強大的技術(shù)優(yōu)勢。 Mobileye的解決方案概述 1.1 什么是
    的頭像 發(fā)表于 10-17 09:35 ?1106次閱讀
    Mobileye<b class='flag-5'>端</b><b class='flag-5'>到</b><b class='flag-5'>端</b>自動駕駛解決<b class='flag-5'>方案</b>的深度解析

    階躍星辰發(fā)布國內(nèi)首個千億參數(shù)語音大模型

    近日,階躍星辰在官方公眾號上宣布了一項重大突破——推出Step-1o千億參數(shù)語音大模型。該模型被譽為“國內(nèi)首個千億參數(shù)
    的頭像 發(fā)表于 12-17 13:43 ?958次閱讀

    動量感知規(guī)劃的自動駕駛框架MomAD解析

    自動駕駛框架實現(xiàn)了感知與規(guī)劃的無縫集成,但通常依賴于一次性軌跡預測,這可能導致控制不穩(wěn)定,并且對單頓感知中的遮擋問題較為敏感。為解決這
    的頭像 發(fā)表于 03-18 09:31 ?1257次閱讀
    動量<b class='flag-5'>感知</b>規(guī)劃的<b class='flag-5'>端</b><b class='flag-5'>到</b><b class='flag-5'>端</b>自動駕駛框架MomAD解析