在LTE網絡中，運營商最終將會使用基于IMS（IP Multimedia Subsystem）系統的IP語音技術為用戶提供傳統電話業務的替代服務。這一重大技術升級的優勢在于網絡使用高帶寬的語音編解碼技術承載“高清語音”（HD Voice，它的定義請參考GSMA官方網站上的說明），從而極大提高用戶體驗。人耳能識別的聲音的頻率范圍限制在20～20,000赫茲之間。傳統固定電話網絡和第二代數字移動通信系統（包括起源于歐洲的GSM和北美的IS-95），都只將頻率范圍在300～3,400赫茲之間的窄帶聲波信號作為信源編碼的輸入，其它頻率成分則被濾除。這樣做主要受限于兩個因素，一是空中接口速率非常有限（如GSM的空口速率僅為270.833 kbps，且需要多用戶時分復用）,二是無法實現高效率的語音壓縮和編碼。窄帶語音的缺點非常明顯，盡管通信雙方的語意可以被識別，但是聲音聽起來單調，干澀，缺乏現場感。如信源編碼時聲音中的頻率成分被保留的越多，那么用戶聽到的聲音會越接近原聲，感受更豐富，柔和，悅耳。在電話系統中，按照聲音信號的頻率范圍，可將聲碼器劃分為下面四種類型：

寬帶與超寬帶語音將主要應用于LTE網絡，而全帶寬語音作為超寬帶語音的演進，將成為未來EVS（enhanced voice services）全高清語音業務的基礎，覆蓋聲音全部頻率成分的特性使得通過移動通信網絡收聽高保真音樂成為可能。

人對聲音的感知是一個復雜的從物理現象到生理，心理作用的過程，即音源振動產生聲音并以波的形式傳播出去，聲波進入人耳引起耳蝸內結構振動產生生物電信號，生物電信號傳導到大腦刺激聽覺神經使人感受到聲音。人對聲音的判別帶有強烈的主觀色彩。基于這一特點，聲音相關的測試不僅要使用客觀的檢測手段（如元器件或整機的電壓、頻響等可定量參數的測量），還需要采用“聽音”方式進行主觀測試。傳統的聽音測試，由很多經過訓練的“人耳”在標準環境下，聆聽被測信號，按照一定的標準對聲音質量的“好壞”進行打分完成，5分為“優秀”，1分則是“最差”。所有這些測試者打出的分數的平均，就得到所謂“MOS”分數(Mean Opinion Score)。理論上推算，VoLTE高清語音的最高編碼速率等級，在靜態傳輸條件下MOS分數可到達4分以上的效果，比傳統2/3G語音有明顯的提高。

考察人對語音的主觀感受，除了音質MOS分之外，還需考慮語音在整個通信過程當中延遲（Latency）的影響。喜歡看電視新聞節目的人，常會看到演播室和新聞現場遠程聯線的場景。聯線距離如果很遠，可看到演播室這邊話已講完，而聯線那端的人長時間沒有反應的現象，這就是延遲的影響，即由于通信距離過遠，導致音視頻信號需要長時間傳輸，從而使雙方無法保持“實時”的交流。一般來說，通信系統中語音信號的延遲超過300毫秒，雙方就能夠感受到通話的等待和暫停，引起不適。GSM，WCDMA，TD-SCDMA，cdma2000這幾種制式下，語音通過面向連接的電路交換網絡傳輸，延遲比較小且固定。但是LTE網絡是完全的分組包交換網絡，IP包的突發特性和語音傳輸的要求本質上是矛盾的，加上IP協議的“發后不管，盡力而為”的特點，使VoLTE語音里延遲和通信質量之間的矛盾愈加突出。所以，從測試角度看，必須對VoLTE語音的延遲進行準確測量，才有助于手機設計者提高VoLTE語音的整體性能。

上述人工聽音方法現在已無法大規模應用，尤其在激烈的市場競爭下，廠家更無法投入巨大的人力進行此類測試。業界實際使用一種模擬主觀聽音的客觀測試方法作為替代，這就是所謂PESQ和POLQA測試。PESQ是“Perceptual Evaluation of Speech Quality”的縮寫，POLQA則是“Perceptual Objective Listening Quality Assessment”的縮寫。POLQA可以簡單的理解為PESQ功能的升級和擴展，VoLTE語音質量測試使用POLQA方法，因此本文只介紹POLQA的測試（關于PESQ和POLQA測試的具體差別，建議讀者可以參考閱讀R&S公司編號為1GA62的當中應用文檔有關內容）。這兩種測試都是根據人耳工作原理，用物理和數學方法對人耳聽覺功能建立PESQ或者POLQA分析模型。測試時將標準參考信號輸入被測設備（以下簡稱DUT），獲得經DUT后的有損信號輸出，再將此輸出信號輸入PESQ/POLQA模型，與預存的參考信號進行對比，從而獲得結果，如下圖所示。POLQA模型除了能夠獲得MOS分數外，還可以通過比對有損輸出和參考信號時間差得到整個通路的延遲，因此POLQA測量對VoLTE語音質量檢測有著更加積極的意義。

真實的LTE網絡環境復雜，在不同層面存在著多種影響通信質量的消極因素。而且LTE和2/3G網絡會長期共存，用戶在通話過程中難免會經歷系統之間互操作的情況。此外，運營商會根據優化的需要約束DUT在網絡中的一些行為。因此VoLTE語音質量測試不僅僅要覆蓋靜態傳播場景，還要考慮到上述這些因素的影響。具體來說要著重進行下面這些測試：

射頻衰落場景下的MOS分數。在無線傳播信道存在多普勒頻移以及白噪聲時，如果下行信號使用高階調制方式和過大數據傳輸塊尺寸，DUT將變得無法承受，進而引起MOS分數的嚴重惡化。此時網絡通常需要改用較低的MSC（Modulation Scheme）來提供更多冗余保護，從而保證音質。

IP層損傷場景的MOS分數和時延。因VoLTE語音使用RTP協議傳輸，無后向糾錯機制，IP層傳輸過程中的丟包會嚴重影響音質，使MOS分數下降，甚至導致連接中斷。IP傳輸過程中很可能經過多個不同的網絡設備，各設備間并沒有時基同步機制，這使得連續的IP包之間在傳輸時間上出現波動，這一現象被稱為“Jitter”（抖動）。為對抗抖動，DUT在接收端都要設計一定大小的緩存，當連續到達的語言幀之間存在時間波動時，該緩存可存放若干連續語音幀，待語音穩定后再輸出。較大尺寸的Jitter Buffer的會改善音質，即MOS分數提升，但會帶來較大的處理延遲，引起通話者注意；反之較小容量的Jitter Buffer處理延遲小，但MOS分數優化有限。因此如何平衡延遲與MOS分數成為Jitter抑制的主要挑戰（關于Jitter Buffer，請參考3GPP組織的規范26.448）。

數據和語音同步傳輸時MOS分數。LTE網絡下RTP語音和其它IP協議數據包同時傳輸是很常見的場景。DUT需要按照不同業務類型對數據包分別進行QoS處理。好的DUT設計應該是在MOS分數、延遲不惡化的要求下，最大程度保證其它數據業務的質量。

切換場景下MOS分數和時延。切換包括有LTE網絡內的跨小區切換，頻點切換，還有通過eSRVCC方式完成的LTE->GSM，LTE->WCDMA等異系統間切換。切換動作會造成DUT與網絡的短時間內連接的丟失，并且帶來額外的協議棧信令處理時間，所以切換會降低音質，增加延遲。

出于省電，擴大網絡覆蓋，降低信令開銷等多種目的，運營商在LTE網絡內可以使用cDRX（連接態下非連續接收）, TTI Bundling（TTI綁定）, SPS（半靜態調度）, RoHC（PDCP層包頭壓縮）等功能對DUT行為進行約束。開啟這些功能對MOS音質以及延遲都有可能產生影響。

根據上面的說明可知，為保證質量，對手機的VoLTE語音質量需要進行全面的測試。因測試環境涉及到LTE基站與核心網，IMS網絡與IP傳輸，音頻編解碼能力及標準音頻源與分析等通信網絡中的幾乎所有重要網元與功能實體，而且測試中還需要隨意設置基站功能，并精確的定量（比如延遲），所以整個測試非常復雜，無法在真實網絡下開展，只能在實驗室進行。

為了滿足這類測試需求，羅德與施瓦茨公司（以下簡稱R&S公司）開發了一套完整的VoLTE語音質量自動化測試系統，它具有功能全面，構成簡單，運行速度快，人機交互友好等優點，十分適合開發和準入測試。該套系統僅由射頻測試儀CMW500和音頻分析儀UPV兩臺儀表，以及一臺運行CMWrun自動化控制軟件的電腦組成。下面是它的示意圖。

圖中上方的儀表是高精度音頻信號分析儀UPV。它具有工作頻率范圍寬（直流/10 Hz-250 KHz），測量范圍廣（0.1 μV-110 V），靈敏度高(±0.025 dB)，噪聲低等優點。它配備有雙通道的獨立音頻源和分析儀，能同步分析DUT的上行和下行通路。在POLQA測試系統中，它的兩路音頻源負責播放按照3GPP規范要求制作的測量參考信號（或者運營商提供的測試語料文件），這種信號通常是一段混合了幾秒鐘男女聲及靜默的wav格式語音文件。按照測試方向的不同，參考信號分別發送至DUT的麥克風輸入端（上行測量）和基站模擬器的音頻編碼器輸入端（下行測量）；類似的，根據測試方向的差異，它的兩路音頻分析儀則分別接收來自網絡音頻解碼器輸出端（上行測量）和手機的耳機輸出端（下行測量）的有損聲音信號，然后由內置POLQA測量軟件出該方向的MOS分數及通路的延遲。

圖中下方的儀表是無線通信綜合測試儀CMW500。它是一款非常優秀的產品，自2007年10月面世以來，全球銷量累計已達五萬五千余臺，已經成為了行業內事實上的標桿，它的用戶遍布有無線通信測量測量需求的各類機構。在POLQA測試系統中，CMW500起到了非常重要的作用，具體包括：

模擬LTE/GSM/WCDMA/TD-SCDMA/cdma2000等基站及核心網功能，允許手機注冊，連接建立；根據需要執行LTE帶內、帶間、LTE到GSM或WCDMA等異系統間的切換；LTE網絡下可以提供cDRX，TTI Bundling，SPS，RoHC等多種實網復雜場景

提供IMS服務和IP網絡模擬功能，允許手機根據不同信令條件注冊到IMS服務器，并建立VoLTE語音呼叫；提供IP層損傷模擬，包括可選擇不同丟包率和Jitter時間；AMR聲碼器支持窄帶、寬帶到EVS等多種形式，最高支持23.85 kbps的編碼速率；提供IP層抓包分析功能；內置不同類型IP服務器，如網頁瀏覽、FTP、Video Streaming等，可模擬VoLTE語音和數據業務并發場景

上下行雙向音頻硬件接口，提供電壓和阻抗匹配，并可實時更改編碼器速率，可真實還原實網下DUT根據網絡要求更改語音速率的場景

可準確測量網絡側處理造成的延遲。此功能不僅對VoLTE有效，對GSM，WCDMA，cdma2000，TD-SCDMA等電路交換業務，CMW都可以計算出每一個語音幀（20毫秒）在網絡側的延遲，而不是給出一個模糊的經驗值，VoLTE下的網絡側延遲結果如下圖所示

系統中的電腦將會安裝CMWrun自動化測量軟件，它通過運行預先編制好的測試腳本，控制CMW500和UPV，進行各種測試場景模擬及POLQA測量。CMWrun提供的測試腳本非常靈活，可根據需要進行修改，以滿足個性化的測試要求。CMWrun還可通過安卓系統ABD接口控制DUT，執行開關飛行模式，接聽電話等動作，做到完全的無需人為干預的自動化測試，極大的解放人力。因VoLTE測試需驗證的場景很多，不少測試用例（如切換類測試）對參考信號的播放時間與測量時間窗口之間的配合有嚴格要求，所以手工測試效率低下且不準確，而CMWrun自動化測試的方法可以精確的控制測試過程及定時，因此非常適合這類測試。測試結束后，CMWrun還可以提供多種格式的詳細測量報告。

除了上述優點之外，R&S測試方案中延遲的測量也有獨到之處。首先系統使用CSS（Composite Source Signal）信號作為延遲測量的參考信號。該信號由語音、噪聲和靜默組成。信號中的語音的作用是讓DUT接收端的Jitter Buffer能夠盡快收斂以便執行延遲測試。而時間的定位則是根據偽隨機噪聲信號良好的互相關特性來完成，當有損信號與參考信號做互相關運算得到尖峰時，即獲得準確的時間信息。靜默的添加則使得整個測試信號更加接近真實通話場景。CSS信號在3GPP規范26.132以及ITU技術要求P.501當中都有詳細規定，具有權威性和準確性。下圖是R&S方案中使用的CSS信號的時域構成。

另一個獨到之處就是R&S公司的測試系統提供單端和環路兩種延遲測量的方法。真實通信中，延遲來自于網絡和手機各自的處理時間，以及空中接口的傳輸時間。實驗室測試時，空口傳輸時間可忽略不計。UPV的POLQA模型計算得到的是整體延遲，該時間減去儀表側精確測量的網絡內部延遲，即可獲得DUT側的延遲。運營商往往關心整個環路中的延遲性能，它包括了上行和下行兩個方向；然而從手機廠商角度看，DUT接收側延遲更加具有檢測的意義。這是因為DUT里延遲主要來自于接收通路里的Jitter Buffer，緩存容量的大小決定DUT側延遲的表現。正是基于用戶不同的關切，R&S公司的POLQA測試系統提供了單端和環路兩種延遲的結果，向客戶提供了更為深入的分析數據。上面兩種延遲測量方法，都是有嚴格依據的，在3GPP規范26.132中有詳細的描述，參考下面示意圖。

功能上看，R&S公司的測試系統確實是VoLTE語音質量測量的一大利器。現實中，該系統也已經在為許多不同類型客戶提供服務了，尤其是R&S公司和多家大型移動運營商，如中國移動，中國聯通，美國AT&T，美國Verizon等對不同芯片，不同品牌的DUT進行了大量的聯合調試，效果顯著。根據運營商的需求，R&S公司提供了成套的定制CMWrun測試腳本用于他們的準入測試，有效推動了整個產業界的技術升級和發展。而且，對手機廠商來說，一個非常現實的問題就是如何降低成本。R&S測試系統有一個突出的優勢，就是CMW500和UPV的保有量非常多，而且CMW的擴展性能非常好。客戶升級時無需花費太多的時間和金錢，甚至只需購買CMWrun軟件選件，即可快速開展相關測試，這為保護客戶既往投資起到了十分積極的作用。