一种基于大数据的EPS FB语音感知精准优化方法研究

目前5G网络的语音策略主要为VoNR，但仍有大量业务是基于EPS FB(Evolved Packet System Fallback,5G网络侧语音回落)返回4G网络进行语音业务。随着5G用户的快速增长，原有的EPSFB回落策略存在回落成功率低、回落时延长、室内SA(standalone)语音感知差，甚至回落到4G质差小区等问题，严重影响语音用户感知，因此提出一种基于大数据的EPSFB语音感知精准优化方法，利用炎强大数据平台对回落方式、回落成功率、回落时延、邻区及下发频点、EPSFB接入成功率等数据进行海量统计分析，通过FDD(Frequency Division Duplexing)1800共址、50米、1.5公里内有无室分站点进行不同场景划分，最终实现不同场景下的针对性快速精准回落，确保不同场景下5G网络用户的语音感知稳定，方法执行后，EPSFB回落成功率、接通率、掉话率等语音指标提升明显。