移动网络架构演变 | 带你读《5G时代的承载网》之十

简介: 移动通信网络架构的演进包括两个方面,即无线接入网(RAN,Radio Access Network)的演进和核心网(CN,Core Network)的演进。

第 3 章 5G 网络架构

前面我们提到 5G 将渗透到未来社会的各个领域,以用户为中心构 建全方位的信息生态系统。面对极致的体验、效率和性能要求, 以及“万物互联”的愿景,5G 的网络架构设计将面临极大挑战。相较 于 4G 时代,5G 的网络结构会发生颠覆性的变化。本章将介绍 5G 网络 架构演进以及部署策略,为后文 5G 承载网的展开提供前置基础。

| 3.1 移动网络架构演变 |

移动通信网络架构的演进包括两个方面,即无线接入网(RAN,Radio Access Network)的演进和核心网(CN,Core Network)的演进。
从 GSM 网络(2G)演进到 GPRS 网络(2.5G),最主要的变化是引入了 分组交换业务。原有的 GSM 网络是基于电路交换技术,不具备支持分组交换 业务的功能。因此,为了支持分组业务,在原有 GSM 网络结构上增加了几 个功能实体,相当于在原有网络基础上叠加了一个小型网络,共同构成 GPRS 网络。
在接入网方面,在 BSC 上增加了分组控制单元(PCU,Packet Control Unit),用以提供分组交换通道;在核心网方面,增加了服务型 GPRS 支持 节点(SGSN,Service GPRS Supported Node)和网关型 GPRS 支持节点 (GGSN,Gateway GPRS Supported Node),功能方面与 MSC 和 GMSC 一致, 区别在于处理的是分组业务,外部网络接入 IP 网;从 GPRS 叠加网络结构开始,引入了两个概念。一个是电路交换域,一个是分组交换域,即 CS 域与 PS 域。 GPRS 叠加网络架构如图 3-1 所示。
通信技术发展到 3G,在速率方面有了质的飞跃,而在网络结构上,同样发生巨大变化。
image.png
首先,伴随着技术的发展,空中接口也随之改变。以往网络结构中的 Um 空中接口换成 Uu 接口,而接入网与核心网的接口也换成 Iu 口;在接入网方面, 不再包含 BTS 和 BSC,取而代之的是基站 NodeB 与无线网络控制器(RNC, Radio Network Controller),功能方面与以往保持一致,核心网方面基本与原 有网络共用,无太大区别。
NodeB 的功能:主要完成射频处理和基带处理两大类工作。射频处理主要包 括发送或接收高频无线信号,以及高频无线信号和基带信号的相互转换功能;基 带处理主要包括信道编 / 译码、复用 / 解复用、扩频调制及解扩 / 解调功能。
RNC 的功能:主要负责控制和协调基站间配合工作,完成系统接入控制、 承载控制、移动性管理、宏分集合并、无线资源管理等控制工作。
CS 域:电路交换,主要包括一些语音业务,也包括电路型数据业务,最常 见的是传真业务。
PS 域:分组交换,主要是常见的数据业务,也包括流媒体业务、VOIP (Voice over IP)等。UMTS 网络架构如图 3-2 所示。
image.png
到 4G 时代,整个 LTE 网络从接入网和核心网方面分为 E-UTRAN 和 EPC。在接入网方面,网络扁平化,不再包含两种功能实体,整个网络只有一 种基站 eNodeB,它包含整个 NodeB 和部分 RNC 的功能,演进过程可以概括 为“少一层,多一口,胖基站”,这样做降低了呼叫建立时延和用户数据传输时 延,并且随着网络逻辑节点的减少,网络建设资本支出(CAPEX)和运营成本 (OPEX)也会相应降低,满足低时延、低复杂度和低成本的要求。
“少一层”——4 层组网架构变为 3 层,去掉了 RNC(软切换功能也不复存 在),减少了基站和核心网之间信息交互的多节点开销,用户平面时延大大降低, 系统复杂性降低。
“多一口”——以往无线制式基站之间是没有连接的,而 eNodeB 直接通过 X2 接口有线连接,可以以光纤为载体,实现无线侧 IP 化传输,使基站网元之 间可以协调工作。eNodeB 互连后,形成类似于“Mesh”的网络,避免某个基 站成为孤点,这增强了网络的健壮性。
“胖基站”——eNodeB 的功能由 3G 阶段的 NodeB、RNC、SGSN、GGSN 的部分功能演化而来,新增加了系统接入控制、承载控制、移动性管理、无线 资源管理、路由选择等。4G LTE 网络架构如图 3-3 所示。
image.png
核心网侧也发生了重大变革。在 GPRS/UMTS 中,服务 GPRS 支持节 点(SGSN)主要负责鉴权、移动型管理和路由选择,而网关 GPRS 支持节点 (GGSN)负责 IP 地址分配、数据转发和计费。到了 LTE 时代,EPC(Evolved Packet Core)对之前的网络结构能够保持前向兼容,但自身结构方面不再有 3G 时的各种实体部分,主要由移动管理实体(MME,Mobile Management Entity)、服务网关 S-GW 和分组数据网关(P-GW)构成,外部网络只接入 IP 网。其中,MME 主要负责移动性管理,包括承载的建立和释放、用户位置更新、鉴权、加密等,这些笼统地被称为控制面功能,而 S-GW 和 P-GW 更 主要的是处理用户面的数据转发,但还保留内容过滤、数据监控与计费、接入 控制以及合法监听等控制面功能。可以看到,从 GPRS 到 EPC 的演进中,有着 相似的体系架构和接口,并朝着控制与转发分离的趋势演进,但这种分离并不 彻底。比如 MME 相当于 SGSN 的控制面功能,S-GW 则相当于 SGSN 的用 户面。
此外,LTE 核心网新增了一个网元 PCRF,即策略与计费执行功能单元, 可以实现对用户和业务态服务质量(QoS)进行控制,为用户提供差异化的服 务,并且能为用户提供业务流承载资源保障以及流计费策略,真正让运营商实 现基于业务和用户分类的更精细化的业务控制和计费方式,以合理利用网络资 源,创造最大利润,为 PS 域开展多媒体实时业务提供了可靠的保障。
通过以上分析,我们可以简要总结出移动通信网络演进趋势的 4 个重要特 征:基于性能需求和网络运营的双重考虑,对部分网元功能进行重构,并尽量 靠近用户部署,即网元功能下沉,网络更加扁平化;网络全 IP 化;控制与转发 功能逐渐分离,以实现网络性能的优化;重视对业务和用户分类的精细化控制。

| 3.2 5G 逻辑架构的重构 |

相关文章
|
3月前
|
运维 监控 数据可视化
Python 网络请求架构——统一 SOCKS5 接入与配置管理
通过统一接入端点与标准化认证,集中管理配置、连接策略及监控,实现跨技术栈的一致性网络出口,提升系统稳定性、可维护性与可观测性。
|
8月前
|
边缘计算 人工智能 5G
5G引领家庭网络升级:速度、稳定性与智能化的新时代
5G引领家庭网络升级:速度、稳定性与智能化的新时代
655 69
|
8月前
|
小程序 前端开发
2025商业版拓展校园圈子论坛网络的创新解决方案:校园跑腿小程序系统架构
校园跑腿小程序系统是一款创新解决方案,旨在满足校园配送需求并拓展校友网络。跑腿员可接单配送,用户能实时跟踪订单并评价服务。系统包含用户、客服、物流、跑腿员及订单模块,功能完善。此外,小程序增设信息咨询发布、校园社区建设和活动组织等功能,助力校友互动、经验分享及感情联络,构建紧密的校友网络。
348 1
2025商业版拓展校园圈子论坛网络的创新解决方案:校园跑腿小程序系统架构
|
8月前
|
人工智能 监控 安全
NTP网络子钟的技术架构与行业应用解析
在数字化与智能化时代,时间同步精度至关重要。西安同步电子科技有限公司专注时间频率领域,以“同步天下”品牌提供可靠解决方案。其明星产品SYN6109型NTP网络子钟基于网络时间协议,实现高精度时间同步,广泛应用于考场、医院、智慧场景等领域。公司坚持技术创新,产品通过权威认证,未来将结合5G、物联网等技术推动行业进步,引领精准时间管理新时代。
|
8月前
|
人工智能 边缘计算 5G
5G时代,别让能耗成为“隐形杀手”——聊聊5G网络的能耗管理
5G时代,别让能耗成为“隐形杀手”——聊聊5G网络的能耗管理
529 13
|
8月前
|
机器学习/深度学习 算法 测试技术
图神经网络在信息检索重排序中的应用:原理、架构与Python代码解析
本文探讨了基于图的重排序方法在信息检索领域的应用与前景。传统两阶段检索架构中,初始检索速度快但结果可能含噪声,重排序阶段通过强大语言模型提升精度,但仍面临复杂需求挑战
296 0
图神经网络在信息检索重排序中的应用:原理、架构与Python代码解析
|
8月前
|
Cloud Native 区块链 数据中心
Arista CloudEOS 4.32.2F - 云网络基础架构即代码
Arista CloudEOS 4.32.2F - 云网络基础架构即代码
193 1
|
10月前
|
API 数据处理 Android开发
Android网络请求演变:从Retrofit到Flow的转变过程。
通过这个比喻,我们解释了 Android 网络请求从 Retrofit 到 Flow 的转变过程。这不仅是技术升级的体现,更是反映出开发者在面对并发编程问题时,持续探索和迭求更好地解决方案的精神。未来,还会有更多新的技术和工具出现,我们期待一同 witness 这一切的发展。
315 36
|
9月前
|
人工智能 安全 5G
5G网络安全全解析——新机遇与潜在风险
5G网络安全全解析——新机遇与潜在风险
399 4
|
10月前
|
机器学习/深度学习 测试技术 网络架构
FANformer:融合傅里叶分析网络的大语言模型基础架构
近期大语言模型(LLM)的基准测试结果显示,OpenAI的GPT-4.5在某些关键评测中表现不如规模较小的模型,如DeepSeek-V3。这引发了对现有LLM架构扩展性的思考。研究人员提出了FANformer架构,通过将傅里叶分析网络整合到Transformer的注意力机制中,显著提升了模型性能。实验表明,FANformer在处理周期性模式和数学推理任务上表现出色,仅用较少参数和训练数据即可超越传统Transformer。这一创新为解决LLM扩展性挑战提供了新方向。
308 5
FANformer:融合傅里叶分析网络的大语言模型基础架构