带你读《5G 系统技术原理与实现》——1.2.1 5G 移动通信系统整体网络架构

简介: 带你读《5G 系统技术原理与实现》——1.2.1 5G 移动通信系统整体网络架构

1.2 5G 网元功能与接口


5G 移动通信系统网络架构相比4G 移动通信系统更加细化,网络功能相比4G 移动通信系统更加具体,接口定义也更加明确。5G 移动通信系统网络架构和网络功能对5G 技术的发展影响深远。5G 移动通信系统网络架构的设计原则包括以下几个方面。


5G 移动通信系统采用NFV/SDN 技术,数据连接更加灵活,数据业务更加便捷,基于业务的控制面网络功能实现更加容易。


用户面功能和控制面功能分离,允许独立的可扩展性,可演进性及可灵活部署,比如可选择采用集中式或者分布式的方式。


功能设计模块化,比如采用灵活高效的网络切片。


无论何时何地使用,都可以将相应的过程(网络功能之间的互动)定义为业务以便用。


如果有需要,可以使相应的网络功能和其他的NF 互动。


降低AN(Access Network,接入网)和CN(Core Network,核心网)的耦合度,此时CN 应该作为一个公共接入网连接汇聚的核心网,而不是单纯的5GC;接入网可以是不同的接入类型,例如,3GPP 接入网和non-3GPP 接入网。


支持统一的鉴权架构。


支持“stateless”网络功能,实现网络功能与计算资源和存储资源解耦。


支持能力开放。


同时支持本地化和集中化业务,为了支持低时延业务并访问本地数据网络,用户面功能部署需要尽可能地靠近接入网。


本节将重点对5G 移动通信系统网络架构、网元功能、网元间接口和接口协议进行描述。


1.2.1 5G 移动通信系统整体网络架构


5G 移动通信系统基于服务的架构如图1-8 所示。

image.png

图1-8 非漫游5G 移动通信系统架构—SBA


5G 移动通信系统网络基于服务(SBA 方式)进行架构。SBA 借鉴了业界成熟的SOA

(Service-Oriented Architecture,面向服务架构)、微服务架构等理念,结合电信网络的现状、特点和发展趋势,进行革新性设计,实现软件服务重构核心网以及核心网的软件化、灵活化、开放化和智能化。


5G 网络功能之间的信息交互可以基于两种方式:基于服务;基于点对点。实际部署时,经常共同使用这两种方式。在5G网络架构中,不是所有的接口都适合基于服务表示。从图1-8可以看出,控制面内的网络功能,例如AMF(Access and Mobility Management Function,接入和移动管理功能)使其他授权的网络功能能够访问其服务,所以AMF 与其他核心网功能间基于服务进行架构。但是,对于接口N1 和接口N2,由于基站按需分散部署的特点,点对点表示方式更适合这两个接口。


5G 核心网分为控制面和用户面。AMF 负责终端的移动性和接入管理;SMF(Session Management Function,会话管理功能)负责对话管理功能,可以配置多个。AMF 和SMF 是控制面的两个主要节点,与它们配合的网络功能还包括用户数据管理、鉴权、策略控制等。NEF 和NRF用于帮助Expose(公开)和Publish(发布)网络数据,帮助其他节点发现网络服务。核心网用户面的网元是UPF(User Plane Function,用户平面功能)。与4G 移动通信系统网络架构相比,5G 核心网的控制面和用户面进一步分离,为了满足低时延、高速率的网络要求,5G 核心网对用户面的控制和转发功能进行了重构。重构后的5G 网络架构,控制面进一步集中,用户面进一步分化,并且融合SDN 和NFV 的思想,让整个网络更加灵活,满足不同的场景对网络差异化的需求。


5G 无线接入网NG-RAN 有两种表示方式:一是NG-eNB,表示升级后支持5G 接口协议栈的4G 基站;二是gNB,直接支持5G 接口协议栈的5G 基站。NG-eNB 和gNB 均可提

供空口的控制面和用户面协议终止点。NG-eNB 与NG-eNB、NG-eNB 与gNB、gNB 与gNB之间通过Xn 接口连接。接入网与核心网通过NG 接口连接,NG-RAN 与AMF 之间是NG-C接口,NG-RAN 与UPF 之间是NG-U 接口,基站与SMF 之间没有直接接口。5G 移动通信系统点到点表示如图1-9 所示。

image.png

图1-9 非漫游5G 移动通信系统架构—点到点表示


N2 接口和N3 接口可以实现AMF/UPF 和NG-RAN 节点的多对多连接,即一个AMF/UPF 可以与多个基站节点相连,一个基站节点可以连接多个AMF/UPF。这种灵活连接有助于减少由终端移动而发生的接口信令交互数量,降低5G 核心网的信令处理负荷。不同运营

商核心网可以连接到同一个NG-RAN 网络,实现不同运营商间共建共享接入网设备和无线资源,并能够获得相同的服务水平,节约建网成本。


5G 无线接入网的基站网元功能拆分为CU 和DU。5G 移动通信系统NG-RAN CU 与DU 分离逻辑图如图1-10 所示。


通常情况下,一个gNB 的DU 只会连接这个gNB 的CU,但是灵活性高是5G 系统的重要特点,所以实际应用时,DU 有可能连接到多个gNB CU。gNB CU 同样实现了控制面和用户面分离。在一个逻辑gNB中,通常只有一个控制面(CU-CP),但是会有多个用户面(CU-UP)。gNB CU 及其连接的若干gNB-DU 作为一个整体逻辑gNB 对外呈现,此时,这个逻辑gNB只对其他逻辑gNB 和与其相连的5GC 可见。

image.png

图1-10 5G 移动通信系统NG-RAN CU 与DU 分离逻辑图

在3GPP 历次会议中共提出了8 种CU 与DU 分离方案,如图1-11 所示。

image.png

图1-11 CU 与DU 分离方案


CU 与DU 分离方案可以分为高层功能划分方案和低层功能划分方案。分离点越趋向高层,表示更多的协议栈功能位于DU,此时集中化程度越低,实现越容易;分离点越趋向

低层,表示更多的协议栈功能位于CU,此时集中化程度越高,实现越困难。8 种方案中,Option2、Option7 和Option8 是重点讨论内容。截止到2020 年12 月,讨论结果如下。


底层功能划分方案:便于控制面集中,利于无线资源干扰协调,可以采用虚拟化平台。但是由于对传输和时延要求较为苛刻,所以至今没有确定分离方案。但是Option7 最终胜出的可能性最大。


高层功能划分方案:3GPP 已确定采用Option2。理由是PDCP 上移便于形成数据锚点,便于支持用户面的双连接/ 多连接。


从资源集中度、协同性能、传输带宽要求及传输时延要求4 个维度出发,对CU/DU 方案策略进行比较,如表1-1 所示。

image.png

表1-1 CU/DU 方案策略比较

相关文章
|
1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
187 68
|
1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
130 13
|
5月前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
眼疾识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了4种常见的眼疾图像数据集(白内障、糖尿病性视网膜病变、青光眼和正常眼睛) 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,实现用户上传一张眼疾图片识别其名称。
385 5
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
|
4月前
|
机器学习/深度学习 数据可视化 算法
PyTorch生态系统中的连续深度学习:使用Torchdyn实现连续时间神经网络
神经常微分方程(Neural ODEs)是深度学习领域的创新模型,将神经网络的离散变换扩展为连续时间动力系统。本文基于Torchdyn库介绍Neural ODE的实现与训练方法,涵盖数据集构建、模型构建、基于PyTorch Lightning的训练及实验结果可视化等内容。Torchdyn支持多种数值求解算法和高级特性,适用于生成模型、时间序列分析等领域。
282 77
PyTorch生态系统中的连续深度学习:使用Torchdyn实现连续时间神经网络
|
2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
108 4
|
2月前
|
小程序 UED
拓展校友网络的创新解决方案:校园论坛圈子小程序+跑腿+二手市场系统
这是一款基于小程序的校园跑腿服务平台,支持多种注册登录方式、下单支付、跑腿接单配送、订单跟踪评价及物流查询功能,并配备客服模块提升用户体验。系统包含用户、客服、物流、跑腿员和订单五大核心模块,功能完善。此外,平台还拓展了校友网络功能,如信息咨询发布、校园社区建设和活动组织等,旨在增强校友互动与联系,形成紧密的校友生态。
88 4
|
3月前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【害虫识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
害虫识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了12种常见的害虫种类数据集【"蚂蚁(ants)", "蜜蜂(bees)", "甲虫(beetle)", "毛虫(catterpillar)", "蚯蚓(earthworms)", "蜚蠊(earwig)", "蚱蜢(grasshopper)", "飞蛾(moth)", "鼻涕虫(slug)", "蜗牛(snail)", "黄蜂(wasp)", "象鼻虫(weevil)"】 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Djan
262 1
基于Python深度学习的【害虫识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
|
3月前
|
前端开发 Java 关系型数据库
基于ssm的网络直播带货管理系统,附源码+数据库+论文
该项目为网络直播带货网站,包含管理员和用户两个角色。管理员可进行主页、个人中心、用户管理、商品分类与信息管理、系统及订单管理;用户可浏览主页、管理个人中心、收藏和订单。系统基于Java开发,采用B/S架构,前端使用Vue、JSP等技术,后端为SSM框架,数据库为MySQL。项目运行环境为Windows,支持JDK8、Tomcat8.5。提供演示视频和详细文档截图。
113 10
|
4月前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【蘑菇识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
蘑菇识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了9种常见的蘑菇种类数据集【"香菇(Agaricus)", "毒鹅膏菌(Amanita)", "牛肝菌(Boletus)", "网状菌(Cortinarius)", "毒镰孢(Entoloma)", "湿孢菌(Hygrocybe)", "乳菇(Lactarius)", "红菇(Russula)", "松茸(Suillus)"】 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,
281 11
基于Python深度学习的【蘑菇识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
|
4月前
|
canal 编解码 运维
飞天洛神云网络再度入选通信顶会 SIGCOMM'24
飞天洛神云网络再度入选通信顶会 SIGCOMM'24
121 12

热门文章

最新文章