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
|
机器学习/深度学习 人工智能 算法
海洋生物识别系统+图像识别+Python+人工智能课设+深度学习+卷积神经网络算法+TensorFlow
海洋生物识别系统。以Python作为主要编程语言,通过TensorFlow搭建ResNet50卷积神经网络算法,通过对22种常见的海洋生物('蛤蜊', '珊瑚', '螃蟹', '海豚', '鳗鱼', '水母', '龙虾', '海蛞蝓', '章鱼', '水獭', '企鹅', '河豚', '魔鬼鱼', '海胆', '海马', '海豹', '鲨鱼', '虾', '鱿鱼', '海星', '海龟', '鲸鱼')数据集进行训练,得到一个识别精度较高的模型文件,然后使用Django开发一个Web网页平台操作界面,实现用户上传一张海洋生物图片识别其名称。
121 7
海洋生物识别系统+图像识别+Python+人工智能课设+深度学习+卷积神经网络算法+TensorFlow
|
17天前
|
算法 数据可视化 图形学
网络通信系统的voronoi图显示与能耗分析matlab仿真
在MATLAB2022a中,该程序模拟了两层基站网络,使用泊松分布随机生成Macro和Micro基站,并构建Voronoi图。它计算每个用户的信号强度,选择最强连接,并分析SINR和数据速率。程序还涉及能耗计算,包括传输、接收、处理和空闲能耗的分析。Voronoi图帮助可视化网络连接和优化能源效率。
|
24天前
|
机器学习/深度学习 人工智能 算法
【乐器识别系统】图像识别+人工智能+深度学习+Python+TensorFlow+卷积神经网络+模型训练
乐器识别系统。使用Python为主要编程语言,基于人工智能框架库TensorFlow搭建ResNet50卷积神经网络算法,通过对30种乐器('迪吉里杜管', '铃鼓', '木琴', '手风琴', '阿尔卑斯号角', '风笛', '班卓琴', '邦戈鼓', '卡萨巴', '响板', '单簧管', '古钢琴', '手风琴(六角形)', '鼓', '扬琴', '长笛', '刮瓜', '吉他', '口琴', '竖琴', '沙槌', '陶笛', '钢琴', '萨克斯管', '锡塔尔琴', '钢鼓', '长号', '小号', '大号', '小提琴')的图像数据集进行训练,得到一个训练精度较高的模型,并将其
35 0
【乐器识别系统】图像识别+人工智能+深度学习+Python+TensorFlow+卷积神经网络+模型训练
|
6天前
|
传感器 数据中心
|
2天前
|
运维 供应链 安全
构建网络环境的铜墙铁壁:从微软蓝屏事件反思系统安全与稳定性
【7月更文第22天】近期,一起由软件更新引发的“微软蓝屏”事件震撼全球,凸显了现代IT基础设施在面对意外挑战时的脆弱性。此事件不仅影响了数百万台设备,还波及航空、医疗、传媒等多个关键领域,造成了难以估量的经济损失和社会影响。面对这样的挑战,如何构建更为稳固和安全的网络环境,成为了全球IT行业共同面临的紧迫任务。
22 3
|
1月前
|
机器学习/深度学习 人工智能 算法
【昆虫识别系统】图像识别Python+卷积神经网络算法+人工智能+深度学习+机器学习+TensorFlow+ResNet50
昆虫识别系统,使用Python作为主要开发语言。通过TensorFlow搭建ResNet50卷积神经网络算法(CNN)模型。通过对10种常见的昆虫图片数据集('蜜蜂', '甲虫', '蝴蝶', '蝉', '蜻蜓', '蚱蜢', '蛾', '蝎子', '蜗牛', '蜘蛛')进行训练,得到一个识别精度较高的H5格式模型文件,然后使用Django搭建Web网页端可视化操作界面,实现用户上传一张昆虫图片识别其名称。
186 7
【昆虫识别系统】图像识别Python+卷积神经网络算法+人工智能+深度学习+机器学习+TensorFlow+ResNet50
|
1月前
|
机器学习/深度学习 人工智能 算法
【球类识别系统】图像识别Python+卷积神经网络算法+人工智能+深度学习+TensorFlow
球类识别系统,本系统使用Python作为主要编程语言,基于TensorFlow搭建ResNet50卷积神经网络算法模型,通过收集 '美式足球', '棒球', '篮球', '台球', '保龄球', '板球', '足球', '高尔夫球', '曲棍球', '冰球', '橄榄球', '羽毛球', '乒乓球', '网球', '排球'等15种常见的球类图像作为数据集,然后进行训练,最终得到一个识别精度较高的模型文件。再使用Django开发Web网页端可视化界面平台,实现用户上传一张球类图片识别其名称。
120 7
【球类识别系统】图像识别Python+卷积神经网络算法+人工智能+深度学习+TensorFlow
|
24天前
|
Java API 开发者
Java网络编程基础与Socket通信实战
Java网络编程基础与Socket通信实战
|
16天前
|
机器学习/深度学习 SQL 运维
网络安全中的入侵检测与防御系统技术探讨
【7月更文挑战第8天】 入侵检测与防御系统是网络安全的重要组成部分,它们通过实时监测和防御网络及系统中的恶意行为,为网络安全提供了重要保障。随着技术的不断发展,IDPS将在未来发挥更加重要的作用,为我们构建一个更加安全、可信的网络环境。
|
17天前
|
SQL 数据库连接 数据库
医院网络预约系统咨询预约登记OA系统
医院网络预约系统咨询预约登记OA系统
22 2