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
|
5月前
|
数据采集 机器学习/深度学习 运维
量化合约系统开发架构入门
量化合约系统核心在于数据、策略、风控与执行四大模块的协同,构建从数据到决策再到执行的闭环工作流。强调可追溯、可复现与可观测性,避免常见误区如重回测轻验证、忽视数据质量或滞后风控。初学者应以MVP为起点,结合回测框架与实时风控实践,逐步迭代。详见相关入门与实战资料。
|
5月前
|
前端开发 JavaScript BI
如何开发车辆管理系统中的车务管理板块(附架构图+流程图+代码参考)
本文介绍了中小企业如何通过车务管理模块提升车辆管理效率。许多企业在管理车辆时仍依赖人工流程,导致违章处理延误、年检过期、维修费用虚高等问题频发。将这些流程数字化,可显著降低合规风险、提升维修追溯性、优化调度与资产利用率。文章详细介绍了车务管理模块的功能清单、数据模型、系统架构、API与前端设计、开发技巧与落地建议,以及实现效果与验收标准。同时提供了数据库建表SQL、后端Node.js/TypeScript代码示例与前端React表单设计参考,帮助企业快速搭建并上线系统,实现合规与成本控制的双重优化。
|
5月前
|
机器学习/深度学习 人工智能 缓存
面向边缘通用智能的多大语言模型系统:架构、信任与编排——论文阅读
本文提出面向边缘通用智能的多大语言模型(Multi-LLM)系统,通过协同架构、信任机制与动态编排,突破传统边缘AI的局限。融合合作、竞争与集成三种范式,结合模型压缩、分布式推理与上下文优化技术,实现高效、可靠、低延迟的边缘智能,推动复杂场景下的泛化与自主决策能力。
454 3
面向边缘通用智能的多大语言模型系统:架构、信任与编排——论文阅读
|
5月前
|
人工智能 自然语言处理 安全
AI助教系统:基于大模型与智能体架构的新一代教育技术引擎
AI助教系统融合大语言模型、教育知识图谱、多模态交互与智能体架构,实现精准学情诊断、个性化辅导与主动教学。支持图文语音输入,本地化部署保障隐私,重构“教、学、评、辅”全链路,推动因材施教落地,助力教育数字化转型。(238字)
909 23
|
6月前
|
消息中间件 数据采集 NoSQL
秒级行情推送系统实战:从触发、采集到入库的端到端架构
本文设计了一套秒级实时行情推送系统,涵盖触发、采集、缓冲、入库与推送五层架构,结合动态代理IP、Kafka/Redis缓冲及WebSocket推送,实现金融数据低延迟、高并发处理,适用于股票、数字货币等实时行情场景。
807 3
秒级行情推送系统实战:从触发、采集到入库的端到端架构
|
5月前
|
存储 人工智能 搜索推荐
拔俗AI助教系统:基于大模型与智能体架构的新一代教育技术引擎
AI助教融合大语言模型、教育知识图谱、多模态感知与智能体技术,重构“教、学、评、辅”全链路。通过微调LLM、精准诊断错因、多模态交互与自主任务规划,实现个性化教学。轻量化部署与隐私保护设计保障落地安全,未来将向情感感知与教育深度协同演进。(238字)
545 0
|
5月前
|
机器学习/深度学习 人工智能 搜索推荐
拔俗AI学伴智能体系统:基于大模型与智能体架构的下一代个性化学习引擎
AI学伴智能体系统融合大模型、多模态理解与自主决策,打造具备思考能力的个性化学习伙伴。通过动态推理、长期记忆、任务规划与教学逻辑优化,实现千人千面的自适应教育,助力因材施教落地,推动教育公平与效率双提升。(238字)
694 0
|
11月前
|
边缘计算 人工智能 自动驾驶
云计算的加速引擎——5G技术如何改变未来
云计算的加速引擎——5G技术如何改变未来
315 7
云计算的加速引擎——5G技术如何改变未来
|
10月前
|
自动驾驶 5G 网络性能优化
5G标准化背后的江湖:技术规范如何塑造未来通信
5G标准化背后的江湖:技术规范如何塑造未来通信
713 19
|
10月前
|
传感器 人工智能 边缘计算
“种田也能上5G?”——带你看懂5G+智慧农业的真相与技术细节
“种田也能上5G?”——带你看懂5G+智慧农业的真相与技术细节
379 19

热门文章

最新文章