通过率100% 中兴通讯5G网络侧关键技术测试表现优异

简介:

近日,中兴通讯以“时间第一、通过率100%” 的优异成绩率先完成国家5G试验第一阶段网络侧关键技术测试,成为一次性通过所有4大项测试的供应商。在前不久结束的中国5G试验一阶段无线侧关键技术测试优异表现的基础上,中兴通讯在网络测试方面展现出的功能全面、性能优异等特点,再次获得了组织方的好评,彰显其在5G领域的深厚技术积累和强大的研发实力。

中国5G试验是全球首个由政府主导和规划的5G试验,由工信部主导、IMT-2020(5G)推进组负责实施。整个测试分两个阶段进行:第一阶段在2016-2018进行技术研发试验,第二步将在2018-2020年进行产品研发试验。第一阶段的技术研发试验又分为关键技术验证、技术方案验证和系统验证三个部分。通过5G国家试验,对5G各项关键技术进行充分的研究和论证,对有竞争力的方案进行标准化推动,加快产业化进程,实现2020年商用5G的目标。

本次网络侧关键技术测试涵盖了四部分内容:控制与承载分离、网络功能重构、端到端网络切片和移动边缘计算技术。高速率(单用户吞吐量大于10Gbps)、低时延(小于0.1毫秒级)和大连接(大于100万连接数)等5G标签式的业务场景需求,对现有的网络架构和网元形态提出了前所未有的全新挑战。中兴通讯推出的5G网络架构通过网络的虚拟化和组件化,完全满足了不同行业和应用场景提出的严苛要求。架构采用中兴通讯自研的通用处理硬件,以数据中心技术为依托,构建虚拟化的通用资源池,在统一的ICT融合PaaS平台上,将网络功能与网元设备解耦。同时针对不同用户和应用场景的业务需求,支持将虚拟化的网络功能灵活部署在网络中的最佳位置。中兴通讯的5G网络架构是业界首个完全基于虚拟化容器技术、首个支持多数据中心分布式部署、也是首个核心网和接入网实现同时虚拟化共部署的5G网络。本次测试的优异成绩再次验证了中兴通讯5G网络产品的技术实力。

中兴通讯5G产品总经理柏钢表示:“中兴通讯所构建的5G网络具备通用化、虚拟化等特征,以用户为中心、以业务为出发点,支持灵活定制、动态部署、自适应伸缩,在不同场景下对多种业务特性均能构成有力支撑,为未来的通信网络架构演进打下了坚实的基础。中兴通讯深厚的技术实力积累,在测试和应用中不断得到验证,为2020年5G的商用进程奠定扎实基础。”

本文转自d1net(转载)

相关文章
|
机器学习/深度学习 PyTorch 算法框架/工具
目标检测实战(一):CIFAR10结合神经网络加载、训练、测试完整步骤
这篇文章介绍了如何使用PyTorch框架,结合CIFAR-10数据集,通过定义神经网络、损失函数和优化器,进行模型的训练和测试。
963 2
目标检测实战(一):CIFAR10结合神经网络加载、训练、测试完整步骤
|
测试技术
Fast网络速度测试工具
Fast是由Netflix提供的网络速度测试工具,可快速测量用户的下载、上传速度及延迟。其全球可用、无广告干扰,并支持多种设备。测试自动进行,结果以Mbps显示。此外,用户可通过“Show more info”查看上传速度和延迟(含缓冲膨胀)。Fast以其简单快捷的特点,帮助用户了解网络性能并解决潜在问题,是评估网速的理想选择。
2165 0
Fast网络速度测试工具
|
安全 网络安全
Kali渗透测试:使用Armitage扫描网络
Kali渗透测试:使用Armitage扫描网络
377 3
|
SQL 安全 测试技术
网络安全的屏障与钥匙:漏洞防护与加密技术解析软件测试的艺术:探索性测试的力量
【8月更文挑战第27天】在数字时代的海洋中,网络安全是保护我们数据资产的灯塔和堤坝。本文将深入浅出地探讨网络安全领域的关键要素——安全漏洞、加密技术以及不可或缺的安全意识。通过实际案例分析,我们将了解如何识别和修补潜在的安全漏洞,掌握现代加密技术的工作原理,并培养起一道坚固的安全防线。文章旨在为读者提供实用的知识和技能,以便在日益复杂的网络环境中保持警惕,确保个人及组织信息的安全。
|
机器学习/深度学习
神经网络与深度学习---验证集(测试集)准确率高于训练集准确率的原因
本文分析了神经网络中验证集(测试集)准确率高于训练集准确率的四个可能原因,包括数据集大小和分布不均、模型正则化过度、批处理后准确率计算时机不同,以及训练集预处理过度导致分布变化。
|
数据库连接 Go 数据库
Go语言中的错误注入与防御编程。错误注入通过模拟网络故障、数据库错误等,测试系统稳定性
本文探讨了Go语言中的错误注入与防御编程。错误注入通过模拟网络故障、数据库错误等,测试系统稳定性;防御编程则强调在编码时考虑各种错误情况,确保程序健壮性。文章详细介绍了这两种技术在Go语言中的实现方法及其重要性,旨在提升软件质量和可靠性。
353 1
|
机器学习/深度学习 自然语言处理 前端开发
前端神经网络入门:Brain.js - 详细介绍和对比不同的实现 - CNN、RNN、DNN、FFNN -无需准备环境打开浏览器即可测试运行-支持WebGPU加速
本文介绍了如何使用 JavaScript 神经网络库 **Brain.js** 实现不同类型的神经网络,包括前馈神经网络(FFNN)、深度神经网络(DNN)和循环神经网络(RNN)。通过简单的示例和代码,帮助前端开发者快速入门并理解神经网络的基本概念。文章还对比了各类神经网络的特点和适用场景,并简要介绍了卷积神经网络(CNN)的替代方案。
2399 1
|
编解码 安全 Linux
网络空间安全之一个WH的超前沿全栈技术深入学习之路(10-2):保姆级别教会你如何搭建白帽黑客渗透测试系统环境Kali——Liinux-Debian:就怕你学成黑客啦!)作者——LJS
保姆级别教会你如何搭建白帽黑客渗透测试系统环境Kali以及常见的报错及对应解决方案、常用Kali功能简便化以及详解如何具体实现
|
人工智能 安全 Linux
网络空间安全之一个WH的超前沿全栈技术深入学习之路(4-2):渗透测试行业术语扫盲完结:就怕你学成黑客啦!)作者——LJS
网络空间安全之一个WH的超前沿全栈技术深入学习之路(4-2):渗透测试行业术语扫盲完结:就怕你学成黑客啦!)作者——LJS
|
安全 大数据 Linux
网络空间安全之一个WH的超前沿全栈技术深入学习之路(3-2):渗透测试行业术语扫盲)作者——LJS
网络空间安全之一个WH的超前沿全栈技术深入学习之路(3-2):渗透测试行业术语扫盲)作者——LJS

热门文章

最新文章