我国5G技术研发进入测试验证阶段

简介:

2017年的巴塞罗那世界移动通信大会上,中国企业代表——中国移动面向世界演示了5G医疗应用场景和联网无人机场景,携手爱立信利用5G网络切片技术联合开发并演示了5G智能工厂原型,受到瞩目。

我国5G技术发展到了什么程度?5G未来的应用场景是什么?记者就此专访了中国移动研究院副院长黄宇红。

5G和4G最显著的区别是什么?5G国际标准的技术指标具体是什么?

黄宇红:5G最大的变化在于服务对象从过去以人与人通信为主,扩展强化了人与物、物与物的通信。技术上,与4G相比,5G一方面引入新的无线接入技术,以提供新的连接能力;另一方面在网络架构和技术上产生新的变革,通信技术与IT技术紧密融合,网络将实现云化、虚拟化,更加适合多样化的业务需要。

目前5G技术已经确定的8大关键能力指标分别是:峰值速率达到20Gbps、用户体验数据率达到100Mbps、频谱效率比IMT-A提升3倍、移动性达500公里/时、时延达到1毫秒、连接密度每平方公里达到10Tbps、能效比IMT-A提升100倍、流量密度每平方米达到10Mbps。

目前我国5G技术发展到了什么程度?

黄宇红:我国高度重视5G发展,由政府领导成立了中国5G推进组(IMT 2020推进组)来推动5G关键技术、标准、试验等工作。目前,我国5G技术研发已经进入了标准制定和试验测试阶段。时间上,我国5G技术研发测试计划在2016年到2018年进行,分为5G关键技术试验、5G技术方案验证和5G系统验证三个阶段进行。第一阶段的关键技术试验已经完成,现在进入第二阶段。

中国移动作为IMT-2020(5G)需求组组长单位,在5G方面做了哪些工作,取得了哪些成果?

黄宇红:5G需求方面,中国移动牵头完成了《中国5G愿景和需求白皮书》,大部分关键技术指标被ITU采纳。

技术创新方面,中国移动形成了“3D-MIMO、软件定义空口、以用户为中心的网络、三云一层的网络架构”等为核心的5G技术体系,和国内其他企业提出的新型多址、超密集组网、全双工等技术形成互补,共同构成了中国的5G技术储备。

产业推进方面,中国移动与产业合作开展了3.5GHz样机开发与验证、高频通信样机开发与测试、5G系统概念验证,发布了《3.5GHz 5G系统样机及测试指导建议书》,明确了针对2017年实验室和外场试验的系统样机技术要求,不断提升5G无线空口及网络架构标准的技术竞争力。新生态构建方面,中国移动于2016年12月正式发布通信能力开放平台、OneNET平台、统一认证平台、智能家庭网关的“3+1”能力服务体系。此外,中国移动还构建了5G联合创新中心,推动产业协同发展,打造联合创新、开放共赢的跨界融合新生态。

中国为何积极争取5G标准制定的主导地位?

黄宇红:在5G标准的制定中,中国代表了一个巨大的市场和产业,必须争取应有的主导权。同时我们也与其他产业开放合作,让标准能够满足共同利益。中国经历了2G跟随、3G突破、4G成功与国际并跑成为主流标准之一的过程,在5G时代,我们积极贡献自己的力量,也因此有了主导权和话语权。中国移动作为中国企业的代表,在国际标准组织中拥有多个领导职务,并主导了多个标准项目,如成功当选RAN全会副主席、RAN2副主席,成功担任3GPP中无线网络侧的“5G场景与需求”立项报告人以及网络架构侧的“5G网络架构”立项报告人职务,为中国企业在5G标准化中发挥更大的作用做好了铺垫。

请介绍一下未来5G的应用场景。

黄宇红:国际电信联盟无线电通信局确定了未来5G将具有以下三大主要的应用场景:

(1)增强型移动宽带;

(2)超高可靠与低延迟的通信;

(3)大规模机器类通信。5G将以三大能力支持三大场景,超高速率支持宽带上网场景,让4K超清视频、3D VR/AR视频成为可能;超低时延支持自动驾驶、工业控制等对时延要求很严格的物联网应用场景;超大连接能力满足物联网的海量接入场景。

5G与医疗相结合,病人和医生的穿戴式设备、救护车、医疗设备、医院手术室、急救室等都通过5G相互连接,提高了抢救的时效性。在联网无人机场景中,5G基站传输不仅可以把信号传递到更远的地方,还可以给无人机充电续航。此外,5G技术和云、SDN、网络切片等关键ICT技术相结合,将成为未来智能工厂的关键推动力。

本文转自d1net(转载)

目录
相关文章
|
6天前
|
敏捷开发 JavaScript 测试技术
深入理解与应用软件测试中的Mock技术
【5月更文挑战第5天】 在现代软件开发过程中,单元测试作为保障代码质量的重要环节,其独立性和可靠性至关重要。Mock技术应运而生,为开发者提供了一种在隔离环境下模拟外部依赖的方法。本文将深入探讨Mock技术的概念、实现方式及其在软件测试中的应用,旨在帮助读者更好地理解和运用这一强大的测试工具,以提升测试效率和软件质量。
|
9天前
|
算法 异构计算
基于直方图的图像曝光量分析FPGA实现,包含tb测试文件和MATLAB辅助验证
该内容包括了算法的运行效果展示、软件版本信息、理论概述和核心程序代码。在正常图像中,`checkb`位于`f192b`和`f250b`之间,而多度曝光图像中`checkb`超出此范围,判断为曝光过度。使用的软件为Vivado 2019.2和MATLAB 2022a。理论依据未详细给出,但提及主要方法。提供的Verilog代码段用于处理图像数据,包括读取文件、时钟控制及图像histogram计算等,其中模块`im_hist`似乎是关键部分。
|
9天前
|
安全 IDE Java
Java串口通信技术探究2:RXTX库单例测试及应用
Java串口通信技术探究2:RXTX库单例测试及应用
25 4
|
11天前
|
数据采集 机器学习/深度学习 人工智能
自动化测试中AI辅助技术的应用与挑战
【4月更文挑战第30天】随着人工智能(AI)技术的飞速发展,其在软件自动化测试领域的应用日益增多。本文探讨了AI辅助技术在自动化测试中的应用情况,包括智能化测试用例生成、测试执行监控、缺陷预测及测试结果分析等方面。同时,文章还分析了在融合AI技术时所面临的挑战,如数据质量要求、模型的透明度与解释性问题以及技术整合成本等,并提出了相应的解决策略。
|
11天前
|
JavaScript 前端开发 安全
【TypeScript技术专栏】TypeScript与Cypress端到端测试
【4月更文挑战第30天】随着前端开发复杂度提升,测试成为关键环节,Cypress因其强大的端到端测试和与TypeScript的集成备受青睐。TypeScript增强了代码的可读性和维护性,确保测试准确性和可靠性。在Cypress中,TypeScript用于定义测试变量、自定义命令和断言,提高测试代码质量。Cypress的优势包括模拟真实用户操作、时间旅行功能和强大的调试工具,能有效提升测试效率和准确性。结合两者,前端开发者能实现高效、全面的端到端测试。
|
11天前
|
JavaScript 安全 编译器
【TypeScript 技术专栏】TypeScript 与 Jest 测试框架
【4月更文挑战第30天】本文探讨了TypeScript与Jest测试框架的结合在确保代码质量和稳定性上的重要性。Jest以其易用性、内置断言库、快照测试和代码覆盖率分析等特点,为TypeScript提供全面的测试支持。两者结合能实现类型安全的测试,提高开发效率,并涵盖各种测试场景,包括异步操作。通过实际案例分析,展示了如何有效利用这两个工具提升测试质量和开发效率,为项目成功奠定基础。
|
11天前
|
监控 JavaScript 前端开发
【TypeScript技术专栏】TypeScript的单元测试与集成测试
【4月更文挑战第30天】本文讨论了在TypeScript项目中实施单元测试和集成测试的重要性。单元测试专注于验证单个函数、类或模块的行为,而集成测试关注不同组件的协作。选用合适的测试框架(如Jest、Mocha),配置测试环境,编写测试用例,并利用模拟和存根进行隔离是关键。集成测试则涉及组件间的交互,需定义测试范围,设置测试数据并解决可能出现的集成问题。将这些测试整合到CI/CD流程中,能确保代码质量和快速响应变化。
|
11天前
|
缓存 监控 前端开发
【Flutter前端技术开发专栏】Flutter应用的性能调优与测试
【4月更文挑战第30天】本文探讨了Flutter应用的性能调优策略和测试方法。性能调优对提升用户体验、降低能耗和增强稳定性至关重要。优化布局(避免复杂嵌套,使用`const`构造函数)、管理内存、优化动画、实现懒加载和按需加载,以及利用Flutter的性能工具(如DevTools)都是有效的调优手段。性能测试包括基准测试、性能分析、压力测试和电池效率测试。文中还以ListView为例,展示了如何实践这些优化技巧。持续的性能调优是提升Flutter应用质量的关键。
【Flutter前端技术开发专栏】Flutter应用的性能调优与测试
|
11天前
|
前端开发 测试技术 持续交付
【Flutter 前端技术开发专栏】Flutter 中的 UI 测试与自动化测试
【4月更文挑战第30天】本文探讨了 Flutter 应用中UI测试和自动化测试的重要性,包括保障质量、提高效率和增强开发信心。Flutter提供`flutter_test`库进行Widget测试,以及`flutter_driver`进行集成测试。UI测试涵盖界面布局、交互和状态变化的验证,最佳实践建议尽早引入测试、保持用例简洁,并结合手动测试。未来,随着Flutter技术发展,UI测试和自动化测试将更加完善,助力开发高质量应用。
【Flutter 前端技术开发专栏】Flutter 中的 UI 测试与自动化测试
|
12天前
|
算法 TensorFlow 算法框架/工具
基于直方图的图像阈值计算和分割算法FPGA实现,包含tb测试文件和MATLAB辅助验证
这是一个关于图像处理的算法实现摘要,主要包括四部分:展示了四张算法运行的效果图;提到了使用的软件版本为VIVADO 2019.2和matlab 2022a;介绍了算法理论,即基于直方图的图像阈值分割,通过灰度直方图分布选取阈值来区分图像区域;并提供了部分Verilog代码,该代码读取图像数据,进行处理,并输出结果到"result.txt"以供MATLAB显示图像分割效果。