NI助力5G毫米波技术发展 模块化测试平台灵活应对未来挑战

简介:

相信不少人已经感受到,如今,5G已经越来越不再仅止步于一种网络概念,而是成为不少电信运营商和设备厂商正在部署和进行试验的对象。

不少电信运营商已将2020年作为其商用5G服务的预期时间点,心急如Verizon甚至宣布计划2017年就要开始5G试商用。同时,来自市场研究公司Ovum的预测数据显示,到2020年5G将占据整体移动市场收入的6%,到2021年占比将增至11%。

然而,实际上,目前5G的定义和技术点尚未正式确定,其中,可能性比较大的5G待选技术包括毫米波大规模MIMO和UDN(超密集组网)等。但是,关于5G最重要的三个应用方向——沉浸式体验(增长型移动宽带)、万物互联(大规模机器互联通信)和即时行动(超可靠机器互联通信),则已经得到了业界的普遍赞同。

“虽然5G的技术点还没有定义,但是关于未来的愿景却已经提了很多。其中就包括着高速数据互联,此前给出的目标是10 Gbps,现在通过毫米波已经可以实现。”NI(美国国家仪器公司,National Instruments)中国射频与无线通信市场开发经理姚远在近日的PXITAC 2016上接受C114中国通信网采访时向我们表示。增强型移动宽带(eMBB)由IMT2020定义,提出了超过10Gbps的峰值数据速率目标。但是,在现有的蜂窝接入网络中所应用的传统低频段频谱已经接近扩容极限。因此,更高的波段如毫米波,已经成为了非常具有前景的eMBB实现方案。

频谱碎片化短期内仍将存在

尽管ITU在去年11月的世界无线电通信大会(WRC 15)上公布了一些毫米波可行频段,但是全球各大运营商进行5G试验的频段仍然呈现出碎片化的状态。例如,美国Verizon一直在28GHz上进行毫米波试验,而日本NTTDoCoMo和德国电信则选择了在73GHz上进行试验,而在近日召开的第一届全球5G大会上,我国IMT-2020(5G)推进组则确定将6GHz以下的3.3-3.6GHz频段定为在中国进行5G试验的频段。

  图:拟定用于移动应用的FCC频段

在姚远看来,频谱资源的使用受限于很多因素,包括政策和价格等等。从目前的产业发展来看,NI认为有三个频段最有可能成为5G服务使用的频段:28GHz、39GHz和73GHz。“虽然目前来看(毫米波频谱使用)是碎片化的,当然从厂商的角度来讲是要做好准备的,但是从长远来看,未来肯定会有一些业界比较公认的频段,就像LTE频段一样。”

就在上个月,NI宣布推出全球第一款用于毫米波(mmWave)的软件无线电(SDR)。这一全新的NI毫米波信号收发系统功能完备,能够以高达2GHz的实时带宽发射和接收信号,覆盖71-76GHz的E-band频谱。那么,面对如此多的毫米波待选频段,NI为何选择了E-band频谱呢?

选择E-band但并非完全押注

谈到E-band频谱的特性时,姚远表示,71-76GHz频段的优势在于,该频段氧衰相对比较少,大约为0.35dB/km,跟现在通常使用的6GHz以下频段0.1dB/km在氧衰特性方面比较相似。另外,E-band提供比较大的空口资源,包括ITU和美国FCC已经定义了一些71-76GHz的频谱划分,带宽划得很大(如73GHz可用的连续带宽大于2GHz),这样大的空口数据带宽对于很多应用都是很有帮助的,比如基站的回传。另外E-band频段本身干扰也比较小,电磁环境较好,它在系统的实现上面的复杂度会相对小一点。同时,E-band频谱频谱价格比较低。

“选择E-band作为NI第一个毫米波频率范围,是有多方面考量的。一方面是看好E-band的前景,它的使用可能性比较高,被用户接受的程度会高一点。NI与多家大型设备厂商进行合作,我们听取了很多他们的意见。例如,NI与诺基亚在5G方面是一个很很长期的战略合作伙伴关系,选择71-76GHz频率与诺基亚当时选择73.5GHz作为5G通信原型系统也是有关系的。”

但是,这样并不意味着NI完全押宝在E-band上了。

  图:NI的毫米波原型设计平台

因为NI的毫米波SDR是一个模块化的平台。其优势在于,NI毫米波信号收发系统包含了全新的PXI Express模块,该模块包括全新的 FPGA用户可自定制板卡,超宽带AD/DA板卡,中频变频及LO板卡等。该系统基带软件部分则提供了一个完整的毫米波物理层,包括基于LabVIEW源代码的信道编码,可加快系统开发速度,同时简化许多系统集成任务。研究人员还可结合E-band毫米波前端或其他第三方RF前端配合使用该基带部分,以获得最大灵活性来探索其他毫米波和微波频段。也就是说,基带是一样的,毫米波是可以选的,对于一个公司和企业来讲,他们要保证最大的投资回报比或者说固定资产的保值,模块化系统是一个比较容易实现的方式。

姚远向我们举例说,纽约大学工程学院的Ted Rappaport博士利用一套NI的PXI基带配上不同的射频头,做了三个不同频段的信道测量,包括28GHz、39GHz和73GHz。“使用这样一个模块化的软件定义方案,可以给5G科研工作者带来很大的益处。除了资产的保值之外,还以省去很多软件编写的工作。”他补充说。

通往5G之路挑战与希望同在

在采访中,姚远一直向我们强调建立毫米波原型的重要性。“在一个标准没有被完全确立的时候,我们有很多的想法和技术可能性,这些技术可能性不应该仅仅只是仿真,它应该是一个实际的系统,也就是说我们可以在物理世界里面实现通信的原型。通过这个原型,我们可以看到这个系统距离真正的可商业化系统还有怎样的差距,以及具有怎样的优势,这些都需要通过真正的通信原型去论证。”

另外他表示,因为5G具有一些跨越式的发展,在这些领域里面需要有仪器来帮助我们做很多测量的工作,这个测量并不是针对5G标准的测量,而是需要进行信道测量、了解信道的模型等等,这些都是需要仪器和仪表来完成的。在这一点上,包括NI在内的主流测试厂商都是比较看重的。“NI在原型化方面是领先的,原因在于我们平台的延展性,以及通过软件定义这样的可能性。因为这些都是探索未知事物所需要的工具,灵活性在这些在探索未确立的标准时是最为关键的。”

本文转自d1net(转载)

相关文章
|
11月前
|
关系型数据库 MySQL 测试技术
【分享】AgileTC测试用例管理平台使用分享
AgileTC 是一个脑图样式测试用例管理平台,支持用例设计、执行与团队协作,帮助测试人员高效管理测试流程。
501 116
【分享】AgileTC测试用例管理平台使用分享
|
11月前
|
人工智能 数据可视化 测试技术
AI测试平台自动遍历:低代码也能玩转全链路测试
AI测试平台的自动遍历功能,通过低代码配置实现Web和App的自动化测试。用户只需提供入口链接或安装包及简单配置,即可自动完成页面结构识别、操作验证,并生成可视化报告,大幅提升测试效率,特别适用于高频迭代项目。
|
11月前
|
人工智能 测试技术 调度
写用例写到怀疑人生?AI 智能测试平台帮你一键生成!
霍格沃兹测试开发学社推出AI智能测试用例生成功能,结合需求文档一键生成高质量测试用例,大幅提升效率,减少重复劳动。支持自定义提示词、多文档分析与批量管理,助力测试人员高效完成测试设计,释放更多时间投入核心分析工作。平台已开放内测,欢迎体验!
|
11月前
|
人工智能 测试技术 项目管理
测试不再碎片化:AI智能体平台「项目资料套件」功能上线!
在实际项目中,需求文档分散、整理费时、测试遗漏等问题常困扰测试工作。霍格沃兹推出AI智能体测试平台全新功能——项目资料套件,可将多个关联文档打包管理,并一键生成测试用例,提升测试完整性与效率。支持套件创建、文档关联、编辑删除及用例生成,适用于复杂项目、版本迭代等场景,助力实现智能化测试协作,让测试更高效、更专业。
|
12月前
|
存储 人工智能 算法
AI测试平台实战:深入解析自动化评分和多模型对比评测
在AI技术迅猛发展的今天,测试工程师面临着如何高效评估大模型性能的全新挑战。本文将深入探讨AI测试平台中自动化评分与多模型对比评测的关键技术与实践方法,为测试工程师提供可落地的解决方案。
|
存储 测试技术 虚拟化
VMmark 4.0.3 - 虚拟化平台基准测试
VMmark 4.0.3 - 虚拟化平台基准测试
388 0
VMmark 4.0.3 - 虚拟化平台基准测试
|
11月前
|
人工智能 自然语言处理 测试技术
AI测试平台的用例管理实践:写得清晰,管得高效,执行更智能
在测试过程中,用例分散、步骤模糊、回归测试效率低等问题常困扰团队。霍格沃兹测试开发学社推出的AI测试平台,打通“用例编写—集中管理—智能执行”全流程,提升测试效率与覆盖率。平台支持标准化用例编写、统一管理操作及智能执行,助力测试团队高效协作,释放更多精力优化测试策略。目前平台已开放内测,欢迎试用体验!
|
安全 前端开发 Linux
Immunity CANVAS Professional 7.27 (macOS, Linux, Windows) - 渗透测试和漏洞利用平台
Immunity CANVAS Professional 7.27 (macOS, Linux, Windows) - 渗透测试和漏洞利用平台
371 3
Immunity CANVAS Professional 7.27 (macOS, Linux, Windows) - 渗透测试和漏洞利用平台
|
Kubernetes 测试技术 Perl
混沌测试平台 Chaos Mesh
混沌测试平台 Chaos Mesh
677 1
|
12月前
|
存储 人工智能 文字识别
从零开始打造AI测试平台:文档解析与知识库构建详解
AI时代构建高效测试平台面临新挑战。本文聚焦AI问答系统知识库建设,重点解析文档解析关键环节,为测试工程师提供实用技术指导和测试方法论