科普:千兆级LTE技术深度解析

本文涉及的产品
数据传输服务 DTS,数据迁移 small 3个月
推荐场景:
MySQL数据库上云
数据传输服务 DTS,数据同步 small 3个月
推荐场景:
数据库上云
数据传输服务 DTS,数据同步 1个月
简介:

2016年2月,美国高通公司发布了骁龙X16千兆级LTE调制解调器,拉开了移动互联网千兆级LTE时代的序幕。今年初,澳大利亚正式商用全球第一张千兆级LTE网络,标志着这一技术步入实用阶段。随着各国运营商纷纷加快千兆级LTE网络的测试和部署进程,很快我们就会在全球迎来新一代移动互联网技术的普及。

什么是千兆级LTE?

科普:千兆级LTE技术深度解析

图1:从LTE到千兆级LTE的演进历程

要了解千兆级LTE技术,首先我们要熟悉一下LTE技术的概念。LTE,全称长期演进(Long Time Evolution),是由3GPP(The 3rd Generation Patnership Project,第三代合作伙伴计划)组织制定的,关于UMTS(Universal Mobile Telecommunications System,通用移动通信系统)技术标准的长期进化方案,又称4G(4th Generation,第四代移动通信)技术,是3G技术的后继者。与3G通信技术相比,4G的最大进化就是数据传输带宽大幅提升,由10Mbps级别提升到了100Mbps级别。4G网络在全球的广泛普及,|极大推动了移动互联网行业的发展。

随着4G网络建设基本完毕,通信行业又将目光转向了新一代通信技术,以进一步提升网络带宽、降低网络延迟、扩大服务范围。在这样的需求下,4G LTE标准的主要贡献者美国高通公司,又主导推动了千兆级LTE标准,又称LTE A-Pro。

与4G LTE相比,千兆级LTE是前者的技术升级,仍属于4G通信技术的范畴,但也是通向5G(第五代移动通信)技术的基石。千兆级LTE的最大特性,就是通信带宽从100Mbps提升到了1Gbps甚至更高,达到了高速光纤宽带的水平。

速度提升10倍!千兆级LTE如何实现Gbps超高带宽

作为LTE技术的升级方案,运营商迁移到千兆级LTE网络需要做的工作不是太多,技术实用化的关键是用户端的调制解调器技术升级。高通公司在2016年发布的骁龙X16 LTE调制解调器是业内第一颗支持千兆级LTE技术的调制解调器,同样也是首款商用的千兆级调制解调器。2017年初发布的骁龙835移动平台就集成了骁龙X16 LTE调制解调器,标志着千兆级LTE技术在用户端正式实用化。

接下来,我们就以骁龙X16 LTE调制解调器为例,介绍千兆级LTE技术的关键特性和实现原理,它们分别是高级载波聚合、高阶调制、高级MIMO、增强频段接入和超低延迟。

1、高级载波聚合

科普:千兆级LTE技术深度解析

图2:高级载波聚合——最多5个20MHZ载波

所谓载波,就是通信网络中用来传输数据的频谱资源。例如,基站与终端使用一个700-710MHZ的频段来传输数据,这就是一个10MHZ的载波。显然,传输数据的频谱越宽,带宽也就越高。

但是可用于长距离通信的频谱资源是有限的,加上抗干扰能力、功耗发热等因素,网络通信可用的频谱并不多,且较为分散。在4G网络中,常用的载波频谱宽度只有20MHZ,这一数字短期是很难大幅提升的。

为了实现更高的数据传输带宽,高通公司创新地引入了载波聚合这一概念。所谓载波聚合,就是同时利用多个分散的载波传输数据,使得总频谱宽度大幅提升,从而显著提升带宽的方案。在千兆级LTE标准中,最多可以同时使用5个20MHZ的载波进行数据下传,总带宽最高100MHZ。

骁龙X16 LTE调制解调器支持4个载波聚合传输,而今年发布的骁龙X20 LTE调制解调器则更是支持5个载波聚合。载波聚合不仅大幅提升了数据传输效率,还明显增强了数据传输的稳定性。多个载波即便有一两个受到干扰也不会导致传输中断或带宽明显下降,用户体验更出色。此外,载波聚合充分利用了碎片化的频谱资源,无需运营商进行大规模技术升级(不用去扩大每个载波的带宽),也降低了千兆级LTE网络的部署成本。

然而,载波聚合技术实现起来也有一些困难。将数据分散在多个载波上传输,调制解调器就需要很高的处理速度来实时分配数据包,确保数据流平均分配到每个载波上;当某个载波出现干扰,有效带宽降低时,调制解调器还需要迅速响应,减少这一载波的负载;不同载波的数据传输到调制解调器端时,调制解调器要精确地对数据进行合并,避免出错;多个载波同时工作,对调制解调器的功耗、抗干扰能力的压力也要大得多。

高通在研发千兆级LTE调制解调器时,付出了大量努力来解决上述问题。骁龙X16 LTE调制解调器基于先进的14nm工艺制造,核心数据处理性能远超其它产品,抗干扰性能也更胜一筹。结果,实现4载波聚合的同时,骁龙X16 LTE调制解调器的功耗水平更低,稳定性更好,表现非常出色。

2、高阶调制

科普:千兆级LTE技术深度解析

图3:高阶调制——从64QAM到256QAM

千兆级LTE的第二大关键技术是256-QAM。QAM全称正交振幅调制,是将传输数据的载波进行信号调幅以扩展带宽的方式。数据在传送前被分解为多路,经过QAM处理后同时由载波发送出去,从而提升传输带宽。

4G LTE标准使用的QAM规格是64-QAM。64是2的6次幂,所以64-QAM每次发送的信号有6bit。高通在千兆级LTE标准中将QAM扩展到了256-QAM,也就是每次发送8bit的数据,有效带宽比64-QAM提升1/3。

更精细的QAM调制也需要调制解调器有更高水平的运算速度与抗干扰能力。为此,高通大幅提升了骁龙X16 LTE调制解调器的核心性能,并引入了更加可靠的误码处理机制,使256-QAM的可靠性、稳定性达到了与64-QAM相当的水平。而先进的制造工艺也让骁龙X16 LTE调制解调器不会因更复杂的调制解调任务而消耗更多的电力。

3、高级MIMO

科普:千兆级LTE技术深度解析

图4:高级MIMO——4到8路天线同时收发

MIMO,亦即多路发射/接受,是指在数据的发射端和接收端分别使用多个天线,同时传输数据以成倍提升带宽的方式。

在4G LTE技术中,MIMO的规格被限制在了2x2,也就是2路天线收发数据。千兆级LTE标准最高支持8x8的MIMO。而骁龙X16 LTE调制解调器目前支持在两个载波上实现4x4MIMO的传输,也就是用四根天线同时接收数据。

MIMO的技术难点在于不同天线之间的互相干扰,以及对分流数据的处理和聚合。骁龙X16 LTE调制解调器使用了全新的高通WTR5975 RF收发器,使用一颗芯片就可同时处理四路天线的数据收发工作,最大程度降低了不同天线数据干扰的几率。同时,骁龙X16 LTE调制解调器强大的核心处理性能让多路天线的数据分发、聚合工作也变得非常轻松,充分利用了多天线的带宽优势。

4、增强频段接入

科普:千兆级LTE技术深度解析

图5:增强频段接入——多种频段无缝切换

增强频段接入是高通在千兆级LTE技术上的又一重要创新。众所周知,4G LTE标准分为FDD和TDD两大分支,很多运营商都会同时部署TDD和FDD网络。此外,还有很多频段(如2.4G/5G,常用于WiFi连接)也可以在LTE传输中加以利用。通过增强频段接入,千兆级LTE网络可以同时利用FDD、TDD与其他频段进行数据传输,或者在不同频段间无缝切换,提升性能和稳定性。

例如,某地区的TDD网络信号较好,此时终端以TDD标准接入网络;终端移动到室内时,室内的5GHZ频段连接条件更佳,则终端就可以无缝切换到这一频段以保证传输速度和稳定性,过程中用户完全不会察觉。在增强频段的支持下,运营商可以在不同环境中部署最合适的网络接入频段,充分利用不同频段的各自优势,降低网络的建设和运营成本。

骁龙X16 LTE调制解调器是最先应用增强频段接入的调制解调器产品。今年早前发布的全球首款1.2Gbps调制解调器——骁龙X20 LTE 调制解调器继承了这一特性。关于增强频段接入与运营商网络部署的更多细节将在下一篇文章中具体分析。

5、超低延迟

科普:千兆级LTE技术深度解析

图6:超低延迟

此外,千兆级LTE标准还在降低数据传输延迟方面做出了努力。通过改进LTE的数据传输结构,缩短各个传输环节中的信号处理周期,千兆级LTE的传输延迟可以比4G LTE降低一个数量级。

科普:千兆级LTE技术深度解析

图7:超低延迟的实现

高通在调制解调器中的改进也使传输延迟进一步缩短。得益于更高的处理速度、优化的软件架构、高度集成的芯片设计与先进工艺带来的低功耗、低干扰特性,骁龙X16和X20 LTE调制解调器在数据延迟方面有了明显进步。传输延迟显著缩短之后,用户的通话、游戏、直播视频等体验就会更加流畅自然,很多需要实时响应的工业设备也可以使用移动互联网进行远程控制和交互了。

千兆不是终点,只是新的开始

在多种全新技术创新的帮助下,骁龙X16 LTE调制解调器得以实现最多10个数据流,每个数据流100Mbps的并行传输,下载速度最高可达1Gbps。然而,骁龙X16 LTE调制解调器并不是千兆级LTE的终点:今年初,高通发布了全球首款1.2Gbps调制解调器——骁龙X20 LTE 调制解调器,通过5路载波聚合使下载速度提升到了1.2Gbps,代表了当前LTE技术的顶峰。

事实上,千兆级LTE技术是5G技术的基石,而今天的高通已经在为5G做准备了。业界第一颗5G标准的调制解调器,骁龙X50将于今年下半年出样片,明年推出客户终端产品,并在2018年韩国平昌冬奥会正式首次使用5G技术。骁龙X50 LTE调制解调器将支持8载波,采用自适应波速成型和波速追踪的MIMO天线技术,实现最高5Gbps的峰值下载速度,只需8秒中即可下载5GB大小的电影。

科普:千兆级LTE技术深度解析

图8:5G技术展望

从骁龙X16到X50,高通公司帮助运营商和用户无缝从4G LTE过渡到5G技术,并将在2019年首次上马5G。无论对高通公司,还是对运营商和用户而言,千兆带宽都只是移动互联网下一波浪潮的开始。未来的移动互联网将在此基础上产生怎样的革新与变化,让我们一起期待。



本文作者:木子
本文转自雷锋网禁止二次转载, 原文链接
目录
相关文章
|
3月前
|
Web App开发 数据采集 开发者
某查”平台请求头反爬技术解析与应对
某查”平台请求头反爬技术解析与应对
|
2月前
|
传感器 人工智能 物联网
穿戴科技新风尚:智能服装设计与技术全解析
穿戴科技新风尚:智能服装设计与技术全解析
289 85
|
2月前
|
人工智能 API 语音技术
HarmonyOS Next~鸿蒙AI功能开发:Core Speech Kit与Core Vision Kit的技术解析与实践
本文深入解析鸿蒙操作系统(HarmonyOS)中的Core Speech Kit与Core Vision Kit,探讨其在AI功能开发中的核心能力与实践方法。Core Speech Kit聚焦语音交互,提供语音识别、合成等功能,支持多场景应用;Core Vision Kit专注视觉处理,涵盖人脸检测、OCR等技术。文章还分析了两者的协同应用及生态发展趋势,展望未来AI技术与鸿蒙系统结合带来的智能交互新阶段。
158 31
|
2月前
|
机器学习/深度学习 缓存 自然语言处理
深入解析Tiktokenizer:大语言模型中核心分词技术的原理与架构
Tiktokenizer 是一款现代分词工具,旨在高效、智能地将文本转换为机器可处理的离散单元(token)。它不仅超越了传统的空格分割和正则表达式匹配方法,还结合了上下文感知能力,适应复杂语言结构。Tiktokenizer 的核心特性包括自适应 token 分割、高效编码能力和出色的可扩展性,使其适用于从聊天机器人到大规模文本分析等多种应用场景。通过模块化设计,Tiktokenizer 确保了代码的可重用性和维护性,并在分词精度、处理效率和灵活性方面表现出色。此外,它支持多语言处理、表情符号识别和领域特定文本处理,能够应对各种复杂的文本输入需求。
310 6
深入解析Tiktokenizer:大语言模型中核心分词技术的原理与架构
|
2月前
|
编解码 监控 网络协议
RTSP协议规范与SmartMediaKit播放器技术解析
RTSP协议是实时流媒体传输的重要规范,大牛直播SDK的rtsp播放器基于此构建,具备跨平台支持、超低延迟(100-300ms)、多实例播放、高效资源利用、音视频同步等优势。它广泛应用于安防监控、远程教学等领域,提供实时录像、快照等功能,优化网络传输与解码效率,并通过事件回调机制保障稳定性。作为高性能解决方案,它推动了实时流媒体技术的发展。
101 5
|
2月前
|
数据采集 机器学习/深度学习 存储
可穿戴设备如何重塑医疗健康:技术解析与应用实战
可穿戴设备如何重塑医疗健康:技术解析与应用实战
100 4
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术如何重塑客服系统?解析合力亿捷AI智能客服系统实践案例
本文探讨了人工智能技术在客服系统中的应用,涵盖技术架构、关键技术和优化策略。通过感知层、认知层、决策层和执行层的协同工作,结合自然语言处理、知识库构建和多模态交互技术,合力亿捷客服系统实现了智能化服务。文章还提出了用户体验优化、服务质量提升和系统性能改进的方法,并展望了未来发展方向,强调其在客户服务领域的核心价值与潜力。
147 6
|
2月前
|
监控 负载均衡 安全
静态IP代理与动态IP代理:提升速度与保障隐私的技术解析
本文探讨了静态IP代理和动态IP代理的特性和应用场景。静态IP代理通过高质量服务提供商、网络设置优化、定期更换IP与负载均衡及性能监控提升网络访问速度;动态IP代理则通过隐藏真实IP、增强安全性、绕过封锁和提供独立IP保障用户隐私。结合实际案例与代码示例,展示了两者在不同场景下的优势,帮助用户根据需求选择合适的代理服务以实现高效、安全的网络访问。
100 1
|
2月前
|
编解码 人工智能 并行计算
基于 Megatron 的多模态大模型训练加速技术解析
Pai-Megatron-Patch 是一款由阿里云人工智能平台PAI 研发的围绕英伟达 Megatron 的大模型训练配套工具,旨在帮助开发者快速上手大模型,打通大模型相关的高效分布式训练、有监督指令微调、下游任务评估等大模型开发链路。本文以 Qwen2-VL 为例,从易用性和训练性能优化两个方面介绍基于 Megatron 构建的 Pai-Megatron-Patch 多模态大模型训练的关键技术
|
2月前
|
机器学习/深度学习 数据采集 自然语言处理
基于Python的情感分析与情绪识别技术深度解析
本文探讨了基于Python的情感分析与情绪识别技术,涵盖基础概念、实现方法及工业应用。文中区分了情感分析与情绪识别的核心差异,阐述了从词典法到深度学习的技术演进,并通过具体代码展示了Transformers架构在细粒度情感分析中的应用,以及多模态情绪识别框架的设计。此外,还介绍了电商评论分析系统的构建与优化策略,包括领域自适应训练和集成学习等方法。未来,随着深度学习和多模态数据的发展,该技术将更加智能与精准。
138 1

推荐镜像

更多