动态无线接入网络 | 《5G移动无线通信技术》之九

简介: 本节主要讲述了动态无线接入网络。动态无线接入(DyRAN)以动态的方式集成了所有元素,成为多无线接入技术环境。

第八节:机器通信

动态无线接入网络

为了满足多样化需求,5G无线接入网络(RAN)包括不同的RAN赋能工具或者元素。传统的宏蜂窝网络需要提供广域覆盖,超密集网络和游牧节点提升本地容量。在较高频 段,波束赋形可以用于广域覆盖和 SINR 提升。D2D 通信既适用于接入,也适用于回传。 尽管如此,每一个技术各自都无法适应随着时间和位置变化的容量、覆盖、时延需求的 变化。
动态无线接入(DyRAN)以动态的方式集成了所有元素,成为多无线接入技术环境,见图 2.6。DyRAN 也会在时间和空间上快速适应 5G 一般服务的组合的变化。
image.png
不同的技术元素作用于提升覆盖区域内的 SINR 的这一基本技术要求。例如大规模 MIMO 波束赋形和UDN 可以用于提升某一区域的平均 SINR,而具体的技术选择将基 于技术和非技术的考量。在密集城市环境,UDN 方案可能更获青睐,而在郊区和农村, 大规模 MIMO 的方案更适合。9.1 ~ 9.4 节介绍 DyRAN 的技术元素,9.5 ~ 9.8 节描述 DyRAN 的一些通用功能。尽管功能是通用的,其实现方式未必相同。 DyRAN 紧密地与系统架构相关联,并且根据网络节点的服务能力和计算能力,支持不同的网络功能分布。

9.1 超密集网络

网络密度增加,可以直接提升网络容量。网络密度可以通过 Small Cell 的部署成为 UDN 超密集网络。UDN 可以部署在室内也可以在室外,可以使站间距降低到若干米。 UDN 的目标用户速率是 10Gbit/s,被解读为高(本地)容量和高速率。考虑到能耗效率的要求,只有在厘米波和毫米波具有很大的连续频谱时才是现实可行的。第 6 章会介绍 厘米波和毫米波通信,第 7 章介绍 UDN 空中接口。 UDN 应当既能独立部署,也可以作为容量提升“孤岛”和网络覆盖层(例如 LTE) 紧密协同。当独立部署时,UDN 网络需要实现完整的移动网络功能,包括系统接入、 移动管理等。当 UDN 和网络覆盖层紧密协作部署时,UDN 和覆盖网络层可以进行网 络功能分工。例如,重叠网络的控制面可以作为 UDN 和覆盖网络的共同的控制面。二 者的用户面则可以不同。第三方部署的 UDN(例如室内场景),可以将其具备的覆盖和 容量提供给多个运营商,也就是和多个覆盖网络紧密结合,甚至支持用户自行部署的 UDN 接入节点。大量的 UDN 节点不需要传统的网络规划,自组织能力也超越今天的 自组织网络。创新的技术是必要的,例如干扰抑制,参见第 9 章和第 11 章。UDN 网络也可以为其他不同的接入技术提供回传。根据接入节点的能力,接入技术可以是 WiFi、ZigBee 等。可以预见这种应用将被用于 mMTC 操作,设备通过不同的空中接口接入 UDN 节点。

9.2 移动网络

移动网络包括游牧节点和 / 或者移动中继节点。

  • 移动中继节点指无线接入节点为车辆内用户提供通信能力,特别是在高速移动 的场景。典型的移动中继节点可以是火车、公共汽车或者有轨电车,也可以是小轿车。 移动中继节点可以克服金属化的车窗带来的穿透损耗。
  • 游牧节点是一种新的网络节点,它具有的车辆通信能力,可以使车辆作为临时 接入节点,同时服务于车内和车外的用户。游牧节点增加了网络密度,并且满足了数据 流量随着时间和空间的变化。游牧节点集成于 UDN 之中,在不可预测的时间和地点提 供临时性的接入服务。任何的解决方案都必须能够处理这种动态变化的要求。

9.3 天线波束

波束赋形,即塑造多个天线波束,可以在一定区域内提升 SINR,也可以应用于大 规模 MIMO 或者 CoMP。尽管天线站址固定在一个位置,天线波束的方向在指向和空间 上却是动态变化的,它所覆盖的区域可以被认为是虚拟的小区。虚拟小区比游牧节点更 容易控制。大规模 MIMO 和 CoMP 分别在第 8 章和第 9 章介绍。

9.4 无线终端设备作为临时网络节点

高端无线设备,例如智能手机和平板电脑和平价的 UDN 节点的能力相当。一个具备 D2D 能力的设备可以充当临时的网络节点,例如用于覆盖延伸。在这种模式下,终端设备可能承担某些网络管理的角色,例如在D2D组合之间进行资源管理,或者作为mMTC 的网管。尽管如此,允许用户设备作为 RAN 的临时接入节点,还需要解决征信的问题。

9.5 设备到设备通信

灵活的 D2D 通信是 DyRAN 的重要元素,它可以用于接入、也可以用于将用户面负 载分流到 D2D 连接,或者充当回传。当一个终端被发现后,依据不同的标准(例如容 量要求和干扰水平),选择最适合的模式。D2D也被用于无线回传。第5章介绍D2D通信。

9.6 激活和关闭节点

当候选接入节点数增加,某个节点空闲的概率也会增加。为了降低整体网络能耗和干扰,DyRAN 通过激活 / 关闭节点的机制来选择某一个(节点、天线波束、D2D 连接 和 / 或终端)在特定的时间和地点被激活,来满足覆盖和容量的要求。那些没有用户接 入的节点和波束将被关闭。激活和关闭节点也会影响网络功能在 DyRAN 网络内实现的区域。这可能引起网络功能的动态实时变化,参见第 3 章。

9.7 干扰识别和抑制

干扰环境将变得更加动态变化。干扰不仅来源于终端和激活 / 关闭节点,天线波束 也会影响干扰环境。因此,在 DyRAN 中动态干扰和无线资源管理是必要的功能。干扰 识别和抑制的方法在第 11 章介绍。

9.8 移动性管理

在DyRAN中,移动性管理适用于终端和 MTC 设备以及接入节点。例如,游牧节 点不能接入时,尽管用户自身是静止的,终端用户可能面临切换的决定。类似地,无线 回传到移动节点的链接也需要保护,避免突然通信中断。智能移动管理技术是必要的, 以此来确保 DyRAN 网络中的无缝连接,参见第 11 章。

9.9 无线回传

组成 DyRAN 的节点不完全连接到有线回传,例如移动节点永远不会连接到有线回 传,游牧节点也很少连接有线回传,而 UDN 节点大多具有有线回传。因此获得 DyRAN 的增益,必须实现无线回传。无线回传链接可以利用 D2D 通信节点组成的网络拓扑结 构,实现全网网络容量和可靠性显著提升。对于移动和游牧节点,预测天线技术、大规 模 MIMO 和 CoMP 技术可以提升无线回传的顽健性和流量,参见第 8 章和第 9 章。中继技术、网络编码(参见第 10 章) 和干扰感知路由技术也可以提升速率。回传节点通常被认为是静止的。但是,回传到移动节点(如公共汽 车和火车)的回传链路具有接入链 路的特性,见图 2.7。因此,接入、回传和 D2D 连接倾向于选用相同的空中接口。

image.png

第十节:极简系统控制面

相关文章
|
6月前
|
边缘计算 人工智能 5G
5G引领家庭网络升级:速度、稳定性与智能化的新时代
5G引领家庭网络升级:速度、稳定性与智能化的新时代
496 69
|
25天前
|
机器学习/深度学习 人工智能 自然语言处理
王耀恒:从网络营销老兵到GEO技术布道者
在王耀恒看来,AI时代的技术竞争已从“信息不对称”转向“系统化应用能力”。他的GEO课程体系正是这一理念的体现——技术可以被复制,但深度实践验证的系统框架、认知升级路径和教学转化艺术却构成了难以逾越的壁垒。
|
7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
212 7
云计算的加速引擎——5G技术如何改变未来
|
6月前
|
人工智能 边缘计算 5G
5G时代,别让能耗成为“隐形杀手”——聊聊5G网络的能耗管理
5G时代,别让能耗成为“隐形杀手”——聊聊5G网络的能耗管理
380 13
|
1月前
|
机器学习/深度学习 人工智能 监控
上海拔俗AI软件定制:让技术真正为你所用,拔俗网络这样做
在上海,企业正通过AI软件定制破解通用化难题。该模式以业务场景为核心,量身打造智能解决方案,涵盖场景化模型开发、模块化架构设计与数据闭环优化三大技术维度,推动技术与业务深度融合,助力企业实现高效、可持续的数字化转型。
|
2月前
|
传感器 机器学习/深度学习 数据采集
无人机启用的无线传感器网络中的节能数据收集(Matlab代码实现)
无人机启用的无线传感器网络中的节能数据收集(Matlab代码实现)
|
2月前
|
监控 前端开发 安全
Netty 高性能网络编程框架技术详解与实践指南
本文档全面介绍 Netty 高性能网络编程框架的核心概念、架构设计和实践应用。作为 Java 领域最优秀的 NIO 框架之一,Netty 提供了异步事件驱动的网络应用程序框架,用于快速开发可维护的高性能协议服务器和客户端。本文将深入探讨其 Reactor 模型、ChannelPipeline、编解码器、内存管理等核心机制,帮助开发者构建高性能的网络应用系统。
219 0
|
2月前
|
传感器 数据采集 存储
【无线传感器】使用 MATLAB和 XBee连续监控温度传感器无线网络研究(Matlab代码实现)
【无线传感器】使用 MATLAB和 XBee连续监控温度传感器无线网络研究(Matlab代码实现)
|
4月前
|
监控 算法 安全
基于 C# 基数树算法的网络屏幕监控敏感词检测技术研究
随着数字化办公和网络交互迅猛发展,网络屏幕监控成为信息安全的关键。基数树(Trie Tree)凭借高效的字符串处理能力,在敏感词检测中表现出色。结合C#语言,可构建高时效、高准确率的敏感词识别模块,提升网络安全防护能力。
125 2
|
6月前
|
机器学习/深度学习 算法 PyTorch
Perforated Backpropagation:神经网络优化的创新技术及PyTorch使用指南
深度学习近年来在多个领域取得了显著进展,但其核心组件——人工神经元和反向传播算法自提出以来鲜有根本性突破。穿孔反向传播(Perforated Backpropagation)技术通过引入“树突”机制,模仿生物神经元的计算能力,实现了对传统神经元的增强。该技术利用基于协方差的损失函数训练树突节点,使其能够识别神经元分类中的异常模式,从而提升整体网络性能。实验表明,该方法不仅可提高模型精度(如BERT模型准确率提升3%-17%),还能实现高效模型压缩(参数减少44%而无性能损失)。这一革新为深度学习的基础构建模块带来了新的可能性,尤其适用于边缘设备和大规模模型优化场景。
304 16
Perforated Backpropagation:神经网络优化的创新技术及PyTorch使用指南

热门文章

最新文章