带你读《5G 系统技术原理与实现》——1.3.3 CU/DU 组网部署

简介: 带你读《5G 系统技术原理与实现》——1.3.3 CU/DU 组网部署

1.3.3 CU/DU 组网部署


基于CU 与DU 分离的5G 接入网架构是5G 网络部署的主要方式。根据业务需求和部署场景的差异性,C-RAN 架构的部署总体可以分为CU 和DU 两级配置,CU、DU 和RRU分离的三级配置,RRU 与BBU(CU 与DU 合设)直连3 种配置方式。本节将介绍在不同业务场景下的CU 与DU 的部署。


1.eMBB 业务CU/DU 部署

为了支持eMBB 业务的覆盖和容量需求,CU 和DU 需要进行分离部署,分为两种形式:Macro(宏)方式和Micro(微)方式。CU/DU 分离Macro 和Micro 组网部署如图1-27所示。

image.png

图1-27 CU/DU 分离Macro 和Micro 组网部署


图1-27 中,一个宏站覆盖一个宏小区,一个微站覆盖一个微小区。宏微小区可以同频或者异频。对于宏基站,DU 和RRU 通常分离;对于微站,DU 和RRU 可以分离,也可以集成在一起。实际网络建设时,宏站和微站均支持CU 和DU 部署在一起。


当业务容量需求变高时,在密集部署情况下,基于理想前传条件,多个DU 可以联合部署,形成基带池,提高基站资源池的利用率,并且可以利用多小区协作传输和协作处理以提高网络的覆盖和容量。CU/DU 分离DU 资源池组网方式如图1-28 所示。

image.png

图1-28 CU/DU 分离DU 资源池组网部署


图1-28 中,所有RRU 接入DU 资源池。CU 与DU 资源池之间的连接方式一般分为两种,分别是光纤直连和WDM,对时延要求较高。DU资源池支持的小区数目可以达到数十至数百。CU 和DU 资源池之间的连接方式是传输网络,对时延要求较低。


2.URLLC 业务CU/DU 部署

语音业务对带宽和时延要求不高,此时DU 可以部署在站点侧;对于大带宽低时延业务

(如视频或者虚拟现实),一般需要高速传输网络或者光纤直接连接中心机房,并在中心机房部署缓存服务器,以降低时延并提升用户体验。CU/DU 分离针对高时延和低时延部署方式如图1-29 所示。在图1-29 中,对于高实时大带宽的业务,为了保证高效的时延控制,需要高速传输网络或光纤直连RRU,将数据统一传输到中心机房进行处理,减少中间的流程,同时DU 和CU 则可以部署在同一位置,二者合二为一。对于低实时语音等一般业务,带宽和实时性要求不高,DU 可以部署在站点侧,多个DU 连接到一个CU,非实时功能CU 可以部署在中心机房。

image.png

3.mMTC 业务CU/DU 部署

对于面向垂直行业的机器通信业务,在建设5G 网络时,需要考虑机器通信的特点。大规模机器类通信普遍对时延要求较低,其特点有2 个:数据量少而且站点稀疏;站点数量多,且分布密集。CU/DU 分离针对mMTC 的部署方式如图1-30 所示。

image.png

图1-30 CU/DU 分离针对mMTC 的部署方式


图1-30 中,DU 与RRU 合设,然后接入CU。在实际应用时,多个DU 与RRU 合设的设备会接入同一个CU 中。DU 与RRU 也可以分设,一个DU 可以连接多个RRU,DU 与

RRU 由CU 进行集中管控。不同区域的物联网业务具备不同的特点,为了更好地支持业务,将CU 和核心网共平台部署,以减少无线网和核心网的信令交互,降低海量终端接入引起的信令风暴,减少机房的数量。一个CU 可以控制数量巨大的DU 和RRU。

相关文章
|
10月前
|
边缘计算 运维 监控
5G落地没那么简单!细扒部署挑战与硬核解决方案
5G落地没那么简单!细扒部署挑战与硬核解决方案
364 30
|
9月前
|
传感器 算法 数据安全/隐私保护
基于GA遗传优化的三维空间WSN网络最优节点部署算法matlab仿真
本程序基于遗传算法(GA)优化三维空间无线传感网络(WSN)的节点部署,通过MATLAB2022A实现仿真。算法旨在以最少的节点实现最大覆盖度,综合考虑空间覆盖、连通性、能耗管理及成本控制等关键问题。核心思想包括染色体编码节点位置、适应度函数评估性能,并采用网格填充法近似计算覆盖率。该方法可显著提升WSN在三维空间中的部署效率与经济性,为实际应用提供有力支持。
|
Kubernetes Devops 持续交付
DevOps实践:使用Docker和Kubernetes实现持续集成和部署网络安全的守护盾:加密技术与安全意识的重要性
【8月更文挑战第27天】本文将引导读者理解并应用DevOps的核心理念,通过Docker和Kubernetes的实战案例,深入探讨如何在现代软件开发中实现自动化的持续集成和部署。文章不仅提供理论知识,还结合真实示例,旨在帮助开发者提升效率,优化工作流程。
|
供应链 监控 安全
网络安全中的零信任架构:从概念到部署
网络安全中的零信任架构:从概念到部署
1149 75
|
10月前
|
存储 运维 监控
2025年4月深度评测:10款最值得部署的网络监控软件
真正卓越的运维不仅仅是对当前问题的解决,更在于对未来的预测和防范。 OpManager 的预测报表功能可以为用户提供有关未来存储需求增长方式的直观展示,帮助用户进行基于需求的容量规划,从而避免成本浪费。
493 0
|
传感器 算法 物联网
基于粒子群算法的网络最优节点部署优化matlab仿真
本项目基于粒子群优化(PSO)算法,实现WSN网络节点的最优部署,以最大化节点覆盖范围。使用MATLAB2022A进行开发与测试,展示了优化后的节点分布及其覆盖范围。核心代码通过定义目标函数和约束条件,利用PSO算法迭代搜索最佳节点位置,并绘制优化结果图。PSO算法灵感源于鸟群觅食行为,适用于连续和离散空间的优化问题,在通信网络、物联网等领域有广泛应用。该算法通过模拟粒子群体智慧,高效逼近最优解,提升网络性能。
451 16
|
安全 定位技术 数据安全/隐私保护
|
5G 网络架构
怎么区分5G卡片开启的网络类型是NSA(非独立组网)还是SA(独立组网)
要确定5G卡片开启的网络类型是NSA(非独立组网)还是SA(独立组网),你通常需要进行以下操作:
|
传感器 算法
基于GA遗传优化的WSN网络最优节点部署算法matlab仿真
本项目基于遗传算法(GA)优化无线传感器网络(WSN)的节点部署,旨在通过最少的节点数量实现最大覆盖。使用MATLAB2022A进行仿真,展示了不同初始节点数量(15、25、40)下的优化结果。核心程序实现了最佳解获取、节点部署绘制及适应度变化曲线展示。遗传算法通过初始化、选择、交叉和变异步骤,逐步优化节点位置配置,最终达到最优覆盖率。
|
机器学习/深度学习 数据采集 算法
目标分类笔记(一): 利用包含多个网络多种训练策略的框架来完成多目标分类任务(从数据准备到训练测试部署的完整流程)
这篇博客文章介绍了如何使用包含多个网络和多种训练策略的框架来完成多目标分类任务,涵盖了从数据准备到训练、测试和部署的完整流程,并提供了相关代码和配置文件。
570 0
目标分类笔记(一): 利用包含多个网络多种训练策略的框架来完成多目标分类任务(从数据准备到训练测试部署的完整流程)

热门文章

最新文章