是什么让5G的峰值速度高达20Gb/s?一文看懂毫米波

本文涉及的产品
数据传输服务DTS,同步至DuckDB 3个月
简介:

随着视频内容的爆发,如今的移动用户已经不再满足现有的上网速度,希望电信商能够提供更快的数据传输速度、以及更可靠的网络服务,而下一代通信技术5G就是在此背景下诞生的。虽然现在5G还处在规划阶段,但是整个行业都在共同努力,希望能够确定5G的最终形态。但是这个行业的所有参与者都必定同意这一点:

随着移动用户数量及其需求的上升,5G必须比如今的蜂窝网络基站更快地处理更多的流量。

为了实现这一点,无线通讯的工程师正在设计一套全新的技术。利用这些技术,5G数据传输的延迟将不超过1毫秒(相比之下,今天的4G网络的延迟约为70毫秒),而且数据下载的峰值速度将可以高达20Gb/s(4G为1Gb/s)。

目前还不清楚,从长远来看哪些技术将是5G中最关键的,但是已经有一些早期技术脱颖而出。这些技术包括毫米波、小基站、Massive MIMO、全双工以及波束成形。

是什么让5G的峰值速度高达20Gb/s?一文看懂毫米波

今天的无线网络遇到的非常重要的一个问题就是:越来越多的人和设备正在消耗比以前多得多数据,但是他们依旧拥挤在电信公司一直使用的与无线电频谱相同的频段上。这意味着每个人被分配到的带宽有限,导致速度下降、掉线情况时有发生。

随着连接到无线网络设备的数量的增加,频谱资源稀缺的问题日渐突出。至少就现在而言,我们还只能在极其狭窄的频谱上共享有限的带宽,这极大的影响了用户的体验。而毫米波技术就是解决这一问题的关键。

什么是毫米波?

与以前用于移动设备的5Ghz以下的频段相比,毫米波在30GHz和300GHz之间的频率进行传输。它们被称为毫米波,是因为这些频段的波长在1毫米到10毫米之间,而如今用于智能手机的无线电波的波长大多为几十厘米。

迄今为止,毫米波只在雷达系统和卫星上有应用。现在,一些蜂窝网络提供商已经开始使用毫米波在诸如两个基站这样的固定点之间传输数据,但是使用毫米波将移动用户与附近的基站相连则是一种全新的方法。

毫米波技术有什么优点?

有媒体此前曾报道,无线传输增加传输速率一般有两种方法,一是增加频谱利用率,二是增加频谱带宽。相对于提高频谱利用率,增加频谱带宽的方法显得更简单直接。在频谱利用率不变的情况下,可用带宽翻倍则可以实现的数据传输速率也翻倍。但问题是,现在常用的5GHz以下的频段已经非常拥挤,到哪里去找新的频谱资源呢?5G使用毫米波就是通过第二种方法来提升速率。

根据通信原理,无线通信的最大信号带宽大约是载波频率的5%左右,因此载波频率越高,可实现的信号带宽也越大。在毫米波频段中,28GHz频段和60GHz频段是最有希望使用在5G的两个频段。28GHz频段的可用频谱带宽可达1GHz,,而60GHz频段每个信道的可用信号带宽则到了2GHz(整个9GHz的可用频谱分成了四个信道)。

相比而言,4G-LTE频段最高频率的载波在2GHz上下,而可用频谱带宽只有100MHz。因此,如果使用毫米波频段,频谱带宽轻轻松松就翻了10倍,传输速率也可得到巨大提升。

毫米波技术有什么缺点?

除了优点之外,毫米波也有一个主要缺点,那就是不容易穿过建筑物或者障碍物,并且可以被叶子和雨水吸收。这也是为什么5G网络将会采用小基站的方式来加强传统的蜂窝塔。

由于毫米波的频率很高,波长很短,这就意味着其天线尺寸可以做得很小,这是部署小基站的基础。可以预见的是,未来5G移动通信将不再依赖大型基站的布建架构,大量的小型基站将成为新的趋势,它可以覆盖大基站无法触及的末梢通信。

矽说作者李一雷曾表示,目前,各大厂商对5G频段使用的规划,是在户外开阔地带使用较传统的6GHz以下频段以保证信号覆盖率,而在室内则使用微型基站加上毫米波技术实现超高速数据传输。

凭借毫米波和其他5G技术,工程师希望5G网络不仅能够为智能手机用户提供服务,而且能够在无人驾驶汽车、VR以及物联网等领域发挥重要作用。

研究人员和公司已经为5G设定了很高的期望,并承诺为消费者提供超低延迟和创纪录的数据速度。如果他们能够解决剩下的挑战,并弄清楚如何让整个系统协同工作,那么超快的5G服务有望在未来5年内商用。


作者:孟月

来源:51CTO

相关实践学习
自建数据库迁移到云数据库
本场景将引导您将网站的自建数据库平滑迁移至云数据库RDS。通过使用RDS,您可以获得稳定、可靠和安全的企业级数据库服务,可以更加专注于发展核心业务,无需过多担心数据库的管理和维护。
Sqoop 企业级大数据迁移方案实战
Sqoop是一个用于在Hadoop和关系数据库服务器之间传输数据的工具。它用于从关系数据库(如MySQL,Oracle)导入数据到Hadoop HDFS,并从Hadoop文件系统导出到关系数据库。 本课程主要讲解了Sqoop的设计思想及原理、部署安装及配置、详细具体的使用方法技巧与实操案例、企业级任务管理等。结合日常工作实践,培养解决实际问题的能力。本课程由黑马程序员提供。
相关文章
|
3月前
|
存储 人工智能 容灾
阿里云服务器2核8G、4核16G、8核32G配置热门实例性能对比与场景化选型指南
2核8G/4核16G/8核32G配置的阿里云服务器在阿里云活动中目前有经济型e、通用算力型u1、通用型g7、通用型g8y和通用型g9i五种实例可选,目前2核8G配置选择u1实例活动价格652.32元1年起,4核16G月付选择经济型e实例最低89元1个月,8核32G配置160元1个月起,本文将为大家解析经济型e、通用算力型u1、通用型g7及通用型g8y实例,帮助用户根据自身需求合理选择最适合的实例规格和配置。
|
人工智能 API Python
Python 技术篇-有道翻译api接口调用详细讲解、实战演示,有道智云·AI开放平台
Python 技术篇-有道翻译api接口调用详细讲解、实战演示,有道智云·AI开放平台
3963 0
Python 技术篇-有道翻译api接口调用详细讲解、实战演示,有道智云·AI开放平台
|
10月前
|
安全 NoSQL MongoDB
XJ-Survey:这个让滴滴日均处理1.2亿次问卷请求的开源系统,今天终于公开了它的架构密码!
嗨,大家好,我是小华同学。今天为大家介绍一款由滴滴开源的高效调研系统——XJ-Survey。它功能强大,支持多类型数据采集、智能逻辑编排、精细权限管理和数据在线分析,适用于问卷、考试、测评等场景。采用 Vue3、NestJS 等先进技术栈,确保高性能与安全性。无论是企业还是个人,XJ-Survey 都是你不可错过的神器!项目地址:[https://github.com/didi/xiaoju-survey](https://github.com/didi/xiaoju-survey)
383 15
|
自动驾驶 安全 机器人
ROS2:从初识到深入,探索机器人操作系统的进化之路
【11月更文挑战第4天】ROS2的学习过程和应用,介绍DDS系统的框架和知识。
836 1
|
机器学习/深度学习 人机交互 API
【机器学习】Whisper:开源语音转文本(speech-to-text)大模型实战
【机器学习】Whisper:开源语音转文本(speech-to-text)大模型实战
4874 0
|
11月前
|
Web App开发 人工智能 数据安全/隐私保护
Microsoft Edge 插件上架发布全流程指南
在前两篇文章中,我分别讲解了如何将产品上架到 Chrome Web Store 和 Firefox Add-ons。今天,我们将继续探索另一个重要的浏览器插件市场——Microsoft Edge 插件商店。如果你已经熟悉 Chrome 和 Firefox 插件的上架流程,那么这篇文章会让你更快上手 Edge 插件的发布。同时,我也会在关键环节与 Chrome 和 Firefox 进行对比,帮助你更好地理解三者的异同。
652 8
|
机器学习/深度学习 人工智能 并行计算
转载:【AI系统】AI轻量化与并行策略
本文探讨了AI计算模式对AI芯片设计的重要性,重点分析了轻量化网络模型和大模型分布式并行两大主题。轻量化网络模型通过减少模型参数量和计算量,实现在资源受限设备上的高效部署;大模型分布式并行则通过数据并行和模型并行技术,解决大模型训练中的算力和内存瓶颈,推动AI技术的进一步发展。
转载:【AI系统】AI轻量化与并行策略
|
机器学习/深度学习 搜索推荐 大数据
深度解析:如何通过精妙的特征工程与创新模型结构大幅提升推荐系统中的召回率,带你一步步攻克大数据检索难题
【10月更文挑战第2天】在处理大规模数据集的推荐系统项目时,提高检索模型的召回率成为关键挑战。本文分享了通过改进特征工程(如加入用户活跃时段和物品相似度)和优化模型结构(引入注意力机制)来提升召回率的具体策略与实现代码。严格的A/B测试验证了新模型的有效性,为改善用户体验奠定了基础。这次实践加深了对特征工程与模型优化的理解,并为未来的技术探索提供了方向。
580 2
深度解析:如何通过精妙的特征工程与创新模型结构大幅提升推荐系统中的召回率,带你一步步攻克大数据检索难题
|
vr&ar 数据安全/隐私保护 网络架构
一文带你了解WiFi7,比WiFi6强多了!
【10月更文挑战第2天】
2724 1
一文带你了解WiFi7,比WiFi6强多了!
|
存储 安全 Java
系统安全架构的深度解析与实践:Java代码实现
【11月更文挑战第1天】系统安全架构是保护信息系统免受各种威胁和攻击的关键。作为系统架构师,设计一套完善的系统安全架构不仅需要对各种安全威胁有深入理解,还需要熟练掌握各种安全技术和工具。
519 10