云无线接入网络的前向回传感知设计 | 带你读《5G系统关键技术详解》之十一

简介: 云无线接入网络(C-RAN,Cloud Radio Access Network)是第五代(5G,Fifth Generation)无线蜂窝网络的新兴范例,传统的物理层基站(BS,Base Station)传输和接 收基础设施使用云计算技术进行虚拟化。

第 3 章 云无线接入网络的前向回传感知设计

2.6 重新思考C-RAN的协议栈

3.1 引 言

云无线接入网络(C-RAN,Cloud Radio Access Network)是第五代(5G,Fifth Generation)无线蜂窝网络的新兴范例,传统的物理层基站(BS,Base Station)传输和接 收基础设施使用云计算技术进行虚拟化。无线接入的虚拟化能够实现集中控制和管理无 线接入点,从传输频谱效率的角度提供显著的增益。在第三代(3G,Third Generation) 和第四代(4G,Fourth Generation)蜂窝网络中,每个用户(也称为用户设备或 UE)仅 由其自己的基站服务。这种传统的单小区范例(如图 3.1 所示)具有相当多的小区间干扰,特别是对于小区边缘用户。在如图 3.2 所示的 C-RAN 范例中,由于基站在云中集中协调, 它们可以潜在地向/从用户发送和接收无线信号,从而带来干扰消除的可能性,这可以显著提高整个网络吞吐量。
在 C-RAN 架构中,传统基站基本上成为射频拉远头(RRH,Remote Radio Head), 为云中的移动用户和中央处理器(CP,Central Processor)传递信息。基带处理以及相关 的解码/编码复杂性在云中实现,而不是像传统的 3G/4G 网络那样在每个基站中进行。由 于 C-RAN 中的 RRH 只需要基本的无线接入能力,部署更具成本效益,C-RAN 架构在地 理上更易扩展,使得远程天线可以更密集地部署并且网络可以支持更多的用户。此外, 随着基带处理单元(BBU,Baseband Unit)在 CP 中集中实施,C-RAN 架构允许在整个 网络上集中计算资源,从而更好地利用计算单元并提高网络的能量效率。
image.png
image.png
由于无线天线位置的分布式特性和 C-RAN 云计算资源的集中性,RRH 和 CP 之间的 通信链路在 C-RAN 设计中具有中心意义。这些链接通常被称为前传链路,因为它们将无 线前端与云中的 BBU 相连(与传统 3G/4G 基站与骨干网之间的回程链路相反)。前传链 路通常用光纤实现,也可以由无线链路实现,其中,异构网络(HetNet,Heterogeneous Networks)中的 pico-和 femto-BS 越来越需要自回程。
前传链路的容量和延迟性能对 C-RAN 的设计有重大影响。例如,当前标准化的通用公 共无线接口(CPRI,Common Public Radio Interface)定义了 RRH 和BBU 之间的通信协议, 指定了从数百兆比特每秒到数十吉比特每秒的前传速率。当多个 RRH 聚合时,在 RRH 和云 之间传输的数据流可以容易地覆盖实际前传的物理限制。此外,由于 C-RAN 架构现在允许BBU 物理位置远离 RRH,随之而来的延迟将对网络的整体延迟性能产生重大影响。
本章旨在说明 C-RAN 系统的物理和数据链路层设计如何适应前传链路的容量和时 延限制。本章首先对考虑到有限容量前传链路影响的 C-RAN 可实现速率进行了信息理 论评估。为此,考虑了实际用户的 RRH 聚类策略和用于在 C-RAN 中实现上行链路和 下行链路波束成形的各种前传技术。评估由前传能力限制的可实现速率。然后讨论了前 传延迟对数据链路层吞吐量和效率的影响。为此,提出了一种混合自动重传请求 (HARQ,Hybrid Automatic Repeat Request)协议的新设计,以避免由前向传输引起的附加延迟。
3.2 前传感知的协作传输和接收之上行链路

相关文章
|
6月前
|
机器学习/深度学习 算法 机器人
【PID】基于人工神经网络的PID控制器,用于更好的系统响应研究(Matlab&Simulink代码实现)
【PID】基于人工神经网络的PID控制器,用于更好的系统响应研究(Matlab&Simulink代码实现)
747 15
|
6月前
|
机器学习/深度学习 数据采集 传感器
具有多种最大功率点跟踪(MPPT)方法的光伏发电系统(P&O-增量法-人工神经网络-模糊逻辑控制-粒子群优化)之使用粒子群算法的最大功率点追踪(MPPT)(Simulink仿真实现)
具有多种最大功率点跟踪(MPPT)方法的光伏发电系统(P&O-增量法-人工神经网络-模糊逻辑控制-粒子群优化)之使用粒子群算法的最大功率点追踪(MPPT)(Simulink仿真实现)
450 0
|
7月前
|
数据采集 存储 算法
MyEMS 开源能源管理系统:基于 4G 无线传感网络的能源数据闭环管理方案
MyEMS 是开源能源管理领域的标杆解决方案,采用 Python、Django 与 React 技术栈,具备模块化架构与跨平台兼容性。系统涵盖能源数据治理、设备管理、工单流转与智能控制四大核心功能,结合高精度 4G 无线计量仪表,实现高效数据采集与边缘计算。方案部署灵活、安全性高,助力企业实现能源数字化与碳减排目标。
211 0
|
4月前
|
Ubuntu 网络协议 网络安全
解决Ubuntu系统的网络连接问题
以上步骤通常可以帮助解决大多数Ubuntu系统的网络连接问题。如果问题仍然存在,可能需要更深入的诊断,或考虑联系网络管理员或专业技术人员。
1063 18
|
9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
568 13
|
4月前
|
监控 安全 网络协议
Cisco Identity Services Engine (ISE) 3.5 发布 - 基于身份的网络访问控制和策略实施系统
Cisco Identity Services Engine (ISE) 3.5 发布 - 基于身份的网络访问控制和策略实施系统
532 1
Cisco Identity Services Engine (ISE) 3.5 发布 - 基于身份的网络访问控制和策略实施系统
|
4月前
|
机器学习/深度学习 大数据 关系型数据库
基于python大数据的青少年网络使用情况分析及预测系统
本研究基于Python大数据技术,构建青少年网络行为分析系统,旨在破解现有防沉迷模式下用户画像模糊、预警滞后等难题。通过整合多平台亿级数据,运用机器学习实现精准行为预测与实时干预,推动数字治理向“数据驱动”转型,为家庭、学校及政府提供科学决策支持,助力青少年健康上网。
|
5月前
|
机器学习/深度学习 传感器 算法
【无人车路径跟踪】基于神经网络的数据驱动迭代学习控制(ILC)算法,用于具有未知模型和重复任务的非线性单输入单输出(SISO)离散时间系统的无人车的路径跟踪(Matlab代码实现)
【无人车路径跟踪】基于神经网络的数据驱动迭代学习控制(ILC)算法,用于具有未知模型和重复任务的非线性单输入单输出(SISO)离散时间系统的无人车的路径跟踪(Matlab代码实现)
385 2
|
6月前
|
安全 KVM 虚拟化
Cisco Identity Services Engine (ISE) 3.4 - 基于身份的网络访问控制和策略实施系统
Cisco Identity Services Engine (ISE) 3.4 - 基于身份的网络访问控制和策略实施系统
341 2
Cisco Identity Services Engine (ISE) 3.4 - 基于身份的网络访问控制和策略实施系统

热门文章

最新文章