当前位置: 首页 > news >正文

2024年大唐杯备考

努力更新中…… 

第一章 网络架构和组网部署

1.1 5G的网络整体架构

 5G网络中的中传、回传、前传(这里属于承载网的概念)

CU和DU之间是中传

BBU和5GC之间是回传

BBU和AAU之间是前传(这个好记)

这里竟然还藏了MEC(多接入边缘计算),MEC端可以实现5GC的功能,将核心网更靠近基站,这样传输速率加快

 核心网架构的演进(这里隐藏了5G的一些技术)

特征:控制/处理分离,软硬分离(灵活),网元虚拟化

5G核心网基于SBA实现(Service Based Architecture,基于服务架构)使用NFV(网络功能虚拟化)技术灵活重构网络功能,使用SDN(软件定义网络)技术灵活构建数据转发通道,使用切片技术实现业务保障与资源利用率最大化,完全实现CUPS(Control and User Plane Separation,控制与用户面分离)

5G网元功能与接口

一图以蔽之

其中,上面Nnssf这种接口是基于服务表示(扩展性好),N2这种是点对点的。

5G网元的主要功能

接入网NG-RAN的一些功能(和基站有关,可以用这一特点记忆):

无线承载控制(这里插个眼)、连接移动性管理、无线接入控制(不同的终端若想接入网络)、测量配置与下发(基站给终端)、动态资源分配

网元的功能(可以用英文全称记忆,中文名也要记,仿真要用

AMF:接入和移动性管理功能

NAS安全(信令加密),用户鉴权、密钥,空闲状态移动性管理(小区重选)

SMF:会话管理功能

UE的IP地址分配、PDU会话控制

UPF:用户面功能(大多数和数据密切相关)

移动性锚点、PDU处理、流量、数据包的路由和转发、Qos流相关

其他的需要记忆的网元(仿真会用到)

UDM:统一数据管理  AUSF:认证服务器功能 Authentication Server Function

PCF:策略控制 policy    NRF:网络存储功能  NEF:网络开放功能

5G中的接口

NG接口

NG接口是NG-RAN和5G核心网之间的接口,支持控制面和用户面分离,支持模式化设计。

分为:NG-C接口(控制面)与NG-U接口(用户面),功能太多了,这里不列举了,主要就是建立维护NG-RAN会话、传输UE和AMF之间的NAS消息

Xn接口 

Xn接口是NG-RAN之间的接口,Xn-C接口(控制面)与Xn-U接口(用户面),功能也太多了

E1接口

CU\DU分离场景下,E1接口是指CU-C与CU-U之间的接口,E1接口只有控制面接口(E1-C接口)

F1接口

CU\DU分离场景下,F1接口是指CU与DU之间的接口,区分为用户面接口(F1-U接口)和控制面接口(F1-C接口)

Uu接口:用户和基站之间的

Uu口控制面协议栈(这里也可以属于协议那一章的内容了,插个眼)

Layer3:NAS、RRC(无线资源控制,有三种状态,挺重要的)
Layer2:PDCP、RLC、MAC 
Layer1:PHY

PDCP层完成加密和完整性保护 Packet Data Convergence Protocol分组数据汇聚协议
RRC层完成广播,寻呼,RRC连接管理资源控制,移动性管理,UE测量报告控制
NAS层完成核心网承载管理,鉴权及安全控制(这里插个眼,后面有详细介绍) Non-access 

RRC和NAS是控制面特殊的地方

 Uu口用户面协议栈

 5G用户面增加加入新的协议层SDAP,完成QoS映射功能,SDAP(Service Data Adaption Protocol)完成流(5G QoS flow)到无线承载的QoS映射,为每个报文打上 流标识(QFI)

RLC层有三种模式,TM透明模式、UM非确认模式、AM确认模式 (可以这样记忆,天霸动霸tua)

gNB中的CU和DU相关的知识

 高层功能划分方案:3GPP标准确定了option2
PDCP上移便于形成数据锚点,便于支持用户面的双连接/多连接

 CU/DU组网部署,三种

 eMBB下的部署 

 当业务容量需求变高,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:

 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。

5G组网

SA和NSA

SA:
op2和op5,其中op2是究极架构5G基站+5G核心网
op5是5G核心网+4G增强型基站

NSA(记忆)

3系列,用的都是4G的核心网EPC,在基站上想办法 3x是现在商用的

7系和4系都用的5G核心网

MR-DC多接入网技术双连接

留个印象,多选题可能出

 5G无线网络关键技术及应用

5G八大关键能力

5G关键技术概述

 通过香农公式

 

 真正的重点——

大规模天线

同时同频

这里的优势有可能出多选题,四个……只要不是太离谱就选上吧,感觉只有“信道的统计特征趋于稳定”比较奇怪

这个有可能出计算题(这里插个眼)

这里“双极化”我想了挺久的,(16H4V)是在说水平面TRX的数量是16,垂直面TRX的数量是4,但是图中水平方向上只有8个,所以才是双极化。另外,阵子就是图中的X,通道T是图中的矩形

垂直面空间复用:垂直方向上“3个阵子组成1T”

原理

在采用大天线阵列的MIMO系统中,信号可以在水平和垂直方向进行动态调整,因此能量能够更加准确地集中指向特定的UE,从而减少了小区间干扰,能够支持多个UE间的空间复用(主要是垂直方向)

大规模天线的优势(可能考多选题)
空间复用提容量、抑制干扰提信噪比、3DXX特性满足覆盖,多通道接受提增益

多波束能力,可通过多用户空分复用增益提升网络容量(MU-MIMO)

大阵列Beam forming,通过算法抑制用户间干扰,大幅提升单用户SINR(信噪比);

3D-beamforming特性,实现多种场景的覆盖要求

多通道上行接收,可最大化提升上行接收增益

增益类型 

四类:阵列增益、分集增益、干扰抑制增益、空间复用增益

 波束赋型,DMRS解调参考信号,也就是图中有颜色的色块,区分数据

波束扫描:基站发不同方向的信号,用户接收并反馈,不断调整

 波束恢复  终端UE处的作为

过程:detection->recovery request->recovery response

应用场景---感觉不大会考,凭借尝试看看吧

UDN(超密集网络部署)技术 

原理:增加单位面积内小基站的密度,通过在异构网络中引入超大规模低功率节点。

满足热点地区500-1000倍的流量增长的需求(几十Tbps/平方km 1百万连接/平方km,1Gbps用户体验速率)

遇到的问题以及解决方案:

移动性管理
联合传输与反馈
干扰抑制与管理

有选择关闭无用户小簇

D-MIMO多天线联合发送
集中控制和C-RAN技术
多小区频率资源协调

       其中的D-MIMO分布式天线是重点,按照大规模天线一样的思路来看

上行D-MIMO方案
D-MIMO上行采用多用户多天线联合接收,方案的基本原理为D-MIMO簇内的UE进行MU配对,并通过多组天线进行联合接收。每个UE接收天线组根据UE的位置以及移动情况动态选择

虚拟层技术——解决频繁移动

虚拟层承载广播、寻呼等控制信令,负责移动性管理,而实体层承载数据传输

软扇区技术,感觉这种稍微理解一下原理就行,看它能解决什么问题

 

全频谱接入技术

低频(速率低,覆盖广)+高频,全频都可以使用

高频的毫米波的特性

优点:波束集中,方向性好,受干扰影响比较小

挑战:路径损耗大,只能短距离通信,受空气和雨水的影响大,绕射能力比较差

影响因素

大气影响:比如,60GHz必须承受约20dB/km的氧气吸收损耗。这个因素可以通过足够的链路预算来克服

阻挡衰减:建筑物、人体等阻挡

高频传播:路损明显高于低频。
1、在各场景中(LOSINLOS),高频(30~40GHz)比低频(3.5GHz)的路损高18-25dB;NLOS比LOS高20dB~25dB左右(距离100m~200m)。
2、室外到室内穿透的损耗明显

 NR选择的频段

FR1和FR2

FR1主要记忆 n41: 2496MHz—2690MHz

其中,FR2见下图

 新型多址

多址主要是为了区分用户

4G里面主要是用的正交接入技术,FDMA频分多址,根据频率来区分用户、TDMA时分多址,根据时间来区分用户,CDMA码分多址,在时间和频率都相同的情况下使用code来区分用户,OFDMA正交频分多址减少干扰

非正交多址接入(NOMA)

不同用户占据相同的频域资源,但是可以通过功率域来区分,弱用户先解码强干扰。但是这种技术的功率域用户层不宜太多。

图样多址PDMA(Pattern Division Multiple Access )-大唐提出

是一种可以在功率域、码域、空域、频域和时域同时或选择性应用的非正交多址接入技术。在接收端采用低复杂度高性能的串行干扰抵消算法来逼近最大似然检测的性能。
优点:多址寻址能力最强,信道容量最大,频谱利用率最高。缺点:复杂度太大了

多用户共享接入MUSA(Multi User SharedAccess )-中兴

在上行链路中,MUSA技术充分利用终端用户因距基站远近而引起的发射功率的差异,在发射端使用非正交复数扩频序列编码对用户信息进行调制。

SCMA稀疏码本多址

新型多载波

OFDM传输波形技术

优势和挑战见下图,主要记忆挑战:偏频导致码间串扰、循环前缀CP降低频效和能效

新型传输波形技术——滤波器多载波(Filterbank multicarrier : FBMC )

用滤波器组代替了CP(循环前缀),优点:对载波频偏不敏感、提高了频效和能效

先进调制编码

 空间调制(Spatial Modulation SM):以天线的物理位置来携带部分发送信息比特,将传统二维映射扩至三维映射,提高频谱效率。

频率正交幅度调制(Frequency Quadrature-amplitude Modulation:FQAM):将频移键控(FSK)与正交幅度调制(QAM,携带的信息可以1->4)相结合,提高频谱效率

上行:256QAM  下行1024QAM

 LDPC 大数据方面,可以记为large data(数据)

Polar 一般是控制面

 终端直通技术

端到端D2D技术

基本思想,引入副链路,数据传输经过宏基站。支持有网络覆盖和无网络覆盖的场景,资源分配采取调度模式和UE自选模式

D2D的优点(可能考多选题)

终端近距离通信,高速率低时延低功耗。
短距离通信可频谱资源复用。
无线P2P功能
拓展网络覆盖范围

双工技术

同时同频全双工近端设备与远端设备的无线业务相互传输发生在同样的时间、相同的频率带宽上,这与现有的时分双工(TDD:Time Division Duplexing)和频分双工(FDD:Frequency Division Duplexing)体制相比,理论频率效率可以提升1倍

灵活双工

产生原因:上下行业务需求随时间、地点而变化,目前通信系统采用相对固定的频谱资源分配将无法满足不同小区变化的业务需求
灵活双工能够根据上下行业务变化情况动态分配上下行资源,有效提高系统资源利用率

全双工

相同时间相同频率同时收发

频谱共享(不是很成熟,估计不会考)

顾名思义:多个系统共享使用特定的频谱,改变了以往固定频谱分配的方式

栅格

全局栅格

信道栅格 

同步栅格

 总结BWP的一个重点知识

四大优点:前向兼容、降低功耗、动态适应、降低终端成本

BWP分为四类:初始、专用、激活、默认BWP
BWP有四种切换场景

伴随数据调度的DCI指示的快速切换

RRC(重)配置:从initial BWP到first active BWP的切换:

基于timer的长时间没有业务调度的切换

UE在随机接入过程中,如果active BWP内没有PRACH资源则自动切换到initial BWP

 

 

相关文章:

2024年大唐杯备考

努力更新中…… 第一章 网络架构和组网部署 1.1 5G的网络整体架构 5G网络中的中传、回传、前传(这里属于承载网的概念) CU和DU之间是中传 BBU和5GC之间是回传 BBU和AAU之间是前传(这个好记) 这里竟然还藏了MEC(…...

Spring Boot(06):Spring Boot与MySQL搭配,打造极简高效的数据管理系统

1. 前言 Spring Boot 是一个基于Spring框架的快速开发框架,可以使开发者快速搭建一个可靠的Java Web应用程序。而MySQL是最广泛使用的关系型数据库系统之一,也是Spring Boot整合数据库的首选。本文将介绍Spring Boot如何整合MySQL数据库。 2. 摘要 本文…...

Vue3 + Vite 构建组件库发布到 npm

你有构建完组件库后,因为不知道如何发布到 npm 的烦恼吗?本教程手把手教你用 Vite 构建组件库发布到 npm 搭建项目 这里我们使用 Vite 初始化项目,执行命令: pnpm create vite my-vue-app --template vue这里以我的项目 vue3-xm…...

Vite多环境配置与打包:灵活高效的Vue开发工作流

🌟 前言 欢迎来到我的技术小宇宙!🌌 这里不仅是我记录技术点滴的后花园,也是我分享学习心得和项目经验的乐园。📚 无论你是技术小白还是资深大牛,这里总有一些内容能触动你的好奇心。🔍 &#x…...

从零实现诗词GPT大模型:数据集介绍和预处理

专栏规划: https://qibin.blog.csdn.net/article/details/137728228 本章将介绍该系列文章中使用的数据集,并且编写预处理代码,处理成咱们需要的格式。 一、数据集介绍 咱们使用的数据集名称是chinese-poetry,是一个在github上开源的中文诗…...

45.HarmonyOS鸿蒙系统 App(ArkUI)创建列表(List)

列表是一种复杂的容器,当列表项达到一定数量,内容超过屏幕大小时,可以自动提供滚动功能。它适合用于呈现同类数据类型或数据类型集,例如图片和文本。在列表中显示数据集合是许多应用程序中的常见要求(如通讯录、音乐列…...

推荐算法之协同过滤

算法原理 透过百科,我们了解到协同过滤推荐(Collaborative Filtering recommendation)是在信息过滤和信息系统中正迅速成为一项很受欢迎的技术。与传统的基于内容过滤直接分析内容进行推荐不同,协同过滤算法结合用户行为分析用户…...

Kotlin 面试题

lifecycleScope.launchWhenResumed launchWhenResumed是一个扩展函数,它是LifecycleCoroutineScope的一部分,并且它是在Android的Lifecycle库中引入的。 这个函数的主要目的是在Lifecycle的对应组件(通常是Activity或Fragment)处于“resumed”状态时启动协程。 public fun …...

TCM(Tightly Coupled Memory)紧密耦合存储器简介

在ARM Cortex处理器中,TCM通常指的是紧密耦合存储器(Tightly Coupled Memory)。TCM是一种位于处理器核心旁边的高速存储器,它的设计目的是为了提供低延迟和高带宽的内存访问性能。 TCM的特点是它与处理器内核紧密耦合,…...

《自动机理论、语言和计算导论》阅读笔记:p172-p224

《自动机理论、语言和计算导论》学习第 8 天,p172-p224总结,总计 53 页。 一、技术总结 1.Context-Free Grammar(CFG) 2.parse tree (1)定义 p183,But perhaps more importantly, the tree, known as a “parse tree”, when used in a …...

typescript playwright 笔记

录制调式 命令 npx playwright codegen url npx playwright codegen https://www.baidu.com/typescript 中 format 和 split 的使用 import * as util from util;const str1 hellow %s; const format util.format; const str2 format(str1, word);// 提取taskId const str3…...

从零实现诗词GPT大模型:了解Transformer架构

专栏规划: https://qibin.blog.csdn.net/article/details/137728228 这篇文档我们开始对GPT的核心组件Transformer进行一个详细的讲解, 加急编写中…...

温故知新之-TCP Keepalive机制及长短连接

[学习记录] 前言 TCP连接一旦建立,只要连接双方不主动 close ,连接就会一直保持。但建立连接的双方并不是一直都存在数据交互,所以在实际使用中会存在两种情况:一种是每次使用完,主动close,即短连接&…...

架构师系列-搜索引擎ElasticSearch(七)- 集群管理之分片

集群健康检查 Elasticsearch 的集群监控信息中包含了许多的统计数据,其中最为重要的一项就是集群健康,它在 status字段中展示为 green(所有主分片和副本分片都正常)、yellow(所有数据可用,有些副本分片尚未…...

基于Spring Boot实现的图书个性化推荐系统

基于Spring Boot实现的图书个性化推荐系统 开发语言:Java语言 数据库:MySQL工具:IDEA/Ecilpse、Navicat、Maven 系统实现 前台首页功能模块 学生注册 登录 图书信息 个人信息 管理员功能模块 学生管理界面图 图书分类管理界面图 图书信息管…...

安全加速SCDN带的态势感知能为网站安全带来哪些帮助

随着安全加速SCDN被越来越多的用户使用,很多用户都不知道安全加速SCDN的态势感知是用于做什么的,德迅云安全今天就带大家来了解下什么是态势感知,态势感知顾名思义就是对未发生的事件进行预知,并提前进行防范措施的布置&#xff0…...

java面向对象.day21(继承02--super)

说明 super父 this当前 使用super时,首先要继承父类,其次是在子类里面才能使用super。 继承父类后,运行子类时会同时调用父类的构造方法,如果要显性调用父类的构造方法必须在子类的第一行调用。 单使用super()表示调用父类构造…...

【数据结构】4.List的介绍

目录 1.什么是List 2.常见接口介绍 3.List的使用 1.什么是List 在集合框架中,List是一个接口,继承自Collection。 Collection也是一个接口,该接口中规范了后序容器中常用的一些方法,具体如下: Iterable也是一个接口…...

acwing算法提高之图论--最近公共祖先

目录 1 介绍2 训练 1 介绍 本博客用来记录"对于有根图中,求最近公共祖先"的题目。 求解方法: 向上标记法。每次求两个结点的最近公共祖先的时间复杂度是O(N)。由于时间复杂度较高,通常不用。倍增法。 倍增法重要思路&#xff1…...

C语言 函数——断言与防御式编程

目录 如何确定假设的真假? 断言 防御式编程(Defensive programming) 如何确定假设的真假? 程序中的假设 *某个特定点的某个表达式的值一定为真 *某个特定点的某个表达式的值一定位于某个区间等 问题:如何确定这些…...

【opencv】示例-travelsalesman.cpp 使用模拟退火算法求解旅行商问题

// 载入 OpenCV 的核心头文件 #include <opencv2/core.hpp> // 载入 OpenCV 的图像处理头文件 #include <opencv2/imgproc.hpp> // 载入 OpenCV 的高层GUI(图形用户界面)头文件 #include <opencv2/highgui.hpp> // 载入 OpenCV 的机器学习模块头文件 #includ…...

【linux深入剖析】深入理解软硬链接 | 动静态库的制作以及使用

&#x1f341;你好&#xff0c;我是 RO-BERRY &#x1f4d7; 致力于C、C、数据结构、TCP/IP、数据库等等一系列知识 &#x1f384;感谢你的陪伴与支持 &#xff0c;故事既有了开头&#xff0c;就要画上一个完美的句号&#xff0c;让我们一起加油 目录 1.理解软硬链接1.1 操作观…...

xss常用标签和触发事件

无过滤情况 <script> <scirpt>alert("xss");</script> <img> 图片加载错误时触发 <img src"x" οnerrοralert(1)> <img src"1" οnerrοreval("alert(xss)")> 鼠标指针移动到元素时触发 <im…...

WPF中Binding的原理和应用

WPF中Binding的原理和应用 在WPF中&#xff0c;Binding机制是实现数据与界面的连接和同步的重要工具。了解Binding的原理和应用&#xff0c;对于开发人员来说是非常重要的。本文将详细介绍WPF中Binding的原理和应用&#xff0c;帮助读者更好地理解和运用这一强大的机制。 Bin…...

探索设计模式的魅力:深度挖掘响应式模式的潜力,从而精准优化AI与机器学习项目的运行效能,引领技术革新潮流

​&#x1f308; 个人主页&#xff1a;danci_ &#x1f525; 系列专栏&#xff1a;《设计模式》 &#x1f4aa;&#x1f3fb; 制定明确可量化的目标&#xff0c;坚持默默的做事。 挖掘响应式模式&#xff0c;优化AI与机器学习项目性能&#xff0c;引领技术新潮流 ✨机器学习界的…...

《经典论文阅读2》基于随机游走的节点表示学习—Deepwalk算法

word2vec使用语言天生具备序列这一特性训练得到词语的向量表示。而在图结构上&#xff0c;则存在无法序列的难题&#xff0c;因为图结构它不具备序列特性&#xff0c;就无法得到图节点的表示。deepwalk 的作者提出&#xff1a;可以使用在图上随机游走的方式得到一串序列&#x…...

Java实现二叉树(下)

1.前言 http://t.csdnimg.cn/lO4S7 在前文我们已经简单的讲解了二叉树的基本概念&#xff0c;本文将讲解具体的实现 2.基本功能的实现 2.1获取树中节点个数 public int size(TreeNode root){if(rootnull){return 0;}int retsize(root.left)size(root.right)1;return ret;}p…...

Hello 算法10:搜索

https://www.hello-algo.com/chapter_searching/binary_search/ 二分查找法 给定一个长度为 n的数组 nums &#xff0c;元素按从小到大的顺序排列&#xff0c;数组不包含重复元素。请查找并返回元素 target 在该数组中的索引。若数组不包含该元素&#xff0c;则返回 -1 。 # 首…...

常见分类算法详解

在机器学习和数据科学的广阔领域中&#xff0c;分类算法是至关重要的一环。它广泛应用于各种场景&#xff0c;如垃圾邮件检测、图像识别、情感分析等。本文将深入剖析几种常见的分类算法&#xff0c;帮助读者理解其原理、优缺点以及应用场景。 一、K近邻算法&#xff08;K-Nea…...

推送恶意软件的恶意 PowerShell 脚本看起来是人工智能编写的

威胁行为者正在使用 PowerShell 脚本&#xff0c;该脚本可能是在 OpenAI 的 ChatGPT、Google 的 Gemini 或 Microsoft 的 CoPilot 等人工智能系统的帮助下创建的。 攻击者在 3 月份的一次电子邮件活动中使用了该脚本&#xff0c;该活动针对德国的数十个组织来传播 Rhadamanthy…...

网站开发设计的论文/12345微信公众号

看完《狂飙》&#xff0c;我真的很震撼。故事讲述了一个叫罗伯特拉塞尔的男孩&#xff0c;他在一次汽车竞赛中发挥出了惊人的表现&#xff0c;他的勇敢和坚韧让我们受到了深刻的震撼。他的决心和毅力让他不断超越自我&#xff0c;不断取得新的成就&#xff0c;最终赢得了比赛。…...

有什么正网站做兼职的/厦门seo关键词优化

1 ROS必须的环境变量 执行命令&#xff1a; source /opt/ros/ROSDISTRO/setup.bash (Replace ROSDISTRO with the desired ROS distribution, e.g. indigo.)可以完成设置。 当然通常是添加该命令到&#xff5e;/.bashrc,系统启动自动设置这些必须的环境变量。 注意&#xff1a…...

app网站建设宣传方案/今日新闻最新头条

需求&#xff1a;爬取豆瓣小组所有话题&#xff08;话题title&#xff0c;内容&#xff0c;作者&#xff0c;发布时间&#xff09;&#xff0c;及回复&#xff08;最佳回复&#xff0c;普通回复&#xff0c;回复_回复&#xff0c;翻页回复&#xff0c;0回复&#xff09; 解决&a…...

南昌网站排名优化费用/网络营销最主要的工具是

介绍byte&#xff0c;即字节&#xff0c;由8位的二进制组成。在Java中&#xff0c;byte类型的数据是8位带符号的二进制数。在计算机中&#xff0c;8位带符号二进制数的取值范围是[-128, 127]&#xff0c;所以在Java中&#xff0c;byte类型的取值范围也是[-128, 127]。取值范围分…...

http做轮播图网站/中文搜索引擎排行榜

前面写好了数据访问工程DAL&#xff0c;但由于用户界面也要访问数据还有中间业务层也访问&#xff0c;为了访问方便还要处理一些业务逻辑&#xff0c;我们再给它封装一层DALService来操作DAL和对上层提供服务。 添加一个工程DALService&#xff0c;分别对DAL里面的每个类提…...

国内餐饮类网站欣赏/色盲测试图 考驾照

文章目录题目解题代码题目 给你两个有序整数数组 nums1 和 nums2&#xff0c;请你将 nums2 合并到 nums1 中&#xff0c;使 nums1 成为一个有序数组。 初始化 nums1 和 nums2 的元素数量分别为 m 和 n 。你可以假设 nums1 的空间大小等于 m n&#xff0c;这样它就有足够的空间…...