一起来学5G终端射频标准(In-band emissions-2)
上一篇我们列出了IBE的测试要求表格,今天我们详细说一下IBE如何测量计算,以及CA/NR-DC/SUL/UL-MIMO/V2X/Tx Diversity模式下的IBE情况。
01
—
IBE如何测量和计算
IBE的测试是对落入到未被分配的RB的干扰的测量,为12个子载波的平均发射功率,从被分配的上行RB发射带宽边缘算起,在不同RB偏移下,未分配RB中UE输出功率与分配RB中UE输出功率的比值。测量间隔是在时域上的一个slot,然后在10个sub-frames上取平均值。当PUSCH或PUCCH传输时隙因与SRS复用而变短时,带内发射测量间隔会相应减少为一个或多个symbol。
IBE测量,要求分配的RB位于信道带宽的一端,另一端未分配。而且分配的RB数量小于RB总数量的一半,这意味着,在中心载波附近RB是未分配的。
上一篇中的测试要求表格,还有很多注释需要我们仔细地读一下。首先,对于每个被评估的RB,最小要求是以下面列出的较高值为准:
PRB-30dB;
所有适用的限值(一般、IQ图像或载波泄漏)的功率之和;具体来说就是以下组合:
Power (General)
Power (General + IQ Image)
Power (General + Carrier leakage)上面说了,IBE是个比值,但对于测试三种不同的功率组合,又具体分为两种不同的比值计算公式:
公式一:Power(General)以及Power (General + IQ Image)的计算,是一个未分配的被测RB的功率,与一个分配的RB的平均功率的比值(单位dB)。
公式二:Power(General + Carrier leakage)的计算,以一个未分配RB的功率,与所有分配RB的功率的比值(单位dBc)。
这就是为什么IBE会有两个相对发射(Emissions relative)计算公式的原因。计算的具体过程如下:
1. 计算未分配RB的绝对功率:

:上一篇学习过了,是分配的RB和测量的未分配RB之间的起始频率偏移(例如,
=-1 或 1,表示被分配RB带宽外的第一个左右相邻RB)。所以上下两个公式是以
的取值大于0或小于0进行区分的:上面的公式表示低于所分配的频率块的IBE,下面的公式表示高于所分配的频率块的IBE;
Y(t,f):在解调链路的FFT之后(参考一起来学5G终端射频标准(EVM究竟如何算)),传输带宽配置内的未分配RB的样本被称为Y(t,f)(f包含传输带宽配置内的未分配子载波,t包含1个slot内的OFDM symbol);

2. 计算分配RB的每个RB的功率PRB和总功率PAll-RBs:


MS(t,f):分配RB的测量数据符号样本;
PAll-RBs是把所有RB上(具体又细分为所有子载波)的功率求和,PRB是在PAll-RBs的基础上除以分配的RB数量LCRB。两者都是在Ts时域内取平均;
3. 计算General以及General + IQ Image的IBE的公式一:与上面的定义一致,一个未分配的被测RB的功率,与一个分配的RB的平均功率的比值(dB值相减)。

4. 计算General + Carrier leakage的IBE的公式二:与上面的定义一致,一个未分配的被测RB的功率,与所有分配RB的平均功率的比值(dB值相减)。

这里DCRB是一个RB或一对RB,取决于DC是在一个RB内还是在两个RB之间。
5. 对n个样本(10个UL子帧)进行平均。首先是对线性功率取n次平均,再进行log的dB转换:

02
—
IBE for CA/NR-DC/SUL/UL-MIMO/V2X/Tx Diversity
1. CA:
对于分配给两个NR频段的UL的inter-band CA,每个处于激活状态的component载波,UL PCC和SCC,都需要满足单载波IBE的要求。配置如下:具有PRB分配的PCC和没有PRB分配的SCC,没有配置CSI报告和SRS。并且PCC和SCC应在每个配置中进行切换测试。

2. NR-DC
上述inter-band CA的IBE,适用于NR-DC测试,只是用PCell替换PCC,用PSCell替换SCC。
3. SUL
UE对单载波的IBE要求相应适用于激活的UL或SUL载波。配置如下:


4. UL-MIMO
所有NR功率等级1.5、功率等级2和功率等级3的UE,支持基于2-layer codebook的UL MIMO,都需要测试IBE。对于在closed-loop空间复用方案中具有两个发射天线连接器的UE,单载波的IBE要求适用于每个发射天线连接器。只规定了PUSCH的测试步骤,测试配置如下:

5. V2X
V2X的IBE虽然在标准中写了很多的内容,但由于具体的测试配置和步骤都还是TBD和FFS的状态,所以目前还没法测。我们仅了解一下V2X的IBE要测什么东西。首先IBE的测试规定了下面几种模式:
1)IBE for V2X / non-concurrent operation
2)IBE for V2X / non-concurrent operation / SL-MIMO
3)IBE for V2X / concurrent operation
对于V2X sidelink 物理信道PSCCH、PSSCH和PSBCH,IBE的要求应与单载波PUSCH规定的相应调制和传输带宽相同。关于V2X信道及模式的基本概念,可以参考一下我们之前学习的内容:一起来学5G终端射频标准(V2X发射功率-1)。
6. Tx Diversity
支持Tx分集的所有类型的NR功率等级1.5的UE、功率等级2和功率等级3的UE R15及以后的版本,单载波IBE的要求适用于每个Tx分集发射天线连接器。
以上信息由英利检测(Teslab)整理发布,欢迎一起讨论,我们一直在关注这方面的发展,如有引用也请注明出处。
国家高新技术企业;唯一覆盖中国和欧美运营商认证服务机构;业内最为优秀第三方认证服务商之一;专业的人做专业的事;
入库:┆移动┆联通┆电信┆中国广电┆
欧美:┆GCF┆PTCRB┆VzW┆ATT┆TMO┆FCC┆
中国:┆CCC┆SRRC┆CTA┆
号码:┆IMEI┆MAC┆MEID┆EAN┆
相关文章:
一起来学5G终端射频标准(In-band emissions-2)
上一篇我们列出了IBE的测试要求表格,今天我们详细说一下IBE如何测量计算,以及CA/NR-DC/SUL/UL-MIMO/V2X/Tx Diversity模式下的IBE情况。01—IBE如何测量和计算IBE的测试是对落入到未被分配的RB的干扰的测量,为12个子载波的平均发射功率&#…...
硬刚ChatGPT,中国版ChatGPT“狂飙”的机会在哪儿?
整体来讲,个人的态度是积极的。 ChatGPT、文心一言 都是在多重因素及大量 AI 模型/数据 长时间累积的成果,不是一蹴而就,立竿见影的功能产品。两者产生的基础和背景均不相同,各有优劣,不存在强行对比的概念。 以下是 …...
ReactNative——导航器createBottomTabNavigator(底部标签导航器篇)
上一篇有讲到堆栈式导航器的写法,点这里->堆栈式导航器标签导航器官网链接先安装依赖包yarn add react-navigation/bottom-tabs接着在src/navigator文件夹下新建BottomTabs.tsx文件,写法跟堆栈式导航器类似的~import React from react; import { NavigationConta…...
【数据结构】带头双向循环链表的实现
🌇个人主页:平凡的小苏 📚学习格言:别人可以拷贝我的模式,但不能拷贝我不断往前的激情 🛸C语言专栏:https://blog.csdn.net/vhhhbb/category_12174730.html 🚀数据结构专栏ÿ…...
软件开发的权限系统功能模块设计,分享主流的九种常见权限模型
软件系统的权限控制几乎是非常常见且必备的,这篇文章整理下常见的九种模型,几乎基本够你用了,主流的权限模型主要有以下9种: 1、ACL模型 访问控制列表 2、DAC模型 自主访问控制 3、MAC模型 强制访问控制 4、ABAC模型 基于属性的访…...
CSS3-数据可视化
2D动画 - transform CSS3 transform属性允许你旋转,缩放,倾斜或平移给定元素。 Transform是形变的意思(通常也叫变换),transformer就是变形金刚 常见的函数transform function有: 平移:transl…...
硬件系统工程师宝典(15)-----PCB上的EMC设计,“拿捏了”
各位同学大家好,欢迎继续做客电子工程学习圈,今天我们继续来讲这本书,硬件系统工程师宝典。上篇我们说到PCB常用的多层板叠层结构,综合成本、性能、需求考虑选择不同的叠层结构。今天我们来看看为提高EMC性能,在PCB设计…...
vue3滚动条滚动后元素固定
代码地址:https://gitee.com/zzhua195/easyblog-web-vuee Framework.vue 在这个布局组件中,监听main的滚动事件,获取滚动的距离,将它存入store,以便其它组件能够共享,监听到 <template><div c…...
新吲哚菁绿染料IR-825 NHS,IR825 NHS ester,IR825 SE,IR-825 活性酯,用于科研实验研究和临床
IR825 NHS理论分析:中文名:新吲哚菁绿-琥珀酰亚胺酯,IR-825 琥珀酰亚胺酯,IR-825 活性酯英文名:IR825 NHS,IR-825 NHS,IR825 NHS ester,IR825 SECAS号:N/AIR825 NHS产品详…...
GO语言--接口(interface)的定义及使用
接口定义 接口也是一种数据类型,它代表一组方法的集合。 接口是非侵入式的。即接口设计者无需知道接口被哪些类型实现,而接口使用者只需知道实现怎样的接口,并且无须指明实现哪一个接口。编译器在编译时就会知道哪个类型实现哪个接口&#…...
【Python语言基础】——Python MongoDB 查询
Python语言基础——Python MongoDB 查询 文章目录 Python语言基础——Python MongoDB 查询一、Python MongoDB 查询一、Python MongoDB 查询 筛选结果 在集合中查找文档时,您能够使用 query 对象过滤结果。 find() 方法的第一个参数是 query 对象,用于限定搜索。 实例 查找地…...
第十四届蓝桥杯模拟赛【第三期】Python
1 进制转换 问题描述 请找到一个大于 2022 的最小数,这个数转换成十六进制之后,所有的数位(不含前导 0)都为字母(A 到 F)。 请将这个数的十进制形式作为答案提交。 答案:2730 def ch…...
windows 下docker 安装clickhouse
docker 下载https://www.docker.com/products/docker-desktop/将下载下来的Docker Desktop Installer.exe文件双击进行安装即可,安装完成后,任务栏会出现一个蓝色的小鲸鱼图标(注意安装完成后可能会重启系统)Docker Desktop如果出…...
【华为OD机试真题 JAVA】TLV编码问题
标题:TLV编码问题 | 时间限制:1秒 | 内存限制:262144K | 语言限制:不限 TLV编码是按TagLengthValue格式进行编码的,一段码流中的信元用tag标识,tag在码流中唯一不重复,length表示信元value的长度,value表示信元的值,码流以某信元的tag开头,tag固定占一个字节,lengt…...
深度学习 Day26——使用Pytorch实现猴痘病识别
深度学习 Day26——使用Pytorch实现猴痘病识别 文章目录深度学习 Day26——使用Pytorch实现猴痘病识别一、前言二、我的环境三、前期工作1、设置GPU导入依赖项2、导入猴痘病数据集3、划分数据集四、构建CNN网络五、训练模型1、设置超参数2、编写训练函数3、编写测试函数4、正式…...
redis简单介绍
对于一名前端工程师,想要进阶成为全栈工程师,redis技术是我们一定需要掌握的。作为当前非关系型数据库Nosql中比较热门的key-value存储系统,了解redis的原理和开发是极其重要的。本文我会循序渐进的带领大家一步步认识redis,使用r…...
Understanding services:理解服务(Service)
文章目录背景1. 准备工作2. ros2 service list 命令3. ros2 service type 命令3.1 ros2 service list -t 命令4. ros2 service find 命令5. ros2 interface show 命令6. ros2 service call 命令参考官方文档: Understanding services背景 服务(Service&…...
【链表OJ题(五)】合并两个有序链表
📝个人主页:Sherry的成长之路 🏠学习社区:Sherry的成长之路(个人社区) 📖专栏链接:数据结构 🎯长路漫漫浩浩,万事皆有期待 文章目录链表OJ题(五)1. 合并…...
C++ Primer第五版_第三章习题答案(1~10)
文章目录练习3.1练习3.2一次读入一行一次读入一个词练习3.3练习3.4大的字符串长度大的字符串练习3.5未隔开的隔开的练习3.6练习3.7练习3.8练习3.9练习3.10练习3.1 使用恰当的using 声明重做 1.4.1节和2.6.2节的练习。 // 1.4.1 #include <iostream>using std::cin; using…...
小样本学习
机器学习就是从数据中学习,从而使完成任务的表现越来越好。小样本学习是具有有限监督数据的机器学习。类似的,其他的机器学习定义也都是在机器学习定义的基础上加上不同的限制条件衍生出来。例如,弱监督学习是强调在不完整、不准确、有噪声、…...
HTML 语义化
目录 HTML 语义化HTML5 新特性HTML 语义化的好处语义化标签的使用场景最佳实践 HTML 语义化 HTML5 新特性 标准答案: 语义化标签: <header>:页头<nav>:导航<main>:主要内容<article>&#x…...
【人工智能】神经网络的优化器optimizer(二):Adagrad自适应学习率优化器
一.自适应梯度算法Adagrad概述 Adagrad(Adaptive Gradient Algorithm)是一种自适应学习率的优化算法,由Duchi等人在2011年提出。其核心思想是针对不同参数自动调整学习率,适合处理稀疏数据和不同参数梯度差异较大的场景。Adagrad通…...
解决Ubuntu22.04 VMware失败的问题 ubuntu入门之二十八
现象1 打开VMware失败 Ubuntu升级之后打开VMware上报需要安装vmmon和vmnet,点击确认后如下提示 最终上报fail 解决方法 内核升级导致,需要在新内核下重新下载编译安装 查看版本 $ vmware -v VMware Workstation 17.5.1 build-23298084$ lsb_release…...
AI编程--插件对比分析:CodeRider、GitHub Copilot及其他
AI编程插件对比分析:CodeRider、GitHub Copilot及其他 随着人工智能技术的快速发展,AI编程插件已成为提升开发者生产力的重要工具。CodeRider和GitHub Copilot作为市场上的领先者,分别以其独特的特性和生态系统吸引了大量开发者。本文将从功…...
RNN避坑指南:从数学推导到LSTM/GRU工业级部署实战流程
本文较长,建议点赞收藏,以免遗失。更多AI大模型应用开发学习视频及资料,尽在聚客AI学院。 本文全面剖析RNN核心原理,深入讲解梯度消失/爆炸问题,并通过LSTM/GRU结构实现解决方案,提供时间序列预测和文本生成…...
#Uniapp篇:chrome调试unapp适配
chrome调试设备----使用Android模拟机开发调试移动端页面 Chrome://inspect/#devices MuMu模拟器Edge浏览器:Android原生APP嵌入的H5页面元素定位 chrome://inspect/#devices uniapp单位适配 根路径下 postcss.config.js 需要装这些插件 “postcss”: “^8.5.…...
基于 TAPD 进行项目管理
起因 自己写了个小工具,仓库用的Github。之前在用markdown进行需求管理,现在随着功能的增加,感觉有点难以管理了,所以用TAPD这个工具进行需求、Bug管理。 操作流程 注册 TAPD,需要提供一个企业名新建一个项目&#…...
深入理解Optional:处理空指针异常
1. 使用Optional处理可能为空的集合 在Java开发中,集合判空是一个常见但容易出错的场景。传统方式虽然可行,但存在一些潜在问题: // 传统判空方式 if (!CollectionUtils.isEmpty(userInfoList)) {for (UserInfo userInfo : userInfoList) {…...
6个月Python学习计划 Day 16 - 面向对象编程(OOP)基础
第三周 Day 3 🎯 今日目标 理解类(class)和对象(object)的关系学会定义类的属性、方法和构造函数(init)掌握对象的创建与使用初识封装、继承和多态的基本概念(预告) &a…...
《信号与系统》第 6 章 信号与系统的时域和频域特性
目录 6.0 引言 6.1 傅里叶变换的模和相位表示 6.2 线性时不变系统频率响应的模和相位表示 6.2.1 线性与非线性相位 6.2.2 群时延 6.2.3 对数模和相位图 6.3 理想频率选择性滤波器的时域特性 6.4 非理想滤波器的时域和频域特性讨论 6.5 一阶与二阶连续时间系统 6.5.1 …...
