移动端与端基础 7

第10章5G技术的实际应用与未来展望课件移动通信-端到端5G系统基础第10章5G技术的实际应用与未来展望§10.15G技术赋能工业4.0时代§10.25G的过去与现在之盘点§10.35G未来与6G的时代展望10.1

5G技术赋能工业4.0时代工业4.0时代5G技术赋能工业4.0的三大技术5G-Advanced时代AIfor5G移动通信-端到端5G系统基础10.1.1工业4.0时代应用场景延迟可靠性吞吐量工业机器人<1ms>99.9999%Kbps传感器~100ms>99.99%Kbps手持终端<10ms>99.9999%M-Kbps自动驾驶<10ms>99.9999%Mbps工业4.0各种场景的关键指标现代新兴工业技术，被誉为工业4.0（Industry4.0,I4.0），代表着继机械化（第一次工业革命）、电气化（第二次工业革命）和数字化（第三次工业革命）后，工业技术自动化和数据交换的最新演进。工业4.0是指以数字化、智能化和互联网化为特征的新一代工业革命，它将传统的制造业与先进的信息技术相结合，实现了制造过程的智能化和生产模式的全面升级。

10.1.25G技术赋能工业4.0的三大技术基石10.1.35G技术赋能工业4.0的可行性延迟随着5G技术的演进，这一延迟将大幅降低到2ms至5ms，而无线接入网络的功能增强更是将潜在的目标延迟缩减至1ms。可靠性通过运用蜂窝技术在最新开放的宽带非授权频谱（3.5/5/6/60GHz）中部署专用网络，且蜂窝系统的接入点间始终保持协调的连接，这确保了当用户从一个接入点移动到另一个接入点时，通信始终保持无缝且顺畅。设备密度与QoSNR-U允许根据不同关键任务服务的具体需求，量身定制系统性能和资源使用，以满足专用网络部署（如网络切片）的多样化要求。

10.1.35G技术赋能工业4.0的可行性部署难度为了实现新技术的快速采纳，该技术必须拥有经济效益高、部署迅速且操作简便的设备作为支撑。以WiFi为例，其普及的成功在很大程度上得益于这些优势。如今，5G技术通过引入NR-U，正逐步迈向复制这一成功模式。安全非授权专用网络（NR-U）的引入为网络安全提供了新的保障。通过提供网络隔离、数据保护和设备/用户身份验证，NR-U确保了关键属性的安全。这种隔离机制有效地将NR-U网络与其他网络隔离开来，降低了潜在的安全风险。10.1.45G技术赋能工业4.0的实例1.5G赋能公共安全5G技术赋能公共安全的三个应用情景10.1.45G技术赋能工业4.0的实例1.

5G赋能公共安全视频监控的网络架构设计沉浸式体验设备与智能联控可穿戴设备的网络架构设计

10.1.45G技术赋能工业4.0的实例1.5G赋能公共安全多情景的网络架构设计

10.1.45G技术赋能工业4.0的实例2.5G赋能公共交通5G技术赋能公共交通的三个应用情景10.1.45G技术赋能工业4.0的实例列车信号控制网络架构

2.5G赋能公共交通多场景网络架构设计10.1.45G技术赋能工业4.0的实例3.5G赋能制造业5G技术赋能制造业的两个应用情景10.1.45G技术赋能工业4.0的实例3.5G赋能制造业多情景下的网络架构设计10.25G的过去与现在之盘点5G技术的发展史5G-Advanced时代AIfor5G移动通信-端到端5G系统基础10.2.15G技术的发展史ITU与3GPP组织对5G标准化的时间表10.2.15G技术的发展史

Rel-15Rel-16Rel-17开始时间2016.062017.032018.06冻结时间2019.062020.072022.06eMBB5GNR5G核心NSA/SA模式FR2MIMODSSDC/CANR-UMIMO71GHzQoERAN切片IIoT/URLLC定位私人网络高精准定位增强IoTRedCap自动化/NRSidelink增强NR-V2XNRsidelink增强RAN/IAB更多IABNTN//NRNTN公共安全//NR多广播服务VR/XR//CODEC3GPPRel-15,16,17总结10.2.25G-Advanced时代5G-A的应用场景10.2.25G-Advanced时代5G-A潜在技术10.2.3AIfor5GAIfor自组织网络（Self-OrganizingNetwork,SON）,在5G时代，网络密度的增加和资源的动态分配为网络的协调、配置和管理带来了新的挑战，进而引发了对SON功能改进需求的增长。移动网络中的SON模块主要涵盖自配置、自优化和自修复三大类别。SON的主要目标是实现网络规划、配置和优化的自动化，无需人工干预，以降低总体复杂性、运营支出（OPEX）、资本支出（CAPEX）以及人为错误。目前，已经对人工智能在SON中的多种应用进行了深入研究。这些研究包括使用人工智能进行自动基站配置、新小区和频谱部署、覆盖和容量优化、小区停机检测与补偿等，其中涉及了人工神经网络、蚁群优化、遗传算法等多种方法。10.2.3AIfor5GAIfor资源分配：OFDMA下行链路资源分配。5GNR中的OFDM资源块（ResourceBlocks,RB）分配因支持上述三种通用业务而变得比以往更为复杂和具有挑战性。在这个系统中，由于分配给同一小区内不同用户的RB彼此正交，小区内干扰得以消除。因此，系统干扰主要源自小区间干扰，使得相邻小区用户的RB分配显得尤为重要。若以SIR（信号与干扰比,Signal-interferenceratio）来评估每个用户的吞吐量，RB分配的优化目标即为最大化系统总吞吐量。这构成了一个非线性约束的NP-hard组合优化问题，传统方法难以解决。使用Q-学习即可解决该问题。10.2.3AIfor5GAIfor基带信号处理：5G基带信号处理涵盖了大规模MIMO检测、NOMA检测、极性码解码等多个信号处理模块。随着基带块数量的增加，硬件面积相应扩大，实现结构也发生了变化。对于每个特定的块，我们只需调整变量的符号集和约束以适应特定函数，而框架本身保持不变。因此，这为设计基带均匀加速器提供了可能，即采用可配置变量的置信度传播算法。然而，在某些基带块中，信念传播的性能可能受到限制。为此，我们考虑引入人工智能技术作为解决方案。通过利用人工智能技术优化信念传播方法，我们可以构建出基于人工智能的均匀加速器。10.35G未来与6G的时代展望太赫兹波通信技术可见光通信机器学习与人工智能赋能通信移动通信-端到端5G系统基础10.3.1太赫兹波通信技术智能反射表面、超大规模MIMO和集成访问等创新技术，有望进一步推动太赫兹通信的发展。尽管太赫兹通信系统的组件设计面临挑战，如太赫兹天线的设计，但其带来的优势，如高增益和快速波束扫描，使得这些挑战变得值得。亚太赫兹通信的主要目标是借助先进的MIMO技术提升频谱效率，以实现远超5G的Tb/s级数据传输速率。第一代亚太赫兹通信已经提供了简单的调制方案、宽带宽的天线架构、短距离通信的低频谱效率、功率效率以及简化的信号处理和编码技术。随着连接设备数量的急剧增加，6G网络将变得极为密集，而太赫兹通信则能够满足这种巨大的容量需求。太赫兹通信拥有比低频段丰富得多的频谱资源，因此具有显著的优势。

电磁波谱10.3.2可见光通信可见光通信（VisibleLightCommunication,VLC）系统是一项至关重要的技术，其传输能力与光纤类似，都是利用光来传输数据。光纤，这种硅基介质既灵活又纤薄，以其高效的光传输特性，使得数据传输速率和带宽远超其他传输方式。尽管光纤存在多种类型和尺寸，但它们的传输速率均轻松超过1Gbps级别。VLC技术则采用可见光作为传输媒介，具备太赫兹级带宽、高频复用和互补免授权频谱等优势，同时完全不受电磁干扰影响。这一技术的开发不仅满足了5G的性能需求，更为6G时代的太比特速率数据传输提供了可能性。通过发光二极管等光敏设备，VLC可以实现个人使用的高速数据链路以及车对车通信，传输速率高达千兆级别。10.3.3机器学习与人工智能赋能通信描述性分析是AI在6G网络中的一种关键应用，它能够帮助我们更深入地了解数据历史和网络操作，从而优化网络性能。

AI还可以对无线6G网络进行闭环优化。在这种技术中，用户可以根据设备反馈进行操作，从而确保网络始终保持最佳状态。在自我学习和决策领域，机器学习（ML）技术扮演着举足轻重的角色。作为一种基于人工智能（AI）的计算系统，机器学习通过识别系统行为和属性来构建数学模型，使机器能够在无需传统编程的情况下进行学习。为了不断优化算法，机器学习系统需要从各种来源广泛收集数据，这些数据在物理层和更高层都得到了有效利用。在无线通信领域，机器学习在提升数据隐私和安全性方面发挥着至关重要的作用。由于无线通信通道固有