干货 | 5G设备的设计与测试技术

博主福利:100G+电子设计学习资源包!

http://mp.weixin.qq.com/mp/homepage?__biz=MzU3OTczMzk5Mg==&hid=7&sn=ad5d5d0f15df84f4a92ebf72f88d4ee8&scene=18#wechat_redirect
--------------------------------------------------------------------------------------------------------------------------

 

5G 正裹挟着万亿级的移动产业链和千万级的就业机会向我们迎面扑来,一时通信武林风起云涌,江湖群雄趋之若鹜,超过81个国家中多达192个运营商宣布投入5G。

5G时间轴——关键里程碑事件

规范层面,从17年12月份5G NSA冻结以来,物理层规格在一步步形成,整个R15规范侧重于增强型移动宽带(eMBB)和超高可靠超低延迟通信(uRLLC)。这些新规范给器件和元件设计人员带来诸多新的挑战。

下面我们就来探讨下5G设备设计和测试最主要的四个方面:

 

01 灵活且繁复的参数集

R15规定了最高400 MHz的最大载波带宽和最多16个分量载波,这些载波可以汇聚到高达800 MHz的带宽。与此同时,5G NR提供了可灵活配置的波形、参数集、帧结构和带宽组合,也带来了复杂的信道编码,信号质量挑战以及繁多的测试用例。

相对4G,5G NR允许可扩展的OFDM参数集其子载波间隔可由2uX15kHz控制,最终可以通过可扩展的时隙间隔来提供不同等级的吞吐率、时延和可靠性服务。

5G三大场景之一的超高可靠超低时延(uRLLC)部分就是通过mini-slot来实现的,Mini-slot可提供比标准时隙更短的时延和载荷。NR子帧结构还允许在同一子帧内动态分配OFDM符号链路方向和控制。

通过使用这种动态TDD机制,网络可以动态地平衡上行和下行业务需求,并且在同一子帧中包含控制和确认。

子帧内的时隙和Mini-slot及其相关的持续时间

子带宽部分(BWP)是5G NR标准新定义的一个概念, 是指载波的系统带宽可以根据不同场景需要分成若干子带宽。每个BWP可以具有不同的参数集, 并且信令控制也是独立的。

一个载波可以包含若干混合的参数集来支持不同层级的业务,并支持传统的4G设备和新的5G设备。

BWP可以在载波中支持不同业务的复用

综上,5G NR具有灵活可扩展的参数集伴随着不同的子载波间隔、动态TDD和BWP,增加了创建和分析波形的复杂度。因此,在sub-6GHz和毫米波频段通过软硬件结合来生成更大带宽的用于不同测试用例的波形并从时域、频域和调制域来分析5G NR波形就尤为重要。

使用矢量信号分析软件分析相邻频段里5G NR和4G LTE波形

 

02 毫米波段的使用

为了实现宏伟的数据吞吐率目标,5G NR不单在Sub-6GHz定义了新的频段,更是将工作频段扩展到了毫米波频段,从而大大拓宽了可用的信道带宽。而在毫米波频段信道对于对于信号质量的影响变得更为显著,从而满足信号质量也变得愈加困难。

部分Sub-6GHz和毫米波频段及预计商用时间

诸多因素会影响信号质量,包括基带信号处理、调制、滤波和上变频等。虽然带来更大的连续可用带宽,毫米波频段的基带和RF组件也更容易受到常见信号的干扰。而因为OFDM系统的固有特性,诸如IQ 调制损害、相位噪声、线性和非线性失真以及频率误差都可能导致调制信号的失真。

在毫米波OFDM系统中,相位噪声的影响尤为明显,过大的相位噪声将直接导致子载波间的相互干扰最终导致信号的严重失真。此外,宽带信号电路中的任何偏离,如相位、幅度或噪声,最终都将在系统的EVM等指标当中呈现出来。从而性能的优化和问题的解决只能靠每个器件在宽带和毫米波频段的良好设计优化来保障。

对于测试验证设备则需要具有全面的功能和更好的性能以确保正确呈现诸如星座图、EVM、杂散功率、杂散泄露、占用带宽和邻道功率比等的测试结果。另外,在高频宽带测试系统中,测试夹具、线缆、滤波器、耦合器、功分器、预放以及切换开关等的性能和指标将对测量结果造成至关重要的影响,因此需要在测试前对包含配件的系统进行整体校准。

5G NR器件/设备综合测试平台(包含整体系统校准方案)

 

03 天线系统的革新

MIMO 和 Beamforming是5G当中被谈论得最多的技术,IMT2020希望它的引入能够带来100X的数据吞吐率和1000X的信道容量。

为此5G  NR标准提供物理层帧结构、新的参考信号和新的传输模型来支持5G eMMB的数据吞吐率,同时也给终端设计工程师带来了新的难题。这些难题包括:

3D天线波束方向图设计和验证 

3D 波束性能验证包括构建并验证天线的3D辐射方向图并确保整个工作频段和带宽范围内能够产生正确的增益、旁瓣和零点。由于毫米波原型系统构建价值不菲,仿真必不可少并提前发现系统存在的重大问题。而合理构建天线系统并结合信道模型和基站连接进行仿真能够在原型设计阶段中减少重复和反复性的工作和花费。

系统级的仿真系统SystemVue可帮助设计者在原型阶段快速迭代和验证

在设计打样出来之后,设计师则可以通过实际的环境来评估和验证终端/设备是否在工作频段和带宽范围内产生了正确的波瓣宽度、足够的零点深度以及增益来实现最大化的辐射效率。而这需要用到的就是OTA的测试方法。

毫米波链路完整性 

为了克服因为使用窄波束所导致的位置确认问题,R15定义了新的接入初始化流程。由于基站通过扫描的方式在同步信道中传送信道信息,终端则会判断和决定最合适的信道并告知基站,从而最终将通信链路建立起来。

5G接入初始化和波束管理流程

在这里定义了波束同步、跟踪、管理和失败恢复等程序。而当混合的参数集在其中被使用时,连接的建立可能要花费更多的时间。设计师需要实施、验证和优化所有这些功能,否则用户端可能产生掉话等不良体验。

真实环境下的终端性能评估和优化 

吞吐率和时延是无线通信系统的关键性能指标。协议堆栈的不同层必须相互配合才能实现5G系统的时延和吞吐率目标。这里面需要理解终端在波束管理各状态下的表现,包括波束同步、切换以及回落回4G。

一种评估端到端吞吐率最有效的方式,就是使用网络模拟器来控制DUT并测量其反馈信号。网络模拟器可以配置小区连接、更改同步和参考信号的功率、设置Beamforming参数和控制发射和接收的资源块。此外,通过在系统中串入信道模拟器,更能够在实验室环境下模拟真实的信号传输问题,包括路径损耗和多径衰落等问题,从而表征真实环境下的系统性能。

基站模拟器UXM搭配信道模拟器PropsimF64,

让你评估真实环境下的终端性能

 

04 OTA测试难题

由于毫米波、MIMO、波束控制和管理等技术的引入,对于设备和终端的整体性能的评估和测试已离不开OTA方案,这包含:射频性能、吞吐率、RRM和信令。

该如何综合考虑路径损耗、测试场地的尺寸等选择一个合适的OTA方案亦成为一个难题。典型的OTA测试方案包含:暗室、探头或天线以及测试设备。目前对于终端OTA测试,主要有三种方案:

① 直接远场法(DFF)

对于直接远场法,被测件被固定于一个可以在水平和垂直角度转动的转台上面,从而可以在3D的投影面上进行任意角度的测量。虽然直接远场法可以获得最直接、综合的天线远场测试结果,但是需要最大尺寸的暗室。对于一个15cm尺寸的被测件,在28GHz频段需要长达4.2m的暗室来支持远场测试,从而带来难以接受的测试路径损耗。

直接远场法测试环境

② 间接远场法(IDF)

间接远场法基于紧缩场的测试方法,使用一个抛物面的反射器来将信号从近场球面波转换成远场平面波,从而创造出远场的测试环境。这种方案能够提供相对直接远场法更加紧凑且低路径损耗的测试环境,也是目前唯一一个被3Gpp R4认可的OTA测试方案。

紧缩场测试环境

③ 近场转远场法(NFTF)

近场转远场的方案是在近场环境下采集电磁场相位和幅度,并通过算法预测远场条件下的辐射方向图。虽然这不失为一种紧凑的测试方案,但由于在近场条件下容易受到发射器的干扰从而影响测试精度,同时也只能支持单视距测量。

近场转远场环境

综上,5G为实现极限的三大场景应用,特别是eMMB 和 uRLLC,将为我们的设计和测试带来极大的挑战。

 

  • 1
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: Spark Streaming 和 Flink 都是流处理框架,但在一些方面有所不同。 1. 数据处理模型 Spark Streaming 基于批处理模型,将流数据分成一批批进行处理。而 Flink 则是基于流处理模型,可以实时处理数据流。 2. 窗口处理 Spark Streaming 的窗口处理是基于时间的,即将一段时间内的数据作为一个窗口进行处理。而 Flink 的窗口处理可以基于时间和数据量,可以更加灵活地进行窗口处理。 3. 状态管理 Spark Streaming 的状态管理是基于 RDD 的,需要将状态存储在内存中。而 Flink 的状态管理是基于内存和磁盘的,可以更加灵活地管理状态。 4. 容错性 Flink 的容错性比 Spark Streaming 更加强大,可以在节点故障时快速恢复,而 Spark Streaming 则需要重新计算整个批次的数据。 总的来说,Flink 在流处理方面更加强大和灵活,而 Spark Streaming 则更适合批处理和数据仓库等场景。 ### 回答2: Spark Streaming 和 Flink 都是流处理框架,它们都支持低延迟的流处理和高吞吐量的批处理。但是,它们在处理数据流的方式和性能上有许多不同之处。下面是它们的详细比较: 1. 处理模型 Spark Streaming 采用离散化流处理模型(DPM),将长周期的数据流划分为离散化的小批量,每个批次的数据被存储在 RDD 中进行处理,因此 Spark Streaming 具有较好的容错性和可靠性。而 Flink 采用连续流处理模型(CPM),能够在其流处理过程中进行事件时间处理和状态管理,因此 Flink 更适合处理需要精确时间戳和状态管理的应用场景。 2. 数据延迟 Spark Streaming 在处理数据流时会有一定的延迟,主要是由于对数据进行缓存和离散化处理的原因。而 Flink 的数据延迟比 Spark Streaming 更低,因为 Flink 的数据处理和计算过程是实时进行的,不需要缓存和离散化处理。 3. 机器资源和负载均衡 Spark Streaming 采用了 Spark 的机器资源调度和负载均衡机制,它们之间具有相同的容错和资源管理特性。而 Flink 使用 Yarn 和 Mesos 等分布式计算框架进行机器资源调度和负载均衡,因此 Flink 在大规模集群上的性能表现更好。 4. 数据窗口处理 Spark Streaming 提供了滑动、翻转和窗口操作等灵活的数据窗口处理功能,可以使用户更好地控制数据处理的逻辑。而 Flink 也提供了滚动窗口和滑动窗口处理功能,但相对于 Spark Streaming 更加灵活,可以在事件时间和处理时间上进行窗口处理,并且支持增量聚合和全量聚合两种方式。 5. 集成生态系统 Spark Streaming 作为 Apache Spark 的一部分,可以充分利用 Spark 的分布式计算和批处理生态系统,并且支持许多不同类型的数据源,包括Kafka、Flume和HDFS等。而 Flink 提供了完整的流处理生态系统,包括流SQL查询、流机器学习和流图形处理等功能,能够灵活地适应不同的业务场景。 总之,Spark Streaming 和 Flink 都是出色的流处理框架,在不同的场景下都能够发挥出很好的性能。选择哪种框架取决于实际需求和业务场景。 ### 回答3: Spark Streaming和Flink都是流处理引擎,但它们的设计和实现方式有所不同。在下面的对比中,我们将比较这两种流处理引擎的主要特点和差异。 1. 处理模型 Spark Streaming采用离散流处理模型,即将数据按时间间隔分割成一批一批数据进行处理。这种方式可以使得Spark Streaming具有高吞吐量和低延迟,但也会导致数据处理的粒度比较粗,难以应对大量实时事件的高吞吐量。 相比之下,Flink采用连续流处理模型,即数据的处理是连续的、实时的。与Spark Streaming不同,Flink的流处理引擎能够应对各种不同的实时场景。Flink的实时流处理能力更强,因此在某些特定的场景下,它的性能可能比Spark Streaming更好。 2. 窗口计算 Spark Streaming内置了许多的窗口计算支持,如滑动窗口、滚动窗口,但支持的窗口计算的灵活性较低,只适合于一些简单的窗口计算。而Flink的窗口计算支持非常灵活,可以支持任意窗口大小或滑动跨度。 3. 数据库支持 在处理大数据时,存储和读取数据是非常重要的。Spark Streaming通常使用HDFS作为其数据存储底层的系统。而Flink支持许多不同的数据存储形式,包括HDFS,以及许多其他开源和商业的数据存储,如Kafka、Cassandra和Elasticsearch等。 4. 处理性能 Spark Streaming的性能比Flink慢一些,尤其是在特定的情况下,例如在处理高吞吐量的数据时,在某些情况下可能受制于分批处理的架构。Flink通过其流处理模型和不同的调度器和优化器来支持更高效的实时数据处理。 5. 生态系统 Spark有着庞大的生态系统,具有成熟的ML库、图处理库、SQL框架等等。而Flink的生态系统相对较小,但它正在不断地发展壮大。 6. 规模性 Spark Streaming适用于规模小且不太复杂的项目。而Flink可扩展性更好,适用于更大、更复杂的项目。Flink也可以处理无限制的数据流。 综上所述,Spark Streaming和Flink都是流处理引擎,它们有各自的优缺点。在选择使用哪一个流处理引擎时,需要根据实际业务场景和需求进行选择。如果你的业务场景较为复杂,需要处理海量数据并且需要比较灵活的窗口计算支持,那么Flink可能是更好的选择;如果你只需要简单的流处理和一些通用的窗口计算,Spark Streaming是更为简单的选择。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值