5G-Advanced时代展望

2023-03-04 00:46杨超斌高全中唐臻飞刘凤威
信息通信技术 2023年2期
关键词:时延频谱

杨超斌 高全中 唐臻飞 刘凤威

华为技术有限公司 深圳 518129

1 5G-Advanced发展驱动力:产业价值、社会价值

全球运营商已部署200多个5G网络,覆盖超过50%市场和7亿多5G用户[1]。其中,中国联通已拥有117万个5G基站,占到全球30%左右,实现乡镇及以上区域高速率、高可靠的5G网络连续覆盖,并推进900MHz低频打底网建设,提升农村及边远地区的网络覆盖水平。中国运营商在新型数字信息基础设施行动计划中成效显著,未来经济和技术的发展需要5G现有能力的不断增强及并提供新的网络能力,运营商也将在新技术领域持续投入,并保持领先。

无线网络十年一代,每个代际的过程中都会有半代的演进,半代技术将牵引下一代技术架构,激发更广阔的行业应用创新。全球通信产业界已开启了5G下一阶段演进技术研究和探索[2-3]。2021年4月,在我国企业的倡议下,国际标准化组织3GPP正式确定5G-Advanced(5G-A)为5G下一阶段演进的官方名称,从Rel-18开始标志着全球5G发展进入新阶段[4]。5G-A将实现原有上、下行速率10倍增强,同时新增通感一体、厘米级定位、广域网络确定性体验、无源物联、超低时延超高可靠性等革命性能力。

面向未来五年发展,5G-A将在中国式现代化和数字中国战略中发挥新基建的重要作用,带来数字经济红利,深化产业数字化转型,激发消费和产业的升级。可以预见,未来的数智社会,物理世界将与数字世界深度融合,移动互联网将从2D全面走向3D,从而需要广域大带宽低时延的确定性体验,为虚拟现实产业迈向规模化发展提供必要支撑。未来车联不断提升汽车网联化、智能化水平,最终实现自动驾驶,也需要广域大上行和通信感知融合的技术助力车联的全网智能普及。万物互联走向万物智联,数字化成为发展核心,物理世界的设备、生产流程、产品都将数字化连接。高端智造领域需要从辅助生产环节进入核心生产环节,将国有CT优势延伸OT。5G-A的10倍带宽增强、虚拟大带宽、超大上行、原生智能、通感一体、无源物联等关键,将实现万兆下行、千兆上行,全面升级5G产业能力,实现5G完整愿景并为6G做好产业和关键技术准备。

5G-A是5G的演进和增强,保护5G的投资,通过持续丰富业务场景和不断增强新的能力,将5G的发展推进到新的阶段。5G-A在国际范围内已经形成充分产业共识,其中中东、美国和欧洲部分国家运营商已经表达了商用的意愿。2023年上半年,多个主流终端芯片厂家均面向2024年可商用发布了5G-A终端芯片,5G-A产业生态预计2024年走向成熟。过去2年,在中国信通院带领下,中国企业主导了R18标准立项,发布了5G-A产业愿景和白皮书[5-7],并于今年启动R18关键技术测试工作。中国企业在5G-A核心专利上居于绝对领先的地位;我国运营商、设备商和行业伙伴在5G-A业务创新验证上成果丰硕,其中深圳市发布率先建设5G-A第一城,北京、上海、浙江等省市5G-A创新成果也在陆续发布之中。

2 5G-A时代场景需求和网络能力

随着数字经济飞速发展,物理世界与数字世界的融合正在各个行业走向深入,一些关键新型行业正在酝酿重大产业变革。

在移动互联网领域,以裸眼3D为标志的XR业务已经到达产业拐点。我国企业在裸眼3D终端显示、2D到3D内容自动转换等方面产业链整体实现关键突破。国内在裸眼3D显示屏的创新全球最领先,预计下半年将推出支持裸眼3D的平板,预计明年底前,裸眼3D手机会发布,而裸眼3D显示器、笔记本电脑也会在近期陆续推出。届时,全系列的终端产品都将支持裸眼3D,国内各大终端厂家都会发布裸眼3D的产品,移动互联网将全面迈向3D时代。2D到3D内容转换技术成熟,解决内容源瓶颈。华为灵境支持在云端通过AI技术将2D点播和直播片源自动转换输出为3D视频流,有效降低了3D内容制作成本。当前直播类视频转制时延大约为5秒,明年会进一步压缩到150毫秒,做到了实时无感。随着2D到3D内容转换技术的成熟,海量2D片源都可重用生成3D片源。裸眼3D产业对移动通信产业升级意义重大,将带来万亿级产业升级机会。5G-A的10倍通信能力提升及确定性体验将支撑移动互联网产业向3D化和云化升级。

在车联网领域,电动化和智能网联化成为不可逆的两大趋势,其中电动化已经进入成熟阶段,智能网联化步入加速阶段,预计2025年L2/L3自动驾驶汽车渗透率超50%。大量的智能网联汽车等效于“超大号的手机”, 一方面感知数据上云训练已是L2/L3车辆的缺省需求,单车上行流量诉求20~100GB/月,带来网络上行容量10倍以上的增长;另一方面为降低单车算力成本,云端卸载车端AI算力进行云训练和云推理将在部分无人驾驶的成本敏感型车辆上率先采用,比如无人配送车、无人清扫车、无人巴士等,准实时性算力需要将车端感知数据实时上传,需要网络保障35~100Mb/s以上带宽以及控制包<20ms可靠时延。随着各地要求将自动驾驶从限定区域走向开放场景,车路协同重要性更为突出,在政府智能交通管理的数字孪生系统、无人驾驶的信息服务,后装车辅助驾驶等方面将发挥重大社会价值。车路协同感知和控制需满足通信DL/UL> 50Mbps的带宽诉求,路侧感知交通对象和事件准确率需达到95%以上,高精度高可靠感知网络将成为未来车联网的重要组成部分。

2022年我国实现“物联超人联”的历史性跨越,未来数字社会走向万物智联,物联网的发展空间更为广阔。过去,多种物联技术同时存在,包括RFID、LoRA、蓝牙、NB-IoT等。物联网的应用涉及到多种行业标准,单一产品/解决方案都难以实现大规模标准化推广,用户定制化需求占总需求的80%以上,行业发展破碎化,竞争效率较低。同时,数字中国战略需要一种廉价的类标签的技术提供免充电类型的连接作为数字中国的底座,满足在海量资产管理、生产销售全流程数字化以及智慧物流和盘点的需求。

面向工业生产制造,5G具备8~20ms@99.99%高可靠低时延能力,已成功用于人机远控场景,包括智慧港口、远程煤矿采集等应用。无线要进入高端制造核心生产环节。实现无人场景工厂自动化,还需要网络提供1~4ms@99.99%的URLLC增强能力。另外当制造产线上部署的工业级摄像头达到一定密度和数量时,需要2~5Gb/s的超大上行能力。定位在垂直行业中是刚需,如汽车制造、3C制造等重要制造领域,根据不同场景,定位精度要求从米级到厘米级,电池寿命要求从数天到数年不等。

5G-A基于5G的演进和增强,实现10倍通信能力提升,支持“下行万兆+上行千兆+确定性体验”,并支持无源物联、通信感知一体化。上述关键网络能力将支持中国式现代化在6G到来之前使能互联网走向3D化、智慧道路交通和低空经济规模发展、无源物联支撑数字中国战略走向更高阶段,帮助我国产业及关键企业在互联网3D化、云化、生产物流环节全面数字化并大幅提升效率,在智慧交通、低空、海洋经济、智能制造全5G化等领域奠定产业和战略优势。

3 5G-A关键技术

国际标准化组织3GPP确定Rel-18是5G-A第一个版本,并将持续演进到Rel-19、Rel-20等多个版本[4]。2022年初全球各大运营商、设备商、芯片厂商、终端厂商、工业界伙伴已开始5G-A关键技术研究和标准化工作[8-9]。一方面面向第二章所述的5G-A场景和能力需求,研究和开发面向五大产业领域的关键技术;另一方面通过技术本身的持续进步,最大化运营商频谱利用率,大幅降低运营商网络运营和维护的成本。围绕上述两个方面,5G-A孵化出许多全新关键技术。这些关键技术包括高端制造低时延大带宽技术、通信感知一体化、毫米波及超大阵列天线、全频谱融合和解耦、绿色节能、网络智能化、厘米级高精度定位等关键技术。下面对上述5G-A十大关键技术进行简要介绍。

3.1 高端制造低时延大带宽技术

当前标准的固定TDD配比会引入额外的空口等待时间,从而增加端到端时延,且下行时隙占多数,上行时隙比例少,上行覆盖显著小于下行覆盖。5G-A提出了以互补TDD等为代表的高端制造低时延大带宽技术,可打破传统TDD与FDD双工技术的边界,融合两种技术优势,实现柔性的上下行空口资源分配,提升上行覆盖并降低空口时延。

互补TDD在相邻的频率上同时进行上下行传输,这样在同一时间上既有下行又有上行,上下行时隙个数可以一样多。一方面高层到达的下行数据随时能够传输,上行传输的数据也能够随时传输,因此大大降低了业务传输的空口时延和反馈重传时延,上下行时延可低于4毫秒;另一方面,上行可用的时隙数可以达到100%,与4∶1的下行上行配比相比上行可以提升覆盖7dB。

中国联通、华为、长城精工强强联合,完成了技术和生态四大突破:1)基于联通3.4G 7∶3+3.3G 3∶7频谱,采用互补TDD,空口帧发送0等待,实现4毫秒5个9稳定时延;2)首次实现R18 5G与工业协议之间的协同XSO,让业务包与空口资源协调,连接数提升3到8倍;3)联合鼎桥推出首个URLLC工业模组,支持互补TDD/XSO的同时,支持OpenCPU RTOS,首次实现一个模组内加载多种工业协议,打破传统有线模组多协议多模组的现状;4)推出首批国产化5G工控设备,内置5G模组,填补生态空白。

3.2 通感一体

通感融合一体是5G-A阶段的新发展方向,包含无人机监控、智慧交通和智慧工厂等重要应用场景。5G-A通感融合使能通信与感知共设备、共频谱、共空口和共站址部署,让通信网络衍生出极具竞争力的感知能力。为此,需要在同时同频高隔离全双工、智慧超分辨、空口元融合和群域感知四大技术方向上实现突破。

1)同时同频高隔离全双工:在AAU有限天面内,通过在电路域的高隔离设计,大幅降低收发自干扰,让AAU能够以较高的发射功率工作在同时同频收发模式下进行感知,以实现公里级距离的目标探测能力。

2)智慧超分辨:采用更先进的超分辨算法对目标单一维度信息实现更精细化的提取,并通过引入AI算法将各个维度,如距离、速度、角度乃至微多普勒信息进行联合处理,将目标的分辨识别能力提升4倍。

3)空口元融合:通信与感知以空口最小资源单元为粒度进行资源复用,在时间域上做到符号级,频率域上做到子载波级,在整个频谱资源中仅抽取少量的资源单元用于感知,实现通信与感知的极高效复用,在中轻载场景下几乎能够不影响通信用户的体验速率。

4)群域感知:利用多站点对重叠覆盖区域内的目标进行多角度探测,一方面,能够降低环境遮挡概率,大幅提升目标的探测成功率,另一方面,能够弥补方位向位置精度低的短板,使得其在水平面两维的位置精度逼近距离向,将感知位置精度提升至分米级。

3.3 毫米波及超大阵列天线

为满足日益增加的用户体验需求,5G-A网络需采用更高频段用以扩展频谱资源。5G时代的MM技术的覆盖能力已经难以在高频段达成边缘用户速率目标,未来大规模多天线阵列的必然趋势是走向超大阵列天线技术(Extremely Large Antenna Array Massive MIMO,ELAA-MM),实现10dB以上的上下行覆盖能力提升。同时,混合波束成型架构在获取大阵列覆盖收益的同时避免了传统架构数字通道过多带来的高成本与高功耗。

一方面,可以部署集中式ELAA-MM,即每个基站的天面部署更多的无源阵子(例如768阵子)和更多的通道数(例如128收发通道、256收发通道)。另一方面,还可以通过分布式ELAA-MM将超大规模的天线阵子拆成多个分布式M-MIMO模块,来实现泛在万兆连续体验。具体地,分布式ELAA-MM可以将用户周围所有的基站形成联合发送,从而将多小区干扰转换成有用信号,使能无干扰网络,大幅提升用户体验速率。

ELAA-MM也是毫米波演进的关键技术。当前毫米波的主流应用场景包括热点覆盖、FWA、定位、感知以及工业控制等,为充分发挥毫米波的频谱价值,5G-A毫米波应持续提升覆盖,逐步迈向边缘速率Gb/s的广域eMBB连续组网,关键技术方向包括高集成度天线阵列设计、测量与数传波束解耦、射频非理想对抗技术等。

3.4 广域确定性网络

广域确定性网络通过对网络数据传输的精细化控制,可以保障确定性、低时延、低抖动、高可靠、大带宽等QoS指标,达到可预期、可规划的通信服务质量。如第二章所述,虚拟现实场景大容量低延时应用将逐步给当前的5G网络带来巨大挑战。在移动网络中,有限的时频资源、信道的时变特性以及业务到达的随机性使得确定性QoS难以保障。为此,5G-A通过站内协同、多点联合分布式协同技术和跨层感知调度等增强技术,有效解决这些痛点问题,面向元宇宙,构建10Gbps@5ms能力,打造强交互沉浸式体验网络。

1)基站内资源池化:网络高效统一控制载波池化,通过一体化频谱管理,提升频谱利用效率,确保业务的大带宽和低时延需求。具体地,将多个离散频段通过Gigaband超宽频和全信道一体化设计,如一体化控制信道与数传、一体化公共信道与接入、一体化导频与信道获取、一体化小区管理等关键技术实现全频谱融合成一个虚拟大载波,获得50%体验收益。

2)多点联合分布式协同技术:通过站点间的协作,降低信号干扰和移动切换时延,保障业务的高可靠和低时延需求。具体地,通过分布式大规模天线(Massive MIMO,MM)增强技术,使能多站相干传输和多站联合干扰抑制,提升有用信号强度,降低站间干扰,同时提高传输流数。此外,通过预配置候选小区、波束测量和上报等增强技术,使能0毫秒小区切换与波束对齐,快速恢复大容量低时延业务传输,降低移动切换时延对业务的影响,提升用户体验。

3)端管云协同:通过应用层和网络层的相互感知以及协同,使得网络传输匹配业务特征,保障业务的低时延和低抖动需求。具体地,应用获得网络状态信息,调整信源编码方案,匹配网络能力,避免网络拥塞和丢包造成的用户体验急剧下降。网络通过智能的感知技术或者与业务层交互获得业务流的特征信息,例如业务数据包的重要性、媒体单元(例如视频帧)级别的QoS需求等,并根据业务流的特征信息优化网络调度,例如通过一些差异化和精细化的调度等技术保障用户体验。

3.5 大上行网络

如第二章所述,智慧车联、有源物联对上行业务容量和覆盖提出了巨大挑战。上行智选频谱接入、用户为中心的基站联合解算和多频超宽带AAU等先进技术实现5G-A上行1Gb/s的大上行网络。

1)上行智选频谱接入:频域聚合更多频谱是提升上行容量与体验最有效的方式。然而,智能终端一般只支持两个射频链路。5G-A的灵活上行频谱接入技术通过配置、激活、传输能力解耦,使典型智能终端可以同时接入配置更多上行频谱资源,包括TDD、FDD和SUL频段。网络基于各频段的业务量、TDD帧配置和信道等条件动态智选配置频段的子集,并相应地切换用户射频链路进行传输以适配各频负载,进而提升系统容量和用户体验速率。

2)用户为中心基站的联合解算:空域部署更多天线也是提升上行容量与体验最有效的方式。尤其是考虑到天面尺寸受限,可以通过多TRP联合接收,高分辨率预编码和高阶空分复用实现大上行网络。具体地,网络部署一组TRP,每个UE发送的上行信号由以UE为中心的多个TRP进行接收并解算,网络利用多TRP多UE的信道状态信息为每个TRP的设计接收权重,而后将多TRP更多天线的接收信号汇聚起来进行联合解算。在此基础上,考虑到更多天线和多用户干扰,采用收发联合设计的方式可以更好地实现UE间的干扰抑制。

3)多频超宽带AAU:终端上行多频发送以及上行多站多频点协同接收对站址资源和网络规划带来了极大挑战;通过多频超宽带AAU,可整合上行多频段的多天线接收能力,在有限的站址资源下且无需面对各频点复杂的网络规划,最大化提升网络的上行能力;进一步,结合多流抗干扰接收机,提升各频段上行频谱效率,最终兑现5G-A上行容量和上行边缘体验的提升。

3.6 无源物联

无源物联技术可支持终端免电池工作,是未来蜂窝物联网达成千亿绿色连接的使能技术,在工业制造、物流、能源、医药、畜牧等行业数字化领域具有良好的应用前景。为支持终端通过环境能量采集供电,无源物联终端工作功耗需相对现有LPWA终端降低100倍,达到1毫瓦以下。在此基础上,蜂窝无源物联网还需支持与5G网络共部署,覆盖能力匹配目标应用场景室内外5G基站的通信距离,并提供定位功能。关键技术方向包括微瓦级终端功耗调制技术、微瓦级终端功耗信道编码、异步终端高效资源复用、多维度融合定位等。

3.7 全频谱融合与解耦

5G-A全频谱融合与解耦技术可以将多频段的若干载波从物理和逻辑上变成一个载波,实现基于全频段的极简大容量高体验网络,多频段极简部署,多频段极简运维。一方面,基于网络Gigaband超宽频技术,从5G各频独立模块、器件到以5G-A多频超宽频、多天线电路级元器件的融合作为基础,一次性实现多频从模块融合到信道融合,保证N个频段,1份通信塔上天面,1份运维成本,实现5G-A极简、绿色部署和运维。进一步地,基于多频全信道一体化技术,从5G的多频独立信道到5G-A将多个离散频段统一联合管理,多频共享控制、公共、数据、导频等信道信号,去冗余开销,降低系统开销、简化流程,实现系统容量大幅度增长。第三,基于全频段解耦技术,从5G终端多频逻辑信道与物理射频基带绑定到5G-A终端多频逻辑信道与物理射频基带解耦,使典型有限成本、尺寸规格和功率的移动手机接入运营商全频谱,动态智选频段并相应地切换有限的基带射进行传输,适配各频负载、上下行配置和信道,高效使用各频谱资源,包括TDD、FDD和SUL频段,实现上行1Gb/s体验。

3.8 绿色节能

绿色节能技术作为5G-A的标志性特征之一,是大幅度降低5G-A部署和运维成本、支撑可持续发展的关键技术之一。根据移动通信网络业务在时、频、空、功率等多个无线资源维度的分布特征,以及网络负荷状态变化的情况,在保证预定指标的前提下,通过性能近于无损的时域/频域/空域/功率域等多维智能化节能机制(Multiple x-Dimension Enhancement,MxE),实现5G-A网络演进中能耗增幅远低于业务量增幅,从而助力实现我国“2030碳达峰、2060碳中和”的战略目标。具体而言,在时频域,由于同步信号、系统消息等公共信令需要持续发送,通常会占用较大比例的基站设备能耗。因此5G-A系统可通过载波间互助增强(MCE—Multiple Carrier Enhancement。5G-A系统对频谱资源进行了整合和创新应用,从而增加了时频域调整的自由度),把公共信令集中于“锚点载波”,“节能载波”则只承载用于小区发现、测量的基本参考信号,这样可大幅度节省基站整体功耗。进一步地可采用基站和终端“同步”的不连续发送/接收(DTX/DRX)机制,进一步节省静态基础功耗。在空域,可在匹配业务负载的情况下,5G-A系统可关断部分空域通道节省能耗(MTE—Multiple TRX Enhancement。5G-A系统由于配置了更多的中射频通道,因此具备较高的空域灵活度)。通道关断不仅可以降低功放功耗,还可以降低通道的功耗。进一步,动态通道关断还可以提供更精细粒度的调整。但是这会打乱系统持续运行的稳定性,基站的通道配置动态变化会影响无线测量无法快速收敛稳定。因此,动态通道关断需要解决测量、上报不准确等问题,需要针对不同通道关断情况下,设计更加精准的测量、上报等新方案,实现性能无损空域关断的目标。在功率域,利用数据传输在频域上的资源富余,将数据传输扩展至频域资源,从而降低基站发射功率的谱密度,达到节能目的(MPE—Multiple Power Enhancement。5G-A系统更为丰富的无线资源为这一“资源换功率”方式提供了极大的潜力)。动态功率回退的性能方面也受到测量和上报不准确问题的影响。因此,需要强化优化不同功率回退场景的精准测量和上报方案,实现性能无损功率回退的目标。

3.9 网络智能化

随着ICT基础架构的智能化变革,5G-A无线网络首次构建“内生智能”的核心能力,对无线网络的各层各面进行结构性重构,使能无线网络的极致性能、极简运维和敏捷业务,为多种业务需求eMBB、大上行、XR、通感一体、定位等提供关键使能技术。内生智能的无线网络在原有网络架构的基础上,赋予各个逻辑节点内嵌式智能功能,增加gNB和UE之间端到端的跨节点协作,并且在网络架构中引入数据和模型两类新型智能要素的管理流程。这些架构变化为无线网络带来三大能力:1)主动感知,通过对于网络海量数据的分析和挖掘,提取隐藏的规律,极大提升网络预测和决策的准确度和预见性;2)持续自学习,面对复杂多变的环境和业务诉求“算法自学习,模型自演进”,为用户量身定制相应的智能算法,达到“千站千面,网随人动”的全场景动态自适应能力;3)网络孪生,构建无线网络的数字虚拟镜像,提供智能规划、设计、优化和验证的交互式平台。

内生智能网络在三个层面体现价值。1)极致性能,从多维度提供更优性能,包括容量提升20%,边缘覆盖能力提升3dB,体验增强50%。通过模型驱动的解析方法和数据驱动的AI/ML方法有机融合,智能空口技术在抗干扰信道估计、高精度CSI码本反馈、移动性信道预测、免扫描高频波束管理、室内高精度定位等各方面发挥重要作用。2)极简运维,通过运维大数据分析提前发现故障根因的规律,自动达成准确迅捷的根因定位、主动预测预防故障发生,将被动的故障响应转变为主动的故障预防,逐步实现网络运维的“零故障”。3)敏捷业务,通过意图驱动、知识图谱学习、精准站点规划、业务快速分析和预测等技术,使能智能化的业务敏捷上线,实现上线到全网开通 “零等待”。

3.10 厘米级高精度定位

定位在车联网和智能工厂等垂直行业中是一种刚需能力。不同的场景在定位精度和终端功耗等指标上有不同的需求,例如部分设备(如AGV)要求到厘米级的跟踪精度,而部分物料因为数量大,更换电池成本高,要求电池使用寿命从数月到数年。为应对上述各定位场景和业务需求,基于超宽带信号和极致节能技术,5G-A定位技术将实现米级精度至厘米级精度的跨越,且达成电池使用寿命10倍提升。基于载波聚合的超宽带定位技术,将多个载波带宽聚合的方式提高定位精度。其基本出发点是通过传输和接收多个载频上的定位信号,利用PRS/SRS载波带宽聚合的方式,提高对信号到达时间的测量精度。低功耗高精度定位技术进一步通过降低终端功耗手段,如降低深睡电流、通信与定位带宽解耦、减少寻呼监听,降低物联网终端与网络信令交互,减少状态转换等多种技术组合,以满足工业物联网等场景所要求的定位精度和功耗要求。

4 5G-A时代行动倡议

5G-A将开启5G发展的新篇章,也是从5G发展到6G必由之路。6G目前还具有三大不确定性:标准分裂的不确定性、产业节奏的不确定性、技术和产业价值的不确定性。5G-A产业和标准逐步走向成熟,5G-A第一个标准版本Rel-18将在2024年上半年冻结,5G-A是确定性的产业趋势[10]。因此大力发展5G-A是应对复杂和不确定的6G形势的有力手段。5G-A技术在加快成熟,国内外的运营商、设备商、终端及芯片厂商等纷纷进行了原型机的开发与测试,也开展了应用的使用与合作。5G-A的新频谱也将发放,包括毫米波频谱在中国在内的全球多个国家的发放,推动6GHz频谱在WRC-23的IMT标识。5G-A的发展和成熟将为消费元宇宙、智慧车联、全场景物联、高端制造、云补端等关键场景应用提供关键基础设施,为深化社会的数字化网络化智能化提供新动能。

产业界应做好充足的准备,大步跨入5G-A时代。本文倡议如下:1)在5G-A关键新场景和新应用,鼓励企业进行应用的研究、使用的尝试,促进新商业机会成熟,丰富5G-A价值应用;2)在毫米波、6GHz等新频谱上持续不懈创新,形成技术优势;3)加速存量频谱向NR的重耕,形成新的价值和新的应用;4)研究6G技术的5G化,加快技术的成熟,以5G-A的确定性应对6G的不确定性;5)提前做好终端、模组、芯片厂家和网络侧的协同发展,根据5G-A产业节奏,积极开展测试,推动5G-A在2024年成功商用。

猜你喜欢
时延频谱
一种用于深空探测的Chirp变换频谱分析仪设计与实现
基于GCC-nearest时延估计的室内声源定位
基于小波降噪的稀疏傅里叶变换时延估计
一种基于稀疏度估计的自适应压缩频谱感知算法
基于改进二次相关算法的TDOA时延估计
FRFT在水声信道时延频移联合估计中的应用
基于分段CEEMD降噪的时延估计研究
具有时延和丢包的网络控制系统保性能控制
认知无线电网络子空间映射频谱共享
基于循环平稳PCA和AdaBoost的频谱感知算法